بخشی از مقاله
چکیده
درعصر انفجار اطلاعات، سازمان ها هر روزه حجم زیادی از داده را تولید وجمع آوری خواهند کرد. استخراج اطلاعات مفید از پایگاه داده و تبدیل کردن اطلاعات به نتایج عملی چالش اصلی است که سازمانها با آن روبرو هستند.در واقع داده ها قلب تپنده فرآیند تجاری بیشتر شرکتها تلقی می شوند، آن ها فارغ از خرد وکلان بودن نوع صنعت در تمامی صنایع نظیر خرده فروشها، ارتباطات، تولید، تسهیلات،بیمه، کارت های اعتباری و بانکداری از طریق تعاملات در سیستم های عملیاتی شکل می گیرند .
لذا نیاز به ابزاری است که بتوان داده های ذخیره شده را پردازش کرده و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار دهد. یکی از ابزارهایی که کاربرد وسیعی در تمامی زمینه های مربوط به داده،اطلاعات و دانش سازمان ها ی امروزی یافته است تکنیک داده کاوی می باشد.داده کاوی ابزاری است که در آن با استفاده از تکنیک های مختلف به شناسایی الگوهای مختلف کاربردی از میان انباری از داده های ذخیره شده می پردازیم.در این مقاله تلاش می شود تا به لزوم بهکارگیری داده کاوی بهعنوان روشی برای ساماندهی اطلاعات در صنعت بانکداری بپردازیم.
-1مقدمه
صنعت بانکداری در سراسر جهان متحمل تغییرات شگرفی شده است. با پیاده سازی، پذیرش و استفاده از بانکداری الکترونیک، ذخیره دادههای معاملاتی آسانتر شده و همزمان حجم چنین دادههایی به طور قابل ملاحظهای افزایش یافته است. تحلیل چنین حجم بزرگی از دادههای خام و تبدیل آن به دانش مفید برای استفاده سازمان فراتر از ظرفیت بشر است. حجم عظیم دادههایی که بانکها در طول سالیان جمعآوری کردهاند میتواند تا حد زیادی در موفقیت تحلیلهای داده کاوی موثر باشد.
با کاربرد داده کاوی بهمنظور تحلیل الگوها و روندها، مدیران اجرایی بانکها میتوانند با دقت زیاد به پیشبینی اینکه چگونه مشتریان به تعدیل نرخهای بهره عکسالعمل نشان خواهند داد، کدام مشتریان احتمالا پیشنهادات محصول جدید را خواهند پذیرفت، کدام مشتریان ریسک بیشتری در تاخیر وام خواهند داشت و چگونه میتوان روابط مشتریان را سودمندتر ساخت، بپردازند. صنعت بانکداری بهطور گسترده در حال شناسایی اطلاعات مهمی در رابطه با مشتریان است.
بدون شک، این صنعت غنیترین و بزرگترین منبع اطلاعات مشتریان، پوشش جمعیتی مشتری، داده های مبادلاتی، الگوی استفاده از کارتهای اعتباری، و غیره را در اختیار دارد. یک CRM تاثیرگذار و قوی نقش بزرگی در صنعت بانکداری ایفا میکند زیرا بانکها نیازمند سرمایهگذاری منابع خود بهمنظور درک بهتر از مشتریان موجود و آتی هستند. با استفاده از ابزار مناسب داده کاوی، بانکها میتوانند محصولات و خدمات سفارشی برای مشتریانشان ارایه دهند.
حوزههای بیشماری در داده کاوی وجود دارد که میتواند در صنعت بانکداری مورد استفاده باشد از جمله تقسیمبندی و سودآوری مشتریان، تایید و امتیازدهی اعتباری، پیشبینی تاخیر پرداخت، بازاریابی، تشخیص تراکنشهای تقلبی، مدیریت وجوه و عملیات پیشبینی، بیشینهکردن سودهای سرمایه و رتبهبندی سرمایهگذاریها. بهعلاوه، بانکها از داده کاوی برای شناسایی مشتریان سودآور کارتهای اعتباری یا متقاضیان وامهای با ریسک بالا استفاده میکنند. بنابراین، نیازمند ایجاد قابلیتهای تحلیلی بهمنظور عنوان کردن موضوعات مذکور هستیم و داده کاوی سعی در تهیه پاسخ به آن دارد.
