论文部分内容阅读
随着我国银行业市场竞争的日趋激烈，特别是越来越多经营规模强大、资金实力雄厚、资产质量优良的外资金融机构的进入，国内各商业银行面临的形势严峻。数据挖掘作为一门从大量数据中发现、提取有用知识的技术，可以帮助我国商业银行从自己的客户信息库中挖掘出对银行有用的信息，为经营管理提供可靠的依据，全面提高我国商业银行客户分析、风险管理、创新产品和拓展市场的能力。
本文旨在阐述数据挖掘这一技术的基本内容，并将其应用到我国商业银行的经营管理中。本文通过分析和研究其他国家和地区商业银行数据挖掘技术的应用情况，结合我国商业银行的经营环境和数据挖掘技术的应用现状，指出加强银行与客户之间的关系，提高客户管理水平和提高银行资产质量，降低信贷风险是我国商业银行在目前情况下急需解决的问题。因此，本文的主要贡献就是针对这两个方面进行了数据挖掘的应用设计：用人口统计学聚类挖掘方法来发现客户特征，根据不同的客户提供不同的产品和服务；用决策树挖掘方法来向客户提供其所需要的产品，加强与客户的一对一服务；用神经网络挖掘方法来评估客户总体信用，向好客户发放贷款，避免发放不良贷款。力求能够促进银行客户管理水平的提高以及银行资产质量的提高，提升银行竞争力。
本文由引言和正文两个部分组成。引言部分，阐述了选题的背景及意义、国内外相关课题的研究现状、本文的创新点以及本文的框架。正文分五章，第一章主要是对数据挖掘进行简单介绍，包括了数据挖掘的基本含义、功能以及挖掘过程。第二章阐述了数据挖掘在其他国家和地区的商业银行中的成功应用。第三章，通过对我国商业银行实施数据挖掘的现状分析，明确我国商业银行进一步利用数据挖掘技术的必要性和可行性。第四章是本文的重点，阐述了根据第三章和第四章分析的结果，在加强银行与客户关系和提升银行资产质量两个方面，对我国商业银行实施数据挖掘技术进行了应用设计。第五章是结束语部分，阐述了我国商业银行在实施数据挖掘过程中可能遇到的困难、挑战以及发展前景。