加入WTO以來，中國銀行業一直在挑戰中前行。銀行業核心競爭力的關注焦點，應該體現為對本土客戶關系的理解和客戶資源的掌握上的優勢。而強有力的信息化手段將是優勢得以持續的重要條件。

數據挖掘: 商業銀行的應用

在國際范圍內，數據倉庫和數據挖掘技術已成為商業銀行業務快速發展、全面應用IT技術，開展科學管理決策的業務平臺。

數據倉庫（Data  Warehouse）是支持管理決策過程的、面向主題的、集成的、動態的、連續的數據集合。可以從容量龐大的業務處理型數據庫中抽取數據，清理、轉換為新的存儲格式。根據決策目標，將存儲于數據庫中的決策分析所必需的、歷史的、分散的、詳細的數據，經處理轉換成集中統一的、隨時可用的信息。與傳統的數據庫系統業務處理為主的OLTP應用相比，數據倉庫是適應分析處理要求、面向以分析處理為主的OLAP應用。

數據挖掘（Data  Mining ）技術以數據倉庫和聯機分析處理（OLAP）為平臺，借助企業擁有的大量數據，通過清洗、轉換、裝載等數據處理方法，發現大量資料間的關聯與趨勢，探尋一種獨特的、通過其他方法發現不了的業務規律和模式。廣泛應用包括線性、非線性回歸分析、判別分析、聚類分析、主成分/因子分析和時間序列分析等統計方法及決策樹分析(Decision  Tree)、準則推斷(Rule  Induction)、關聯探測(Association  Detection)、神經網絡(Neural  Networks)和基因算法(Genetic  Algorithms)等特有分析方法。

數據倉庫及其應用技術從20世紀90年代初出現以來，在海量客戶信息的企業，尤其是許多大銀行等金融機構中得到了廣泛的應用。數據倉庫建設是現代商業銀行發展到一定階段對銀行信息管理水平提出的現實要求，又是現代商業銀行業務發展與信息技術發展高度融合的必然趨勢。

目前，國內商業銀行信息體系中大量運用的仍是數據庫系統（Data  Base）。數據庫系統作為管理手段，用于事務處理獲得了成功，但對分析處理的支持不能令人滿意。由于事務處理和分析處理有極不相同的性質，直接使用事務處理環境來支持決策（DSS）是行不通的。右表是基于數據庫和數據倉庫結構的銀行業務應用系統的比較。

商業銀行建設數據倉庫，先期應關注深化客戶關系的應用主題。通過數據倉庫建設，銀行可建立以客戶金融業務信息、客戶基本信息和其他外部信息為主體的、完備的客戶信息體系；建立以綜合業務處理系統和數據集中為依托，以網絡化、自動化收集為主，其他調查方式為輔的客戶信息收集渠道；建立全行高度信息共享的客戶信息管理中心，發揮其信息采集、預警預測、分析發布等功能，從而全面提高銀行客戶信息的分析和使用能力，為深化和發展客戶關系奠定堅實的基礎。