داده کاوی در صنعت بانکداری
تعداد صفحات : 51 با فرمت ورد و قابل ویرایش
ODM به عنوان ابزار استخراج دانش اتکاپذیر ی از داده های تعریف شده است و فن آوری است که فرایند تصمیم گیری را به وسیله دگرگون ساختن داده ها به سوی دانش ارزشمند در جهت کسب یک مزیت رقابتی سوق می دهد و به عنوان شیوه بکار بردن ابزارهای داده کاوی تعریف شده است.
با توجه به اینکه سازمان ها داده های تجاری بسیاری رادر تصرف خود دارند و تراباتهای داده را در بانک های اطلاعاتی شان جمع آوری می کنند.و با فلج ساختن اطلاعات یک چالش کلیدی در تصمیم گیری تشکیلات سازمانی ایجاد می کنند به این منظور پروسه کشف دانش از پایگاه داده سازمانی مطرح شده است که یک فرایند علمی برای شناسایی الگوهای معتبر، نوین، بالقوه مفید، قابل فهم از داده ها می باشد. مهمترین بخش این فرایند داده کاوی یا کاوش دانش می باشد با ستفاده از الگوریتم های مشخص الگوها را از پایگاه داده استخراج می کنند.
داده کاوی عبارت است کشف روش ها والگوهای ویژه درپایگاه داده های بزرگ، برای هدایت تصمیم گیری در آینده.
امروزه مدیریت ارتباط با مشتری فقط یک مزیت رقابتی نیست بلکه شناسایی و جذب مشتریان وفادار و نگه داشتن آنها برای ادامه حیات در بازار رقابت امری ضروری است بانک ها و موسسسات اعتباری در گذشته به دلیل محدودیت تنوع خدمات و عدم دسترسی به اطلاعات مشتریان از روش های ساده جهت سنجش اعتبار مشتریان خود استفاده می کردند ولی امروز با وجود بانکداری الکترونیکی ثبت اطلاعات تراکنشی مشتریان راحت تر صورت می گیرد و همین امر موجب شده که روش های کمی جایگزین روش های کیفی شود.
در این تحقیق نگاه مختصری به مسیر تکاملی داده کاوی در صنعت بانکدار ی پرداخته و تکنیک های مورد استفاده داده کاوی در کشف و سوءاستفاده های مالی، ارزیابی و عملکرد بانک و اعتبارسنجی مشتریان بانک و مدیریت ارتباط مشتریان معرفی شده اند.
چکیده
مقدمه2
فصل اول3
1-1- فرایند کشف دانش و داده کاوی3
1-1-1- درک قلمرو3
1-1-2- انتخاب داده ها4
1-1-3- پاکسازی و پردازش اولیه4
1-1-4- کشف الگوها4
1-1-5- تفسیر و نمایش الگوها4
1-1-6- ارائه دانش5
1-2- معرفی برخی از روشهای داده کاوی5
1-3- تحلیل انحراف6
1-4- نمایه سازی7
1-5- قوانین وابستگی7
1-6- تحلیل توالی8
1-7- خوشه بندی9
1-8- دسته بندی12
1-9- پیش بینی12
1-9-1- درخت های تصمیمTree-based methods13
1-10- شبکه های عصبی مصنوعی14
1-10-1- شبکه عصبی چیست؟14
1-10-2- تطبیق های خود سازمانده17
1-10-3- تکنیک های نزدیکترین همسایه(Nearest Neighbor Techniques)17
1-10-4- استدلال مبتنی بر حافظه ((Memory-Based reasoning17
1-11- الگوریتم ژنتیک20
1-12- بهینه سازی22
فصل دوم24
2-1- داده کاوی در بازاریابی و مدیریت ارتباط با مشتریان بانک24
2-2- مدیریت ارتباط با مشتری و پروفایل سازی از ان ها25
2-2-1- شناسایی مشتریان26
2-2-2- جذب مشتریان27
2-2-3- حفظ مشتریان27
2-2-4- توسعه مشتریان27
2-2-5- مراقبت از مشتری29
2-2-6- داده کاوی و تحلیل رویگردانی مشتریان31
2-3- کاربرد های داده کاوی در کشف تقلب سوئ استفاده های مالی32
2-4-داده کاوی و پیش بینی عملکرد بانک37
2-5- داده کاوی در ارزیابی اعتبار مشتریان بانک39
3-5- کاربرد داده کاوی در ارزیابی عملکرد بانک ها52
4-5- نتیجه گیری:55
5-5- منابع.56