亚洲综合精品香蕉久久网_亚洲2022国产成人精品无码区_日韩激情无码免费毛片_男人j放进女人p全黄

一、引言

數(shu)據(ju)(ju)挖掘(jue)(Data Mining)是(shi)一種(zhong)新(xin)的(de)(de)(de)商(shang)業(ye)信(xin)息(xi)處理技術(shu)(shu)，產生(sheng)于20世紀80年(nian)代的(de)(de)(de)美(mei)國，首先應(ying)用在金融、電信(xin)等領(ling)域，主要特(te)點是(shi)對(dui)大量數(shu)據(ju)(ju)進行(xing)(xing)(xing)抽取(qu)、轉換、分(fen)析(xi)和模型化處理，從中提取(qu)出有助于商(shang)業(ye)決策(ce)的(de)(de)(de)關鍵性數(shu)據(ju)(ju)。銀(yin)行(xing)(xing)(xing)信(xin)息(xi)化的(de)(de)(de)迅速發展，產生(sheng)了(le)大量的(de)(de)(de)業(ye)務(wu)數(shu)據(ju)(ju)。從海(hai)量數(shu)據(ju)(ju)中提取(qu)出有價值的(de)(de)(de)信(xin)息(xi)，為銀(yin)行(xing)(xing)(xing)的(de)(de)(de)商(shang)業(ye)決策(ce)服務(wu)，是(shi)數(shu)據(ju)(ju)挖掘(jue)的(de)(de)(de)重要應(ying)用領(ling)域。匯豐、花(hua)旗(qi)和瑞士(shi)銀(yin)行(xing)(xing)(xing)是(shi)數(shu)據(ju)(ju)挖掘(jue)技術(shu)(shu)應(ying)用的(de)(de)(de)先行(xing)(xing)(xing)者。如今，數(shu)據(ju)(ju)挖掘(jue)已在銀(yin)行(xing)(xing)(xing)業(ye)有了(le)廣泛深(shen)入(ru)的(de)(de)(de)應(ying)用。

二、數據挖掘在銀行業應用的主要方面

現(xian)階段，數據挖掘在(zai)銀行(xing)業中的(de)應(ying)用(yong)，主(zhu)要可分為以下幾個方面(mian)。

(一)風(feng)險(xian)

數(shu)據(ju)挖掘在(zai)銀(yin)(yin)行(xing)業的(de)(de)(de)重要應(ying)用(yong)之一(yi)是(shi)風(feng)險管理，如信(xin)用(yong)風(feng)險評(ping)估。可通(tong)過構建信(xin)用(yong)評(ping)級模型(xing)，評(ping)估貸(dai)款(kuan)人(ren)或信(xin)用(yong)卡申請人(ren)的(de)(de)(de)風(feng)險。一(yi)個(ge)進行(xing)信(xin)用(yong)風(feng)險評(ping)估的(de)(de)(de)解(jie)決方案，能(neng)對(dui)銀(yin)(yin)行(xing)數(shu)據(ju)庫(ku)中所有的(de)(de)(de)賬戶指定(ding)信(xin)用(yong)評(ping)級標準(zhun)，用(yong)若干數(shu)據(ju)庫(ku)查詢(xun)就可以得出(chu)信(xin)用(yong)風(feng)險的(de)(de)(de)列表(biao)。這種對(dui)于(yu)高(gao)/低風(feng)險的(de)(de)(de)評(ping)級或分(fen)類(lei)，是(shi)基于(yu)每個(ge)客(ke)戶的(de)(de)(de)賬戶特征，如尚未償還的(de)(de)(de)貸(dai)款(kuan)、信(xin)用(yong)調降報告記(ji)錄、賬戶類(lei)型(xing)、收入水平及其(qi)他信(xin)息等。

對(dui)(dui)于(yu)銀行(xing)(xing)賬(zhang)戶(hu)的(de)(de)(de)信(xin)(xin)用(yong)(yong)(yong)評(ping)(ping)估(gu)，可(ke)采用(yong)(yong)(yong)直觀量(liang)化的(de)(de)(de)評(ping)(ping)分(fen)技術。將顧客的(de)(de)(de)海量(liang)信(xin)(xin)息數(shu)據以某種(zhong)權重加以衡量(liang)，針對(dui)(dui)各種(zhong)目標給出量(liang)化的(de)(de)(de)評(ping)(ping)分(fen)。以信(xin)(xin)用(yong)(yong)(yong)評(ping)(ping)分(fen)為例(li)，通過(guo)由數(shu)據挖掘模型確定的(de)(de)(de)權重，來給每項申請(qing)的(de)(de)(de)各指標打分(fen)，加總得到該申請(qing)人的(de)(de)(de)信(xin)(xin)用(yong)(yong)(yong)評(ping)(ping)分(fen)情(qing)(qing)況。銀行(xing)(xing)根據信(xin)(xin)用(yong)(yong)(yong)評(ping)(ping)分(fen)來決定是否接(jie)受申請(qing)，確定信(xin)(xin)用(yong)(yong)(yong)額度(du)。過(guo)去(qu)，信(xin)(xin)用(yong)(yong)(yong)評(ping)(ping)分(fen)的(de)(de)(de)工(gong)作由銀行(xing)(xing)信(xin)(xin)貸員(yuan)完成，只考(kao)慮幾個經過(guo)測試的(de)(de)(de)變量(liang)，如就業情(qing)(qing)況、收入、年齡、資產、負債等。現在應用(yong)(yong)(yong)數(shu)據挖掘的(de)(de)(de)方法(fa)，可(ke)以增加更多的(de)(de)(de)變量(liang)，提高模型的(de)(de)(de)精(jing)度(du)，滿足信(xin)(xin)用(yong)(yong)(yong)評(ping)(ping)價的(de)(de)(de)需求(qiu)。

