數(shù)據(jù)倉庫和數(shù)據(jù)挖掘在我國中小商業(yè)銀行中的應用初探

呂梁　金淳

摘要：本文在數(shù)據(jù)倉庫與數(shù)據(jù)挖掘基礎理論基礎之上，將其運用于我國中小商業(yè)銀行。以某銀行的業(yè)務情況為基礎數(shù)據(jù)，設計構建了個人及企業(yè)銀行數(shù)據(jù)倉庫的體系結構，并對其進行數(shù)據(jù)粒度的劃分。在此基礎上，對所構建的數(shù)據(jù)倉庫進行多維數(shù)據(jù)分析，并通過實施數(shù)據(jù)挖掘操作，實現(xiàn)知識發(fā)現(xiàn)的功能。結果顯示，通過應用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術，可以為其獲得巨大的信息收益。

關鍵詞：數(shù)據(jù)倉庫；數(shù)據(jù)挖掘；OLAP多維數(shù)據(jù)分析；商業(yè)銀行

近年來，由于我國商業(yè)銀行業(yè)務量的增加，業(yè)務數(shù)據(jù)也隨之大幅度增加。但由于缺乏有效的方法和手段以對數(shù)據(jù)背后所隱藏的規(guī)律和知識進行挖掘，導致銀行工作人員無法利用這些數(shù)據(jù)對銀行相關業(yè)務所包含的規(guī)律和未來發(fā)展趨勢進行分析。上述現(xiàn)象在信息系統(tǒng)較不發(fā)達的中小商業(yè)銀行體現(xiàn)則更為明顯。數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術作為信息化的有效工具，其在國外的金融領域已經(jīng)得到廣泛應用。以北美十大銀行之一的蒙特利爾銀行為例，通過運用數(shù)據(jù)倉庫以及數(shù)據(jù)挖掘技術，對其產品線進行重新組織，并基于數(shù)據(jù)挖掘所獲得的經(jīng)驗和知識，進行更具針對性的市場營銷，總共為其節(jié)約了2280萬美元。而這一技術尚未被我國中小商業(yè)銀行所掌握。

一、數(shù)據(jù)倉庫與數(shù)據(jù)挖掘相關理論概述

（一）數(shù)據(jù)倉庫

數(shù)據(jù)倉庫是“面向主題的、集成的、穩(wěn)定的、隨時間變化的數(shù)據(jù)集合，用于支持管理決策過程”。在這個定義中，W.H.Inmon明確給出了數(shù)據(jù)倉庫的四個重要特點，即“面向主題”、“集成”、“穩(wěn)定”、“隨時間變化”[1]。

數(shù)據(jù)倉庫的數(shù)據(jù)組織方式主要包括有三種，分別是虛擬存儲方式、基于關系表的存儲方式和多維數(shù)據(jù)庫存儲方式等[3]。其中，多維數(shù)據(jù)庫存儲方式是直接面向數(shù)據(jù)挖掘分析操作所需的數(shù)據(jù)組織形式，它對DW中的海量數(shù)據(jù)從客戶感興趣的角度進行層次化處理、抽象概括，并設置維索引及相應的元數(shù)據(jù)管理文件，以對應于數(shù)據(jù)倉庫中的數(shù)據(jù)[4]。與虛擬存儲方式、基于關系表的存儲方式中組織關系都比較復雜相比，更適用于組織、存儲數(shù)據(jù)倉庫中的海量數(shù)據(jù)[5]。

（二）基于數(shù)據(jù)倉庫數(shù)據(jù)的OLAP

1.聯(lián)機分析處理（OLAP）的概念和特征

2.OLAP多維分析操作

多維分析是指對數(shù)據(jù)倉庫中的數(shù)據(jù)進行切片、切塊、鉆取和旋轉等分析操作[9]，用戶能從多角度對數(shù)據(jù)進行深入剖析，進而了解其中的規(guī)律。

（1）切片。切片是指通過在某個或某些維上選取某一特定的屬性成員，而在其他維上則選取一定區(qū)間的屬性成員，對所獲得的數(shù)據(jù)進行分析。以某銀行部分業(yè)務數(shù)據(jù)所形成的數(shù)據(jù)立方為例進行說明：從該立方中選取2012年4月這一個時間段內所有理財產品的銷售情況進行分析，此即為切片。

（2）切塊。切塊是在立方體中的三個維上取一定區(qū)間的屬性成員或全部屬性成員。切塊可以看成是在切片的基礎上，進一步確定各個屬性成員的區(qū)間得到的片段體，也即由多個切片疊合起來。

