中文日韩亚洲欧美制服_亚洲精品国产精品国自产网站_四虎影院最新网址_欧美性大战久久久久xxx

一、引言

數(shu)據(ju)挖(wa)(wa)掘(Data Mining)是(shi)一種(zhong)新的(de)(de)商(shang)業(ye)(ye)(ye)信(xin)息處理(li)技術(shu)，產生于(yu)20世紀80年(nian)代(dai)的(de)(de)美國，首先應(ying)用(yong)在(zai)(zai)金融、電信(xin)等(deng)領域(yu)，主要特點是(shi)對大量數(shu)據(ju)進行抽取、轉換、分析和模型化(hua)處理(li)，從(cong)中(zhong)提取出有(you)助于(yu)商(shang)業(ye)(ye)(ye)決(jue)策的(de)(de)關(guan)鍵性數(shu)據(ju)。銀行信(xin)息化(hua)的(de)(de)迅速發(fa)展，產生了(le)(le)大量的(de)(de)業(ye)(ye)(ye)務數(shu)據(ju)。從(cong)海量數(shu)據(ju)中(zhong)提取出有(you)價值的(de)(de)信(xin)息，為銀行的(de)(de)商(shang)業(ye)(ye)(ye)決(jue)策服務，是(shi)數(shu)據(ju)挖(wa)(wa)掘的(de)(de)重要應(ying)用(yong)領域(yu)。匯(hui)豐、花(hua)旗和瑞士銀行是(shi)數(shu)據(ju)挖(wa)(wa)掘技術(shu)應(ying)用(yong)的(de)(de)先行者。如今，數(shu)據(ju)挖(wa)(wa)掘已在(zai)(zai)銀行業(ye)(ye)(ye)有(you)了(le)(le)廣泛深入的(de)(de)應(ying)用(yong)。

二、數據挖掘在銀行業應用的主要方面

現(xian)階段，數據挖掘在銀行業中的應用，主要可分(fen)為以下幾個方(fang)面。

(一)風險

數(shu)據(ju)(ju)挖掘在銀行(xing)業(ye)的(de)重要應用(yong)(yong)之一是(shi)風(feng)險管理，如信(xin)(xin)(xin)(xin)用(yong)(yong)風(feng)險評(ping)估(gu)。可通過構建信(xin)(xin)(xin)(xin)用(yong)(yong)評(ping)級(ji)模型，評(ping)估(gu)貸(dai)款人(ren)(ren)或信(xin)(xin)(xin)(xin)用(yong)(yong)卡申請人(ren)(ren)的(de)風(feng)險。一個進行(xing)信(xin)(xin)(xin)(xin)用(yong)(yong)風(feng)險評(ping)估(gu)的(de)解(jie)決方案，能對(dui)銀行(xing)數(shu)據(ju)(ju)庫(ku)中所有的(de)賬(zhang)(zhang)戶(hu)(hu)指定信(xin)(xin)(xin)(xin)用(yong)(yong)評(ping)級(ji)標準，用(yong)(yong)若干數(shu)據(ju)(ju)庫(ku)查詢就可以得出信(xin)(xin)(xin)(xin)用(yong)(yong)風(feng)險的(de)列表。這種對(dui)于高/低(di)風(feng)險的(de)評(ping)級(ji)或分(fen)類，是(shi)基于每個客(ke)戶(hu)(hu)的(de)賬(zhang)(zhang)戶(hu)(hu)特征(zheng)，如尚未償還的(de)貸(dai)款、信(xin)(xin)(xin)(xin)用(yong)(yong)調降報告記錄、賬(zhang)(zhang)戶(hu)(hu)類型、收入水平及其(qi)他信(xin)(xin)(xin)(xin)息等。

