大數(shù)據(jù)時(shí)代：銀行如何玩轉(zhuǎn)數(shù)據(jù)挖掘_數(shù)據(jù)分析師

一、引言

數(shù)據(jù)挖掘(Data Mining)是一種新的商業(yè)信息處理技術(shù)，產(chǎn)生于20世紀(jì)80年代的美國(guó)，首先應(yīng)用在金融、電信等領(lǐng)域，主要特點(diǎn)是對(duì)大量數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和模型化處理，從中提取出有助于商業(yè)決策的關(guān)鍵性數(shù)據(jù)。銀行信息化的迅速發(fā)展，產(chǎn)生了大量的業(yè)務(wù)數(shù)據(jù)。從海量數(shù)據(jù)中提取出有價(jià)值的信息，為銀行的商業(yè)決策服務(wù)，是數(shù)據(jù)挖掘的重要應(yīng)用領(lǐng)域。匯豐、花旗和瑞士銀行是數(shù)據(jù)挖掘技術(shù)應(yīng)用的先行者。如今，數(shù)據(jù)挖掘已在銀行業(yè)有了廣泛深入的應(yīng)用。

二、數(shù)據(jù)挖掘在銀行業(yè)主要應(yīng)用在銀行業(yè)哪些方面

現(xiàn)階段，數(shù)據(jù)挖掘在銀行業(yè)中的應(yīng)用，主要可分為以下幾個(gè)方面。

(一)風(fēng)險(xiǎn)

數(shù)據(jù)挖掘在銀行業(yè)的重要應(yīng)用之一是風(fēng)險(xiǎn)管理，如信用風(fēng)險(xiǎn)評(píng)估。可通過(guò)構(gòu)建信用評(píng)級(jí)模型，評(píng)估貸款人或信用卡申請(qǐng)人的風(fēng)險(xiǎn)。一個(gè)進(jìn)行信用風(fēng)險(xiǎn)評(píng)估的解決方案，能對(duì)銀行數(shù)據(jù)庫(kù)中所有的賬戶(hù)指定信用評(píng)級(jí)標(biāo)準(zhǔn)，用若干數(shù)據(jù)庫(kù)查詢(xún)就可以得出信用風(fēng)險(xiǎn)的列表。這種對(duì)于高/低風(fēng)險(xiǎn)的評(píng)級(jí)或分類(lèi)，是基于每個(gè)客戶(hù)的賬戶(hù)特征，如尚未償還的貸款、信用調(diào)降報(bào)告記錄、賬戶(hù)類(lèi)型、收入水平及其他信息等。

對(duì)于銀行賬戶(hù)的信用評(píng)估，可采用直觀量化的評(píng)分技術(shù)。將顧客的海量信息數(shù)據(jù)以某種權(quán)重加以衡量，針對(duì)各種目標(biāo)給出量化的評(píng)分。以信用評(píng)分為例，通過(guò)由數(shù)據(jù)挖掘模型確定的權(quán)重，來(lái)給每項(xiàng)申請(qǐng)的各指標(biāo)打分，加總得到該申請(qǐng)人的信用評(píng)分情況。銀行根據(jù)信用評(píng)分來(lái)決定是否接受申請(qǐng)，確定信用額度。過(guò)去，信用評(píng)分的工作由銀行信貸員完成，只考慮幾個(gè)經(jīng)過(guò)測(cè)試的變量，如就業(yè)情況、收入、年齡、資產(chǎn)、負(fù)債等?，F(xiàn)在應(yīng)用數(shù)據(jù)挖掘的方法，可以增加更多的變量，提高模型的精度，滿(mǎn)足信用評(píng)價(jià)的需求。

通過(guò)數(shù)據(jù)挖掘，還可以異常的信用卡使用情況，確定極端客戶(hù)的消費(fèi)行為。根據(jù)歷史數(shù)據(jù)，評(píng)定造成信貸風(fēng)險(xiǎn)客戶(hù)的特征和背景，可能造成風(fēng)險(xiǎn)損失的客戶(hù)。在對(duì)客戶(hù)的資信和經(jīng)營(yíng)預(yù)測(cè)的基礎(chǔ)上，運(yùn)用系統(tǒng)的方法對(duì)信貸風(fēng)險(xiǎn)的類(lèi)型和原因進(jìn)行識(shí)別、估測(cè)，發(fā)現(xiàn)引起貸款風(fēng)險(xiǎn)的誘導(dǎo)因素，有效地控制和降低信貸風(fēng)險(xiǎn)的發(fā)生。通過(guò)建立信用欺詐模型，幫助銀行發(fā)現(xiàn)具有潛在欺詐性的事件，開(kāi)展欺詐偵查分析，預(yù)防和控制資金非法流失。

(二)客戶(hù)管理

在銀行客戶(hù)管理生命周期的各個(gè)階段，都會(huì)用到數(shù)據(jù)挖掘技術(shù)。

1.獲取客戶(hù)

