S-PLUS公司——一个开始在中国崭露头角的世界著名统计分析与数据挖掘厂商

随着基础信息化工作的深入与普及，人们开始关注如何开发利用信息系统收集的数据。因此，人们对用于数据加工的统计分析与数据挖掘主流平台越来越有兴趣。本文介绍一个刚刚在中国崭露头角的世界著名统计分析与挖掘平台厂商InsIghtful公司，由于该公司的旗舰产品S-PLUS在业界是如此著名，该公司更多地被人简称为S-PLUS公司。     

数据挖掘中不可忽视的环节--数据预处理

在数据挖掘中,数据预处理占有重要地位。本文在介绍数据预处理概念的基础上, 分析了数据预处理的主要内容和方法。     

大数据思维与数据挖掘能力正成为大型商业银行的核心竞争力

大数据能力特有的性质,使其正在成为大型银行真正的核心竞争力.银行大数据能力表现在多方面,但大数据思维和数据挖掘能力是最关键、也是最重要的.数据挖掘对银行竞争力的影响主要表现在客户洞察、营销规划、产品创新、风险管理、流程优化、网点选址和人力资源管理等方面.大数据价值的实现,关键在于挖掘分析能力.数据挖掘可以推动商业银行战略转型、提升运营管理能力、重塑银行企业文化、促进风险经营的精细化专业化.银行数据挖掘能力建设的关键是行动,行动中需要考虑许多因素,包括挖掘分析工具和方法、数据获取和管控、业务流程、计算方法、激励措施、员工技能、企业文化以及管理层的支持等.     

大数据环境下审计数据统计分析研究

随着大数据时代的到来以及在审计领域的应用,基于大数据技术推进审计分析和方法的创新已成为当下重要研究课题。通过运用大数据技术可以实现信息技术与审计思路的完美结合,借助大数据思维来开展审计统计分析工作,确保审计数据的真实性、可靠性,实现我国审计与国际审计惯例的接轨。本文通过阐释大数据的基本内涵,分析大数据技术在审计数据统计分析工作的应用价值,提出树立大数据环境下新型审计观念、构建审计数据统计分析系统、注重数据挖掘技术的运用以及注重云计算平台的运用等建议,以期可以促进大数据环境下审计数据统计分析工作水平和质量的有效提升。     

基于数据挖掘与知识发现的银行决策分析

正当前,数据、信息正以几何级数形式不断增长,由于传统数据库的检索查询已不能满足社会的需求,加之传统的统计分析技术落后,信息分析、发现多种模式的数据处理技术尚不成熟,其结果是在数据产生与数据理解之间出现了巨大的鸿沟。大量的数据来不及整理、分析、利用就已过时,并成为无效信息被长期积压在数据库中。随着数据库技术和计算机网络与通信技术的迅速发展,数据库的规模日益扩大,我们希望有更先进、更为有效的手段对各种数据资源进行开采,从中挖掘有用的信息和知识。银行在拥有了大量原始数据之后,如何有效地使用数据挖掘工具,利用数据分析处理技     

从业务需求视角谈央行数据综合利用

谈及数据综合利用,人们首先想到的就是数据仓库和数据挖掘技术,有人认为只要建立数据仓库,利用数据挖掘工具,就可以开展数据综合利用。笔者认为,数据仓库和数据挖掘技术只是开展数据综合利用的工具,能否发挥作用,发挥多大的作用,关键在于人们如何使用工具,而不是工具本身。数据仓库和数据挖掘技     

数据挖掘中的数据质量检验

数据质量检验是数据挖掘过程中的重要环节，是数据预处理工作的基础。长期以来，国内IT系统在运行过程中对于数据质量缺乏关注，数据质量低。很多项目由于开始未经过周密的数据质量检验，导致通过数据挖掘建立的模型有偏差，甚至结果完全错误。数据质量问题已严重影响到数据挖掘技术的应用，成为数据挖掘项目成败的关键因素。     

聚类分析在外汇管理中的研究与应用

随着外汇业务信息系统与数据采集的全面覆盖,调研、分析、核查与检查等工作基本依赖于系统数据。而面向日趋庞大且结构更为复杂的外汇业务数据,如何使用数据挖掘技术从中高效获取潜在规律的方法研究势在必行。本文使用数据挖掘中的聚类分析技术,按安徽省辖内银行与地区交易额汇总数据进行聚类实验,并对聚类结果进行分析,认为将数据挖掘技术应用在外汇业务数据是值得进一步研究与探索的。     

聚类分析在外汇管理中的研究与应用

随着外汇业务信息系统与数据采集的全面覆盖,调研、分析、核查与检查等工作基本依赖于系统数据。而面向日趋庞大且结构更为复杂的外汇业务数据,如何使用数据挖掘技术从中高效获取潜在规律的方法研究势在必行。本文使用数据挖掘中的聚类分析技术,按安徽省辖内银行与地区交易额汇总数据进行聚类实验,并对聚类结果进行分析,认为将数据挖掘技术应用在外汇业务数据是值得进一步研究与探索的。     