對于銀(yin)行賬戶的(de)(de)信(xin)用(yong)(yong)(yong)評(ping)(ping)(ping)估(gu)，可(ke)采用(yong)(yong)(yong)直觀量(liang)化(hua)的(de)(de)評(ping)(ping)(ping)分(fen)技術。將顧(gu)客的(de)(de)海(hai)量(liang)信(xin)息(xi)數據(ju)(ju)以(yi)某種(zhong)權(quan)重(zhong)加(jia)以(yi)衡量(liang)，針對各種(zhong)目(mu)標給(gei)出量(liang)化(hua)的(de)(de)評(ping)(ping)(ping)分(fen)。以(yi)信(xin)用(yong)(yong)(yong)評(ping)(ping)(ping)分(fen)為例，通過(guo)由數據(ju)(ju)挖掘(jue)模(mo)型確定(ding)的(de)(de)權(quan)重(zhong)，來給(gei)每項(xiang)申(shen)請的(de)(de)各指標打(da)分(fen)，加(jia)總得(de)到該申(shen)請人(ren)的(de)(de)信(xin)用(yong)(yong)(yong)評(ping)(ping)(ping)分(fen)情況(kuang)。銀(yin)行根據(ju)(ju)信(xin)用(yong)(yong)(yong)評(ping)(ping)(ping)分(fen)來決定(ding)是否接受申(shen)請，確定(ding)信(xin)用(yong)(yong)(yong)額(e)度。過(guo)去，信(xin)用(yong)(yong)(yong)評(ping)(ping)(ping)分(fen)的(de)(de)工(gong)作由銀(yin)行信(xin)貸員(yuan)完(wan)成，只(zhi)考慮(lv)幾個經(jing)過(guo)測(ce)試的(de)(de)變(bian)量(liang)，如就業(ye)情況(kuang)、收入、年齡、資產、負債等(deng)。現(xian)在應用(yong)(yong)(yong)數據(ju)(ju)挖掘(jue)的(de)(de)方法，可(ke)以(yi)增加(jia)更多的(de)(de)變(bian)量(liang)，提(ti)高模(mo)型的(de)(de)精度，滿足信(xin)用(yong)(yong)(yong)評(ping)(ping)(ping)價的(de)(de)需求。

通過數據(ju)挖掘，還可以異常(chang)的(de)(de)(de)(de)信(xin)用(yong)(yong)卡使(shi)用(yong)(yong)情況，確定(ding)極端客戶(hu)的(de)(de)(de)(de)消(xiao)費行為。根據(ju)歷(li)史(shi)數據(ju)，評(ping)定(ding)造(zao)成信(xin)貸風險(xian)客戶(hu)的(de)(de)(de)(de)特征和(he)(he)背(bei)景，可能造(zao)成風險(xian)損失的(de)(de)(de)(de)客戶(hu)。在對(dui)客戶(hu)的(de)(de)(de)(de)資信(xin)和(he)(he)經營預(yu)測(ce)的(de)(de)(de)(de)基礎上，運(yun)用(yong)(yong)系統的(de)(de)(de)(de)方(fang)法對(dui)信(xin)貸風險(xian)的(de)(de)(de)(de)類型和(he)(he)原因進行識別、估測(ce)，發(fa)現引起貸款風險(xian)的(de)(de)(de)(de)誘導因素，有(you)效(xiao)地控制和(he)(he)降(jiang)低信(xin)貸風險(xian)的(de)(de)(de)(de)發(fa)生。通過建立信(xin)用(yong)(yong)欺詐(zha)模型，幫助銀(yin)行發(fa)現具有(you)潛在欺詐(zha)性(xing)的(de)(de)(de)(de)事件(jian)，開展欺詐(zha)偵(zhen)查分(fen)析(xi)，預(yu)防和(he)(he)控制資金非法流失。

(二)客戶管理(li)

在(zai)銀(yin)行客戶管理生命周期的各個階(jie)段，都會用到數據挖掘技(ji)術(shu)。

1.獲取(qu)客戶

發現和開拓新客(ke)戶對任何一家銀行(xing)來說都至關重(zhong)要。通過探(tan)索性的(de)數據(ju)挖掘方法，如自動探(tan)測聚類和購物籃分析，可以用來找(zhao)出客(ke)戶數據(ju)庫中的(de)特(te)(te)征，預測對于(yu)銀行(xing)活(huo)動的(de)響(xiang)應率。那些被定(ding)為有利(li)的(de)特(te)(te)征可以與新的(de)非客(ke)戶群進(jin)行(xing)匹(pi)配，以增加(jia)營銷活(huo)動的(de)效果。

數據(ju)挖掘還可從銀行(xing)(xing)數據(ju)庫存儲的客戶(hu)信息中，可以根據(ju)事先設定的標準找(zhao)(zhao)到符合條件的客戶(hu)群(qun)，也可以把(ba)客戶(hu)進行(xing)(xing)聚(ju)類分析讓其(qi)自然(ran)分群(qun)，通(tong)過(guo)對客戶(hu)的服務收入、風險、等相關因素的分析、預測(ce)和優化(hua)，找(zhao)(zhao)到新(xin)的可贏利(li)目(mu)標客戶(hu)。

