فصل دوم پایان نامه داده کاوی در بانک

هدف از  فصل دوم پایان نامه داده کاوی در بانک با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده‌کاوی» می باشد.

با بکارگیری تکنیک های هوشمند داده‌کاوی مشتریان بانک مهر اقتصاد در پنج دسته و با توجه به بیشترین شباهت در الگوی رفتاری گروه بندی شدند.خوشه‌بندی مشتریان بر مبنای چارچوب ارائه شده در این تحقیق به ما کمک می کند تا مشتریانی که دارای الگوهای رفتاری مشابه بر حسب متغیرهای تراکنشی مشتریان و ممتغیرهای جمعیت آماری هستند را در گروه های واحدی در نظر گرفته و بر مبنای ویژگی‌های اکثریت مشتریان هر گروه، سرویس های متناسب با این ویژگی ها را به روش‌های متفاوت به مشتریان پیشنهاد نمود.

می توان با بررسی خوشه‌ها، خوشه هایی که بیش‌ترین تعداد مشتریان کلیدی در آن ها قرارگرفته‌اند شناسایی نمود. با این امکان مشتریان مستعد کلیدی شدن شناخته می شوند و با خدمت رسانی هر چه بیشتر به این گروه ها منجر به حفظ و ادامه ارتباط مؤثر آن ها با بانک گردید.با بررسی خوشه هایی که بیش‌ترین مشتریان کلیدی را در خود جای داده اند و شناسایی اکثریت مشتریان در این خوشه‌ها از منظر نوع شغل، محل منطقه بانکی و جنسیت و … و با نظر کارشناسان و خبرگان بانکی می توان خدمات بانکی ویژه و متناسب با این گروه ها را طراحی نموده و از طریق پیامک و یا به طور رودررو به این افراد معرفی نمود.

فهرست مطالب
 

فصل دوم    18
۲ ۱  مقدمه    18
۲ ۲  مدیریت دانش    21
۲ ۲ ۱  دانش چیست؟    21
۲ ۲ ۲  هرم دانش    22
۲ ۲ ۳  انواع دانش    23
۲ ۲ ۳ ۱  دانش صریح    23
۲ ۲ ۳ ۲  دانش ضمنی    24
۲ ۲ ۴  مدیریت دانش چیست؟    24
۲ ۲ ۵  استراتژی‌های مدیریت دانش    26
۲ ۲ ۵ ۱  استراتژی اجتماعی سازی (تبدیل دانش پنهان به پنهان)    27
۲ ۲ ۵  2  استراتژی برونی سازی (پنهان به آشکار)    28
۲ ۲ ۵  3  استراتژی ترکیب سازی (آشکار به آشکار)    28
۲ ۲ ۵  4  استراتژی درونیسازی (آشکار به پنهان)    29
۲ ۲ ۶ معایب عدم بهرهگیری از دانش در سازمان    29
۲ ۲ ۷  اهداف مدیریت دانش    30
۲ ۲ ۸  مدل های مدیریت دانش    31
۲ ۳  مدیریت دانش مشتری    33
۲ ۳ ۱  انواع دانش مشتری    35
۲ ۳ ۲  مدل مدیریت دانش مشتری    40
۲ ۴  مدیریت ارتباط با مشتری    42
۲ ۴ ۱  مدیریت ارتباط مشتریان در نظام بانکی    46
۲ ۴ ۲  مدیریت ارتباط با مشتری: اهداف، مزایا و چالش‌ها    48
۲ ۵  مقایسه مفاهیم CKM و KM و CRM    50
۲ ۶  تاریخچه‌ای از بانک و بانکداری    54
۲ ۷   سیر تحول فناوری اطلاعات در صنعت بانکداری    55
۲ ۷ ۱ دوره اول: اتوماسیون پشت باجه    55
۲ ۷ ۲  دوره دوم: اتوماسیون جلوی باجه    56
۲ ۷ ۳  دوره سوم: اتصال مشتریان به حساب‌هایشان    56
۲ ۷ ۴  دوره چهارم: یکپارچه‌سازی سیستم‌ها و مرتبط کردن مشتریان با تمامی عملیات بانکی    57
۲ ۷ ۵  بانکداری الکترونیک    57
۲ ۸  داده‌کاوی    58
۲ ۸ ۱  مقایسه روش‌های آماری و داده‌کاوی    59
۲ ۸ ۲  مفهوم داده‌کاوی    61
۲ ۸ ۳  داده‌کاوی و کشف دانش    64
۲ ۸ ۴  فرایند داده‌کاوی    66
۲ ۸ ۵  معرفی روش‌های داده‌کاوی    73
۲ ۸ ۵ ۱  دسته‌بندی    75
۲ ۸ ۵ ۲  درخت تصمیم    76
۲ ۸ ۵ ۳  شبکه‌های عصبی    77
۲ ۸ ۵ ۴  پیش بینی    79
۲ ۸ ۵ ۵  خوشه‌بندی    80
۲ ۸ ۵ ۵  انواع خوشه‌بندی    81
۲ ۸ ۵ ۵ ۲  معیارهای ارزیابی در خوشه‌بندی    83
۲ ۸ ۵ ۶  تحلیل انحراف    85
۲ ۸ ۵ ۷  قواعد وابستگی (انجمنی)    86
۲ ۸ ۵ ۸  تحلیل توالی    86
۲ ۸ ۶  نرم‌افزار داده‌کاوی    87
۲ ۸ ۷  کاربردهای داده‌کاوی    88
۲ ۸ ۷ ۱  داده‌کاوی در صنعت بانکداری    90
۲ ۹  پیشینه تحقیق    91
۲ ۹ ۱  کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری    93
۲ ۹ ۲  کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان    96
۲ ۹ ۳  کاربرد داده‌کاوی در زمینه کشف تقلب    98
۲ ۹ ۴  کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری    99
۲ ۱۰  جمع‌بندی مطالب فصل    106

منابع و مآخذ    

فهرست جدول‌ها
جدول ۲ ۱ انواع مختلف تبدیلات دانش    19
جدول ۲ ۲ مقایسه مفاهیم مدیریت دانش، مدیریت ارتباط با مشتری و مدیریت دانش مشتری    35
جدول ۲ ۳ مقایسه روش‌های تحلیل آماری و داده‌کاوی    41
جدول ۲ ۴ فعالیت‌های مربوط به فازهای CRISP DM و خروجی هر فعالیت    50
جدول ۲ ۵ نمونه داده‌های مورد نیاز در یک مسئله مدل‌سازی به روش دسته‌بندی    54
جدول ۲ ۶ معیارهای محاسبه شباهت در خوشه‌بندی    59
جدول ۲ ۷ معیارهای محاسبه فاصله در خوشه‌بندی    60
جدول ۲ ۸ پژوهش‌های انجام‌گرفته در زمینه کاربرد داده‌کاوی در صنعت بانکداری    71
 

فهرست تصاویر و نمودارها
شکل ۲ ۱ سلسله‌مراتب دانش    16
شکل ۲ ۲ دانش صریح فقط بخش کوچکی از دانش را تشکیل می‌دهد.    17
شکل ۲ ۳ مدل مدیریت دانش پروبست و رمهارد    22
شکل ۲ ۴ چارچوب خوشه انگور جهت نوع شناسی دانش مشتری    26
شکل ۲ ۵ مدل مدیریت دانش مشتری    28
شکل ۲ ۷ گام‌های فرایند تولید دانش از پایگاه داده‌ها    44
شکل ۲ ۸ متدولوژی فرآیند استاندارد میان صنعتی داده‌کاوی (CRISP DM)    47
شکل ۲ ۹ دسته‌بندی کلی عملکردهای داده‌کاوی    52
شکل ۲ ۱۱ نیروهای رقابتی پورتر    64