數(shù)據(jù)挖掘是指從大量不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、有用的信息和知識(shí)的過(guò)程。其表現(xiàn)形式為概念、規(guī)則、模式等形式。用統(tǒng)計(jì)分析和數(shù)據(jù)挖掘解決商務(wù)問(wèn)題?，F(xiàn)在困擾我國(guó)信用卡產(chǎn)業(yè)發(fā)展的主要問(wèn)題是：怎樣尋找真正的信用卡客戶(hù)？怎樣讓客戶(hù)在交易時(shí)用卡？怎樣控制風(fēng)險(xiǎn)？對(duì)于以上疑難問(wèn)題，數(shù)據(jù)挖掘技術(shù)是一個(gè)行之有效的工具。

數(shù)據(jù)挖掘的作用和分類(lèi)

金融機(jī)構(gòu)需要搜集和處理大量的數(shù)據(jù)，對(duì)這些數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)其數(shù)據(jù)模式及特征，然后可能發(fā)現(xiàn)某個(gè)客戶(hù)、消費(fèi)群體或組織的金融和商業(yè)興趣。并且，根據(jù)新觀點(diǎn)，用戶(hù)的行為會(huì)隨時(shí)間而變化。分析客戶(hù)整個(gè)生命周期的費(fèi)用和收入就可以看出誰(shuí)是最具創(chuàng)利潛能的，并可觀察金融市場(chǎng)的變化趨勢(shì)。數(shù)據(jù)挖掘可以分兩大類(lèi)：預(yù)測(cè)性數(shù)據(jù)挖掘和描述性數(shù)據(jù)挖掘。預(yù)測(cè)性數(shù)據(jù)挖掘是進(jìn)行數(shù)據(jù)分析，建立一個(gè)或一組數(shù)據(jù)模型，并且根據(jù)模型產(chǎn)生關(guān)于數(shù)據(jù)的預(yù)測(cè)。所謂預(yù)測(cè)，是指該信息是未曾料到的，即數(shù)據(jù)挖掘是要發(fā)現(xiàn)那些不能靠直覺(jué)發(fā)現(xiàn)的信息知識(shí)，甚至是違背直覺(jué)的信息或知識(shí)。挖掘的信息越是出乎意料，就可能越有價(jià)值。描述性數(shù)據(jù)挖掘是以概要的方式對(duì)數(shù)據(jù)信息進(jìn)行描述，提供數(shù)據(jù)的有意義的一般性質(zhì)。包括異常檢測(cè)、聚集等多種數(shù)據(jù)挖掘方法。預(yù)測(cè)類(lèi)數(shù)據(jù)挖掘及描述類(lèi)數(shù)據(jù)挖掘所能解決的典型商業(yè)問(wèn)題包括：數(shù)據(jù)庫(kù)營(yíng)銷(xiāo)、客戶(hù)群體劃分、背景分析、交叉銷(xiāo)售，以及客戶(hù)流失性分析、客戶(hù)信用計(jì)分、欺詐發(fā)現(xiàn)等。

信用卡風(fēng)險(xiǎn)預(yù)測(cè)與控制中的應(yīng)用

信用卡業(yè)務(wù)是一個(gè)高投入、高風(fēng)險(xiǎn)和高回報(bào)的行業(yè)，關(guān)鍵是要能夠有效的控制住高風(fēng)險(xiǎn)，降低企業(yè)的運(yùn)營(yíng)成本，那么在這個(gè)方向，數(shù)據(jù)挖掘應(yīng)用的效果將是突出的，是銀行信用卡業(yè)務(wù)應(yīng)用的一大趨勢(shì)。商業(yè)銀行為了保證最大的利潤(rùn)和最小的風(fēng)險(xiǎn)，必須對(duì)賬戶(hù)進(jìn)行科學(xué)的分析和歸類(lèi)，以及時(shí)發(fā)現(xiàn)問(wèn)題、化解風(fēng)險(xiǎn)。

