محاسبه و ارزیابی سوددهی بانک در آینده

امروزه داده ها قلب تپنده فرآیند تجاری بیشتر شرکت ها تلقی می شوند، آنها فارغ از خرد و کلان بودن نوع صنعت در تمامی صنایع نظیر خرده فروش ها، ارتباطات، تولید، تسهیلات، حمل و نقل، 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. در این راستا دانش داده کاوی یکی از ده ها دانشی است که در سال های اخیر گسترش فوق العاده سریعی در دنیا داشته است. داده کاوی فرآیند کشف دانش پنهان درون داده ها است که با توصیف، تشریح، پیش بینی و کنترل پدیده های گوناگون پیرامونی، دارای کاربرد بسیار وسیعی در حوزه های مختلف است به گونه ای که مرز و محدودیتی برای کاربرد آن در نظر گرفته نشده و زمینه های کاربردی آن را از ذرات کف اقیانوس تا اعماق فضا می دانند . در عصر جهانی شدن و فشرده شدن رقابت ها، سازمان ها در حال تلاش در جهت کسب مزیت رقابتی نسبت به سایر رقبای خود هستند و بخش بانکداری هم از این امر مستثنی نبوده است . در سال های اخیر توانایی تولید، جذب و ذخیره داده ها در انبار داده ها و پایگاه داده ها پیشرفت چشمگیری داشته است، اما این داده ها زمانی ارزشمند هستند، که به اطلاعات و دانش با معنی تبدیل شوند، و بتوان الگوهای پنهان را از میان آن ها استخراج کرد. در این میان داده کاوی به یک ابزار رقابتی و استراتژیک تبدیل شده است. زیرا می تواند روابط ناشناخته و الگوهای پنهان را در میان داده ها کشف کند . خوشه بندی و دسته بندی از مهمترین الگوریتم های داده کاوی هستندو کاربرد بسیاری در کشف دانش دارند با توجه به اینکه هدف اصلی هر بانک یا واحد اقتصادی بالابردن ارزش با استفاده از بالا بردن سود آن می باشد. هدف از انجام این پژوهش پیش بینی سوددهی شعب بانک با استفاده از الگوریتم خوشه بندی و طبقه بندی است که سه الگوریتم خوشه بندی ، شبکه عصبی و رگرسیون برای خوشه بندی شعب استفاده شده و در مرحله بعد نتایج با هم مقایسه و بهترین الگوریتم مشخص شده است . در این پژوهش و اطلاعات مالی 5 ساله شعب بانک شهر مورد ارزیابی قرار گرفته است که نتایج حاصل از این پژوهش نشان می دهد میانگین دقت شبکه عصبی در پیش بینی سوددهی یا زیان دهی شعبه های این بانک نسبت به دیگر الگوریتم های استفاده شده بهتر است.

کلیدواژه ها:

خوشه بندی ، شبکه عصبی ، بانکداری