加入WTO以来，中国银行业一直在挑战中前行。银行业核心竞争力的关注焦点，应该体现为对本土客户关系的理解和客户资源的掌握上的优势。而强有力的信息化手段将是优势得以持续的重要条件。

数据挖掘: 商业银行的应用

在国际范围内，数据仓库和数据挖掘技术已成为商业银行业务快速发展、全面应用IT技术，开展科学管理决策的业务平台。

数据仓库（Data  Warehouse）是支持管理决策过程的、面向主题的、集成的、动态的、连续的数据集合。可以从容量庞大的业务处理型数据库中抽取数据，清理、转换为新的存储格式。根据决策目标，将存储于数据库中的决策分析所必需的、历史的、分散的、详细的数据，经处理转换成集中统一的、随时可用的信息。与传统的数据库系统业务处理为主的OLTP应用相比，数据仓库是适应分析处理要求、面向以分析处理为主的OLAP应用。

数据挖掘（Data  Mining ）技术以数据仓库和联机分析处理（OLAP）为平台，借助企业拥有的大量数据，通过清洗、转换、装载等数据处理方法，发现大量资料间的关联与趋势，探寻一种独特的、通过其他方法发现不了的业务规律和模式。广泛应用包括线性、非线性回归分析、判别分析、聚类分析、主成分/因子分析和时间序列分析等统计方法及决策树分析(Decision  Tree)、准则推断(Rule  Induction)、关联探测(Association  Detection)、神经网络(Neural  Networks)和基因算法(Genetic  Algorithms)等特有分析方法。

数据仓库及其应用技术从20世纪90年代初出现以来，在海量客户信息的企业，尤其是许多大银行等金融机构中得到了广泛的应用。数据仓库建设是现代商业银行发展到一定阶段对银行信息管理水平提出的现实要求，又是现代商业银行业务发展与信息技术发展高度融合的必然趋势。

目前，国内商业银行信息体系中大量运用的仍是数据库系统（Data  Base）。数据库系统作为管理手段，用于事务处理获得了成功，但对分析处理的支持不能令人满意。由于事务处理和分析处理有极不相同的性质，直接使用事务处理环境来支持决策（DSS）是行不通的。右表是基于数据库和数据仓库结构的银行业务应用系统的比较。

商业银行建设数据仓库，先期应关注深化客户关系的应用主题。通过数据仓库建设，银行可建立以客户金融业务信息、客户基本信息和其他外部信息为主体的、完备的客户信息体系；建立以综合业务处理系统和数据集中为依托，以网络化、自动化收集为主，其他调查方式为辅的客户信息收集渠道；建立全行高度信息共享的客户信息管理中心，发挥其信息采集、预警预测、分析发布等功能，从而全面提高银行客户信息的分析和使用能力，为深化和发展客户关系奠定坚实的基础。