Tóm tắt
Trong xu thế toàn cầu hóa ngày nay và sự cạnh tranh khốc liệt, các ngân hàng đang phải đối mặt với nhiều khó khăn để đạt được một lợi thế cạnh tranh tốt hơn. Ngoài việc thực hiện các quy trình kinh doanh, việc tạo ra các cơ sở tri thức và sử dụng nó cho lợi ích của các ngân hàng đang trở thành một công cụ chiến lược để cạnh tranh. Những năm gần đây, khả năng tạo ra, nắm bắt và lưu trữ dữ liệu đã tăng lên rất nhiều. Các thông tin có trong dữ liệu này là rất quan trọng. Sự đa dạng về thể loại và rất lớn về số lượng của dữ liệu, cùng với nó là nhu cầu chuyển dữ liệu đó thành tri thức đã khuyến khích ngành công nghiệp CNTT sử dụng kỹ thuật khai phá dữ liệu. Ngành công nghiệp ngân hàng trên thế giới đã trải qua một sự thay đổi to lớn trong cách thức kinh doanh được thực hiện. Ngành ngân hàng đã bắt đầu nhận ra sự cần thiết của các kỹ thuật như khai phá dữ liệu, các kỹ thuật đó có thể giúp họ cạnh tranh trên thị trường. Các ngân hàng hàng đầu đã và đang sử dụng các công cụ khai phá dữ liệu (DM: Data Mining) cho việc phân khúc khách hàng và lợi nhuận,chấm điểm tín dụng và phê duyệt, quảng bá và bán sản phẩm, phát hiện các giao dịch gian lận, v.v... Bài viết này cung cấp một cái nhìn tổng quan về các khái niệm của DM và làm các ứng dụng khai phá dữ liệu ngành ngân hàng.
1. Giới thiệu
Trong ngành công nghiệp dịch vụ tài chính trên toàn thế giới, phương thức liên lạc truyền thống của khách hàng mặt đối mặt (face-to-face) đang được thay thế bằng phương thức điện tử để giảm thời gian và chi phí xử lý các áp dụng cho sản phẩm khác nhau,và cuối cùng là cải thiện hiệu quả của việc sử dụng tài chính. Tin học hoá quá trình hoạt động tài chính, sử dụng internet và phần mềm tự động hoàn toàn có thể làm thay đổi các khái niệm cơ bản của kinh doanh và cách hoạt động kinh doanh đang được thực hiện. Hiển nhiên, lĩnh vực ngân hàng không phải là một ngoại lệ. Kể từ những năm 1990 toàn bộ khái niệm ngân hàng đã được chuyển sang cơ sở dữ liệu tập trung, giao dịch trực tuyến và máy ATM được thực hiện trên thế giới, đã làm cho hệ thống ngân hàng mặt mạnh mẽ hơn về mặt kỹ thuật và định hướng khách hàng tốt hơn. Dữ liệu có thể là một trong những nguồn tài nguyên có giá trị nhất của bất kỳ ngân hàng nào, tuy nhiên nó chỉ thực sự có giá trị khi nó biết cách tiếp cận với thông tin có giá trị ẩn chứa trong dữ liệu thô. Khai phá dữ liệu cho phép triết suât các thông tin từ các dữ liệu lịch sử, và dự đoán kết quả các tình huống trong tương lai. Nó giúp cho việc tối ưu hóa các quyết định kinh doanh, tăng giá trị của từng khách hàng và thông tin kết nối, đồng thời cải thiện sự hài lòng của khách hàng.
