随着数据挖掘技术的发展与银行业电子化程序的提高,越来越多的银行为了保证在日趋加剧的竞争中保持优势增加利润,采用数据挖掘的方法来分析处理数据,从中发现规律与知识,为银行的决策提供依据。 在数据挖掘的方法方面,常用的方法有:分类、估计、预测、组合或关联法则、聚类与可视化,这些方法为分析数据提供了基础支持;在数据挖掘的技术与算法方面,有三种重要的数据挖掘技术:自动类别侦测、决策树、神经网络,经过理论工作者的研究,这些技术与算法已在各数据挖掘领域都得到广泛的应用。 通过总结数据挖掘方面的成功经验,数据挖掘其实是一个过程,是一个要不断反复调整的过程,这个过程一般要经过如下几个步骤:业务问题定义、体系与技术准备、数据准备、模型建设与测试验证、知识发现与应用。 在上海银行建立客户经理考核系统的过程中,首先分析了上海银行核心系统的数据,在对数据的基本分析的基础上,主要使用分类、聚类、描述与可视化的方法,最后形成了客户的“模拟利润”模型,并应用到客户经理考核系统中,保证了银行对客户经理考核的公正与合理,这也保证了对给银行带来利润的客户的服务,为增加银行的利润打下基础。 上海银行的客户经理考核系统采用了基于J2EE的B/S三层结构,在开发中使用了中间件,极大的加速了整个软件的开发与应用,使开发人员将主要工作放在业务逻辑方面,现在系统已成功上线运行,其对业务经理的考核结果得到了银行与客户经理的认可,在系统中对客户的分析方面的报表功能也得到满意的效果,得到银行业务部门的认同,为下一步银行的数据挖掘提供了宝贵的经验。