طبقه بندی مشتریان با استفاده از الگوریتم های داده كاوی، بانك ها را قـادر بـه حفـظ و وفاداری مشتریان قدیم و جذب مشتریان جدید خواهد كرد . یكی از روشهای داده كاوی، درخت تصمیم گیری است و چنانچه درخت تصمیم مناسبی ساخته شود، می تـوان مشـتریان را بـه طـور بهینه طبقه بندی كرد. در این مقاله، یك مدل مناسب برای طبقـه بنـدی مشـتریان بـر مبنـای بهره گیری از خدمات اینترنت بانك ارائه شده است. این مدل بر اساس اسـتاندارد CRISP –DM انجام گرفته و داده های مورد نیاز از پایگاه داده مشتریان اینترنت بانك سینا استخراج شده اسـت. در میان سایر درختان تصمیم گیری، درخت تصمیم نهایی مبتنی بر معیارهـای بهینگـی و دقـت بوده و براساس دسته بندی مشتریان در سه سطح بالا، متوسـط و پـایین، پـیش بینـی مشـتریان جدیدی كه متقاضی استفاده از اینترنت بانك هستند، شكل می گیـرد. پـژوهش پـیش رو از نظـر هدف، كاربردی و از نظر گردآوری داده ها، پژوهشی اسنادی به شمار میرود. قوانین استخراج شده مربوط به مشتریان، مـدیران بانـك هـا را قـادر مـی كنـد تـا بـر اسـاس الگوهـای كشـف شـده سیاست گذاری كنند و درك بهتری از انتظارات كنونی و آتی مشتریان داشته باشند.
طبقهبندی مشتریان اینترنت بانك با كمك الگوریتمهای دادهكاوی
آدرس: تهران، خیابان خرمشهر (آپادانا)، خیابان قنبرزاده، کوچه چهاردهم، پلاک 22
تلفن: 88533266-021 (10 خط)
آخرین مقالات
وبکست ها و پویش ها
- وبینار علم داده برای مدیران1400/08/22 - 16:36
وبینار علم داده برای مدیران موضوعات علم داده و رابطه آن با هوش تجاری و هوش مصنوعی رویکردهای تحلیلی کسب و کار مفاهیم پایه Big Data اجزای پلتفرم داده یادگیری ماشین و علم داده محاسبات شناختی ثبت نام کنید!