Số lượng dữ liệu được thu thập bởi các ngân hàng đã tăng nhanh chóng trong những năm gần đây. Với những kỹ thuật phân tích số liệu thống kê hiện khó có thể quản lý tốt với khối lượng lớn dữ liệu hiện có như hiện tại. Sự tăng trưởng bùng nổ này đã dẫn đến sự cần thiết của kỹ thuật phân tích dữ liệu mới và các công cụ mới để tìm ra các thông tin thực sự có ích ẩn chứa trong dữ liệu này. Ngân hàng là lĩnh vực mà tại đây một lượng lớn dữ liệu được thu thập. Dữ liệu này có thể được tạo ra từ các giao dịch của các tài khoản ngân hàng, hồ sơ vay vốn, trả nợ, thẻ tín dụng, v.v... Người ta cho rằng thông tin có giá trị về các hồ sơ tài chính của khách hàng được ẩn chữa trong các cơ sở dữ liệu hoạt động lớn và các thông tin này có thể được sử dụng để cải thiện hiệu suất kinh doanh của các ngân hàng. Tại thời điểm ban đầu tại các trung tâm tin học đầu mối của các ngân hàng, nhiều gói phần mềm đang được sử dụng cho các giao dịch hàng ngày. Từ đó, nếu như thiết kế mới một Hệ thống thông tin (MIS:Management Information System) mới hoặc cơ cấu lại những cơ sở hạ tầng hiện sẽ khó thể thực hiện được bởi không chỉ đơn giản là cần thay thế các gói phầm mềm tại các trung tin học đó. Giải pháp cho vấn đề này là để thực hiện các khái niệm về kho dữ liệu và khai phá dữ liệu(Data Warehouse and Data Mining).
2. Khai phá dữ liệu.
Khai phá dữ liệu đề cập đến tri thức chiết xuất từ một lượng lớn dữ liệu. Dữ liệu có thể được dữ liệu không gian, dữ liệu đa phương tiện, dữ liệu chuỗi thời gian, dữ liệu văn bản và dữ liệu web. Khai phá dữ liệu là quá trình khai thác các thông tin hữu ích, thú vị, đặc biệt, tiềm ẩn, chưa được biết và có khả năng hữu ích và tri thức từ một lượng lớn dữ liệu. Nó là tập hợp các hoạt động được sử dụng để tìm kiếm, các thông tin tiềm ẩn hoặc là các không tin không mong đợi trong dữ liệu hoặc hình thức thể hiện khác thường trong dữ liệu. Sử dụng thông tin trong kho dữ liệu, khai phá dữ liệu thường có thể cung cấp các câu trả lời cho các câu hỏi về một tổ chức có một quyết định trước đây không thông qua việc hỏi và khảo sát:
Những sản phẩm nào nên được cất nhắc cho khách hàng đặc biệt? - Mục tiêu quảng bá và bán sản phẩm.
Xác suất mà một khách hàng nhất định sẽ để lại cho một đối thủ cạnh tranh là gì? - Quản lý quan hệ khách hàng
Chẩn đoán thích hợp cho bệnh nhân này này là gì? - Sinh học y tế;
- Khả năng một khách hàng nào đó mặc định hoặc sẽ trả lại một khoản vay là gì? - Ngân hàng.
- Những sản phẩm nào được mua nhiều nhất cùng với nhau? - Phân tích thị trường Giỏ hàng.
Làm thế nào để xác định người gian lận trong ngành công nghiệp viễn thông? - Mô hình phân tích gian lận
Các loại câu hỏi này có thể được trả lời một cách nhanh chóng và dễ dàng nếu các thông tin ẩn trong những lượng lớn dữ liệu trong cơ sở dữ liệu có thể được xác định và sử dụng.
Khai thác dữ liệu thường được coi như là “thông minh phân tích“. Một số xu hướng gần đây đã gia tăng sự quan tâm trong lĩnh vự khai phá dữ liệu, chủ yếu là việc giảm chi phí lưu trữ dữ liệu và sự dễ dàng ngày càng tăng của việc thu thập dữ liệu. Với khả năng lưu trữ dữ liệu lớn hơn và chi phí giảm, khai phá dữ liệu đã cung cấp cho các tổ chức một phương thức mới để trong quá trình kinh doanh. Khai phá dữ liệu có thể giúp cho các tổ chức hiểu rõ hơn về tình hình kinh doanh của họ, từ đó họ có thể phục vụ tốt hơn khách hàng của họ, và tăng hiệu quả của tổ chức trong thời gian dài.
