數據挖掘在銀行中的應用

1數據挖掘技術在銀行信貸風險管理中的應用

貸款業務是銀行最重要的業務之一，銀行通過賺取存取款利率之間的差價從中獲取利潤，所以銀行信貸風險的管控極為重要。銀行信貸風險包括正常、關注、次級、可疑和損失風險。正常貸款和關注貸款對銀行信貸風險影響很小，一般借款人會在合同約定的期限內按時償還本金和利息，貸款損失的概率很小。如果由於借款人個人的原因而導致嚴重的還款能力問題，對於損失貸款、可疑貸款、次級貸款這三項銀行貸款，銀行就需要擔負很大的風險。

銀行使用數據挖掘技術對數據的各種屬性如借款人年齡、借款人收入和職業、貸款擔保人信用情況、借款用途、借款人及其家庭還貸能力、借款金額和借款期限進行分類和篩選，把錯誤、預設或無參考價值的數據屬性進行預處理，使用決策樹的 ID3 演算法構建分類模型，建立信貸風險決策樹並對該樹進行剪枝，提取分類規則並確定重要的決策屬性，選取最優信貸風險評估模型對客戶信用風險進行分析、評估和預測，把信貸風險降到最低。

2數據挖掘在銀行客戶細分中的應用

銀行客戶細分的目的是對所有客戶實行分類營銷，達到精確營銷的目的。銀行客戶在銀行存款中凈現金流的多少稱為客戶價值，包括客戶潛在價值和當前價值兩種價值。客戶潛在價值是指經過一段時間的發展，將來銀行有很大可能從客戶身上獲得盈利。客戶當前價值是指銀行當前能從一個客戶身上所獲得的盈利。銀行依據客戶給銀行帶來價值的高低把客戶分為潛在價值、低價值、中等價值、高價值四種類型。對客戶細分首先要建立數據倉庫，然後對數據進行抽取以及對屬性進行選擇，規約複雜的客戶信息，再使用 K-Means 演算法計算並建立客戶分類模型，對潛在價值及當前價值在客戶維度上展開聚類，最終完成客戶價值的細分，實現銀行更有針對性的營銷。、

ETHINK數據智能分析平台提供本文

ETHINK數據挖掘演示DEMO http://120.26.36.169:8088/ethinknew/user?type=item3