数据挖掘在国内银行业应用中存在的问题和建议

潘红岩

摘 要：大数据时代，随着信息科技的成熟，银行业积累了海量的数据。数据挖掘技术作为知识发现的工具，利用聚类、分类、关联规则、时间序列的方法，可以挖掘出银行业数据中有价值的信息，帮助商业银行更好地开展精准营销、风险管理、产品优化、行情分析等工作，进而提升核心竞争力。本论文从不同方面阐述数据挖掘在国内银行业应用中存在的问题和建议，希望为研究数据挖掘在国内银行中应用的专家和学者提供理论参考依据。

关键词：数据挖掘；国内银行；存在问题；改进措施

随着智能云计算、移动互联网等新技术的应用与普及，爆炸式增长的数据迎来了大数据时代，海量的数据包含了丰富的价值信息，严重影响着各行各业的发展。相比于其他行业，数据作为影响银行业发展的基础设施和重要资产，对商业银行实现长远发展意义更为重大。因此数据挖掘作为一种知识发现、价值提升的技术手段，在竞争日益激烈的银行业中得到了前所未有的重视。商业银行面临着互联网金融、金融脱媒的巨大压力，必须抓住自身优势，提升信息化水平，利用数据挖掘技术，更好地提升核心竞争力。

1数据挖掘概述

通俗来说，数据挖掘（Data Mining，简称DM）.又称为数据库中的知识发现（Knowledgediscovery from database，简称KDD ）。它是从大量的数据中抽取、挖掘出未知的、有价值的模式和规律等知识的复杂过程。它通过对数据的分析自动地生一些假设，人们在这些假设的墓础上可以更有效地进行决策。计算机和信息技术经历半个多世纪的发展，已把人们从工业时代推向了信息时代。人们可以更快更方便更廉价的获取和储存信息，这就使得数据和信息量成指数增长，人们正处于创信息爆炸”时代。然而数据仅仅是服务于人们决策的原始材料，它需要归纳、分析、加工成知识才能为人们所用，帮助人们进行决策。显然过多的数据和信息正在阻碍人们进行知识提取，人们需要花大量的时间和精力去除冗余的、错误的、不相关的信息，造成了很大的人力、财力上的浪费.因此，如何对数据和信息进行快速有效的分析、加工、提炼以获取知识，成为了这些海量数据能在多大程度上为人们所用的关键因素。随着数据量的快速增长，出现了为解决多数据源所带来的数据不相容性而将机构内所有数据统一存储的数据仓库技术，这又为数据的更深入分析提供了基础和条件。自20世纪80年代以来，企业面对发展中遇到的技术和管理瓶颈，迫切需要将其大量的历史业务数据转换成为信息和知识，以支持管理层决策。技术上的成熟和企业对知识提取的需求，都在要求一种新的技术来完成信息的抽取、转换和分析，支持人们的决策化管理。数据挖掘技术应运而生了。

2银行数据挖掘的必要性

数据挖掘的最基本特性包括了大量的数据，对未知的、隐藏的信息的发掘，抽取有价值的信息和使用这类信息去制定重要的商业决策。总的来说，数据挖掘就是一个从数据中汲取信息，并使用这些信息制定更好的商业决策的过程。数据挖掘的关键可以分成三个部分：数据、信息和商业决策。数据是所有挖掘的基础，但也只是在我们将它们调动起来或者转换成为有用信息时，它们才最为珍贵。仅仅获得信息是不够的，而且，这也不是数据挖掘的最终目的。获取信息的目的是为运用这些抽取的信息应用到商业决策制定中去。所以，使用抽取到的信息去提高商业决策制定效率和制定更适宜的决策才是数据挖掘的最终目的。在银行业，由于银行产品具有相当的同质性，因此银行之间的差别，往往在于谁掌握了客户关系以及海量的业务和客户信息背后的独特业务规律，谁就可以科学地制定决策。现在银行实施的大多数系统所基于的数据库只能实现数据的录人、查询、统计等较低层次的功能，但却无法发现数据中存在的关联关系和业务规律，更难以根据现有的数据预测未来业务的发展趋势。

3数据挖掘技术在银行业应用中的优势与挑战

多年来银行业较高的利润率为商业银行积累了大量的资金，有利于其建立专业化的资金流、信息流、物流操作系统；商业银行每天都与信息打交道，例如客户交易信息、身份信息、信贷信息、信用信息等，长期的积累使商业银行形成海量级数据库，这对数据挖掘技术平台的搭建有着绝对的优势。同时每个商业银行都有各自的信息科技中心，拥有大量开发数据库、信息系统的经验，塑造了商业银行的科技开发团队，可以迅速开发利用数据挖掘技术。实践证明，数据挖掘技术对国内商业银行的信息化、智能化建设起着关键作用。例如，中国建设银行利用统计产品与服务解决方案（Statistical Productand Service Solutions，SPSS）統计软件和数据挖掘技术管理信息。中信银行对客户贷款历史数据进行分析，建立一个基于神经网络、Logistic回归的个人信贷风险评分模型等。在取得成果的同时，也面临着众多挑战，例如容易泄露客户隐私、难以保证信息安全可靠、投资回报率不高、评价机制不健全等。

4数据挖掘技术在银行业应用中的对策与建议

首先应完善信息系统总体架构设计。传统的信息系统大多处于基本业务处理和简单统计分的技术层面上，应及时融入大数据技术，例如数据仓库、数据挖掘平台建设等，同时结合银行自身的实际情况，构建系统兼容、业务兼容的大数据技术系统；然后要不断推进数据挖掘技术的实际应用。尽管国内外对银行业数据挖掘算法的研究较多，但是实际应用的案例很少，因此商业银行应促进数据挖掘技术的应用；最后要加强人机交互，提升数据挖掘效果。通过信息技术平台使客户和信息技术人员更好地进行沟通，把客户的需求准确、快速地得传递给技术人员，以更好地提升客户服务体验。

总之，在这个“信息爆炸，知识贫乏”的时代，数据挖掘技术作为一个工具，能够有效挖掘知识，为人们决策提供支持。银行业作为金融行业的重要组成部分，它的安全和发展是关系到金融行业稳定与发展的关键因索。数据挖掘能够从技术上为银行的客户关系管理、风险管理等提供支持，从而达到提高利润、规避风险的目的，为金融行业的稳定和发展发挥自己的积极作用。

参考文献：

[1]商业银行数据挖掘之“修、养、生、息”[J]. 崔莹琰，贾晓惠. 中国金融电脑. 2016（06）

[2]数据挖掘对我国商业银行发展的现实意义[J]. 周志红. 中国科技信息. 2005（06）

[3]商业银行应用数据挖掘[J]. 张泓波，张宏铭. 中国市场. 2006（Z2）

[4]数据挖掘在金融行业的应用探究[J]. 涂欢. 信息通信. 2018（02）

[5]数据挖掘在个人信用评估中的研究[J]. 陶超，李超，李杰，赵骞. 商丘师范学院学报. 2016（12）

[6]大数据、数据挖掘在金融业的应用浅析——与传统的金融研究方法对比[J]. 琚子政. 中国民商. 2018（01）

[7]浅谈计算机数据挖掘[J]. 余方兴. 计算机光盘软件与应用. 2013（14）

[8]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]. 黄志凌. 征信. 2016（06）

[9]计算机数据挖掘在互联网行业中的应用[J]. 梁波. 电子技术与软件工程. 2018（23）

[10]数据挖掘在教育信息化中的应用空间分析[J]. 邵兴江. 浙江现代教育技术. 2004（03）