数据挖握技术来源于商业的直接需求,并在各种领域都有广泛的使用价值。数据挖据已在银金融、零售、医药、电子工程、航空、旅馆等行业具有大量数据和深度分析需求的、易产生大量数字信息的领域得到广泛的使用,并带来了巨大的社会效益和经济效益。数据挖掘技术既可以检验行业内长期形成的知识模式,也能够发现隐藏的新规律。随着更多行业数据挖掘的应用成功,数据挖据的应用前景十分广阔

在金融领域中的应用

在金融方面,银行和金融机构往往持有大量的关于客户的、各种服务的以及交易事务的数据并且这些数据通常比较完整、可靠和高质量,这极大地方便了系统的数据分析和数据挖掘。在银行业中,数据挖掘被用来建模、预测、识别伪造信用卡、估计风险、进行趋势分析、效益分析顾客分析等。在此领域运用数据挖掘,可以进行贷款偿付预测和客户信用政策分析,以调整贷款发放政策,降低经营风险。

信用卡公司可以应用数据挖掘中的关联规则来识别欺诈。股票交易所和银行也有这方面的需求。对目标客户群进行分类及聚类,以识别不同的客户群,为不同的客户提供更好的服务,以推动市场。

数据分析工具可以找出金融交易的异常模式,以侦破洗黑钱和其他金融犯罪活动。洗钱是种非理性的经济活动,因而必然表现出不同于正常理性的经济活动特征。通过研究离群点(交易金额异常增大、近似等额、交易频率的异常变化)检测以及关联分析(如账户日常交易的信息如 账号、交易时间、交易名称、公司名称、企业行业代码、企业性质、企业的信用等级、注册资金等)就可以识别可疑洗钱的行为模式,从而准确、及时地对各种信用风险进行监视、评价、预警 和管理,评价这些风险的严重性、发生的可能性以及控制这些风险的成本,进而可以采取有效的 规避和监督措施,从而可以在信用风险发生之前对其进行预警和控制,趋利避害,做好防范工作。

数据挖掘技术在我国金融业的应用正处于起步阶段。我国金融业对信息化工作的重视在近些 年达到了前所未有的高度,特别是数据大集中工程的实施,使得我国金融业的硬件建设方面与国 际发展的步调基本一致,但同时也提出一个新课题,即如何处理每日在互联网上产生的海量数据 进行科学的分析处理,并及时提供决策支持。数据挖掘可以在这方面起到非常关键的作用 数据挖掘还可以在股票市场发挥重要的作用。

股票交易的时序数据是一种常见的数据结构 对股市进行动态数据挖掘,可以随时掌握由大量数据所反映的金融市场暗流。通过过滤股市的各 种交易数据,找出非法的炒作现象和操作,例如通过对异常交易数据的分析,判断是否存在非法交易。并且还可以将监管搜索范围扩大到一股的网页上,以适应网上股民数量日益增多的特点 并借助一定的文字分析技术提高准确率,这对稳定我国的金融市场有着积极作用 ,数据挖掘在股市的另一个应用是研究股市炒作的快速监测算法和技术我国的股市都是电子 这些交易每天产生的海量数据已超出人工处理的能力,但这正使得应用计算机算法进行看 能自动监测成为可能。从管理部门角度出发,可以通过过滤股市的各种交易数据发现异常现象和 相应的操作,识别出合法和非法的炒作,找出中国式的股市各种炒作的模式 数据挖掘在打造金融行业知识创新型企业中,正在发挥着重要作用。

信息的分析与管理,在 整个信息的获取和信息的使用之间,搭建了一个有效的渠道,通过对于海量源的数据的抽取、装化和加载,向金融企业用户提供统计报表、多组分析、决策支持等相关的信息和知识。

目前大族模海量的数据库挖掘已成为数据挖掘研究的主流之一。