د ناوری اطلاعات دانشكدة مديريت دانشگاه تهران
دورة 6، شمارة 1 بهار 1313
صص 90- 71
طبقه بندي مشتريان اينترنت بانك با كمك الگوريتم هاي داده كاوي
19621508055864

رضا رادفر، نويد نظافتي، سعيد يوسفي اصلي
چكيده: طبقه بندي مشتريان با استفاده از الگوريتم هاي داده كاوي، بانك ها را قـادر بـه حفـظ ووفاداري مشتريان قديم و جذب مشتريان جديد خواهد كرد. يكي از روش هاي داده كاوي، درخت تصميم گيري است و چنانچه درخت تصميم مناسبي ساخته شود، مي تـوان مشـتريان را بـه طـوربهينه طبقه بندي كرد. در اين نوشتار، يك مدل مناسب براي طبقـه بنـدي مشـتريان بـر مبنـايبهره گيري از خدمات اينترنت بانك ارائه شده است. اين مدل بر اساس اسـتانداردCRISP-DM انجام گرفته و داده هاي مورد نياز از پايگاه داده مشتريان اينترنت بانك سينا استخراج شده اسـت.
در ميان ساير درختان تصميم گيري، درخت تصميم نهايي مبتني بر معيارهـاي بهينگـي و دقـتبوده و براساس دسته بندي مشتريان در سه سطح بالا، متوسـط و پـايين، پـيش بينـي مشـتريانجديدي كه متقاضي استفاده از اينترنتبانك هستند، شكل مي گيـرد. پـژوهش پـيش رو از نظـرهدف، كاربردي و از نظر گردآوري دادهها، پژوهشي اسنادي به شمار مي رود. قوانين استخراج شدة مربوط به مشتريان، مـديران بانـك هـا را قـادر مـي كنـد تـا بـر اسـاس الگوهـاي كشـف شـده سياستگذاري كنند و درك بهتري از انتظارات كنوني و آتي مشتريان داشته باشند.

واژه هاي كليدي: استاندارد CRISP-DM، بانكداري الكترونيك، داده كاوي، درختان تصـميم گيـري،طبقه بندي.
مقدمه
همزمان با الكترونيكي شدن تجارت كسب وكار، بانكداري نيز به شكل الكترونيكي درآمده تا بتوانـدبه مشتريان خدمات مالي و بانكي برخط ارائه كند. توسعه و پيشرفت بانكها در زمينـ ة بانكـداري الكترونيك كه يكي از پيش شرط ها و ابزارهاي اساسي مـورد نيـاز تجـارت الكترونيـك بـه شـمار ميرود، بسيار ضروري و حياتي است، اما آنچه بيش از همـة اينهـا اهميـت دارد، عمـومي كـردنبانكداري الكترونيك و تلاش در جهت استقبال مشتريان از خدمات الكترونيكي بانـك هـا اسـت؛ چراكه اگر چنين نباشد، هر تلاشي در ايـن زمينـه، حتـي تجهيـز بانـكهـا بـه پيشـرفتهتـرين و بهروزترين سخت افزارها و نرم افزارها، نمـي توانـد تـأثير زيـادي در الكترونيكـي كـردن تجـارت و بانكداري در ايران داشته باشد (كازي و قاضي، 2012). بانك هاي سراسـر جهـان، روزانـه حجـمزيادي از داده هاي الكترونيكي را در پايگاه دادة متمركز نگهداري مي كنند. براي سـازمان هـا غيـر ممكن است كه با حجم زياد داده ها به تجزيه وتحليل و بازيابي اطلاعات مفيد بپردازنـد (بمبـري،2011). در اين راستا مي بايستي رفتار مشتريان در زمينة خدمات بانكـداري الكترونيـك بـه دقـتبررسي شود تا بانك ها بتوانند براساس آنها الگوهـاي مناسـب را شـناخته و بـهتـرويج بانكـداريالكترونيك اقدام كنند.
درگذشته عموماً استخراج اطلاعات مفيد از داده هاي ثبت شـده، بـه صـورت دسـتي و بر عهـدة تحليلگران بوده است. با توجه به اينكه تجزيه وتحليل دستي دادهها بسيار كُند و گران بوده و هر روز بر پيچيدگي و حجم دادهها افزوده مي شد، تحليلهاي دستي به سمت تحليل هاي غير مستقيم خودكار و استفاده از روش هاي رايانهاي حركت كرده است (تارخ و شريفيان، 1389) و نياز مبرمي مبني بر استفاده از فناوري هاي جديد و ابزارهاي خودكار به وجود آمد تا به صورت هوشمند، حجـمزياد داده را به اطلاعات و دانش تبديل كند. در اين شرايط ضروريست از فناوري اطلاعات بـراياستفاده از اين دانش بهره گرفت و دادهكاوي1، پاسخي مناسب براي استخراج ايـن دارايـي اسـت(تقوي فرد، منصوري، ناصرزاده و فراست، 1386).
با توجه بهوجود پايگاه داده در بانكها، اين پژوهش تلاش مي كند با استفاده از دادهكاوي كه يكي از ابزارهاي فناوري اطلاعات است، به طبقه بندي مشتريان اينترنت بانك پرداخته و الگوهاي پنهان موجود در دادههاي تراكنشي موجود را بهشكل مجموعهاي از قوانين نمايش دهد.
بيان مسئله
بـا افـزايش روبـه رشـد اسـتفادة مشـتريان از خـدمات بانكـداري الكترونيـك، بـه ويـژه خـدمات اينترنت بانك، تعداد تراكنش ها با افزايش فزاينده اي روبه رو است و بانك ها بـا حجـم عظيمـي از
1. Data Mining
داده ها در پايگاه هاي اطلاعاتي خود مواجه اند. اين امر مي تواند يك منبـع ارزشـمند بـراي كشـف دانش و الگوهاي رفتاري مشتريان تلقي شود.
بهره گيري از داده كاوي مي تواند در اين زمينه بسيار راه گشا باشد. توجه به ضرورت شناسايي دسته هاي مختلف مشتريان از جنبه هاي گوناگون و شناخت مشترياني كه از خدمات اينترنت بانك براي امور بانكي خود استفاده مي كنند، بانك ها را در سياست گذاري هاي آتي درخصوص مـديريت ارتباط با مشتريان ياري مي دهد؛ چراكه بخش بندي مشتريان به گروه هاي همگن و ارائة خـدماتمتناسب با نيازهاي هر گروه، در مديريت ارتباط با مشتري اهميت ويژه اي داشـته و مشـتريان بـاادراكات متفاوت ، اهميت متفـاوتي بـراي ويژگـي هـاي خـدمت مشـابه قائـل هسـتند (حسـيني،بحريني زاده و ضيائي بيده، 1391). بانك ها مي تواننـد بـا توجـه بـه ايـن مهـم، تبليغـات مـؤثر و سيستم هاي تشويقي خاصي براي هر دسته از مشتريان در نظر بگيرند و خدمات سفارشي شـده اي را با توجه به دسته هاي مختلف مشتريان، ارائه دهند. در اين پژوهش، مشتريان به لحاظ استفاده از خدمات اينترنت بانك با استفاده از رويكرد داده كاوي طبقه بندي مي شوند.
