浅议数据挖掘在个人信贷管理中的应用

严华兵 李蓉

随着科学技术的飞速发展与计算机技术的广泛应用，在人类生产生活的各个领域中都产生了大量数据，由此催生了具备强大储存查询功能的数据库技术。但是面对每分每秒不断产生的数据，银行需要更加全面的数据挖掘技术来进行信贷管理等方面的工作，而更多的客户要求利用数据提取有益信息，形成知识为决策服务，结果使得基于统计学、数据库和其他学科的数据挖掘技术得到了更加广泛的应用。

一、数据挖掘技术概述

数据挖掘也被称为对数据库中的紊乱数据进行整理的技术（KDD），该技术是一种新的业务信息处理技术，可以提取、转换和分析商业数据库中的大量业务数据，以及用于提取关键数据来支持企业的业务决策和其他商业建模流程（如ERP）。数据挖掘和传统数据分析技术之间的关键区别在于数据挖掘能够有效降低信息、数据中的误差，并更加快速、明确地发现有用的数据，同时舍弃无用的数据。

如今，在企业的业务中存在大量业务数据，企业需要分析这些数据来为管理层提供真正有价值的业务决策信息。同时，许多企业面临的一个常见问题是企业数据量非常大，而真正有价值的信息量很少，因此就要求通过数据挖掘技术的使用对大量的数据进行深层次分析，获得有利于商业决策的信息。

数据挖掘技术作为一种应用性技术被广泛认为具有很高的应用价值，在许多西方工业化国家中的覆盖范围已经涉及生活中的每个领域，特别是在银行业等金融行业中有着广泛应用。一个典型的例子是信用卡，银行信用卡使用数据挖掘技术来分析银行客户的信誉和资产发展趋势以规避银行风险。

数据挖掘擅长处理海量信息数据，并且数据量越大、样本数越多，正确率越高，所以在银行实际业务中比较适合于个人业务、信用卡业务等大批量数据的筛选、分析，用以规避风险。比如像目前客户数量巨大的个人住房贷款业务，由于客户数量太大，并且银行往往只掌握客户账户、交易以及基本信息，无法像管理公司类贷款一样，对逐个客户进行深入管理和分析。如果银行能对客户的相关信息进行数据挖掘，就能从现有的无序信息中归纳、总结出不易察觉的规律，找出其共性和个性，并对客户进行分类，使银行能更好地进行零售信贷管理。

二、运用数据挖掘技术提升个人信贷管理的思考

数据挖掘作为信息技术发展的关键性技术具有很高的商业价值，特别是在金融领域中大有可为。对于拥有大量客户档案的银行而言，基于数据挖掘的管理信息技术正在变得日趋重要，以至于许多银行都需要数据挖掘技术来支撑其大多数环节的工作，努力使自身成为在金融市场上拥有最先进客户信息技术的银行。很多著名银行，如花旗银行、汇丰银行、瑞士银行等都采用了基于数据挖掘的先进管理系统，并从中获得了大量收益。国内商业银行应充分运用数据挖掘技术，结合基于事实的管理方法，以事实和数据为依据，促进零售业务管理更加精细化、流程化。

（一）通过数据挖掘识别最具价值客户群，提高零售业务价值创造

零售业务是很多商业银行的战略性业务，并且是各家商业银行未来发展的竞争焦点。如何识别价值贡献度高的客户是银行获得竞争优势的基础，而通过使用准确的数据挖掘技术，就可以有效地提升该项工作的效率。

银行可以应用数据挖掘技术来科学地对客户群进行分类，并彻底分析和完善各个客户群的行为特征、个人客户贡献等方面的分布数据，进而确定这些数据中反映出的复杂信息和客户风险特征，以便了解各类客户对银行的价值，使得决策者更合理地为不同客户选择合适的营销、管理策略。同时，银行还可以针对不同客户类型量身定制金融产品组合，完善与客户的沟通方法，在改善客户关系的同时实现银行零售能力、盈利能力的显著提升。

（二）通过数据挖掘评估客户风险状况，提高零售业务风险管理能力

银行界广泛使用的一种数据挖掘工具就是评分卡技术。评分卡通过分析客户特征、預测客户信用行为，将顾客的海量信息数据以某种权重加以衡量，针对各种目标给出量化评分，以信用评分区分客户层次，辅以恰当的政策、流程、制度，为信贷决策提供广泛支持。申请评分卡主要用于零售业务发生前，通过评估客户信用风险决定是否接受申请;行为评分卡则主要用于业务发生后，利用客户账户的活动情况来预测客户未来发生违约的可能性。

评分卡技术的运用，可以将银行零售业务风险偏好、标准以及管理机制、流程有机融合，有利于促进零售信贷风险管理的批量化、标准化、智能化。当前零售业务贷后管理多数是等待问题（例如长期逾期金额）的自动解决，但是很多时候事情并不会按照银行的预期进行。 因此，银行应该合理利用数据挖掘技术来使客户的行为特征变得更加明显，有效减少有潜在欠款倾向、高风险和低价值的客户，才能够帮助银行采取各种预防措施来提高自身风险防范能力。

（三）通过数据挖掘预测客户购买行为，提高零售产品关联营销效率

购物篮分析已经广泛应用在西方金融企业，它可以确定并预测客户商品购买行为，预测银行客户需求，这些信息有助于银行产品定位和关联销售。通过数据挖掘的关联分析，银行可以分析客户倾向于如何购买产品，一般是怎样的产品组合，购买产品的序列关系等，这些信息能揭示消费者的隐含消费模式，识别促销产品的有利机会，对零售业务非常有价值。

商业银行可通过数据挖掘，获取并预测零售客户的业务需求，一旦获得了这些信息，就可以改善自身的营销。比如在ATM机上就捆绑客户可能感兴趣的本行产品信息，供使用本行ATM机的用户了解;又如某高端客户办理了个人住房贷款，则客户可能需要进行装修，那么可以配套给其营销住房装修贷款。

三、结语

数据挖掘作为信息技术发展的关键性技术，在金融领域中具有重大的商业价值。数据挖掘识别最具价值客户群，对于银行提高零售业务价值创造，提高零售业务风险管理能力以及提高零售产品关联营销效率等方面都将起到关键性的作用。希望本文的分析研究，能对银行使用数据挖掘提升个人信贷管理水平有所启示和帮助。

（作者单位：中国建设银行四川省分行 ）

参考文献：

[1]周小舟.商业银行个人消费信贷风险管理研究[J].甘肃金融，2014（5）.