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。     

征信局信用评分的重要价值及开发流程

2006年1月，人民银行的个人征信系统在全国正式运行，可以查询到个人在商业银行的借还款、信用卡、担保等信用信息，以及相关的身份识别信息。我国绝大部分商业银行已将查询个人征信系统纳入信贷管理流程。根据信用报告上的个人信息，在信贷审批和贷后管理时能够甄别出高风险客户群体，然后采取相应措施，降低风险损失。     

个人信用评分有力推进信贷风险管理转型

随着我国全面建设小康社会进程的加速,社会财富不断增加,个人客户对银行的个人业务提出了更多需求,进一步拉动了个人金融服务的增长.由于个人业务具有笔数多、单笔金额小,数据丰富的特点,所以要对其采用精细化、智能化、自动化的管理模式.然而长期以来,我国商业银行个人业务的经营管理方式一直比较粗放.中国人民银行最新研发的全国个人信用评分,可以对个人客户在未来一定时期内的违约概率进行评估和预测.它可以有效防范风险,为商业银行实现个人信贷风险管理转型提供先进的风险管理技术支持.     

用评分模型提高信用卡盈利能力的方法

目前，我国正处于信用卡业务快速发展阶段，信用卡发行的数量高速增长。但是麦肯锡公布的《2005年中国信用卡市场调研报告》做出了风险预警：由于循环信用的使用率低、商户手续费收入低，而业务营销和客户获取的成本却在增加，我国发卡行正面临如何可持续、有效益地发展信用卡业务的严峻挑战。     

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。     

催收评分技术及其在个人信贷催收管理中的应用

个人信贷业务笔数多、单笔金额小的特点决定了应用技术手段在贷后催收管理中的重要性。目前我国商业银行缺乏细分客户的计量工具,催收时通常根据逾期时间长短来区分客户,导致精细化管理程度不高,无法在早期区分出将要变为不良客户的高风险客户和可以主动还款的低风险客户。     

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。     

征信局信用评分的重要价值及开发流程

2006年1月,人民银行的个人征信系统在全国正式运行,可以查询到个人在商业银行的借还款、信用卡、担保等信用信息,以及相关的身份识别信息。我国绝大部分商业银行已将查询个人征信系统纳入信贷管理流程。根据信用报告上的个人信息,在信贷审批和贷后管理时能够甄别出高风险客户群体,然后采取相应措施,降低风险损失。     

个人信用评分有力推进信贷风险管理转型

随着我国全面建设小康社会进程的加速,社会财富不断增加,个人客户对银行的个人业务提出了更多需求,进一步拉动了个人金融服务的增长。由于个人业务具有笔数多、单笔金额小、数据丰富的特点,