銀行數據挖掘系統構建與實現的介紹

摘 要：根據目前金融行業數據挖掘技術的發展趨勢，需求建設符合銀行業務特色的數據挖掘和智能分析平臺。系統建立可屏蔽各業務系統信息孤島實現綜合查詢分析，跨越各運營單元提供綜合運營管理渠道，統一各運營管理部門數據口徑和對話協議，實現銀行內部的數據統一。建立數據倉庫，立足于查詢、統計，滿足智能分析及數據挖掘并搭配運營輔助功能的綜合運營決策支持系統。本文闡述了銀行數據挖掘系統的建設背景、建設內容、功能和技術實現等內容。

關鍵詞：銀行數據挖掘；ETL技術；數據統計分析

中圖分類號：F832.2 文獻標識碼：A 文章編號：1004-7344（2018）17-0269-02

1 行業背景

在銀行業的激烈競爭中，數據實時分析與運營策略的應對速度是保持競爭力的重要手段。行內相關數據種類多樣，繁雜。同時，銀行運營應對策略的制定時，又需要及時，準確豐富、真實、的經營和管理信息提供業務的支持。在平常的銀行數據處理管理與營運管理中，常常會出現決策層需要的數據參考信息收集整理不及時的情況；同時也會出現，各系統運維部門統計信息口徑不一致，或對各自所持有的數據不完全透明，各種層次的管理層，所需的數據又各不相同，所以經常導致上層決策得到片面的、局部的、短暫的“運營片段”，嚴重影響到了銀行的運營效率與決策正確性。

2 系統建設意義

此系統建立的目的是屏蔽各業務系統信息孤島實現綜合查詢分析；跨越各運營單元提供綜合運營管理渠道。統一各運營管理部門數據口徑和對話協議。憑借南天多年來銀行系統建設經驗，利用特別適合于構建查詢分析系統構建銀行運營統計分析系統。本系統的定位是建立數據倉庫，立足于查詢、統計，滿足智能分析及數據挖掘并搭配運營輔助功能的綜合運營決策支持系統。

《南天銀行數據挖掘系統》基于數據倉庫理念，并結合商業智能技術形成專業的決策分析系統。系統通過建立銀行業務經營指標體系，在業務系統的歷史數據基礎上，結合信貸管理等其他系統的重要業務數據[1]，按客戶需求定期采集并整理到業務經營基礎數據等集市中，自動生成業務經營指標，通過業務經營指標系統的前端頁面及時發布業務指標信息，給有關人員提供一個觀察業務狀況變化的平臺。同時，系統通過其他業務系統數據整合，還囊括了績效指標、稽核指標和風險控制指標等；相關人員可以依據這些指標來進行輔助績效考核、風險預警和合規統計等處理。系統提供了良好的輔助功能，可實現在線文件傳輸、在線考試和憑證管理、電子記事簿等處理功能。

3 業務需求分析

通過該基礎系統搭建的是分級管理的（分行、支行、網點）數個數據分析管理子系統，實現了對數據信息的全息化、對象化管理。系統管理員完成對系統的管理和維護，并對其他使用者權限進行分配和管理。普通的管理人員和業務人員只能在自己的權限范圍內進行操作[2]。

業務人員使用該系統，可以進行回單信息管理、回單打印、回單補制、回單打印信息統計、重空憑證登記、開銷戶登記、柜員登記、差錯事故登記、會計檔案保管登記、對賬類處理等。

管理人員使用該系統，可以進行柜員綜合信息維護、柜員信息查詢、柜員分類統計、柜員評價統計、網點綜合信息維護、網點信息查詢；分析網點的交易量，營銷部門的人力資源情況，網點人員的配置合理性，綜合網點占所有網點的比例，交易量都屬于哪個業務部門的業務范圍等統計信息。行內人員在線考試；客戶經理營銷業績、客戶經理評價打分、客戶經理業績統計分析等。

決策人員使用該系統，可以進行支付密碼統計、通存通兌統計、現金營運考核統計分析、現金綜合利用率統計、業務處理中心集中度考核、業務集中覆蓋率考核、業務量及人力資源分布、業務規范化統計分析、業務集中情況統計分析、柜面業務分流統計分析、客戶業務量排名、產品與適用行業分析、運行操作風險分析[3]等。

4 系統主要功能

以下敘述的功能是在以往的分析系統中所實現過的，具體功能需要在平臺建立起來后依據銀行需求來進行規劃，功能包括：

4.1 基本信息查詢

機構信息、人員信息及配置查詢、指標信息查詢。

4.2 業務指標統計分析

10種存貸款統計分析模型、50種收入和支出計算模型、20種利潤統計指標模型、30種主流結算業務量統計、5種通存通兌統計指標、現金業務量統計、市場份額統計、理財產品統計[2]等。

