给出识别一个特殊群体的公共属性的描述这个描述可以用来分类新的项以及聚类分析聚类分析可以从Web访问信息数据中聚集出具有相似特性的那些客户。32数据挖掘在商业银行中的应用随着经济全球化步伐的加速和中国金融业面向外资银行的开放我国银行业面临着巨大的压力和挑战。在激烈的市场竞争中如何充分运用商业银行在发展过程中积累的大量的经营数据和客户数据发掘有价值的信息己成为当今国内银行业普遍关心的问题可以说新一轮银行的竞争将在客户资源的基础之上展开为了实现经营理念从“赞金为中心”向“以服务为”转变商业银行必须树立客户至上的思想通过向每一位客户“在正确的时间、正确的地点提供正确的服务”来赢得顾客的“心”。数据挖掘技术作为一门新兴技术它的应用已成为商业银行实现上述“正确”的关键。利用分类法可以有效识别优质客户。对于商业银行来说分类是最常见的操作。目前商业银行经常试图在众多的客户中识别出优质客户但却一直无法确定优质客户的标准、这里可首先假设类标号属性为“是否为优质客户”然后采用分类法通过在一定的客户群上进行学习最后确定出优质客户的评估准则。利用分类法还有利于商业银行培养和选择忠诚客户使之与银行保持长期关系。客户忠诚是基于对银行的信任度、往来频率、服务效果、满意程度以及继续接受同一银行服务的可能性的综合评估值。商业银行为了留住老顾客防止客户流失就必须了解顾客的需求。首先设立类标号属性是“顾客是否流失”再利用数据挖掘工具对大量的客户资料进行分析建立数据模型以确定客户的购买习惯、购买数量和购买频率分析客户对某个产品的忠诚程度、持久性等以确定忠诚客户并为他们提供个性化定制服务。在信用风险管理中的应用。信贷业务是商业银行的核心业务之一而这些业务所带来的信用风险及其控制一直是商业银行最为关注和棘手的问题。为了保证最大的利润和最小的风险既鼓励和方便客户贷款与透支又避免坏账的上升商业银行在放贷之前应根据客户历史信贷资料分析客户的信誉度和偿还债务能力。长期以来各商业银行一直都在试图寻找好的技术来代替传统的人工对客户信誉度的估算但始终未果数据挖掘技术的出现
f由于其可为银行进行个人信用风险控制提供客观、准确的评估和控制机制因此
已成为各商业银行风险管理中的“宠儿”。利用数据挖掘技术各商业银行的信
誉管理模式由定性化逐步走向定量化通过科学地强化对信贷客户的信用评
估、风r