您的当前位置:首页数据挖掘技术在商业银行的应用

数据挖掘技术在商业银行的应用

2020-09-26 来源:小侦探旅游网
FINANCIALVIEW【基金项目】中国博士后科学基金资助项目(2018M641268),北京市博士后工作经费资助项目。

金融视界

数据挖掘技术在商业银行的应用◎张

文章综述了国内外学者对数据挖掘技术在商业银行应用的相关研究,概述了数据挖掘步骤和

【内容简介】

技术方法,之后从风险管理、客户关系管理、金融监管、电子银行业务等领域分析了数据挖掘在商业银行的应用。

【关键词】

数据挖掘技术;大数据;商业银行

Gopalkrishnan(2015)研究发现在大数据时代银行可以快速将有价值的信息转换为银行和客户的利益。主要从客户的渠道应

当今时代,移动互联技术、人工智能技术、区块链技术在各个领域已经得到广泛的应用。对于金融行业来说,在满足个人金融市场需求的同时,也要进一步促进消费升级。当然这些技术对数据的依赖程度也在急剧上升。

商业银行的数据挖掘技术是一种新兴商业信息处理技术,其主要方法是对数据库中的大量数据进行抽取、转换、分析和模型化处理,从中提炼出有价值的关键数据。可以说,数据对商业银行的未来发展方向产生了深刻影响。对于商业银行的运营管理实践而言,数据的重要性更是毋庸置疑。一方面,通过解读内部数据,可以分析商业银行客户结构、财务状况、资产结构、收入结构等,还可以加强商业银行内部管理;另一方面,运用数据挖掘等相关数学工具,能够获取各种数据效用,有利于商业银行在风险管理、客户关系管理等活动中进行前瞻性分析。

大数据时代的来临,标志着数据已经成为金融企业制胜的关键性因素。大数据分析与挖掘技术将成为商业银行未来竞争和增长的基础,并日益成为商业银行最为重要的生产要素和战略资产。可见,研究大数据分析与挖掘在商业银行的应用具有十分深远的意义。

用、消费模式、安全和欺诈管理、客户细分、产品交叉销售和情绪与反馈分析等六个方面来分析商业银行如何应用大数据。Lackovic(2013)指出由于竞争环境的激烈、监管要求的严格、高标准的消费者需求,商业银行亟须应用大数据来提高市场营销能力。

蔚赵春(2013)阐述了大数据给商业银行带来的挑战与机遇,分析了具体应用案例,探讨大数据应用给商业银行带来的影响。韩忠雪(2016)通过理论与实践相结合的方法,提出利用数据挖掘技术构建智慧银行,并以中国建设银行为例论证其提出的观点。

金融行业的重中之重是防范风险,对于商业银行来说,风险管理是其永恒主题。杨海平(2015)认为利用数据挖掘技术,商业银行可以更加准确地分析处于“长尾末端”的小微企业客户。赵元(2017)分析了阿里小贷的运营模式,并与同业金融机构进行了对比,研究表明数据挖掘技术的运用对获取客户和利润、提高审批效率、降低平台运营风险等方面起到至关重要的作用。通过总结大数据带给商业银行的机遇,并吸纳互联网企业开发大数据的成功经验,张守川(2014)论证了构建商业银行智慧型风险管理体系的重要性。魏国雄(2014)指出大数据风险管理仅有数

引言

相关研究

近年来,国内外学者对数据挖掘技术在商业银行的应用进行了有针对性地深入研究。

作者单位:北京银行博士后科研工作站

据分析信息和数据模型是显然不够的,大批有经验的行业专家对数据信息的识别和判断起到十分重要的作用。因此,商业银行在深入研究数据挖掘技术在商业银行应用的同时,更要重视风险管理人才的引进和培养。

