摘 要：信息化時(shí)代背景下金融業(yè)的供需地位發(fā)生巨大轉(zhuǎn)變，金融數(shù)據(jù)也從經(jīng)營(yíng)資料開(kāi)始向數(shù)據(jù)商業(yè)化發(fā)展。基于詳盡的量化數(shù)據(jù)系統(tǒng)，現(xiàn)代銀行可以在高效數(shù)據(jù)分析模型的基礎(chǔ)上對(duì)銀行數(shù)據(jù)進(jìn)行二次開(kāi)發(fā)，提供數(shù)據(jù)分析服務(wù)。本文通過(guò)闡述銀行數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)，分析了對(duì)銀行海量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘的主要方法和應(yīng)用模式，并評(píng)估現(xiàn)行銀行數(shù)據(jù)挖掘方法的有效性和經(jīng)濟(jì)效益價(jià)值，為進(jìn)一步提升銀行數(shù)據(jù)挖掘的效能提供了新的思路。

關(guān)鍵詞：銀行數(shù)據(jù)挖掘；理論分析；典型算法；應(yīng)用及效用

中圖分類(lèi)號(hào)：TP311.13

銀行是現(xiàn)代經(jīng)濟(jì)的標(biāo)志，也是現(xiàn)代經(jīng)濟(jì)活動(dòng)中不可或缺的環(huán)節(jié)和工具，從銀行誕生應(yīng)用以來(lái)，銀行業(yè)就需要處理大量的經(jīng)營(yíng)數(shù)據(jù)，銀行數(shù)據(jù)記錄手段也經(jīng)歷了數(shù)個(gè)階段，從白紙黑字的賬本到計(jì)算機(jī)信息化時(shí)代的銀行數(shù)據(jù)信息系統(tǒng)，銀行數(shù)據(jù)業(yè)務(wù)可以在業(yè)務(wù)交易流程、數(shù)據(jù)庫(kù)建設(shè)、金融風(fēng)險(xiǎn)評(píng)估和經(jīng)營(yíng)決策分析等方面發(fā)揮極其重要的作用。從銀行業(yè)本身的發(fā)展來(lái)看，商業(yè)銀行的規(guī)模和類(lèi)型都在逐年豐富，信息化和數(shù)字化的銀行業(yè)務(wù)模式也逐漸成為商業(yè)銀行的運(yùn)行模本；現(xiàn)代銀行更加重視客戶(hù)本位思考，通過(guò)多樣化的市場(chǎng)需求分析手段，可以為客戶(hù)提供極具個(gè)性化的銀行業(yè)務(wù)產(chǎn)品服務(wù)，吸引更多的潛在客戶(hù)群；同時(shí)現(xiàn)代銀行的風(fēng)險(xiǎn)管控意識(shí)更強(qiáng)，在市場(chǎng)經(jīng)濟(jì)節(jié)奏更快的當(dāng)今社會(huì)，銀行經(jīng)營(yíng)決策的風(fēng)險(xiǎn)評(píng)估效果決定了現(xiàn)代銀行的經(jīng)營(yíng)走向；再者是網(wǎng)絡(luò)終端服務(wù)和移動(dòng)終端服務(wù)的迅猛發(fā)展，銀行交易手段更加豐富，網(wǎng)上銀行、手機(jī)銀行、移動(dòng)證券交易等等電子支付交易方式的發(fā)展給現(xiàn)代銀行帶來(lái)了新的機(jī)遇和挑戰(zhàn)，這一切都需要現(xiàn)代銀行在數(shù)據(jù)處理分析能力上有新的應(yīng)對(duì)措施。

1 數(shù)據(jù)挖掘和數(shù)據(jù)效用理論基礎(chǔ)