Ngày nay, các ngân hàng đã nhận ra những lợi thế khác nhau của việc khai phá dữ liệu. Nó là một công cụ có giá trị mà ngành ngân hàng có thể xác định thông tin hữu ích từ số lượng lớn dữ liệu mà họ thu thập được. Điều này có thể giúp các ngân hàng để đạt được một lợi thế trội hơn so với đối thủ cạnh tranh của họ. Hơn nữa, khai phá dữ liệu có thể giúp các ngân hàng trong việc hiểu rõ hơn về các khối lượng lớn các dữ liệu thu thập bởi các các hệ thống CRM (Customer Relationship Management).
3. Các thuật toán và Kỹ thuật khai phá dữ liệu.
Hiện nay, có một số kỹ thuật và các thuật toán khai phá dữ liệu đã được phát triển và được sử dụng trong khai phá dữ liệu như Kết hợp, Phân loại, Phân nhóm, Dự báo, Hồi quy, Neural Networks etc. Chúng tôi sẽ tóm tắt ngắn gọn những kỹ thuật khai phá dữ liệu.
3.1. Phân loại.
Phân loại là phương pháp khai phá dữ liệu được áp dụng phổ biến nhất hiện nay. Trong đó sử dụng một tập hợp các ví dụ chưa được phân loại để phát triển một mô hình mà có thể phân loại được. Về cơ bản phân loại được sử dụng để phân loại từng hạng mục trong một tập hợp các dữ liệu vào một trong những tập được xác định trước các lớp hoặc nhóm. Phương pháp phân loại sử dụng các kỹ thuật toán học như cây quyết định, quy hoạch tuyến tính, mạng Neutral và thống kê. Trong việc phân loại, chúng ta tạo ra cho phần mềm có thể hiểu được cách phân loại các thành phần dữ liệu thành các nhóm.
Phát hiện gian lận và rủi ro tín dụng đặc biệt thích hợp với loại hình phân tích này. Phương pháp này thường được sử dụng các thuật toán phân cây quyết định hoặc mạng Neutral. Dữ liệu được phân tích bởi thuật toán phân loại, và được thử nghiệm được sử dụng để ước tính độ chính xác của các quy tắc phân loại. Nếu độ chính xác có thể chấp nhận bởi các quy tắc thì có thể được áp dụng cho các mẫu dữ liệu mới. Đối với một ứng dụng phát hiện gian lận, dữ liệu đầu vào gồm toàn bộ hai tập các bản ghi giả và bản ghi thật các hoạt động. Các thuật toán phân loại sử dụng các dữ liệu chưa được phân loại đó để xác định tập hợp các thông số cần thiết cho những điều chỉnh thích hợp. Sau đó các thuật toán mã hóa các thông số và chuyển chúng thành một mô hình và được gọi là sự phân loại. Có các loại mô hình phân loại cơ bản sau:
Phân loại theo cây quyết định .
Phân loại Bayesian.
Mạng Neural.
Phân loại dựa trên sự kết hợp.
3.2. Luật kết hợp
Luật kết hợp là một trong những kỹ thuật khai thác dữ liệu nổi tiếng nhất. Trong luật kết hợp, một mô hình được phát hiện dựa trên mối quan hệ của một mặt hàng cụ thể đối với các mặt hàng khác trong cùng một giao dịch. Sự kết hợp và tương quan thường được áp dụng trên các bộ dữ liệu lớn. Việc phân loại và tìm kiếm này giúp các doanh nghiệp đưa ra quyết định nào đó, chẳng hạn như thiết kế danh sách danh mục hàng, phân tích hành vi mua sắm của khách hàng. Ví dụ, các kỹ thuật kết hợp được sử dụng trên thị trường phân tích giỏ hàng để xác định những sản phẩm mà khách hàng thường xuyên mua cùng với nhau. Dựa trên dữ liệu này doanh nghiệp có thể có chiến dịch kinh doanh tương ứng để bán sản phẩm với mục đích làm tăng loại nhuận. Các loại luật kết hợp khác nhau bao gồm:
Sử dụng nhiều luật Kết hợp đồng thời.
