جداسازی و رتبه بندی مشتریان خوش حساب بانک رفاه با رویکرد داده کاوی

یکی از وظایف داده کاوی ساختن مدل هایی برای پیشگویی کلاس یک شئ بر اساس بعضی از ویژگی های آن می باشد . همچنین یک شئ می تواند در رده هایی مانند: اعتبار خوب یا بد برای متقاضیان وام تقسیم شود. مساله این است که مشتریانی وجود دارند که علیرغم خوش حسابی مانند سایر مشتریان با آنها برخورد می شود و ضمانت های زیادی برای اعطای تسهیلات از آن ها دریافت می شود و حتی گاهی مشتریان بدحساب تر تسهیلات درخواستی خود را در مدت زمانی کوتاه تر از مشتریان خوش حساب دریافت میکنند.در این مقاله قصد داریم با جداسازی مشتریان خوشحساب از مشتریان نه چندان خوش حساب بانک و رتبه بندی آن ها نحوه برخورد بانک با مشتریان از لحاظ میزان ضمانت دریافتی، اولویت زمانیپرداخت وام و تسهیلات و... را بر اساس رتبه هر مشتری سازماندهی کنیم . در این مقاله با در نظر گرفتن خصوصیات متقاضیان وام و با استفاده از داده کاوی نسبت به اعتبار سنجی مشتریان بانک اقدام خواهد شد.با استفاده از روش های درخت تصمیم (C5،CART) و شبکه عصبی که پرکاربردترین تکنیک های داده کاوی در زمینه دسته بندی هستند و با کمک نرم افزار قدرتمند clementine به تجزیه وتحلیل داده ها پرداخته و درپایان با مقایسه سه روش مدل نهایی انتخاب و نسبت به پیشگویی رده مشتریان جدید بر اساس مدل نهایی اقدام خواهد شد و سپس با استفاده از درخت تصمیم گیری نحوه ارتباط بانک با مشتریان تعیین خواهد شد.

کلیدواژه ها:

داده کاوی ، رده بندی ، اعتبارسنجی مشتریان ، درخت تصمیم ، شبکه عصبی