-2داده کاوی
تاریخچه کشف دانش از پایگاه های اطلاعاتی قدمت چندانی ندارد و امروزه به داده کاوی مشهوراست. اصطلاح کشف دانش برای نخستین بار در دهه 1990 مطرح شد و توجه پژوهشگران را به سمت الگوریتم های داده کاوی معطوف کرد . هدف داده کاوی ، کشف دانش جدید، معتبرو قابل پیگیری با استفاده ازابزار های هوش مصنوعی و آماری درحجم بالایی از داده ها است - مربان،سگویا، مناسالواس وفرناندزبیزن،. - 2009 داده کاوی ، استخراج یا اقتباس دانش از مجموعه داده ها است و به فرایند ی گفته می شود که دانش را از داده ها استخراج می کند و این دانش در قالب الگوها و مدل ها بیان می شود.
بطور کلی تعاریف گوناگونی برای داده کاوی ارائه شده است. در برخی از این تعاریف، داده کاوی در حد ابزاری که کاربران را قادر به ارتباط مستقیم با حجم عظیم داده ها میسازد معرفی شده و دربرخی دیگر، تعاریف دقیق تری که در آنها به کاوش در داده ها توجه میشود، اشاره شده است. اهم این تعاریف عبارتند از:
داده کاوی فرآیند کشف دانش پنهان درون داده ها از طریق برقراری روابط والگوهای مفید است
داده کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده ها به منظور کشف الگوها و قوانین معنی دار اطلاق میشود که عمدتا از طریق ساختن مدل ها و الگوریتم ها، ورودی ها را باهدف یا مقصد خاصی مرتبط مینماید
اصطلاح داده کاوی به فرآیند نیمه خودکار تجزیه و تحلیل پایگاه دادهها به منظور یافتن الگوهای مفید اطلاق میشود
در تعریفی دیگر ، داده کاوی فرآیندی است که از انواع تکنیک های مدل سازی و آنالیز داده برای کشف الگوها و روابط بهینه داده ها که ممکن است برای انجام پیش بینی های دقیق مورد استفاده قرار گیرد بهره می برد
همانگونه که ملاحظه میشود، تقریبا در تمامی این تعاریف به مفاهیمی چون استخراج دانش، تحلیل و یافتن الگوی بین داده ها اشاره شده است.ایده اصلی داده کاوی براین امر استوار است که داده های قدیمی حاوی اطلاعاتی هستند که درآینده مورد استفاده قرار گرفته ومفید خواهند بود .هدف داده کاوی یافتن الگوهایی در داده های پیشین است که نیازها، ترجیحات و تمایلات را روشن ترمی نماید. این حقیقت که الگوها همواره واضح نیستند و علائم دریافت شده از دادهها گاهی مبهم و گیج کننده هستند کار را سخت تر می نماید. لذاجدا کردن علائم از چیزهای به درد نخور یعنی تشخیص الگوهای اساسی در بطن متغیرهای به ظاهر تصادفی ، یکی از نقشهای مهم داده کاوی است
مراحل کشف دانش از پایگاه داده ها به زیر هستند:
1. انتخاب داده ها : داده های مربوط به تجزیه و تحلیلو تصمیم گیری از داده های دیگر جدا می شوند.
2. پیش پردازش اطلاعات : پردازش، تمیزکردن و یکپارچه سازی داده ها انجام می گیرد.
3. تبدیل داده ها :داده های انتخاب شده به شکل مناسبی برای روش داده کاوی تبدیل می شوند.
.4داده کاوی : در این مرحله از روش های هوشمندانه ای برای استخراج الگوهای بالقوه ی مفید استفاده می شود و در مورد این روش ها تصمیم گیری می شود.
.5 تفسیر وارزیابی: در این مرحله، الگوهای جالب توجه نشان دهنده ی دانش، بر اساس اقدامات انجام شده شناخته می شوندو دانش کشف شده دراختیار کاربرقرارمی گیرد.
