数据仓库和数据挖掘技术在信用卡分析中的应用

山东省滨州职业学院计算机信息科学系赵林明　山东省滨州市人民银行程宝安　随着信用卡业务的发展，银行积累了大量客户交易数　数据挖掘的过程是一个不断反馈的过程，可以粗略地　据，如何利用客户的特征数据和交易数据，获得客户的行为　分为：问题定义（Ｔａｓｋ　Ｄｅｆｉｎｉｔｉｏｎ）、数据收集和预处理　模式，从而更好地为客户服务、提高效益，是信用卡管理中　（Ｄａｔａ　Ｐｒｅｐａｒａｔｉｏｎ　ａｎｄ　Ｐｒｅｐｒｏｃｅｓｓｉｎｇ）、数据挖掘算法　迫切需要解决的问题。数据仓库和数据挖掘技术在信用卡　执行，以及结果的解释和评估（Ｉｎｔｅｒｐｒｅｔａｔｉｏｎ　ａｎｄ　分析中的应用较好地解决了这个问题。　Ｅｖａｌｕａｔｉｏｎ）四个阶段。　数据挖掘技术的基础是人工智能，但它只是利用人工　一．数据仓库和数据挖掘技术　智能中一些已经成熟的算法和技术，如人工神经网络、遗传　数据仓库（ＤＷ，Ｄａｔａ　Ｗａｒｅｈｏｕｓｅ）是一个面向主题　算法、决策树、邻近搜索算法、规则推理、模糊逻辑等。虽　的、集成的、相对稳定的、反映历史变化的数据集合，用于　然数据挖掘不一定非要建立在数据仓库上，但如果数据挖　支持管理决策。对此可以从两个层次进行理解，首先，数据　掘能与数据仓库协同工作，则能大大提高数据挖掘的工作　仓库用于支持决策，面向分析型数据处理，它不同于企业现　效率，能更好地满足决策的需要。因为数据仓库在纵向（历　有的操作型数据库；其次，数据仓库是对多个异构数据源的　史数据）和横向（企业范围内的数据）方面都为数据挖掘提　有效集成，集成后按照主题进行重组，并包含历史数据，而　供了更为广阔的活动空间，数据仓库完成了数据的收集、集　且存放在数据仓库中的数据一般不再修改。　成、存储、清洗等工作，数据挖掘面对的是经过初步加工的　数据挖掘（ＤＭ，Ｄａｔａ　Ｍｉｎｉｎｇ）是从大型数据库的数　数据，这使它能更专注于发现知识。　据中抽取出潜在的、有价值的知识、模型或规则的过程。数　数据仓库和数据挖掘之间有着内在的联系和互补性，　据挖掘的对象可为数据库，也可为文件系统，或其他任何组　数据挖掘技术要发挥潜力，就必须和数据仓库结合起来。　织在一起的数据集合。确切地说，数据挖掘是一种决策支持　Ｄｗ＋ＤＭ的结构是决策支持的有效方案。此项技术在信用　过程，它主要基于人工智能、机器学习、统计学技术，高度　卡分析中的应用，为信用卡管理人员做出决策提供了科学　自动化地分析企业原有的数据，做出归纳性的推理，从中挖　依据。　掘出潜在模式，帮助决策者做出正确决策。　【ｌ】国信用卡２００６．ｏ８　５５　维普资讯 http://www.cqvip.com