هدف از انجام اين پژوهش، افزايش توانايي مديران بانك ها براي ارائة بهتر خدمات بانكداري اينترنتي به مشتريان، بر اساس سطوح شناسايي شده است تـا بـر اسـاس الگوهـاي كشـف شـده،سياست هاي آتي خود را در جهت منافع مشتريان و بانك تعديل كنند. پـژوهش پـيش رو تـلاشمي كند تا به پرسش هاي زير پاسخ دهد:
چگونه مي توان مشتريان بانك را به لحاظ سطح استفاده از خدمات اينترنتي در تراكنش هـاي بانكداري الكترونيك با كمك الگوريتم هاي داده كاوي طبقه بندي كرد؟ مهم ترين شاخص ها در ارزيابي مشتريان اينترنت بانك كدام خصيصه است؟
بهترين درخت تصميم در طبقه بندي مشتريان، توليدشده از كدام الگوريتم داده كاوي است؟ پيشينة پژوهش پيشينة نظري
بانكداري الكترونيك: با به وجودآمدن اينترنت، مفهوم اصلي بانكداري الكترونيك در سال 1991 شكل گرفت، به اين معنا كه مشتريان بدون حضور در شعبه، امور بانكي خـود را بـا مراجعـه بـه فضاي الكترونيكي انجام دهند (هاشميان، عيسايي، ميكائيلي و طباطبائي، 1391).
بانكداري الكترونيك مزاياي بسياري چون، نداشتن محـدوديت زمـاني و مكـاني، دسترسـيآسان به اطلاعات، كاهش دادن هزينة خدمات و صرفه جويي در زمان مشتريان را بهارمغـان آورد ه است كه اين امر، موجب رشد سريع استفاده از خدمات بانكداري الكترونيك شده است (ديواندري، عابدي و ناصرزاده، 1392). استفاده از خدمات بانكداري الكترونيك، يكي از راه حـل هـاي كسـب مزيت رقابتي براي بانك ها به شمار مي رود و موجب به وجودآمدن رقابتي تنگاتنگ در ايـن زمينـه شده است، در چنين شرايطي سطح انتظار مشتريان براي دريافت اين گونه خـدمات نيـز افـزايش يافته است (رسولي و مانيان، 1391).
بانكداري الكترونيك مزايايي براي بانكها داشته كه مهم ترين آنها به شرح زير است:
− متمركزشدن بر كانالهاي توزيع جديد؛
− ارائة خدمات اصلاح شده به مشتريان؛
− استفاد ه از راهبرد هاي تجارت الكترونيك ( عزيزي سرخني، اله قلي زاده آذري و كردلوئي،
.(1387
داده كاوي و كشف دانش از پايگاه داده: تاريخچة كشف دانش از پايگاه هاي اطلاعاتي قدمت چنداني ندارد و امروزه به داده كاوي مشهور است. اصطلاح كشف دانش براي نخستين بار در دهـ ة 1990 مطرح شد و توجه پژوهشگران را بهسمت الگوريتم هاي داده كـاوي معطـوف كـرد . هـدفداده كاوي، كشف دانش جديد، معتبر و قابل پيگيري با استفاده از ابزار هـاي هـوش مصـنوعي 1 و آماري در حجم بـالايي از داده هـا اسـت (مربـان، سـگويا، مناسـالواس و فرنانـدز بيـزن، 2009).
داده كاوي، استخراج يا اقتباس دانش از مجموعة داده ها است و به فراينـد ي گفتـه مـي شـود كـهدانش را از داده ها استخراج مي كند و اين دانش در قالب الگوها و مدلها بيان ميشود ( تقويفـردو نادعلي، 1391). در شكل 1 مراحل كشف دانش از پايگاه دادهها نشان داده شده است (دسپاند و تاكر، 2010)، اين مراحل به شرح زير هستند:
انتخاب داده ها: داده هاي مربوط به تجزيه وتحليل و تصميم گيري از داده هاي ديگر جدا مي شوند.
پيشپردازش اطلاعات: پردازش، تميزكردن و يكپارچهسازي داده ها انجام مي گيرد.
تبديل داده ها: داده هاي انتخابشده بـه شـكل مناسـبي بـراي روش داده كـاوي تبـديل ميشوند.
داده كاوي: در اين مرحله از روش هاي هوشمندانه اي بـراي اسـتخراج الگوهـاي بـالقوة مفيد استفاده مي شود و در مورد اين روش ها تصميم گيري مي شود.
تفسير و ارزيابي: در اين مرحله، الگوهاي جالب توجه نشـان دهنـدة دانـش، بـر اسـاساقدامات انجامشده شناخته مي شوند و دانش كشف شده در اختيار كاربر قرار مي گيرد.
در اين مرحله استفاده از روش هاي تجسمسازي براي كمك به كاربران ضروري است.
1. Artificial Intelligence

ب
خا
نت
ا

پيش

ش
ز
ا
پرد

ل
تبدي
ارزيابي

و

تفسير
اده
د
كاوي
داده

هاي

هدف

دادههاي

شده

پردازش

دادههاي

تغيير

يافته

الگوها

اده
د

نش
دا

ب

خا

نت

ا

پيش

ش

ز



قیمت: تومان


پاسخ دهید