منابع پایان نامه درباره صنعت بانکداری، ارتباط با مشتری، مدیریت ارتباط

دانلود پایان نامه ارشد

خصوصاً زيرساخت اينترنتي سبب افزايش آگاهي مشتريان به همه امور شده است و در نتيجه قدرت چانه زني مشتري را بيشتر كرده است، به طوري كه مشتري قادر است در كمترين زمان به بانك ديگري رجوع كند [11].

شکل 2-11 نیروهای رقابتی پورتر [11 به نقل از 6]
صنعت بانكداري در جهان تحت تغييرات شديد در طريقه انجام كسب و كار می‌باشند. بانک‌های پیشرو از ابزارهاي داده‌کاوی براي بخشبندي، تعيين سودمندی، دسته بندي اعتبار، پيشبيني قصور در بازپرداختها، بازاريابي، تشخيص تراکنش‌های متقلبانه و غيره استفاده می‌کنند. این ابزار به عنوان یک ابزار رقابتی در بانک شناخته شده است [11].
داده يكي از با ارزش‌ترین دارایيهاي شرکت‌ها می‌باشد، اما فقط در صورتي كه بدانيم چگونه دانش در آن‌را آشكار كنيم. داده كاوی امکان استخراج دانش موجود در دادههاي تاريخي و پيش بيني پيامدهاي موقعيتهاي آينده را در اختیار میگذارد. داده‌کاوی ابزار ارزشمندي می‌باشد كه با کمک آن يك سازمان می‌تواند با شناسايي اطلاعات مفيد بالقوه از مقدار اطلاعات جمع آوري شده، مزيت واضحي نسبت به رقبايش كسب نمايد [11].
كاهش هزينهاي ذخيره سازي داده‌ها و افزايش راحتي در ذخيرهسازي داده‌ها، توسعه الگوریتم‌های قوي و مؤثر يادگيري ماشين براي پردازش داده‌ها و كاهش هزينه قدرت محاسباتي از عواملی است که باعث گسترش و علاقه به داده‌کاوی گشته است [11].

2-9- پیشینه تحقیق
از آنجاکه هوشمندی سازمانی بر کشف دانش به واسطه بهرهگیری از منابع دادهای تأکید داشته و این امکان جهت پشتیبانی اتخاذ تصمیمات در سازمانها کاربرد دارد، جای تعجب نیست که اخیراً مسائلی چون مدیریت دانش مشتری، مدیریت ارتباط با مشتری، داده‌کاوی و ترکیب این زمینهها مطالعات بسیاری را به خود اختصاص دادهاند. در این میان بانکها به دلیل ماهیت ارتباط خود با مشتریان و حجم زیاد تراکنشها و داده‌های برجای مانده از آنها توجه ویژهای را میطلبند.
مدهوشی و همکاران در [21] اثر مدیریت دانش مشتری (CKM) بر مدیریت ارتباط با مشتری (CRM) را توسط ابزارهای آماری بررسی و تحلیل نمودند. در این مطالعه برای جمع آوری داده‌ها، پرسشنامهای بین 1440 نفر از مدیران، معاونان و کارشناسان شعب بانک ملی استان مازندران توزیع شد. داده‌های حاصل توسط نرمافزارهای SPSS و LISREL مورد تجزیه و تحلیل قرار گرفت. تست نتایج آزمون با روش آلفای کرونباخ، ضریب ثابت 94.78 را نشان داد. نتایج آزمون کولموگروف-اسمیرنوف نشان داد که متغیرهای CKM و CRM نرمال هستند. به منظور تست اولویت اجزای CKM و CRM آزمون کروسکال-والیس را اجرا شد. سپس با استفاده از تست رگرسیون همبستگی، ارتباط بین CKM و CRM مورد مطالعه قرار گرفت. در نتیجه آنها نشان دادند که ارتباط معنیداری بین CKM و CRM وجود دارد. در نهایت تحلیل برازش منحنی ریشه متوسط خطای مربعی کمتر 0.10 و شاخصهای مناسب بودن برازش بیشتر از 0.90 را نشان داد که این نتایج حاکی از تأثیر CKM بر CRM در بانک ملی ایران، شعب مازندران بوده است.