通過數據挖掘，還(huan)可以異常(chang)的(de)(de)信(xin)(xin)用(yong)卡使用(yong)情況，確定極端客(ke)戶(hu)(hu)的(de)(de)消費行(xing)為。根據歷史數據，評定造成(cheng)信(xin)(xin)貸風險(xian)(xian)(xian)客(ke)戶(hu)(hu)的(de)(de)特(te)征和(he)(he)背景，可能造成(cheng)風險(xian)(xian)(xian)損失(shi)的(de)(de)客(ke)戶(hu)(hu)。在對(dui)客(ke)戶(hu)(hu)的(de)(de)資(zi)信(xin)(xin)和(he)(he)經營預測的(de)(de)基礎上，運用(yong)系統的(de)(de)方法對(dui)信(xin)(xin)貸風險(xian)(xian)(xian)的(de)(de)類(lei)型和(he)(he)原因(yin)進行(xing)識別、估測，發現(xian)引起貸款風險(xian)(xian)(xian)的(de)(de)誘導因(yin)素，有(you)(you)效地控制和(he)(he)降(jiang)低信(xin)(xin)貸風險(xian)(xian)(xian)的(de)(de)發生。通過建(jian)立(li)信(xin)(xin)用(yong)欺詐模(mo)型，幫助銀行(xing)發現(xian)具有(you)(you)潛在欺詐性的(de)(de)事件，開展(zhan)欺詐偵查(cha)分(fen)析，預防和(he)(he)控制資(zi)金(jin)非法流失(shi)。

(二)客(ke)戶管理(li)

在銀行客戶管(guan)理生(sheng)命周期的各個(ge)階段，都會用到數據挖(wa)掘技術。

1.獲(huo)取客戶

發現和開拓新客(ke)戶對任(ren)何(he)一(yi)家銀行來(lai)說都至關重要。通過(guo)探索(suo)性(xing)的數據挖掘方法(fa)，如自動探測(ce)聚(ju)類(lei)和購物籃分析，可以用(yong)來(lai)找出客(ke)戶數據庫中的特征，預測(ce)對于銀行活(huo)動的響應率。那(nei)些(xie)被定為(wei)有利的特征可以與新的非(fei)客(ke)戶群進(jin)行匹配，以增(zeng)加營銷(xiao)活(huo)動的效果(guo)。

數據(ju)挖掘還可從(cong)銀行數據(ju)庫存儲的(de)(de)(de)客(ke)戶信(xin)息中，可以(yi)根(gen)據(ju)事先設定的(de)(de)(de)標準找到(dao)符合(he)條件的(de)(de)(de)客(ke)戶群，也可以(yi)把客(ke)戶進行聚類分析讓其自然分群，通過對客(ke)戶的(de)(de)(de)服務收入、風險、等相關因素的(de)(de)(de)分析、預測(ce)和優化，找到(dao)新的(de)(de)(de)可贏利目標客(ke)戶。

2.保留客戶

 通過數(shu)據(ju)挖(wa)掘，在發現流(liu)失(shi)客戶(hu)(hu)的(de)(de)特(te)征后(hou)，銀行可(ke)(ke)以(yi)(yi)在具有相(xiang)似特(te)征的(de)(de)客戶(hu)(hu)未(wei)流(liu)失(shi)之(zhi)前，采取額外增值服務(wu)、特(te)殊待遇(yu)和激(ji)勵忠誠度等措施(shi)保留(liu)(liu)客戶(hu)(hu)。比如(ru)，使用(yong)信用(yong)卡(ka)損(sun)耗(hao)模型(xing)，可(ke)(ke)以(yi)(yi)預(yu)測哪些(xie)客戶(hu)(hu)將停止使用(yong)銀行的(de)(de)信用(yong)卡(ka)，而轉用(yong)競(jing)爭(zheng)對(dui)手的(de)(de)卡(ka)，根(gen)據(ju)數(shu)據(ju)挖(wa)掘結果，銀行可(ke)(ke)以(yi)(yi)采取措施(shi)來保持這(zhe)些(xie)客戶(hu)(hu)的(de)(de)信任。當得出可(ke)(ke)能流(liu)失(shi)的(de)(de)客戶(hu)(hu)名單后(hou)，可(ke)(ke)對(dui)客戶(hu)(hu)進(jin)行關懷訪(fang)問，爭(zheng)取留(liu)(liu)住客戶(hu)(hu)。

