2010年11月刊

信息与电脑

China Computer&Communication

计算机工程应用技术

银行信息化发展中的数据挖掘分析

李晓辉 山东省农村信用社联合社东营办事处科技中心，山东东营257000

摘要：近年来以互联网为代表的信息技术飞速发展，深刻地影响了银行传统的运作模式，促使我国银行业的信息化程度越来越高。数据挖掘是近年来出现的信息技术，在银行业有着较为广泛的应用。本文从银行业的角度出发，对信息化中的数据挖掘进行了分析。

关键词：银行信息化；银行业；数据挖掘

中图分类号：TP39 文献标识码：A 文章编号：1003-9767（2010）11-0125-01

随着社会信息化的发展，人们处理和收集数据的能力越来越强。银行业作为我国经济的重要组成部分，在信息化道路上一直处于领先水平。信息管理系统中现有的分析工具已无法满足银行大量数据增长的要求。数据挖掘技术的出现，极大地降低了银行在信息数据收集、整理、分析上的成本，促进了银行业的迅速发展。

1. 银行的信息化发展介绍

1.1 银行信息化主要阶段

信息技术的发展已经引起了社会生活的深刻变化。金融是国家经济的命脉，促进银行的信息化进程，对于我国社会经济的发展有着极其重要的意义。

银行信息化发展主要经历了网络银行、信息银行两个主要阶段。网络银行由传统银行、现代银行、网上银行组成。随着信息技术的发展，网络银行逐渐向信息银行转变。信息银行的业务更加国际化、服务更加多样化。信息银行的生产力将成为银行有史以来最发达的生产力。

1.2 银行的信息化发展趋势

近年来，银行的信息化发展主要有以下几个方面的趋势：

(1) 服务个性化。传统的银行，其信息技术部门只是后台的服务部门，而现代信息化的发展极大地改变了传统银行的经营方式。银行业走向了一个以客户为导向的金融时代，对客户信息进行充分的数据挖掘。

(2) 产品多样化。传统的存贷款已并非主要业务了。投资银行业务等智力密集化的业务将会是未来银行经营的关键领域。

(3) 货币电子化。电子商务是通过计算机网络进行商务活动的新方式。电子现金、电子支票、银行卡的应用越来越广泛。电子货币的发展为银行拓展金融服务提供了更宽的领域。

(4) 网点虚拟化。随着银行由国家专业银行向国有商业银行的转变，其网点得到大规模的扩展，且逐渐无人化、虚拟化。

(5) 创新产业化。网上银行是一个很好的范例。银行已经把现代信息技术和通信技术作为拓展业务的主要工具。

(1) 银行客户关系管理体系并没有自然形成。数据集中有利于保证经营数据的完整性、准确性和可访问性，但并不能保证实现维护客户关系目的。

(2) 银行管理成本并没有降低。如何实现规模效益和深度效益的挖掘，促进业务标准化和规范化，还需要进一步探索。

(3) 银行内部管理效率低下的现状并没有消失。业务集中，意味着风险同样集中，风险防范成为管理的新课题，如何实现资源共享已成当务之急。

(4) 信息技术风险并没有减小。相反，数据大集中对技术、业务和生产运营的统一规范管理提出了更多要求，对软件开发和系统运行的质量要求大大提高。

所以，银行的信息化进程还需继续深入，在具备了相应的数据挖掘基础之后，银行需要进一步将其应用到决策支持和金融智能的层面。

4. 数据挖掘如何为银行业提高核心竞争力

4.1在客户关系管理中的应用

对银行来说，在管理客户生命周期的各个阶段都需要用到数据挖掘技术：

(1).数据挖掘能够帮助银行确定客户的特点，从而可为客户提供针对性的服务。

(2).通过数据挖掘，发现购买某类金融产品的客户的共性，然后有针对性地对这类产品进行营销，从而扩大业务。

(3).通过数据挖掘，可寻找流失客户的特征，然后在具有相似特征的客户还未流失之前，采取针对性的措施，尽量减少客户流失。

充分利用数据挖掘技术，通过对客户利润贡献度分析、风险分析和资产负责债管理等功能，全面提高银行管理风险的能力。

4.2 在信用风险管理中的应用

信贷业务是银行的核心业务之一，数据挖掘的应用可保证其最大的利润和最小的风险。

(1) 利用数据挖掘技术，银行的信誉管理模式由定性化逐步走向定量化。

(2) 利用数据挖掘技术，强化对信贷客户的信用评估、风险度测量、信贷风险权重的管理，有效地防范和控制贷款风险。

(3) 利用数据挖掘技术，加大对信贷资金的分析和分类的频率，提高信贷决策水平。

因此，银行在放贷之前应充分利用数据挖掘技术，分析客户的价值、信誉度和偿还债务能力。

2. 数据挖掘技术简介

2.1 数据挖掘定义

数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等。数据挖掘可以在任何类型的数据上进行，数据形式和结构也各不相同，可以是传统的关系数据库，可以是面向对象的高级数据库系统，也可以是面向特殊应用的数据库，如空间数据库、时序数据库、文本数据库和多媒体数据库等，还可以是Web数据信息等。

2.2数据挖掘的任务和目标

数据挖掘的主要任务是分类、预测、时间序列模式、聚类分析、关联分析预测和偏差检测等。

数据挖掘通过预测未来趋势及行为，做出预测性的、基于知识的决策。数据挖掘的目标是从数据库中发现隐含的、有意义的知识。

5. 总结

数据挖掘是一个过程，在银行业中利用此技术可获得科学的决策依据和技术支持，促进银行业形成理性、市场化的经营决策理念。有了强大的业务支持管理系统，我国的银行业必定能在竞争中立于不败之地。

3. 数据挖掘在信息化管理方面的必要性

银行为什么要加速发展数据挖掘技术呢?银行信息化是一个从简单到复杂、从低层到高层不断演化的过程。银行早期的信息化建设，关注的往往是数据集中，但是，我们必须认识到，数据集中的完成，并不是银行信息化发展的最终目的，如下列问题并不会因为数据的集中而解决：

参考文献：

[1]马宜青，屈松川.数据挖掘技术在商业银行中的应用[J].福建电脑，2009(5):104-106

[2]毛国君，段立娟，王实，石云.数据挖掘原理与算法(第二版)[M].北京：清华大学出版社，2007

125