數(shù)據(jù)挖掘的通用定義指的是從現(xiàn)有的大量存儲(chǔ)數(shù)據(jù)中，采用數(shù)據(jù)擷取的方式，搜尋出感興趣的、有價(jià)值的數(shù)據(jù)點(diǎn)或數(shù)據(jù)模塊的數(shù)據(jù)處理技術(shù)。數(shù)據(jù)挖掘廣泛地應(yīng)用于商業(yè)金融領(lǐng)域，基于既定的商業(yè)化分析目標(biāo)，可以依托于企業(yè)內(nèi)部的金融數(shù)據(jù)系統(tǒng)進(jìn)行數(shù)據(jù)分析，最終獲得需要的商業(yè)經(jīng)營(yíng)規(guī)律和市場(chǎng)發(fā)展規(guī)律，并且能夠在成熟的數(shù)據(jù)挖掘模型的支持下與其他分析工具和分析技術(shù)相結(jié)合，形成商業(yè)化的數(shù)據(jù)挖掘分析系統(tǒng)和分析軟件。數(shù)據(jù)挖掘的功能需求決定了數(shù)據(jù)挖掘是一個(gè)典型的學(xué)科交叉項(xiàng)目，現(xiàn)代銀行受到業(yè)務(wù)拓展發(fā)展的需求，在其數(shù)據(jù)挖掘技術(shù)的運(yùn)用中廣泛地的結(jié)合了數(shù)據(jù)庫(kù)技術(shù)、智能學(xué)習(xí)技術(shù)、統(tǒng)計(jì)分析技術(shù)、模式識(shí)別技術(shù)、人工智能技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)，數(shù)據(jù)挖掘常分為六個(gè)技術(shù)類(lèi)別：聚類(lèi)、分類(lèi)、估值、預(yù)測(cè)、相關(guān)性分組和關(guān)聯(lián)規(guī)則分析、描述和可視化分析。

對(duì)數(shù)據(jù)資料的重視性促使了現(xiàn)代銀行對(duì)數(shù)據(jù)利用效率的不懈追求，現(xiàn)代化經(jīng)營(yíng)模式中，數(shù)據(jù)已經(jīng)成為最為重要的無(wú)形商品，作為商品的數(shù)據(jù)資料，其資本性和營(yíng)利性決定了信息數(shù)據(jù)的效益最大化，由于數(shù)據(jù)資料的復(fù)制成本低、附加值高且利潤(rùn)豐厚的特點(diǎn)，數(shù)據(jù)信息價(jià)值理論已經(jīng)成為數(shù)據(jù)效用分析的主要理論模式。

2 銀行數(shù)據(jù)挖掘的應(yīng)用分析

2.1 數(shù)據(jù)挖掘在銀行客戶(hù)需求分析中的應(yīng)用

現(xiàn)代銀行針對(duì)客戶(hù)資料和消費(fèi)記錄都建立了功能龐大的消費(fèi)市場(chǎng)數(shù)據(jù)庫(kù)系統(tǒng)，對(duì)銀行客戶(hù)的個(gè)人資料、賬戶(hù)信息、交易歷史記錄、業(yè)務(wù)服務(wù)歷史記錄、理財(cái)數(shù)據(jù)和個(gè)人理財(cái)風(fēng)險(xiǎn)評(píng)估等進(jìn)行了數(shù)據(jù)庫(kù)倉(cāng)儲(chǔ)式分析，基于成熟的數(shù)據(jù)倉(cāng)庫(kù)邏輯分析模型，可以對(duì)每一個(gè)銀行客戶(hù)進(jìn)行多維度消費(fèi)分析，以交易歷史紀(jì)錄為例，交易歷史紀(jì)錄作為該分析維度下的分析主鍵字段，在其下端進(jìn)行次元維度分析，對(duì)交易類(lèi)型、交易金額、消費(fèi)地點(diǎn)、存貸款交易、電子銀行消費(fèi)、手機(jī)銀行消費(fèi)、證券消費(fèi)等進(jìn)行子健分析，但是也要考慮到不同主鍵之間存在著較大的關(guān)聯(lián)性，此時(shí)可以考慮在客戶(hù)數(shù)據(jù)倉(cāng)庫(kù)分析中建立星形數(shù)據(jù)模，在關(guān)聯(lián)數(shù)據(jù)子健上進(jìn)行數(shù)據(jù)溢出處理。在數(shù)據(jù)挖掘中主要采用的是聚類(lèi)算法，在對(duì)客戶(hù)數(shù)據(jù)進(jìn)行詳細(xì)的數(shù)據(jù)倉(cāng)庫(kù)建立之后，可以對(duì)客戶(hù)進(jìn)行數(shù)據(jù)特征值標(biāo)定（如商業(yè)價(jià)值、交易類(lèi)型、風(fēng)險(xiǎn)傾向等），以便于進(jìn)行客戶(hù)分類(lèi)，在用戶(hù)細(xì)分時(shí)，行為特征是主要的特征，自然屬性是輔助的特性。

表1 聚類(lèi)匯總表

業(yè)務(wù)類(lèi)型紙黃金基金理財(cái)外匯個(gè)人金融債券貸款

業(yè)務(wù)渠道柜臺(tái)電話銀行網(wǎng)上銀漢手機(jī)銀行自主服務(wù)中間交易

由此可以得到詳細(xì)的客戶(hù)聚類(lèi)，例如以年齡段為標(biāo)準(zhǔn)的20-30歲階段用戶(hù)（業(yè)務(wù)類(lèi)型為紙黃金，業(yè)務(wù)渠道為網(wǎng)銀和自助服務(wù)）、30-40歲階段用戶(hù)（業(yè)務(wù)類(lèi)型為外匯和金融，業(yè)務(wù)渠道為柜臺(tái)和自助）、40-50歲階段（業(yè)務(wù)類(lèi)型為基金債券，業(yè)務(wù)渠道為柜臺(tái)服務(wù)）。

