近几年随着农村信用社业务品种及业务量的飞速发展,后台数据日益增长。目前本市科技中心存储了大量而宝贵的历史数据，当前这些数据并没有被充分地挖掘利用，在数据仓库、数据挖掘技术日益成熟的今天，如何利用好这一宝贵资源是当前农村信用社面临的一大课题。信贷资产中农村信用社所发放大量贷款都可归为涉农贷款，主要为：农户贷款、农村企业及各类组织的贷款、城市企业及各类组织的涉农贷款。所涉及的个人收入支出多以现金方式结算，企业则财务制度不健全，无财务报表或财务报表真实性差，因此多数无法实现对其资金流的监控，也就无法在其内部发生风险时及时收回贷款本息，贷款风险系数高。对单笔借款或单一借款人进行分析不定因素多、难度大，主观性强，说服力差；但在大量历史数据中采用数据挖掘技术，通过使用高级的分析及建模技术针对借款记录及相关信息（如：用途，所属行业及地区等）进行汇总分类聚集从中发现更丰富的信息，找潜在规律及发展趋势，可以得出不同分类贷款的还款情况，对风险的分析客观且具有较强的说服力；一是可以从真实数据中不分具体原因直接得出还款情况，避免主观认定的偏差，二是通过观测趋势可以在同类贷款发生损失风险前进行有效催收；三是对不同分类贷款出现不良的占比来决定新增贷款的发放与否及授信额度、时间做一定参考。本系统数据仓库使用IBM公司的DB2v9数据库产品，根据系统需求分析结果建立了相关数据库和表，编写shell程序实现了初始化时导入当前所有相关历史数据，后期每天增量修改、插入相关数据。利用DWE Intelligent Miner数据挖掘分析工具进行初步挖掘处理，并由业务人员根据实际情况对挖掘结果做出合理解释，排除异常及垃圾信息，从而确保了后期挖掘结果的真实性和有效性；同时采用了联机分析处理（On-Line Analytical Processing，简称OLAP）技术进行论证，使用工具DWE CubeViews(OLAP)对人为分析处理后的Intelligent Miner挖掘结果在数据仓库中建立多维数据立方体模型进行数据挖掘操作（如：上卷、下钻）。在数据库服务器上编写了相关shell，实现数据的汇总及预处理；并采用上海普元公司的EOS开发集成环境进行应用程序开发，实现了前台用户根据权限可自由选择网点、概念用途（贷款用途）查询特定日期或时间段内的贷款分类情况。以web方式在内部网络提供服务，便于决策者、普通员工等非技术人员查询使用。开发本系统的目的是帮助农村信用社增强信贷资产风险管理，通过对历史数据的分析得出有价值的信息，对贷款按不同分类进行汇总分析，根据还款占比趋势，可以对存量贷款进行按类监控，提早进行贷款催收，也可根据还款趋势决定新增贷款是否发放，及确定额度。理论上可以通过对贷款历史数据分析得出分类还款趋势，有效监控存量贷款，减少不良贷款产生，给新增贷款审批增加真实有效的说服证据，实际应用可有效降低涉农贷款风险系数，为提高信用社涉农贷款的理论水平，促进业务的正常健康发展和客户经理的健康成长做出一定贡献。