ข้อมูลการเงินที่รวบรวมในตลาดธนาคารและการเงินมีความสมบูรณ์, น่าเชื่อถือ, และคุณภาพสูง ซึ่งสนับสนุนการวิเคราะห์ข้อมูลและการทำเหมืองข้อมูลอย่างเป็นระบบ ดังนั้นนำเสนอกรณีศึกษาเฉพาะบางกรณี ดังนี้:
การออกแบบและสร้างคลังข้อมูลสำหรับการวิเคราะห์หลายมิติและการทำเหมืองข้อมูล (Design and construction of data warehouses for multidimensional data analysis and data mining) — ต้องสร้างคลังข้อมูลสำหรับบันทึกธนาคารและการเงิน ต้องใช้วิธีการวิเคราะห์ข้อมูลหลายมิติเพื่อวิเคราะห์ลักษณะทั่วไปของข้อมูลดังกล่าว ตัวอย่าง อาจต้องการดูการเปลี่ยนแปลงหนี้และรายได้ตามเดือน, ตามภูมิภาค, ตามภาค, และตามปัจจัยอื่นๆ พร้อมกับข้อมูลสถิติสูงสุด, ต่ำสุด, รวม, ค่าเฉลี่ย, แนวโน้ม ฯลฯ
การทำนายการชำระหนี้และการวิเคราะห์นโยบายเครดิตลูกค้า (Loan payment prediction and customer credit policy analysis) — การทำนายการชำระหนี้และการวิเคราะห์เครดิตลูกค้าสำคัญต่อธุรกิจธนาคาร ปัจจัยบางอย่างอาจมีอิทธิพลอย่างแรงหรืออ่อนต่อการชำระหนี้และอันดับเครดิตลูกค้า วิธีการทำเหมืองข้อมูลรวมถึงการเลือกแอตทริบิวต์และการจัดอันดับความเกี่ยวข้องของแอตทริบิวต์ ช่วยระบุปัจจัยสำคัญและกำจัดปัจจัยที่ไม่เกี่ยวข้อง ตัวอย่าง ปัจจ่ายที่เกี่ยวข้องกับความเสี่ยงการชำระหนี้ ได้แก่ อัตราส่วนหนี้ต่อมูลค่า (loan-to-value ratio), ระยะเวลาหนี้, อัตราส่วนหนี้ (debt ratio - หนี้รายเดือนรวมต่อรายได้รายเดือนรวม), อัตราส่วนการชำระต่อรายได้, ระดับรายได้ผู้ใช้, ระดับการศึกษา, ภูมิภาคที่อยู่อาศัย, และประวัติเครดิต
การจัดประเภทและการจัดกลุ่มลูกค้าสำหรับการตลาดเป้าหมาย (Classification and clustering of customers for targeted marketing) — เทคนิคการจัดประเภทและจัดกลุ่มสามารถใช้สำหรับการระบุกลุ่มลูกค้าและการตลาดเป้าหมาย ตัวอย่าง สามารถใช้การจัดประเภทระบุปัจจัยสำคัญที่สุดที่ ảnh hưởngต่อการตัดสินใจของผู้ใช้เกี่ยวกับธนาคาร ลูกค้าที่มีพฤติกรรมการชำระหนี้เหมือนกันสามารถระบุได้ด้วยวิธีการจัดกลุ่มหลายมิติ สิ่งเหล่านี้ช่วยระบุกลุ่มผู้ใช้, เชื่อมโยงผู้ใช้ใหม่กับกลุ่มลูกค้าที่เหมาะสม, และอำนวยความสะดวกให้การตลาดเป้าหมาย
การตรวจจับการฟอกเงินและอาชญากรรมทางการเงินอื่นๆ (Detection of money laundering and other financial crimes) — เพื่อตรวจจับการฟอกเงินและอาชญากรรมทางการเงิน จำเป็นต้องรวมข้อมูลจากหลายฐานข้อมูล (เช่น ฐานข้อมูลธุรกรรมธนาคาร, และฐานข้อมูลประวัติอาชญากรรมพลเรือนหรือรัฐ) โดยพิจารณาว่ามีความเกี่ยวข้องกับการศึกษาเครื่องมือการวิเคราะห์ข้อมูลหลายอย่างสามารถใช้ตรวจจับรูปแบบผิดปกติ รวมถึงกระแสเงินสดจำนวนมากในช่วงเวลาเฉพาะ, โดยกลุ่มลูกค้าเฉพาะ
เครื่องมือที่มีประโยชน์ ได้แก่ เครื่องมือการแสดงภาพข้อมูล (แสดงกิจกรรมธุรกรรมด้วยกราฟตามเวลาและกลุ่มผู้ใช้), เครื่องมือการวิเคราะห์การเชื่อมโยง (ระบุลิงก์ระหว่างลูกค้าและกิจกรรมต่างๆ), เครื่องมือจัดประเภท (กรองแอตทริบิวต์ที่ไม่เกี่ยวข้องและจัดอันดับที่เกี่ยวข้องมาก), เครื่องมือจัดกลุ่ม (จัดกลุ่มวิธีการต่างๆ), เครื่องมือการวิเคราะห์ค่าผิดปกติ (ตรวจจับจำนวนเงินโอนผิดปกติหรือกิจกรรมหลายอย่าง), และเครื่องมือการวิเคราะห์รูปแบบลำดับ (ระบุลำดับการเข้าถึงที่ผิดปกติ)
