大数据时代数据挖掘在银行中的应用

大数据时代数据挖掘在银行中的应用尹鲁燕（山东省农村信用社联合社信息科技部，山东济南250101）

海量数据的产生【摘要】如今，随着互联网的迅猛发展和计算机技术的日新月异，大数据、云计算和移动互联网等互联网新兴技术随之兴起，及数据流转成为常态，这意味着人们进入了“大数据时代”。而数据，是商业银行的核心基础和战略资产，大数据的挖掘价值对于商业银行的发展至关重要，甚至意味着商业银行发展的未来。【关键词】商业银行；大数据；数据挖掘【中图分类号】【文献标识码】【文章编号】（2019）TP311.13A1006-422204-0121-02

近年来袁数据挖掘与数据分析发展迅猛袁这给传统银行业带来了迅猛冲击和严峻挑战[1]遥这主要表现在三个方面院

渊1冤银行中企业文化面临的挑战与冲击遥这主要是银行由喜爱完整尧纯净的数据到倾向于接受非结构化数据袁允许不精确完整的数据的存在曰由局部冲击扩大为全局冲击袁大数据时代银行需要海量数据冲击企业文化袁从而碰撞出适应新时代的崭新企业文化遥

渊2冤银行面临的数字化挑战遥在大数据背景下袁银行面临的挑战层出不穷院一方面袁大数据的发展促使银行不断地进行新产品和新服务的开发和推广曰另一方面袁是解决传统数据的结构性能问题遥

渊3冤银行转型所面临的挑战[2]遥大数据时代袁银行的发展需网络构建实现效果的差异遥近些年来神经网络也不断延伸发展出许多更加成熟经典的网络结构袁其中针对图像处理领域相结合衍生出了卷积神经网络渊CNN冤袁就进一步的提高了人工智能在计算机视觉领域的性能效果遥卷积神经网络是一种为了处理二维输入数据而特殊处理的人工神经网络[2]袁通过引入一个小型的卷积核袁对图片信息进行一系列卷积和池化的数学处理袁更进一步地对提取到的特征进行优化袁然后再通过一个全连接的网络进行输出袁这样做大大提高了网络的表现性能遥经典CNN模型有LeNet5尧AlexNet尧VGGNet等遥由于计算机在数据的存储和运算能力方面的巨大发展袁计算机视觉的应用呈现出爆炸式增长的态势袁本文重点介绍其在医学领域中的作用遥人工智能之所以能够在医学领域上叱咤风云袁与医疗大数据的发展密切相关遥

病理切片[3]图像是临床癌症诊断的金标准袁但是人工阅片在定性分析时出现了并且持续扩大的弊端遥不同的医生本就有着不同的主观性袁而随着工作时间和强度的增长袁准确性也会大幅度的降低遥但是随着全切片数字化图像的出现袁则可以很好的解决这一问题袁帮助医疗人员更加准确地对病理切片进行分析研究遥当然图像压缩时袁引起的变形以及噪声的干扰也可能会影响到最终输出的电子切片图像的质量遥

白细胞的检测在诸多病理诊断过程中起着关键性的作用袁但由于细胞核种类不同袁疾病的恶化程度不同袁细胞核会呈现出差异袁而这会给人工检测带来不小的麻烦袁但是计算机视觉系统就能够很好很轻松的解决这一难题袁更好的识别出检测过程中细胞间的差异性遥

腺体的分割遥腺体是人体的一种重要生理结构袁其存在于大多数器官中袁我们可以通过观察其形态袁以判断癌细胞扩散的严重程度袁人们也着力于此项目开发出了观察腺体的计算

1概述要进行合理转型袁转型的关键在于对银行数据进行合理分析和利用的能力高低遥

2大数据的挖掘2.1数据挖掘的涵义[3]2.2数据挖掘的主要方法和技术

数据挖掘的定义是从海量袁掺杂噪声袁有缺失值袁模糊和随机数据中挖掘和学习对人们有用的知识和信息的过程遥大数据环境下的数据挖掘不再使用抽样数据袁而是通过实时监测和跟踪获得对象在互联网上的全部数据袁挖掘和分析袁揭露其隐藏的法则袁并提出相应的预测和结论遥

