霍魁

摘要：伴隨著信息技術(shù)的飛速發(fā)展，各行各業(yè)各個領(lǐng)域都在積極引進信息技術(shù)，銀行工作也是如此。當今時代已經(jīng)成為了富含海量數(shù)據(jù)信息的大數(shù)據(jù)時代，想要在此背景下從眾多信息中迅速挖掘出想要的信息，比以往要困難很多。對于銀行工作來說，數(shù)據(jù)基本決定了其發(fā)展，但是有些銀行目前卻還沒有發(fā)現(xiàn)海量爆炸性數(shù)據(jù)所造成的威脅，對此，相關(guān)工作人員必須加以重視，引進數(shù)據(jù)挖掘技術(shù)，實現(xiàn)銀行業(yè)的可持續(xù)發(fā)展。

關(guān)鍵詞：大數(shù)據(jù)時代；銀行；數(shù)據(jù)挖掘

隨著時代的發(fā)展和進步，對于銀行來說，需要不斷完善計算機系統(tǒng)中的操作數(shù)據(jù)存儲。數(shù)據(jù)庫群、企業(yè)數(shù)據(jù)倉庫、主數(shù)據(jù)存儲等建設(shè)相應(yīng)的基礎(chǔ)網(wǎng)絡(luò)。NoSQL、Lucene、Hadoop、MapReduce等技術(shù)的發(fā)展適當?shù)脑黾恿算y行掌握數(shù)據(jù)的能力?，F(xiàn)階段，無論銀行面對的是外部數(shù)據(jù)和是內(nèi)部數(shù)據(jù)、非結(jié)構(gòu)數(shù)據(jù)或者結(jié)構(gòu)數(shù)據(jù)，已經(jīng)具有比較成熟的產(chǎn)生、整合、存儲以及訪問數(shù)據(jù)的技術(shù)，此外，要想最大限度實現(xiàn)數(shù)據(jù)的價值，需要銀行全面分析挖掘數(shù)據(jù)的發(fā)展趨勢和規(guī)律，并運用到銀行運行中。

一、大數(shù)據(jù)時代銀行面臨的挑戰(zhàn)

（一）銀行中傳統(tǒng)方式對銀行企業(yè)文化的沖擊

隨著大數(shù)據(jù)的發(fā)展，對銀行產(chǎn)生很多影響和沖擊，對于銀行企業(yè)文化發(fā)展的影響主要包括以下幾方面：第一，摒棄偏愛純凈數(shù)據(jù)和有條理數(shù)據(jù)，轉(zhuǎn)向接受非結(jié)構(gòu)數(shù)據(jù)，允許少量不精確數(shù)據(jù)。第二，逐漸從局部沖擊變?yōu)槿繘_擊，因為大數(shù)據(jù)時代不同于以往的情況，需要大量數(shù)據(jù)，因此全面沖擊企業(yè)文化。第三，企業(yè)文化與數(shù)據(jù)逐漸沖因果關(guān)系變?yōu)橄嚓P(guān)關(guān)系[1]。

（二）銀行面臨的數(shù)字化挑戰(zhàn)

大數(shù)據(jù)分析對于銀行決策來說就是一定的擴展數(shù)據(jù)、快速分析數(shù)據(jù)的作用，支持銀行發(fā)展目標。隨著大數(shù)據(jù)時代的發(fā)展和進步，銀行面臨著一些挑戰(zhàn)，一方面要使銀行內(nèi)部不斷開發(fā)新業(yè)務(wù)和新產(chǎn)品，另外一方面就是傳統(tǒng)數(shù)據(jù)結(jié)構(gòu)性能問題。數(shù)字化的發(fā)展使得銀行需要面對大量的數(shù)據(jù)，數(shù)據(jù)增長速度快、規(guī)模龐大；類型多，數(shù)據(jù)類型除了傳統(tǒng)的結(jié)構(gòu)以外，還具有語音、視頻、文字、圖片等形式，結(jié)構(gòu)復(fù)雜，內(nèi)容繁多；分析規(guī)則復(fù)雜，一般有價值的數(shù)據(jù)藏的都比較深，需要利用多種算法進行分析；具有很高的實時性，隨著數(shù)字化發(fā)展，數(shù)據(jù)處理的速度更快，實時性更強，需要及時準確地進行處理[2]。

