دادهکاوی و مدیریت ارتباط با مشتری (CRM) در بانکها

امروزه داده کاوی مهمترین ابزار برای استفاده سودمند از منابع متنوع و فراوان داده ها محسوب می شود. داده های دقیق در حجم بسیار زیاد و قیمت ارزان توسط شرکتها و سازمانها ی مختلف تولید گردیده و در بانکهای اطلاعاتی یا داده انبارها سازماندهی می شوند. دادههای تبادلات تجاری، کشاورزی، ترافیک، اینترنت، جزئیات مکالمات تلفنی و دادههای پزشکی مثالهایی از چنین پایگاه دادهها می باشند . با توجه به شدت رقابتها در عرصههای اقتصادی، علمی، اجتماعی، مدیریتی و سیاسی اهمیت عامل سرعت یا دسترسی به اطلاعات توسط لایه های مختلف مدیریتی، دو چندان گردیده است. در حال حاضر، دادهکاوی مهمترین فناوری جهت بهره برداری موثر و دقیق از دا دههای حجیم بوده و اهمیت آن روز به روز رو به فزونی است . یکی از رایج ترین کارها در دادهکاوی، ساختن مدلهایی برای پیشگویی کلاس یک شئ بر اساس بعضی از ویژگیهای آن می باشد. منظور از این واژه می تواند یک مشتری، معامله، خانواده، پیام پست الکترون یکی و مانند اینه ا باشد . همچنین، یک شئ می تواند در ردههایی مانند : اعتبار خ وب یا بد برای متقاضیان وام تقسیم شود. در این مقاله، با در نظر گرفتن خصوصیات متقاضیان وام و با استفاده از داده کاوی نسبت به اعتبار سنجی مشتریان بانک اقدام خواهد شد . با SAS Enterprise Miner استفاده از روشهای دادهکاوی مانند: رگرسیون لجستیک، شبکههای عصبی و درخت تصمیم با کمک نرمافزار پرداخته شده و در پایان ب ا مقایسه این روشها، مدل نهایی انتخاب و نسبت به پیشگویی رده مشتریان جدید بر اساس مدل نهایی اقدام خواهد شد و سپس با استفاده از درخت تصمیمگیری، نحوه ارتباط بانک با مشتریان تعیین خواهد شد

Keywords:

دادهکاوی , ردهبندی , اعتبارسنجی مشتریان , درخت تصمیم , شبکههای عصبی , رگرسیون لجستیک