2.保留客戶

通過數據挖(wa)掘，在發(fa)現流失(shi)(shi)客(ke)戶的(de)(de)(de)特征后，銀行(xing)(xing)可以在具有相似特征的(de)(de)(de)客(ke)戶未流失(shi)(shi)之前(qian)，采取額(e)外增值服(fu)務、特殊待遇(yu)和(he)激勵忠誠度等措施保(bao)留(liu)(liu)客(ke)戶。比如，使(shi)用信(xin)用卡損耗模(mo)型(xing)，可以預測哪(na)些(xie)客(ke)戶將停止使(shi)用銀行(xing)(xing)的(de)(de)(de)信(xin)用卡，而(er)轉用競爭對手的(de)(de)(de)卡，根據數據挖(wa)掘結果，銀行(xing)(xing)可以采取措施來保(bao)持這些(xie)客(ke)戶的(de)(de)(de)信(xin)任。當得出可能流失(shi)(shi)的(de)(de)(de)客(ke)戶名(ming)單后，可對客(ke)戶進行(xing)(xing)關懷(huai)訪問，爭取留(liu)(liu)住客(ke)戶。

為(wei)留住老客戶(hu)(hu)(hu)，防止客戶(hu)(hu)(hu)流(liu)失，就必須了解客戶(hu)(hu)(hu)的(de)需求。數據挖掘(jue)，可(ke)以識別導致客戶(hu)(hu)(hu)轉移的(de)關聯因子，用模式找出當(dang)前客戶(hu)(hu)(hu)中相(xiang)似的(de)可(ke)能轉移者，通過孤立點分析法(fa)可(ke)以發現客戶(hu)(hu)(hu)的(de)異常行(xing)為(wei)，從而(er)使銀行(xing)避免不必要的(de)客戶(hu)(hu)(hu)流(liu)失。數據挖掘(jue)工具，還可(ke)以對大(da)量的(de)客戶(hu)(hu)(hu)資料進行(xing)分析，建立數據模型(xing)，確定(ding)客戶(hu)(hu)(hu)的(de)交(jiao)易習慣、交(jiao)易額度和(he)交(jiao)易頻(pin)率，分析客戶(hu)(hu)(hu)對某個產品的(de)忠(zhong)(zhong)誠(cheng)程度、持(chi)久性(xing)等，從而(er)為(wei)他們提(ti)供個性(xing)化定(ding)制服務，以提(ti)高客戶(hu)(hu)(hu)忠(zhong)(zhong)誠(cheng)度。

3.優化客戶(hu)服務

銀(yin)行(xing)(xing)(xing)業(ye)競爭日益激烈，客(ke)戶(hu)(hu)(hu)(hu)服(fu)務的質量是(shi)(shi)關系(xi)到銀(yin)行(xing)(xing)(xing)發(fa)展的重(zhong)要因素。客(ke)戶(hu)(hu)(hu)(hu)是(shi)(shi)一個可(ke)能根據(ju)(ju)年費、服(fu)務、優(you)(you)惠(hui)條件等(deng)因素而不斷(duan)流動(dong)的團體，為客(ke)戶(hu)(hu)(hu)(hu)提(ti)供優(you)(you)質和個性化的服(fu)務，是(shi)(shi)取得客(ke)戶(hu)(hu)(hu)(hu)信任的重(zhong)要手(shou)段。根據(ju)(ju)二八原則，銀(yin)行(xing)(xing)(xing)業(ye)20%的客(ke)戶(hu)(hu)(hu)(hu)創造了80%的價值(zhi)，要對(dui)(dui)這(zhe)20%的客(ke)戶(hu)(hu)(hu)(hu)實(shi)(shi)施最優(you)(you)質的服(fu)務，前提(ti)是(shi)(shi)發(fa)現(xian)這(zhe)20%的重(zhong)點(dian)客(ke)戶(hu)(hu)(hu)(hu)。重(zhong)點(dian)客(ke)戶(hu)(hu)(hu)(hu)的發(fa)現(xian)通常是(shi)(shi)由(you)一系(xi)列的數(shu)據(ju)(ju)挖掘來實(shi)(shi)現(xian)的。如通過(guo)分(fen)析客(ke)戶(hu)(hu)(hu)(hu)對(dui)(dui)產品的應用頻率(lv)、持(chi)續性等(deng)指(zhi)標(biao)來判(pan)別客(ke)戶(hu)(hu)(hu)(hu)的忠誠度(du)，通過(guo)交易數(shu)據(ju)(ju)的詳細(xi)分(fen)析來鑒(jian)別哪(na)些是(shi)(shi)銀(yin)行(xing)(xing)(xing)希望保持(chi)的客(ke)戶(hu)(hu)(hu)(hu)。找到重(zhong)點(dian)客(ke)戶(hu)(hu)(hu)(hu)后，銀(yin)行(xing)(xing)(xing)就能為客(ke)戶(hu)(hu)(hu)(hu)提(ti)供有針對(dui)(dui)性的服(fu)務。