渊1冤关联规则分析

关联是指银行客户之间各类行为之间的相关关系遥客户

机视觉系统袁便能使人们更好的发现以及控制癌症扩散风险遥

X光片的检查分析遥人的身体是非常脆弱的袁所以人们在骨折的时候需要进行X光片的拍片遥但由于医生的精力有限袁所以一些细微之处是难以观察和发现的袁但现实中往往是由于这些细微之处导致了患者病情的进一步恶化袁这些小的隐患其实不容忽视遥人工智能的计算机视觉系统便能够很有效地解决这一难题袁这样医生便能够对患者进行更准确的诊断袁从而进行更科学的医疗方案的制定遥

人工智能是我们迈向未来的第一步袁也是至关重要的一步袁而计算机视觉是人工智能的重要组成部分袁本文简单的介绍了计算机视觉发展的历史袁和计算机视觉神经网络训练的常用方法以及计算机视觉在医学领域的应用遥计算机视觉的发展有着非常充实的前景袁我们应该在当下技术的发展之中袁更进一步的强化其理论基础袁去发现和开拓出更加高效尧准确的算法来推动计算机视觉研究的前进遥

[1]许新.计算机视觉中若干问题实现技术研究[J].牡丹江教育学院学报袁2014袁8院127-128.

[2]卢宏涛袁张秦川.深度卷积神经网络在计算机视觉中的应用研究概述[J].数据采集与处理袁2016袁31院1-17.

[3]王艺培袁闫雯袁张益肇袁来茂德袁许燕.面向精准医疗的人工智能在病理图像中的应用[J].现代信息科技袁2018袁2渊5冤院170-172.

3计算机视觉在医疗领域的应用4结束语参考文献

收稿日期：2019-3-15作者简介：唐嘉骏渊2002-冤袁男袁重庆巴南人袁研究方向为计算机视觉遥

122通信设计与应用

并不是独立个体袁生活在社交网络之中袁由于客户与客户之间兴趣爱好和意识行为的趋向性袁当一个客户发生某种行为时袁极有可能有其他客户倾向于发生同种行为或者同一客户发生其他行为袁基于银行现有历史数据进行关联规则分析袁可以预测客户行为发生的可能性袁因此袁选择适当的理财产品进行准确推荐渊2袁冤大大决策提树高技术了银行理财营销的效率遥

[4]

决策树是使用树状结构来结构化表示数据受不同因素影响程度的分析预测模型遥客户作为分析对象袁树形结构表示客户决策集合或者对银行产品的感兴趣程度集合遥使用自上而下的回归方法袁决策树的非叶节点代表银行的各种金融理财产品袁叶节点代表客户对相应产品的兴趣遥通过计算各种决策的期望值袁得出此决策树的最优解袁基于最优解向客户进行精准推送渊3遥

冤分类分析法

在银行庞大的用户数据库中袁不同的客户具有不同的特征和行渊4为冤数据袁这些描特述征和可可以视加化技术

以分析袁整合和归类遥

数据描述和可视化是指将数据进行概念化袁规范化和以图形动画描述的过程遥使用银行大数据仓库和客户自身数据为基础袁使用可视化工具和相关算法袁直观尧清晰而全面的展示银行客户金融行为和历史金融消费数据袁实现精准的服务和个性化遥

渊5冤孤立点检测技术

在银行数据库中袁如果客户行为数据与总体行为出现了过大偏差袁形成了一个孤立点袁一般这种行为被判定为异常行为遥多种方法可用于孤立点检测袁其中基于偏差的方法最为常用遥其主要思想是使用序列异常技术袁即使用客户样本集的方差作为相异度函数遥异常值检测主要用于财务欺诈和反洗钱监控2.3遥

渊数据挖掘的流程

1冤需求分析

数据挖掘的第一步是需求分析遥此过程要与具体业务部门人员进行沟通交流袁完成数据挖掘需求的获取尧整合和分析袁制定挖掘渊2目冤数据标和采具集

体要求以及业务指标袁形成初步的思路遥

数据收集包括数据选择袁预处理和数据集成转换遥数据选择基于在银行用户数据库中提取样本数据的需要遥而数据整合变换渊3目冤数据的削挖掘

减数据维度袁将初始数据转化为有效数据遥

根据第一步中明确的挖掘需求和目的袁使用关联规则分析袁决策树袁归类聚类袁神经网络和异常点检测等技术进行数据挖掘遥最佳策略是多次尝试不同的挖掘算法和分析方法袁不断比较其渊4效冤结果果和分析和评价

