数据挖掘技术在信用卡业务中的应用分析研究

龙源期刊网 http://www.qikan.com.cn

数据挖掘技术在信用卡业务中的应用分析研究

作者：边红军

来源：《无线互联科技》2015年第01期

摘 要：本文通过对数据挖据技术在信用卡业务中管理模式、应用方法的分析研究，提出数据挖掘技术在信用卡业务中将具有越来越广阔的应用前景。 关键词：数据挖掘技术；信用卡；应用分析；研究方法 1 数据挖掘技术在信用卡业务中的应用

数据挖掘技术在信用卡业务中的应用主要有分析型客户关系管理、风险管理和运营管理。 ⑴分析型CRM。分析型CRM应用包括市场细分、客户获取、交叉销售和客户流失。信用卡分析人员搜集和处理大量数据，对这些数据进行分析，发现其数据模式及特征，分析某个客户群体的特性、消费习惯、消费倾向和消费需求，进而推断出相应消费群体下一步的消费行为，然后以此为基础，对所识别出来的消费群体进行特定产品的主动营销。

⑵风险管理。在风险管理中运用数据挖掘技术可建立各类信用评分模型。模型类型主要有三种：申请信用卡评分卡、行为信用评分卡和催收信用评分卡，分别为信用卡业务提供事前、事中、和事后的信用风险控制。

⑶运营管理。虽然数据挖掘在信用卡运营管理领域的应用不是最重要的，但它已为国外多家发卡公司在提高生产效率、优化流程、预测资金和服务需求、提供服务次序等问题的分析上取得了较大成绩。 2 常用的数据挖掘方法

⑴线性回归。简单线性回归分析是量化两个连续变量之间关系的一种统计技术。这两个变量分别是因变量（预测变量）。使用这一方法，可以发现一条穿过数据的线，线上的点使对应数据点的方差最小。

⑵逻辑回归。逻辑回归是使用最广泛的建模技术，与线性回归很相似。两者的主要区别在于逻辑回归的因变量（想预测变量）不是连续的，而是离散的或者类型变量。

⑶神经网络。神经网络系统由一系列类似于人脑神经元一样的节点组成，这些节点通过网络彼此互连。如果有数据输入，它们便可以进行确定数据模式的工作。