让数据说话数据挖掘技术商业价值及其在金融行业应用.docVIP

让数据说话数据挖掘技术商业价值及其在金融行业应用 　　 　　随着科学技术的飞速发展与计算机技术的广泛应用，在人类生产生活的各个领域产生了大量数据，由此催生了具备强大储存查询功能的数据库技术。但是面对每分每秒不断产生的数据，人们不再满足于对这些数据单纯的查询功能，进一步要求“用数据说话”：利用数据提取有益信息，形成知识为决策服务。这一要求就数据库技术而言已经显得无能为力了，同样，传统的统计科学也面临了极大的挑战。于是，一种依托于统计学、数据库、机器学习等科学的交叉学科――数据挖掘技术应运而生。 　　“数据挖掘”(Data Mining)是一种新的商业信息处理技术，其主要特点是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，从中提取辅助商业决策的关键性数据。数据挖掘与传统的数据分析，如查询、报表、OLAP（联机应用分析）、统计分??等数据分析技术的本质区别在于，数据挖掘是在明确假设的前提下去挖掘信息、发现知识。 　　作为一门应用技术，数据挖掘可谓涵盖广泛。尤其在发达国家，数据挖掘技术的触角已经伸向了各行各业，尤其是在银行业。典型的例子就是信用卡，用数据挖掘技术来分析银行客户的信用等级和资产发展趋势，用以规避银行风险。现在，由于各行业业务信息化的实现，商业领域产生了大量的业务数据，这些数据或是为了分析的目的而收集，或是通过纯粹的商业运作而自然产生。分析这些数据不再是单纯为了研究的需要，更主要是为商业决策提供真正有价值的支持信息。目前所有企业面临的一个共同问题是：企业数据量非常大，而其中真正有价值的信息却很少。因此就要求通过数据挖掘技术的使用对大量的数据进行深层分析，获得有利于商业决策的信息。 　　数据挖掘作为信息技术发展的关键技术正显现出其巨大的商业价值，在金融领域尤其如此。经济的全球化和我国加入WTO，使中国金融行业在市场竞争中面临着前所未有的机遇和挑战。随着中国经济的腾飞，居民个人和家庭逐渐成为社会财富的主体，这使得零售业务成为中国金融行业的主战场。中国金融企业，特别是商业银行，迫切需要将市场营销理念从“产品导向”迅速转变为“客户导向”。在这场划时代的金融改革中，数据挖掘技术将成为协助中国金融行业成功转型的一把利刃。 　　 　　客户概况：对症下药 　　提高客户的潜在价值 　　 　　美国北达科他州第一国民银行发现，10%的客户提供了银行几乎所有的利润。旧金山的美国银行也发现，一小部分客户，大约在20%左右，他们决定了银行的盈利情况。美国银行收集了其高端客户的资料来进行研究以决定提供的服务。在数据挖掘中，客户概况的意义就在于帮助企业识别出最具价值的客户群，对症下药，对不同客户施以不同管理方式。客户概况也是客户关系管理（以下简称CRM，Customer Relationship Management）中的核心部分。 　　企业客户大体可分为机构客户和零售客户。中国传统的金融业务侧重在对机构客户的关系维护与拓展上，缺乏对零售客户的管理。而在发达国家和地区的金融企业中，零售客户业务的比重通常都在50%以上。由于零售业务涉及居民的生活、消费、投资等方方面面，与证券、保险、基金等多个金融市场有着非常强的交叉性、连带性，业务创新的空间广阔。正如国务院发展研究中心金融研究所副所长巴曙松所说，2006年底中国入世5年保护期满，主流外资银行将正式在中国展开与国内商业银行的激战，而竞争的焦点将是人民币零售业务。 　　数据挖掘技术正是在管理零售客户这一领域具有强大的技术优势。例如，中国工商银行正在同中国科学院虚拟经济与数据科学研究中心开展合作，应用该中心所独有的数据挖掘技术方法与模型对其客户群进行科学分类，对个人客户群行为特征以及个人客户贡献度分布规律数据进行深度挖掘、分析和提炼，发现蕴藏在复杂数据中的反映顾客风险特征和客户忠诚度的知识和规律，以便为中国工商银行的个人客户分类、风险管理、市场营销等提供科学依据。 　　CRM应用相应的技术来监控客户服务，通过数据挖掘技术可以有效地增强这一功能，了解每一个客户对公司的价值，使得决策者可以更合理地决定为保留某个客户支付更多的费用是否值得。银行业中的数据挖掘有很多种机会。Deloitte咨询发现只有31%的银行曾经确定它们现有的费用分配是反映了客户需求的。Kathleen Khirallah，The Tower集团的分析师，预测美国银行界在CRM系统上的支出将以每年11%的速度增长。 　　而在中国的金融领域，CRM及其相应技术的应用水平相比于西方成熟金融市场，还有很大的成长空间。以信用卡客户为例，自上世纪90年代前期开始，中国境内个人信用卡业务以井喷的态势发展（如图1所示）。然而截至今日，实现信用卡业务盈利的国内商业银行寥寥无几，根本原因在于银行对持卡客户并不了解，缺