پایان نامه مقطع کارشناسی ارشد رشته فناوری اطلاعات

وزارت علوم، تحقیقات و فناوری

دانشگاه علوم و فنون مازندران

پایان‌نامه مقطع کارشناسی ارشد

رشته: مهندسی فناوری اطلاعات

عنوان:

مدیریت دانش مشتریان بانک مهر اقتصاد با بهره گیری از تکنیک­های داده‌کاوی

اساتید راهنما:

دکتر جواد وحیدی، دکتر بابک شیرازی

استاد مشاور:

دکتر حسین علیزاده

برای رعایت حریم خصوصی نام نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه :

فهرست مطالب:

فصل اول…………………… 1

1-1- مقدمه…………………… 2

1-2- تعريف مسئله…………………… 3

1-3- ضرورت انجام تحقيق……………………. 7

1-4- مراحل انجام تحقيق……………………. 8

1-5- محدوده تحقيق……………………. 9

1-6- اهداف تحقيق……………………. 9

1-7- ساختار پایان‌نامه…………………… 10

فصل دوم…………………… 12

2-1- مقدمه…………………… 13

2-2- مديريت دانش……………………… 14

2-2-1- دانش چيست؟…………………… 15

2-2-2- هرم دانش…………………….. 15

2-2-3- انواع دانش……………………… 16

2-2-3-1- دانش صريح……………………. 16

2-2-3-2- دانش ضمنی……………………. 16

2-2-4- مديريت دانش چیست؟…………………… 17

2-2-5- استراتژی‌های مديريت دانش…………………….. 18

2-2-5-1- استراتژی اجتماعی سازی (تبدیل دانش پنهان به پنهان)…….. 19

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

2-2-5- 2- استراتژی برونی سازی (پنهان به عیان)…………………… 19

2-2-5- 3- استراتژی ترکیب­سازی (عیان به عیان)…………………… 20

2-2-5- 4- استراتژی درونیسازی (عیان به پنهان)…………………… 20

2-2-6-معایب عدم بهرهگیری از دانش در سازمان…………………… 20

2-2-7- اهداف مدیریت دانش……………………… 21

2-2-8- مدل­های مديريت دانش……………………… 21

2-3- مديريت دانش مشتری……………………. 23

2-3-1- انواع دانش مشتری……………………. 24

2-3-2- مدل مدیریت دانش مشتری……………………. 28

2-4- مديريت ارتباط با مشتری……………………. 29

2-4-1- مديريت ارتباط مشتريان در نظام بانکی……………………. 32

2-4-2- مدیریت ارتباط با مشتری: اهداف، مزایا و چالش‌ها……. 33

2-5- مقايسه مفاهيم CKM و KM و CRM…………………….

2-6- تاریخچه‌ای از بانک و بانکداری……………………. 37

2-7- سير تحول فناوري اطلاعات در صنعت بانكداري…….. 38

2-7-1 دوره اول: اتوماسيون پشت باجه…………………… 38

2-7-2- دوره دوم: اتوماسيون جلوي باجه…………………… 38

2-7-3- دوره سوم: اتصال مشتريان به حساب‌هایشان…………………… 38

2-7-4- دوره چهارم: یکپارچه‌سازی سیستم‌ها و مرتبط كردن مشتريان با تمامي عمليات بانكي….. 39

