论文部分内容阅读
全球经济一体化和社会经济发展的加快,使我国商业银行各类客户的经济活动方式和地域范围发生巨大变化,这就需要金融业依托快速发展的信息技术进行技术创新,建设集中统一的数据集中处理环境是大势所趋。而数据挖掘技术在商业银行中的应用推广就是以数据大集中为前提,通过对数据深层次的挖掘,提高商业银行的管理水平和工作效率。
数据挖掘可以分两大类：预测性数据挖掘和描述性数据挖掘。数据挖掘具有预测性、有效性和实用性三个特征。信用卡业务引入数据挖掘能显著提升客户关系管理的应用效果,能策略性地发展和管理商户,能有效地降低业务风险,有利于准确有效地营销。数据挖掘应用于信用卡业务可以对银行客户关系进行管理,有助于风险预测与控制,有助于信用评估与信用决策。数据挖掘技术在信用卡行业中主要应用在市场开拓和客户维护、风险控制以及获利分析方面等。在这些领域中可以应用的数据挖掘模型有：市场开拓和客户维护方面可应用客户细分模型、定向营销模型、定向服务模型、客户激活模型、客户流失模型；风险控制方面,可应用信用额度动态调整模型、欺诈监测模型；获利分析方面,可应用客户透支分析模型、利润分析模型。
本文以信用评分表的构建为例,使用数据挖掘工具SAS Enterprise Miner,运用"SEMMA"方法对数据进行挖掘分析,以此说明数据挖掘技术的具体应用过程。数据挖掘的步骤依次为：数据输入和抽样、数据特征探索、数据集划分、数据集划分、数据属性调整和设定目标变量、数据替换、Tree模型建立和分析。
笔者供职的中国工商银行自1989年10月15日发行第一张牡丹卡以来,截至2006年12月25日,工商银行牡丹卡发卡量已超过1.8亿张。牡丹卡消费额、跨行交易量等核心指标均居同业首位,信用卡资产质量达到同业较好水平。但也存在着问题：信用卡业务系统缺乏真正面向市场、面向客户的决策系统,对客户的评判仍停留在静止的、片面的、主观的水平,不能对客户做出动态的、全面的、客观的评价和准确、高效的选择。
只有建立以客户为中心的信用卡管理系统,通过对大量信息的分析,找出客户消费的行为和规律,筛选出优秀的客户群体,预测客户的风险性,预测客户的个性化需求,及时响应每一位客户现在和未来的需要,设计出更加符合客户需要的产品和服务,才能真正进行以客户为中心的营销和服务。为了更好地细分客户,了解客户的消费特性,提高业务管理水平和信用卡获利能力,推行立足于数据挖掘的信用卡信息管理系统,是中国工商银行提高综合竞争力的必然选择。
本人设计的信用卡管理信息系统可按卡客户管理、商户管理、风险管理、市场营销、利润管理等五大功能模块设计。系统除了可以随时监测基层行的计划执行情况,对交易信息和客户资信状况进行动态监控、自动预警外,还可以对持卡人进行特征分析和价值评定,并自动锁定重点客户,分析处理服务记录和客户反馈信息以评估服务满意度,对业务盈亏状况以及产品和市场的获利能力进行分析评估。
该系统采用了SAS/EM软件包,通过建立Logistic模型、决策树模型及CHAID,实现了中国工商银行对客户信用风险分析,客户细分和客户消费特性分析。
该信用卡信息管理系统,使该行真正了解谁是银行的优质客户,客户需要什么,从而实现一对一的营销以及提供个性化服务,使该银行逐渐从依赖产品营销向注重客户关系营销的经营理念转变,由“产品经营型银行”向“客户经营型银行”转变,由“经营产品”向“经营客户”转变,由被动管理向主动管理转变,由粗放型营销向集约型营销转变。实施客户关系的良好互动,对业务盈亏状况以及产品和市场的获利能力进行分析评估,实现综合竞争力的不断提升,实现中国工商银行效益的最大化。