Luật kết hợp đa chiều.
Luật kết hợp đánh giá.
Luật kết hợp trực tiếp.
Luật kết hợp gián tiếp.
3.3. Gom nhóm.
Sự phân nhóm là một kỹ thuật khai thác dữ liệu mà làm cho các nhóm có ý nghĩa và hữu ích của các đối tượng có đặc trưng tương tự nhau khi sử dụng các kỹ thuật tự động. Kỹ thuật phân nhóm cũng xác định các lớp và đặt các đối tượng vào trong trong đó, trong khi đối với kỹ thuật phân loại thì các đối tượng đươc gắn vào các lớp mà chưa được định chưa được định. Phương pháp phân loại cũng có thể được sử dụng cho các phương tiện hiệu quả của các nhóm phân biệt hoặc các lớp đối tượng. Tuy nhiên, nó trở nên khá tốn kém nên có thể phân nhóm thường được sử dụng như phương pháp tiền xử lý trong quá trình khai phá dữ liệu.
Ví dụ: Khách hàng, ở các điểm địa lý khác nhau, với mục đích khác nhau, và với các đặc điểm về công việc khác nhau, họ sẽ có những yêu cầu khác nhau đối với dịch vụ ngân hàng. Tuy nhiên họ vẫn phải yêu cầu và được đảm bảo về sự an toàn ví dụ như là họ không thể chịu chấp nhận rủi ro.Với cùng một bộ dịch vụ áp dụng cho các đối tượng, chúng ta có thể thay đổi một số các chính sách, các ưu đãi để có thể áp dụng cho các đối tượng khách hàng ở khu vực đô thi. Những thông tin này sẽ giúp cho việc tổ chức trong hoạt động bán chéo các sản phẩm của họ. Các đơn vị dịch vụ khách hàng đại diện cho các ngân ngân hàng có thể được trang bị với hồ sơ khách hàng được làm phong phú hơn bằng cách khai phá dữ liệu để giúp họ xác định được sản phẩm và dịch vụ phù hợp nhất với người yêu cầu. Kỹ thuật này sẽ giúp việc quản lý trong việc tìm kiếm các giải pháp của 80/20 cơ bản của việc tiếp thị.Trong đó nói rằng: Hai mươi phần trăm của khách hàng của bạn sẽ cung cấp cho bạn 80 phần trăm lợi nhuận của bạn, tuy nhiên, vấn đề là xác định 20% đó và các kỹ thuật phân nhóm như thế nào.
Kỹ thuật gom cụm gồm có:
Phương pháp phân vùng
phương pháp kế thừa
Phương pháp dựa trên mật độ
Phương pháp dựa trên lưới
Phương pháp dựa trên mô hình
3.4. Dự đoán
Dự đoán như thể hiện trong tên gọi, nó là một trong những kỹ thuật khai thác dữ liệu mà phát hiện ra mối quan hệ giữa các biến độc lập và các biến phụ thuộc. Phân tích hồi quy có thể được sử dụng để mô hình hóa mối quan hệ giữa một hay nhiều biến độc lập và biến phụ thuộc. Trong quá trình khai phá dữ liệu biến độc lập là các thuộc tính đã biết và phụ thuộc là những gì chúng ta muốn dự đoán. Có nhiều vấn đề thực tế là không chỉ đơn giản như dự đoán. Ví dụ, khối lượng hàng bán, giá cổ phiếu, và tỷ lệ sản phẩm đều rất khó dự đoán bởi vì họ có thể phụ thuộc vào các vấn đề tương tác phức tạp của nhiều biến dự báo. Vì vậy, kỹ thuật phức tạp hơn (ví dụ, hồi quy logistic, cây quyết định, hoặc mạng Nuetral) có thể là cần thiết để dự báo giá trị tương lai.
Các loại phương pháp hồi quy:
Mô hình dự báo hồi qui tuyến tính
Mô hình dự báo hồi qui nhiều biến tuyến tính
Mô hình dự báo hồi qui phi tuyến
Mô hình dự báo hồi qui nhiều biến phi tính
4. Ứng dụng khai phá dữ liệu trong lĩnh vực ngân hàng.
