داده کاوی در صنعت بانکداری
امروزه با گسترش روزافزون اطلاعاتی که بشر با آنها سر و کار دارد، بهره گیری از روشهایی همچون داده کاوی برای استخراج دانش و اطلاعات نهفته در داده ها امری غیر قابل اجتناب است. سازمانها با استفاده از داده کاوی میتوانند فرآیندهای تصمیم گیری را بهبود بخشند. داده کاوی سبب میشود که سازمانها از سطح داده به سطوح بالاتر دانش و الگوهای ناشناخته برسند.
در این میان بانک ها اساساً از پایگاههای داده متعدد و گستردهای برخوردار هستند که حاوی اطلاعات مربوط به مبادلات و جزئیات دیگر مربوط به مشتریانشان است. داده کاوی به نوبهی خود در راستای حل مسائل موجود در کسب و کار در صنعت بانکداری و مالی آن هم به واسطه ی یافتن الگوها، روابط علی و معلولی و روابط حاکم در قیمتهای بازار و اطلاعات کسب و کار مشتریان به کار میرود.
فهرست مطالب
عنوان صفحه
فصل ۱ دانش نوین دادهکاوی
۱-۱٫ مقدمه ۱
۱-۲٫ تاریخچه داده کاوی ۲
۱-۳٫ چرا داده کاوی لازم است؟ ۲
۱-۴٫ فرآیند کشف دانش و داده کاوی ۳
۱-۵٫ معرفی برخی از روشهای داده کاوی ۷
۱-۵-۱٫ تحلیل انحراف ۸
۱-۵-۲٫ نمایه سازی ۹
۱-۵-۳٫ قوانین وابستگی ۱۰
۱-۵-۴٫ تحلیل توالی ۱۳
۱-۵-۵٫ خوشه بندی ۱۴
۱-۵-۶٫ دسته بندی ۱۹
۱-۵-۷٫ پیش بینی ۲۱
فصل ۲ کاربردهای داده کاوی در صنعت بانکداری
۲-۱٫ مقدمه ۲۳
۲-۲٫ داده کاوی در بازاریابی مدیریت ارتباط با مشتریان بانک ۲۵
۲-۲-۱٫ مدیریت ارتباط با مشتری و پروفایل سازی از آنها ۲۷
۲-۲-۲٫ مراقبت از مشتری ۳۲
۲-۲-۳٫ داده کاوی و تحلیل رویگردانی مشتریان ۳۴
۲-۳٫ کاربرد داده کاوی در کشف تقلب و سوء استفاده های مالی ۴۲
۲-۴٫ داده کاوی و پیش بینی عملکرد بانک ۵۵
۲-۵٫ داده کاوی در ارزیابی اعتبار مشتریان بانک ۶۰
۲-۶٫ کاربرد داده کاوی در ارزیابی عملکرد بانک ۶۸
فصل ۳ مثالهای عملی از کاربرد داده کاوی در صنعت بانکداری
۳-۱٫ کاربرد داده کاوی در بخشبندی مشتریان ۷۴
۳-۱-۱٫ مقدمه ۷۴
۳-۱-۲٫ ارزش چرخه عمر مشتری، مفهوم تعاریف ۷۶
۳-۱-۳٫ استفاده از مدلهای خوشه بندی و CLV جهت بخشبندی مشتریان بانک ۷۷
۳-۱-۴٫ ارائه سرویس مناسب به مشتریان بالقوه ۸۱
۳-۲٫ رتبه بندی اعتبار متقاضیان دریافت وام با استفاده از تکنیکهای داده کاوی ۸۴
۳-۳٫ رتبه بندی اعتبار با استفاده از نسبتهای مالی ۸۸
۳-۴٫ بخشبندی دارندگان کارتهای اعتباری با استفاده از داده کاوی ۹۰
۳-۴-۱٫ مقاله طراحی بخشبندی رفتاری ۹۱
۳-۴-۲٫ آماده سازی داده های مورد نیاز برای ساخت مدل ۹۲
۳-۴-۳٫ انتخاب جمعیت بخشبندی ۹۳
۳-۴-۴٫ شاخصهای کلیدی عملکرد درباره استفاده از کارتهای اعتباری ۹۳
۳-۵٫ سه گام اصلی فرآیند تحلیل ۹۷
۳-۶٫ گزارش، گام نهایی فرآیند داده کاوی ۱۱۶
۳-۷٫ مزایا و معایب داده کاوی ۱۱۶
۳-۸٫ نتیجه گیری ۱۱۸
فهرست اشکال
شکل ۱-۱٫ فرآیند کشف دانش ۶
شکل ۱-۲٫ عملکردهای داده کاوی ۸
شکل ۱-۳٫ تحلیل انحراف در یک پایگاه داده ۹
شکل ۱-۴٫ نمونهای از توالی بازدیدهای وب ۱۴
