مقایسه تکنیک های درخت تصمیم شبکه های عصبی در طبقه بندی ارزش گذاری مشتریان بانکی انتخاب عوامل بهینه با استفاده از ابزارهای داده کاوی

امروزه فقدان مدل مناسب تخصص در شبکه اعتباری بانکی باعث شده است که بانکها حجم قابل توجهی از تسهیلات اعطایی پرداخت نشده یا معوقه داشته باشند. دادهکاوی1بعنوان کاربردی ترین عوامل موثر بر بهبود فرآیند اعطای اعتبار نقش موثری را در اعطای تسهیلات، سود دهی زنده ماندن بانک ها موسسات مالی ایفا میکند. پژوهش حاضر با هدف شناسایی مدل مناسب برای طبقه بندی مشتریان بانک ایجاد بستری مناسب برای پیش بینی رفتارهای مشتریان بالقوه برای داشتن یک مدیریت ریسک اعتباری کارآمد در سیستم های هوشمند، مانند سیستم های پشتیبانی تصمیم یک مدل طبقه بندی مشتریان با استفاده از تکنیک های شبکه عصبی2 درخت تصمیم3 ارایه شده است خروجی دقت های تکنیک های موجود جهت طبقه بندی مشتریان بررسی مقایسه شده است. هدف از این تحقیق دسته بندی مشتریان بانک با هدف کشف ویژگیهای رفتاری مشابه برای کمک به مدیران بانک جهت تسهیل اتخاذ استراتژیهای متناسب با هر بخش در نتیجه حفظ تقویت یا توسعه ارتباط با مشتریان نهایتا سودآوری برای این بانک میباشد. دادههای خام مورد نیاز جهت این مطالعه از پایگاه دادههای بانک استخراج شده است.

کلیدواژه ها:

ارزش مشتریان ، دسته بندی مشتریان ، رگرسیون لجستیک ، درخت تصمیم ، داده کاوی