Ngành công nghiệp ngân hàng trên toàn thế giới đã trải qua những thay đổi to lớn trong cách thức kinh doanh. Với việc thực hiện các nhiệm vụ kinh doanh đặc thù của mình trong thời gian gần đây, các ngân hàng đã có sự thay đổi lớn đó là chấp nhận và áp dụng công nghệ thông vào việc kinh doanh của mình. Như một kết quả hiển nhiên, việc thực hiện giao dịch đã trở nên dễ dàng và đồng thời khối lượng dữ liệu từ các giao dịch này đã tăng lên đáng kể. Nó là vượt quá khả năng của con người để phân tích số lượng dữ liệu thô khổng lồ này và chuyển đổi nó thành tri thức hữu ích cho các tổ chức. Khai phá dữ liệu có thể giúp đỡ bằng cách đóng góp trong việc giải quyết các vấn đề kinh doanh bằng cách tìm kiếm các mẫu, các mối kết hợp và các mối tương quan được ẩn chứa trong các thông tin liên quan tới việc kinh doanh được lưu trữ trong cơ sở dữ liệu. Bằng cách sử dụng khai phá dữ liệu để phân tích mô hình và xu hướng này, những người thực hiện công việc kinh doanh trong các ngân hàng có thể dự đoán với độ chính xác tăng lên, khách hàng sẽ phản ứng thế nào với việc điều chỉnh lãi suất, trong đó khách hàng nào sẽ có khả năng chấp nhận sự chào hàng sản phẩm mới, khách hàng nào sẽ có nguy cơ rủi ro cao hơn mặc định trên một khoản vay, và làm thế nào để mối quan hệ khách hàng ngày càng có lợi hơn.
Ngành ngân hàng nhận ra tầm quan trọng của thông tin mà nó có về khách hàng của mình một cách rộng rãi. Chắc chắn rằng, họ có một biển thông tin khách hàng, bao gồm nhân khẩu học của khách hàng, dữ liệu giao dịch, creditcards sử dụng mô hình, và nhiều thuộc tính khác nữa. Khi ngành ngân hàng là một bộ phận trong ngành công nghiệp dịch vụ, thì nhiệm vụ duy trì sự quản các mối quan hệ khách hàng (CRM: Customer relationship Management) một cách có hiệu quả là một vấn đề quan trọng. Để làm được điều này, các ngân hàng cần phải đầu tư các nguồn lực để hiểu rõ hơn về khách hàng hiện tại và tiềm năng của họ. Bằng cách sử dụng các công cụ khai phá dữ liệu phù hợp, sau đó có thể cung cấp các sản phẩm và dịch vụ thích hợp cho khách hàng của họ.
Có rất nhiều lĩnh vực, trong đó khai phá dữ liệu có thể được ứng dụng trong ngành công nghiệp ngân hàng, trong đó bao gồm việc phân khúc khách hàng và phân chia lợi nhuận, chấm điểm và phê duyệt tín dụng, dự đoán thanh toán mặc định, quảng bá sản phẩm, phát hiện các giao dịch gian lận, quản lý tiền mặt và các hoạt động dự báo, tối ưu hóa danh mục đầu tư chứng khoán và xếp hạng đầu tư. Bằng cách phân tích các dữ liệu trong quá khứ, khai phá dữ liệu có thể giúp các ngân hàng dự đoán số lượng khách hàng có khả năng thay đổi thẻ tín dụng của họ, từ đó họ có thể lập kế hoạch và triển khai ưu đãi đặc biệt khác nhau để giữ lại những khách hàng của mình. Sau đây là một số ví dụ về phương thức mà ngành ngân hàng đã sử dụng có hiệu quả kỹ thuật khai phá dữ liệu trong các lĩnh vực này.
