数据挖掘在银行业的CRM中的应用

马世铁

【摘 要】挖掘技术在美国银行金融领域应用广泛。金融事务需要搜集和处理大量数据，对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。

【关键词】数据挖掘；银行；CRM

数据挖掘（Data Mining）一词最初出现于1989年8月举行的第11届国际联合人工智能学术会议上。人们提出了多种数据挖掘的定义，目前比较公认的定义是W.J.Frawley，G.Piatetsky—Shapiro等人提出的：数据挖掘，就是从大型数据库的数据中提取人们感兴趣的知识。这些知识是隐含的、事先未知的、潜在有用的信息，提取的知识表示为概念、规则、模式和规律等形式。数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程，使用这些模型和关系可以进行预测，它帮助决策者寻找数据间潜在的关联，发现被忽略的因素，因而被认为是解决当今时代所面临的数据爆炸而信息贫乏问题的一种有效方法。数据挖掘通常也称为KDD一数据库中的知识发现。精确地说，在KDD中进行知识学习的阶段称为数据挖掘。数据挖掘是KDD（Knowledge Discovery in Database）中一个非常重要的处理步骤，但人们通常不加区别地使用这两个术语。

数据挖掘是一门交叉学科，融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。数据库、人工智能和数理统计是数据挖掘研究的三根强大的技术支柱。数据挖掘的方法和数学工具包括统计学、决策树、神经网络、模糊逻辑、线性规划等。

1 银行业的CRM建立客户战略目标

各类商业银行如何形成自己的客户战略管理理念，是商业银行面临的一个重要课题。一般来说，银行的客户战略管理通常考虑四大要素，一是，自身的价值取向和市场定位，是追求银行的规模、银行所占有的市场份额，还是追求资产质量，办精品银行？自己的主要服务对象是谁？二是，研究外部市场环境，包括所在地的经济金融运行态势，政府的经济政策及法律框架，企业及其它客户的状况，技术进步与发展趋势。三是，研究竞争对手，包括竞争对手的势力、竞争优势或劣势，竞争对手的竞争策略。四是，正确认识自己的能力，包括自己的有形资源如资金实力、管理能力，能为客户提供的特色产品、特色服务，无形资源如品牌、信誉等。根据自己的竞争优势或劣势，确立自己的战略管理的目标，调整自己的战略管理模式。多家银行集中在同一个区域，大家所提供的服务同质化十分严重。银行如果要发展优势服务，那么必须做到：发现重点客户，潜在的重点客户，界定一般客户；对重点客户提供有针对性、个性化的服务，对潜在的客户进行拓展，对一般客户在资源允许的范围内进行集中服务。

2 数据挖掘在银行业应用概况

数据挖掘技术在美国银行金融领域应用广泛。金融事务需要搜集和处理大量数据，对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。商业银行业务的利润和风险是共存的。为了保证最大的利润和最小的风险，必须对账户进行科学的分析和归类，并进行信用评估。Mellon银行使用Intelligent finer数据挖掘软件提高销售和定价金融产品的精确度，如家庭普通贷款。零售信贷客户主要有两类，一类很少使用信贷限额（低循环者），另一类能够保持较高的未清余额（高循环者）。每一类都代表着销售的挑战。低循环者代表缺省和支出注销费用的危险性较低，但会带来极少的净收入或负收入，因为他们的服务费用几乎与高循环者的相同。银行常常为他们提供项目，鼓励他们更多地使用信贷限额或找到交叉销售高利润产品的机会。高循环者由高和中等危险组件构成。高危险分段具有支付缺省和注销费用的潜力。对干中等危险分段，销售项目的重点是留住可获利的客户并争取能带来相同利润的新客户。但根据新观点，用户的行为会随时间而变化。分析客户整个生命周期的费用和收入就可以看出谁是最具创利潜能的。Mellon银行认为“根据市场的某一部分进行定制能够发现最终用户并将市场定位于这些用户。但是，要这么做就必须了解关于最终用户特点的信息。数据挖掘工具为Mellon银行提供了获取此类信息的途径。Mellon银行销售部在先期数据挖掘项目上使用Intelligent Miner寻找信息，主要目的是确定现有Mellon用户购买特定附加产品：家庭普通信贷限额的倾向，利用该工具可生成用于检测的模型。据银行官员称：Intelligent Miner可帮助用户增强其商业智能，如关联、分类或回归分析，依赖这些能力，可对那些有较高倾向购买银行产品、服务产品和服务的客户进行有目的的推销。该官员认为，该软件可反馈用于分析和决策的高质量信息，然后将信息输入产品的算法。

3 数据挖掘在银行管理中的作用

银行业实施CRM的目标是了解客户需求；留住老客户，提高客户忠诚度；找出真正的盈利客户，提供有针对性的服务；挖掘客户的潜在价值。要实现以上目标，依靠现有的面向业务操作的数据库和信息查询系统是远远不够的，必须依靠数据仓库来存储和整合来自银行不同于子系统的客户信息，依靠数据挖掘技术分析和发现潜在的有用信息，以增加盈利，规避风险。

3.1 有助于集成客户的各种信息，形成统一的客户视图

银行的客户服务绝大多数以账号为中心来进行，同一客户的不同账号可能分散在不同的计算机系统内难以获得对客户统一个全面的了解，因此也难以对客户的潜在需求和盈利程度进行准确的分析，从而导致无法实现个性化服务，使银行逐渐丧失竞争优势。建立一套以客户为中心的数据仓库决策支持系统是实现个性化服务的必要手段，也是银行业实施CRM最基础的一项内容。

3.2 有助于银行了解自身经营状况

决策者只有全面了解自身的经营状况，银行经营才能高效、安全。数据仓库和数据挖掘技术为商业银行及时、准确、全面地掌握自已的资产数据及其分布、信贷资产分布、客户的信用等倩况，提供了必要的服务手段和有力的技术支持。

3.3 有助于银行进行市场细分，开发新产品，拓展新市场，获得“深度效益”

银行只有将客户细分到相应的市场，才能抓住真正给银行创造利润的客户群体，进而针对创利群体，开发新产品，拓展新市场，获得“深度效益”，而非通过提供千篇一律的金融服务和产品来获得“规模效益”。

3.4 有助于商业银行经营管理和决策支持

商业银行经营管理方案的确定和未来战略决策的产生，都是以对现实的分析和对未来的预测为基础的，都是要以准确的数字为依据的。借助数据仓库和数据挖掘技术能进行不同银行产品的盈利性分析上的业务数据，并结合外部信息，提出经营策略。

3.5 有助于商业银行风险防范

数据仓库的建立和数据挖掘的开展能帮助商业银行随时调用与自已有业务往来的客户的历史和现实业务数据，并能据此推断出客户的信用情况，为银行减少内部经营风险创造了条件。与此同时，数据挖掘还可以结合社会外部环境的相关经济数据，帮助银行掌握同业经营状况和国际经济发展趋势，减少外部经营风险。

【参考文献】

[1]郑秀仙.基于数据挖掘的商业银行CRM系统研究与设计[D].南京航空航天大学，2014.

[2]牟慧杨.数据挖掘在银行CRM客户关系管理系统中的研究及应用[D].华东师范大学，2011.

[3]雷浩.数据挖掘技术在我国商业银行CRM中的应用研究[D].中南大学，2005.

[4]陈文锋.数据挖掘技术在银行对私业务CRM系统中的应用[D].山东大学，2005.

[5]胡春雷.我国商业银行客户关系管理理论及信息技术应用研究[D].首都经济贸易大学，2006.

[责任编辑：田吉捷]