數據挖掘在銀行業的CRM中的應用

馬世鐵

【摘 要】挖掘技術在美國銀行金融領域應用廣泛。金融事務需要搜集和處理大量數據，對這些數據進行分析，發現其數據模式及特征，然后可能發現某個客戶、消費群體或組織的金融和商業興趣，并可觀察金融市場的變化趨勢。

【關鍵詞】數據挖掘；銀行；CRM

數據挖掘（Data Mining）一詞最初出現于1989年8月舉行的第11屆國際聯合人工智能學術會議上。人們提出了多種數據挖掘的定義，目前比較公認的定義是W.J.Frawley，G.Piatetsky—Shapiro等人提出的：數據挖掘，就是從大型數據庫的數據中提取人們感興趣的知識。這些知識是隱含的、事先未知的、潛在有用的信息，提取的知識表示為概念、規則、模式和規律等形式。數據挖掘是一個利用各種分析工具在海量數據中發現模型和數據間關系的過程，使用這些模型和關系可以進行預測，它幫助決策者尋找數據間潛在的關聯，發現被忽略的因素，因而被認為是解決當今時代所面臨的數據爆炸而信息貧乏問題的一種有效方法。數據挖掘通常也稱為KDD一數據庫中的知識發現。精確地說，在KDD中進行知識學習的階段稱為數據挖掘。數據挖掘是KDD（Knowledge Discovery in Database）中一個非常重要的處理步驟，但人們通常不加區別地使用這兩個術語。

數據挖掘是一門交叉學科，融合了數據庫、人工智能、機器學習、統計學等多個領域的理論和技術。數據庫、人工智能和數理統計是數據挖掘研究的三根強大的技術支柱。數據挖掘的方法和數學工具包括統計學、決策樹、神經網絡、模糊邏輯、線性規劃等。

1 銀行業的CRM建立客戶戰略目標

各類商業銀行如何形成自己的客戶戰略管理理念，是商業銀行面臨的一個重要課題。一般來說，銀行的客戶戰略管理通常考慮四大要素，一是，自身的價值取向和市場定位，是追求銀行的規模、銀行所占有的市場份額，還是追求資產質量，辦精品銀行？自己的主要服務對象是誰？二是，研究外部市場環境，包括所在地的經濟金融運行態勢，政府的經濟政策及法律框架，企業及其它客戶的狀況，技術進步與發展趨勢。三是，研究競爭對手，包括競爭對手的勢力、競爭優勢或劣勢，競爭對手的競爭策略。四是，正確認識自己的能力，包括自己的有形資源如資金實力、管理能力，能為客戶提供的特色產品、特色服務，無形資源如品牌、信譽等。根據自己的競爭優勢或劣勢，確立自己的戰略管理的目標，調整自己的戰略管理模式。多家銀行集中在同一個區域，大家所提供的服務同質化十分嚴重。銀行如果要發展優勢服務，那么必須做到：發現重點客戶，潛在的重點客戶，界定一般客戶；對重點客戶提供有針對性、個性化的服務，對潛在的客戶進行拓展，對一般客戶在資源允許的范圍內進行集中服務。

2 數據挖掘在銀行業應用概況

數據挖掘技術在美國銀行金融領域應用廣泛。金融事務需要搜集和處理大量數據，對這些數據進行分析，發現其數據模式及特征，然后可能發現某個客戶、消費群體或組織的金融和商業興趣，并可觀察金融市場的變化趨勢。商業銀行業務的利潤和風險是共存的。為了保證最大的利潤和最小的風險，必須對賬戶進行科學的分析和歸類，并進行信用評估。Mellon銀行使用Intelligent finer數據挖掘軟件提高銷售和定價金融產品的精確度，如家庭普通貸款。零售信貸客戶主要有兩類，一類很少使用信貸限額（低循環者），另一類能夠保持較高的未清余額（高循環者）。每一類都代表著銷售的挑戰。低循環者代表缺省和支出注銷費用的危險性較低，但會帶來極少的凈收入或負收入，因為他們的服務費用幾乎與高循環者的相同。銀行常常為他們提供項目，鼓勵他們更多地使用信貸限額或找到交叉銷售高利潤產品的機會。高循環者由高和中等危險組件構成。高危險分段具有支付缺省和注銷費用的潛力。對干中等危險分段，銷售項目的重點是留住可獲利的客戶并爭取能帶來相同利潤的新客戶。但根據新觀點，用戶的行為會隨時間而變化。分析客戶整個生命周期的費用和收入就可以看出誰是最具創利潛能的。Mellon銀行認為“根據市場的某一部分進行定制能夠發現最終用戶并將市場定位于這些用戶。但是，要這么做就必須了解關于最終用戶特點的信息。數據挖掘工具為Mellon銀行提供了獲取此類信息的途徑。Mellon銀行銷售部在先期數據挖掘項目上使用Intelligent Miner尋找信息，主要目的是確定現有Mellon用戶購買特定附加產品：家庭普通信貸限額的傾向，利用該工具可生成用于檢測的模型。據銀行官員稱：Intelligent Miner可幫助用戶增強其商業智能，如關聯、分類或回歸分析，依賴這些能力，可對那些有較高傾向購買銀行產品、服務產品和服務的客戶進行有目的的推銷。該官員認為，該軟件可反饋用于分析和決策的高質量信息，然后將信息輸入產品的算法。

