基于数据仓库的银行个人信贷系统的分析和设计文献综述
2020-04-21 04:04
1.目的和意义： 数据仓库是一个面向主题的、集成的、非易失的且随时间变化的数据集合，来支持管理人员的决策。信息社会带来了新的契机，构建成功的数据仓库已经成为许多行业的迫切需要。随着市场经济的发展，人们的消费观念发生了很大的变化，来自家庭和个人的融资需求急剧增加，个人贷款业务日渐升温，个人贷款消费群体不断扩大。为了满足个人的资金需求，我国商业银行开办了个人消费信贷业务。由于客户数量庞大，个人信贷已经成为银行利润新的增长点。但我国银行个人信贷业务仍存在不少问题，主要表现在：信贷管理机制尚未健全，难以确认消费信贷申请者的真实收入，常有发放出去的贷款难以收回；对个人信用档案的建立缺乏足够认识且技术落后，尤其是信贷管理数据库的技术落后；个人的信用评估机制尚未健全，缺乏对个人信用相关数据的分析，而通过让申请者提供抵押担保等方式，在审核上几番周折，业务效率低下。因此，如何建立完善的信用记录机制和征信系统，是一个亟需研究的问题。
从商业银行角度看，一方面，个人征信基础数据库在商业银行个人信贷风险防范中的作用日趋重要。自 2004 年底该系统试运行以来，商业银行和农信社争相加入该系统，并迅速建立了依托该系统的个人信用风险审查制度，将查询申请人信用报告作为消费信贷审查的固定程序。据一些商业银行反映，通过查询个人征信基础数据库而拒绝贷款的客户，约占申请客户的 10%左右；另一方面，个人征信基础数据库建设对于商业银行的业务发展也将发挥促进作用。如前一阶段，由于汽车价格下降等因素造成车贷坏账率高，致使银行不敢发放汽车贷款；而国家助学贷款发放也由于银行难以在借款学生毕业后找到当事人，造成不良贷款率比较高等问题，极大地影响了银行从事上述业务的积极性。而在个人征信基础数据库建成以后，通过促进公众提高诚信水平，将有利于解决上述问题，并为商业银行发展此类业务创造良好的诚信环境。
从央行角度看，个人征信基础数据库也将成为央行提高金融监管水平的重要工具。依托该系统的统计功能而进行的经济金融结构分析，将为宏观调控与货币政策提供有效的依据，提高宏观政策的针对性。从企业和个人来看，具有良好的信用记录不仅有利于获得银行贷款，还可以获得比较优惠的贷款条件。企业、个人征信基础数据库提供的个人信用记录，为商业银行实行贷款风险定价提供了条件。对于信用记录良好的个人，可以享受比较低的下浮贷款利率，对于有不良记录的个人，不仅申请贷款比较困难，而且还会面临比较高的上浮贷款利率.
从企业和个人来看，具有良好的信用记录不仅有利于获得银行贷款，还可以获得比较优惠的贷款条件。企业、个人征信基础数据库提供的个人信用记录，为商业银行实行贷款风险定价提供了条件。对于信用记录良好的个人，可以享受比较低的下浮贷款利率，对于有不良记录的个人，不仅申请贷款比较困难，而且还会面临比较高的上浮贷款利率。在个人征信基础数据库的基础上建立数据仓库，能够满足数据存储量逐步扩大的要求，整合分散在各个商业银行的信用数据；在数据仓库基础上便于实施数据挖掘、OLAP等技术，进行深度数据分析，提供多种信用服务，辅助决策。通过建立个人信用信息数据仓库系统和提供个人信用报告服务，减少金融交易中的信息不对称，降低交易成本，切实防范信贷风险，维护经济金融安全，促进社会主义市场经济持续、快速、健康发展。
（一）信贷业务发展现状概况
中国经济的长足发展和中国日益融入世界经济圈，中国银行业迎来前所未有的基于和挑战。随着国外银行融入中国市场和中国资本市场的进一步打开，国内银行面临这激烈的市场份额竞争。网络金融的兴起，蚂蚁金融、人人贷等互联网金融平台对传统银行信贷地位发起了挑战。新的管理理念和技术使得商业银行业务范围不断扩大，面临的客户群越来越多。现有的商业银行信贷系统越来越不能满足现有发展的需要。为了与国外金融行业齐头并进，国内几大城商行进行了改制，实现了与国际接轨，这不仅表现在银行的制度上，也表现在用科技提供解决城商行需求的解决方案上。目前中农工建交等大型国有银行都已经完成或者正在逐步完善数据大集中工作，并且伴随着信贷系统的升级改造以配合信贷业务的长足发展，五大行对信贷系统的改造工作正在进行或已经完成。国内中小型城商行则根据自身特点也在紧锣密鼓的进行业务系统的建设工作，有的甚至独辟蹊径寻求建设真正适合自己的信贷系统。由此看来，具有既适应现有信贷业务又能适合不仅是五大国有银行还是各小型城商行发展的信贷系统，使得业务人员能够灵活的控制业务，并且能有有效的规避风险，就显得相当有必要了。
（二）数据挖掘技术在信贷系统中的应用现状
各商业银行在发展业务的过程中，逐渐在使用中的业务系统中储存了丰富的客户记录、消费记录等信息。如果能够提供相应的技术有效的管理客户数据，利用其对已有客户信息进行梳理，不仅能够防范信贷过程中的风险，同时也会提高发放贷款、贷款审批的效率。为了充分利用银行现有信贷系统的业务数据，经过分析整理，使用数据挖掘相关技术建立全新的信贷系统，能够非常有效的提高银行业务的效率，并且通过数据跟踪，在一定程度上规避潜在风险。
对于银行来说信贷系统的辅助数据大多来自于反洗钱系统、核心系统和其他外围系统。根据银行信贷业务以及业务人员对信贷系统的新的功能需求，可以应用数据挖掘技术为银行提供数据仓库相关的解决方案，一般可以分为数据服务 server 端、OLAP server 端（决策分析引擎）以及数据分析展现端。其中数据服务 server 端一般使用 ETL 工具完成数据信息的抽取、清洗、整理、转换和存储等一系列功能。