基于SQL Server Analysis Services分析工具，在銀行原始交易數(shù)據(jù)庫(kù)中進(jìn)行聚類(lèi)分析，選用Microsoft聚類(lèi)算法對(duì)交易日志中的指定頁(yè)進(jìn)行類(lèi)型搜索，在后處理模塊中可以查看聚類(lèi)分析結(jié)果。聚類(lèi)算法進(jìn)行數(shù)據(jù)挖掘時(shí)需要原始數(shù)據(jù)具有較強(qiáng)的分類(lèi)性和數(shù)據(jù)關(guān)聯(lián)性，才能在數(shù)據(jù)挖掘中針對(duì)特定數(shù)據(jù)屬性和數(shù)據(jù)聚類(lèi)進(jìn)行分析，并且獲得該屬性在任意聚類(lèi)中的數(shù)據(jù)分布情況，由此可以精確的知道特定類(lèi)型客戶(hù)的銀行消費(fèi)習(xí)慣和消費(fèi)傾向，有助于銀行穩(wěn)固現(xiàn)有客戶(hù)群，吸引潛在客戶(hù)群體。

2.2 數(shù)據(jù)挖掘在銀行決策分析中的應(yīng)用

銀行經(jīng)營(yíng)的各個(gè)環(huán)節(jié)都基本實(shí)現(xiàn)了信息化管理，銀行綜合業(yè)務(wù)系統(tǒng)為其提供了基礎(chǔ)業(yè)務(wù)操作平臺(tái)和統(tǒng)一賬務(wù)處理系統(tǒng)平臺(tái)，能夠幫助銀行實(shí)現(xiàn)有效的資源整合和集中管理。數(shù)據(jù)挖掘技術(shù)的應(yīng)用能夠全面提升銀行系統(tǒng)的內(nèi)控管理和風(fēng)險(xiǎn)管控水平，為銀行的內(nèi)部決策提供有效的數(shù)據(jù)支撐。

表2 數(shù)據(jù)挖掘與銀行決策關(guān)系

數(shù)據(jù)源數(shù)據(jù)處理數(shù)據(jù)存儲(chǔ)決策分析

交易數(shù)據(jù)

客戶(hù)信息

管理信息

外部信息數(shù)據(jù)抽取

數(shù)據(jù)整合

數(shù)據(jù)加載數(shù)據(jù)倉(cāng)庫(kù)經(jīng)營(yíng)狀況決策分析

數(shù)據(jù)監(jiān)控?cái)?shù)據(jù)節(jié)點(diǎn)1資產(chǎn)負(fù)債決策分析

數(shù)據(jù)刷新數(shù)據(jù)節(jié)點(diǎn)2風(fēng)險(xiǎn)管理決策分析

數(shù)據(jù)包裝數(shù)據(jù)節(jié)點(diǎn)3客戶(hù)需求決策分析

數(shù)據(jù)公布數(shù)據(jù)節(jié)點(diǎn)4銀行財(cái)務(wù)決策分析

為了保障銀行的經(jīng)營(yíng)效益、提升業(yè)務(wù)覆蓋范圍并預(yù)防經(jīng)營(yíng)風(fēng)險(xiǎn)，銀行需要及時(shí)掌握市場(chǎng)動(dòng)態(tài)并且做出經(jīng)營(yíng)調(diào)整，數(shù)據(jù)挖掘技術(shù)能夠跟蹤分析銀行經(jīng)營(yíng)過(guò)程中的各個(gè)基本要素環(huán)節(jié)，通過(guò)比對(duì)分析自身產(chǎn)品的營(yíng)收現(xiàn)狀、競(jìng)爭(zhēng)對(duì)手的經(jīng)營(yíng)現(xiàn)狀，以及對(duì)資產(chǎn)負(fù)債率、銀行壞賬率和金融產(chǎn)品的銷(xiāo)量，可以及時(shí)為決策層提供參考數(shù)據(jù)。商業(yè)銀行的風(fēng)險(xiǎn)管控是其保障經(jīng)濟(jì)效益的關(guān)鍵，數(shù)據(jù)挖掘系統(tǒng)的關(guān)鍵性作用體現(xiàn)在對(duì)銀行業(yè)務(wù)的全方位、多角度的可靠性分析和風(fēng)險(xiǎn)評(píng)估，基于銀行內(nèi)部的風(fēng)險(xiǎn)模型參數(shù)，在成熟的模式識(shí)別技術(shù)和智能分析技術(shù)的輔助下，可以提前對(duì)經(jīng)營(yíng)風(fēng)險(xiǎn)進(jìn)行預(yù)判，以減少成本損失為風(fēng)險(xiǎn)數(shù)據(jù)挖掘模型約束，以保障經(jīng)營(yíng)效益最大化為風(fēng)險(xiǎn)決策目標(biāo)，以調(diào)控決策方式為風(fēng)險(xiǎn)決策手段，可以進(jìn)一步提高銀行的資產(chǎn)質(zhì)量。財(cái)務(wù)風(fēng)險(xiǎn)控制中數(shù)據(jù)挖掘的具體應(yīng)用如下圖所示：