二、數(shù)據(jù)挖掘技術(shù)

（一）數(shù)據(jù)挖掘概述

1.數(shù)據(jù)挖掘技術(shù)應(yīng)用步驟

數(shù)據(jù)挖掘?qū)嶋H上就是在海量數(shù)據(jù)中利用各種分析工具來發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)系和模型的過程，預(yù)測數(shù)據(jù)關(guān)系和模型，以便于可以很好的找到潛在的數(shù)據(jù)關(guān)系，發(fā)現(xiàn)被忽視的原因，因此，是目前解決數(shù)據(jù)爆炸的有效方式，被稱作KDD。數(shù)據(jù)挖掘?qū)儆诜磸?fù)的過程，主要包括以下步驟：

第一，定義問題和分析主題。在挖掘數(shù)據(jù)的時候，需要分析應(yīng)用領(lǐng)域，主要包括應(yīng)用目標和知識[3]。定義問題可以適當?shù)某浞至私鈱嶋H情況，熟悉背景以及用戶需求，不能定義缺少背景的知識。在確定用戶實際需求以后，需要評估歷史數(shù)據(jù)，利用數(shù)據(jù)挖掘來不斷滿足用戶需求，然后制定合理的數(shù)據(jù)挖掘計劃。

第二，準備數(shù)據(jù)。數(shù)據(jù)挖掘需要處理的數(shù)據(jù)不但具有大量數(shù)據(jù)，還會存在一些冗余數(shù)據(jù)和噪音數(shù)據(jù)以及不完整數(shù)據(jù)。準備數(shù)據(jù)主要包括數(shù)據(jù)清理、集成數(shù)據(jù)、選擇數(shù)據(jù)、變換數(shù)據(jù)、歸約數(shù)據(jù)以及數(shù)據(jù)質(zhì)量分析。

第三，建立模型。主要就是通過已知知識和數(shù)據(jù)建立模型，能夠有效的分析和描述知識和數(shù)據(jù)，可以在未知數(shù)據(jù)中進行應(yīng)用。建模實際上就是把一般規(guī)律、相關(guān)經(jīng)驗形成抽象的分析模型，挖掘數(shù)據(jù)就是依據(jù)模型分析、處理、預(yù)測數(shù)據(jù)的過程。

第四，評估模式。評估模式主要就是通過知識來體現(xiàn)用戶需求，然后優(yōu)化挖掘數(shù)據(jù)過程中的數(shù)據(jù)，直到符合規(guī)范。

2.數(shù)據(jù)挖掘技術(shù)算法

數(shù)據(jù)挖掘技術(shù)算法實際上具體實現(xiàn)數(shù)據(jù)挖掘方法，主要包括模型表示、模型評價標準以及發(fā)現(xiàn)方法三部分。數(shù)據(jù)挖掘技術(shù)算法主要包括決策樹、遺傳算法、K—近鄰算法、神經(jīng)網(wǎng)絡(luò)等。具有最佳搜索空間的方式就是遺傳算法，利用應(yīng)用遺傳算法的適應(yīng)函數(shù)來合理的搜索方向，然后通過人工算法來模擬一些生物種群的優(yōu)勝劣汰和多樣性，從而進行周而復(fù)始的一代代演化。決策樹是利用樹狀結(jié)構(gòu)來體現(xiàn)影響數(shù)據(jù)變量的分析預(yù)測模型，屬性就是決策集合或者分類集合，通過自上到下的回歸方式，樹的葉結(jié)點代表不同種類、非終端結(jié)點代表屬性。合理計算每個樹期望值，得到最優(yōu)解。K—鄰近算法是在距離度量分類的基礎(chǔ)上進行的，假設(shè)所有集合不包括數(shù)據(jù)集，并且包括很多類別的期望值。神經(jīng)網(wǎng)絡(luò)是能夠模仿人類大腦思考結(jié)構(gòu)的分析方式，利用非線性預(yù)測，來進行識別，從而得到各網(wǎng)絡(luò)單元的數(shù)據(jù)。數(shù)據(jù)挖掘工具核心內(nèi)容就是算法，主要包括分類分析、聚類分析、關(guān)聯(lián)分析、統(tǒng)計分析、時間序列、相關(guān)分析以及值預(yù)測。一般比較常用的就是分類算法、值預(yù)測和聚類分析[4]。

