استفاده از داده کاوی در مدیریت ریسک مشتریان بانک ها

با روند خصوصی سازی در صنعت بانکداری و رشد بی سابقه ی رقابت در تکنولوژیهای بانکداری ، هر روزه بر اهمیت نگهداری از مشتریان کنونی و تشخیص مشتریان خوش حساب و جذب مشتریان جدید افزوده میشود. نگهداری و شناخت مشتریان یک استراتژی ارزشمند است که سودآوری بلندمدت و موفقیت بانکها را تضمین میکند. امروزه مدیریت ارتباط با مشتری فقط یک مزیت رقابتی نیست بلکه شناسایی و جذب مشتریان وفادار و و نگهداشتن آنها برای ادامه حیات در بازار رقابت، امری ضروری است.امروزه در بانکها، اطلاعات وسیعی از ویژگی های مشتریان موجود است که اطلاعات مربوط به ویژگی های خانوادگی، شغلی و ... را شامل میشود. پیدا کردن الگوها و دانش نهفته در این اطلاعات میتواند به تصمیم گیرندگان عرصه امور بانکداری کمک شایانی کند. استفاده از تکنیک های پیشرفته داده کاوی1 مانند خوشه بندی2، طبقه بندی3 و ... میتواند در دسته بندی مشتریان، یافتن الگوهای خاص و با ارزش در مورد مشتریان خوشحساب، یافتن یک برنامه یا روش موفق، یافتن نقاط بحرانی در مدیریت مالی بانکها و موارد دیگر کاربرد داشته باشد.این مقاله نخست به بیان مفاهیم اولیه ی داده کاوی و معرفی تکنیک ها و الگوریتم های آن و سپس کاربردهای دادهکاوی در مدیریت ارتباط با مشتری و در ادامه به بیان کاربردهای دادهکاوی در صنعت بانکداری و بهبود مدیریت ارتباط با مشتری پرداخته است. در نهایت با استفاده از تکنیک های رده بندی و قوانین انجمنی و استفاده از الگوریتم Appriori روی داده های واقعی پیاده سازی شده و نتایج آن مورد تحلیل قرار گرفته است. با تجزیه و تحلیل جوابها به این مقصود خواهیم رسید که چه مشتریانی ریسک بیشتری برای پرداخت بدهیها و وام خود دارند، و از این طریق به اطلاعات مشتریان خوش حساب بیشتر نزدیک میشویم.

Keywords:

داده کاوی , مدیریت ریسک , بانکداری , تکنیک های رده بندی , درخت تصمیم گیری4 , استخراج قوانین , قوانین انجمنی