王昭彧　中国银监会白银市银监分局经济师



银行业数据挖掘：一般数据结构的尝试及挖掘应用策略

王昭彧中国银监会白银市银监分局经济师

摘要：金融大数据蕴藏巨大价值，但受通用数据结构缺失等历史因素影响，差异化的银行业海量数据目前仍难真正成为“数据资产”，持续创造“经济价值”。为此，本文尝试提出了银行业一般数据结构，并就银行业数据挖掘实践的应用方向与基本策略提出了建议。

关键词：银行业；大数据；一般数据结构；数据挖掘

1　引言

自2012年以来，大数据、大数据分析、互联网金融等概念持续热议，银行业因为拥有海量的电子化数据，且多为结构化数据，为迎接互联网金融的冲击，或被动或主动地加入到数据挖掘的队伍之中，寻觅着隐藏在“数据资产”中的“金矿”。但如果依照KDD进程（Knowledge Discoveryin Database，基于数据库的知识发现）及数据挖掘（DataMining）理论和技术的要求，客观评估银行现有的数据结构与信息处理方式，虽然大数据分析为有效利用点多、面广、非结构化的数据提供了可行之路，但基础性问题的存在，诸如不同产品数据规范不一致、新旧数据标准不兼容、银行业统一数据架构缺失等，明显迟滞了数据价值的挖掘进程。为此，笔者尝试介绍一种银行通用数据结构，并梳理出银行数据挖掘当前实践亟待解决的若干问题，供同业者参考。

2　银行业一般数据结构

2.1以银行为中心的6个考察维度

借鉴业内监管专家与基层骨干的观点，基于银行业通用数据的视角，以单家法人银行为分析对象，在保证与其它银行业机构横向可比的原则下，可以确定以下5个考察维度：