數據挖掘（Data Mining）是一種新的商業信息處理技術，產生于20世紀80年代的美國，首先應用在金融、電信等領域，主要特點是對大量數據進行抽取、轉換、分析和模型化處理，從中提取出有助于商業決策的關鍵性數據。
現階段，數據挖掘技術在我國銀行業管理中可從以下方面加以應用。
一、風險管理
數據挖掘在銀行業的重要應用之一是風險管理，如信用風險評估。可通過構建信用評級模型，評估貸款申請人或信用卡申請人的風險。一個進行信用風險評估的解決方案，能對銀行數據庫中所有的賬戶指定信用評級標準，用若干數據庫查詢就可以得出信用風險的列表。這種對于高/低風險的評級或分類，是基于每個客戶的賬戶特征，如尚未償還的貸款、信用調降報告歷史記錄、賬戶類型、收入水平及其他信息等。
二、客戶管理
1.獲取客戶。發現和開拓新客戶對任何一家銀行來說都至關重要。通過探索性的數據挖掘方法，如自動探測聚類和購物籃分析，可以用來找出客戶數據庫中的特征，預測對于銀行營銷活動的響應率。那些被定為有利的特征可以與新的非客戶群進行匹配，以增加營銷活動的效果。數據挖掘還可從銀行數據庫存儲的客戶信息中，把客戶進行聚類分析讓其自然分群，通過對客戶的服務收入、風險、成本等相關因素的分析、預測和優化，找到新的可贏利目標客戶。
2.保留客戶。通過數據挖掘，在發現流失客戶的特征后，銀行可以在具有相似特征的客戶未流失之前，采取額外增值服務、特殊待遇和激勵忠誠度等措施保留客戶。比如，使用信用卡損耗模型，可以預測哪些客戶將停止使用銀行的信用卡，而轉用競爭對手的卡，根據數據挖掘得出可能流失的客戶名單后，銀行可對客戶進行關懷訪問，爭取留住客戶。
3.優化客戶服務。客戶是一個可能不斷流動的團體，為客戶提供優質和個性化的服務，是取得客戶信任的重要手段。根據二八原則，銀行業20%的客戶創造了80%的價值，要對這20%的客戶實施最優質的服務，前提是發現這20%的重點客戶。重點客戶的發現通常是由一系列的數據挖掘來實現的。如通過分析客戶對產品的應用頻率、持續性等指標來判別客戶的忠誠度，通過交易數據的詳細分析來鑒別哪些是銀行希望保持的客戶。找到重點客戶后，銀行就能為客戶提供有針對性的服務。
京公網安備 11010502049343號