本篇教程介绍了大数据分析 商业智能在商业银行中的应用，希望阅读本篇文章以后大家有所收获，帮助大家对大数据云计算大数据分析的理解更加深入。

<

    商业智能在商业银行中的应用

    金融事务需要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，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。

    商业银行业务的利润和风险是共存的。为了保证最大的利润和最小的风险，必须对账户进行科学的分析和归类，并进行信用评估。Mellon银行使用Intelligent Agent商业智能软件提高销售和定价金融产品的精确度，如家庭普通贷款。零售信贷客户主要有两类，一类很少使用信贷限额（低循环者），另一类能够保持较高的未清余额（高循环者）。每一类都代表着销售的挑战。低循环者代表缺省和支出注销费用的危险性较低，但会带来极少的净收入或负收入，因为他们的服务费用几乎与高循环者的相同。银行常常为他们提供项目，鼓励他们更多地使用信贷限额或找到交叉销售高利润产品的机会。高循环者由高和中等危险元件构成。高危险分段具有支付缺省和注销费用的潜力。对于中等危险分段，销售项目的重点是留住可获利的客户并争取能带来相同利润的新客户。但根据新观点，用户的行为会随时间而变化。分析客户整个生命周期的费用和收入就可以看出谁是最具创利潜能的。

    Mellon银行认为“根据市场的某一部分进行定制”能够发现最终用户并将市场定位于这些用户。但是，要这么做就必须了解关于最终用户特点的信息。商业智能工具为Mellon银行提供了获取此类信息的途径。Mellon银行销售部在先期商业智能项目上使用Intell igence Agent寻找信息主要目的是确定现有Mellon用户购买特定附加产品：家庭普通信贷限额的倾向，利用该工具可生成用于检测的模型。据银行官员称：Intelligence Agent可帮助用户增强其商业智能，如交往、分类或回归分析，依赖这些能力，可对那些有较高倾向购买银行产品、服务产品和服务的客户进行有目的的推销。该官员认为，该软件可反馈用于分析和决策的高质量信息。

    美国Firstar银行使用Marksman商业智能工具，根据客户的消费模式预测何时为客户提供何种产品。Firstar银行市场调查和数据库营销部经理发现：公共数据库中存储着关于每位消费者的大量信息，关键是要透彻分析消费者投入到新产品中的原因，在数据库中找到一种模式，从而能够为每种新产品找到最合适的消费者。Marksman能读取800到1000个变量并且给它们赋值，根据消费者是否有家庭财产贷款、赊账卡、存款证或其它储蓄、投资产品，将它们分成若干组，然后使用商业智能工具预测何时向每位消费者提供哪种产品。预测准客户的需要是美国商业银行的竞争优势。

    商业银行信用风险的影响因素往往是多方面的，传统的信用管理方法往往无法适应这一复杂需求或无法准确预测信用状况。商业智能系统能弥补这一不足。第一，采用商业智能能深入分析客户信用的信用状况的影响因素。客户信用状况的好坏与众多因素相关联如：地区差异、经济环境状况、个人知识层次收入高低、社会职务等。如何分析这些因素间的关系或根据这些因素来决定申请者的信用额度，传统的信用评估体系的简单方式往往不能准确的解决这一难题。利用商业智能系统则能很好的处理这类问题。第二，采用商业智能能很好的分析组合信用风险问题。组合信用风险较一般复杂，要深入剖析各组合要素的关系和组合分布情况，需要采用数据挖掘的描述性挖掘的方法来发掘隐含的分布特征。第三，采用商业智能能多层次和多角度的展现数据关系。借助数据仓库的相关知识，数据挖掘能从不同的维度深入分析信用数据。从而，更为透彻的揭示信用风险的蕴含关系和特征，增强预测的准确性。第四，目前的商业智能工具能非常全面的展现数据的关系和分析结果。      
          

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标大数据云计算大数据分析频道！