2-7-5- بانكداري الكترونيك…………………….. 39

2-8- داده‌کاوی…………………… 40

2-8-1- مقايسه روش‌های آماری و داده‌کاوی……………………. 40

2-8-2- مفهوم داده‌کاوی……………………. 42

2-8-3- داده‌کاوی و کشف دانش……………………… 44

2-8-4- فرايند داده‌کاوی……………………. 45

2-8-5- معرفی روش‌های داده‌کاوی……………………. 51

2-8-5-1- دسته‌بندی……………………. 53

2-8-5-2- درخت تصمیم…………………… 53

2-8-5-3- شبکه‌های عصبی……………………. 55

2-8-5-4- پیش بینی……………………. 56

2-8-5-5- خوشه‌بندی……………………. 56

2-8-5-5- انواع خوشه‌بندی……………………. 57

2-8-5-5-2- معیارهای ارزیابی در خوشه‌بندی……………………. 59

2-8-5-6- تحلیل انحراف…………………….. 60

2-8-5-7- قواعد وابستگی (انجمنی)…………………… 61

2-8-5-8- تحلیل توالی……………………. 61

2-8-6- نرم‌افزار داده‌کاوی……………………. 62

2-8-7- کاربردهای داده‌کاوی……………………. 63

2-8-7-1- داده‌کاوی در صنعت بانكداری……………………. 63

2-9- پیشینه پژوهش……………………. 65

2-9-1- کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری…… 66

2-9-2- کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان…………………… 68

2-9-3- کاربرد داده‌کاوی در زمینه کشف تقلب…………………….. 69

2-9-4- کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری……………………. 69

2-10- جمع‌بندی مطالب فصل……………………. 74

فصل سوم…………………… 76

3-1- مقدمه…………………… 77

3-2- روش پیشنهادی……………………. 77

3-2-1- چارچوب پژوهش……………………. 77

3-2-2- انتخاب متغیرها…………………..79

3-2-3- آماده‌سازی و پیش‌پردازش داده‌ها………………….. 80

3-2-3-1- نرمال سازی داده‌ها………………….. 81

3-2-4- تعیین تعداد بهینه خوشه‌ها………………….. 81

3-2-5- خوشه‌بندی……………………. 82

3-2-5-1- انواع خوشه‌بندی……………………. 83

3-2-5-2- خوشه‌بندی به روش K-Means……………………

3-2-5-1-1- مزایای بهره گیری از الگوریتم خوشه‌بندی K-Means……………………

3-2-5-1-2- محدودیت‌های الگوریتم K-Means……………………

3-2-5-2- خوشه‌بندی به روش WK-Means……………………

3-2-5-3- خوشه‌بندی به روش A-H-Means……………………

3-2-6- ارزیابی خوشه‌ها به روش مجموع مربع خطاها و انتخاب بهترین روش…… 88

3-2-7- به‌کارگیری دانش حاصل از خوشه‌بندی…………………… 90

3-3- روش‌های جمع آوری اطلاعات…………………….. 90

3-4- جمع‌بندی مطالب فصل……………………. 90

فصل چهارم…………………… 92

4-1- مقدمه…………………… 93

4-2- معرفی بانک مهر اقتصاد…………………… 93

4-3- موضوع و فعالیت بانک…………………….. 94

4-4- محاسبات پژوهش……………………. 94

4-4-1- گام انتخاب و جمع آوری متغیرهای ورودی……………………. 95

4-4-2- گام آماده‌سازی و پیش‌پردازش داده‌ها …………………..96

4-4-3-گام تعیین تعداد بهینه خوشه‌ها………………….. 97

4-4-4- گام خوشه‌بندی داده‌ها …………………..97

4-4-4-1- خوشه‌بندی به روش K-Means……………………

4-4-4-2- خوشه‌بندی به روش WK-Means……………………

4-4-4-3- خوشه‌بندی به روش A-H-Means……………………

4-4-5- ارزیابی خوشه‌ها به روش مجموع مربع خطاها و انتخاب بهترین روش…… 101

4-4-6-گام به‌کارگیری دانش حاصل از خوشه‌بندی……………………. 102

4-5- نتایج پژوهش……………………. 104

4-6- جمع‌بندی مطالب فصل……………………. 106

فصل پنجم…………………… 107

5-1- مقدمه…………………… 108

5-2- اختصار پژوهش……………………. 108

5-3- نتیجه‌گیری……………………. 109

5-4- زمینه‌های پیشنهادی، راهکارها و پیشنهاد‌ات جهت پژوهش‌های آتی…… 110

منابع و مآخذ…………………… 126

چکیده:

