浅谈数据挖掘在农信社客户关系管理中的应用

在国际金融一体化和网络经济快速发展的大背景下，我国银行业面临日趋激烈的市场竞争，怎样应对国有、股份制商业银行和余额宝、微信支付等“网络银行”的进入所带来的巨大竞争压力，在新形势下不断提高竞争力，是摆在农信社面前的一个重要课题。

一、数据挖掘的必要性分析

数据挖掘是指从大量的数据中，抽取出潜在的、有价值的知识（模型或规则）的过程。数据挖掘技术历经数十年的发展，已被广泛应用于金融、保险、电信、电力等领域。目前，中国的银行业竞争日益激烈，利率市场化的趋势更使农信社面临更大的挑战。如何有效的保持现有的客户资源，发现新的客户资源，对农信社的发展很关键。利用数据挖掘的强大的信息处理和分析能力，对农信社的客户数据信息进行汇总和分析，建立一套完整的基于数据挖掘的客户关系管理系统，能保持和发展更多的优质客户资源，提升客户的价值，提供更周到快捷的服务，从而提高客户的满意度，增加银行的效益。

目前虽然农村信用社建立了庞大的客户信息库和业务数据，但是还局限于对数据的存储、记账、查询、报表功能等，把大量的数据作为一种静态的档案来管理，没有把它当成一种重要的可以进行知识发现和决策支持的资源来利用，缺乏对其内在规律的挖掘，导致重要信息的流失和资源的浪费。商业银行竞争的核心是客户资源，尤其是优质客户资源，建立一套完整的基于数据挖掘的客户关系管理系统有其深刻的必要性。

二、 数据挖掘的应用价值

（一）挖掘潜在客户

银行业竞争日益激烈，客户服务的质量是关系到银行发展的重要因素。客户是一个可能根据年费、服务、优惠条件等因素而不断流动的团体，为客户提供优质和个性化的服务，是取得客户信任的重要手段。要对客户实施最优质的服务，前提是发现重点客户。我们就是要把零散的、历史的各种数据集中起来建立数据库，从所建立的数据库中挖掘出为企业创造利润和价值的客户。应用数据挖掘的方法从复杂的客户信息数据库中建立模型，对客户的记录信息进行动态跟踪和监测，以便发掘客户，锁定有价值的客户群，分析潜在的客户群，制定不同客户的市场需求和不同客户群的市场发展战略，根据客户价值确定服务产品配置，从而与优良客户建立长期客户关系。以河南省农信社为例，可以通过对综合业务系统中客户住址等的分析，发现存款或者贷款的快速增加的目标区域，快速的锁定目标客户。从而分析原因，着力去挖掘新的潜在客户。

（二）信用评估

农户小额贷款作为农村信用社金融服务的特殊品种，为农村经济发展发挥了积极作用，也是农村信用社信贷业务的重要部分。但是农民是一个特殊的群体，农业目前作为一个弱势的产业，其受自然灾害、水利条件的制约因素较多，导致出现各种逃避债务的违约现象，因此，建立一个信用风险管理和决策支持模型降低其风险成为信用社所面临的紧迫问题。目前农信社客户信用风险评级多采用以定性为主的评级方法，评级过程中存在很强的人为因素，评级采用的指标体系有待科学化和完善化，评级体系信息智能化程度低、无法满足市场环境的动态变化，而利用数据挖掘分类预测技术则可以智能化分析原有的交易数据，进行归纳性推理，从中挖掘潜在的知识，自动分类客户的信用风险级别。将数据挖掘引入信用评估模型，能在一定程度上解决信用社所面临的一些信贷风险问题。信用评分模型作为信用风险评估和风险管理的基础和核心，通过数据挖掘模型确定的权重，来给每项申请的各指标打分，加总得到该申请人的信用评分情况。根据信用评分来决定是否接受申请，确定信用额度。过去，信用社的信用评分的工作由基层信贷员完成，只凭经验或者考虑几个经过测试的变量，如就业情况、收入、年龄、资产、负债等，大大影响了客户评级授信的准确性。如果应用数据挖掘的方法，可以增加更多的变量，提高模型的精度，满足信用评价的需求。

（三）客户保留和客户识别

如何获得客户的满意度和信任度是银行面临的主要问题。客户关系管理为客户与银行之间创建了一个沟通渠道，数据挖掘技术能进一步优化银行内部的业务流程，使这一渠道变得更加高效与快捷。通过分析客户的交易行为，更好地了解客户和保留客户。首先，挖掘客户的爱好和兴趣，从而以最快的速度响应客户的需求，为客户提供最优质的服务，极大地提高客户的忠诚度。自动地改进和完善与客户关系有关的商业流程，降低信贷成本，提高银行的信贷利润。其次，不同的客户群体为企业带来的效益是有差异的，根据客户的年龄、职业、投资兴趣、收入水平和信贷历史记录等因素，对客户进行识别和分类，寻找稳定的、高效益的客户群体。集成有数据挖掘技术的营销辅助工具可以提供高精度的模式识别和预测功能，使商业人员有效地策划和开展营销活动。另外，通过建立客户评估模型，收集和管理客户关系信息，可以确定客户的信贷活动，精确分析客户特征，预测客户的行为，巩固和加强农信社与客户之间的信用关系。

（四）发展农信社中间业务

农信社的数据库中存储了大量的客户信息，可以通过对系统中客户的收入、习惯、持有产品和服务进行分析，获得用户的潜在需求；同时，可以通过掌握的大量的客户信息，同各种类型的厂商合作，大力发展农信社的中间业务，实现销售多种相关的服务或产品的交叉销售模式，从而提高客户的忠诚度，提高农信社的利润。

三、总结展望

数据挖掘对于信用社来说仍然是一门新兴技术，要将它有效的应用到农村信用社客户关系管理仍然面临很多困难，因此农村信用社必须做好以下方面工作：

（一）加强农村信用社信用风险数据建设

对农村信用社而言，良好的风险数据库建设是有效进行信用风险管理的关键之一。由于农村信用社的数据积累（历史原因造成了客户信息、业务信息和财务会计信息分离）、统计口径、分类方法的客观尺度等原因的存在，造成数据储备范性不高、数据质量不高。因此，要建立完整、严格确定数据质量管理规章，加强对会计和审计人员的职业道德教育，确保数据的及时性、准确性和全面性，提高数据库建设质量；同时保证数据的真实性、可靠性和及时性，贷款审批人员要严格审查贷款资料，要及时更新贷款最新资料和迁徙数据，对客户要建立信用数据库，方便信用社建立内部信用等级体系，并以此作为贷户后续贷款的信用凭证和重要参考之一。

（二）注重对客户隐私的保护

在数据挖掘过程中必然会涉及到一些客户的隐私。数据挖掘作为一门新兴技术，它的应用环境和相关纠纷在法律上还没有明确的规范。相信随着数据挖掘技术逐渐推广，隐私问题必将引起社会和相关部门重视。因此，农村信用社在将客户基本信息和交易数据导入到数据仓库时，应及时将含有客户隐私的信息进行处理。比如，客户的姓名、身份证号、家庭住址、工作单位等，数据管理人员在数据导入时，应对客户进行匿名处理。这样既保证了挖掘工作的顺利进行，也保护了客户的隐私。（郑州市市郊联社  黄渝博）