این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت فناوری اطلاعات، جلد ۶، شماره ۱، صفحات ۷۱-۹۰
عنوان فارسی طبقه‌بندی مشتریان اینترنت‌بانک با کمک الگوریتم‌های داده‌کاوی
چکیده فارسی مقاله طبقه‌بندی مشتریان با استفاده از الگوریتم‌های داده‌کاوی، بانک‌ها را قادر به حفظ و وفاداری مشتریان قدیم و جذب مشتریان جدید خواهد کرد. یکی از روش‌های داده‌کاوی، درخت تصمیم‌گیری است و چنانچه درخت تصمیم مناسبی ساخته شود، می‌توان مشتریان را به‎طور بهینه طبقه‌بندی کرد. در این نوشتار، یک مدل مناسب برای طبقه‌بندی مشتریان بر مبنای بهره‌گیری از خدمات اینترنت‌بانک ارائه شده است. این مدل بر اساس استاندارد CRISP-DM انجام‎گرفته و داده‌های مورد نیاز از پایگاه داده مشتریان اینترنت‌بانک سینا استخراج شده است. در میان سایر درختان تصمیم‌گیری، درخت تصمیم نهایی مبتنی بر معیارهای بهینگی و دقت بوده و براساس دسته‌بندی مشتریان در سه سطح بالا، متوسط و پایین، پیش‌بینی مشتریان جدیدی که متقاضی استفاده از اینترنت‌بانک هستند، شکل می‌گیرد. پژوهش پیش رو از نظر هدف، کاربردی و از نظر گردآوری داده‌ها، پژوهشی اسنادی به‎شمار می‎رود. قوانین استخراج‎شدۀ مربوط به مشتریان، مدیران بانک‎ها را قادر می‎کند تا بر اساس الگوهای کشف‎شده سیاست‎گذاری کنند و درک بهتری از انتظارات کنونی و آتی مشتریان داشته باشند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Classification of Internet banking customers using data mining algorithms
چکیده انگلیسی مقاله Classifying customers using data mining algorithms, enables banks to keep old customers loyality while attracting new ones. Using decision tree as a data mining technique, we can optimize customer classification provided that the appropriate decision tree is selected. In this article we have presented an appropriate model to classify customers who use internet banking service. The model is developed based on CRISP-DM standard and we have used real data of Sina bank's Internet bank. In compare to other decision trees, ours is based on both optimization and accuracy factors that recognizes new potential internet banking customers using a three level classification, which is low/medium and high. This is a practical, documentary-based research. Mining customer rules enables managers to make policies based on found out patterns in order to have a better perception of what customers really desire.
کلیدواژه‌های انگلیسی مقاله Data mining, Decision Tree, classification, E-Banking
نویسندگان مقاله رضا رادفر |
دانشیار گروه مدیریت و اقتصاد، دانشگاه آزاد اسلامی واحد علوم تحقیقات، تهران، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

نوید نظافتی |
استادیار گروه مدیریت دولتی، دانشکدۀ مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه شهید بهشتی (Shahid beheshti university)

سعید یوسفی اصلی | yousefi asli
کارشناس ارشد مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد الکترونیکی، تهران، ایران

نشانی اینترنتی http://jitm.ut.ac.ir/article_50051_267cbcc51cdf0588c44d046e3d143039.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-210295.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات