بخشی از مقاله
چکیده
در عرصه جهانی امروز، بانکها در حال مبارزه برای دستیابی به یک جایکاه رقابتی مناسب بریکدیگر می باشند. غیرازاجرای فرآیندهای کسب وکار،ایجاد پایگاه دانش و بکارگیری آن برای سوددهی بانک،به یک ابزار استراتژیک برای رقابت تبدیل شده است.
درسالهای اخیر،توانایی برای تولید،دستیابی و ذخیره داده ها،به شدت افزایش یافته است.اطلاعات موجود در این داده ها می تواند بسیار مهم باشد.دسترسی گسترده به حجم عظیم داده هاونیازبه تغییر این قبیل داده ها به دانش و آگاهی،صنعت IT رابه استفاده ازداده کاوی ترغیب نموده است.
صنعت بانکداری درسرتاسرجهان،دستخوش تغییرات بسیارزیادی در راه کسب وکار شده است و نیازبه تکنیکهایی همچون داده کاوی را که می تواند به آنها برای رقابت دربازار کمک کند،درک کرده است. بانکهای پیشرو از ابزارهای داده کاوی - - DM برای بخش بندی مشتریان وسودآوری، موجودی حساب وتائیدآن، پیشبینی عدم پرداخت، بازاریابی، کشف تراکنشهای جعلی وغیره استفاده می کنند.
با کند و کاو داده های مربوط به مشتریان، به رکوردهای اطلاعاتی مشتریان ساختار داده می شود، جریان تشخیص مشتریان با اهمیت به صورت خودکار صورت می گیرد، باعث تغییر در شیوه تشخیص مشتریان خاص و باارزش از لیست کلیه مشتریان و در نهایت کشف مشتریان وفادار خواهد شد - تقوا و همکاران، . - 1388 به طور کلی شکی نیست که ارتباط با مشتری یکی از مهمترین عوامل سازنده مزیت اصلی، خصوصا در سازمان های خدماتی می باشد
دربررسیهای انجام شده،یکی از مشکلات بانکها،عدم شناسایی مشتریان وعدم اتخاذ تصمیمات مناسب مدیریتی وسلیقه ای بودن تصمیمات در برخورد با مشتریان می باشد.بنابراین در این تحقیق به منظور شناسایی مشتریان جدید بانک پارسیان که قسط های خود را به موقع پرداخت می کنند یاخیرو تدوین استراتژیهای مناسب برای برخورد با آنها از داده کاوی وابزار آن مانند دسته بندی و درخت تصمیم استفاده می کنیم.
-1 مقدمه
پیش بینی عملکرد بانک یک مساله مهم است. عملکرد بد بانک ابتدا ممکن است در نتیجه ی ورشکستگی، که انتظار می رود در نهایت بر اقتصاد کشور تاثیر بگذارد.
شناخت مشتریان و همچنین شناخت نیازهای مشتریان ،عمل موثری در کسب برتری در ارائه خدمات به مشتری است. مدیران باید مشتریان خود را اولویت بندی کرده و کانون توجه خود را بر مشتریان کلیدی متمرکز کنند و روز به روز هزینه ازدست دادن مشتری را بیشتر درک می کنند. لذا همکاری صحیح و درست مشتریان با بانک باعث ایجاد عدم اختلال در برنامه های بانکی و ارائه خدمات بیشتر و بهتر به مشتریان از طرف بانک خواهد شد.امروزه تدوین سیاست های و استراتژی های رقابتی ازسوی صاحب نظران تاکید می شود.
لذا موسسات اعتباری - مانند بانکها و... - نمی توانند اهداف اساسی کار خود نظیر دستیابی به مزیت رقابتی یا ایجاد سود را نادیده بگیرند.شناسایی گروههای مختلف مشتریان و تعیین خواسته ها و نیازهای آنان می تواند باعث به وجود آمدن رضایت مشتری برای موسسات مالی شود و همین امر موجب وفاداری بیشترمشتریان می شود. شناسایی مشتریان کلیدی و حفظ این گونه مشتریان در بلند مدت نسبت به جذب مشتریان جدید ،برای جایگزینی مشتریانی که قطع رابطه با بانک کرده اند، سودمندتر است . زیرا هزینه جذب یک مشتری کلیدی جدید 5 برابر هزینه حفظ یک مشتری است. مشتریانی که بانک بتواند رضایت آنها را جلب کند، تجربیات مثبت خود را برای دیگران بیان می کنند و به این ترتیب وسیله تبلیغ برای بانک می شوند و در نتیجه هزینه جذب مشتریان جدید کاهش می یابد.
