数据挖掘在商业银行中的应用趋势分析.pdf

2
经济研究
数据挖掘在商业银行2 中的应用趋势分析
●蒋缨1 强海涛2
(1. 重庆工商大学财政金融学院;2. 重庆工商大学商务策划学院,重庆 400716)
〔内容提要〕数据挖掘的商业价值在于作为一种新的商业信息处理技术,对商业数据库中的大量业务数据进行抽取、
转换、分析和其他模型化处理,从而起到辅助商业决策作用。商业银行迫切需要引入数据挖掘技术,来降低成本,控制风
险,提升客户价值,从而提高盈利。由此,本文对数据挖掘在商业银行中的四大应用趋势作了较为深入地探讨。
〔关键词〕数据挖掘;商业银行;应用趋势分析
〔中图分类号〕F830 〔文献标识码〕A 〔文章编号〕1003 - 3637(2003) 05 - 0078 - 03
一、数据挖掘的涵义多年的经验,也可以直接用实际数据来验证模型的正确性,
数据挖掘(Data Mining) 是从大量的、不完全的、杂乱的、进而调整挖掘模型,不断重复进行数据挖掘。(薛薇,2001)
模糊的、随机的实际应用数据中,萃取隐含在其中的、不能被 5. 分析决策。数据挖掘的最终目的是辅助决策。决策者可
人们事先预知的、但又是潜在有用的信息和知识的过程。以根据数据挖掘的结果,结合实际情况,调整竞争策略等。
数据挖掘所挖掘的知识可以理解为概念、规则、模式、规总之,数据挖掘过程需要多次的循环反复,才有可能达到预
律和约束等。人们把数据看作是形成知识的源泉,好像从矿期的效果。
石中采矿或淘金一样。原始数据可以是结构化的,如关系型二、数据挖掘的商业价值
数据库中的数据;也可以是半结构化的,如文本、图形和图像随着信息技术、商业条码以及数据采集工具的发展及应
数据;甚至是分布在网络上的异构型数据。发现知识的方法用,企业经常搜集、积累大量数据,包括市场、客户、供应商、
可以是数学的,也可以是非数学的;可以是演绎的,也可以是竞争对手以及未来趋势等重要信息,企业需要处理的数据量
归纳的。发现的知识可以被用于信息管理,查询优化,决策越来越多,但是海量信息与信息的无结构化,使得企业决策
支持和过程控制等,还可以用于数据自身的维护。因此,数单位无法有效利用现存的信息,甚至使决策行为产生混乱。
据挖掘是一门交叉学科,它把人们对数据的应用从低层次的如果能通过数据挖掘技术,从巨量的数据库中,挖掘出有用
简单查询,提升到从数据中挖掘知识,提供决策支持。在这的信息与知识出来,作为决策支持之用,将使企业拥有一定
种需求牵引下,汇聚了不同领域的研究者,尤其是数据库技程度的竞争优势。
术、人工智能技术、数理统计、可视化技术、并行计算等方面数据挖掘的商业价值在于作为一种新的商业信息处理
的学者和工程技术人员,投身到数据挖掘这一新兴的研究领技术,对商业数据库中的大量业务数据进行抽取、转换、分析
域,形成新的技术热点。和其他模型化处理,从中提取辅助商业决策的关键性数据。
数据挖掘所要处理的问题,就是在庞大的数据库中寻找现在,由于各行业业务自动化的实现,商业领域产生了
出有价值的隐藏事件,加以分析,并将这些有意义的信息归大量的业务数据,这些数据不再是为了分析的目的而收集
纳成结构模式,作为企业在进行决策时的参考依据。数据挖的,分析这些数据也不再是单纯