数据挖掘技术在银行客户关系管理中的应用分析

数据挖掘技术在银行客户关系管理中的应用分析

󰀁张󰀁颖󰀁杜󰀁斌󰀁钟永红

󰀁󰀁摘󰀁要:文章提出了一种基于数据挖掘技术的银行客户关系管理系统的设计方案,以期解决我国现行银行信息系统中客户信息管理中存在的问题。在分析了现有银行客户信息系统的现状后,讨论了数据仓库、OLAP和数据挖掘在银行CRM中的应用,并结合XML和多维数据模式设计的思想,构造了一个银行客户关系管理系统的架构。

关键词:数据挖掘󰀁OLAP󰀁数据仓库󰀁客户关系管理中图分类号:F830.46󰀁󰀁文献标识码:A文章编号:1004-4914(2005)03-230-02一、引言

随着我国加入WTO,国内银行业正酝酿着有史以来最为深刻的变革,不仅面临着同业之间的激烈竞争,还有来自非同业与国外之间不断加大科技投入的激烈竞争。在信息技术水平总体相差不大的情况下,利润并非只限于󰀁物质󰀁,还来自于󰀁信息󰀁和󰀁客户关系󰀁。今天的中国银行业,已步入客户主导的买方市场。无论是国有商业银行还是股份制商业银行,都无一例外地意识到,客户已成为银行至关重要的商业资源。如何树立和执行客户战略、如何才能建立长期稳定、科学管理的客户关系;如何才能深度地挖掘客户资源的效益显得非常重要。要想赢得金融竞争的主动权,银行只有实行以客户为中心的客户关系管理(CustomerRelationshipManagement,CRM),赋予银行更完善的客户交流能力,才能最大化客户的收益。

CRM本身是一个管理上的名词,是一个管理理念。但CRM又可以是一套原则制度或一套软件技术。作为制度,它借助先进的信息技术和管理思想,通过对企业业务流程的重组来整合客户信息资源,并在企业内部实现客户信息和资源的共享,为客户提供一对一的个性化服务,改进客户价值、满意度、盈利能力及客户忠诚度,保持和吸引更多的客户,最终实现企业利润最大化。作为软件技术,CRM通过应用先进的计算机技术,将所收集的客户特征信息进行智能化分析,转化为应用软件为企业的商业决策提供科学依据,笔者从CRM的技术视角进行分析。

二、我国银行业客户信息管理的缺陷:分散性和片断性

长期以来,我国银行信息系统是模拟原来手工处理流程来处理银行交易,因而以往系统的设计均以账号为中心,而且根据客户与银行往来业务品种的不同,其在银行内部各个业务系统中的账号也各不相同,很难将同一客户在银行内部的所有信息进行整合。因此我国银行客户信息的最大特点是分散性(市场、销售、服务各个部门都有自己独立的信息系统)和片断性(各部门信息相互割裂),银行内没有一个部门可以看到客户信息的全貌,导致同一个客户在办理不同的银行业务(存款、贷款、办卡等)时,其个人背景信息都要重复地填写。而且,客户为了在同一家银行办理不同的业务,往往需要办理不同的银行卡,导致同一客户手中经常持有同一家银行的多张存折和银行卡,给客户造成诸多不便。这种情况不但造成了银行人员、时间的浪费和营运成本的增加,还不利于新业务的拓展。从客户的角度看,当与同一家银行进行不同的产品或服务查询时,需要重复一些相同的步骤,而且得到的回答是来自不同的银行、不同的人给出的不同回答;从银行领导的角度来看,从不同的部门得到的分析统计结果也往往不一样,而且效率非常慢,月报、季报都不能按时上交;从市场营销的角度看,不知道该对哪一类客户提供什么服务和产品,如何将好的客户留住。总之,客户信息的分散性和片断性,对我国银行的决策者进行业务决策造成了极大的困挠,浪费了许多资源,失去了很多机会,使银行在日益激烈的市场竞争中处于不利的地位。

三、数据仓库、OLAP和数据挖掘在银行客户关系管理中的应用CRM系统是基于大型数据仓库系统而建立的。数据仓库是数据挖

掘的基础,是面向主题的、集成的、稳定的、随时间不断变化的数据集合。与只包含当前固定数据模式的传统数据库相比,数据仓库可以视为一种分布异构数据系统的集成方法。数据仓库应用的主要工具是联机分析处理(OLAP)和数据挖掘(DataMining)。