ｉ素　二　在信用卡分析中的应用　对于信用卡资信分析主题来说，将从前端得来的交易数据　１．信用卡数据仓库的体系结构　经过转换作为基础数据，按照时间进行综合，分别形成月数　信用卡数据仓库的体系结构如图１所示，由四部分组　据、季数据、年数据装入信用卡数据仓库。　成。　２．用判定树方法挖掘信用卡数据中的客户分类规则　信用卡数据仓库中的第一部分，是银行信用卡部门客　（１）判定树归纳算法　户的特征数据和交易数据（包括历史数据、业务数据和其他　输入：训练样本（Ｓａｍｐｌｅｓ），由离散值属性表示；候　数据），是信用卡现有业务系统数据源，其数据特点是分散　选属性集合ａｔｔｒｉｂｕｔｅ￣ｔｉｓｔ。　的和难以再次利用的。　输出：一棵判定树。’　第二部分是中心数据仓库，由数据仓库和多维数据库　算法：　组成，源数据经过抽取、清洗和转换之后加载到信用卡数据　①创建节点Ｎ；　仓库中；存储于多维数据库中的数据是经过再次加工的，为　②如果Ｓａｍｐｌｅｓ都在同一个类Ｃ，则进行③ｌ　信用卡分析与决策提供了必要的分析基础。　③返回Ｎ作为叶节点，以类Ｃ标记；　第三部分是应用服务层，以数据仓库为基础，以数据挖　④如果ａｔｔｒｉｂｕｔＡｉｓｔ为空，则进行⑤ｌ　掘技术为核心，负责连接用户对数据仓库、多维数据库的查　⑤返回Ｎ节点为叶节点，标记为Ｓａｍｐｌｅｓ中最普通的　询访问。　类；／／多数表决；　第四部分是信息展示层，负责为用户展示分析后的结　⑥选择ａｔｔｒｉｂｕｔ—ｌｉｓｔ中具有最高信息增益的属性　果，并可对展示的数据进行再次分析利用，形成分析报表。　ｔｅｓｔ＿ａｔｔｒｉｂｕｔ（选取采用计算属性优度法）；　根据信用卡系统的特点、业务需求以及建立主题的基　⑦标记节点Ｎ为ｔｅｓｔ＿ａｔｔｒｉｂｕｔ；　本原则，把信用卡资信分析作为主题建立信用卡数据仓库。　⑧Ｆｏｒ　ｅａｃｈ　ｔｅｓｔ—ａｔｔｒｉｂｕｔ中的已知值ａｉ／／划分　园　围　困数据源　多数据源集成　中心数据仓库　应用服务　信息展示　图１　信用卡数据仓库应用模型　５６中田信用卡２００６．ｏ８　维普资讯 http://www.cqvip.com

≥麦　Ｓａｍｐｌｅｓ；　定路径上的每个属性一值对形成规则前件（“　部分）的　⑨由节点Ｎ长出一个条件为ｔｅｓｔ—ａｔｔｒｉｂｕｔ＝ａｉ的分枝；　一个合取项。叶结点包含类预测，形成规则后件（“ｔｈｅｎ”　⑩设ｓｉ是ｓａｍｐｌｅｓ中ｔｅｓｔ—ａｔｔｒｉｂｕｔ＝ａｉ的样本集合；／／　部分）。由图２我们可以发现以下规则：　一个划分；　①ｉｆ职业＝公务员ｔｈｅｎ类型＝潜力客户　⑩如果ｓｉ为空，那么进行＠；　正确度：１００％，覆盖度：６６．６７％　＠加上一个树叶，标记为Ｓａｍｐｌｅｓ中最普通的类；　②ｉｆ职业＝国企职员ａｎｄ年龄＝２６～３５　ｔｈｅｎ类型　｛）Ｅｌｓｅ加上一个由Ｇｅｎｅｒａｔｅ＿ｄｅｃｉｓｉｏｎ＿ｔｒｅｅ返回的节点。　＝盈利客户　（２）由信用卡数据构造判定树　正确度：１００％，覆盖度：５０％　从信用卡数据仓库中随机提取一部分数据，经过属性　③ｉｆ职业＝国企职员ａｎｄ年龄＝３６～５０　ａｎｄ职称＝　删除、面向属性的归纳处理后形成２４个训练数据，其数据　高级ｔｈｅｎ类型＝潜力客户　结构如表１。用判定树归纳算法进行数据挖掘构造出的判定　正确度：１００％，覆盖度：２２．２２％　树如图２所示。　④ｉｆ职业＝国企职员ａｎｄ年龄＝３６～５０　ａｎｄ职称＝　（３）由判定树提取客户分类规则　中级ｔｈｅｎ类型＝盈利客户　我们可以提取判定树表示的知识，并以ｉｆ—ｔｈｅｎ的分类　正确度：８０％，覆盖度：４０％　规则表示。对从根到树叶的每条路径创建一个规则，沿着给　⑤ｉｆ职业＝其他ａｎｄ住宅一租用ｔｈｅｎ类型＝亏损　客户　正确度：７５％，覆盖度：１００％　⑥ｉｆ职业＝其他ａｎｄ住宅＝自置ｔｈｅｎ类型＝恶意　客户　正确度：１００％，覆盖度：ｌ００％　６个潜　我们用保留法对随机抽取的部分测试数据进行测试，　规则的正确度达８５．７％。　本文利用数据仓库和数据挖掘技术对客户类别进行了　音　分析。数据挖掘技术还可以在信用卡的相关分析，比如客户　初始信用等级评定、客户当前信用等级评定、客户透支分　析、利润分析、消费行为分析、孤立点探测等方面有许多应　用。　２个潜力　４个盈利　１个潜力　图２判定树　表１　训练数据的数据结构　葺Ｅ历　篝　典型　蕊　ｊ　。ＩＲ称　≥　月ＩＩ队　遗支次数　透支佥颧ｒ　螂　１８～２５　未婚　中专　亏损　租用　其他　员工　其他　３００～１０００　１～５　４７１　７７　无　巾国信用卡２００６，ｏ８　５７