三、數據挖掘在銀行業的具體應用

數據(ju)(ju)挖(wa)掘技術在(zai)銀行業(ye)中的(de)應用(yong)，其中一個重要前提(ti)條件(jian)是，必須(xu)建(jian)立一個統一的(de)中央客戶數據(ju)(ju)庫，以提(ti)高客戶信息的(de)分(fen)(fen)析能力。分(fen)(fen)析開始時，從數據(ju)(ju)庫中收集與客戶有(you)關的(de)所有(you)信息、交易記錄，進行建(jian)模，對(dui)數據(ju)(ju)進行分(fen)(fen)析，對(dui)客戶將來的(de)行為進行預測(ce)。具體應用(yong)分(fen)(fen)為五個階段：

(一(yi))加載(zai)客(ke)戶賬號信(xin)息(xi)。這(zhe)一(yi)階段，主要是進行(xing)數(shu)據(ju)清理(li)，消(xiao)除(chu)現有業務系統中(zhong)有關客(ke)戶賬戶數(shu)據(ju)不一(yi)致的現象，將其整合(he)到(dao)中(zhong)央客(ke)戶信(xin)息(xi)庫。銀行(xing)各(ge)業務部門對客(ke)戶有統一(yi)的視圖，可以進行(xing)相關的客(ke)戶分(fen)析，如客(ke)戶人(ren)數(shu)，客(ke)戶分(fen)類，基本(ben)需求(qiu)等。

(二)加(jia)載客(ke)戶交易(yi)信息階(jie)段。這(zhe)一(yi)階(jie)段主要是把客(ke)戶與銀行分(fen)銷渠(qu)道的所有(you)交易(yi)數據，包(bao)括柜臺，ATM，信用(yong)卡，匯款，轉(zhuan)賬等(deng)，加(jia)載到(dao)中央市場(chang)客(ke)戶信息庫。這(zhe)一(yi)階(jie)段完(wan)成后，銀行可以分(fen)析(xi)客(ke)戶使用(yong)分(fen)銷渠(qu)道的情況(kuang)和分(fen)銷渠(qu)道的容(rong)量，了解(jie)客(ke)戶，渠(qu)道，服(fu)務(wu)三(san)者之(zhi)間的關系。

(三(san))模型(xing)評(ping)測。這是(shi)為客戶的(de)每(mei)一(yi)個賬號(hao)建立利(li)潤(run)評(ping)測模型(xing)，需要收入和的(de)確(que)定(ding)金額，因此需要加(jia)載系統的(de)數據到中央數據庫。這一(yi)階(jie)段完(wan)成后，銀行可以從(cong)組織，用戶和產(chan)品(pin)(pin)三(san)個方面(mian)分析利(li)潤(run)貢獻度。如銀行可以依客戶的(de)利(li)潤(run)貢獻度安排(pai)合適的(de)分銷渠道，模擬和預(yu)測新產(chan)品(pin)(pin)對銀行的(de)利(li)潤(run)貢獻度等(deng)。

(四)優化(hua)(hua)(hua)客(ke)戶(hu)關系。銀行(xing)應該(gai)掌握客(ke)戶(hu)在生活、職業等方面的行(xing)為變(bian)(bian)(bian)化(hua)(hua)(hua)及外部的變(bian)(bian)(bian)化(hua)(hua)(hua)，抓(zhua)住推銷新產品和(he)服(fu)務的時(shi)機。這需要將賬號每天發生的交易明細數(shu)(shu)據，定時(shi)加(jia)載到中(zhong)央(yang)數(shu)(shu)據倉庫，核(he)對客(ke)戶(hu)行(xing)為的變(bian)(bian)(bian)化(hua)(hua)(hua)。如有(you)變(bian)(bian)(bian)化(hua)(hua)(hua)，銀行(xing)則利用客(ke)戶(hu)的購買傾向(xiang)模(mo)型(xing)，渠道喜好模(mo)型(xing)，利潤貢獻(xian)模(mo)型(xing)，信(xin)用和(he)風險評測模(mo)型(xing)等，主動與客(ke)戶(hu)取得聯系。

(五)風險評估。銀行(xing)風險管理(li)的對象(xiang)主(zhu)要(yao)是與資產(chan)和(he)負債(zhai)有關(guan)的風險，因此與資產(chan)負債(zhai)有關(guan)的業(ye)務(wu)系統的交易數據要(yao)加載到中央數據倉庫(ku);然后，銀行(xing)應(ying)按(an)照不(bu)同的期間，分析和(he)計算(suan)利(li)率(lv)敏感性資產(chan)和(he)負債(zhai)之間的缺(que)口(kou)，知(zhi)道銀行(xing)在不(bu)同期間資本(ben)比(bi)率(lv)、資產(chan)負債(zhai)結構、資金情(qing)況和(he)凈利(li)息收入的變化。