為(wei)留(liu)住老客(ke)戶(hu)(hu)(hu)(hu)，防止客(ke)戶(hu)(hu)(hu)(hu)流失(shi)，就必須了解客(ke)戶(hu)(hu)(hu)(hu)的需(xu)求。數(shu)據挖掘，可以(yi)(yi)識別導致客(ke)戶(hu)(hu)(hu)(hu)轉移的關聯因子(zi)，用模式找出當前客(ke)戶(hu)(hu)(hu)(hu)中相似(si)的可能轉移者，通過孤立點分(fen)(fen)析法可以(yi)(yi)發現客(ke)戶(hu)(hu)(hu)(hu)的異常行(xing)(xing)為(wei)，從(cong)而(er)使銀行(xing)(xing)避免不必要(yao)的客(ke)戶(hu)(hu)(hu)(hu)流失(shi)。數(shu)據挖掘工具，還可以(yi)(yi)對大量的客(ke)戶(hu)(hu)(hu)(hu)資料(liao)進行(xing)(xing)分(fen)(fen)析，建立數(shu)據模型，確定(ding)(ding)客(ke)戶(hu)(hu)(hu)(hu)的交易習慣、交易額(e)度(du)和交易頻率，分(fen)(fen)析客(ke)戶(hu)(hu)(hu)(hu)對某個產品的忠(zhong)誠程度(du)、持久(jiu)性(xing)等，從(cong)而(er)為(wei)他們提供個性(xing)化定(ding)(ding)制服務，以(yi)(yi)提高客(ke)戶(hu)(hu)(hu)(hu)忠(zhong)誠度(du)。

3.優化(hua)客戶服務

銀(yin)行業(ye)競爭(zheng)日益激(ji)烈，客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)服務的(de)(de)(de)(de)質(zhi)量是關系到銀(yin)行發展的(de)(de)(de)(de)重(zhong)要因(yin)素。客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)是一(yi)個可能根據(ju)(ju)年費(fei)、服務、優惠(hui)條件(jian)等(deng)因(yin)素而(er)不斷(duan)流動的(de)(de)(de)(de)團體，為(wei)客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)提(ti)供(gong)優質(zhi)和個性化的(de)(de)(de)(de)服務，是取得客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)信任的(de)(de)(de)(de)重(zhong)要手段。根據(ju)(ju)二八原則，銀(yin)行業(ye)20%的(de)(de)(de)(de)客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)創(chuang)造了(le)80%的(de)(de)(de)(de)價值，要對這20%的(de)(de)(de)(de)客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)實施最(zui)優質(zhi)的(de)(de)(de)(de)服務，前(qian)提(ti)是發現(xian)這20%的(de)(de)(de)(de)重(zhong)點客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)。重(zhong)點客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)的(de)(de)(de)(de)發現(xian)通(tong)常是由一(yi)系列的(de)(de)(de)(de)數(shu)據(ju)(ju)挖掘來(lai)實現(xian)的(de)(de)(de)(de)。如通(tong)過(guo)(guo)分(fen)析(xi)客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)對產品的(de)(de)(de)(de)應用(yong)頻率、持續(xu)性等(deng)指標來(lai)判別(bie)客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)的(de)(de)(de)(de)忠誠度(du)，通(tong)過(guo)(guo)交易數(shu)據(ju)(ju)的(de)(de)(de)(de)詳細分(fen)析(xi)來(lai)鑒別(bie)哪些(xie)是銀(yin)行希望保持的(de)(de)(de)(de)客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)。找(zhao)到重(zhong)點客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)后，銀(yin)行就能為(wei)客(ke)(ke)戶(hu)(hu)(hu)(hu)(hu)提(ti)供(gong)有(you)針對性的(de)(de)(de)(de)服務。

三、數據挖掘在銀行業的具體應用

數據(ju)(ju)挖掘技術在銀行(xing)業中的應用，其中一(yi)個重要前提(ti)條(tiao)件是，必須建(jian)立一(yi)個統(tong)一(yi)的中央客戶數據(ju)(ju)庫，以提(ti)高客戶信息的分析(xi)能(neng)力。分析(xi)開始時，從數據(ju)(ju)庫中收集(ji)與客戶有(you)關的所有(you)信息、交易記錄，進行(xing)建(jian)模，對數據(ju)(ju)進行(xing)分析(xi)，對客戶將來的行(xing)為進行(xing)預測(ce)。具體應用分為五個階段：