使用銀行客戶(hù)信息系統(tǒng)中數(shù)據(jù)庫(kù)的數(shù)據(jù)，利用數(shù)據(jù)挖掘中的變化和偏差分析技術(shù)進(jìn)行客戶(hù)信用風(fēng)險(xiǎn)分析和欺詐行為預(yù)測(cè)，可以分析這些風(fēng)險(xiǎn)為什么會(huì)發(fā)生？哪些因素會(huì)導(dǎo)致這些風(fēng)險(xiǎn)？這些風(fēng)險(xiǎn)主要來(lái)自于何處？如何預(yù)測(cè)到可能發(fā)生的風(fēng)險(xiǎn)？采取何種措施減少風(fēng)險(xiǎn)的發(fā)生？通過(guò)評(píng)價(jià)這些風(fēng)險(xiǎn)的嚴(yán)重性、發(fā)生的可能性及控制這些風(fēng)險(xiǎn)的成本，匯總對(duì)各種風(fēng)險(xiǎn)的評(píng)價(jià)結(jié)果，進(jìn)而建立一套信用風(fēng)險(xiǎn)管理的戰(zhàn)略和監(jiān)督體系，設(shè)計(jì)并完善信用風(fēng)險(xiǎn)管理能力，準(zhǔn)確、及時(shí)地對(duì)各種信用風(fēng)險(xiǎn)進(jìn)行監(jiān)視、評(píng)價(jià)、預(yù)警和管理，進(jìn)而采取有效的規(guī)避和監(jiān)督措施，在信用風(fēng)險(xiǎn)發(fā)生之前對(duì)其進(jìn)行預(yù)警和控制。

信用卡業(yè)務(wù)上經(jīng)常發(fā)生詐騙行為，如信用卡詐騙、惡性透支等，這些給銀行和商業(yè)單位帶來(lái)了巨大的損失。對(duì)這類(lèi)詐騙行為進(jìn)行預(yù)測(cè)，哪怕正確率很低的預(yù)測(cè)，都會(huì)減少發(fā)生詐騙的機(jī)會(huì)，從而減少損失。進(jìn)行詐騙辨別主要是通過(guò)總結(jié)正常行為和詐騙行為之間的關(guān)系，得到詐騙行為的一些特性，這樣當(dāng)某項(xiàng)業(yè)務(wù)符合這些特征時(shí)，可以向決策人員提出警告。

數(shù)據(jù)挖掘技術(shù)可以自動(dòng)預(yù)測(cè)趨勢(shì)和行為。數(shù)據(jù)挖掘技術(shù)可以自動(dòng)在銀行的數(shù)據(jù)庫(kù)中尋找預(yù)測(cè)性信息，構(gòu)造出風(fēng)險(xiǎn)預(yù)測(cè)模型，以幫助銀行事先發(fā)現(xiàn)具有潛在欺詐性的事務(wù)。對(duì)欺詐的偵測(cè)可以通過(guò)對(duì)數(shù)據(jù)進(jìn)行聚類(lèi)分析來(lái)進(jìn)行。由于欺詐性付款通常都具有某些獨(dú)有的特征，如在短期內(nèi)發(fā)生多次付款，而且較多出現(xiàn)在新辦理的信用卡上，因此通過(guò)對(duì)數(shù)據(jù)的聚類(lèi)分析可以將數(shù)據(jù)劃分為較可能出現(xiàn)欺詐的組和不大可能出現(xiàn)欺詐的組。聚類(lèi)分析的結(jié)論一旦得到驗(yàn)證，就可以此為基礎(chǔ)構(gòu)造出一個(gè)針對(duì)信用卡欺詐的分類(lèi)挖掘模型。以往需要進(jìn)行大量手工分析的問(wèn)題，如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。

信用卡風(fēng)險(xiǎn)控制模型設(shè)計(jì)

