论文部分内容阅读
在外资银行全面进入中国之前，为了争夺国内巨大的信用卡资源，为了争夺银行业的最后一块沃土，自2003年起国内银行业都加大发卡力度；随着2003年到2007年的飞速发展，信用卡市场逐渐进入市场成熟期；信用卡市场持卡客户日益饱和，同时发卡需求在竞争中进一步增大，过去由于盲目追求发卡量造成的问题逐渐暴露。传统的对数据进行简单分析的模式方法由于过分依照经验，已经不能满足信用卡运营的需求，各银行管理层开始思考在目前的市场环境下如何寻找真正的信用卡客户？如何让客户在交易时用卡？如何控制风险？由于有了几年客户用卡数据的积累，各银行纷纷决定借鉴国外银行的精细化决策技术为各自运营决策做支持。
数据挖掘(Data Mining)是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。在银行业务的数据挖掘中主要用于寻找客群特征以支持决策的制定，运用较多的主要有预测、聚类分析、关联规则等。
国外的商业银行由于其成立时间较长，已经积累了丰富的先进的信用卡管理的理念和成功经验，国外管理学界也对银行内部管理领域进行了大量深入并经实践证明行之有效的研究。以此为基础的国外银行的数据挖掘贯穿于银行各个部门的运作，因此国外银行从经验以及数据挖掘的深度和广度上都较国内银行走得更远。基于数据挖掘的正确决策，欧美银行不断提高对国外市场的市场占有率。以MBNA信用卡公司为例，该公司拥有4，600种信用卡，公司通过每天追踪每张卡的余额，进行15种客户满意度的测量，每个客户的平均余额是2,500美元，高出行业平均900美元，且名下98％的客户都是盈利的1。在金融行业全面开放之前学习国外银行先进的数据挖掘技术，并保持良好的市场占有率，是目前各国内银行防范蔚然的重要手段。
本文首先简述了中国信用卡业务发展的历史和现状，分析了银行信用卡在发展过程中遇到的问题以及传统的解决办法遇到的困难。然后着重讨论和分析了数据挖掘的基本技术、功能、步骤，以及银行信用卡引入数据挖掘所能解决的问题。为了进一步说明数据挖掘在银行信用卡运营中的建立过程和作用，本文以一个客户行为评分卡为例，详细分析了数据挖掘在银行运营中的处理流程。
通过对评分模型的应用结果表明：
1、数据挖掘在解决信用卡的信用风险程度评估问题显得十分有效。数据挖掘技术正在被越来越多的银行所应用，数据挖掘技术即将成为支持银行信用卡管理分析的重要工具。
2、应用数据挖掘工具，银行可以利用行为评分实现对引起信用卡信用风险多种模糊且不确定性因素一定程度上的定量分析。在对数据的初步分析中，对数据集中各客户特征变量相对分类变量的分布情况有直观的认识，同时了解每个客户特征变量在不同的取值情况下属于好客户或是坏客户的概率大小。
3、数据挖掘过程进一步剔除了主观成分，其确定的评分更能符合客观事实。
同时文章最终提出了制约国内数据挖掘的主要问题：我国尚未建立健全个人信用制度，涉及个人信用的相关数据资料分散在各个职能部门和相关单位，而且各个部门、银行之间各自为政，个人信用数据征信困难，数据共享能力差。在这种状况下，信用卡的信用风险评估就主要依靠银行自身所具有的数据，从而导致信用卡评分模型不能全面评价客户的信用状况。