数字执本与率用
学术论坛
浅谈数据挖掘技术在商业银行业务中的应用
牛红
(东北财经大学辽宁大连116023)
摘要：通过对数据范据技水产生骨景、应用实例、特征概逐的介绍，分新当前信息技水发展状况下、银行业发展态势下，数据挖据技水对于商业银行取得竞争优势的重要意义,并就数据挖据技术在商业银行的具体应用做以介绍和探讨。
关键调：数据挖据商业银行管理决策应用流程
中图分类号：F832.2 1数据挖掘技术概述
1.1产生背景
文献标识码：A
文章编号:1007-9416(2014)09-0211-01
类群，针对不同的类群开发不同的金融服务及产品。
同质分组是指将成分各异的总体分割为若于具有相同性质
信息技术飞速发展，储存在各种门类的系统中的数据越来越多，我们虽然能够实现快速的通过这些信息实现查找，筛选，录人删除以及数据统计等相关功能，但是数据的过分巨大和庞杂，使得我们不能够充分利用这些存储的数据找到其中的关联关系以及隐藏的有效信息，出现了数据极为丰富，但是信息总是不够充分的矛盾现象，不能够更好地进行分析和判断，一方面造成了信息价值的巨大浪费，另一方面也局限了我们自身进一步发展的能力。因此，从繁杂的数据中发现知识一一知识发现(KDD)技术的价值就极为重要，相应的数据挖掘技术和理论也就极为重要。
1.2应用实例
数据挖据技术能够应用于生活的许多方面，比如数据挖掘技术可以帮助零售商预测未来一季度的销售量，从面合理安排库存以降低成本，可以帮助服务行业了解分析消费者诉求，从面更合理的安排工作，提高消费者的满意率，可以帮助金融行业处理、分析大量的数据，预测未来发展趋势，更好地“运筹惟慢”..
听起来似乎是很有用，但是数据挖掘具体做了什么呢?以在银行业的应用为例，应用数据挖掘技术需要根据不同的目标诉求建立不同的模型：利润评测模型、客户关系优化模型，风险评估模型以及客户消费模式分析模型等等，只有将银行系统中存储的大量数据安置到模型中去，决策者才能够根据这些数据决定是否继续开展某项业务或者应该以什么样的定价在什么时间向消费者发售某项金融产品等。
1.3特征就速
数据挖据是在可接受的计算效率的局限性之内，在数据上产生-种特殊的例举模式(或模型)。要注意模式空间通常是无限的面且
模式的例举包括对那个空闻某种形式的搜索。 2数据挖据技术在银行管理决策中的应用
在数据信息爆炸式增长的今天，对于银行业而言，如何充分利用存储在系统内的海量数据获得有效信息，从面在风险控制，业务创新、客户优化等方面获得有效决策依据，帮助自身在激烈的行业竞争中得到优势，是需要着重解决的发展问题，
2.1数据挖据在银行管理决策中的二般作用
-般而言，数据挖掘可以实现5种功能：分类、推估、预测、关联
分组以及同质分组。
分类是指依据数据的某种属性或者某些属性按照一定的标准，将数据分成不同的类组。比如将信用贷款申请者依据风险属性分成高风险申请者以及中、低风险申请者三类。
推估是指根据众多可收集的变量的数据，推测预估与他们相关的某一目标变量的未来趋势。比如依据信用卡用户的工作情况，薪资水平以及接受教育程度，来推测用户的消费水平。
预测是指依据过去一段足够长的时间内目标变量的改变数据。来推测目标变量未来一段时间的变化情况。比如依据过去三个季度的存款情况，制定本季度的增长目标。
关联分组是指将目标对象依据某种属性或者某些属性分成不同的关联类组。比如依据客户不同的消费习惯，将客户分成不同的收移日期：2014-0914
的群。
2.2数据挖据在银行管理决策中的一般工作流程
数据挖掘的流程目前尚未得出一个统一的标准，不同的研究者
对此仍有不同的见解，此处以较为简单明了，易于理解的5个阶段流程为例说明
数据挖掘问题定义是指初期阶段技术人员需要深人分析客户需求，确立数据挖掘需要解决的问题，并初步确定策略以及算法。对于银行业务来说，即了解银行要开展何种业务，需要何种信息支持，有效信息如何支持决策者进行决策等内容，根据客户要求初步确定解决策略，
数据的提取与处理是指根据所要解决的目标问题提取相关有效数据，然后将多文件或者多数据库运行环境中存在的重复数据进行合并处理，然后将错误的，模糊的、无效的数据别除或者制定解决办法，这个过程称为数据清洗。最后将数据进行适当转换以方使后续处理。比如银行现在要推广一项新的个人信贷业务，它会需要过去一段时间(也许是几年)内相似业务的开展情况，收益、风险如何，以及它指向的目标客户群体的消费信息等内容，而这些有价值的信息是需要从更多更杂乱的“数据"中加工得来的
证型”的数据挖掘类型，前者是通过一系列操作通过模型、算法等直接得出数个假设，反债给客户，后者是指通过一系列的操作后得出客户所需目标信息，由客户根据可能包含的知识自已发现假设。然后制定相应算法并执行，
结果的评估与解释是指根据间题定义对结果进行评估：是否有效?是否新额?并将结果反馈给银行决策者供其使用，同时也利用结果修正相关数据库内容，
结果的优化和使用是指研究者根据相关专业知识提出好的改进意见，方便决策者更好地利用结果
2.3数据挖据技术在商业银行中的普遍应用范畴
数据挖掘技术在银行领域应用广泛。比如银行每天都需要搜集并处理大量的数据，对其进行处理分析，通过得出的结果来预测、评估、决策，甚至发现新的商业兴趣，另外，为了尽可能的提高利润面降低风险，必须对存储在银行系统内的海量数据进行科学的分析和
处理，从面得到有价值的信息供决策者使用，有效的规避风险。 3结语
在信息爆炸式增长的当今社会，简单的数据查询，搜索等功能已经远远不能够满足社会的需求，尤其是对于高利润与高风险并存的金融行业。对于商业银行来说，海量的数据存储是银行的一项资本，但是没有数据挖掘技术将这些庞杂的数据转换成为决策者可以使用的有效信息，这些资本就不能为银行盈利，基于此，本文对数据挖掘的产生背录，应用实例、特征概述以及数据挖掘在银行管理决策中的一般作用、一般工作流程和普递应用范畴进行了总结并加以介绍和分析，希望对此方向的研究探过能够起到一定积极意义。
作者简介：牛红(1990一)女，汉族，迁宁新民人,本科，研究方向金融信息系统，