銀行業數據挖掘：一般數據結構的嘗試及挖掘應用策略

王昭彧　中國銀監會白銀市銀監分局經濟師

?

銀行業數據挖掘：一般數據結構的嘗試及挖掘應用策略

王昭彧中國銀監會白銀市銀監分局經濟師

摘要：金融大數據蘊藏巨大價值，但受通用數據結構缺失等歷史因素影響，差異化的銀行業海量數據目前仍難真正成為“數據資產”，持續創造“經濟價值”。為此，本文嘗試提出了銀行業一般數據結構，并就銀行業數據挖掘實踐的應用方向與基本策略提出了建議。

關鍵詞：銀行業；大數據；一般數據結構；數據挖掘

1　引言

自2012年以來，大數據、大數據分析、互聯網金融等概念持續熱議，銀行業因為擁有海量的電子化數據，且多為結構化數據，為迎接互聯網金融的沖擊，或被動或主動地加入到數據挖掘的隊伍之中，尋覓著隱藏在“數據資產”中的“金礦”。但如果依照KDD進程（Knowledge Discoveryin Database，基于數據庫的知識發現）及數據挖掘（DataMining）理論和技術的要求，客觀評估銀行現有的數據結構與信息處理方式，雖然大數據分析為有效利用點多、面廣、非結構化的數據提供了可行之路，但基礎性問題的存在，諸如不同產品數據規范不一致、新舊數據標準不兼容、銀行業統一數據架構缺失等，明顯遲滯了數據價值的挖掘進程。為此，筆者嘗試介紹一種銀行通用數據結構，并梳理出銀行數據挖掘當前實踐亟待解決的若干問題，供同業者參考。

2　銀行業一般數據結構

2.1以銀行為中心的6個考察維度

借鑒業內監管專家與基層骨干的觀點，基于銀行業通用數據的視角，以單家法人銀行為分析對象，在保證與其它銀行業機構橫向可比的原則下，可以確定以下5個考察維度：