蔡曉龍

摘要：數(shù)據(jù)挖掘技術(shù)日漸成熟，出現(xiàn)了多種挖掘技術(shù)和方法，在多個實(shí)際領(lǐng)域得到廣泛應(yīng)用。本文在對銀行管理信息系統(tǒng)中典型的客戶關(guān)系管理系統(tǒng)研究的基礎(chǔ)上，介紹了數(shù)據(jù)挖掘技術(shù)在銀行客戶關(guān)系管理系統(tǒng)中的應(yīng)用情況，并針對實(shí)際應(yīng)用中存在的問題，給出相應(yīng)的對策，最后指出數(shù)據(jù)挖掘技術(shù)未來可能的研究方向。

關(guān)鍵詞：客戶關(guān)系管理系統(tǒng)；數(shù)據(jù)挖掘；商業(yè)銀行

0引言

大數(shù)據(jù)時代，最早被麥肯錫公司提出。大數(shù)據(jù)在醫(yī)學(xué)、物理學(xué)、軍事、金融、通訊領(lǐng)域存在數(shù)年，這些行業(yè)的企業(yè)在生產(chǎn)運(yùn)營中積累了海量的數(shù)據(jù)。互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展，使人們更加關(guān)注如何從海量的數(shù)據(jù)中采集有效數(shù)據(jù)，進(jìn)而分析數(shù)據(jù)，得到有用信息，為未來決策提供支持。金融行業(yè)是國民經(jīng)濟(jì)的綜合部門，關(guān)乎各行各業(yè)企業(yè)的發(fā)展。商業(yè)銀行作為重要的金融中介，對于如何從多年積累的數(shù)據(jù)中挖掘出有用的信息，做出正確的、符合經(jīng)濟(jì)發(fā)展的決策的研究，其價值不可忽略。數(shù)據(jù)挖掘技術(shù)應(yīng)時代需求而生，并在商業(yè)銀行的管理信息系統(tǒng)中得到廣泛的應(yīng)用。

本文就數(shù)據(jù)挖掘技術(shù)在商業(yè)銀行的管理信息系統(tǒng)中的實(shí)際應(yīng)用，以客戶關(guān)系管理系統(tǒng)為例，進(jìn)行分析研究，指出未來可能的研究方向。

1商業(yè)銀行管理信息系統(tǒng)

商業(yè)銀行作為重要的金融中介，調(diào)劑著社會資金余缺，在“流動性、效益性、安全性”三性原則的基礎(chǔ)上經(jīng)營，主要包括負(fù)債業(yè)務(wù)、資產(chǎn)業(yè)務(wù)和中間業(yè)務(wù)，其客戶分布在社會的各個行業(yè)。數(shù)據(jù)挖掘技術(shù)在商業(yè)銀行管理信心系統(tǒng)中的應(yīng)用能夠幫助商業(yè)銀行從大量客戶數(shù)據(jù)中，發(fā)現(xiàn)潛在的規(guī)律和知識為管理決策提供支持，幫助商業(yè)銀行制定有效的戰(zhàn)略決策，在以客戶為中心的主導(dǎo)思想下，有效的分析客戶的需求、實(shí)現(xiàn)高效的客戶管理，提供優(yōu)質(zhì)的客戶服務(wù)。

2 數(shù)據(jù)挖掘技術(shù)簡介

不同學(xué)者對數(shù)據(jù)挖掘給予多種不同的定義，其中認(rèn)可度比較高的，是1995年第一屆數(shù)據(jù)挖掘大會的定義，“數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是指從大量數(shù)據(jù)中提取有效的、新穎的、潛在有用的、最終可被理解的模式的非平凡過程[1]”。

其中，非平凡是指不是簡單地進(jìn)行數(shù)據(jù)統(tǒng)計、查詢或者運(yùn)算，而是要根據(jù)各種模型和算法對數(shù)據(jù)進(jìn)行深層次的加工處理，同時還要利用技術(shù)使該過程自動地智能化的進(jìn)行。因此，

數(shù)十年來，數(shù)據(jù)挖掘研究的一個重點(diǎn)就是各種數(shù)據(jù)挖掘技術(shù)，從最初的關(guān)聯(lián)規(guī)則、聚類、粗糙集方法，擴(kuò)展到信息融合與神經(jīng)網(wǎng)絡(luò)結(jié)合，Hibert空間、動態(tài)規(guī)劃、信息熵等方法。

數(shù)據(jù)挖掘是面向應(yīng)用的，是多學(xué)科知識的的交叉應(yīng)用，各個不同的主體開發(fā)的數(shù)據(jù)挖掘軟件只符合自身的標(biāo)準(zhǔn)，導(dǎo)致該領(lǐng)域出現(xiàn)了諸如：1）不同的模型和技術(shù)難以繼承；2）很難用統(tǒng)一的語言來描述數(shù)據(jù)挖掘的問題，在交互中出現(xiàn)問題；3）各種主體知識的獨(dú)立性與異質(zhì)性，使知識發(fā)現(xiàn)功能難以實(shí)現(xiàn)跨平臺或嵌入大型應(yīng)用。最終，經(jīng)過研究，在數(shù)據(jù)挖掘的業(yè)界標(biāo)準(zhǔn)的過程標(biāo)準(zhǔn)、接口標(biāo)準(zhǔn)、語言標(biāo)準(zhǔn)和網(wǎng)絡(luò)標(biāo)準(zhǔn)上都有了一定的成果。

