توضیحات کامل :

رقابت­های جهانی، بازارهای پویا و چرخه­های نوآوری و فناوری که به سرعت در حال کوتاه شدن هستند همگی چالش­های مهمی را برای صنعت مالی و بانکداری ایجاد کرده­ اند و نیاز به استفاده از سیستم­های پشتیبان از تصمیم جهت بهبود فرآیندهای تصمیم­گیری در این سازمان­ها بیش از پیش اهمیت پیدا کرده است. در این میان داده­ هایی که در پایگاه­های اطلاعاتی این سازمان­ها نگهداری می­شوند به عنوان منابع ارزشمند اطلاعات و دانش موردنیاز جهت تصمیم­گیری­های سازمانی مطرح می­باشند.

امروزه بانک­ها از پایگاه­های اطلاعاتی متعدد و گسترده­ای برخوردار هستند که حاوی اطلاعات مربوط به مبادلات و جزئیات دیگر مربوط به مشتریانشان است. اطلاعات ارزشمند تجاری از درون همین ذخایر داده­ای قابل بازیابی هستند. اما پشتیبانی از این دست تحلیل­ها و تصمیم­ گیری با استفاده از زبان­های گزارش­گیری سنتی امکان­پذیر نخواهد بود. روش­های سنتی آماری نیز از ظرفیت کافی در تحلیل این داده ­ها برخوردار نیستند و لذا متدولوژی­های مدرن داده­ کاوی و ابزارهای مربوط به آن در فرآیندهای تصمیم­گیری نه فقط در بانک­ها و نهادهای مالی بلکه در دیگر صنایع نیز بیش از پیش بکار گرفته می­شوند.

داده ­کاوی به نوبه خود در راستای حل مسائل موجود در کسب و کار در صنعت بانکداری و مالی آن هم به واسطه یافتن الگوها، روابط علی و معلولی و روابط حاکم در قیمت­های بازار و اطلاعات کسب و کار و مشتریان به کار می­رود. از موارد کاربرد داده­کاوی در صنعت بانکداری می­توان به موارد زیر اشاره کرد:

1. طراحی مکانیزم­هایی برای مدیریت ارتباط با مشتری از طریق بخش­بندی مشتریان و استخراج قواعد رفتاری آنها جهت هدایت فعالیت­های بازاریابی بانک.

2. مدل­سازی پاسخ بازار به تصمیمات کلان بانک و شناسایی اثر هریک از سیاست­های بازاریابی بر تقاضا و امکان شبیه­سازی تعاملی سیاست­ها و تصمیمات بازاریابی قبل از اجرا.

3. ارزیابی ریسک اعتبار مشتریان متقاضی وام.

4. محاسبه کارایی شعب با ترکیب مدل­های تحلیل پوششی داده ها و داده­ کاوی.

5. پیش­بینی سری­های زمانی مالی و کشف تقلب و سوء استفاده­ های مالی.

بکارگیری داده­ کاوی می­تواند ارزش افزوده فراوانی را برای بانک­ها حاصل نماید. تحقیقات گسترده­ای که در این حوزه در کشورهای مختلف صورت گرفته به توسعه سیستم­های پشتیبان از تصمیم سودمندی انجامیده است که منافع فراوانی را عاید بانک­ها نموده است.

علی­رغم حجم انبوه تحقیقات و پژوهش­هایی که در کشورهای پیشرفته در زمینه توسعه و بکارگیری تکنیک­های داده­کاوی در صنعت بانکداری به عمل آمده و نتیجه آن بهبود فرایندهای بانکی بوده است، زمینه­ های بالقوه بسیاری در بکارگیری این دانش در بانک­ها و موسسات مالی کشورمان وجود دارد. بنابراین زمینه­سازی جهت آشنایی کارشناسان و متخصصین امور بانکی با تکنیک­های داده ­کاوی و کاربردهای آن و همچنین برگزاری دوره­های آموزشی در این زمینه و بکارگیری عملی این علم در بانک­ها و سایر مؤسسات مالی کشور از اهمیت بسزایی برخوردار است.

فهرست مطالب

مقدمه

1

فصل اول

3
 

مقدمه

4
 

فرایند کشف دانش و داده کاوی

9
 

معرفی برخی از روش های داده کاوی

14
 

تحلیل انحراف

15
 

نمایه سازی

17
 

قوانین وابستگی

18
 

تحلیل توالی

22
 

خوشه بندی

24
 

دسته بندی

29
 

پیش بینی

32

فصل دوم

34
 

مقدمه

35
 

داده کاوی در بازاریابی

37
 

مدیریت ارتباط با مشتری

40
 

مراقبت از مشتری

47
 

داده کاوی و تحلیل رویگردانی مشتریان

49
 

داده کاوی و پیش بینی عملکرد بانک

70
 

داده کاوی در ارزیابی اعتبار مشتریان بانک

74
 

کاربرد داده کاوی در ارزیابی عملکرد بانک

81

فصل سوم

86
 

کاربرد داده کاوی در بخش بندی مشتریان

87
 

ارزش چرخه عمر مشتری

90
 

استفاده از مدلهای خوشه بندی

92
 

ارائه سرویس مناسب به مشتریان

98
 

رتبه بندی اعتبار متقاضیان دریافت وام

101
 

رتبه بندی اعتبار با استفاده از نسبت های مالی

104
 

بخش بندی دارندگان کارت های اعتباری

107
 

پروژه طراحی بخش بندی رفتاری

109
 

آماده سازی داده ها

111
 

انتخاب جمعیت بخش بندی

112
 

شاخص های کلیدی عملکرد

113
 

سه گام اصلی فرایند تحلیل

116

منابع

133