李治

摘要：該文首先對數(shù)據(jù)挖掘進(jìn)行一個基本的介紹，然后以商業(yè)銀行為例，對數(shù)據(jù)挖掘在商業(yè)銀行信息服務(wù)中的應(yīng)用進(jìn)行探究。

關(guān)鍵詞：數(shù)據(jù)挖掘；商業(yè)信息服務(wù)；商業(yè)銀行；應(yīng)用

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2015）05-0009-01

在現(xiàn)代商業(yè)信息服務(wù)環(huán)境中，信息越來越密集且越來越信息化，企業(yè)要想在日益激烈的市場競爭中穩(wěn)定的發(fā)展，就必須要在深入分析大量的業(yè)務(wù)數(shù)據(jù)后，將有利于商業(yè)運(yùn)作的信息提取出來，使企業(yè)自身的決策能力提高。而數(shù)據(jù)挖掘作為一種能夠?qū)Υ罅繕I(yè)務(wù)數(shù)據(jù)進(jìn)行系統(tǒng)的分析與檢查的工具，能夠幫助商業(yè)企業(yè)從不斷更新與積累的數(shù)據(jù)中將有價值的信息有效的提取出來，它能以商業(yè)企業(yè)的既定業(yè)務(wù)目標(biāo)為主要依據(jù)，對商業(yè)環(huán)境中大量的數(shù)據(jù)進(jìn)行收集與分析，然后從中提取出關(guān)鍵性的數(shù)據(jù)與信息，從而為科學(xué)的商業(yè)決策活動提供有效的信息服務(wù)。

1 數(shù)據(jù)挖掘的基本介紹

1.1 數(shù)據(jù)挖掘的基本概念

數(shù)據(jù)挖掘又被稱為是數(shù)據(jù)采礦或者是資料勘探，從大量龐雜的數(shù)據(jù)中將隱藏在這些數(shù)據(jù)中有著特殊或特定關(guān)系信息自動搜索出來的過程就是數(shù)據(jù)挖掘。數(shù)據(jù)挖掘是從一個新的角度將各種的信息技術(shù)融合在一起并不斷發(fā)展而得來的。

1.2 數(shù)據(jù)挖掘的常用算法

1）神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)算法是指模擬生物的神經(jīng)結(jié)構(gòu)以及其處理信息的方式來進(jìn)行計算一種算法。

2） 遺傳算法

遺傳算法是一種仿生全局優(yōu)化方法，是一種基于遺傳機(jī)理與生物自然選擇的隨機(jī)搜索算法。

3）覆蓋正例排斥反例方法

這一算法是通過對所有正例進(jìn)行覆蓋、將所有反例排斥的思想來尋找其中的有效規(guī)則。首先會在正例集合中任意的將一個種子選取出來，然后在反例集合中逐個進(jìn)行比較，最后保留與字段取值構(gòu)成的選擇子相反部分，相容部分則舍去。

4） 決策樹算法

一般情況下決策樹算法都是用于預(yù)測模型的計算。它主要是通過有目的對大量數(shù)據(jù)進(jìn)行分類，然后將其中一些潛在的或有價值的信息找出來。由于這種算法具有分類速度快、描述簡單等優(yōu)點(diǎn)，因而在大規(guī)模的信息處理中非常適用。

2 數(shù)據(jù)挖掘在商業(yè)銀行信息服務(wù)中的應(yīng)用

數(shù)據(jù)挖掘作為一種專業(yè)的數(shù)據(jù)處理技術(shù)現(xiàn)已廣泛的應(yīng)用與商業(yè)信息服務(wù)中，其中在商業(yè)銀行的信息服務(wù)中數(shù)據(jù)挖掘也有著廣泛的應(yīng)用，主要應(yīng)用于銀行風(fēng)險評估、金融監(jiān)管以及商業(yè)競爭情報系統(tǒng)建立等方面。

2.1 銀行風(fēng)險評估與控制信息服務(wù)

商業(yè)銀行作為較典型的金融行業(yè)，風(fēng)險無時無刻存在于日常的運(yùn)行過程中，且商業(yè)銀行自身的發(fā)展與運(yùn)營也會受到這些風(fēng)險的影響，商業(yè)銀行要想實(shí)現(xiàn)長遠(yuǎn)發(fā)展就必須加強(qiáng)對其面臨的各種風(fēng)險進(jìn)行評估，同時數(shù)據(jù)挖掘又能保證對商業(yè)銀行風(fēng)險的科學(xué)評估得以實(shí)現(xiàn)。且在實(shí)際的風(fēng)險評估中，數(shù)據(jù)挖掘經(jīng)常使用的方法有模糊理論、粗糙集以及遺傳算法等，并通過最終異常點(diǎn)來實(shí)現(xiàn)風(fēng)險評估。