افزایش روزافزون سطح رقابت در بازار، مدیران و تحلیل­گران سازمان­ها را وادار ساخته به دنبال راهکارهایی باشند که مزیت رقابتی را برای سازمان به ارمغان آورند. بر اساس مطالعات موجود، بهره گیری از دانش مشتری جهت اتخاذ استراتژی‌های لازم برای جلب رضایت مشتری می­تواند سازمان­ها را به­سمت تحقق این هدف سوق دهد. از سوی دیگر گسترش بهره­گیری از فناوری­های بروز در زمینه اطلاعات و ارتباطات خصوصاً در بانک­ها باعث بر جای ماندن حجم عظیمی از داده­ها گشته که تحلیل و تصمیم­گیری بر اساس آن­ها با روش­های معمول گزارش­گیری و روش­های آماری امکان­پذیر نمی­باشد. داده­کاوی ابزار بروز و قدرتمندی می باشد که در این پایان­نامه جهت تحلیل داده­ها به جهت استخراج دانش مشتری پیشنهاد می­گردد.

هدف از این پژوهش با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با بهره گیری از تکنیک­های داده‌کاوی»، بخش‌بندی مشتریان بانک مهر اقتصاد، باهدف کشف ویژگی‌های رفتاری مشابه، برای کمک به مدیران این بانک جهت تسهیل اتخاذ استراتژی‌های متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان و نهایتاً سودآوری برای این بانک می­­باشد. داده‌های خام مورد نیاز جهت این مطالعه از پایگاه داده‌های بانک مهر اقتصاد استخراج شده می باشد.

فصل اول: مقدمه و کلیات پژوهش

1-1- مقدمه

در سال­های اخیر دانش[1] به عنوان منبعی ارزشمند در کنار منابعی زیرا کار، زمین، سرمایه قرار گرفت و به عنوان موتور تولیدکننده درآمد و يك دارايي مهم و راهبُردی برای سازمان شناخته گردید. از طرفی به دلیل وجود رقابت شدید در بین کسب و کارهای امروزی مانند صنعت بانکداری، مشتری و در نظر داشتن جایگاه او و ارتباط با او اهمیت ویژه­ای یافته می باشد. پس مبحث بسیار مهم مدیریت دانش مشتری[2] مطرح گردید که امروزه مطالعات بسیار زیادی را به خود اختصاص داده می باشد. مدیریت دانش مشتری با بهره گیری از راهکارهای مختلف مدیریت دانش نظیر روش‌های داده‌کاوی[3] زمینه بسیار خوبی را جهت بهره گیری مفید از گنجینه گران‌بهای دانش مشتری فراهم می­آورد.

از سوی دیگر در عصر حاضر بهره­گیری از فناوری­های جدید اطلاعات و ارتباطات در عرصه­های مختلف کسب­وکار به امری گریزناپذیر مبدل گشته می باشد. به گونه خاص صنعت بانکداری مانند صنایعی می باشد که به‌کارگیری فناوری­های روز دنیا در این صنعت می­تواند مزیت رقابتی انکارناپذیری را برای آن ایجاد نماید. پس این صنعت نیز از بهره­گیری از بروزترین فناوری­ها مستثنا نبوده و مواردی مانند بانکداری الکترونیک، سیستم‌های یکپارچه بانکداری[4]، دستگاه­های خودپرداز، کارت­های اعتباری، پایانه­های خرید الکترونیک و… از مصادیق این امر می­باشد.

ورود فناوری­های جدید به سازمان سبب افزایش چشمگیر سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از داده‌ها گشته می باشد. از آنجا که این داده‌ها اغلب حجیم و وسیع می­باشند، معمولاً به صورت خام قابل‌بهره گیری نیستند، بلکه دانش موجود در آن­ها بایستی استخراج گردد. با این تفاصیل که ارزش این داده‌ها بر کسی پوشیده نیست، حجم بسیار بالای داده‌های ارزشمند موجود، تحلیل و بهره­گیری از آن­ها را به امری چالش‌برانگیز مبدل ساخته می باشد. زیرا که تحلیل به واسطه روش‌های گزارش گیری سنتی در این مقیاس امکان­پذیر نیست و روش‌های آماری موجود نیز از ظرفیت کافی جهت تحلیل این داده‌ها برخوردار نمی­باشند. پس بایستی به دنبال راهکاری بود که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامع­تر با نتایج دقیق­تر و درصد خطای پایین­تر را ممکن سازد. این مسئله گواهی بر لزوم به‌کارگیری روش‌های جدید تحلیل داده‌ها جهت حصول دانش، نظیر روش داده‌کاوی خواهد بود.

دانش قابل توجهی که در زمان بهره گیری از خدمت یا مصرف کالا توسط مشتری، بین مشتری و سازمان تبادل می­گردد، به عنوان منبعی مهم برای سازمان شناخته می­گردد و کسب و بهره­برداری از آن به یک مزیت رقابتی در سازمان­ها تبدیل شده می باشد.

مدیریت دانش مشتری دربردارنده فرایندهایی­ست که با شناسایی و اکتساب اطلاعات مشتری و نیز ایجاد و بهره­برداری از دانش مشتریان، مربوط می باشد [9]. چنین اطلاعاتی در ماورای محدوده­های خارجی سازمان قرار دارند و دانشی که از آن­ها استخراج می­گردد موجب ایجاد ارزش برای سازمان و مشتریان آن خواهد گردید [32]. در این پژوهش مسئولیت کشف دانش بر عهده الگوریتم‌های داده‌کاوی خواهد بود. در ادامه از این دانش به عنوان راهنما در مسیر اتخاذ استراتژی‌های سازمان، بهره ­گیری می­گردد.

1-2- تعريف مسئله

بااهمیت یافتن مشتری در عرصه پرتلاطم رقابت میان کسب­وکارهای مباحثی همچون مدیریت دانش مشتری و مدیریت ارتباط با مشتری مطالعات و تحقیقات فراوانی را به خود اختصاص داده­اند.

مديريت دانش، كسب دانش درست، براي افراد مناسب، در زمان صحيح و مکان مناسب می باشد، به گونه‌اي که آنان بتوانند براي دستيابي به هدف‌هاي سازمان، بهترين بهره گیری را از دانش ببرند.

در تعریفی دیگر مديريت دانش فرايند كشف، كسب، توسعه و ايجاد، تسهيم، نگهداري، ارزيابي و به‌کارگیری دانش مناسب در زمان مناسب توسط فرد مناسب در سازمان، که از طريق ايجاد پيوند مناسب بين منابع انساني، فناوري اطلاعات و ايجاد ساختاری مناسب براي دستيابي به اهداف سازماني صورت مي‌پذيرد، تعریف شده می باشد.

مدیریت ارتباط با مشتری[5] مانند راهکارهایی می باشد که در سال­های اخیر با افزایش روزافزون سطح رقابت در بازار به عنوان سلاحی ارزشمند در جهت افزایش وفاداری مشتری و جلب رضایت او و با هدف به ارمغان آوردن مزیت رقابتی بالاتر برای سازمان، از سوی سازمان­ها بکار گرفته شده می باشد. امروزه بیشتر روش‌های مدیریت ارتباط با مشتری مبتنی بر فناوری اطلاعات می­باشند و مسلماً برای رسیدن به مدیریت مؤثر ارتباط با مشتری ناگزیر از مدیریت دانش مشتری خواهیم بود.

مديريت ارتباط با مشتری در برگيرنده مجموعه­اي از فرايندهاست که سازمان­ها را قادر مي­سازد تا از استراتژي­هاي كسب­وكار در جهت ايجاد روابط بلندمدت و سودآور با مشتريان خاص پشتيباني نمايند [46].

