کاربردهای دانش داده کاوی در بانکداری الکترونیک با تاکید بر رتبه بندی مشتریان

توسعه فناوری اطلاعات سبب پدید آمدن تغییرات و تحولاتی در زمینه های گوناگون شده است. بانکداری الکترونیک نیز حاصل این تحولات است. امروزه صنعت بانکداری در سرتاسر جهان تغییرات چشمگیری نموده و سیستم بانکداری الکترونیکی در بسیاری از موسسات مالی جایگزین سیستم بانکداری سنتی شده و تمامی اطلاعات تراکنشی مشتریان در این سیستم به راحتی ثبت و نگهداری می گردد. داده های مربوط به تراکنش مشتریان در سیستم بانکداری الکترونیکی، اغلب دارای اطلاعات مفیدی در خصوص نحوه تعامل مشتریان با بانک‏ها و استفاده از سرویس های مختلف آنها است. با توجه به حجم زیاد این داده ها، که طبق گزارش بانک مرکزی در دی ماه سال 1392 بدون محاسبه تراکنش های پایانه فروش بالغ بر 359 میلیون تراکنش است،کاوش در این داده ها به منظور بررسی الگوهای رفتاری مشتریان امری ضروری است که با استفاده از علم داده کاوی می توان رفتار مشتریان را تحلیل نمود و با استفاده از نتایج حاصله آنها را دسته بندی نمود و گروه مشتریان با ارزش تر را جهت برنامه‏ریزی و سیاست‏گذاری‏های آینده مشخص نمود. در این پایان نامه، کاربرد روش‏های خوشه‏بندی و تعیین ارزش طول عمر مشتری به منظور تحلیل داده‏های مشتریان تشریح شده است. بدین صورت که ابتدا به منظور پیدا کردن گروه‏های مشابه در مشتریان، سه دسته متغیر جمعیت شناختی، تراکنش مالی و سرویس‏های ارائه شده مشتریان جمع‏آوری شده و مشتریان بر این اساس خوشه‏بندی شده اند. خوشه‏بندی با استفاده از روش k میانگین انجام شده و سپس با استفاده از تکنیک ارزش طول عمر مشتری، دسته‏های ایجاد شده ارزش‏گذاری می‏شوند و رتبه‏بندی مشتریان انجام می‏شود. در ادامه سعی شده است با در نظر گرفتن عامل شغلی به عنوان عامل تاثیر گذار در خوشه‏بندی روش موجود بهبود داده شده، و نتایج حاصل مقایسه شدند. با توجه به نتایج، عملکرد بهتری را در خوشه بندی مشتریان نشان می‏دهد.