什么是数据挖掘？现在比较通用的定义是数据库中的知识发现, 数据库中数据量是非常大的, 要想从中提取有用的信息, 就要用到各种技术手段, 涉及到的学科领域包括： 统计、机器学习、人工智能、数据可视化等。

我国金融行业是较早使用数据库技术的行业，所以也积累了大量的数据，数据挖掘在金融行业有了很多成功的案例。

暗流涌动：金融业务场景下的问题
技术是用来解决问题的，第一时间，我们要找到金融行业有哪些业务问题是亟待解决的！以银行来说，主要就是要实行两件事，吸储和放贷。吸储显然就是各种金融产品的销售，需要准确把握客户，让客户把资金留在银行； 放贷则包括了信用卡业务和各种额度的贷款, 需要仔细把握风险, 避免坏账。

在信息技术还没有如今这么发达的时候，银行大多数还是靠的客户经理自身的经验，谨慎但繁琐的人工审批，这个环节的成本是很高的，而且人是很有可能犯错误的。为分析决这个问题数据挖掘被推到了业务前沿：一方面是可以自动化，用程序自动判断客户类型，自动评估贷款风险，从而降低成本；另一个方面是更加客观，避免人的失误, 排除主观因素的影响。

实操展现：数据挖掘如何解决问题
以信用卡的业务问题为例, 我们来看下数据挖掘方法是怎么构建信用评估模型的。

第一时间，确定研究对象，这里我们分析的对象是信用卡/贷款申请人, 确定了申请人这个对象, 我们就能确定收集哪些数据。

第二，整理数据, 例如以下几个方面，基本属性：年龄、性别、学历、职业、婚姻等；财务特征：月总收入、月还款占总收入比例等。另外还需要客观体现申请人信用表现的特征，信用评估实际就是在预测申请人违约的可能性，实际的违约行为就是要整理的数据，例如逾期还款次数，最长逾期时间等。

第三， 数据预处理。在模型训练之前，需要对数据进行处理，例如空值填充、异常值过滤、类型转换、降维等。有的是数据质量问题，有的是算法的要求。

第四，模型训练。这里我们使用的是有监督学习算法，像神经网络、支持向量机、逻辑回归等。这些算法实际是在计算申请人的这些特征（自变量）和是否违约（因变量）直接具体的定量的相关性。这样就能顺利获得这些因变量预测申请人违约的可能性。

第五、模型评估。模型在使用之前肯定是要进行评估的。现在有很多的评估指标，例如正确率、准确率、召回率、ROC曲线等。根据模型的侧重点，选择合适的评估指标，得到最优模型。

最后，模型部署。模型是一个有预测的能力的程序，这个程序怎么运行，要看实际场景需求了，像银行的预测并发性很高，而且要实时响应，所以很多都是将模型转换成了评分卡，将模型的预测转换成了数据库查询。现在实时流技术的开展，也能够将模型部署到实时流中，实现模型的实时预测。这样业务人员就能快速判断申请人的信用情况。

结束语
技术是在不断开展的，只要能够获取知识，数据挖掘并没有局限于具体使用哪些技术方法。但是数据积累是需要时间的，在实际进行数据挖掘之前，我们更加深入的理解业务，明确收集哪些特征数据，并且实行数据规范，避免要用数据时才发现是脏数据，良好的数据质量也是数据挖掘成功的保障。Ebpay旗下的数据挖掘平台：豌豆DM，深入洞察企业数据规律，充分挖掘数据潜在价值。我们相信数据挖掘技术会在金融行业找到更多的应用场景，持续发挥作用。