چکیده:
تسهیلات بانکی بهعنوان یکی از پراهمیت ترین کارکرد بانک ها از اهمیت بالایی برخوردار است. اهمیت شناسایی مشتریان تسهیلاتی اگر بیشتر از مشتریانی سپرده گزار نباشد به هیچ وجه کمتر نخواهد بود. در پژوهشهای صورت گرفته، اهمیت این مشتریان بطور نسبی کمتر موردتوجه قرار گرفته است. هدف اصلی پژوهش حاضر، کاستن از مشکلات ارائه تسهیلات مناسب به مشتریان و طراحی سیستم توصیه گر تسهیلات بانکی با استفاده از داده های قبلی مربوط به تسهیلات ثبت شده در یک بانک منتخب و بزرگ کشور می باشد. راهکار ارائه شده، با دریافت داده های تسهیلات و اطلاعات حساب مشتری، گروه های مشتریان را در طی فرآیند آموزش و اعتبارسنجی، فراگرفته و بر مبنای آن، امکان پیش بینی شرایط مشتری برای دریافت تسهیلات آتی را فراهم می نماید. به منظور طراحی راهکار توصیه گر، روش های داده کاوی مناسب به همراه رویکرد اعتبارسنجی متناسب با هر روش انتخاب گردید و سیستم نهایی با خطای اندک، جهت گیری مناسب بانک نسبت به متقاضیان دریافت تسهیلات را معین نموده است که به تصمیم گیری مدیران برای ارائه دقیق تر تسهیلات، یاری خواهد رساند. این سیستم به بانک ها کمک می کند تا با شناسایی انواع مشتریان تسهیلاتی خود، تصمیمات مرتبط با هر گروه را به منظور ایجاد حداکثر سود و کاهش هزینه های وصول مطالبات اتخاذ نمایند و رویکرد متناسبی را برای هر مشتری در پیش گیرند. در نهایت، سیستم به سرپرستان بانک نیز ارائه گردید و بازخوردهای مطلوبی برای بهبود و ارتقاء راهکار دریافت شد.
Bank facilities, as one of the most important functions of banks, are very important to the survival of banks. The importance of identifying facility consumers is more than depositor customers. In previous studies, the importance of such customers has not been well considered. This study aims at designing recommender systems for predicting the customer behavior in receiving facilities, using clustering and classification algorithms. The designed system helps banks to identify types of facility demanding costumers, and to make decisions related to each customer cluster in order to make maximum profits and reduce the cost related to loans and receivables. The system accurately predicts each customer's cluster and also forecasts account balance of each customer group according to the current data set. Based on Analyses carried out on the clusters and related data sets of clients, is the recommender system is provided for to branch users. In order to design the recommender system, clustering and classification outputs were also deeply validated. The margin of error was very low and therefore, data mining outputs were verified and used to develop the final system as well as a user interface for the final utilization of recommender system which was presented and validated by the supervisors of bank. Supervisors also provided some suggestions for improving the final solution.
خلاصه ماشینی:
پژوهش هاي نوين در تصميم گيري دوره ١، شماره ٢، تابستان ١٣٩٥ طراحي سيستم توصيه گر به منظور بهينه سازي و مديريت تسهيلات بانکي بر مبناي الگوريتم هاي خوشه بندي و طبقه بندي تسهيلات بابک سهرابي ١*، ايمان رئيسي واناني ٢، فائزه زارع ميرکآباد 3 ١- استاد مديريت فناوري اطلاعات، دانشکده مديريت ، دانشگاه تهران، تهران، ايران ٢- استاديار مديريت صنعتي، دانشکده مديريت و حسابداري، دانشگاه علامه طباطبائي، تهران، ايران ٣- کارشناس ارشد، مديريت فناوري اطلاعات، دانشکده مديريت ، دانشگاه تهران، تهران، ايران دريافت : ١٣٩٤/١٠/٢٠ پذيرش: ١٣٩٥/٠٤/١٢ چکيده تسهيلات بانکي به عنوان يکي از پراهميت ترين کارکرد بانک هـا از اهميـت بـالايي برخـوردار است .
در ايـن سيسـتم بـا جمع آوري و تحليل دادههاي مشتريان يکي از بانک هاي خصوصي کشور مشـتمل بـر دادههاي ماندهحساب، بدهي جاري و غير جاري، اصل و سـود تسـهيلات و دادههـاي 1 مشتريان در سيستم مديريت ارتباط با مشتريان و پيادهسازي روشهـاي دادهکـاوي در اين سيستم يک سيستم توصيه گر٢ منظور ارائه خدمات اعتباري ارائه خواهد شد و دادههاي مشتريان تسهيلاتي براساس دادههاي پايگـاه داده بانـک خوشـه بنـدي٣ شـد.
(2009) A neural networks-based clustering collaborative filtering algorithm in E-commerce recommendation system, Paper presented at the Web Information Systems and Mining, WISM 1//9, International Conference.
(2014) "A dynamic understanding of customer behavior processes based on clustering and sequence mining", Expert Systems vith Applications, 41(10), 4648-4657.