嵌入式數(shù)據(jù)挖掘模型及其在銀行卡業(yè)務中的應用

2嵌入式數(shù)據(jù)挖據(jù)的應用

2.1嵌入式數(shù)據(jù)挖掘

在銀行卡業(yè)務中的應用目前的數(shù)據(jù)挖掘技術在銀行卡業(yè)務上的應用大多存在3個方面的局限：1）效率不高：面對目前的海量數(shù)據(jù)挖掘時，顯得無能為力；2）專業(yè)化程度較低：不能很好的專門針對銀行卡業(yè)務進行挖掘；3）開銷較大：需要開發(fā)專門的系統(tǒng)來進行數(shù)據(jù)挖掘，而且大多數(shù)系統(tǒng)不能進行二次開發(fā)。

嵌入式數(shù)據(jù)挖掘顯然很好的彌補了普通數(shù)據(jù)挖掘技術所帶來的缺陷。首先，嵌入式數(shù)據(jù)挖據(jù)是把算法直接嵌入到數(shù)據(jù)倉庫下，從而減少數(shù)據(jù)轉(zhuǎn)換的時間，充分利用整個數(shù)據(jù)倉庫的處理能力，大大提高數(shù)據(jù)挖掘的效率；其次，它實現(xiàn)了算法的組件化管理，針對不同的行業(yè)開發(fā)不同的算法組件，對銀行卡業(yè)務進行數(shù)據(jù)挖掘的主要目的是對客戶進行分類，從中發(fā)現(xiàn)對銀行貢獻度較大的優(yōu)質(zhì)客戶，嵌入式數(shù)據(jù)挖掘可以開發(fā)單獨的算法專門滿足客戶分類的需要，從而具備了很好的專業(yè)性。最后，嵌入式數(shù)據(jù)挖掘系統(tǒng)是個種很靈活的數(shù)據(jù)挖掘系統(tǒng)，客戶可以在系統(tǒng)中不斷添加新的算法、改進算法，同時進行二次開發(fā)，從而省去了重新開發(fā)大型系統(tǒng)的開支，這點對于當今企業(yè)來說顯得尤為重要。

2.2應用實例分析

為了證實嵌入式數(shù)據(jù)挖掘模型的有效性，我們與中國銀行湖南分行進行了合作，采用其信用卡業(yè)務數(shù)據(jù)分別對嵌入式數(shù)據(jù)挖掘模型系統(tǒng)和非嵌入式數(shù)據(jù)挖掘模型系進行運行對比，測試是在PC機（P4 2.5G CPU，HY DDR512M RAM）上進行的，選取CMP和Apriori兩種數(shù)據(jù)挖掘算法。選擇嵌入的數(shù)據(jù)庫為SQL Server 2005實驗錢據(jù)從10 000條記錄到160 000條記錄，以測試上述兩種算法在大小不同數(shù)據(jù)集上采用嵌入式數(shù)據(jù)挖掘和非嵌入式數(shù)據(jù)挖掘所表現(xiàn)出的性能差異。嵌入式數(shù)據(jù)挖掘在銀行卡業(yè)務中的應用主要包括關聯(lián)規(guī)則挖掘和分類挖掘。

1）關聯(lián)規(guī)則挖掘綜合持卡人用卡行為和基本情況進行分析，導出具有一定支持度和可信度的用卡習慣的人群組成之間的關聯(lián)規(guī)則。在算法選擇方面，選擇了由wang H等提出的一種新型高效決策數(shù)算法：CMP算法。在實例中，當實例數(shù)據(jù)呈倍數(shù)增長時，數(shù)據(jù)挖掘所需時間對比如表1所示。

算法運行效率曲線如圖5所示。

2）分類挖掘根據(jù)持卡人的使用情況和交易方式，對持卡人群進行分類，主要分為優(yōu)質(zhì)客戶、潛在優(yōu)質(zhì)客戶、流失客戶和潛在流失客戶等，這也是當前比較流行的用法。在分類挖掘過程中，使用關聯(lián)規(guī)則中的Apriori算法對實例進行了數(shù)據(jù)的挖掘，算法時間對比如表2所示。

算法運行效率曲線如圖6所示。

從以上對比數(shù)據(jù)可以看出，在將嵌入式數(shù)據(jù)挖掘應用到銀行卡業(yè)務數(shù)據(jù)的挖掘當中后，對于兩種不同的算法，其效率的提高都是顯而易見的，從圖形中可以看出，不管是CMP還是Apriori，其效率上都有2～3倍的提高。從應用實例中，還可以看出，隨著業(yè)務數(shù)據(jù)量的不斷加大，嵌入式數(shù)據(jù)挖掘能更進一步的節(jié)省時間。整體說來，嵌入式數(shù)據(jù)挖掘模型是非常有效的，同時把它應用于銀行卡業(yè)務數(shù)據(jù)的挖掘中也是切實可行的。

3結束語

嵌入式數(shù)據(jù)挖掘模型使挖掘算法更加簡單易用、方便，它將成為第四代數(shù)據(jù)挖掘系統(tǒng)的一個重要發(fā)展方向之一，也是數(shù)據(jù)倉庫系統(tǒng)，商業(yè)智能平臺的一個重要發(fā)展方向。把新的嵌入式數(shù)據(jù)挖掘技術應用到銀行卡業(yè)務中，一方面可以驗證嵌入式數(shù)據(jù)挖掘技術的優(yōu)越性，推動數(shù)據(jù)挖掘技術的發(fā)展；另一方面，為商務智能應用軟件升級做出貢獻，這是一個極具吸引力的課題，具有十分重要的社會效益和經(jīng)濟價值。