朱永佳 宋俊典 蔡浩淼

摘 要

在當(dāng)今社會(huì)，隨著各個(gè)行業(yè)信息化程度的提高，產(chǎn)生和積累了大量復(fù)雜數(shù)據(jù)。這些數(shù)據(jù)將突出數(shù)據(jù)挖掘技術(shù)的重要價(jià)值。本文論述了數(shù)據(jù)挖掘在金融行業(yè)的五個(gè)應(yīng)用，也為今后的工作提供指導(dǎo)。

關(guān)鍵詞

大數(shù)據(jù);數(shù)據(jù)挖掘;金融行業(yè)

中圖分類號(hào)： TP311.13;F832 ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A

DOI：10.19694/j.cnki.issn2095-2457.2020.09.048

Abstract

In today's society，with the improvement of the informatization of various industries，a large amount of complex data is generated and accumulated. These data will highlight the important value of data mining technology. This article discusses five applications of data mining in the financial industry and provides guidance for future work.

Key Words

Big data;Data mining;Finance industry

0 引言

隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，社會(huì)上各個(gè)行業(yè)的信息化程度大幅提高。這為行業(yè)提供了高效率和便利的工作條件，與此同時(shí)，大數(shù)據(jù)也蘊(yùn)藏著巨大的商業(yè)價(jià)值。如何使用數(shù)據(jù)挖掘技術(shù)從大數(shù)據(jù)中提取寶貴的價(jià)值，并將其運(yùn)用于行業(yè)的戰(zhàn)略和計(jì)劃，為行業(yè)提供科學(xué)的指導(dǎo)，是亟待解決的問題。本文討論了基于大數(shù)據(jù)背景下數(shù)據(jù)挖掘在金融行業(yè)的應(yīng)用。

1 大數(shù)據(jù)的基本概念

1980年初，著名的未來學(xué)家阿爾文·托夫勒（Alvin Toffler）在他的《第三次浪潮》一書中將大數(shù)據(jù)稱贊為“第三次浪潮的典范”。1980年，許多專家和學(xué)者談到了中國(guó)海量數(shù)據(jù)的處理和管理，但是由于客觀條件的限制以及大數(shù)據(jù)未能引起足夠的重視，因此暫時(shí)忽視了巨大的信息資源[1]。隨著計(jì)算機(jī)技術(shù)的發(fā)展，互聯(lián)網(wǎng)的應(yīng)用以及以智能手機(jī)和平板電腦為代表的新型移動(dòng)設(shè)備的出現(xiàn)，許多行業(yè)，特別是金融行業(yè)大大提高了電子化和信息化的程度。結(jié)果，由各種軟件系統(tǒng)應(yīng)用程序生成的數(shù)據(jù)量呈現(xiàn)爆炸性增長(zhǎng)的趨勢(shì)。大數(shù)據(jù)正在改變?nèi)藗兊纳詈蛯?duì)世界的理解方式，更多的變化正在發(fā)生。

大數(shù)據(jù)的概念非常抽象，它具有許多屬性，例如高維度、復(fù)雜性、強(qiáng)噪聲、低值密度、社會(huì)屬性等。隨著人們對(duì)大數(shù)據(jù)的理解，其社會(huì)屬性中包含的資源引起人們不斷研究和探索。2012年3月，美國(guó)政府發(fā)布了《大數(shù)據(jù)研究與發(fā)展計(jì)劃》，投資2億美元啟動(dòng)了大數(shù)據(jù)研究與發(fā)展計(jì)劃[2]，以增強(qiáng)從大數(shù)據(jù)中提取和分析信息的技術(shù)和能力，旨在加強(qiáng)國(guó)家安全，改變教育和學(xué)習(xí)方式，加快科學(xué)和工程領(lǐng)域的創(chuàng)新速度和水平。2012年4月，歐洲信息學(xué)和數(shù)學(xué)研究協(xié)會(huì)ERCIM新聞雜志發(fā)表了關(guān)于大數(shù)據(jù)的專刊[3]，討論了大數(shù)據(jù)時(shí)代的問題，例如數(shù)據(jù)管理和密集數(shù)據(jù)研究的創(chuàng)新技術(shù)，大數(shù)據(jù)整理和挖掘所需要的工具和科學(xué)方法。

2 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘，有時(shí)也稱為數(shù)據(jù)或知識(shí)發(fā)現(xiàn)。數(shù)據(jù)挖掘一般是指從龐大、復(fù)雜、隨機(jī)、不規(guī)則和模糊的實(shí)際數(shù)據(jù)中通過算法探索價(jià)值的信息的研究過程。

數(shù)據(jù)挖掘技術(shù)是將應(yīng)用統(tǒng)計(jì)理論、智能技術(shù)和數(shù)據(jù)庫技術(shù)結(jié)合應(yīng)用的產(chǎn)物。根據(jù)執(zhí)行順序，主要有五種方法，它們是分類、估計(jì)、預(yù)測(cè)、聚類及可視化。

