数据挖掘在信用卡方面应用.docVIP

数据挖掘在信用卡方面的应用 【摘要】信用卡业务在中国的发展方兴未艾，竞争也日趋激烈。如何更多地了解客户的信息，并将这种信息转变成“知识”，从而更好地为客户提供高质量的个性化服务，保持和发展高价值的客户，已经成为各银行开展信用卡业务的一个紧迫的课题。目前, 应用于信用卡营销中的技术手段包括数据库营销, 以及利用最新引入营销领域的数据挖掘技术营销。新兴的数据挖掘技术能够从海量的信用卡业务存储数据中发现一些未知的，有价值的规律，无疑为银行提供个性化地信用卡服务提供了强有力的支持。 本文在数据挖掘技术在信用卡客户营销和信用风险管理方面的应用,主要分析了客户细分模型、 客户流失模型、 客户信用许可模型、 客户行动态跟踪模型、 欺诈鉴别与管理模型。 【关键词】数据挖掘;客户营销;风险管理；响应度模型 一、 引言 随着市场的不断发展，银行之间的竞争也越来越激烈。银行需要更多地了解用户以能在最短的时间里响应他们的需求。银行的主要业务之一——信用卡业务正逐步完善，银行的信用卡业务逐渐体现出发行数量大、客户众多、交易频繁、交易信息全面准确等特点，客观上具备了进行多维数据分析和数据挖掘的条件。同时，信用卡业务数据分析和挖掘能够为业务管理人员和决策者动态地制作各类报表，利用智能数据挖掘工具发现信用卡行为模式，分析信用卡市场并进行市场预测，这也正好与银行提高服务质量、拓展市场、降低经营风险、提高经营效率的目标相符合。基于数据挖掘的信用卡管理系统正是为了适应银行目前的这种需求而研发的。 数据挖掘即数据库中的知识发现 ,就是从大量的、 不完全的、 有噪声的、 模糊的、 随机的实际应用数据中,提取隐含在其中的、 人们事先不知道的、 潜在有用的信息和知识的过程。 二、数据挖掘在信用卡客户营销中应用 2.1 基于数据挖掘的信用卡营销 信用卡营销是指通过激发和挖掘人们对信用卡商品的需求, 设计和开发出满足持卡人需求的信用卡商品, 并且通过各种有效的沟通手段, 使持卡人接受并使用这种商品, 从中获得自身最大的满足, 以实现经营者的目标。 近年来, 由于信用卡市场竞争越来越激烈, 任何一种信用卡要想抢占更多的市场份额, 都必须不断地创新其营销手段。 数据挖掘技术被广泛应用到市场营销中是以市场细分原理为基础, 假定 “消费者过去的行为是其今后消费倾向的最好说明”于数据挖掘的信用卡营销实质是利用数据挖掘方法实现信用卡营销预测的过程。 在数据挖掘方法中, 回归模型、 决策树模型是目前最常应用于营销预测方向的数据挖掘方法。 2.2 基于数据挖掘的信用卡营销响应度建模 这里所定义的信用卡营销响应度是指银行在进行信用卡营销, 特别是宣传、 促销活动的时候, 接受营销活动的客户做出的回应, 即客户提出信用卡申请的可能性。 本文所要建立的信用卡营销响应度模型, 是通过对商业银行目前积累的大量的客户数据进行一系列的处理, 利用不同预测类数据挖掘方法对所有银行已有客户的信用卡营销响应度进行预测,通过评估不同模型的预测效果, 选择最适合的数据挖掘方法建立完整的数据挖掘流程, 从而给出每个客户对信用卡宣传活动的响应度, 并同时得到对应于不同响应度的客户群的特征。通过建立这样一个信用卡营销响应度模型，商业银行一方面可以利用模型的预测结果，对具有不同特征、不同响应度的客户群进行有选择和有针对性的宣传活动，从而减少信用卡宣传活动的盲目性；另一方面还可以利用该模型对任意一个或多个新客户进行信用卡营销响应度预测，给出该客户的响应度。 以下给出 信用卡营销响应度模型的数据挖掘流程示例： 1、信用卡营销响应度模型建模数据准备 本文所使用的数据源为某银行截止到 2006 年5 月 1 日的所有客户信息数据,本文所要引用的主要数据库属性如表 1所示。其中, 信用等级由银行在客户开户的时候根据其内部信用评分系统给出; 年龄随系统时间更新;收入水平为年收入。对于有多个账户的客户, 经过处理后将该客户的同类账户余额的汇总金额作为账户余额。 表1 信用卡响应度模型的数据挖掘数据源表属性 变量名 变量说明 变量类型 取值说明 Cif _num 客户编码 文本 —— Name 姓名 文本 —— Sex 性别 文本 男，女 Certype 证件类型 文本 身份证、护照、军证 Cert_number 证件号码 文本 —— Birthdate_yyyy 出生年 数字 四位数值 Touch_addr 联系地址 文本 —— Handset 联系方式 文本 —— Credit_level 信用等级 文本 优、良、中、差 odate_yyyy 档案建立年 数字 四位数值 Psbk_bal 存款余额 数字 连续性数值 Loanbin 贷款余额 数字 连续性数值 Bin 不良贷款 数字