联机分析处理是对数据的一系列交互的查询过程,这些查询过程要求对数据进行多层次、多阶段的分析处理。根据多维联机分析的结果,提供标准化的报表输出和分析图表功能。具体包括:零售客户分析,中间业务分析,清算管理,系统管理,会计业务等业务系统的历史报表查询,打印功能;总账、分户账、流水账、明细账的查询,统计分析功能;日、月、季、年报的生成打印功能。

数据挖掘是一个从数据当中发现趋势的过程。这一过程的目标就是通过对大量数据的分类从而发现新的信息。在银行业,数据挖掘主要用于信用欺诈的建模和预测、风险评估、趋势分析、收益分析以及辅助营销活动。银行通过数据挖掘得到的回报就是将这些新发现的知识转为经营上的成果,如增加客户的购买欲望或减少信用卡欺诈的数量。目前发达国家的大型商业银行,特别是美国的许多大银行都建立了自己的数据仓库系统,其中存储的客户信息量可以用几百个Gigabyte(十亿)和Terabyte(万亿)来计算。数据挖掘技术可以有效地帮助银行从这些海量客户数据中淘金,从中分析客户信用卡的使用情况和预测信用卡犯罪的可能性、比较不同类型客户的赢利情况、客户使用金融产品的频率和爱好,分析不同客户群体对金融产品的偏好等,以便银行有针对性地进行市场营销,为客户提供个性化和定制的产品和服务。

四、银行CRM系统的架构

1.系统目标。银行CRM系统的建立,可以实现业务部门的客户信息共享,为业务部门提供一个统一面对客户分析的平台。其次,可以为银行制定市场营销策略提供数据支持,使营销能够有针对性地进行,降低了银行成本,从整体上提高了银行的经济效益。以银行业务为例,CRM可以有效地解决如下问题:信用卡业务管理、客户信用记分、市场研究和新产品开发、客户特征和分类、客户价值分析、关联分析、欺诈发现和客户流失分析等。

2.系统结构设计。CRM是一个将客户信息转化成积极的客户关系的反复循环过程。按照CRM的整体解决方案,我们将银行的CRM系统按照功能划分为六个层面:基础数据层、数据提取层、数据仓库层、信息提取层、信息展示层、营销活动层。

(1)基础数据层。基础数据层涵盖了银行各级业务部门积累的大量的客户的客户基础数据,它是银行CRM系统获取数据的来源。在CRM系统中,记录了客户历次信贷记录以及与银行发生的各种业务,因此涉及的数据量大、面广,相应地基础数据库也很多,包括各类储蓄业务、对公业务、清算转账业务、自动服务等各种业务系统中产生的数据所建立的数据库。

(2)数据提取层。如果说基础数据层是完成对基础数据的管理和存储,那么数据提取层则是对来源于基础数据库的基础数据进行初步加工,将基础数据从面向应用转变为面向主题。数据提取层面临的主要问题包括:有些数据可能被输错,有些数据可能已经过时,有些数据可能有冗余,甚至有的数据根本就是错误数据。因此该层首先需要根据原数据库中的主题表定义、数据源定义和数据抽取规则定义对异地异构数据源进行清理、转换,对数据进行重新组织和加工,再组装到数据仓库的目标库中。在组织不同来源的数据过程中,提取层先将数据转换成一种计算机可以识别的中间模式,再把它移至临时工作区。目前普遍的做法是把多种格式的数据转化为一种可识别的通用格式XML(可扩展标记语言)。对于各种数据库基本上都集成了将数据转化成XML的功能,但对于以其他方式存在的数据就必须编制程序来完成数据提取工作。对于一般的以HTML文件形式存在的数(下转第232页)