3 數(shù)據(jù)挖掘在商業(yè)銀行客戶關(guān)系管理系統(tǒng)中的應(yīng)用

進(jìn)行數(shù)據(jù)挖掘之前要做好信息的收集、建立數(shù)據(jù)倉庫的工作，數(shù)據(jù)倉庫存儲來自銀行不同業(yè)務(wù)的大量的歷史數(shù)據(jù)，與一般數(shù)據(jù)庫不同，歷史數(shù)據(jù)可供分析和決策支持，但是不能對其進(jìn)行修改。

在商業(yè)銀行的客戶關(guān)系管理系統(tǒng)中，其主要解決的問題包括：1）客戶概況分析，將銀行的客戶根據(jù)消費(fèi)情況分為不同層次、了解不同層次客戶的愛好和消費(fèi)習(xí)慣，便于制定策略調(diào)整未來的產(chǎn)品和服務(wù)；2）客戶忠誠度分析，使用重復(fù)交易率、持久性等指標(biāo)判斷客戶對該銀行金融產(chǎn)品的忠實(shí)程度；對忠誠度好的顧客可以給予一定的優(yōu)惠政策，減少該類客戶的流失率；3）客戶利潤分析，不同級別客戶的一次消費(fèi)行為為該銀行帶來的邊際利潤、顧客總體消費(fèi)帶來的總利潤、凈利潤等；4）客戶性能分析，根據(jù)不同客戶對各類金融產(chǎn)品的偏好、購買渠道、購買地點(diǎn)等計算出顧客的銷售貢獻(xiàn)率。

3.1數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)準(zhǔn)備階段包含數(shù)據(jù)集成、數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理等過程。

首先從銀行客戶關(guān)系管理系統(tǒng)的目標(biāo)中選定需要解決的問題，對問題進(jìn)行初步分析，確定問題的類型。根據(jù)問題的類型，選擇與之相關(guān)的現(xiàn)實(shí)數(shù)據(jù)庫，確定挖掘的目的或任務(wù)，制定挖掘計劃，根據(jù)計劃收集與問題相關(guān)的、有代表性的數(shù)據(jù)。銀行的數(shù)據(jù)的存儲一般使用SQL Server、oracle、DB2、sysbase等數(shù)據(jù)庫，累積的數(shù)據(jù)量比較大，且格式不統(tǒng)一。進(jìn)行數(shù)據(jù)預(yù)處理的目的是將數(shù)據(jù)庫中數(shù)據(jù)變換成可以挖掘的形式，即合并多數(shù)據(jù)庫運(yùn)行環(huán)境中的數(shù)據(jù)，消除數(shù)據(jù)庫中的重復(fù)記錄、補(bǔ)缺確實(shí)的記錄等，避免出現(xiàn)二義性的語義、消除不規(guī)范的臟數(shù)據(jù)，建立標(biāo)準(zhǔn)化的、統(tǒng)一的數(shù)據(jù)視圖。所選數(shù)據(jù)的數(shù)量和質(zhì)量直接影響數(shù)據(jù)挖掘的結(jié)果，因此，不相關(guān)的數(shù)據(jù)要盡量排除，減少數(shù)據(jù)的處理量，以免影響數(shù)據(jù)挖掘的處理效率和最終結(jié)果。

隨著金融機(jī)構(gòu)之間競爭的加劇，各種創(chuàng)新的金融產(chǎn)品不斷進(jìn)入市場，對客戶而言，可選的范圍增加，對客戶效用的取得大有益處。然而，多數(shù)金融機(jī)構(gòu)的產(chǎn)品之間并無太大差異，因此，在相似或者同質(zhì)金融產(chǎn)品的競爭方面，銀行客戶的忠誠度分析意義重大。此處以客戶的忠誠度分析為例，需要準(zhǔn)備的數(shù)據(jù)大致包括：同一客戶對該銀行不同種類金融產(chǎn)品的消費(fèi)量、老顧客對新產(chǎn)品的交易率、通過調(diào)研得到的客戶對企業(yè)的滿意度等數(shù)據(jù)。

3.2數(shù)據(jù)挖掘

該步驟是核心環(huán)節(jié)。根據(jù)第一步設(shè)定的挖掘目標(biāo)，從各種數(shù)據(jù)挖掘的技術(shù)和算法中選出適合該類挖掘的模型，并選定最終需要測試的數(shù)據(jù)。完成以上步驟后，開始進(jìn)行數(shù)據(jù)的挖掘分析，得出數(shù)據(jù)挖掘的結(jié)果。所選模型會呈現(xiàn)不同的挖掘結(jié)果。

3.3模型評價和檢驗(yàn)

