数据挖掘技术在商业银行数据库营销中价值研究.docVIP

数据挖掘技术在商业银行数据库营销中价值研究 　　【摘要】商业银行的业务活动正沿着精细化的方向发展，笔者认为将营销学中数据库营销与管理科学体系的数据挖掘技术进行跨界整合应用，对于现代商业银行拓展自身的经营活动具有非同寻常的意义。本文探讨了数据库营销与数据挖掘在商业银行经营中的价值及主要应用前景。强调指出，我国商业银行应用这两种工具应具备一定的条件，文章围绕这一主题就商业银行近期应重点采取的策略展开了研究。 　　随着银行业改革的深入，我国银行业的发展从粗放到精细化的发展是必然趋势，近期舆论讨论的利率市场化改革从中长期来看是一种必然，一旦利率市场化，银行通过单纯的存贷利差与乘数效应来实现经目标会变得十分艰难。因此，提前思考商业银行经营的出路显得十分必要。考虑到商业银行在长期的经营过程中积累了大量的数据，从宏观来看，这些数据直接或者反映了国家甚至是世界的经济状况，根据历史的数据来指导银行未来的发展意义重大；从微观来看，商业银行掌握了各类经济实体的储蓄及信贷数据，对于商业银行的产品设计、客户服务具有重大意义。基于这个前提，本文试图用营销学的前沿理论的数据库营销来讨论商业银行的发展转型，并重点分析数据挖掘技术对于商业银行进行数据库营销的意义与价值。 　　一、商业银行的数据库营销 　　从营销的视角出发，数据库营销是市场主体通过其积累的历史信息，包括客户人口统计资料、消费数据、行为模式等，通过统计分析与趋势外推等方式来预测顾客未来的消费行为，包括可能消费的品类、产品、服务等。同时，市场主体可以据此通过聚类分析等统计学的方法对客户进行聚类分析，通过STP的模式来划分细分市场，根据企业的定位于特点来为某细分市场提供相应的市场供应物，以达到企业经营的目的。同时，利用数据库，企业可以进行客户关系管理。 　　从历史沿革上来看，数据库营销是有客户关系管理发展而来，其实质为以概率论与统计学为基础，以计算机技术、网络技术与数据库技术为支撑与实现手段。 　　其运用的基本原理为：作为市场主体的企业通过其记录的大量的???费数据信息，通过适当的算法、程序来对消费者的未来行为进行预测，并利用分析的结果来进行企业产品定位、设计针对性的营销方案，以实现企业的经营目标。数据库营销同时为企业对其经营的战略与策略提供了一个检核工具，使得企业能够不断检核企业的经营行为，并实现企业的长期价值最大化。 　　数据库营销是企业经营与运营的重要工具，具有普遍适用性。在具体的商业银行应用中，数据库营销可以理解为商业银行通过其积累和搜集的大量储蓄、信贷、理财、资信水平等信息，通过一定的分析方法预测包括居民个体、企事业等银行客户的行为，并对根据分析结果对客户进行分类，选择最适合的的客户作为重点服务对象，开发针对性的产品，提供特色的产品或者服务，并进行针对性的营销，实现商业银行的经营目标，即在较低风险水平上的可持续发展。 　　二、商业银行数据库营销的重要工具―数据挖掘技术 　　商业银行要有效的发挥数据库营销的威力，需要相应的技术手段来从商业银行庞大的数据库中“挖掘”有效信息用于指导银行的决策与实践。其中，数据挖掘技术是最重要的实现数据库营销的工具之一。 　　所谓数据挖掘是指通过设计一定的算法或者程序来从历史数据中来提取隐含的信息，此种隐含的信息能够指导实践与深入认识事物的基本规律。此种信息有几个特征：（一）隐含性。在其原始的呈现方式中，此种信息淹没在大量的无用数据之中，必须通过一定的算法或者程序使之显现出来；（二）价值性。数据挖掘出来的数据对于认识及实践具有直接或者间接的指导性，从而体现出其价值型；（三）科学性。数据挖掘是基于一定的数学与概率统计基础等基础科学之上，方法的科学保证了结论的科学。 　　数据挖掘区别于传统简单的统计回归，其更注重其商业应用。其能够对大量的隶属数据进行提取、转化、分析与建模等处理，并发掘其中的关键性的规律。 　　数据挖掘的基础是历史数据，记录历史数据的数据库、档案等为数据挖掘提供了“原料”，通过对“原料”的“精炼”，提取出对决策有帮助的信息。 　　在具体的应用中，数据挖掘主要应用于消费者行为预测、趋势分析、相关性分析、聚类分析等方面。 　　数据挖掘技术从应用来看，其主要包括分类、聚类分析、关联分析、以及概念描述、偏差检验和预测等。 　　（一）分类 　　通过对分析客体的特点，通过建立一定的标准来对总体进行细分，从而化大为小。比如银行可以通过对储户的行业特征进行分析，从而知道客户等级的划分或者制定针对性的营销策略。 　　（二）聚类分析 　　聚类分析基于大量的数据进行统计特征的分析，将不同的数据记录所体现的客体进行特征的计算，将大量的对象根据某些标准分成若干类别。对象分类之间具有较大的差异，而在类别之内的对象则具有较小的差异。比如银行根据