4.1. Marketing
Một trong những lĩnh vực được ứng dụng rộng rãi nhất cho ngành ngân hàng của kỹ thuật khai phá dữ liệu đó là lĩnh vực quảng bá sản phẩm. Bộ phận tiếp thị và bán hàng của các Ngân hàng có thể sử dụng kỹ thuật khai phá dữ liệu để phân tích cơ sở dữ liệu về khách hàng. Khai phá dữ liệu thực hiện các phân tích khác nhau trên bộ dữ liệu thu thập được để xác định hành vi của người tiêu dùng với sự tham khảo sản phẩm, giá và kênh phân phối. Với sự phản hồi của khách hàng đối với các sản phẩm hiện có và các sản phẩmmới, các ngân hàng sẽ có các chiến lược quảng bá sản phẩm, nâng cao chất lượng sản phẩm và dịch vụ và đạt được lợi thế cạnh tranh. Phân tích ngân hàng cũng có thể phân tích các xu hướng trong quá khứ, xác định nhu cầu hiện tại và dự báo hành vi khách hàng các sản phẩm và dịch vụ khác nhau để thu các cơ hội kinh doanh hơn và dự đoán mô hình hành vi. Kỹ thuật khai thác dữ liệu cũng giúp xác định khách hàng nào sẽ mang lại lợi nhuận và khách hàng nào không mang lại lợi nhuận. Các kỹ thuật khai phá dữ liệu có thể được sử dụng để xác định phản ánh của khách hàng như thế nào khi ngân hàng thực hiện điều chỉnh lãi suất.
4.2 Quản lý rủi ro
Khai phá dữ liệu được sử dụng rộng rãi để quản lý rủi ro trong ngành công nghiệp ngân hàng. Giám đốc điều hành ngân hàng cần phải biết rằng các khách hàng mà họ đang có liệu đáng tin cậy hay không. Khi cung cấp thẻ tín dụng mới cho khách hàng, mở rộng số lượng khách hàng hiện tại của tín dụng và phê duyệt các khoản vay, họ có thể ra các mang lại sự quyết định rủi ro cho các ngân hàng nếu họ không biết bất cứ điều gì về khách hàng của họ.
Ngân hàng tiến hành quá trình cho các khách hàng của mình vay vốn bằng cách kiểm tra các chi tiết khác nhau liên quan đến việc cho vay như số tiền vay, lãi suất cho vay, kỳ hạn trả nợ, loại tài sản thế chấp,tình hình nhân sự, thu nhập và lịch sử tín dụng của họ. Khách hàng dài hạn với ngân hàng, với các nhóm thu nhập cao có thể nhận được các khoản vay rất dễ dàng. Mặc dù, các ngân hàng đã thận trọng trong khi cung cấp vốn vay cho khách hàng, nhưng vẫn có những khoản nợ mặc định của khách hàng. Kỹ thuật khai phá dữ liệu giúp phân biệt người trả nợ kịp thời với những người không có khả năng trả nợ kịp thời.
Trên thực tế điểm tín dụng là một trong những công cụ quản lý rủi ro tài chính đầu tiên được phát triển. Điểm tín dụng có thể có giá trị cho người cho vay trong ngành ngân hàng khi đưa ra những quyết định cho vay. Khai phá dữ liệu cũng có thể tìm ra được hành vi tín dụng của từng khách hàng cá nhân với các khoản vay trả góp, thế chấp, tín dụng, bằng việc sử dụng các đặc điểm như lịch sử tín dụng, thời gian làm việc và thời gian cư trú, như vậy đã cho phép một người cho vay đánh giá khách hàng và quyết định khách hàng đó có là một ứng cử viên tốt cho một khoản vay, hoặc nếu có nguy rủi ro nào tiềm ẩn. Khi biết được những gì là cơ hội sẵn có của một khách hàng, tức là khi đó các ngân hàng đang ở trong một vị trí tốt hơn để giảm thiểu rủi ro.