通過(guò)建立預(yù)測(cè)性或描述性的模型，能夠有效完成信用卡風(fēng)險(xiǎn)管理的相關(guān)工作。信用卡風(fēng)險(xiǎn)控制模型包括動(dòng)態(tài)信用額度調(diào)整模型（客戶(hù)當(dāng)前信用等級(jí)評(píng)估）、信用評(píng)分模型（客戶(hù)初始信用等級(jí)評(píng)定）、欺詐監(jiān)測(cè)模型（異常性客戶(hù)消費(fèi)分析）等。

信用評(píng)分模型 信用評(píng)分模型是以現(xiàn)有客戶(hù)的基本信息、歷史交易數(shù)據(jù)的關(guān)聯(lián)表現(xiàn)，描述出現(xiàn)有客戶(hù)的信用等級(jí)分布特征。同時(shí)建立預(yù)測(cè)性的信用等級(jí)模型，對(duì)新申請(qǐng)的信用卡客戶(hù)通過(guò)填寫(xiě)的基本信息進(jìn)行打分，并確定新客戶(hù)的初始等級(jí)。

信用額度動(dòng)態(tài)調(diào)整模型 信用額度動(dòng)態(tài)調(diào)整模型主要是解決信用卡持卡人的信用額度調(diào)級(jí)以及還款拖延催收等問(wèn)題。也就是當(dāng)一個(gè)客戶(hù)還款出現(xiàn)了延滯，是否一定要對(duì)其進(jìn)行催收，如果催收，催收的力度應(yīng)該怎么控制；當(dāng)一個(gè)客戶(hù)經(jīng)常出現(xiàn)信用額度不夠用或只能使用信用額度的很小一部分的時(shí)候，銀行應(yīng)該怎么調(diào)整信用額度。信用額度動(dòng)態(tài)調(diào)整模型用客戶(hù)過(guò)去的行為數(shù)據(jù)和規(guī)律來(lái)判斷客戶(hù)未來(lái)信用好壞的概率。有了這個(gè)概率，就可以對(duì)信用好的客戶(hù)調(diào)高信用額，出現(xiàn)延滯的也可以不馬上催收，即使催收也只要提醒客戶(hù)就可以了。這樣不但可以保持與客戶(hù)之間的良好關(guān)系，還可以降低操作成本。

信用卡風(fēng)險(xiǎn)預(yù)警模型設(shè)計(jì) 信用風(fēng)險(xiǎn)預(yù)警模型也就是欺詐監(jiān)測(cè)模型。由于信用卡交易不需密碼，致使信用卡交易發(fā)生欺詐的可能性比借記卡要大很多，欺詐損失占信用卡業(yè)務(wù)成本的相當(dāng)一部分，因此國(guó)外銀行或信用卡公司普遍使用欺詐監(jiān)測(cè)模型來(lái)監(jiān)測(cè)每一筆交易，盡可能減少欺詐損失。欺詐模型的建立方法主要是基于概率分布的檢測(cè)方法：利用概率中的小概率事件被檢測(cè)到的可能性很小的原理，通過(guò)確定信用卡透支與還款次數(shù)的分布函數(shù)，求出其小概率事件的邊界值，通常設(shè)其概率值為0.05。

傳統(tǒng)的風(fēng)險(xiǎn)管理已無(wú)法有效控制跨區(qū)域、跨部門(mén)、跨行業(yè)的多種風(fēng)險(xiǎn)，利用科學(xué)的數(shù)據(jù)挖掘技術(shù)提高欺詐的防范，降低信用卡業(yè)務(wù)的風(fēng)險(xiǎn)尤為重要，對(duì)客戶(hù)進(jìn)行科學(xué)評(píng)估造成風(fēng)險(xiǎn)的因素，有效規(guī)避信用卡的業(yè)務(wù)風(fēng)險(xiǎn)，建立完善的信用卡發(fā)卡及用卡的風(fēng)險(xiǎn)防范機(jī)制，對(duì)于銀行信用卡業(yè)務(wù)的蓬勃發(fā)展有著重要意義和價(jià)值。

（作者單位：內(nèi)蒙古阿拉善職業(yè)技術(shù)學(xué)院）