GansuFinance/甘肃金融/13

G甘肃金融ANSUFINANCE数据挖掘技术在商业银行客户关系管理领域有着广泛的运用。探讨以数据挖掘技术为基础的商业银行客户关系管理,有利于深化商业银行管理理念。在数据挖掘技术的基础上,商业银行可以探究和获取有效信息以促进商业银行运行管理,为银行的商业判断提出科学地指导。贺本岚(2013)提出了客户是商业银行最重要的资产,商业银行可以通过提高客户的忠诚度来提高自身的利润率。曾丽(2016)利用数据挖掘技术建立了客户关系管理过程,论证了其数据模型在商业银行管理中的实用意义,完善了商业银行客户关系管理,为体制改革提供了创新思路。吕梁(2013)创新研究了数据仓库,该数据仓库为商业银行的个人及企业数据构建了数据仓库体系结构,实现数据挖掘技术的知识发现功能。数据挖掘技术概述数据挖掘技术是指通过各种挖掘工具对海量的、不系统的、有缺陷的数据进行深入地分析处理,搭建数据模型并找到潜在数据间的相互关系,数据挖掘技术主要步骤如表1所示。表1数据挖掘技术步骤数据挖掘技术步骤 具体步骤 第一步 了解客户的实际需求,根据客户的实际需求,制定合理相应的数据挖掘计划。 第二步 对带有噪音、冗余、模糊的和不完整的数据进行清理、集成、选择、交换等操作,筛选对应合理的数据。 第三步 分析对客户有价值的已选合理数据,并建立对应合理的数据模型。 第四步 评估数据模型,确定已经评估模型的实用价值,能否反映数据的真实意义等。  第五步 对数据进行优化和规范性处理,满足客户的实际需求。 数据挖掘技术的主要方法包括遗传算法、决策树、神经网络、K近邻算法等,具体方法如表2所示。表2数据挖掘技术方法数据挖掘技术方法 具体方法 用于解决最优化的一种搜索启发式算法,这种启发式遗传算法 算法通常用来生成有用的解决方案来优化和搜索问题。 一种逼近离散函数值的方法,是一种典型的分类方法,决策树 首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析,本质上决策树是通过一系列规则对数据进行分类的过程。 一个非线性动力学系统,其特色在于信息的分布式存神经网络 储和并行协同处理。由众多的神经元可调的连接权值连接而成,具有大规模并行处理、分布式信息存储、良好的自组织自学习能力。 如果一个样本在特征空间中的K个最相似(即特征空K近邻算法 间中最邻近)的样本中的大多数属于某一个类别,则 该样本也属于这个类别。 14/2019年第5期

数据挖掘在商业银行的应用数据挖掘技术能有效提升商业银行的数据处理能力和竞争力,在信息化高速发展的背景下,银行间的竞争其本质就是大量企业业务和客户信息的竞争,从信息中提取有价值的数据可以更科学地为商业银行进行决策,提高竞争力。目前,数据挖掘技术被广泛应用于风险管理、客户关系管理、金融监管、电子银行业务等领域。风险管理是数据挖掘在商业银行的经典应用之一。基于大数据技术,商业银行可以开展网络贷款、个人信用贷款、企业信用贷款等业务,这些业务往往伴随着大量风险。银行是经营风险的行业,全面风险管理是银行的首要任务。贷款方的信用风险评估是数据挖掘技术在银行业的主要应用之一。主要分为以下四步:第一步,商业银行根据不同客户建立不同的信用评级模型,进而评估贷款方的风险;第二步,建立信用评分体系,根据贷款方提交的数据信息进行评分;第三步,根据搭建的数据挖掘模型确定权值,给贷款方的每项申请指标进行评分,对各项评分进行汇总求和,即为贷款方的实际信用情况;最后一步,商业银行根据贷款方得到的评分情况,评估贷款方的申请,并确定贷款信用额度。大数据分析与挖掘在商业银行风险管理中的案例如表3所示。表3数据挖掘技术在商业银行风险管理中的案例银 行 风险管理中的应用 将Hadoop技术应用于反洗钱系统,在银行数据分析应中国农业银行 用中,Hadoop技术有着广泛的适用场景,在数据加载和数据存储等方面有着明显的优势。 针对小微企业和个体工商户经营具有的不确定性和风险中信银行 较高的特点,中信银行与银联商务合作开发的POS商户网络贷款产品,该产品具有贷款额度小,周期短等特点。 兴业银行 重视经营管理,加大数据挖掘力度,提出核贷宝、黄金眼等创新数据产品。 参照电商模式,致力于数据挖掘技术研发,深入挖掘客光大银行 户的账户信息,开发了客户风险预警管理系统。该系统作为贷后预警工作的基础平台,主要监测客户的信用风险。 平安银行 利用孤立点方法建立数学模型,及时监测银行贷款动态和信用欺诈事件,降低小额贷的不良贷款率。 提出了“攻守兼备”的大数据战略,通过数据挖掘技术,富国银行 将有效的数据应用于风险管理等各个领域。该战略既加强了富国银行风险管理,也全面洞察客户信息,提升客 户体验。 客户关系管理也是数据挖掘技术在银行业应用的重要方式之一,银行业发展的重要内容之一是发现和开拓新客户。第一步,商业银行通过使用数据挖掘技术,可以分析和挖掘商业银行客户数据库中的信息;第二步,通过对客户的收入和支出等相关数据进行分析预测,建立客户信用及风险评估模型等;第三步,分析并预测客户的消费倾向和对商业银行的贡献度,识别和主动联系潜在的客户和盈利客户,为其提供有针对性的特殊服务。同时,商业银行利用数据挖掘技术可以帮助自己留住已有客户,主要方式包括对已有客户提供特殊待遇和额外增值、激励忠诚度等。