در حقیقت CRM يك فناوری پيشرفته در جهت دستيابي به قله­هاي اطلاعات مشتري می باشد [G] و شركت­ها از آن به عنوان ابزاری در جهت افزايش رضايتمندي مشتري بهره گیری مي­كنند. مديريت ارتباط با مشتري به عنوان فعالیتی جهت گسترش و نگاه‌داری مشتريان سازمان­ها به گونه گسترده­اي مورد توجه قرار گرفته می باشد و ابزارهاي آن افزايش رضايت مشتري و وفاداري اوست. همچنين مديريت دانش KM همچون مديريت روابط با مشتري بر جمع آوری منابعي تأكيد دارد كه از فعاليت­هاي تجاري در جهت رسيدن به توانايي رقابت‌پذیری حمايت مي­كند [37] براي بهبود روابط با مشتري، خدمات‌رسانی به روشي كه مورد دلخواه اوست، ضروري می باشد. از اين رو به مديريت دانش مشتری احتياج می باشد [17].

امروزه حجم بالای پایگاه­های داده و پراکندگی و عدم به‌کارگیری راهکارهای مناسب جهت تحلیل این داده‌ها مطالعه و تصمیم­گیری بهینه پیرامون ارتباط با مشتریان را با مشکل مواجه نموده می باشد.

به گونه ویژه بانک­ها سازمان­هایی هستند که با مشتریان تعامل مستقیم دارند و عنصر مشتری در این سازمان­ها اهمیت ویژه­ای دارد. بدیهی می باشد جهت پیشرو بودن در عرصه رقابت در نظر داشتن جایگاه مشتری و اختصاص خدمات ویژه با تشخیص نیازمندی­های آن‌ها و ارائه خدمات درست به آن­ها محقق خواهد گردید. تحلیل منابع باارزش داده­ای در ارتباط با مشتریان کنونی بانک­ها و مشتریان بالقوه و… مقدمه­ای جهت تحقق این مهم خواهد بود.

با ورود فناوری­های جدید به سازمان­ها و افزایش سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از داده‌ها و دشواری بهره گیری از این حجم وسیع، معمولاً امکان بهره گیری از این داده‌ها به صورت خام وجود ندارد، بلکه دانش موجود در آن­ها بایستی استخراج گردد. همچنین تحلیل این داده‌ها به واسطه روش‌های گزارش گیری سنتی در این مقیاس امکان­پذیر نیست و روش‌های آماری موجود نیز از ظرفیت کافی جهت تحلیل این داده‌ها برخوردار نمی­باشند. داده‌کاوی راهکاری می باشد که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامع­تر با نتایج دقیق­تر و درصد خطای پایین­تر را ممکن سازد.

داده‌ها[6] کمیت‌های عددی یا خصیصه‌ای هستند که در نتیجه نظاره یا آزمایش حاصل شده‌اند. داده‌های دسته‌بندی شده اطلاعات[7] را تشکیل می‌دهند. اطلاعات از ترتيب، تركيب و شبكه شدن دانش را ايجاد مي­نمايد. دانش، اطلاعات سازمان‌یافته، تحلیل یافته و یا تلخیص شده برای افزایش درک، آگاهی یا تشخیص می‌باشد.

داده‌کاوی ابزاری بروز، قدرتمند و وسیع می باشد که می­تواند جهت تحلیل حجم عظیم داده بکار گرفته گردد. داده‌کاوی به بهره­گیری از ابزارهای تجزیه و تحلیل داده‌ها به مقصود کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می گردد. این ابزار با کاوش در بین داده‌های موجود و استخراج الگوها و روابط موجود در پایگاه داده‌ها، موجب تسهیل مطالعات و اتخاذ تصمیمات خواهد گردید. همچنین به کمک امکانات موجود در این ابزار می­توان حجم داده‌ها را کاهش داد و داده‌های اضافی را حذف نمود. بهره گیری از روش‌های مختلف داده‌کاوی می­تواند جهت کشف دانش و الگوهای موجود در حجم عظیم داده‌ها (برای مثال به گونه خاص داده‌های جمعیت شناختی مشتریان بانک نظیر جنسیت، سن، وضعیت تأهل، تحصیلات، شغل و غیره، یا داده‌های مربوط به تراکنش­های مالی مشتریان و یا سرویس­های ارائه شده توسط بانک) بهره گیری گردد. این الگوها می­توانند از سوی مدیران جهت اتخاذ تصمیمات مقتضی در ارتباط با مشتری، چگونگی برخورد با شرایط متفاوت کسب­وکار، ارائه خدمات خاص و غیره بکار گرفته گردد.

تعاريف متفاوتي از داده‌کاوی هست ولي تعريفي كه در اكثر مراجع به اشتراك ذكر شده عبارت می باشد از «استخراج اطلاعات و دانش و كشف الگوهاي پنهان از پايگاه داده‌های بسيار بزرگ و پيچيده.» داده‌کاوی يك متدولوژي بسيار قوي و با پتانسيل بالا می‌باشد كه به سازمان‌ها كمك می کند كه بر مهم‌ترین اطلاعات از مخزن داده‌های خود تمركز نمايند [52].

داده‌کاوی را می­توان به عنوان ابزاری جهت کشف دانش از پایگاه­های داده تعریف نمود. داده‌کاوی یک گام در فرایند کشف دانش از پایگاه داده[8] می باشد که با بهره گیری از الگوریتم‌های کشف و تحلیل داده‌ها تعداد خاصی الگو یا مدل را از روی داده‌ها تولید می­کند.

یک الگو زمانی می­تواند به عنوان دانش تلقی گردد که :

  1. به سادگی برای افراد قابل فهم باشد.
  2. اعتبار آن از یک حد آستانه­ای[9] پایین­تر نباشد.
  3. دانش جدیدی متناسب با اهداف تعیین‌شده سازمان ارائه دهد.
  4. کاربردی باشد. [1]

امروزه کاربردهای مختلفی برای داده‌کاوی در صنعت بانکداری شناخته شده می باشد.

شهرابی و همکاران در [1] کاربردهایی نظیر مدیریت ارتباط با مشتریان از طریق بخش‌بندی آن­ها و استخراج قواعد رفتاری آن­ها جهت هدایت فعالیت‌های بازاریابی بانک، مدل‌سازی پاسخ بازار به تصمیمات کلان بانک و شناسایی اثر هر یک از سیاست­های بانک بر تقاضا و امکان شبیه­سازی تعاملی سیاست­ها و تصمیمات قبل از اجرا، ارزیابی ریسک اعتباری مشتریان متقاضی دریافت وام، محاسبه کارایی شعب و پیش­بینی سری­های زمانی مالی و … کشف الگوهای پنهان در داده‌های حاصل از تعاملات با مشتریان و تحلیل این الگوها را به عنوان مثال هایی از کاربرد ابزار داده‌کاوی در بانک ذکر کرده می باشد.

بانک­ها می­توانند جهت افزایش سودآوری از طریق مشتریان تراز اول خود، برای یک محصول جدید بانکی، مشتریان بالقوه خود را از طریق داده‌کاوی شناسایی نموده و آن­ها را به سمت بهره گیری از این محصول سوق دهند و بدین ترتیب در زمان و هزینه صرفه­جویی کنند.

پیاده­سازی سیستم هوشمند ارزیابی اعتبار مشتری به کمک داده‌کاوی از کاربردهای دیگر این ابزار جهت مدیریت دانش مشتریان در بانک می باشد. در این کاربرد می­توان با بهره گیری از اطلاعات گروهی از وام­گیرندگان سابق (مانند بعضی اطلاعات شخصی وام‌گیرنده مانند سن و جنسیت و وضعیت تأهل و درآمد و…، تعداد تراکنش ماهیانه مشتری با بانک، سایر بدهی­های بانکی، نوع ضمانت و…) و وضعیت آن­ها از نظر بازپرداخت وام به مدلی دست پیدا نمود که مشتریان متقاضی وام را در دسته­هایی مانند مشتری خوش­حساب، مشتری بدحساب و … دسته‌بندی نمود. با حصول این دانش در مورد مشتری متقاضی اعتبار تصمیم­گیری در مورد پرداخت یا عدم پرداخت اعتبار بسیار ساده­تر خواهد بود.