4.3 Phát hiện gian lận
Một lĩnh vực khác trong khai phá dữ liệu có thể được sử dụng trong ngành công nghiệp ngân hàng là việc phát hiện gian lận. Có thể phát hiện các hành động gian lận là một mối quan tâm ngày càng tăng cho nhiều doanh nghiệp, và với sự giúp đỡ của kỹ thuật khai phá dữ liệu các hành động gian lận ngày càng được phát hiện nhiều hơn. Có hai phương pháp tiếp cận phổ biến đã được phát triển bởi tổ chức tài chính để phát hiện các mô hình gian lận. Phương pháp tiếp cận thứ nhất, một ngân hàng cần phải sử dụng đến kho dữ liệu của bên thứ ba và sử dụng các kỹ thuật khai phá dữ liệu để xác định mô hình gian lận. Sau đó, các ngân hàng có thể tham chiếu chéo những mẫu với cơ sở dữ liệu riêng của mình. Phương pháp thứ hai, gian lận được nhận dạng mẫu dựa trên các mẫu thong tin nội bộ riêng của mình mà không phải nhờ vào bên thứ ba. Tuy nhiên, trên thực tế hầu hết các ngân hàng đang sử dụng kết hợp cả hai phương pháp tiếp cận trên.
4.4. Quản trị quan hệ khách hàng
Trong thời đại cạnh tranh khốc liệt ngày nay nói chung, đặc biệt là trong ngành ngân hàng thì khách hàng được coi là thượng đế. Khai phá dữ liệu là rất hữu ích trong tất cả ba giai đoạn trong một chu kỳ mối quan hệ khách hàng: Tìm kiếm khách hàng, tăng giá trị của khách hàng và duy trì khách hàng. Tìm kiếm khách hàng, chăm sóc và duy trì những khách hàng đã có là mối quan tâm rất quan trọng đối với một lĩnh vực kinh doanh nào, đặc biệt là lĩnh vực ngân hàng.
Ngày nay, khách hàng có nhiều sự lựa chon bởi nhiều loại sản phẩm và dịch vụ được cung cấp bởi các ngân hàng khác nhau. Do đó, các ngân hàng phải đáp ứng nhu cầu của khách hàng bằng cách cung cấp các sản phẩm và dịch vụ mà họ ưa thích. Điều này sẽ dẫn đến sự trung của khách hàng và khả năng giữ khách hàng của các ngân hàng. Kỹ thuật khai phá dữ liệu giúp ngân hàng phân tích và nhận định được đâu là các khách hàng trung thành và đâu là các khách hàng có xu hương chuyển sang ngân hàng khác với mong muốn dịch vụ tốt hơn. Nếu khách hàng chuyển từ ngân hàng của mình sang ngân hàng khác, lý do cho việc chuyển như vậy và giao dịch cuối cùng được thực hiện trước khi chuyển có thể được biết đó sẽ giúp các ngân hàng hoạt động tốt hơn và giữ chân khách hàng của mình.
5 KẾT LUẬN
Khai thác dữ liệu là một công cụ được sử dụng để trích xuất thông tin quan trọng từ dữ liệu hiện có và cho phép ra quyết định kinh doanh tốt hơn trong các ngành công nghiệp ngân hàng và bán lẻ. Họ sử dụng kho dữ liệu để kết hợp các dữ liệu khác nhau từ cơ sở dữ liệu thành một định dạng có thể chấp nhận từ đó có thể tiến hành việc khai phá dữ liệu. Dữ liệu sau đó được phân tích và các thông tin thu được sẽ hỗ trợ cho tổ chức ra quyết định. Kỹ thuật khai phá dữ liệu có thể rất hữu ích cho các ngân hàng thực hiện quá trình kinh doanh tốt hơn, thu hút được khách hàng mới, phát hiện gian lận, cung cấp sản phẩm dựa trên phân tích của các khách hàng để duy trì tốt hơn mối quan hệ của khách hàng. Những ngân hàng này đã nhận ra sự hữu ích của khai phá dữ liệu và đang trong quá trình xây dựng một môi trường khai phá dữ liệu sẽ có được lợi ích to lớn cho quá trình ra quyết định của họ và chiếm được lợi thế cạnh tranh đáng kể trong tương lai.
(Cnth theo Tạp chí THNH)