信用風(fēng)險是商業(yè)銀行所面臨的最典型且最嚴(yán)重的風(fēng)險，其中信用風(fēng)險中又存在惡意透支、貸款無法收回以及信用卡詐騙等風(fēng)險。在數(shù)據(jù)挖掘中信用風(fēng)險評估最有效的算法就是決策樹算法與神經(jīng)網(wǎng)絡(luò)算法，主要就是將風(fēng)險評估的分類工作做好，為工作人員對高風(fēng)險客戶與優(yōu)質(zhì)客戶的劃分提供有效信息依據(jù)。

2.2 金融監(jiān)管

如今，金融市場的發(fā)展速度越來越快，要想使金融市場的正常運(yùn)行得到有效保證，并對各種市場風(fēng)險進(jìn)行預(yù)防，就必須要有強(qiáng)有力的金融監(jiān)管。目前，在金融監(jiān)管方面數(shù)據(jù)挖掘主要集中應(yīng)用于反洗錢方面，主要應(yīng)用的技術(shù)包括聚類分析、孤立點(diǎn)分析、分類研究以及序列模式挖掘等。其中較為典型的代表有澳大利亞交易分析與報告中心采用數(shù)據(jù)挖掘開發(fā)的Sereen IT系統(tǒng)，可實(shí)現(xiàn)可疑交易信息的自動篩選；美國金融犯罪執(zhí)法網(wǎng)采用數(shù)據(jù)挖掘開發(fā)的FAIS系統(tǒng)，可實(shí)現(xiàn)對可疑交易信息進(jìn)行自動分析與評估，從而對洗錢行為進(jìn)行有效的偵探。

2.3 商業(yè)競爭情報系統(tǒng)的建立

在21世紀(jì)的今天，商業(yè)銀行之間的競爭力越來越激烈，商業(yè)銀行要想在日趨激烈的競爭中更好、更穩(wěn)定的發(fā)展就一定要 （下轉(zhuǎn)第14頁）

（上接第9頁）

建立競爭情報系統(tǒng)，只有真正做到知己知彼。才能實(shí)現(xiàn)百戰(zhàn)不殆，在商業(yè)競爭情報系統(tǒng)的建立中數(shù)據(jù)挖掘能夠有效地將其效用發(fā)揮出來。目前各種各樣的報告與文本都經(jīng)常會出現(xiàn)在商業(yè)競爭情報系統(tǒng)的建立中，數(shù)據(jù)挖掘中的關(guān)聯(lián)分析技術(shù)能夠有效地將報告與文本中的相關(guān)信息準(zhǔn)確的找出來。工作人員用數(shù)據(jù)挖掘中的關(guān)聯(lián)分析技術(shù)來分析報告與文本中的關(guān)鍵字，也能將各種信息數(shù)據(jù)之間的隱含關(guān)系準(zhǔn)確的找出來，對競爭對手進(jìn)行全面的了解與認(rèn)識。在激烈的市場競爭中，提升企業(yè)自身競爭了、實(shí)現(xiàn)企業(yè)自身長遠(yuǎn)發(fā)展的必然措施就是充分的認(rèn)識競爭對手，并對競爭對手的實(shí)際情況進(jìn)行充分的了解。

3 結(jié)束語

隨著數(shù)據(jù)挖掘在商業(yè)信息服務(wù)中的不斷應(yīng)用，相信數(shù)據(jù)挖掘的潛力會受到極大程度的激發(fā)，數(shù)據(jù)挖掘的在商業(yè)信息服務(wù)中的應(yīng)用也會得到進(jìn)一步推進(jìn)，從而實(shí)現(xiàn)在未來逐漸激烈的市場競爭中，應(yīng)用數(shù)據(jù)挖掘就能夠更快地獲得有效的信息服務(wù)，并保證獲得的商業(yè)機(jī)會也更多。

參考文獻(xiàn)：

[1] 龐英智. Web數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用[J]. 情報科學(xué)， 2011（2）： 235-240.

[2] 陳敏. 數(shù)據(jù)挖掘技術(shù)在商業(yè)銀行中的應(yīng)用[J]. 中國管理信息化， 2011（9）： 59-62.

[3] 藺莉， 潘浩. Web數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用[J]. 電腦知識與技術(shù)， 2010（4）： 816-818.

[4] 張潤， 周大鐲. 電子商務(wù)中Web數(shù)據(jù)挖掘技術(shù)應(yīng)用探討[J]. 中國西部科技， 2010（20）： 11-13.

[5] 趙鑫. 數(shù)據(jù)挖掘技術(shù)在圖書館信息服務(wù)中的應(yīng)用[J]. 商， 2013（16）： 175.