加入WTO以來，中國銀行業(yè)一直在挑戰(zhàn)中前行。銀行業(yè)核心競爭力的關(guān)注焦點，應(yīng)該體現(xiàn)為對本土客戶關(guān)系的理解和客戶資源的掌握上的優(yōu)勢。而強有力的信息化手段將是優(yōu)勢得以持續(xù)的重要條件。

數(shù)據(jù)挖掘: 商業(yè)銀行的應(yīng)用

在國際范圍內(nèi)，數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)已成為商業(yè)銀行業(yè)務(wù)快速發(fā)展、全面應(yīng)用IT技術(shù)，開展科學(xué)管理決策的業(yè)務(wù)平臺。

數(shù)據(jù)倉庫（Data  Warehouse）是支持管理決策過程的、面向主題的、集成的、動態(tài)的、連續(xù)的數(shù)據(jù)集合。可以從容量龐大的業(yè)務(wù)處理型數(shù)據(jù)庫中抽取數(shù)據(jù)，清理、轉(zhuǎn)換為新的存儲格式。根據(jù)決策目標，將存儲于數(shù)據(jù)庫中的決策分析所必需的、歷史的、分散的、詳細的數(shù)據(jù)，經(jīng)處理轉(zhuǎn)換成集中統(tǒng)一的、隨時可用的信息。與傳統(tǒng)的數(shù)據(jù)庫系統(tǒng)業(yè)務(wù)處理為主的OLTP應(yīng)用相比，數(shù)據(jù)倉庫是適應(yīng)分析處理要求、面向以分析處理為主的OLAP應(yīng)用。

數(shù)據(jù)挖掘（Data  Mining ）技術(shù)以數(shù)據(jù)倉庫和聯(lián)機分析處理（OLAP）為平臺，借助企業(yè)擁有的大量數(shù)據(jù)，通過清洗、轉(zhuǎn)換、裝載等數(shù)據(jù)處理方法，發(fā)現(xiàn)大量資料間的關(guān)聯(lián)與趨勢，探尋一種獨特的、通過其他方法發(fā)現(xiàn)不了的業(yè)務(wù)規(guī)律和模式。廣泛應(yīng)用包括線性、非線性回歸分析、判別分析、聚類分析、主成分/因子分析和時間序列分析等統(tǒng)計方法及決策樹分析(Decision  Tree)、準則推斷(Rule  Induction)、關(guān)聯(lián)探測(Association  Detection)、神經(jīng)網(wǎng)絡(luò)(Neural  Networks)和基因算法(Genetic  Algorithms)等特有分析方法。

數(shù)據(jù)倉庫及其應(yīng)用技術(shù)從20世紀90年代初出現(xiàn)以來，在海量客戶信息的企業(yè)，尤其是許多大銀行等金融機構(gòu)中得到了廣泛的應(yīng)用。數(shù)據(jù)倉庫建設(shè)是現(xiàn)代商業(yè)銀行發(fā)展到一定階段對銀行信息管理水平提出的現(xiàn)實要求，又是現(xiàn)代商業(yè)銀行業(yè)務(wù)發(fā)展與信息技術(shù)發(fā)展高度融合的必然趨勢。

目前，國內(nèi)商業(yè)銀行信息體系中大量運用的仍是數(shù)據(jù)庫系統(tǒng)（Data  Base）。數(shù)據(jù)庫系統(tǒng)作為管理手段，用于事務(wù)處理獲得了成功，但對分析處理的支持不能令人滿意。由于事務(wù)處理和分析處理有極不相同的性質(zhì)，直接使用事務(wù)處理環(huán)境來支持決策（DSS）是行不通的。右表是基于數(shù)據(jù)庫和數(shù)據(jù)倉庫結(jié)構(gòu)的銀行業(yè)務(wù)應(yīng)用系統(tǒng)的比較。

商業(yè)銀行建設(shè)數(shù)據(jù)倉庫，先期應(yīng)關(guān)注深化客戶關(guān)系的應(yīng)用主題。通過數(shù)據(jù)倉庫建設(shè)，銀行可建立以客戶金融業(yè)務(wù)信息、客戶基本信息和其他外部信息為主體的、完備的客戶信息體系；建立以綜合業(yè)務(wù)處理系統(tǒng)和數(shù)據(jù)集中為依托，以網(wǎng)絡(luò)化、自動化收集為主，其他調(diào)查方式為輔的客戶信息收集渠道；建立全行高度信息共享的客戶信息管理中心，發(fā)揮其信息采集、預(yù)警預(yù)測、分析發(fā)布等功能，從而全面提高銀行客戶信息的分析和使用能力，為深化和發(fā)展客戶關(guān)系奠定堅實的基礎(chǔ)。