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

بعضی از مشكلات نبود مديريت دانش می­توان عدم اولويت‌بندي و بهره گیری از انواع دانش، ایجاد شکاف دانشی در صورت جدا شدن كارشناسان از سازمان، احتكار دانش به جاي ازدياد آن، بهره گیری محدود از دانش­هاي موجود، نبود مستندات در خصوص تجربيات به دست آمده از پروژه‌ها و كارها و نبود ساختار مناسب براي تسهيم سريع دانش را نام برد.

1-3- ضرورت انجام تحقيق

افزایش روزافزون سطح رقابت در بازار، مدیران و تحلیل­گران سازمان­ها را وادار ساخته به دنبال راهکارهایی باشند که مزیت رقابتی را برای سازمان به ارمغان آورند. بر اساس مطالعات موجود، بهره گیری از دانش مشتری جهت اتخاذ استراتژی‌های لازم برای جلب رضایت مشتری می­تواند سازمان­ها را به سمت تحقق این هدف سوق دهد. از سوی دیگر گسترش بهره­گیری از فناوری­های بروز در زمینه اطلاعات و ارتباطات خصوصاً در بانک­ها باعث بر جای ماندن حجم عظیمی از داده‌ها گشته که تحلیل و تصمیم­گیری بر اساس آن­ها با روش‌های معمول گزارش گیری و روش‌های آماری امکان­پذیر نمی­باشد. داده‌کاوی ابزار بروز و قدرتمندی می باشد که در این پایان­نامه جهت تحلیل داده‌ها به جهت استخراج دانش مشتری پیشنهاد می­گردد.

امروزه تحقیقات فراوانی در زمینه داده‌کاوی و به‌کارگیری آن در صنعت بانکداری دنیا و کشورمان در حال انجام می باشد. با این تفاصیل زمینه‌های بالقوه بسیاری در به‌کارگیری این دانش در بانک­ها و مؤسسات مالی و اعتباری در کشور هست. بدیهی می باشد پیش‌دستی در بهره­گیری از این ظرفیت­ها می­تواند مزیت رقابتی را برای بانک یا موسسه مالی و اعتباری مربوطه به ارمغان آورده و ارزش افزوده بیشتری را نصیب بانک یا مؤسسه مورد نظر نماید. به علاوه ایجاد زمینه­هایی جهت آشنایی کارشناسان و متخصصان امور بانکی با مباحث داده‌کاوی و کاربردهای آن در صنعت بانکداری ضروری به نظر می­رسد.

بدین ترتیب مدیران بانک­ها می­توانند با یافتن الگوهای حاکم بر طریقه تغییرات بازار، استراتژی‌های لازم را در زمان نیاز اتخاذ نمایند و یا با یافتن خصوصیات مشتریان و دسته‌بندی آن­ها الگوی مناسبی جهت جذب مشتری و جلب رضایت آن­ها کشف نموده و در نتیجه سودآوری را برای سازمان به ارمغان آورند.

[1] Knowledge

[2] Customer Knowledge Management (CKM)

[3] Data Mining

[4] Core Banking

[5] Customer Relationship Management

[6] Data

[7] Information

[8] Knowledge Discovery in Databases (KDD)

[9] Threshold

***ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود می باشد***

متن کامل را می توانید دانلود نمائید

زیرا فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به گونه نمونه)

اما در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود می باشد

تعداد صفحه : 143

قیمت : چهارده هزار و هفتصد تومان