表一數(shù)據(jù)挖掘工具比較分析

三、數(shù)據(jù)挖掘技術(shù)在銀行中的應(yīng)用

（一）貸款方進行信用風(fēng)險評估應(yīng)用

貸款方進行的信用風(fēng)險評估是銀行應(yīng)用數(shù)據(jù)挖掘技術(shù)的主要方式之一，可以建立一定的評級模型，例如，神經(jīng)網(wǎng)絡(luò)模型、FICO評估模型以及貝葉斯分析模型等來進行貸款方風(fēng)險評估。在評估銀行賬戶信譽的時候，可以適當?shù)氖褂弥庇^量化的方式。依據(jù)信用評分為基本例子，在確定權(quán)重的時候，按照數(shù)據(jù)挖掘模型，對于申請過程中的每一項進行打分，累加起來就是申請人的實際信用情況。然后銀行依據(jù)信用評分來確定是否接受申請人的申請以及信用額度[5]。

（二）客戶關(guān)系管理中應(yīng)用

客戶關(guān)系管理也是銀行數(shù)據(jù)挖掘技術(shù)應(yīng)用的重要方式之一。發(fā)現(xiàn)以及開拓新客戶是銀行發(fā)展過程中比較重要的部分，利用探索性挖掘數(shù)據(jù)的方式，可以適當?shù)陌l(fā)現(xiàn)數(shù)據(jù)中心的特征以及預(yù)測營銷活動的實際響應(yīng)率，例如，自動探測聚類。利用聚類分析的方式把客戶進行分類，然后依據(jù)客戶風(fēng)險、服務(wù)收入成本等來分析、預(yù)測以及優(yōu)化相關(guān)因素，以便于能夠發(fā)現(xiàn)并達到盈利的目標。利用決策樹的方式來合理計算客戶貢獻期望值，以此來分類客戶，然后依據(jù)不同期望值進行分組，可以分為三種類別 ，包括黃金客戶、頂級客戶以及一般客戶。然后依據(jù)不同種類客戶的實際特點來提供一些特色服務(wù)，從而可以有效提高忠誠度。數(shù)據(jù)挖掘技術(shù)運用到銀行中，可以適當?shù)念A(yù)防流失客戶，在風(fēng)險出現(xiàn)流失客戶的時候，需要通過特殊待遇、額外增值以及激勵忠誠度來對客戶進行保留。例如，在預(yù)測客戶停止在此銀行放貸，變?yōu)槿e的銀行，可以利用適當降低利率以及增加額度來保留客戶。數(shù)據(jù)挖掘可以在一定程度上及時轉(zhuǎn)移關(guān)聯(lián)因子，找到客戶中比較類似的轉(zhuǎn)移者，然后利用分析孤立點的方式來體現(xiàn)異?？蛻粜袨?，以便于銀行能夠最大限度降低客戶流失[6]。

（三） 關(guān)聯(lián)規(guī)則挖掘在電子銀行產(chǎn)品推薦中的應(yīng)用

隨著信息化技術(shù)的發(fā)展，電子技術(shù)也在不斷進步，傳統(tǒng)的銀行柜面服務(wù)模式已經(jīng)逐漸不能符合社會發(fā)展需求，電子銀行應(yīng)運而生。在推薦電子銀行產(chǎn)品的時候運用關(guān)聯(lián)規(guī)則，從大量銀行數(shù)據(jù)中可以適當抽取一些有價值、有效的數(shù)據(jù)信息來推薦電子銀行產(chǎn)品，也是關(guān)聯(lián)技術(shù)的具體實踐，可以在一定程度上帶動銷售、挖掘客戶以及開發(fā)客戶等的發(fā)展。電子銀行發(fā)展，在一定程度上改變傳統(tǒng)的銀行模式，不斷提高銀行處理系統(tǒng)的智能化水平，讓客戶充分了解電子產(chǎn)品的優(yōu)勢，滿足客戶實際需求，建立相應(yīng)的可以存儲大量數(shù)據(jù)的數(shù)據(jù)庫，利用簡單的方式進行操作就可以得到數(shù)據(jù)信息，需要從多角度、多層次進行關(guān)聯(lián)。關(guān)聯(lián)規(guī)則運用到推薦電子產(chǎn)品中，可以在一定程度上調(diào)節(jié)資源配置，解決人力和資金，提高銷售率，科學(xué)的進行市場預(yù)測，吸引客戶，以便于可以獲得更多利益[7]。