همان‌طور که پیش از این اشاره شد تا به امروز زمینه‌های بسیاری از کاربرد داده‌کاوی در صنعت بانکداری شناخته شده و این زمینهها مطالعات و تحقیقات زیادی را به خود تخصیص دادهاند. از جمله این کاربردها میتوان به کاربرد داده‌کاوی در بخش‌بندی مشتریان و مدل‌سازی رفتاری آنها با اهداف پیشبینی ارزش طول عمر مشتری (CLV) یا ارائه سرویس مناسب به مشتریان بالقوه در مسیر اجرای CRM، کاربرد داده‌کاوی در رتبهبندی اعتبار مشتریان متقاضی وام، کاربرد داده‌کاوی در زمینه تحلیل روی‌گردانی مشتریان بانک، کاربرد داده‌کاوی در زمینه کشف تقلب و سوءاستفادههای مالی، کاربرد داده‌کاوی در زمینه پیشبینی عملکرد بانک و کاربرد داده‌کاوی در ارزیابی عملکرد بانکها و … اشاره نمود [1].
از این رو در بخش پیشینه تحقیق، بررسی مطالعات صورت گرفته به تفکیک کاربرد مطرح خواهد شد.
2-9-1- کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری
با در نظر گرفتن این اصل که برای موفقیت در کسب و کار درک کامل مشتریان ضروری است و از آنجا که مشتریان سازمان نیازها و روحیات متفاوتی دارند میتوان گفت استفاده از استراتژیهایی چون بازاریابی مستقیم جهت ارائه و معرفی خدمات و محصولات جدید سازمان به مشتریان چندان کارامد نخواهد بود. از این رو تکنیکهای رتبهبندی مشتریان به مدیران امکان خواهد داد تا با هر مشتری بر اساس علایق و خواستههای او برخورد نموده و از ویژگی‌های مربوط به هر دسته جهت اتخاذ استراتژی‌های متناسب بهره گیرد.
مؤمنی و همکاران در [8] به لزوم ارتباط با مشتری در بانکها پرداختهاند. در این مقاله اشاره شده که طبق قاعده معروف 80/20 پارتو معمولاً 20 درصد مشتریان، 80 درصد سودآوری سازمان را منجر میشوند. بنابراین دسته‌بندی مشتریان میتواند ابزار شناسایی این گروه طلایی و ارائه خدمات بیشتر به آنها بوده و سود بیشتر سازمان را برای سازمان به ارمغان آورد. در ادامه به کاربردهای داده‌کاوی در صنعت بانکداری اشاره شده و به طور خاص داده‌کاوی جهت امتیازدهی و برآورد اعتبار مشتریان پرداخته شده است. در این مطالعه مشتریان از نظر اعتبار به چهار دسته تقسیم شده و مشتریان متقاضی اعتبار جدید نیز بر مبنای مدل حاصل دسته‌بندی میشوند.
هسيه در [35] به تحقيقي تحت عنوان «مدل يكپارچه داده‌کاوی و رتبهبندي رفتاري براي تجزيه و تحليل رفتار مشتريان بانک» پرداخته است. اين تحقيق مدلي ادغامی از داده‌کاوی و مدل رتبهبندي مشتريان جهت مديريت كارتهاي اعتباري مشتریان در بانك ارائه ميدهد. در اين تحقيق جهت ساخت مدلي براي شناسايي الگوي رفتاري مشتريان از شبكههاي عصبي و روش خود سازمان دهنده112، استفاده گرديده است. در ابتدا مشتريان بانك با استفاده از تكنيكهای SOM خوشهبندي گرديده و سپس با استفاده از قوانين وابستگي متغيرهاي رفتاري كه بيشترين ارتباط را با يكديگر دارند شناسايي گرديدهاند. اين تحقيق مشتريان بانك را به سه گروه اصلي تقسيم مينمايد. اين مطالعه نشان ميدهد كه شناسايي مشخصههاي مشتريان با استفاده از مدل رتبهبندي رفتاري مفيد ميباشد و توسعه استراتژيهاي بازاريابي را تسهيل مينمايد.