4.3 機構效益指標統計分析

以機構為主線的效益統計、以利潤率基礎分析、現金營運率分析、現金綜合運用率統計、業務處理中心集中度分析、業務集中覆蓋率統計、業務量及人力資源分布比較、業務規范化統計分析、柜面業務分流統計分析、超期未處理統計。

4.4 網點服務指標統計分析

柜員綜合評價、柜員服務質量統計、網點綜合評價。

4.5 客戶業務分析

客戶業務量排名、客戶編號/賬號查詢、往來賬戶統計（分戶明細）、產品與適用行業支持情況。

4.6 風險稽核指標統計分析

監督檢查機構管理、運行監管人員結構統計、日常檢查、查詢統計、風險綜合監控。

4.7 業績考核指標統計分析

考核指標體系管理、客戶經理考核、柜員考核、會計和信貸主管考核、業務頭寸報表、大客戶信息跟蹤、考核評價管理查詢。

4.8 運營輔助處理

在線考試功能、文件傳輸、回單打印、重空憑證管理、電子登記簿等。

4.9 系統管理

本功能完成對系統自身的管理，用于處理系統本身用戶信息的日常維護：用戶管理、角色管理、密碼重置和密碼修改、用戶日志、參數配置管理、柜員通報、系統公告、留言板、系統流量統計。

5 系統建設過程

以需求為導向，遵循“統籌規劃，分步實施，先易后難”的總體原則，建議按照下列步驟建設系統。

收集業務需求，分析需求（向各個部門收集業務需求、綜合分析業務需求，確認需求的可實現性）→搭建基礎平臺，規范開發流程（搭建基本的開發平臺、搭建基本的運行平臺、基于角色的權限安全管理機制、數據錄入模塊、即時查詢模塊、報表模塊、作業調度模塊、建立開發規范與示例代碼庫、搭建基本的開發平臺、搭建基本的運行平臺、基于角色的權限安全管理機制、數據錄入模塊、即時查詢模塊、報表模塊、作業調度模塊、建立開發規范與示例代碼庫）→業務建模（參照現有業務模型，創建一套適合本行業務的具體模型）→ETL處理（根據業務需求處理相關數據的ETL）→開發相關業務報表，數據分析（根據需求開發業務報表）→收集應用反饋，優化系統（系統上線后，收集最終用戶的使用體驗，優化系統）[4]。

其中2～6步驟，可以根據實際情況做迭代建設。因為整個數據分析系統建設周期比較長，所以建議分階段建設，首先滿足銀行最急切，需求較最明確的模塊開發，根據南天公司長期金融行業經驗積累和沉淀，建議先開發經營分析子系統，然后開發客戶分析子系統，績效考核子系統，其他模塊后續開發。

6 系統技術實現

《銀行數據挖掘系統》主要由6大部分組成，分別是底層的數據集成部分、中層的數據服務部分和上層的應用邏輯部分和信息展現部分以及全局的系統運維部分和元數據綜合管理部分。數據集成部分為數據服務部分提供各種數據導入的渠道[4]；數據服務部分進行數據的篩選、收集、整理和倉庫儲存，并且構筑了各類數據集市交與智能引擎進行OLAP處理和OLTP處理。處理的結果通過應用邏輯的組織后交付到信息展現部分進行顯示展示[5]。

7 結 論

《銀行數據挖掘系統》為銀行各專業業務處室提供了統一、共享的數據平臺；在資源上，實現了對數據快捷、安全、可靠地存儲和查詢，降低了工作成本，可以適應所有科室各類信息的提取；報表方面，打破了以往取數難、統計難、制表難等落后的報表信息管理模式，為我們實施市場細分、創新產品、整合營銷指明了方向，滿足了各級管理和業務人員的迫切需要，極大地提升了統計工作的效率。系統采用開放式的架構，可掛載現有的成熟的業界產品來實現部分功能，如ETL過程和加載BI產品。所以平臺不僅是一個OLAP系統，也同樣具備OLTP系統的功能。在提供客戶各類業務信息統計查詢分析之外，系統還自帶了多種運營輔助辦公功能，涵蓋面管，在金融行業內具有廣闊的發展空間。

參考文獻

[1]蔣翊凌.基于數據倉庫的銀行業務數據挖掘研究[D].上海：華東師范大學，2006.

[2]孟 娟.數據挖掘在銀行業中的應用[J].大眾商務，2010.

[3]常雪琦，劉 偉.數據挖掘技術在客戶關系管理中的應用分析——以銀行業為例[J].信息技術與信息化，2009（5）.

[4]王光宏，蔣 平.數據挖掘綜述[J].同濟大學學報（自然科學版），2004，32（2）：246～252.

[5]談恒貴，王文杰，李游華.數據挖掘分類算法綜述[J].微型機與應用，2005，24（2）：4～6.

收稿日期：2018-5-15

作者簡介：楊 蔚（1983-），男，漢族，云南昆明人，工程師，工程碩士，研究方向為金融類軟件系統研發。