数据挖掘中的数据质量检验

数据质量检验是数据挖掘过程中的重要环节,是数据预处理工作的基础。长期以来,国内IT系统在运行过程中对于数据质量缺乏关注,数据质量低。很多项目由于开始未经过周密的数据质量检验,导致通过数据挖掘建立的模型有偏差,甚至结果完全错误。数据质量问题已严重影响到数据挖掘技术的应用,成为数据挖掘项目成败的关键因素。     

数据挖掘技术在商业银行中的应用研究

随着商业银行信息化进程中数据集中阶段任务的完成，各商业银行将面临如何从大量的数据中提取有价值的信息和知识“提高企业决策质量和市场竞争力，数据挖掘技术的出现使企业“数据变知识“成为可能。本主要结合商业银行的实际，探讨了数据挖掘技术在其客户关系管理、信用管理、风险管理等方面的应用。     

浅析数据挖掘技术

数据挖掘技术作为一个新兴的技术在许多领域都取得了成功的应用。其目的是在大量数据中进行模式识别。提取有用的知识。本文阐述了数据挖掘技术的概念、过程、技术和方法，对数据挖掘技术的应用现状作了简要分析。     

银行数据大集中后数据分析和知识获取

数据大集中后,各家银行均建立了数据仓库,分析和发掘蕴藏在数据中的信息和知识,成了各家银行面临的主要课题。本文从多维分析、数据挖掘和知识发现三个方面介绍了如何从大集中的数据中获取有价值的信息。     

信用评分模型开发中的抽样技术

信用评分是运用数据挖掘技术对已知客户的信息进行分析，建立能预测未来客户信用表现的模型。数据准备是评分模型开发过程中非常重要的步骤，数据质量的好坏直接决定了模型的成败。由于银行内部的数据量非常庞大，为了使分析更加有效率，需要对数据进行抽样。因此，如何进行抽样，如何保证样本能够充分代表总体就非常重要。根据信用评分模型的开发经验以及数据挖掘中的抽样理论，现提出如下建立评分模型时应用的抽样技术以及注意事项。     

大数据时代银行数据服务体系建设的探讨

2012年以来,"大数据"一词越来越多地被提及,人们用它来描述和定义信息爆炸时代产生的海量数据,以及与之相关的技术发展和数据应用。随着人们生活信息化程度的提高,特别是伴随物联网、移动互联网、社交网络的快速发展,如何从各种类型的海量数据中快速获得有价值的信息成为数据挖掘和分析的新热点,这也是大数据应用的基本目标。     

基于XML的Web数据挖掘系统的研究与设计

本文主要研究了XML(EXtensible Markup Language)和数据挖掘两项技术的结合点,提出了基于XML的数据挖掘系统模型。在该模型中对数据挖掘的各个环节提出了采用XML技术的解决途径;研究了XML用于异构数据集成、数据预处理和XML数据集上的数据挖掘等问题;提出一个面向电子商务站点的Web挖掘原型系统。     

数据仓库和数据挖掘技术在信用卡分析中的应用

随着信用卡业务的发展，银行积累了大量客户交易数据，如何利用客户的特征数据和交易数据，获得客户的行为模式，从而更好地为客户服务、提高效益，是信用卡管理中迫切需要解决的问题。数据仓库和数据挖掘技术在信用卡分析中的应用较好地解决了这个问题。     

数据挖掘技术在我国上市公司财务分析中的应用

数据挖掘是将数据升华为知识的重要工具.本文详细阐述了手工环境下财务分析的缺陷,论述了数据挖掘技术及其应用前提,深刻分析了数据挖掘技术应用于公司财务分析中的必要性,并结合实例运用聚类分析的方法对上市公司财务报表进行分析     

数据挖掘技术在银行业的应用

随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数据越来越多.激增的数据背后隐藏着许多重要信息,人们希望能够对其进行更高层次的分析,以便更好地利用这些数据.目前的数据库系统可以高效地实现数据的录入、查询、统计等功能,但无法发现数据中存在的关系和规则,无法根据现有的数据预测未来的发展趋势.缺乏挖掘数据背后隐藏的知识的手段,导致了"数据爆炸但知识贫乏"的现象.正是为了解决这种状况,近年来数据挖掘技术有了长足的发展和广泛的应用.     

新时代大数据审计实践研究——以医疗保障基金审计为例

信息技术的快速发展使得国家审计的数据基础和审计方法随之改变。近年来,我国医疗保障改革发展的成就令人瞩目,覆盖城乡居民的医疗保障体系框架基本形成,管理服务体系已完全信息化、数字化。新时代医疗保障审计必须顺应新时代变化步入大数据审计实践。本文基于医疗保障领域审计实践,分析当前医疗保障基金审计面临的大数据环境现状,探究审计分析方式变革、审计方法创新,总结审计专家经验模型,探索关系网络分析方法、数据挖掘方法的审计应用,并从统筹项目组织与实施、加强质量控制、新技术探索、完善大数据审计平台等四个方面提出了进一步深化发展大数据审计的思考建议。