مقدمه
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 میتوانندفرآیندهای تصمیم گیری را بهبود بخشند. داده کاوی سبب میشود که سازمانها ازسطح داده به سطوح بالاتر دانش و الگوهای ناشناخته برسند.
در این میان بانکها 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
فصل 1 دانش نوین دادهکاوی
1-1 مقدمه 1
1-2 تاریخچه داده کاوی 2
1-3 چرا داده کاوی لازم است؟ 2
1-4 فرآیند کشف دانش و داده کاوی 3
1-5 معرفی برخی از روشهای داده کاوی 7
1-5-1 تحلیل انحراف 8
1-5-2 نمایه سازی 9
1-5-3 قوانین وابستگی 10
1-5-4 تحلیل توالی 13
1-5-5 خوشه بندی 14
1-5-6 دسته بندی 19
1-5-7 پیش بینی 21
فصل 2 کاربردهای داده کاوی در صنعت بانکداری
2-1 مقدمه 23
2-2 داده کاوی در بازاریابی مدیریت ارتباط با مشتریان بانک 25
2-2-1 مدیریت ارتباط با مشتری و پروفایل سازی از آنها 27
2-2-2 مراقبت از مشتری 32
2-2-3 داده کاوی و تحلیل رویگردانی مشتریان 34
2-3 کاربرد داده کاوی در کشف تقلب و سوء استفاده های مالی 42
2-4 داده کاوی و پیش بینی عملکرد بانک 55
2-5 داده کاوی در ارزیابی اعتبار مشتریان بانک 60
2-6 کاربرد داده کاوی در ارزیابی عملکرد بانک 68
فصل 3 مثالهای عملی از کاربرد داده کاوی در صنعت بانکداری
3-1 کاربرد داده کاوی در بخشبندی مشتریان 74
3-1-1 مقدمه 74
3-1-2 ارزش چرخه عمر مشتری، مفهوم تعاریف 76
3-1-3 استفاده از مدلهای خوشه بندی و CLV جهت بخشبندی مشتریان بانک 77
3-1-4 ارائه سرویس مناسب به مشتریان بالقوه 81
3-2 رتبه بندی اعتبار متقاضیان دریافت وام با استفاده از تکنیکهای داده کاوی 84
3-3 رتبه بندی اعتبار با استفاده از نسبتهای مالی 88
3-4 بخشبندی دارندگان کارتهای اعتباری با استفاده از داده کاوی 90
3-4-1 مقاله طراحی بخشبندی رفتاری 91
3-4-2 آماده سازی داده های مورد نیاز برای ساخت مدل 92
3-4-3 انتخاب جمعیت بخشبندی 93
3-4-4 شاخصهای کلیدی عملکرد درباره استفاده از کارتهای اعتباری 93
3-5 سه گام اصلی فرآیند تحلیل 97
3-6 گزارش، گام نهایی فرآیند داده کاوی 116
3-7 مزایا و معایب داده کاوی 116
3-8 نتیجه گیری 118
فهرست اشکال
شکل 1-1 فرآیند کشف دانش 6
شکل 1-2 عملکردهای داده کاوی 8
شکل 1-3 تحلیل انحراف در یک پایگاه داده 9
شکل 1-4 نمونهای از توالی بازدیدهای وب 14
شکل 1-5 نمونهای ساده از خوشه بندی مشتریان 16
شکل 1-6 خوشه بندی با استفاده از K-means 18
شکل 1-7 درخت تصمیمگیری برای دستهبندی مشتریان 21
شکل 1-8 رگرسیون خطی ساده 22
شکل 2-1 مدیریت ارتباط با مشتری و داده کاوی 29
شکل 2-2 دوره های زمانی مختلف در مساله رویگردانی مشتریان بانک 36
شکل 2-3 دسته بندی انواع تقلب 43
شکل 2-4 فراوانی مدلهای استفاده شده در کشف سوء استفاده های مالی 46
شکل2-5 رتبه بندی اعتبار در صنعت بانکداری 61
شکل 2-6 DMU در فرآیند تحلیل پوششی داده ها 71
شکل 2-7 شاخصهای خروجی مورد استفاده در تحلیل پوششی داده ها 72
شکل 3-1 مدلسازی خوشه بندی مشتریان بانکها در Clementine 79
شکل 3-2 نتایج خوشه بندی مشتریان بر اساس روش SOM 79
شکل 3-3 توزیع شغلی مشتریان هر خوشه 79
شکل 3-4 استفاه از الگوریتم Aprioriدر نرم افزار Clementine 82
شکل 3-5 فرآیند مدلسازی رتبه بندی اعتبار مشتریان بانکی در Clementine 86
شکل 3-6 مقایسه مدلهای رتبه بندی اعتبار با استفاده از منحنی Gain 86
شکل 3-7 قواعد رفتاری حاصل از مدل رتبه بندی اعتبار 87
شکل 3-8 فرآیند مدلسازی Clementine 98
شکل 3-9 نمودار نمایه خوشه 1 108
شکل 3-10 نمودار نمایه خوشه 2 109
شکل 3-11 نمودار نمایه خوشه 3 110
شکل 3-12 نمودار نمایه خوشه 4 111
شکل 3-13 نمودار نمایه خوشه 5 112
شکل 3-14 نمودار نمایه خوشه 6 113
شکل3-15 نمودار نمایه خوشه 7 114
شکل 3-16 نمودار نمایه خوشه 8 115
فهرست جداول
جدول 1-1 لیستی از محصولات و خدمات قابل ارائه در بانک 11
جدول 1-2 نمونه داده های مورد نیاز در مدلسازی مساله دسته بندی 20
جدول 2-1 پژوهشهای انجام شده در در زمینه کاربرد داده کاوی در تحلیل رویگردانی مشتریان 42
جدول 2-2 پژوهشهای انجام شده در زمینه کاربرد داده کاوی در زمینه کشف تقلب 55
جدول 2-3 پژوهشهای انجام شده در زمینه کاربرد داده کاوی در ارزیابی عملکرد بانک 60
جدول 2-4 پژوهشهای انجام شده در زمینه کاربرد داده کاوی در ارزیابی اعتبار مشتریان 68
جدول 3-1 پروفایلهای حاصل با استفاده از خوشه بندی 80
جدول 3-2 نمونه ای از قوانین وابستگی تولید شده در یک خوشه 83
جدول 3-3 متغیرهای مورد استفاده در رتبه بندی اعتبار 85
جدول 3-4 بخشبندی کارتهای اعتباری، خلاصه روش اجرا 94
جدول 3-5 فیلدهای استفاده شده برای بخشبندی دارندگان کارتهای اعتباری 97
جدول 3-6 تصمیم گیری برای تعداد اجزای استخراجی با آزمودن جدول”واریانس” در PCA 99
جدول 3-7 فهم و طبقه بندی اجزا با استفاده از ماتریس محوری اجزاء 100
جدول 3-8 تفسیر قوانین استخراج شده اجزاء 101
جدول 3-9 مراکز خوشه ها 102
جدول 3-10 میانگین درصد خریدها بر مبنای نوع کالا در خوشه ها 103
جدول 3-11 میانگین تعداد خرید بر مبنای نوع کالا در خوشه ها 104
جدول 3-12 نمایه سازی خوشه ها بر مبنای شاخصهای عملکرد 106
جدول 3-13 نمایه سازی خوشه ها بر مبنای مشخصه های جمعیت شناختی 107