مقایسه دقت رتبه بندی اعتباری مشتریان بانکها با استفاده از داده های برگرفته از اینترنت اشیاء و داده های سنتی

در دنیای مدرن، رتبه بندی اعتباری مشتریان بانکها به عنوان یکی از ارکان اصلی مدیریت ریسک و بهینه سازی تصمیمات اعتباری شناخته میشود. این پژوهش به بررسی و مقایسه دقت رتبه بندی اعتباری مشتریان بانکها با استفاده از داده های اینترنت اشیاءء (IoT) و روشهای سنتی پرداخته و به ویژه بر مطالعه موردی بانک ملل متمرکز است. هدف اصلی این تحقیق تحلیل اثرات استفاده از داده های اینترنت اشیاء بر بهبود دقت مدلهای رتبه بندی اعتباری و مقایسه آن با مدلهای سنتی است. برای این منظور، داده های مشتریان از دو منبع مختلف جمع آوری و تحلیل شد. داده های سنتی شامل اطلاعات مالی و جمعیت شناختی مشتریان بودند، درحالیکه داده های اینترنت اشیاء به تحلیل رفتارهای روزمره مشتریان نظیر مصرف انرژی، تعاملات مالی و الگوهای خرید میپرداختند. پس از جمع آوری و پاکسازی داده ها، مدلهای مختلف تحلیل شامل روشهای قضاوتی سنتی و الگوریتمهای یادگیری ماشین نظیر شبکه عصبی پرسپترون چندلایه، ماشین بردار پشتیبان و درخت تصمیم برای ارزیابی و مقایسه دقت رتبه بندی استفاده شدند. نتایج تحقیق نشان داد که استفاده از داده های اینترنت اشیاء به طور قابل توجهی دقت مدلهای رتبه بندی اعتباری را نسبت به روشهای سنتی بهبود میبخشد. مدلهای یادگیری ماشین که به ویژه از ترکیب داده های سنتی و اینترنت اشیاء بهره میبرند، بهدقت بالاتری در پیشبینی وضعیت اعتباری مشتریان دست یافتند. این مدلها با توانایی در تحلیل الگوهای پیچیده و ارائه پیشبینی های دقیقتر از وضعیت اعتباری مشتریان، نسبت به مدلهای سنتی عملکرد بهتری داشتند. درنتیجه، این پژوهش تاکید میکند که بهرهگیری از داده های اینترنت اشیاء در کنار داده های سنتی میتواند به طور قابل توجهی به بهبود فرآیندهای تحلیلی و تصمیم گیری در زمینه ی رتبه بندی اعتباری کمک کند. نتایج این تحقیق میتوانند به بانکها در بهینه سازی استراتژیهای مدیریتی، افزایش کارایی در مدیریت ریسکهای اعتباری و بهبود خدمات به مشتریان کمک کنند.

Keywords:

رتبه بندی اعتباری , هوش مصنوعی , دسته بندی , مشتریان بانکها