（四） 金融監(jiān)管應(yīng)用

第一，隨著金融市場的不斷發(fā)展和進步，保證金融市場正常運行的就是金融監(jiān)管，同時也是預(yù)防市場風(fēng)險的主要方式?，F(xiàn)階段，金融監(jiān)管方式應(yīng)用數(shù)據(jù)挖掘及時最主要的就是集中在反洗錢方面。在反洗錢中應(yīng)用數(shù)據(jù)挖掘中的分類研究、孤立點分析、聚類等方式具有很大優(yōu)勢，利用上述挖掘數(shù)據(jù)技術(shù)可以保證金融機構(gòu)可以有效的監(jiān)測洗錢行為。

第二，監(jiān)管非現(xiàn)場。在監(jiān)管非現(xiàn)場的時候，進行數(shù)據(jù)挖掘，依據(jù)實際風(fēng)險情況、資源情況、流動性情況、應(yīng)力情況等，利用定量分析以及模型技術(shù)來逐漸累積監(jiān)管模型庫，以便于能夠及時的計量銀行經(jīng)營情況。客戶情況以及風(fēng)險情況，進行縱向和橫向比較，可以從根本上了解現(xiàn)場監(jiān)督以及警示非現(xiàn)場監(jiān)督。

第三，數(shù)據(jù)可視化。數(shù)據(jù)挖掘最重要的就是大量數(shù)據(jù)，對數(shù)據(jù)進行可視化處理可以為分析數(shù)據(jù)提供可靠圖形，為金融監(jiān)管人員提供保障和基礎(chǔ)[8]。

結(jié)語

總而言之，隨著大數(shù)據(jù)時代的發(fā)展，銀行以往通過利息差來當作主要收入的形式已經(jīng)成為過去，銀行不僅面臨大數(shù)據(jù)時代臨挑戰(zhàn)和沖擊，還需要面對越來越激烈的行業(yè)競爭，因此，需要從以往的產(chǎn)品為中心的模式變?yōu)榭蛻魹橹行牡哪Ｊ剑浞职l(fā)揮數(shù)據(jù)挖掘技術(shù)的作用，掌握好客戶實際需求，并且開展一些具有一定針對性的營銷活動，為客戶服務(wù)，提高客戶價值，從而打造出具有競爭力的銀行。（作者單位：中國人民大學(xué)）

參考文獻：

[1]王日宏，王曉龍.大數(shù)據(jù)時代下數(shù)據(jù)挖掘在銀行中的應(yīng)用[J].電腦知識與技術(shù)，2014（7）：1369-1370，1374.

[2]于上上，陳璐，孫璐等.銀行數(shù)據(jù)挖掘的運用及效用研究[J].計算機光盤軟件與應(yīng)用，2014（6）：25-26.

[3]戴玉勤，景廣軍，謝俊元等.基于數(shù)據(jù)倉庫技術(shù)的銀行決策支持系統(tǒng)設(shè)計和實現(xiàn)[J].計算機工程與應(yīng)用，2012，38（5）：224-227.

[4]賀本嵐.大數(shù)據(jù)時代數(shù)據(jù)挖掘在銀行客戶關(guān)系管理中的應(yīng)用研究[C].//第八屆中國管理學(xué)年會——中國管理的國際化與本土化論文集.2013：1-6.

[5]彭敢.Apriori算法在銀行系統(tǒng)數(shù)據(jù)挖掘中的應(yīng)用[J].電腦編程技巧與維護，2012（24）：62-63.

[6]郭瑩，張曉燕.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)在銀行客戶關(guān)系管理中的應(yīng)用[J].科技管理研究，2013，23（2）：75-78.

[7]周晶平.數(shù)據(jù)挖掘在銀行分析型CRM系統(tǒng)應(yīng)用中存在的問題與對策[J].湖北大學(xué)學(xué)報（自然科學(xué)版），2010，32（1）：46-49.

[8]黃昶君，王林.大數(shù)據(jù)助推銀行零售業(yè)務(wù)量化經(jīng)營——大數(shù)據(jù)時代的零售數(shù)據(jù)挖掘和利用探索[J].海南金融，2014（1）：66-69.