3 數據挖掘在銀行管理中的作用

銀行業實施CRM的目標是了解客戶需求；留住老客戶，提高客戶忠誠度；找出真正的盈利客戶，提供有針對性的服務；挖掘客戶的潛在價值。要實現以上目標，依靠現有的面向業務操作的數據庫和信息查詢系統是遠遠不夠的，必須依靠數據倉庫來存儲和整合來自銀行不同于子系統的客戶信息，依靠數據挖掘技術分析和發現潛在的有用信息，以增加盈利，規避風險。

3.1 有助于集成客戶的各種信息，形成統一的客戶視圖

銀行的客戶服務絕大多數以賬號為中心來進行，同一客戶的不同賬號可能分散在不同的計算機系統內難以獲得對客戶統一個全面的了解，因此也難以對客戶的潛在需求和盈利程度進行準確的分析，從而導致無法實現個性化服務，使銀行逐漸喪失競爭優勢。建立一套以客戶為中心的數據倉庫決策支持系統是實現個性化服務的必要手段，也是銀行業實施CRM最基礎的一項內容。

3.2 有助于銀行了解自身經營狀況

決策者只有全面了解自身的經營狀況，銀行經營才能高效、安全。數據倉庫和數據挖掘技術為商業銀行及時、準確、全面地掌握自已的資產數據及其分布、信貸資產分布、客戶的信用等倩況，提供了必要的服務手段和有力的技術支持。

3.3 有助于銀行進行市場細分，開發新產品，拓展新市場，獲得“深度效益”

銀行只有將客戶細分到相應的市場，才能抓住真正給銀行創造利潤的客戶群體，進而針對創利群體，開發新產品，拓展新市場，獲得“深度效益”，而非通過提供千篇一律的金融服務和產品來獲得“規模效益”。

3.4 有助于商業銀行經營管理和決策支持

商業銀行經營管理方案的確定和未來戰略決策的產生，都是以對現實的分析和對未來的預測為基礎的，都是要以準確的數字為依據的。借助數據倉庫和數據挖掘技術能進行不同銀行產品的盈利性分析上的業務數據，并結合外部信息，提出經營策略。

3.5 有助于商業銀行風險防范

數據倉庫的建立和數據挖掘的開展能幫助商業銀行隨時調用與自已有業務往來的客戶的歷史和現實業務數據，并能據此推斷出客戶的信用情況，為銀行減少內部經營風險創造了條件。與此同時，數據挖掘還可以結合社會外部環境的相關經濟數據，幫助銀行掌握同業經營狀況和國際經濟發展趨勢，減少外部經營風險。

【參考文獻】

[1]鄭秀仙.基于數據挖掘的商業銀行CRM系統研究與設計[D].南京航空航天大學，2014.

[2]牟慧楊.數據挖掘在銀行CRM客戶關系管理系統中的研究及應用[D].華東師范大學，2011.

[3]雷浩.數據挖掘技術在我國商業銀行CRM中的應用研究[D].中南大學，2005.

[4]陳文鋒.數據挖掘技術在銀行對私業務CRM系統中的應用[D].山東大學，2005.

[5]胡春雷.我國商業銀行客戶關系管理理論及信息技術應用研究[D].首都經濟貿易大學，2006.

[責任編輯：田吉捷]