發(fā)現(xiàn)和開(kāi)拓新客戶(hù)對(duì)任何一家銀行來(lái)說(shuō)都至關(guān)重要。通過(guò)探索性的數(shù)據(jù)挖掘方法，如自動(dòng)探測(cè)聚類(lèi)和購(gòu)物籃分析，可以用來(lái)找出客戶(hù)數(shù)據(jù)庫(kù)中的特征，預(yù)測(cè)對(duì)于銀行活動(dòng)的響應(yīng)率。那些被定為有利的特征可以與新的非客戶(hù)群進(jìn)行匹配，以增加營(yíng)銷(xiāo)活動(dòng)的效果。

數(shù)據(jù)挖掘還可從銀行數(shù)據(jù)庫(kù)存儲(chǔ)的客戶(hù)信息中，可以根據(jù)事先設(shè)定的標(biāo)準(zhǔn)找到符合條件的客戶(hù)群，也可以把客戶(hù)進(jìn)行聚類(lèi)分析讓其自然分群，通過(guò)對(duì)客戶(hù)的服務(wù)收入、風(fēng)險(xiǎn)、等相關(guān)因素的分析、預(yù)測(cè)和優(yōu)化，找到新的可贏利目標(biāo)客戶(hù)。

2.保留客戶(hù)

通過(guò)數(shù)據(jù)挖掘，在發(fā)現(xiàn)流失客戶(hù)的特征后，銀行可以在具有相似特征的客戶(hù)未流失之前，采取額外增值服務(wù)、特殊待遇和激勵(lì)忠誠(chéng)度等措施保留客戶(hù)。比如，使用信用卡損耗模型，可以預(yù)測(cè)哪些客戶(hù)將停止使用銀行的信用卡，而轉(zhuǎn)用競(jìng)爭(zhēng)對(duì)手的卡，根據(jù)數(shù)據(jù)挖掘結(jié)果，銀行可以采取措施來(lái)保持這些客戶(hù)的信任。當(dāng)?shù)贸隹赡芰魇У目蛻?hù)名單后，可對(duì)客戶(hù)進(jìn)行關(guān)懷訪(fǎng)問(wèn)，爭(zhēng)取留住客戶(hù)。

為留住老客戶(hù)，防止客戶(hù)流失，就必須了解客戶(hù)的需求。數(shù)據(jù)挖掘，可以識(shí)別導(dǎo)致客戶(hù)轉(zhuǎn)移的關(guān)聯(lián)因子，用模式找出當(dāng)前客戶(hù)中相似的可能轉(zhuǎn)移者，通過(guò)孤立點(diǎn)分析法可以發(fā)現(xiàn)客戶(hù)的異常行為，從而使銀行避免不必要的客戶(hù)流失。數(shù)據(jù)挖掘工具，還可以對(duì)大量的客戶(hù)資料進(jìn)行分析，建立數(shù)據(jù)模型，確定客戶(hù)的交易習(xí)慣、交易額度和交易頻率，分析客戶(hù)對(duì)某個(gè)產(chǎn)品的忠誠(chéng)程度、持久性等，從而為他們提供個(gè)性化定制服務(wù)，以提高客戶(hù)忠誠(chéng)度。

3.優(yōu)化客戶(hù)服務(wù)

銀行業(yè)競(jìng)爭(zhēng)日益激烈，客戶(hù)服務(wù)的質(zhì)量是關(guān)系到銀行發(fā)展的重要因素?？蛻?hù)是一個(gè)可能根據(jù)年費(fèi)、服務(wù)、優(yōu)惠條件等因素而不斷流動(dòng)的團(tuán)體，為客戶(hù)提供優(yōu)質(zhì)和個(gè)性化的服務(wù)，是取得客戶(hù)信任的重要手段。根據(jù)二八原則，銀行業(yè)20%的客戶(hù)創(chuàng)造了80%的價(jià)值，要對(duì)這20%的客戶(hù)實(shí)施最優(yōu)質(zhì)的服務(wù)，前提是發(fā)現(xiàn)這20%的重點(diǎn)客戶(hù)。重點(diǎn)客戶(hù)的發(fā)現(xiàn)通常是由一系列的數(shù)據(jù)挖掘來(lái)實(shí)現(xiàn)的。如通過(guò)分析客戶(hù)對(duì)產(chǎn)品的應(yīng)用頻率、持續(xù)性等指標(biāo)來(lái)判別客戶(hù)的忠誠(chéng)度，通過(guò)交易數(shù)據(jù)的詳細(xì)分析來(lái)鑒別哪些是銀行希望保持的客戶(hù)。找到重點(diǎn)客戶(hù)后，銀行就能為客戶(hù)提供有針對(duì)性的服務(wù)。

