داده کاوی و بانکداری الکترونیکی

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,827

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CITCONF02_063

تاریخ نمایه سازی: 19 اردیبهشت 1395

Abstract:

امروز داده ها البته پند فرآیند تجاری بیشتر شرکت ها تلقی می شوند آن ها فارغ از خرد و کلان بودن نوع صنعت در تمامی صنایع نظیر ارتباطات، توتی، بین، کارت اعتباری و بانکداری از طریق تعاملات در سیستم های عملیاتی شکل می گیرند. لذا نیازی به ابزاری است که بتوان داده های ذخیره شده را پردازش کرده و اطلاعات حاصل از آن را در اختیار کاربران قرار دهد. در این راستا سازمان های بسیاری در حال استفاده از داده کاوی برای کمک به مدیریت تمام فازهای ارتباط با مشتری هستند. امروزه به دلیل وجود بانکداری الکتریکی ثبت اطلاعات تراکنشی و راحت تر صورت می گیرد و همین امر موجب شده است روش های کمی جایگزین روش های کیفی شود. این تحقیق به منظور شناسایی مشتریان بانک و تدوین استراتژی مناسب برای برخورد با آن ها از داده کاوی و ابزار استفاده می شود. به کارگیری تکنیک های شناسایی تقلا به منظور جلوگیری از اقدامات متقلبانه در سیستم های بانکداری الکترونیک لازم است ، عموماً روش های شناسایی تقلب به دو دسته اصلی تشخیص ناهنجاری و تشخیص سوءاستفاده تقسیم می شوند. در روش تشخیص ناهنجاری، تاریخچه رفتار مشتری به عنوان یک ناهنجاری یا تقلب ثبت شود. روش سوءاستفاده و رفتارهای خاص مشتری تمرکز دارد و دقیقاً رفتارهای شناخته شده را تقلب فرض می کند. در این تحقیق علاوه بر مقایسه روش های ساخت و تشریح چگونگی عملکرد سازوکارهای مبتنی بر آن، انواع تکنیک های تشخیص تولد در بانکداری الکترونیک ارائه و روش های داده کاوی مورد استفاده در کشف تقلب مزایا و معایب هر یک به تفصیل شرح خواهد شد.

Keywords:

داده کاوی بانکداری الکترونیک مدیریت ارتباط با مشتری تقلب تشخیص ناهنجاری تشخیص سوء استفاده

Authors

لیلا مقیمی

دانشجوی کارشناسی ارشد دانشگاه پیام نور

مهدی جوانمرد

استادیار دانشگاه پیام نور

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Data Mining Concepts and Techniques /mehdies maeeli /20012 ...
  • An Introduction to Data Mining: http : //www _ thearling.com/, ...
  • Data Mining: Efficient Dat Exploration and Modeling: ...
  • http : //research. micro SO ft. _ om/dmx/D ataMining/, retrieved ...
  • Christine Gertisio and Alan Dussauchoy, "Knowledge Discovery from Industril Data ...
  • نمایش کامل مراجع