随着大数据、人工智能、区块链、云计算等新兴信息技术的蓬勃发展,我们已经进入了一个信息爆炸的时代,在技术变革带来的影响下,传统银行业务模式也开始发生根本性变革,由业务流逐步转向信息流,每日产生和存储大量来源分散、格式多样的数据,加之互联网金融、移动支付、金融创新的迅猛发展,金融服务在不同业务之间相互关联渗透,突破了业务、行业、市场的界线,业务边界越来越淡化,经营环境更具开放性。在此情况下,银行同时面临转型升级和激励市场竞争的双重挑战,竞争的焦点也由单纯的产品竞争转向了以数据为核心的竞争,即在大数据的环境下,如何更好的利用巨量的业务信息、客户数据挖掘出有价值的信息,提高核心竞争力。
数据挖倔又名资料勘探、数据采矿,通常指在计算机上利用遗传算法、决策树、神经网络、K近邻算法等数据挖掘技术对巨量的、不系统的、不规则的数据进行分析和处理,寻找隐含信息、潜在关系和规律的过程。
数据挖掘有以下几方面的特点:(1)基于大数据。数据挖掘应该是基于大量数据之上的,过小的数据量不具有代表性和客观性;(2)非平凡性。数据挖掘获得的信息应该是不简单的,是经过精细处理后才得到的,与显而易见的信息相区别;(3)隐含性。数据挖倔通常是找到隐藏在数据内部更深层次的信息,而非直接浮现在数据表面的信息;(4)未知性。在数据挖掘中所发现的信息或者是知识应该是全新的,以前未被发现的,这样才能对我们有所帮助;(5)价值性。数据挖掘的成果必须是对企业或者是个人能带来一定价值效益的。
数据挖掘使用的主要方法有:数据分类、关联规则、特征分析、变化和偏差分析等。其中:(1)数据分类是在一组数据中按照数据的相同点和不同点将其划分为不同的类型。这种方法可以应用到客户的分类中,根据客户的属性或者是特征进行分析,或者是对客户的消费水平和购买趋势进行分析,可以更好的区分和了解每个顾客的需求。(2)关联规则是指描述数据库中各数据项之间所存在的关系,即指在一件事物中出现的某些项导致另外的其它项也在这件事物中发生。(3)特征分析是在数据库中的一组数据里提炼出关于这组数据的特征,而这些特征代表了这组数据的整体性特征。比如营销人员通过对客户的流失因素进行数据特征的提取,可以了解客户流失的主要原因和特征,利用这一点可以更好地预防客户的流失。(4)变化和偏差分析。包括了很多潜在有趣的知识,比如在分类中的反常实例或模式之外的特例,观察结果与预期结果之间的偏差,其聚焦于寻找和分析两者之间的异常和差别。比如说在企业的危机管理中,管理者更感兴趣的是那些意外的出现,这样就可以对意外事件进行分析处理,挖掘到规则之外的有用信息,更全面的进行危机预防管理。
数据挖掘技术目前被广泛应用于风险管理、客户关系管理、电子银行业务等领域。
风险管理是数据挖掘在银行的一个重要应用,因新兴信息技术在推动传统金融业转型升级的同时,也使银行面临的风险变得越发严峻。
一是随着不同业务之间相互关联渗透,金融服务已突破业务、行业、市场的界线,业务边界越来越淡化,金融风险形势变得复杂多样。
二是信息技术的发展使传统业务模式发生了变革,由业务流逐步转向信息流,服务变得更加虚拟化,虽然资金融通效率得到了极大提高,但风险传导也变得更快,更广了。
三是金融创新使得金融产品在不同行业、不同业务之间关联和交叉,风险变得更具隐蔽性,增加了识别和评估的难度。银行可根据历史数据、风险特征和背景,通过数据挖掘技术,构建风险分析模型,运用挖掘算法对风险的类型和原因进行识别、估测,发现引起风险的因素,有效地控制和降低风险的发生。
客户是银行发展的重要资源,发现和扩展新用户,留住和防止客户流失、优化客户服务和增加客户黏性对任一家银行来说都是至关重要的。通过数据挖掘,一是可以对用户进行聚类分析,通过收入、职业、兴趣好爱等因素的分析预测,找到新的潜在目标客户;二是发现流失和未流失客户之间的差异,在客户流失之前,采取相关措施留住客户;三是根据二八原理,找到权重用户,根据对消费行为等指标的分析,为客户提供针对性的优质服务,提高客户的粘性和忠诚度。
电子银行已成为各大银行未来发展的一项重点和趋势,电子银行与传统银行相比更加方便快捷,且在客户的资源和投资的成本上有着巨大的潜在优势。但目前虚拟销售占整体销售比例不高。利用数据挖掘技术,可精细的区分客户群体,发现客户的消费模式,根据客户的金融行为和不同偏好,在电子银行业务方面提供个性化的产品、精准的服务,提高客户体验,拓展虚拟销售渠道。
随着大数据时代下数据挖掘技术的越发成熟,其在金融行业的应用范围也越来越广泛,各大银行的大数据应用市场规模迅速增加,因此各大银行应该熟悉和掌握大数据挖掘技术,并结合当前市场发展的趋势,有效利用数据挖掘技术对数据进行分析和处理,把控客户的类别和需求,进而提高银行的经济效益和服务质量,在海量的数据基础上,分析打造一个“智慧银行”。
摘要：随着新兴信息技术的蓬勃发展,我们已经进入了一个信息爆炸的时代,银行竞争的焦点也由单纯的产品竞争转向了以数据为核心的竞争,如何利用海量的数据挖掘出有价值的信息,提高核心竞争力,变得越来越关键。为此,本文介绍了数据挖掘的特点、使用的主要方法,以及目前在银行的应用。
关键词：银行,数据挖掘,应用
[1] 黄志凌.大数据思维与数据挖掘能力正成为大型商业银行的核心竞争力[J].征信,2016(6):1-7
[2] 宋婷汀.大数据在银行业务管理中的应用研究[J].港澳经济,2016(23):60
[3] 陈志刚,李斐然,尤瑞.大数据背景下的商业银行个人客户关系管理探讨[J].统计与决策,2016(07).
[4] 宋文贤.大数据与企业内部审计转型发展的思考[J].财会学习,2016(14):141.
推荐阅读：
电子软件技术在大数据时代的应用10-30
计算机网络安全技术在大数据时代的应用05-09
探讨计算机软件技术在大数据时代的应用09-11
计算机网络安全技术在大数据时代的应用研究05-12
浅析计算机软件技术在大数据时代的实际应用09-13
