發信人: zrs (tita), 信區: DataMining
標  題: 金融行業數據挖掘技術應用論壇 zz
發信站: 南京大學小百合站 (Sat Jan  4 14:59:54 2003)

具體可見

http://www.dmgroup.org.cn/meet/finance.htm

里面有一些比較實用且有價值的東西，不錯


金融行業數據挖掘技術應用論壇 


數據挖掘討論組 朱建秋 zhujianqiu@hotmail.com

 


 


一、             簡介


“金融行業數據挖掘技術應用論壇”由中國電子信息產業發展研究院(CCID)和其旗下賽迪
集團戰略數據資源管理中心主辦，北京賽迪數據有限公司負責具體承辦，2002年11月25日
在北京新世紀飯店召開。

 


二、             會議紀要


1． 會議內容


 


1)        數據挖掘技術與金融分析


 

  


內容


n         數據倉庫結構與技術


n         數據挖掘技術


n         評分系統在金融決策中的應用


n         數據挖掘用于評分系統

 

主要觀點：


（1）       數據倉庫是適合知識發現的過程的結構。數據倉庫的處理過程是從“數據清
理/整合——>數據倉庫——>數據選擇——>數據挖掘——>模式評價——>知識”不斷循環
的過程（注：類似Fayyad 96年提出的數據挖掘過程模型）。


（2）       將數據倉庫和挖掘的結構劃分為四個層次：第一層是數據層，第二層是多維
數據庫層MDDB，第三層是OLAP和OLAM，第四層是用戶界面。（注：類似Han Jiawei的OLAM
體系結構）


（3）       數據挖掘過程包括：數據選擇，數據轉換，數據挖掘，數據解釋。


（4）       數據挖掘的方法：聯想，劃分，聚類，預測，順序模式，相似時間序列。



（5）       數據挖掘的科學方法數學工具：統計學，決策樹，神經網絡，模糊邏輯，線
性規劃。


（6）       個人信用評分系統是將個人信用的歷史（六個月以上）經過45至65個因素的
刻劃后表述的決策模型。通常個人信用評分為350至850之間。每人從850分起，有壞帳記錄
，即扣去不同比例的分數。經過評分模型的分析，最后得到決策評分。（850為最好）


（7）       評分因素：過去的付帳歷史、信用欠帳量、信用卡使用時間、新信用卡的申
請、信用卡的類、信用卡交易情況、現金提取情況


（8）       應用前景：銀行各類信貸風險分析，企業和個人信用風險分析


 

 


 


 




2)        如何利用數據挖掘工具協助進行市場營銷


 

  


內容


n         數據挖掘的定義


n         IBM數據挖掘的解決方案


n         在金融行業的應用

 

主要觀點：


（1）       強調了數據挖掘過程，首先必須明確需要解決的商業問題。


（2）       IBM有從數據庫到最上層的挖掘工具的一整套商業智能解決方案。


（3）       在銀行應用的層次：信用評分，購物籃分析，區隔分析，交叉營銷/向上營銷
，客戶流失，客戶價值。


（4）       講解了Lift Chart圖的含義

 


 


3)        數據挖掘在金融行業的應用趨勢分析


 

  

 內容


n         數據管理技術的挑戰


n         結構化數據挖掘應用


n         非結構化數據挖掘應用


n         金融行業數據挖掘應用趨勢

 

 

 主要觀點：


（1）       八十年代初，銀行自動化建設，九十年代初銀行網絡化建設階段，九五末期
，數據大集中。


（2）       2002年上半年金融行業IT應用特點：數據大集中平穩進行，“銀聯”改善信
用卡環境，電視會議擴大應用，個人理財系統成為新焦點，農信社信息化市場升溫，無線
局域網開始應用。


（3）       結構化挖掘原理：從現有業務系統中抽取數據（業務數據、客戶數據），建
立深層次的分析體系（數據倉庫、數據集市、業務分析模型），以信息驅動業務的管理、
新一代電子商務企業（市場觸覺敏感、以客戶為中心、以信息驅動）。


（4）       一個比喻：數據倉庫和數據挖掘好比一個大的廚師燒菜，開始需要選擇原料
，然后，將各種原料加工完畢（洗、切、剁等等），分門別類的放在廚房，這時候廚房就
象數據倉庫。廚師根據這些原料做出菜肴，就象數據挖掘得出有意義的知識。


（5）       結構化數據挖掘內容：


（6）       人事、財務

 

生產、銷售

 

客戶資料

 

數據倉庫

 

抽取

 

過濾

 

轉換

 

市場需求

 

客戶忠誠度

 

客戶等級

 

客戶銷售

 

模型分析

 


非結構化數據挖掘的意義：企業戰略規劃的制定和戰術方案的實施離不開對于海量非結構
化數據的挖掘和現有知識的管理！


（7）       非結構化數據挖掘在企業競爭情報系統的應用，企業競爭情報系統將成為下
一個數據挖掘應用的熱點。


（8）       金融行業數據挖掘應用趨勢，在數據集中的平臺上，結合結構化和非結構化
數據挖掘技術，部署企業的商業智能、客戶關系管理、市場銷售分析、競爭對手分析、市
場需求動向等。


 

 

4)        用友金融行業財務管理解決方案


黃偉先生一上來演示了一個FLASH游戲，在多張不同花色的牌中，讓觀眾記住一張牌，說明
他能夠知道所有人記住的是什么牌。然后，他抽去一張牌，再打開其他的牌，觀眾所記住
的牌已經都不在了。原因很簡單，他換去了所有牌的花色，造成一種錯覺。黃偉先生用這
個游戲說明，錯覺往往帶來錯誤的決策，引申開來，數據挖掘需要有正確的數據，才能進
行深入的挖掘。


介紹了用友集中式的財務管理解決方案，說明必須先收集這些重要的財務數據，才能進行
更深入的挖掘。


5)        CA數據管理技術行業應用解決方案


講解了CA公司的情況，以及CA的商業智能解決方案，特出了CA自己研制的一種預測技術。


6)        透過數據挖掘改善客戶服務中心的管理


講解了一些數據挖掘概念性的東西，并舉出了那個經典的“啤酒-尿布”的案例。

 

   


 




7)        金融信用決策的技術突破——數據挖掘的應用


 

  


n         引言


n         信用周期一般介紹


n         信用決策的簡化流程


n         信用決策技術解析


n         信用決策技術的幾個例子


n         信用決策技術帶來的利益


n         中國運用信用技術的可行方案

 

 

 

 


主要觀點：


（1）       抵押貸款有很多缺點，信用貸款都能彌補，所以信用貸款是好的，是趨勢。




（2）       信用周期（Credit Life Cycle）：


招商


Account Acquisition

 

立戶


Account Origination

 

 


信用決策管理


CRM

 

信用風險，市場管理（Risk & Marketing）


付帳管理（Billing & Remittance）


信用量管理（Line Increase & Line Decrease）


超支管理（Over limit）


離走管理（Attrition）


促銷管理（Promotions）


定價管理（Pricing）


再授信（Reissue）


… …

 

資信金融


Securitization

 

收帳


Collection & Recoverary

 


（3）       信用決策簡化流程


外部

 

內部

 

數據管理


Data MGMT

 

 


 


決策


制定中心

 

執行系統Strategy Execution

 

顧客或潛在顧客

 

作用于Action