(一(yi))加(jia)載(zai)客(ke)(ke)戶(hu)(hu)賬號信息。這一(yi)階段，主要是進(jin)行(xing)(xing)數(shu)據清理，消(xiao)除現有(you)業務(wu)系統(tong)中有(you)關客(ke)(ke)戶(hu)(hu)賬戶(hu)(hu)數(shu)據不(bu)一(yi)致的(de)現象，將(jiang)其整合到中央客(ke)(ke)戶(hu)(hu)信息庫。銀行(xing)(xing)各業務(wu)部門對客(ke)(ke)戶(hu)(hu)有(you)統(tong)一(yi)的(de)視圖，可(ke)以進(jin)行(xing)(xing)相關的(de)客(ke)(ke)戶(hu)(hu)分析，如客(ke)(ke)戶(hu)(hu)人數(shu)，客(ke)(ke)戶(hu)(hu)分類，基本需求等(deng)。

(二(er))加(jia)載客戶(hu)交(jiao)易(yi)信息階(jie)(jie)段(duan)。這(zhe)(zhe)一(yi)(yi)階(jie)(jie)段(duan)主要是把客戶(hu)與銀行分銷(xiao)渠(qu)道(dao)(dao)的(de)所有交(jiao)易(yi)數據(ju)，包括柜臺，ATM，信用卡，匯款，轉賬等，加(jia)載到中(zhong)央市場客戶(hu)信息庫。這(zhe)(zhe)一(yi)(yi)階(jie)(jie)段(duan)完成后，銀行可以分析客戶(hu)使用分銷(xiao)渠(qu)道(dao)(dao)的(de)情況(kuang)和分銷(xiao)渠(qu)道(dao)(dao)的(de)容量，了(le)解客戶(hu)，渠(qu)道(dao)(dao)，服務三者(zhe)之間的(de)關系。

(三)模(mo)型評(ping)測(ce)。這是(shi)為客戶的(de)每一(yi)個賬號建(jian)立利(li)潤評(ping)測(ce)模(mo)型，需要收(shou)入和(he)(he)的(de)確定金額，因此需要加(jia)載系統的(de)數(shu)據到中央數(shu)據庫。這一(yi)階段(duan)完成后，銀行(xing)可(ke)以(yi)(yi)從組織(zhi)，用戶和(he)(he)產品三個方面分析(xi)利(li)潤貢(gong)獻(xian)度(du)。如銀行(xing)可(ke)以(yi)(yi)依客戶的(de)利(li)潤貢(gong)獻(xian)度(du)安排合適的(de)分銷渠道，模(mo)擬和(he)(he)預測(ce)新產品對銀行(xing)的(de)利(li)潤貢(gong)獻(xian)度(du)等。

(四)優(you)化(hua)客戶(hu)(hu)關系(xi)。銀行(xing)應該掌握(wo)客戶(hu)(hu)在生活、職業等方(fang)面的(de)(de)行(xing)為變(bian)化(hua)及外部的(de)(de)變(bian)化(hua)，抓住推(tui)銷新產(chan)品(pin)和服務的(de)(de)時(shi)機。這需要將(jiang)賬(zhang)號每天發生的(de)(de)交易明細數據，定時(shi)加載到中央數據倉庫(ku)，核對客戶(hu)(hu)行(xing)為的(de)(de)變(bian)化(hua)。如有變(bian)化(hua)，銀行(xing)則(ze)利用客戶(hu)(hu)的(de)(de)購買傾向模型(xing)，渠道(dao)喜好模型(xing)，利潤貢獻模型(xing)，信用和風險評測模型(xing)等，主動與(yu)客戶(hu)(hu)取(qu)得聯系(xi)。

(五)風險評(ping)估(gu)。銀(yin)行風險管(guan)理的(de)對(dui)象主要(yao)是與資產(chan)(chan)(chan)和(he)負債(zhai)有關的(de)風險，因此與資產(chan)(chan)(chan)負債(zhai)有關的(de)業務系統的(de)交易數據要(yao)加載到中央數據倉(cang)庫;然后，銀(yin)行應(ying)按照(zhao)不(bu)同的(de)期(qi)間(jian)，分析和(he)計算利(li)(li)率敏感性資產(chan)(chan)(chan)和(he)負債(zhai)之(zhi)間(jian)的(de)缺口，知道銀(yin)行在不(bu)同期(qi)間(jian)資本(ben)比率、資產(chan)(chan)(chan)負債(zhai)結構、資金情況和(he)凈利(li)(li)息收入的(de)變化。