准确率袁从而能够选择最佳策略袁建立挖掘模型遥

数据挖掘的结果不一定正确有效袁有些甚至与需求背道而驰袁因此需要评估挖掘结果的有效性遥确定其准确性尧效率和稳定渊5性冤决袁评价策分析

是否达到预期袁然后进行完善遥

数据挖掘的最终目标是根据需求挖掘数据特征袁以帮助决策者做出业务决策遥所以袁应根据数据挖掘的结果袁适时制定和调整商业策略袁为银行客户制定满意的个性化方案袁对银行3未3.1大数据来发展提在出前银瞻行性建议遥

商个业性化银行定制内的客和精准实领域的应用户历史数据时营不销

断积累袁关于客户的数据

2019年4月已经极大丰富袁在此前提下袁商业银行的发展模式逐渐从野产品导向冶转变为野顾客导向冶袁客户需求和偏好成为银行业发展的源泉遥个性化定制方法是商业银行依据客户喜好进行金融产品或者服务的推荐袁对客户的经济规模袁理财喜好以及年龄地区进行精准定位袁针对性地推广遥精准实时营销是根据客户当前实际情况进行推广营销袁考察客户所在地尧最近金融行为和3.2消费记录来实时有效跟踪袁精准服务遥

银行通客户管理

过建立客户关系仓库来管理用客户袁借助数据挖掘工具袁精细区分客户群体袁分析客户行为模式袁根据不同的客户群提供个性化袁准确的财务和贷款服务遥大数据仓库技术也可用于构建预测模型袁以观察和预测商业银行客户的流动和流失袁为银行开发新客户和留住老客户提供参考遥银行使用聚类方法自然地对客户进行分组袁分析袁预测和优化袁通过分析3.3客户虚拟收入销售袁服务渠成道

本袁风险和其他因素来实现收入目标[5]遥在大数据时代袁各大商业银行将网上电子银行视为未来趋势和发展重点遥电子银行相较于传统银行网点袁在客户资源和成本等各个方面都有无可比拟的巨大优势遥然而袁商业银行仅仅将电子银行视为交易平台袁在虚拟化销售渠道[6]方面的应用少之又少遥银行应打破传统固有思维的禁锢袁将金融服务内嵌至微信尧微博等社交网络袁多管齐下才能扩宽销售思路袁促进3.4业务发展遥

在风险大数据管理体平台背景系

下袁银行管理者要充分认识到银行客户的不同特征袁对不同客户的业务进行深入分析袁建立起风险管控和风险规避综合体系袁实现对银行客户的信用等级尧利率调控尧业务操作等各个因素的风险等级进行精细化量化评价袁并在此基础上进行风险趋势预测袁从而提升银行风险管理的安全4总性和结可靠性遥

当前袁大数据技术已成时代主流袁作为商业银行应该跟上时代脚步袁充分发挥数据挖掘的优势分析挖掘客户信息袁精准定位客户需求袁树立以客户为中心的新型经营理念袁从而改变传统的经营理念和运营方式袁推动银行综合服务能力提升袁不断保持银行的核心竞争力遥

[1]霍魁.大数据时代下数据挖掘参考文献

191-192.

技术在银行中的应用[J].商袁2015渊26冤院[2]渊宋婷汀.大数据在银行业务管理中的应用研究[J].港澳经济[3]23京卢冤院60.

袁2016辉.数据挖掘与数据化运营实战思路尧方法尧技巧与应用[4]院识王机日械宏工袁业王出晓版龙社.大袁数据时2013.

[M].北代下数据挖掘[5]与应用郭技术莹袁张袁2014晓燕渊.7在银行中的应用[J].电脑知数据冤院1369-1370.

仓库和[6][J]援科技管理研究袁2013袁数据23渊2挖掘冤院75-78技术在银行客户关系管理中的化王袁2012珊袁渊张6冤院延46-48.

松袁冷建全.金融企业大数据援

技术选择策略[I].金融电子收稿日期：2019-3-14作者简介：尹鲁燕渊1986-冤袁女袁汉族袁山东平阴人袁工程师袁硕士研究生袁研究方向为银行核心业务系统设计与开发遥