امروزه با حجم عظیمی ار داده ها روبرو هستیم. برای استفاده از آن ها به ابزارهای کشف دانش نیاز داریم. داده کاوی به عنوان یک توانایی پیشرفته در تحلیل داده و کشف دانش، مورد استفاده قرار می گیرد. داده کاوی در علوم - ستاره شناسی،... - در تجارت - تبلیغات، مدیریت ارتباط با مشتری،... - در بانکداری و مسایل حکومتی - فعالیت های ضد تروریستی،... - کاربرد دارد. هدف داده کاوی ایجاد مدل هایی برای تصمیم گیری است و از آنجایی که در عصر حاضر نیاز بانک ها به اخذ تصمیمات درست و کاربردی در صنعت بانکداری می باشد تا بتوانند به نحو احسن مشتریان خود را شناسایی کرده و تلاش بهتری برای ارائه خدمات به آنها داشته باشند . از داده کاوی به شکل گسترده ای در این صنعت استفاده می شود.
-2 مرور ادبیات
در برخی تحقیقات صورت گرفته محققان درمقاله ای در سال2002 مشتریان یک بانک و یک کلوپ کتاب با استفاده از داده کاوی برای شناسائی مشتریان طبقه بندی شدند.
در مقاله ای دیگر در سال 2004 با در نظر گرفتن سهم سود ایجاد شده، سودبالقوه و تعریف سود آوری مشتری یک مدل پیشنهاد کردند و مشتریان را بخش بندی نمودند.
در تایلند بانکداری الکترونیک با استفاده از موسسات مالی متنوعی از جمله بانک های تجاری تایلندی و بانک های دولتی ارائه شده است. مطالعهی بانکداری الکترونیکی به علت محدودیت محرمانه بودن اطلاعات به طور کم استفاده می شود. در این مقاله با استفاده از تکنیک های دادهکاوی که عبارتند از SOMS، الگوریتم K-MEAN و تکنیک های بازاریابی RFM برای بخش بندی مشتریان به گروه هایی بر طبق پروفایل شخصی آنها و کاربردهای بانکداری اکترونیکی استفاده شده است.و سپس با استفاده از الگوریتم Apriori به شناسایی روابط درون ویژگی های خدمات بانکداری الکترونیکی می پردازد.
بحث اعتبارسنجی مشتریان بانک توسط مدل های اعتبارسنجی درتحقیقات اخیربسیار به کار می رود در سال 2008 محققان در مقاله ای از مدل رتبه بندی تحلیل لینک با استفاده از ماشین بردار پشتیبان استفاده کردند
تجزیه و تحلیل پایگاه داده ی بانک برای مدیریت رفتار مشتری، از زمانی که پایگاه داده بانک متشکل از سوابق حساب ماهانه و سوابق معامله روزانه چند بعدی شد، بسیار مشکل شد. در تحقیقی با استفاده از شبکه عصبی خود سازمانده برای تشخیص گروه های مشتریان، مبتنی بر رفتار بازپرداخت و تاخر، فرکانس و پیشگویان ارزیابی رفتار پولی استفاده شد و مشتریان بانک را به سه گروه سودآور اصلی تقسیم کرد. و نشان داد که شناسایی مشتریان توسط یک مدل ارزیابی رفتاری برای ویژگی های مشتریان و توسعه استراتژی ارزیابی رفتاری مفید است
گروهی از محققان در سال 2008 در مقال های با استفاده از مدل شبکه عصبی برای اعتبار سنجی مشتریان استفاده کردند.
گروهی دیگر از محققان در سال 2009 از مدل طبقه کنند ه های ترکیبی استفاده کردند.
روند توسعه داده کاوی را می توان در جدول 1 بررسی نمود
در تایلند با استفاده از تکنیک های داده کاوی که شامل K-means و SOMS و تحلیل تکنیک های بازاریابی RFM به تجزیه و تحلیل اطلاعات تاریخی بانکداری اکترونیک پرداخته اند، که مشتریان را بر اساس پروفایل های شخصی یشان و کاربردهای بانکداری اکترونیک به گروه هایی تقسیم می کنند. این الگوریتم برای شناسایی روابط میان اجزاء خدمات بانکداری الکترونیک استفاده شده است
در تحقیقات دیگر، از روش های خوشه بندی ترکیبی استفاده شده است به شکلی که در مرحله اول خوشه بندی به منظور گروه بندی نمونه های هم سطح، کل فضا را به زیر فضاهایی تبدیل کرده و در مرحله دوم به خوشه بندی هر یک از زیر فضاها به روش K-means می پردازد و مشکل عدم هماهنگی را حذف می نماید.
