康拓普：大數據時代，銀行如何玩轉數據挖掘？

大數據、信息化将提升銀行風險及監督能力，降低交易雙方的參與成本和違約可能性。因此預測，未來成功銀行一定是數據大行，玩不轉大數據分析的銀行，必将被淘汰。其中大數據挖掘技術是大數據時代銀行最核心的競争力。

大數據挖掘是一種全新商業信息處理技術，最先大規模應用在金融領域，主要特點是對大量數據進行抽取、轉換、分析和模型化處理，從中提取出有助于商業決策的關鍵性數據。銀行信息化的迅速發展，産生了大量的業務數據。從海量數據中提取出有價值的信息，為銀行的商業決策服務，是數據挖掘的重要應用領域。其中，彙豐、花旗和瑞士銀行是大數據挖掘技術應用的先行者。

目前，大數據挖掘在銀行業中的應用，主要為風險管理和客戶管理2個方面。在對客戶的資信和經營預測的基礎上，運用大數據挖掘方法對信貸風險的類型和原因進行識别、估測，有效地控制和降低信貸風險的發生。在銀行客戶管理生命周期的各個階段，都會用到大數據挖掘技術。

但是，大數據挖掘技術在銀行業中的應用，其中一個重要前提條件是，必須建立一個統一的中央客戶數據庫，以提高客戶信息的分析能力。分析開始時，從數據庫中收集與客戶有關的所有信息、交易記錄，進行建模，對數據進行分析，對客戶将來的行為進行預測。具體應用分為五個方面：

1、客戶賬号信息。

主要是進行數據清理，消除現有業務系統中有關客戶賬戶數據不一緻的現象，将其整合到中央客戶信息庫。銀行各業務部門對客戶有統一的視圖，可以進行相關的客戶分析，如客戶人數，客戶分類，基本需求等。

2、客戶交易信息。

主要是把客戶與銀行分銷渠道的所有交易數據，包括櫃台，ATM，信用卡，彙款，轉賬等，加載到中央市場客戶信息庫。這一階段完成後，銀行可以分析客戶使用分銷渠道的情況和分銷渠道的容量，了解客戶，渠道，服務三者之間的關系。

3、模型評測。

這是為客戶的每一個賬号建立利潤評測模型，需要收入和的确定金額，因此需要加載系統的數據到中央數據庫。這一階段完成後，銀行可以從組織，用戶和産品三個方面分析利潤貢獻度。如銀行可以依客戶的利潤貢獻度安排合适的分銷渠道，模拟和預測新産品對銀行的利潤貢獻度等。

4、優化客戶關系。

銀行應該掌握客戶在生活、職業等方面的行為變化及外部的變化，抓住推銷新産品和服務的時機。這需要将賬号每天發生的交易明細數據，定時加載到中央數據倉庫，核對客戶行為的變化。如有變化，銀行則利用客戶的購買傾向模型，渠道喜好模型，利潤貢獻模型，信用和風險評測模型等，主動與客戶取得聯系。

5、風險評估。

銀行風險管理的對象主要是與資産和負債有關的風險，因此與資産負債有關的業務系統的交易數據要加載到中央數據倉庫;然後，銀行應按照不同的期間，分析和計算利率敏感性資産和負債之間的缺口，知道銀行在不同期間資本比率、資産負債結構、資金情況和淨利息收入的變化。

随着大數據技術的發展，銀行業已逐步走向個性化服務和科學決策階段，大數據挖掘具有強大的信息處理和分析能力，可以為銀行提供科學的決策依據和技術支持。在全球化的今天，銀行必須順應時代潮流，充分利用大數據挖掘技術，才能決勝未來。對于所有銀行來說，一款高效的大數據分析平台，是挖掘大數據價值的關鍵。極星大數據分析平台，緻力于為金融機構提供高效的金融大數據解決方案，是您值得信賴的選擇。

極星大數據分析平台，準确把握金融市場需求，在大數據底層平台的基礎上，提供了完整的大數據金融應用方案，包含用戶營銷分析、用戶洞察分析、用戶渠道分析、産品創新分析、用戶運營分析、風險防範分析等6大模塊，助力銀行等金融機構決戰大數據時代。

此外，極星大數據分析平台還廣泛适用于電力、制造業、石化、燃氣、交通等各行各業。更多詳細内容請百度搜索“極星大數據分析平台”進官網了解。