數(shù)據(jù)挖掘的基本過程可以表示為圖1。借助數(shù)據(jù)挖掘技術(shù)和工具，大數(shù)據(jù)的處理和應(yīng)用已成為現(xiàn)實(shí)。人們的工作和日常生活離不開信息，對(duì)知識(shí)的需求將發(fā)生變化。

3 數(shù)據(jù)挖掘在金融行業(yè)中的應(yīng)用

國(guó)際金融的電子化和信息化始于20世紀(jì)60年代。在金融產(chǎn)品多樣化且網(wǎng)絡(luò)流行的時(shí)代中，每天有大量復(fù)雜金融數(shù)據(jù)產(chǎn)生。在激烈的市場(chǎng)競(jìng)爭(zhēng)中成功的關(guān)鍵在于，金融行業(yè)的決策者是否可以利用數(shù)據(jù)挖掘技術(shù)有效利用和發(fā)展這龐大的復(fù)雜數(shù)據(jù)，然后制定科學(xué)、合理、潛在的計(jì)劃和策略。

金融行業(yè)中使用的數(shù)據(jù)挖掘主要可以從以下幾個(gè)方面進(jìn)行討論。

1）構(gòu)建多維數(shù)據(jù)分析的數(shù)據(jù)挖掘模型和數(shù)據(jù)倉庫

數(shù)據(jù)挖掘在金融行業(yè)的應(yīng)用是全方位的。在銀行和證券業(yè)，根據(jù)時(shí)間、地理空間或組織部門等不同的查詢債務(wù)和稅收變化，根據(jù)不同的需求分別建立數(shù)學(xué)模型，并從提供的統(tǒng)計(jì)信息方向建立最大值、最小值、和、平均值等模型，從專業(yè)技術(shù)方向建立數(shù)據(jù)倉庫、數(shù)據(jù)立方體、多特征和發(fā)現(xiàn)驅(qū)動(dòng)的數(shù)據(jù)立方體、特征和比較分析以及離群點(diǎn)分析模型[4]。這將為數(shù)據(jù)處理和應(yīng)用做準(zhǔn)備。

2）分析客戶狀態(tài)

金融行業(yè)的代理商擁有龐大的客戶群。因此，客戶與各種金融企業(yè)之間的交流和合作產(chǎn)生了大量數(shù)據(jù)。在確?？蛻粜畔⒑蛿?shù)據(jù)安全的情況下，基于固定的時(shí)間間隔（例如每月）的收入和支出信息來區(qū)分收入、消費(fèi)能力和還款能力等客戶狀態(tài)，這目前已成為現(xiàn)實(shí)。通過客戶的數(shù)據(jù)挖掘結(jié)果，來管理復(fù)雜的客戶關(guān)系、區(qū)分客戶、識(shí)別關(guān)鍵客戶、挖掘客戶需求、描述客戶的行為路徑，然后預(yù)測(cè)客戶流失的可能性，采取措施留住客戶，并減少客戶流失。

大數(shù)據(jù)可以幫助金融機(jī)構(gòu)從以產(chǎn)品為中心轉(zhuǎn)變?yōu)橐钥蛻魹橹行?。例如，一家具有?qiáng)大競(jìng)爭(zhēng)力的國(guó)內(nèi)股份制銀行，通過收集客戶的信用卡支出和社交媒體信息，可以準(zhǔn)確區(qū)分客戶的消費(fèi)偏好;并根據(jù)ATM交易軌跡和手機(jī)地理位置信息，實(shí)時(shí)獲取客戶的地理位置信息，并在其附近及時(shí)向客戶推送與其偏好相符的商店折扣活動(dòng)。此外，銀行通過客戶的財(cái)務(wù)記錄和社交平臺(tái)互動(dòng)信息，分析出客戶的社交網(wǎng)絡(luò)關(guān)聯(lián)圖，識(shí)別出有影響力的社會(huì)熱點(diǎn)客戶，然后將金融產(chǎn)品推薦給有影響力的社會(huì)熱點(diǎn)客戶，擴(kuò)大他們的影響力和營(yíng)銷范圍[5]。