三、數(shù)據(jù)挖掘在銀行業(yè)的具體應(yīng)用

數(shù)據(jù)挖掘技術(shù)在銀行業(yè)中的應(yīng)用，其中一個(gè)重要前提條件是，必須建立一個(gè)統(tǒng)一的中央客戶(hù)數(shù)據(jù)庫(kù)，以提高客戶(hù)信息的分析能力。分析開(kāi)始時(shí)，從數(shù)據(jù)庫(kù)中收集與客戶(hù)有關(guān)的所有信息、交易記錄，進(jìn)行建模，對(duì)數(shù)據(jù)進(jìn)行分析，對(duì)客戶(hù)將來(lái)的行為進(jìn)行預(yù)測(cè)。具體應(yīng)用分為五個(gè)階段：

(一)加載客戶(hù)賬號(hào)信息。這一階段，主要是進(jìn)行數(shù)據(jù)清理，消除現(xiàn)有業(yè)務(wù)系統(tǒng)中有關(guān)客戶(hù)賬戶(hù)數(shù)據(jù)不一致的現(xiàn)象，將其整合到中央客戶(hù)信息庫(kù)。銀行各業(yè)務(wù)部門(mén)對(duì)客戶(hù)有統(tǒng)一的視圖，可以進(jìn)行相關(guān)的客戶(hù)分析，如客戶(hù)人數(shù)，客戶(hù)分類(lèi)，基本需求等。

(二)加載客戶(hù)交易信息階段。這一階段主要是把客戶(hù)與銀行分銷(xiāo)渠道的所有交易數(shù)據(jù)，包括柜臺(tái)，ATM，信用卡，匯款，轉(zhuǎn)賬等，加載到中央市場(chǎng)客戶(hù)信息庫(kù)。這一階段完成后，銀行可以分析客戶(hù)使用分銷(xiāo)渠道的情況和分銷(xiāo)渠道的容量，了解客戶(hù)，渠道，服務(wù)三者之間的關(guān)系。

(三)模型評(píng)測(cè)。這是為客戶(hù)的每一個(gè)賬號(hào)建立利潤(rùn)評(píng)測(cè)模型，需要收入和的確定金額，因此需要加載系統(tǒng)的數(shù)據(jù)到中央數(shù)據(jù)庫(kù)。這一階段完成后，銀行可以從組織，用戶(hù)和產(chǎn)品三個(gè)方面分析利潤(rùn)貢獻(xiàn)度。如銀行可以依客戶(hù)的利潤(rùn)貢獻(xiàn)度安排合適的分銷(xiāo)渠道，模擬和預(yù)測(cè)新產(chǎn)品對(duì)銀行的利潤(rùn)貢獻(xiàn)度等。

(四)優(yōu)化客戶(hù)關(guān)系。銀行應(yīng)該掌握客戶(hù)在生活、職業(yè)等方面的行為變化及外部的變化，抓住推銷(xiāo)新產(chǎn)品和服務(wù)的時(shí)機(jī)。這需要將賬號(hào)每天發(fā)生的交易明細(xì)數(shù)據(jù)，定時(shí)加載到中央數(shù)據(jù)倉(cāng)庫(kù)，核對(duì)客戶(hù)行為的變化。如有變化，銀行則利用客戶(hù)的購(gòu)買(mǎi)傾向模型，渠道喜好模型，利潤(rùn)貢獻(xiàn)模型，信用和風(fēng)險(xiǎn)評(píng)測(cè)模型等，主動(dòng)與客戶(hù)取得聯(lián)系。

(五)風(fēng)險(xiǎn)評(píng)估。銀行風(fēng)險(xiǎn)管理的對(duì)象主要是與資產(chǎn)和負(fù)債有關(guān)的風(fēng)險(xiǎn)，因此與資產(chǎn)負(fù)債有關(guān)的業(yè)務(wù)系統(tǒng)的交易數(shù)據(jù)要加載到中央數(shù)據(jù)倉(cāng)庫(kù);然后，銀行應(yīng)按照不同的期間，分析和計(jì)算利率敏感性資產(chǎn)和負(fù)債之間的缺口，知道銀行在不同期間資本比率、資產(chǎn)負(fù)債結(jié)構(gòu)、資金情況和凈利息收入的變化。

四、結(jié)語(yǔ)

目前，銀行業(yè)已逐步走向個(gè)性化服務(wù)和科學(xué)決策階段，數(shù)據(jù)挖掘具有強(qiáng)大的信息處理和分析能力，可以為銀行提供科學(xué)的決策依據(jù)和技術(shù)支持。在全球化的今天，只有順應(yīng)知識(shí)經(jīng)濟(jì)時(shí)代的潮流，充分利用數(shù)據(jù)挖掘等現(xiàn)代科學(xué)技術(shù)，才能更好地促進(jìn)銀行業(yè)持續(xù)、健康的發(fā)展。