（3）鉆取。鉆取包括上鉆和下鉆兩種操作。從高級數(shù)據(jù)到明細級數(shù)據(jù)視圖稱為下鉆；從明細級數(shù)據(jù)到高級數(shù)據(jù)視圖稱為上鉆。

（4）旋轉。旋轉指改變一個報告或頁面顯示的維方向，通過旋轉操作可以最終用戶從不同視角來觀察數(shù)據(jù)。

（三）數(shù)據(jù)挖掘技術

數(shù)據(jù)挖掘是根據(jù)企業(yè)所設定的業(yè)務目標和存在的問題，對大量的業(yè)務數(shù)據(jù)進行探索，揭示隱藏其中的規(guī)律并模型化，以指導并應用于實際經(jīng)營實踐。通過對業(yè)務數(shù)據(jù)的挖掘，從中發(fā)現(xiàn)企業(yè)運作的本質規(guī)律，優(yōu)化企業(yè)本身的運作[10]，或進行有效的客戶關系管理。

常用于銀行業(yè)的數(shù)據(jù)挖掘方法主要包括：

（1）預測型方法：分類（Classification）/決策樹算法（DecisionTree）、回歸分析（Regression）、時間序列分析（TimeSeries）。

（2）描述型（Descriptive）方法：關聯(lián)分析（AssociationAnalysis）、序列關聯(lián)分析（SequentialAnalysis）、聚類分析（Clustering）。

將上述方法應用于銀行業(yè)領域，其可實現(xiàn)的功能主要包括：大客戶特征的識別、客戶群體細分、客戶流失的預測與控制、業(yè)務預測、理財產品銷量預測、客戶欺騙的早期識別等方面。

二、中小商業(yè)銀行數(shù)據(jù)倉庫的設計

（一）個人銀行數(shù)據(jù)倉庫構建

1.個人銀行數(shù)據(jù)倉庫的體系結構

（二）企業(yè)銀行數(shù)據(jù)倉庫構建

1．企業(yè)銀行數(shù)據(jù)倉庫的體系結構

四、結論

數(shù)據(jù)倉庫和數(shù)據(jù)挖掘在我國中小商業(yè)銀行中的應用尚處于探討階段。本文在對數(shù)據(jù)倉庫與數(shù)據(jù)挖掘相關理論進行分析的基礎之上，認為將其運用于我國中小商業(yè)銀行具有可行性。以某銀行的業(yè)務情況為例，對個人及企業(yè)銀行數(shù)據(jù)倉庫的組織構建進行設計，實施多維數(shù)據(jù)分析，進行數(shù)據(jù)挖掘操作及分析，認為通過應用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術，可以獲得巨大的信息收益?！?/p>

（責任編輯：張恩娟）

參考文獻：

[1]BendellJ.DataModelingandDatabaseDesignforDataWarehouses：TheDataWarehousingInstitute，1996.

[2]袁虹，何厚存．聯(lián)機分析及數(shù)據(jù)倉庫的建模技術[J]．計算機應用研究，1999（12）：61-63．

[3]史金紅，吳永明．影響數(shù)據(jù)倉庫成功的關鍵因素[J]．電子工程師．2000（1）：9-13．

[4]韋洛霞．數(shù)據(jù)倉庫與OLAP[J]．東莞理工學院學報，2000（2）：19-24．

[5]蔣翊凌．基于數(shù)據(jù)倉庫的銀行業(yè)務數(shù)據(jù)挖掘研究[D]．上海：華東師范大學，2006．

[6]孫其輝．基于數(shù)據(jù)倉庫的集裝箱支線運輸DSS研究[D]．遼寧：大連海事大學，2008．

[7]趙璐．數(shù)據(jù)挖掘技術及其在電信系統(tǒng)應用的研究[D]．吉林：長春理工大學，2009．

[8]徐奇，楊光敏，歐陽學兵，靳志宏．基于數(shù)據(jù)倉庫的口岸跨境運輸決策支持與系統(tǒng)實現(xiàn)[J]．交通信息與安全，2011（3）：110-115．

[9]靳志宏，徐奇，蘭輝．集裝箱多式聯(lián)運的多維數(shù)據(jù)分析與數(shù)據(jù)挖掘[J]．集美大學學報．2011（4）．

[10]ZhihongJin，QiXu.TheRealizationofDecisionSupportSystemforCross-borderTransportationBasedontheMulti-dimensionalDatabase.JournalofSoftware，2012（5）.