3）企業(yè)風(fēng)險(xiǎn)管理

金融領(lǐng)域中的各種業(yè)務(wù)，通常伴隨著大量的貨幣流通活動(dòng)，會(huì)產(chǎn)生相應(yīng)的業(yè)務(wù)數(shù)據(jù)。預(yù)防金融風(fēng)險(xiǎn)和識(shí)別金融欺詐已成為金融公司需要重點(diǎn)關(guān)注和管理的問題。在執(zhí)行這些工作時(shí)，除了以前的方法外，目前使用數(shù)據(jù)挖掘技術(shù)可以分析、發(fā)現(xiàn)與行業(yè)發(fā)展有關(guān)的風(fēng)險(xiǎn)信息和用戶的個(gè)人信用信息，預(yù)測(cè)風(fēng)險(xiǎn)水平，并為決策提供參考數(shù)據(jù)。廠商為了避免風(fēng)險(xiǎn)，從大量的金融業(yè)務(wù)數(shù)據(jù)和客戶交易信息中獲取信息。[6]例如，在銀行信用卡管理中使用數(shù)據(jù)挖掘技術(shù)，可以分析客戶信用卡的使用模式，了解客戶使用信用卡的習(xí)慣，并動(dòng)態(tài)監(jiān)視信用卡的使用狀態(tài)。一旦出現(xiàn)客戶信用卡異常使用情況，發(fā)卡機(jī)構(gòu)可以采取預(yù)防措施以減少損失。數(shù)據(jù)挖掘技術(shù)還可以用于分析某些欺詐模式，找出欺詐模式的共性，并為金融企業(yè)提供預(yù)警和參考，加強(qiáng)企業(yè)監(jiān)督管理。

4）預(yù)測(cè)市場(chǎng)趨勢(shì)

市場(chǎng)是瞬息萬變的，但也有其規(guī)則，其中財(cái)務(wù)數(shù)據(jù)相對(duì)完整。金融機(jī)構(gòu)使用數(shù)據(jù)挖掘技術(shù)，從日新月異的數(shù)據(jù)中發(fā)現(xiàn)并掌握市場(chǎng)規(guī)則，預(yù)測(cè)產(chǎn)品價(jià)格趨勢(shì)和客戶需求變化，開發(fā)和制造以市場(chǎng)為導(dǎo)向的產(chǎn)品，以占領(lǐng)市場(chǎng)機(jī)會(huì)并增強(qiáng)金融企業(yè)的市場(chǎng)競(jìng)爭(zhēng)力。

5）為偵查經(jīng)濟(jì)犯罪提供支持

經(jīng)濟(jì)犯罪是金融業(yè)面臨的問題之一，包括洗錢、惡意透支、偽造信用卡等。為了提供解決經(jīng)濟(jì)犯罪的線索，可以集成多個(gè)數(shù)據(jù)庫的信息。例如某個(gè)地區(qū)的銀行交易數(shù)據(jù)庫、犯罪歷史數(shù)據(jù)庫;然后通過分析工具來檢測(cè)異常數(shù)據(jù)，例如，分析某個(gè)時(shí)段內(nèi)大量現(xiàn)金流動(dòng)的人。根據(jù)時(shí)間和客戶群以圖表形式顯示交易活動(dòng)的數(shù)據(jù)可視化工具、區(qū)分客戶和活動(dòng)之間關(guān)系的分析工具、過濾出不相關(guān)屬性并進(jìn)行屬性分類的分類工具、高度相關(guān)的聚類工具，通過這些工具對(duì)不同的案例進(jìn)行分組，通過異常點(diǎn)分析工具檢測(cè)異常的資金轉(zhuǎn)移量或其他行為，通過序列模式分析工具分析異常訪問序列的特征[7]。這些數(shù)據(jù)挖掘工具可以識(shí)別活動(dòng)的重要連接和模式，并為調(diào)查人員提供檢測(cè)線索。

4 總結(jié)

在大數(shù)據(jù)時(shí)代，尤其是在金融領(lǐng)域，數(shù)據(jù)挖掘是從海量數(shù)據(jù)中提取重要信息的強(qiáng)大工具與技術(shù)。本文簡(jiǎn)要介紹了在大數(shù)據(jù)時(shí)代背景下使用數(shù)據(jù)挖掘技術(shù)和工具從五個(gè)方面為金融行業(yè)提供的支持服務(wù)。作者希望可以為相關(guān)人員的研究工作提供參考，同時(shí)，也為作者以后對(duì)數(shù)據(jù)挖掘在其他行業(yè)的應(yīng)用提供參考。

參考文獻(xiàn)

[1]Tu Xinli，Liu bo，Lin Weiwei.Survey of big data[J]，Application Research of Computers，2014，31（6）.pp.1612-1617.

[2]Li Guojie，Cheng Xueqi.Big Data Research：Science Technology And Economic Social Development of the Major Strategy Areas in the Future Research Status and Scientific Thinking of Big Data[J]，Bulletin of Chinese Academy of Sciences，2012，27（6）.pp.647-657.

[3]Big data [J].ERCIM News，2012.pp.89.

[4]Jiang Yuxuan，Chen Yucheng，Zhang Qiaoling.Research On Application of Data Mining Technology In the Financial Industry [J].Business，2013，36.pp.145.

[5]Sha sha.The Application of Big Data in Finance Industry[J]，F(xiàn)inancial computer of China，2014，6.pp.34.

[6]Tao Liu.Application of data mining technology in the financial field[J].Tianjin Science& Technology，F(xiàn)eb.2015，Vlo1.42 NO.2，51-52.

[7]Zhu Jing，Li Shijun.The Analysis of Financial Data Based on Data Mining[J]，Computer knowledge and technology，2010，6（1）.pp.18-19.