󰀁230󰀁󰀁金融研究󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁经济师󰀁2005年第3期

可利用以风险分类结果为基础建立的质量和风险评价指标体系,测算各类贷款的损失比率及各级机构贷款的损失额、损失比率,具体量化各分行的贷款风险状况,同时结合贷款利息实收率、综合收息率和综合贷款风险度等指标,通过考核各指标绝对值及变动值、变动率等全面客观地考核各分行的信贷资产质量和信贷经营管理水平。另一方面,我国商业银行应随着贷款风险分类法的全面实施进一步强化、完善信贷责任制,提高对信贷责任认定的准确性和责任追究的力度。同时,区分风险形成的主观和客观原因,对主观责任依据责任制度进行认定,确定贷款风险的主责任人和各环节对风险形成有过错的连带责任人,明确各自应承担的风险责任,进行相应的处罚,使贷款责任制度真正落到实处。

三、建立符合风险管理要求的信贷管理信息网络系统

风险分类法引入的风险管理模式客观上要求信贷员、信贷管理人员以商业银行的高级管理人员全面、动态、准确地了解与贷款有关的全部信息,除全行的风险分类结果等信贷业务数据外,还包括从客观的国民经济政策和行业政策信息到微观的企业经营管理信息等,使贷款管理信息和分类结果得到及时的共享和反馈,一方面可以克服因各级信贷管理人员信息不对称而对信贷管理造成的负面影响,另一方面信息共享有助于更有效地发挥风险分类对银行信贷管理的服务职能。商业银行应根据借款风险管理的要求建立信息齐全、网络四通八达的信贷管理信息系统,纵向上(即上下级行之间)应在风险分类结果等信贷业务数据实现互联并实时传达的基础上,数据外延应扩展到相关的行业信息、产业政策、产品市场信息、产业技术信息等,并实

现全行数据的联网,使上述信息在全行内部

得以共享。要完善上述系统则应建立银行内部分支行之间不同层次的信息采集入网制度,如总行负责采集国际市场及国内各行业的整体经营信息、全国性市场的商品信息和全国性公司的经营信息;一级分行负责采集区域性市场的商品信息和行业信息、区域产业政策和行业政策以及全国性公司的省级分公司和区域性集团公司的经营及财务信息;二级分行及以下支行负责采集当地的市场需求信息及产品价格信息、所有现有及潜在的贷款客户的经营及财务信息等,通过上述分层次的信息采集和并网,在纵向上构建全行内部的网络信贷信息数据库。在横向上通过与当地人行的银行信贷登记系统联网,使同一地区各商业银行之间实现对本地所有借款人相关信息的互联和资源共享,以充分满足对信贷业务实施风险管理的要求。

四、改革现有的呆账准备金制度

我国银行业原有的呆账准备金制度是按各行年初借款余额的1%计提,这种按贷款同比例计提的方法没有考虑借款质量的优劣,未能体现不良贷款的内在损失程度,同时提取的比例也与我国银行业高比例的不良资产不适应,准备金总量严重不足,此外呆账核销手续繁琐、条件过严,商业银行不能及时核销已发生或潜伏已久的呆账,不利于商业银行的正常经营。

随着五级风险分类法的实施,我国银行业应在财政政策的配合下,改革现行的准备金制度,建立普通准备金和专项准备金两级准备金制度,以对正常贷款提取普通准备金的基础上,按照不良贷款的内在损失程度计提专项准备金,通过普通准备金和专项准备金的互为补充,使我国银行业的准备金不仅

与贷款规模大小相联系,而且与不良贷款的内在损失程度直接相关。同时银行内部应建立对准备金的评估制度,定期根据风险分类的结果对准备金的充足性进行评估,及时调整准备金数量,使准备金始终与贷款的内在损失程度相适应。

五、全面提高信贷队伍素质

风险分类要求信贷人员能够根据一系列的分类信息,运用风险分类的技术和方法,结合自身的知识和经验客观、公正地评价贷款的风险和质量状况,因此,信贷员的素质,包括职业道德和业务素质的高低,很大程度决定了贷款分类结果的准确性。同时,贷款风险管理模式的建立也对信贷人员的素质提出了更高的要求。商业银行一方面应不断加强信贷人员的思想道德教育,培养信贷人员使之具备高度的责任意识、敬业精神和优良的工作作风;另一方面应努力提高信贷人员的业务素质,针对信贷经营管理和信贷人员知识结构中的薄弱环节,加强业务知识和操作制度的培训,并鼓励信贷人员自学与信贷业务有关的法律、会计等专业的知识。坚持实行󰀁持证上岗󰀁制度,对岗位资格考核未通过者及年度工作考核不合格者,实行待岗培训或转岗、下岗,确保商业银行拥有一支符合信贷风险管理要求、高素质的信贷人员队伍。参考文献:

1.贷款风险分类管理与实务.中国金融出版社,1998

2.曾国坚,何五星.银行风险新论.中国计划出版社,1999

(作者单位:建设银行广东省茂名市分行󰀁广东茂名󰀁525000)

(责编:若佳)

(上接第230页)据,通常采用下面的办法提取其中的数据:标识数据源并把它映射成XHTML(语法树);查找数据内的引用点;将数据映射成XML;合并结果并处理数据。

(3)数据仓库层。数据经过提取层加工、清理后,需要存放在数据仓库中,形成只读数据库,以直接面向数据分析、数据挖掘。数据仓库通常独立于其他数据库,但有时把所有的异构数据导到数据仓库中可能会花费大量的时间和金钱。因此,也可以把一个或多个事务数据库导到一个只读数据库中,把它当作数据集市,直接在此基础上进行数据分析和数据挖掘。

(4)信息提取层(OLAP,数据挖掘)。信息提取层不同于数据提取层,数据提取层是对原始数据进行初次加工,得到有价值的数据,而信息提取层则是在此基础上,运用数据分析工具,从数据中提取对决策有用的信息。OLAP和数据挖掘是信息提取的有力工具。在应用OLAP时,要对数据进行Slice(切片)、Dice(切块)、Roll-up和Drill-down(钻取)等各种分析动作,因此选用立方体数据模式可以直观描述多维数据的结构。数据挖掘是与OLAP互补的另一数据处理器。它利用人工智能和高级统计分析技术,运用聚类分析、神经网络、数据可视化、决策树等技术,从数据仓库中的大量数据提取隐含的,全面的和有用的知识,将发现的知识以模型的方式提供给银行,作为银行制定各种营销策略、管理政策和各种咨询服务的依据。

(5)信息展示层。信息展示层负责为银行展示分析后的结果,并可对展示的数据进行再次的分析利用,形成最后的分析报表。用户可以通过浏览器(B/S架构)完成:对多维数据结构(CUBE)进行客户价值分析、使用模型进行关联分析、欺诈发现等功能。关联分析是要建立客户属性指标之间、客户群与指标之间、客户群与客户群之间的相互关系,并通过

对此关系的观察研究,发现各种有益的内在规律,为销售部、咨询服务和

信息服务人员以及高层管理人员提供经营管理决策支持。

(6)营销活动层。要想CRM中运用数据挖掘分析和提取的有关客户规律、趋势的信息和知识在整个银行内得到有效的应用,还需要将这些信息和知识转化为企业的营销活动,用于提高在所有渠道上同客户交流的有效性和针对性。

五、结语

应用CRM将为商业银行带来以客户为中心的先进经营理念,但只有加强数据挖掘等高端CRM应用,才能真正加强商业银行开发、创新和营销金融产品的能力,推动银行整体的信息化。这是因为CRM是基于先进IT平台的业务处理、决策支持和管理系统。商业银行将以CRM系统为中心,推动数据仓库与综合业务处理系统、管理信息系统(MIS)的整合,可以实现数据在应用层、运营在管理层的集中,逐步形成商业智能,实现企业的整体󰀁e󰀁化,使自身真正具备󰀁AAA󰀁(Anytime,Anywhere,Anystyle)级服务能力。

参考文献:

1.[美]R󰀁格罗思,候迪,宋擒豹译.数据挖掘󰀁󰀁󰀁构筑企业竞争优势[M].西安交通大学出版社,2001

2.宝利嘉,杨瑞龙.客户关系管理解决方案󰀁󰀁󰀁CRM的理念、方法与软件资源.中国经济出版社,2002

3.[美]弗雷德里克󰀁纽厄尔.网络时代的顾客关系管理.北京华夏出版社,2001

(作者单位:西安交通大学经济与金融学院󰀁陕西西安󰀁710061)

(责编:吕尚)

󰀁232󰀁