CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تقسیم بندی مشتریان بانک، با استفاده از کشف روابط بین مشتریان در حوزه بانکداری الکترونیک و با استفاده از الگوریتم های داده کاوی (مطالعه موردی: مشتریان بانک اقتصاد نوین)

عنوان مقاله: تقسیم بندی مشتریان بانک، با استفاده از کشف روابط بین مشتریان در حوزه بانکداری الکترونیک و با استفاده از الگوریتم های داده کاوی (مطالعه موردی: مشتریان بانک اقتصاد نوین)
شناسه ملی مقاله: ICEMAH01_073
منتشر شده در اولین کنفرانس بین المللی اقتصاد، مدیریت، حسابداری، علوم انسانی و بانکداری اسلامی در سال 1396
مشخصات نویسندگان مقاله:

اصغر ربیعی - دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی
امیر محترمی - دکترای مدیریت فناوری اطلاعات، عضو هیات علمی دانشگاه صنعتی مالک اشتر
سجاد شکوهیار - دکترای مهندسی صنایع، عضو هییت علمی دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی

خلاصه مقاله:
در عصر حاضر رشد فناوری اطلاعات و سهولت استفاده از آن، سبب افزایش شدید رقابت میان شرکت ها و سازمان های عرضه کننده این کاربردها گردیده است. حوزه ی بانکداری به عنوان یکی از حوزه گرفته های مهم تاثیر از فناوری اطلاعات در عصر حاضر مطرح به عبارتیست. ا دیگر ساختار و فرایندهای سیستم بانکداری سنتی با وجود فناوری هایی همچون دستگاههای خودپرداز، پایانه های فروشگاهی ، بانکداری اینترنتی، بانکداری موبایل و بصورت عامتر انواع مختلف بانکداری الکترونیک، دچار تغییر و تحولات بنیادین شده . لذا با تواست جه به رشد بانکداری الکترونیکی در کشور و تعدد سرویسهای بانکداری الکترونیکی از یک سو و سلایق و رفتار مشتریان بانک از سویی دیگر باعث شده است که کشف روابط بین مشتریان و محصولات مختلف بانکی و ارزیابی نیازهای آنها برای برآورده نمودن به ومنظور حفظ مشتریان موجود و جذب مشتریان جدید ضروری باشد. بدین منظور خوشه بندی و تحلیل رفتار مشتریان بانکداری الکترونیکی براساس داده های جمع آوری شده از پایگاه های داده بانک می تواند الگویی برای شناخت بهتر و تحلیل رفتار مشتریان باشد. لذا در این تحقیق به دنبال خوشه بندی و تحلیل رفتار م شتریان بانک با استفاده از تکنیکهای داده کاوی خواهیم بود. به منظور خوشه بندی مشتریان از متدولوژی DM-CRISP استفاده شده و با مدل سازی الگوریتم های خوشه بندی مانند Means-K و TwoStep در نرم افزار Modeler SPSS IBM در نهایت خوشه های مشتریان و معیارهای هر خوشه مشخص خواهد شد. براین اساس در هر خوشه به ارزیابی و شناخت خوشه ها پرداخته خواهد شد تا بتوان درک بهتری از مشتریان دریافت کننده خدمات بانکداری الکترونیکی ایجاد نمود.

کلمات کلیدی:
بانکداری الکترونیکی، داده کاوی، خوشه بندی، تحلیل رفتار مشتریان

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/672094/