داده کاوی در بانکداری

امروزه با گسترش روزافزون اطلاعاتی که بشر با آن­ها سر و کار دارد، بهره ­گیری از روش­هایی هم­چون داده­ کاوی برای استخراج دانش و اطلاعات نهفته در داده ­ها امری غیر قابل اجتناب است. سازمان­ها با استفاده از داده­ کاوی می­توانندفرآیندهای تصمیم­ گیری را بهبود بخشند. داده ­کاوی سبب می­شود که سازمان­ها ازسطح داده به سطوح بالاتر دانش و الگوهای ناشناخته برسند.

در این میان بانک­ها اساساً از پایگاه­های داده متعدد و گسترده­ای برخوردار هستند که حاوی اطلاعات مربوط به مبادلات و جزئیات دیگر مربوط به مشتریانشان است. داده ­کاوی به نوبه­ی خود در راستای حل مسائل موجود در کسب و کار در صنعت بانکداری و مالی آن هم به واسطه ­ی یافتن الگوها، روابط علی و معلولی و روابط حاکم در قیمت­های بازار و اطلاعات کسب و کار مشتریان به کار می­رود. 

فهرست مطالب

عنوان صفحه

فصل 1 دانش نوین داده­کاوی

1-1. مقدمه . 1

1-2. تاریخچه داده­ کاوی 2

1-3. چرا داده ­کاوی لازم است؟ 2

1-4. فرآیند کشف دانش و داده ­کاوی 3

1-5. معرفی برخی از روش­های داده­ کاوی 7

1-5-1. تحلیل انحراف 8

1-5-2. نمایه ­سازی 9

1-5-3. قوانین وابستگی 10

1-5-4. تحلیل توالی . 13

1-5-5. خوشه ­بندی 14

1-5-6. دسته­ بندی . 19

1-5-7. پیش ­بینی . 21

فصل 2 کاربرد­های داده­ کاوی در صنعت بانکداری

2-1. مقدمه . 23

2-2. داده ­کاوی در بازاریابی مدیریت ارتباط با مشتریان بانک . 25

2-2-1. مدیریت ارتباط با مشتری و پروفایل ­سازی از آن­ها 27

2-2-2. مراقبت از مشتری 32

2-2-3. داده ­کاوی و تحلیل رویگردانی مشتریان 34

2-3. کاربرد داده­ کاوی در کشف تقلب و سوء استفاده­ های مالی 42

2-4. داده ­کاوی و پیش­ بینی عملکرد بانک . 55

2-5. داده ­کاوی در ارزیابی اعتبار مشتریان بانک 60

2-6. کاربرد داده ­کاوی در ارزیابی عملکرد بانک 68

 فصل 3 مثال­های عملی از کاربرد داده­ کاوی در صنعت بانکداری

3-1. کاربرد داده­ کاوی در بخش­بندی مشتریان . 74

3-1-1. مقدمه 74

3-1-2. ارزش چرخه عمر مشتری، مفهوم تعاریف . 76

3-1-3. استفاده از مدل­های خوشه ­بندی و CLV جهت بخش­بندی مشتریان بانک . 77

3-1-4. ارائه سرویس مناسب به مشتریان بالقوه . 81

3-2. رتبه­ بندی اعتبار متقاضیان دریافت وام با استفاده از تکنیک­های داده­ کاوی 84

3-3. رتبه ­بندی اعتبار با استفاده از نسبت­های مالی 88

3-4. بخش­بندی دارندگان کارت­های اعتباری با استفاده از داده ­کاوی . 90

3-4-1. پروژه طراحی بخش­بندی رفتاری . 91

3-4-2. آماده ­سازی داده ­های مورد نیاز برای ساخت مدل 92

3-4-3. انتخاب جمعیت بخش­بندی 93

3-4-4. شاخص­های کلیدی عملکرد درباره استفاده از کارت­های اعتباری 93

3-5. سه گام اصلی فرآیند تحلیل . 97

3-6. گزارش، گام نهایی فرآیند داده ­کاوی 116

3-7. مزایا و معایب داده­ کاوی 116

3-8. نتیجه­ گیری 118

 فهرست اشکال

شکل ­1-1. فرآیند کشف دانش 6

شکل 1-2. عملکردهای داده­ کاوی 8

شکل 1-3. تحلیل انحراف در یک پایگاه داده . 9

شکل 1-4. نمونه­ای از توالی بازدید­های وب . 14

شکل 1-5. نمونه­ای ساده از خوشه­ بندی مشتریان 16

