在当今金融行业，数据挖掘技术已经成为银行业务发展的重要手段。银行业拥有海量的结构化数据，但如何从这些数据中挖掘出有价值的信息，转化为推动业务发展的“数据资产”，是银行业面临的重要课题。《银行业数据挖掘：一般数据结构的尝试及挖掘应用策略.pdf》这篇文章探讨了金融大数据的价值、银行业数据挖掘实践的应用方向与基本策略，并提出了建立银行业通用数据结构的构想。
文章指出金融大数据具有巨大价值，但银行现存的通用数据结构并不完善，限制了数据资产价值的发挥。文章中提到的数据结构问题，如产品数据规范不一致、新旧数据标准不兼容、缺乏统一的数据架构等，都是数据挖掘进程中的基础性障碍。
为了解决这些问题，文章尝试提出了一个银行业通用数据结构的概念，它包括六个考察维度：客户信息、银行产品或服务、担保方式与担保物、业务合同管理与操作流程、财务会计处理记录、全流程管理。这些维度全面覆盖了银行在特定时点的静态信息和动态信息。
在客户信息这个维度中，客户信息模块强调了“客户是谁”的问题，涵盖了客户的组织机构代码、规模、财务、信用等级、股权结构等基础信息，以及客户的生命周期信息，如内部识别码、管理客户代码、客户类别判定等。这些信息能够帮助银行更精准地识别和理解客户，从而制定更为个性化的服务。
银行产品或服务维度关注的是银行提供的产品和服务的定义。在金融领域，产品的多样性和复杂性决定了数据结构设计的复杂性。文章建议在此维度上应考虑不同产品的数据规范、新旧标准的兼容性，以及如何将产品信息纳入统一的数据架构中。
担保方式与担保物维度涉及的是银行在金融活动中所采取的风险控制手段。文章指出，此维度信息需要考虑担保物的类型、价值评估、风险控制等因素，这些信息对于银行的风险管理至关重要。
业务合同管理与操作流程维度则聚焦于银行日常业务操作的具体流程。文章中指出，合同管理是风险管理中的重要环节，需要将业务流程、合同条款、操作规范等信息纳入数据结构之中，以确保业务活动的合规性。
在财务会计处理记录维度中，文章强调了每一笔业务在财务会计处理中的记录、处理方法。这对于确保会计信息的准确性和及时性、提升财务报告质量至关重要。
全流程管理维度是基于全面风险管理理念，考察银行是否具备满足全流程管理要求的治理架构、物质资源、制度体系与运行机制。文章认为，这一维度不仅涉及到前五个维度的所有内容，而且直接关系到银行的内控制度建设和执行情况，能够有效防止系统性风险。
文章建议，通过构建这样的银行业通用数据结构，可以为银行业数据挖掘提供基础架构，促进数据资产的形成，并为银行业务提供持续的经济价值。同时，文章也梳理出了银行数据挖掘实践当前亟待解决的若干问题，如数据规范的统一、历史数据与新数据的兼容、数据结构的优化等，这些问题的解决对于银行业数据挖掘的成功至关重要。
本文就银行业数据挖掘提出了一套较为全面的数据结构框架，并在分析银行业数据挖掘应用策略的基础上，提出了解决方案。这一方案对银行业务的深入发展具有指导意义，同时也为其他行业进行数据挖掘提供了参考和借鉴。
