大数据与数据分析的出现推动了很多行业的发展，比如商业、工业、农业、金融业等等，而在金融行业中，很多东西都是需要大数据分析以及挖掘的，比如客户关系管理、风险计量与管理、精准营销、交易执行、安全与反欺诈等，正是这些才能够实现金融行业的迅速发展，那么数据挖掘给金融行业带来了什么呢？在这篇文章中我们就给大家介绍一下这些事情。
可以说，大数据的出现使得金融行业得到了转型，主要体现在了在实现严格有效的监管、机构精细化管理、业务创新提高竞争力等三大方面。而大数据技术正是实现这些目标的扎实基础。当然，大数据不仅为金融机构掌握客户全方位信息提供了可能，通过大数据技术分析和挖掘客户的交易和消费历史掌握客户的消费行为与习惯，并准确地预测客户的需求，有方向性地提供推荐和服务，能够提升客户满意度。另一方面，大数据技术能通过跟踪新闻、微博等典型的非结构化、半结构化数据搜集政治、经济等方面的变化对市场的影响。这些非结构化数据、半结构化数据经过处理后能够转化成结构化数据，并参与到自动交易的决策辅助中来。由此可见大数据为金融行业的转型带来了极大的帮助。
而数据挖掘的任务一般有三个，分别是分类、聚类、关联规则，由于不同的数据形式同这三个方面的结合又产生了一些交叉领域。常见的分类任务算法有：决策树、logistic回归、神经网络、支持向量机、多目标线性规划等。而Logistic 回归分析是一种二分类的多元回归方法，是判断某件事情是否发生的传统工具，在各个领域都取得了较为广泛的应用。人工神经网络具有自学习和自适应能力，可通过预先提供的一批相互对应的输入—输出数据，分析掌握两者间的规律进行应用和预测。最流行的神经网络算法是20 世纪80 年代提出的向后传播算法。
在这篇文章中我们给大家介绍了大数据以及数据挖掘给金融行业带来的相关业务，数据挖掘的算法有很多，由于篇幅原因我们就给大家介绍了两种，在后面的文章我们继续给大家介绍更多的算法，好了，我们下一期再见。