圖1 數(shù)據(jù)挖掘在銀行財(cái)務(wù)決策分析中的應(yīng)用分析

3 銀行數(shù)據(jù)挖掘的效用分析

3.1 數(shù)據(jù)挖掘在銀行風(fēng)險(xiǎn)控制中的效用

風(fēng)險(xiǎn)控制是銀行日常經(jīng)營(yíng)活動(dòng)中的核心內(nèi)容，通常來(lái)看可以分為定性控制和定量控制兩種方式，定性控制的關(guān)鍵是建立一套有效的風(fēng)險(xiǎn)控制管理體系，在多流程決策體系的協(xié)作下，構(gòu)成風(fēng)險(xiǎn)管理知識(shí)，以非結(jié)構(gòu)化數(shù)據(jù)的形式保存并流轉(zhuǎn)使用；定量控制則更看重對(duì)經(jīng)營(yíng)實(shí)時(shí)數(shù)據(jù)的管理效率，建立一個(gè)基于客戶(hù)需求和市場(chǎng)規(guī)律的量化風(fēng)險(xiǎn)控制體系統(tǒng)框架。銀行信用評(píng)估體系要求銀行用于信用評(píng)級(jí)的數(shù)據(jù)必須具備一定年限和質(zhì)量標(biāo)準(zhǔn)，對(duì)數(shù)據(jù)樣本量、樣本時(shí)效性、業(yè)務(wù)覆蓋范圍、數(shù)據(jù)來(lái)源都有明確的要求。數(shù)據(jù)挖掘?qū)τ阢y行風(fēng)險(xiǎn)控制的關(guān)鍵性作用主要體現(xiàn)在對(duì)于銀行信用風(fēng)險(xiǎn)控制、銀行市場(chǎng)風(fēng)險(xiǎn)評(píng)估和銀行操作風(fēng)險(xiǎn)管理上。

在信用風(fēng)險(xiǎn)控制上，數(shù)據(jù)挖掘主要是針對(duì)信用關(guān)鍵指標(biāo)：違約率、違約損失率、違約暴露和違約期限進(jìn)行針對(duì)性的數(shù)據(jù)挖掘分析，結(jié)合銀行的信用評(píng)級(jí)動(dòng)態(tài)變化和銀行信用置信度的波動(dòng)規(guī)律，在銀行交易數(shù)據(jù)庫(kù)中采用數(shù)據(jù)關(guān)聯(lián)分析方法，對(duì)概念分層數(shù)據(jù)進(jìn)行多層挖掘，提高數(shù)據(jù)挖掘的精準(zhǔn)度；在對(duì)市場(chǎng)風(fēng)險(xiǎn)控制上，數(shù)據(jù)挖掘技術(shù)主要集中在市場(chǎng)風(fēng)險(xiǎn)識(shí)別和市場(chǎng)動(dòng)態(tài)分析兩方面，通過(guò)分析銀行特征值數(shù)據(jù)在各種風(fēng)險(xiǎn)環(huán)境下的數(shù)據(jù)概率分布值，可以構(gòu)建銀行內(nèi)部的市場(chǎng)風(fēng)險(xiǎn)模型，結(jié)合遺傳算法和智能分析，可以針對(duì)市場(chǎng)發(fā)展規(guī)律進(jìn)行智能風(fēng)險(xiǎn)評(píng)估決策；對(duì)于市場(chǎng)的偶然性行為和不確定行為，通常數(shù)據(jù)挖掘會(huì)采用預(yù)測(cè)（predication）、時(shí)序分析模式（time-series model），通過(guò)遍歷歷史交易數(shù)據(jù)，能夠?qū)ε既恍允袌?chǎng)行為進(jìn)行概念排序，采用模糊分析（fuzzy method）、證據(jù)理論（Evidence theory）等方法進(jìn)行決策分析。

