بخشی از مقاله
خلاصه
امروزه داده کاوی به عنوان یکی از کاراترین ابزارهای تحلیل داده واطلاعات مورد توجه بسیاری از محققان و پژوهشگران قرار گرفته است.وکاربردهای تکنیک های مختلف داده کاوی در تمامی حوزه ها نظیر بانکداری ،بیمه ، مخابرات ، پزشکی ،حمل ونقل و... شاهدی براین ادعا می باشد.یکی از حوزه های کاربردی داده کاوی که می تواند مورد توجه قرارگیرد مسائل مرتبط با صنعت بانکداری است.زیرا بانک ها یکی از انواع نهادهایی هستند که به ارائه خدمات مالی می پردازند بنابراین باتوجه به اهمیت بانک ها در نظام اقتصادی کشور و همچنین ارائه خدمات به مشتریان آگاهی از تکنیک ها وکاربرد های داده کاوی در این حوزه حائز اهمیت می باشد.
در این مقاله براساس مطالعات انجام شده در داخل و خارج کشورکه در سال های اخیر رشد چشمگیری داشته اند و از الگوریتم های مختلف داده کاوی به ویژه تکنیک های خوشه بندی و طبقه بندی که در حوزه های مختلف صنعت بانکداری استفاده شده مورد بررسی قرار گرفته اند.روش این مقاله به صورت تحلیلی - توصیفی و مطالعات کتابخانه ای می باشد.هدف این مقاله تهیه چارچوب کاربردی تکنیک های داده کاوی در صنعت بانکداری است.دراین مقاله ابتدا به تعریف داده کاوی و معرفی تکنیک های داده کاوی درحوزه های مختلف صنعت بانکداری پرداخته شده وکاربرد تکنیک های داده کاوی در سه حوزه پرکاربرد این صنعت از جمله حوزه اعتبارسنجی مشتریان، ارزش طول عمر مشتریان وحوزه بازاریابی مورد تحلیل وبررسی قرار گرفته ودرنهایت یک چارچوب کاربردی براین اساس ارائه گردیده است.
کلمات کلیدی: داده کاوی ، بانکداری ، کاربردها ،تکنیک ها ،اعتبارسنجی مشتریان ،ارزش طول عمر مشتری ، بازاریابی
.1 مقدمه
داده کاوی1 سودمندترین سناریوی تحلیل اکتشافی است که درآن تصور و برداشت از پیش تعیین شده ای درباره ی نتایج قابل توجه کسب شده وجود ندارد.در حقیقت داده کاوی ،فرآیند جستجوی لازم برای یافتن اطلاعات جدید،ارزشمند وناشناخته در میان انبوهی از داده ها است.[1]داده کاوی - که گاهی آن را دانش یا کشف دانش می نامند - به دلیل اینکه داده هارا با روش های مختلف تجزیه وتحلیل می کند و خلاصه آن را به اطلاعات مفید تبدیل می کند دارای اهمیت روبه رشد است . تکنیک های داده کاوی حجم زیادی از داده را برای کشف الگوهای پنهان وروابط بین انها بکار می گیرند که برای تصمیم گیری مفید می باشند .[2]
کشف دانش2 از پایگاه داده ، فرآیند کشف دانش جدید و مفید از مجموعه داد ه های بزرگ است .[3] امروزه عملیات داده کاوی به صورت گسترده توسط تمامی موسساتی که مشتریان در کانون توجه آنها قرار دارنداستفاده می شود.استفاده از داده کاوی به این موسسات کمک می کند تا ارتباط عوامل داخلی با عوامل خارجی را کشف نمایند.[4] از داده کاوی در فروشگاههای خرده فروشی ، بانک ها ، بیمه ، بیمارستان ها و... استفاده می شود.[5]یکی از حوزه هایی که در سال های اخیربه عنوان کاربرد تکنیک های داده کاوی مورد توجه پژوهشگران قرار گرفته ، مسائل مرتبط با حوزه بانکداری است.
ودر این میان حوزه هایی که حجم زیادی از تحقیقات را به خود اختصاص داده اند ، مسائل اعتبارسنجی مشتریان ،محاسبه ارزش طول عمر مشتری وحوزه بازاریابی در صنعت بانکداری است. که با استفاده از تکنیک های مختلف داده کاوی مورد تحلیل قرار گرفته اند. دراین مقاله سعی می شود کاربرد تکنیک های مختلف داده کاوی در این موضوعات مورد بررسی قرار گرفته ویک دسته بندی وچارچوب کاربردی براین اساس ارائه گردد.به این ترتیب در بخش بعدی مقاله به مرور ادبیات مرتبط با داده کاوی از جمله تاریخچه ،تعاریف ، تکنیک ها و کاربردهای مختلف آن در صنعت بانکداری به صورت خلاصه پرداخته می شود وضمن مرور مطالعات داخلی وخارجی انجام شده در این زمینه یک چارچوب کاربردی از تکنیک های داده کاوی در حوزه بانکداری ارائه می شود ودر انتها نیز به نتایج ونکات قابل توجه اشاره می شود.
.2 تاریخچه داده کاوی
داده کاوی فرایندی است که درآغاز دهه ی 90 پا به عرصه ی ظهور گذاشته وبا نگرشی نو ،به مساله استخراج اطلاعات از پایگاه داده ها می پردازد.به طور رسمی ، اصطلاح داده کاوی برای اولین بار توسط فییاد در اولین کنفرانس بین المللی " کشف دانش و داده کاوی " درسال 1995 مطرح شد.از سال 1995 داده کاوی به صورت جدی وارد مباحث آمارشد و درسال 1996 اولین شماره مجله کشف دانش از پایگاه داده ها منتشرشد . به طور کلی داده کاوی حاصل تحول تدریجی در طول تاریخ بوده واز اوایل دهه 90همزمان با همه گیر شدن استفاده از پایگاه های داده ای به عنوان یک علم مطرح شده است.[6]
.3 تعریف داده کاوی
داده کاوی فرآیند پیداکردن روابط ناشناخته میان داده های جالب ومفید می باشد.[7] همچنین داده کاوی به استخراج الگوهای مفید ویا قوانین از یک پایگاه داده بزرگ اشاره دارد. فرایند داده کاوی شامل شناسایی مشکل کسب وکار ،بازیابی پایگاه داده مورد نیاز و استفاده از تکنیک های داده کاوی برای تجزیه وتحلیل داده ها با هدف دستیابی به نتایج مهم برای تصمیم گیری های استراتژیک است.[8] که در شکل شماره 1 مراحل فرآیند کشف دانش و جایگاه داده کاوی نشان داده شده است.
.4 انواع الگوریتم های داده کاوی
الگوریتم های داده کاوی انواع مشکلاتی را مشخص می کنند، که می توانند مدل سازی وحل شوند.[1] 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. بسیاری از مسائل محیط اطراف را می توان در قالب یکی از انواع الگوریتم های زیر قرار داد ، 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 نمود.[9] توابع داده کاوی به طور کامل در سه دسته قرار می گیرند:
-1الگوریتم های یادگیری با نظارت وبدون نظارت
-2الگوریتم های یادگیری با نظارت - هدایت شده - 1
-3الگوریتم های یادگیری بدون نظارت - بدون هدایت - 2
-1الگوریتم های یادگیری با نظارت وبدون نظارت: الگوریتم های این دسته هم می توانند هم هدایت شده و هم هدایت نشده باشند که شامل:
·توصیف ونمایه سازی
