داده کاوی خوشه بندی مشتریان اینترنت بانک با استفاده از الگوریتمK_Means در بانک سینا

امروزه داد هکاوی ابزار مهمی جهت استفاده سودمند از داده ها محسوب یشود یکی از مهمترین نآوریها جهت بهره برداری موثر دقیق از داده های حجیم می باشد. جمع آوری دسته بندی داده های مربوط به مشتریان تصمی مگیری بر اساس الگوهای استخراج شده از روابط پنهان میان داده ها به وسیله ابزار داد هکاوی، جهت جذب مشتریان وفادار نگهداشتن آنها برای ادامه حیات در بازار رقابت، امری ضروری می باشد. این تحقیق به خوشه بندی مشتریان حقیقی بانک در گروه های مشابه با استفاده از الگوریتم داده کاوی می پردازد که از نوع داد هکاوی توصیفی می باشد؛ این کار بر اساس کشف الگو های پنهان موجود بین ویژگی های دموگرافی مشتریان رفتار آنها در تراکنش های اینترنت بانک در یک دوره مشخص می باشد. شاخص های اصلی دموگرافیک مشتریان شامل سن، جنسیت، تحصیلات، شغل، محل سکونت وضعیت تاهل، در نظر گرفته شده رفتار مشتریان در تراکنشهای اینترنت بانک براساس تعداد کیفیت هر یک از عملیات صورتحساب، انتقال وجه داخلی، انتقال وجه بین بانکی، انتقال وجه شتابی، عملیات تسهیلات، عملیات چک عملیات کارت اعتباری می باشد؛ فرایند انجام تحقیق بر اساس استانداردCRISP-DMبوده الگوریتم مورد استفاده تحقیق،K_Meansمی باشد که به کشف گروه های مشابه در بین مشتریان با استفاده از نرم افزارClemen?ne12پرداخته است. خوشه بندی صورت گرفته می تواندمشتریان را بر اساس مشابهت های موجود از هم مجزا نموده این امر امکان ارایه خدمات متناسب با هر خوشه را فراهم می نماید. انتخاب استراتژی مناسب برای مدیریت خدمات مشتریان هر خوشه، امکان افزایش سطح رقابتی سهم بازار را برای بانک مذکور به همراه دارد. نتایج در انتها گزارش می گردد.

کلیدواژه ها:

داده کاوی ، خوشه بندی ، بانکداری الکترونیک ، استانداردCRISP-DM ، الگوریتمK_Means