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 | |