前一個步驟的測試數(shù)據(jù)，可以對挖掘的結(jié)果進(jìn)行檢驗(yàn)，并計算誤差率，若未達(dá)到計劃目標(biāo)時，可重回之前步驟，再次進(jìn)行數(shù)據(jù)挖掘。

數(shù)據(jù)挖掘的結(jié)果對決策的支持作用并不絕對，有些挖掘結(jié)果對決策是無用的，甚至完全偏離事實(shí)，因此，對決策者而言，需要結(jié)合自身的知識與經(jīng)驗(yàn)，并結(jié)合多種其他指標(biāo)，形成多元化的評價體系，從而判斷數(shù)據(jù)挖掘的有用性。

4 數(shù)據(jù)挖掘技術(shù)在銀行客戶關(guān)系管理系統(tǒng)的應(yīng)用存在的問題及相關(guān)策略

我國多數(shù)大型商業(yè)銀行都在客戶關(guān)系管理中引入數(shù)據(jù)挖掘技術(shù)，但是應(yīng)用成功的案例相對較少。存在的問題：1）數(shù)據(jù)挖掘系統(tǒng)的構(gòu)建成本高，但是使用頻率較低；2）算法的選取等原因，導(dǎo)致挖掘結(jié)果不能支持決策，或有違事實(shí)的情況發(fā)生；3）數(shù)據(jù)挖掘系統(tǒng)難以適應(yīng)挖掘需求的頻繁更變；4）數(shù)據(jù)挖掘的效率較低，對于同時處理多種不同類型數(shù)據(jù)的挖掘，缺乏高性能的挖掘算法。

對解決以上問題，需要關(guān)注以下幾個方面的研究：

4.1高性能數(shù)據(jù)挖掘算法

大型數(shù)據(jù)庫中每日產(chǎn)生的、多年積累的巨量記錄，有一維至多維、單層至多層及不同組合記錄。其中，有結(jié)構(gòu)化數(shù)據(jù)、空間數(shù)據(jù)、時間序列數(shù)據(jù)、WEB數(shù)據(jù)、多媒體的音頻視頻圖像等半結(jié)構(gòu)化或無結(jié)構(gòu)的數(shù)據(jù)，無可避免的出現(xiàn)數(shù)據(jù)噪音、臟數(shù)據(jù)等。

因此，要設(shè)計能夠處理多種類型或組合類型數(shù)據(jù)的高性能的數(shù)據(jù)挖掘模型，或?yàn)榱颂岣咄诰蛐?，研究并行挖掘、分布式挖掘和增量挖掘的方法?/p>

4.2知識驗(yàn)證機(jī)制

數(shù)據(jù)挖掘的結(jié)果的有用性需要結(jié)合實(shí)際的知識來進(jìn)行驗(yàn)證，只有符合人們認(rèn)識規(guī)律、能得到事實(shí)支持的數(shù)據(jù)挖掘結(jié)果才具有可用性。

4.3知識解釋

數(shù)據(jù)挖掘的結(jié)果所呈現(xiàn)的規(guī)律，必須通過形象的解釋，并以直觀易用的形式呈現(xiàn)出來，才能更好被更廣泛的接受和使用，因此，要注重對知識解釋過程的研究。

5結(jié)束語

面對經(jīng)濟(jì)全球化的趨勢，商業(yè)銀行的競爭的范圍和強(qiáng)度不斷增大，對銀行高層有效決策的要求也不斷加強(qiáng)。數(shù)據(jù)挖掘能夠幫助決策者從客戶關(guān)系管理系統(tǒng)的歷史數(shù)據(jù)中挖掘出有助于決策的信息，有助于留住老客戶、開發(fā)銷售渠道、吸引新客戶、開法新產(chǎn)品和進(jìn)行有效的風(fēng)險管理。

本文介紹了數(shù)據(jù)挖掘技術(shù)在商業(yè)銀行客戶關(guān)系管理系統(tǒng)中的應(yīng)用步驟，指出了其中存在的問題，并針對這些問題，指出了未來研究數(shù)據(jù)挖掘技術(shù)可能的研究方向。

參考文獻(xiàn)：

[1] Fayyad U M， Piatetsky-Shapiro G， Smyth P，et al. Advances in Knowledge Discovery and Data Mining. AAAI/MIT Press，1996

[2] 劉明亮，李雄飛等.數(shù)據(jù)挖掘技術(shù)標(biāo)準(zhǔn)綜述[J].計算機(jī)科學(xué).2008.

[3] 周晶平.數(shù)據(jù)挖掘在銀行分析型CRM系統(tǒng)應(yīng)用中存在的問題與對策 [J]. 2010年3月第1期

[4] 聶文海.挖掘技術(shù)的客戶忠誠滿意度模型及其應(yīng)用研究[M].華中科技大學(xué)，2006.

[5] 吳志華.基于知識發(fā)現(xiàn)的時序數(shù)據(jù)挖掘算法研究[M].華北工學(xué)院，2002.

[6] 吳志鴻.數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用[J].現(xiàn)代情報.2003年7月第7期

[7] 鄒志文， 朱金偉.數(shù)據(jù)挖掘算法研究與綜述[J].計算機(jī)工程與設(shè)計.2005年9月