在上一篇文章中我們給大家介紹了很多在金融行業中數據挖掘的案例，有關數據挖掘的案例實在是有很多。隨著金融大數據特征在大數據時代的日益明顯，監管上和業務上的需求也越來越復雜，無論是對科研界還是實業界都提出了新的要求和挑戰。下面我們就給大家介紹一下更多的相關內容。

首先就是客戶評分，評分技術是銀行業廣泛使用的一項技術，包括風險評分、行為評分、收益率評分、征信局評分以及客戶評分等。評分技術是將客戶的海量信息數據運用有效的數據挖掘和處理手段，對各種目標給出量化評分的一種手段，以征信局評分為例。要達到建立征信局評分的目標，首先要建立起集中的數據倉庫，其中涵蓋了申請人的各種特征，銀行提供的所有產品，包括存款、貸款、信用卡、保險、年金、退休計劃、證券承銷，以及銀行提供的其他產品，甚至包括水電煤氣、電話費、租金的繳納情況等。

然後就是反洗錢活動，金融交易活動是洗錢犯罪行為的一個重要環節，通過分析金融機構的客戶信息和交易數據，運用合適的數據挖掘方法，介乎客戶背景，識別出可疑金融交易記錄，最後根據貝葉斯判定原理，綜合各個層次的可疑信息，得到交易記錄的整體可疑度，最終為反洗錢監測提供快速準確的參考。我們可以通過數據挖掘更高效的進行反洗錢活動。

最後給大家說一下數據挖掘對其他決策支持，數據挖掘對其他決策的支持有很多，比如營銷活動預演，理財產品收益以及效果評估，多維分析報告等等。海量用戶數據對於未來金融應用業務將非常關鍵，有大量的社交、支付、理財數據通過雲計算還有專業的分析挖掘，能夠為金融機構大幅的降低運營成本，還有服務成本，並提升風控的能力。

通過這些文章我們給大家介紹了很多有關數據挖掘給金融行業帶來的幫助以及數據挖掘在金融行業的應用實例，這些都是已經實現並愈加發揮功效的了。當然，現在很多的金融企業以關註宏觀經濟、行業動態、基本數據、交易性數據等結構化數據為主進行分析，我們還是需要根據實際情況運用好數據挖掘這個技術。

在金融行業中數據挖掘的應用都有哪些（三）