شکل 1-6. خوشه­ بندی با استفاده از K-means 18

شکل 1-7. درخت تصمیم­گیری برای دسته­بندی مشتریان . 21

شکل 1-8. رگرسیون خطی ساده . 22

 شکل 2-1. مدیریت ارتباط با مشتری و داده­ کاوی . 29

شکل 2-2. دوره ­های زمانی مختلف در مسأله رویگردانی مشتریان بانک . 36

شکل 2-3. دسته­ بندی انواع تقلب . 43

شکل 2-4. فراوانی مدل­های استفاده شده در کشف سوء استفاده­ های مالی . 46

شکل2-5. رتبه­ بندی اعتبار در صنعت بانکداری 61

شکل 2-6. DMU در فرآیند تحلیل پوششی داده ­ها . 71

شکل 2-7. شاخص­های خروجی مورد استفاده در تحلیل پوششی داده ­ها . 72

شکل 3-1. مدل­سازی خوشه­ بندی مشتریان بانک­ها در Clementine . 79

شکل 3-2. نتایج خوشه ­بندی مشتریان بر اساس روش SOM . 79

شکل 3-3. توزیع شغلی مشتریان هر خوشه . 79

شکل 3-4. استفاه از الگوریتم Aprioriدر نرم ­افزار Clementine . 82

شکل 3-5. فرآیند مدل­سازی رتبه ­بندی اعتبار مشتریان بانکی در Clementine. 86

شکل 3-6. مقایسه مدل­های رتبه­ بندی اعتبار با استفاده از منحنی Gain 86

شکل 3-7. قواعد رفتاری حاصل از مدل­ رتبه ­بندی اعتبار . 87

شکل 3-8. فرآیند مدل­سازی Clementine . 98

شکل 3-9. نمودار نمایه خوشه 1 108

شکل 3-10. نمودار نمایه خوشه 2 109

شکل 3-11. نمودار نمایه خوشه 3 110

شکل 3-12. نمودار نمایه خوشه 4 . 111

شکل 3-13. نمودار نمایه خوشه 5 112

شکل 3-14. نمودار نمایه خوشه 6 . 113

شکل3-15. نمودار نمایه خوشه 7 . 114

شکل 3-16. نمودار نمایه خوشه 8 . 115

 فهرست جداول

جدول 1-1. لیستی از محصولات و خدمات قابل ارائه در بانک. 11

جدول 1-2. نمونه داده­ های مورد نیاز در مدل­سازی مسأله دسته­ بندی 20

 جدول 2-1. پژوهش­های انجام شده در در زمینه کاربرد داده­ کاوی در تحلیل رویگردانی مشتریان . 42

جدول 2-2. پژوهش­های انجام شده در زمینه کاربرد داده­ کاوی در زمینه کشف تقلب . 55

جدول 2-3. پژوهش­های انجام شده در زمینه کاربرد داده­ کاوی در ارزیابی عملکرد بانک . 60

جدول 2-4. پژوهش­های انجام شده در زمینه کاربرد داده ­کاوی در ارزیابی اعتبار مشتریان . 68

 جدول 3-1. پروفایل­های حاصل با استفاده از خوشه ­بندی 80

جدول 3-2. نمونه ­ای از قوانین وابستگی تولید شده در یک خوشه . 83

جدول 3-3. متغیرهای مورد استفاده در رتبه­ بندی اعتبار 85

جدول 3-4. بخش­بندی کارت­­های اعتباری، خلاصه روش اجرا . 94

جدول 3-5. فیلدهای استفاده شده برای بخش­بندی دارندگان کارت­های اعتباری . 97

جدول 3-6. تصمیم ­گیری برای تعداد اجزای استخراجی با آزمودن جدول"واریانس" در PCA . 99

جدول 3-7. فهم و طبقه­ بندی اجزا با استفاده از ماتریس محوری اجزاء . 100

جدول 3-8. تفسیر قوانین استخراج شده اجزاء 101

جدول 3-9. مراکز خوشه­ ها. 102

جدول 3-10. میانگین درصد خریدها بر مبنای نوع کالا در خوشه­ ها . 103

جدول 3-11. میانگین تعداد خرید بر مبنای نوع کالا در خوشه ­ها . 104

جدول 3-12. نمایه­ سازی خوشه­­ ها بر مبنای شاخص­های عملکرد . 106

جدول 3-13. نمایه­ سازی خوشه­ ها بر مبنای مشخصه ­های جمعیت شناختی 107