دو هدف اصلی داده کاوی، پیشگویی و توصیف است
.1داده کاوی پیشگویی کننده، مدلی را از سیستم ارائه می دهد که این مدل را مجموعه ای از داده های مشخص ، پیش بینی می کنند . هدف کلی آن ایجاد الگویی برای طبقه بندی، پیش بینی و تخمین داده ها است
.2 داده کاوی توصیفی، اطلاعات جدید وغیربدیهی را بر اساس مجموعه ای از داده های موجود ارائه می دهد و هدف کلی آن درک و شناخت سیستم های تجزیه وتحلیل شده با استفاده از الگوها و روابط موجود است .
شایان ذکر است که داده کاوی از ترکیب چندین رشته نشئت می گیرد . آمار، یادگیری ماشین، روش های بهینه سازی، روش های تشخیص و شناخت الگو، بانک اطلاعاتی، تجسم سازی، شبکه های عصبی،مدل های ریاضی، بازیابی اطلاعات، الگوریتم ژنتیک و هوش مصنوعی فنونی هستند داده که داده کاوی از آنها بهره می برد
-3مراحل داده کاوی :
کاوی به صورت یک فرآیند ضروری در کنار سایر فرآیندهای سازمان نظیر بازاریابی، فروش، پشتیبانی مشتری و کنترل موجودی درآید.
بدین منظور هر پروژه باید چهار مرحله اصلی که با هم یک دور از چرخه تعالی را تشکیل می دهند طی نماید، این چهار مرحله عبارتند از :
1. تشخیص مشکلات کسب و کار و تجارت
2. بازنگری داده ها برای تبدیل آنها به اطلاعات عملی
3. کار روی اطلاعات
4. اندازه گیری و بررسی نتایج
روش داده کاوی دارای یازده مرحله است - شهرابی، 1386 ،ص 61 و : - 62
1. تبدیل مسأله کسب و کار و تجارت به یک مسأله داده کاوی
2. انتخاب داده های مناسب
3. شناخت داده ها
4. ساخت مجموعه مدل
5. رفع مشکلات داده ها
6. تبدیل داده ها برای استخراج اطلاعات
7. ساخت مدل ها
8. ارزیابی مدل ها
9. پیاده سازی مدل ها
. 10 ارزیابی نتایج
. 11 شروع دوباره
-5انواع داده کاوی:
داده کاوی در دو نوع هدایت شده و غیرهدایت شده ظاهر می شود.داده کاوی هدایت شده دارای هدفی خاص و از پیش تعیین شده است که بدنبال الگویی خاص می گردد. در حالیکه هدف داده کاوی غیرهدایت شده یافتن الگوها یا تشابهات بین گروه هایی از اطلاعات بدون داشتن هدفی خاص و یا مجموعه ای از دسته ها و الگوهای از پیش تعیین شده می باشد. در داده کاوی هدایت شده همیشه یک متغیر هدف وجود دارد، چیزی که باید دسته بندی، تخمین یا پیش بینی شود. در داده کاوی غیر هدایت شده متغیر هدفی وجود ندارد و وظیفه داده کاوی این است که الگوهای کلیای را بیابد که متعلق به یک متغیر خاص نیستند - شهرابی، 1386 ،ص . - 9
-6فعالیتهای داده کاوی:
داده کاویعمدتاً با ساختن مدل ها مرتبط است. یک مدلاساساً به الگوریتم یا مجموعه ای از قوانینی گفته می شود که مجموعه ای از ورودی ها را با هدف یا مقصد خاصی مرتبط می نماید. یک مدل تحت شرایط درست می تواند منجر به بینش درست شود.
-4چرخه تعالی داده کاوی : بسیاری از مسائل محیط اطراف خود را می توان در قالب یکی از شش عمل
توان تبدیل داده ها به اطلاعات، اطلاعات به عمل و عمل را به ارزش چرخه زیر گنجاند، به عبارت دیگر برای تبدیل یک مسأله کسب و کار و تجارت به یک مسأله داده کاوی باید آن را به یکی از فعالیت های داده کاوی تبدیل
تعالی داده کاوی می نامند