商业银行通过利用大数据分析客户的投资历史记录、存贷款行为、理财产品的选择等信息来构建客户画像,并引入人工智能算法,让客户在银行网络首页即看到自己感兴趣的产品,从而提高营销的成功率。不断提升内部和外部客户的满意度和忠诚度是商业银行提高核心竞争力的重点。从本质上说,就是要坚持以客户为中心,在全面分析客户的金融消费需求的基础上,为客户提供适合自身的专属金融服务。大数据分析与挖掘在商业银行客户关系管理中的案例如表4所示。

表4数据挖掘技术在商业银行客户关系管理中的案例

银 行 客户关系管理中的应用 招商银行 利用客户关系管理系统和数据挖掘技术深入挖掘客户需求,开发了不同的产品,锁定了不同的客户群。 改变了以往的经营模式,利用数据挖掘技术实现了客花旗银行 户特征的提取,有针对性地为不同客户提供各种服务产品。 在客户关系管理中使用了数据挖掘技术,在对客户的加拿大皇家银行 种类进行划分的基础上,根据客户的分布确定市场。大幅提升了客户细分的准确性,并为客户提供更优质的个性化服务。 充分利用数据挖掘技术,获取客户的业务资金等关键台湾信托商业银行 性数据,为银行争取更多高端用户的同时,提高了信贷业务发展的稳定性,降低了资金风险。 利用数据挖掘工具,在客户交易信息中发现不同人群美国合众银行 的不同消费习惯,探寻和新产品匹配度最高的客户, 确定何时向客户提供合适的产品。 金融监管在金融市场的发展中显得尤为重要,并且是预防市场风险的主要方式之一。可视化数据和反洗钱是数据挖掘技术在金融监管中应用的两个重要体现。商业银行可以通过数据挖掘技术提供可靠图形,为金融监管人员的工作提供保障。另外,通过利用分类、孤立点分析、聚类等数据挖掘技术,洗钱行为可以有效地、快速地被商业银行检测。

为了促进电子银行业务的发展,提高商业银行的经济效益,电子银行应运而生,它是信息技术进步的产物。电子银行业务中使用多层次、多维度的关联规则,从大量的数据中挖掘有价值的数据信息应用于电子产品推荐中,在了解客户需求的基础上,商业银行可以采取直接营销的手段向客户推销产品。

F参考文献:

[1]GopalkrishnanS,SrivastavaU.ImpactofBigDataAnalytics

FINANCIALVIEW金融视界

onBankingSector:LearningforIndianBanks[J].ProcediaComputerScience,2015(50):643-652.

[2]LackovicID.ModelforITGovernanceAssessmentinBanksBasedonIntegrationofControlFunctions[C].ToKnowPress,2013,439-444.

[3]陈德荣.试论数据挖掘技术在银行客户关系管理系统中的应用[J].武汉金融,2004(12):55-56.

[4]徐向颖.浅析大数据对商业银行的影响[J].金融视线,2017(18):86-87.

[5]蔚赵春.商业银行大数据应用的理论、实践与影响[J].上海金融,2013(9):30-32.

[6]韩忠雪.智慧银行-大数据背景下商业银行的战略选择[J].经营管理,2016(1):80-83.

[7]杨海平.大数据与商业银行小微金融数字化管理[J].清华金融评论,2015(1):69-74.

[8]赵元.大数据对互联网小额信贷公司的重要性研究—以[J].理论政策研究,2017(30):26-27.

[9]张守川.建立智慧型风险管理体系[J].中国金融,2014(14):35-41.

[10]魏国雄.大数据与银行风险管理[J].中国金融,2014,(15):25-27.

[11]贺本岚.大数据时代数据挖掘在银行客户关系管理中的应

用研究[J].中国管理学年会,2013.

[12]曾丽.试论数据挖掘技术在客户关系管理中的应用[J].信息技术,2016(30):94.

[13]吕梁.数据仓库和数据挖掘在我国中小商业银行中的应用初探[J].海南金融,2013(1):86-88.

[14]王一专.大数据聚类管理在商业银行中的应用[J].时代金融,2015(12):70-73.

[15]周明.商业银行应当重视大数据的建设与应用[J].广东经济,2017(5):76-77.

[16]路鑫.数据挖掘技术在商业银行体系中的应用[J].网络应用,2013(11):90.

[17]马依婷.浅析数据分析在商业银行的应用[J].现代经济信

息,2017(1):302-303.

(编辑:宋

亚编审:黄楠校对:杨帆)

GansuFinance/甘肃金融/15

“阿里小贷为例”

因篇幅问题不能全部显示,请点此查看更多更全内容