袁安偉

摘 要:近年來農村信用社不斷改革與創(chuàng)新,呈現(xiàn)出前所未有的大發(fā)展,存貸款逐年增加,歷史數(shù)據(jù)積累豐富。利用數(shù)據(jù)倉庫、數(shù)據(jù)挖掘技術實現(xiàn)數(shù)據(jù)到信息的轉變,將歷史數(shù)據(jù)以匯總信息圖表方式呈現(xiàn)出來,服務于廣大領、導員工,助推農村信用社更好發(fā)展。

關鍵詞:數(shù)據(jù)倉庫OLAP涉農貸款農村信用社

中圖分類號:TP392 文獻標識碼:A 文章編號:1674-098x(2012)05(b)-0250-01

隨著農村信用社的改革與發(fā)展,山東省農村信用社聯(lián)合社日照辦事處科技中心從建立到現(xiàn)在經過多次系統(tǒng)性改造與升級,如今已形成規(guī)模。隨著業(yè)務品種及業(yè)務量的增長,中心存儲的數(shù)據(jù)量也在日益增長。如何充分有效地利用這些數(shù)據(jù)資源成為當前面臨的一個課題。

在縣域經濟中,涉農貸款占比高,是農村信用社貸款投放的主要陣地。其特點就是散戶貸款,金額小筆數(shù)多,單筆或單一借款人貸款規(guī)律性差,難以定性、推測。但農村信用社長期以來扎根基層服務三農,多年來積累了大量的歷史數(shù)據(jù),如今已成為一種寶貴的財富。利用數(shù)據(jù)挖掘技術可以從這些歷史數(shù)據(jù)中找出潛在的規(guī)律和有價值的信息,充分利用這一資源,將給農村信用社的發(fā)展帶來一定程度上的幫助。

目前中心存儲全市農村信用社多年歷史數(shù)據(jù),可以整合信貸及相關數(shù)據(jù)庫構建一個數(shù)據(jù)倉庫(如圖1信貸信息三層數(shù)據(jù)倉庫結構所示)用于信貸方面的挖掘分析,以加強對存量涉農貸款的管理,及為新增貸款投放提供參考。

針對農村信用社投放的涉農貸款,可以從以下幾個維度:貸款五級分類形態(tài)、投放區(qū)域、借款用途、客戶經理等進行有效分析,幫助農村信用社有效的管理存量貸款以及確定新增貸款投放標準做參考。從不同角度或分類出發(fā)創(chuàng)建多維數(shù)據(jù)模型、構建數(shù)據(jù)立方體,通過概念分層逐層匯總,利用OLAP技術進行上卷與下鉆提取不同層面的匯總數(shù)據(jù)。

1 按貸款五級分類形態(tài)分析

根據(jù)現(xiàn)行農村信用社個人貸款五級分類標準,個人貸款被劃分來正常和不良兩個大類,其中正常大類中又分為正常、關注兩級,不良大類分為次級、可疑、損失三級。這一維概念分層的OLAP操作粒度,可定為:正常、關注、次級、可疑、損失。通過分析不同形態(tài)貸款占比,可以更直觀的反應貸款整體形態(tài)。

2 按貸款發(fā)放區(qū)域分析

由于區(qū)域性經濟及社會人文環(huán)境存在差異,經濟發(fā)達、人文環(huán)境好的地區(qū),客戶經濟條件好、經濟來源多,所借貸款還款及時,不良貸款率低;然而有些經濟欠發(fā)達、人文環(huán)境差的地區(qū),客戶經濟來源單一,不良貸款先例多,以至新增貸款到期逾期多,不良貸款率居高不高,地域性表現(xiàn)突出,按區(qū)域分析是非常有意義。這一維概念分層的OLAP操作粒度,可定為:村(居委會),信用社(鄉(xiāng)鎮(zhèn)、街道),聯(lián)社(縣、區(qū)),辦事處(市)。

3 按借款用途分類分析

隨著經濟周期性運行,不同行業(yè)在市場經濟中受到的影響不同,抵御不利因素能力不同,利好時,同種用途(行業(yè))的貸款同一時期會出現(xiàn)客戶還款及時、無欠本金及利息現(xiàn)象;但蕭條時就存在同種用途(行業(yè))的貸款同一時期大批到期既逾期,拖欠本金及利息不能按期償付的相反現(xiàn)象,行業(yè)特點顯著。這一維根據(jù)用途進行概念分層的OLAP操作粒度,可定為:(養(yǎng)雞(鴨、豬、牛等),養(yǎng)殖業(yè);種姜(蒜、芹菜等),種植業(yè)),農業(yè)。

4 按客戶經理分析

基于客戶經理的個人素質、對社會的認知以及抵御外界環(huán)境的能力不同，其所發(fā)放的貸款質量也存在差異。多數(shù)優(yōu)秀客戶經理責任貸款極少、不良貸款率很低，但也存在責任貸款數(shù)額大、不良貸款率高的客戶經理。通過考察客戶經理所發(fā)放貸款的質量，可以將客戶經理分類為：優(yōu)秀、稱職、不稱職三大類。

結合多個維度進行分析，構建專業(yè)的數(shù)據(jù)倉庫，實現(xiàn)對涉農小額散戶貸款多年歷史數(shù)據(jù)綜合分析，從數(shù)據(jù)中找規(guī)律，發(fā)現(xiàn)導致不良貸款形成的因素（區(qū)域性、行業(yè)性以及人為因素等）及預測貸款歸還趨勢。通過觀察同期同行業(yè)客戶形成不良貸款變化趨勢，及時查明原因，加強貸后檢查力度，提前做好催收工作，從而降低逾期及不良貸款產生；在調查、審批貸款時參考挖掘出的貸款還款趨勢信息，可以幫助決定新增貸款的發(fā)放與否及授信金額、時間的核定；通過挖掘可以由數(shù)據(jù)說話，發(fā)現(xiàn)不良客戶經理人員，應加強審計，逐一排查，維護良好的信貸內部風氣。通過對信貸歷史數(shù)據(jù)及相關數(shù)據(jù)的挖掘分析，可以得出對農村信用社發(fā)展有益的信息，為管理存量貸款提供早期不良預報，為新增信貸投放提供歷史參考信息，增強農村信用社在農村陣地戰(zhàn)斗力，為農村信用社信貸健康發(fā)展做出貢獻。

參考文獻

[1] 徐永紅.多維數(shù)據(jù)模型與OLAP實現(xiàn)[J].中國金融電腦,2004年第11期.

[2] 范明，孟小峰譯.數(shù)據(jù)挖掘概念與技術（Jiawei Han,Micheline Kamber,Data Mining Concepts and Techniques）[M].北京:機械工業(yè)出版,2008年6月第1版.

[3] 李曄明,州商業(yè)銀行科技部.用數(shù)據(jù)挖掘實現(xiàn)決策支持科[J].技信息,2006年第11期.