3.2 數(shù)據(jù)挖掘在銀行產(chǎn)品創(chuàng)新中的效用

產(chǎn)品創(chuàng)新是提升銀行市場(chǎng)競(jìng)爭(zhēng)力的根本手段，數(shù)據(jù)挖掘的重要性則體現(xiàn)在數(shù)據(jù)分析準(zhǔn)確性和有效性上，首先是對(duì)業(yè)務(wù)流程效率的數(shù)據(jù)分析，對(duì)于總行、分行、支行和營(yíng)業(yè)網(wǎng)點(diǎn)的銀行結(jié)構(gòu)進(jìn)行業(yè)務(wù)處理效能分析，通過(guò)實(shí)際交易數(shù)據(jù)和歷史交易數(shù)據(jù)進(jìn)行比對(duì)分析，可以有效的找出實(shí)際業(yè)務(wù)模式中的最大風(fēng)險(xiǎn)點(diǎn)，設(shè)計(jì)或優(yōu)化業(yè)務(wù)流程，明確錄入、審核、授權(quán)各崗位的職責(zé)，從而運(yùn)用創(chuàng)新手段控制流程風(fēng)險(xiǎn)；采用產(chǎn)品規(guī)劃的方法指導(dǎo)新產(chǎn)品的設(shè)計(jì)流程工作，則需要在產(chǎn)品設(shè)計(jì)理念、產(chǎn)品市場(chǎng)定位、產(chǎn)品競(jìng)爭(zhēng)優(yōu)勢(shì)分析和產(chǎn)品風(fēng)險(xiǎn)控制上進(jìn)行數(shù)據(jù)分析，通過(guò)數(shù)據(jù)挖掘技術(shù)可以在銀行內(nèi)部歷史數(shù)據(jù)、行業(yè)共享數(shù)據(jù)和商業(yè)數(shù)據(jù)的基礎(chǔ)上進(jìn)行特征屬性挖掘，并最終為新產(chǎn)品的量化定型提供有效的數(shù)據(jù)參考，并未新產(chǎn)品的市場(chǎng)價(jià)值進(jìn)行定性和定量預(yù)測(cè)分析。

4 結(jié)束語(yǔ)

信息化時(shí)代背景下金融業(yè)的供需地位發(fā)生巨大轉(zhuǎn)變，金融數(shù)據(jù)也從經(jīng)營(yíng)資料開(kāi)始向數(shù)據(jù)商業(yè)化發(fā)展?；谠敱M的量化數(shù)據(jù)系統(tǒng)，現(xiàn)代銀行可以在高效數(shù)據(jù)分析模型的基礎(chǔ)上對(duì)銀行數(shù)據(jù)進(jìn)行二次開(kāi)發(fā)，提供數(shù)據(jù)分析服務(wù)。本文通過(guò)闡述銀行數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)，分析了對(duì)銀行海量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘的主要方法和應(yīng)用模式，并評(píng)估現(xiàn)行銀行數(shù)據(jù)挖掘方法的有效性和經(jīng)濟(jì)效益價(jià)值，為進(jìn)一步提升銀行數(shù)據(jù)挖掘的效能提供了新的思路。

參考文獻(xiàn)：

[1]丁劍敏.數(shù)據(jù)挖掘技術(shù)及其在商業(yè)銀行中的應(yīng)用[J].市場(chǎng)周刊·財(cái)經(jīng)論壇，2013（04）.

[2]宓文斌.數(shù)據(jù)挖掘在銀行信貸業(yè)務(wù)中的應(yīng)用[M].上海：上海交通大學(xué)，2012.

[3]王佳麗.財(cái)務(wù)診斷中的數(shù)據(jù)挖掘運(yùn)用研究[D].南寧：廣西大學(xué)，2012（05）.

作者簡(jiǎn)介：于上上（1993.12-），女，吉林長(zhǎng)春人，本科在讀，研究方向：統(tǒng)計(jì)學(xué)；陳璐（1993.1-），女，安徽池州人，本科在讀，研究方向：數(shù)理統(tǒng)計(jì)；孫璐（1993.5-），女，黑龍江哈爾濱人，本科在讀，研究方向：金融數(shù)學(xué)；白天（1992.2-），男，遼寧遼陽(yáng)人，本科在讀，學(xué)生黨支部書(shū)記，研究方向：金融數(shù)學(xué)。

作者單位：武漢大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，武漢 430072