شکل ۱-۵٫ نمونهای ساده از خوشه بندی مشتریان ۱۶
شکل ۱-۶٫ خوشه بندی با استفاده از K-means ۱۸
شکل ۱-۷٫ درخت تصمیمگیری برای دستهبندی مشتریان ۲۱
شکل ۱-۸٫ رگرسیون خطی ساده ۲۲
شکل ۲-۱٫ مدیریت ارتباط با مشتری و داده کاوی ۲۹
شکل ۲-۲٫ دوره های زمانی مختلف در مسأله رویگردانی مشتریان بانک ۳۶
شکل ۲-۳٫ دسته بندی انواع تقلب ۴۳
شکل ۲-۴٫ فراوانی مدلهای استفاده شده در کشف سوء استفاده های مالی ۴۶
شکل۲-۵٫ رتبه بندی اعتبار در صنعت بانکداری ۶۱
شکل ۲-۶٫ DMU در فرآیند تحلیل پوششی داده ها ۷۱
شکل ۲-۷٫ شاخصهای خروجی مورد استفاده در تحلیل پوششی داده ها ۷۲
شکل ۳-۱٫ مدلسازی خوشه بندی مشتریان بانکها در Clementine ۷۹
شکل ۳-۲٫ نتایج خوشه بندی مشتریان بر اساس روش SOM ۷۹
شکل ۳-۳٫ توزیع شغلی مشتریان هر خوشه ۷۹
شکل ۳-۴٫ استفاه از الگوریتم Aprioriدر نرم افزار Clementine ۸۲
شکل ۳-۵٫ فرآیند مدلسازی رتبه بندی اعتبار مشتریان بانکی در Clementine 86
شکل ۳-۶٫ مقایسه مدلهای رتبه بندی اعتبار با استفاده از منحنی Gain ۸۶
شکل ۳-۷٫ قواعد رفتاری حاصل از مدل رتبه بندی اعتبار ۸۷
شکل ۳-۸٫ فرآیند مدلسازی Clementine ۹۸
شکل ۳-۹٫ نمودار نمایه خوشه ۱ ۱۰۸
شکل ۳-۱۰٫ نمودار نمایه خوشه ۲ ۱۰۹
شکل ۳-۱۱٫ نمودار نمایه خوشه ۳ ۱۱۰
شکل ۳-۱۲٫ نمودار نمایه خوشه ۴ ۱۱۱
شکل ۳-۱۳٫ نمودار نمایه خوشه ۵ ۱۱۲
شکل ۳-۱۴٫ نمودار نمایه خوشه ۶ ۱۱۳
شکل۳-۱۵٫ نمودار نمایه خوشه ۷ ۱۱۴
شکل ۳-۱۶٫ نمودار نمایه خوشه ۸ ۱۱۵
فهرست جداول
جدول ۱-۱٫ لیستی از محصولات و خدمات قابل ارائه در بانک ۱۱
جدول ۱-۲٫ نمونه داده های مورد نیاز در مدلسازی مسأله دسته بندی ۲۰
جدول ۲-۱٫ پژوهشهای انجام شده در در زمینه کاربرد داده کاوی در تحلیل رویگردانی مشتریان ۴۲
جدول ۲-۲٫ پژوهشهای انجام شده در زمینه کاربرد داده کاوی در زمینه کشف تقلب ۵۵
جدول ۲-۳٫ پژوهشهای انجام شده در زمینه کاربرد داده کاوی در ارزیابی عملکرد بانک ۶۰
جدول ۲-۴٫ پژوهشهای انجام شده در زمینه کاربرد داده کاوی در ارزیابی اعتبار مشتریان ۶۸
جدول ۳-۱٫ پروفایلهای حاصل با استفاده از خوشه بندی ۸۰
جدول ۳-۲٫ نمونه ای از قوانین وابستگی تولید شده در یک خوشه ۸۳
جدول ۳-۳٫ متغیرهای مورد استفاده در رتبه بندی اعتبار ۸۵
جدول ۳-۴٫ بخشبندی کارتهای اعتباری، خلاصه روش اجرا ۹۴
جدول ۳-۵٫ فیلدهای استفاده شده برای بخشبندی دارندگان کارتهای اعتباری ۹۷
جدول ۳-۶٫ تصمیم گیری برای تعداد اجزای استخراجی با آزمودن جدول”واریانس” در PCA ۹۹
جدول ۳-۷٫ فهم و طبقه بندی اجزا با استفاده از ماتریس محوری اجزاء ۱۰۰
جدول ۳-۸٫ تفسیر قوانین استخراج شده اجزاء ۱۰۱
جدول ۳-۹٫ مراکز خوشه ها ۱۰۲
جدول ۳-۱۰٫ میانگین درصد خریدها بر مبنای نوع کالا در خوشه ها ۱۰۳
جدول ۳-۱۱٫ میانگین تعداد خرید بر مبنای نوع کالا در خوشه ها ۱۰۴
جدول ۳-۱۲٫ نمایه سازی خوشه ها بر مبنای شاخصهای عملکرد ۱۰۶
جدول ۳-۱۳٫ نمایه سازی خوشه ها بر مبنای مشخصه های جمعیت شناختی ۱۰۷