حسینی در [11] از تكنيكهاي هوشمند داده‌کاوی جهت مدیریت ارتباط با مشتریان بانک پارسیان بهره گرفته است. او در پایاننامه خود با تركيب دو دسته از متغيرها، 30 متغير براي بررسي الگوي رفتاري مشتريان شناسايي نموده و با استفاده از شبكه عصبي كوهنن ماتريس نرونهاي خروجي شبكه 3*5 را تشخيص داده و مشتريان را در 13 خوشه تقسیم نمود. در ادامه این تحقیق ارائه سرويسهاي بانكي مناسب به مشتريان بالقوه با استفاده از تكنيكهاي داده‌کاوی را مورد بررسی قرار داده و نتايج بدست آمده حاكي از آنست كه از 21 سرويس در نظر گرفته شده بانک پارسیان كه شامل اعلام موجودي، دريافت صورت حساب، پرداخت قبض، برداشت وجه، انتقال وجه، عمليات مربوط به چك از كانالهاي مختلف بانكي شامل دستگاه ATM، اينترنت، موبايل، تلفن و پايانههاي خريد POS ميباشد، 12 سرويس در گروه مورد نظر بيشترين استفاده را داشته است. کشف این مسئله که كدام دسته از مشتريان سودمندي لازم را براي نگهداري دارند و جلوگيري از هزينههاي اضافي تبليغات به صورت گسترده با ارائه سرويسهاي مناسب به مشتريان بالقوه، از نتایج این بررسی اعلام شده است.
مقاله [23] به خوشه‌بندی مشتریان با خصوصیات رفتاری مشابه (RFM) با هدف تخمین وفاداری مشتری جهت تسهیل اتخاذ استراتژی و پیشنهاد سرویسهای متناسب هر گروه با ترکیب روش‌های داده‌کاوی و ارزش طول عمر مشتری113 (CLV)، پرداخته است. در این تحقیق از داده‌های جمعیت شناختی و داده‌های مربوط به تراکنشهای مالی مشتریان (RFM) مربوط به شرکت ایرانی ساپکو به عنوان ورودی استفاده شد. این مقاله رویه جدیدی را بر مبنای مدل RFM توسعه یافته که شامل یک پارامتر اضافی است معرفی مینماید. در این رویه، روش RFM وزن دار114 با الگوریتم K-Means در داده‌کاوی ترکیب شده و از روش دیویس- بولدین115 برای محاسبه مقدار بهینه K استفاده شده است و نهایتاً مشتریان بر مبنای وفاداری به محصولات شرکت ساپکو ایران دسته‌بندی شدند. نتایج حاصل نشان داد قابلیت سازمان برای جلب وفاداری مشتریان خود با استراتژیهایی که با توجه به این دسته‌بندی بکار برد در مقایسه با روش معمول انتخاب تصادفی که در اکثر سازمانها در ایران بکار میرود، افزایش چشمگیری داشته است.
2-9-2- کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان
عبدو و همکاران در [29] به مطالعه داده‌های مشتریان یک بانک مصری که از این بانک وام گرفته بودند پرداختند. در این مطالعه مشتریان بانک از لحاظ اعتبار دسته‌بندی شدند. الگوریتم‌های بکار رفته در این مقاله شبکه‌های عصبی احتمالی و چند لایه و رگرسیون لاجیت و ورودیهای این الگوریتمها اطلاعات شخصی مشتری شامل سن، درآمد ماهانه، جنسیت، وضعیت تأهل، وضعیت مسکن، مقدار وام، مدت بازپرداخت و… بوده است. در این تحقیق عملکرد شبکه‌های عصبی احتمالی و چند لایه با روش‌های مرسوم مانند آنالیز تفکیکی، رگرسیون منطقی و آنالیز بر اساس حداقل انحراف از میزان متوسط مقایسه شده است. نتایج حاصل بیانگر این مسئله است که رگرسیون لاجیت با 88% پیشبینی صحیح عملکرد بهتری نسبت به روش‌های مرسومی که نام برده شد، داشته است؛ و در مقایسه کلی شبکه عصبی با 96% دقت بهترین عملکرد را داشته است.
لی و همکاران در [22] یک روش ترکیبی جدید برای انتخاب داده‌های ورودی دسته‌بندی مشتریان بانک جهت ارزیابی اعتبار آنان معرفی کردهاند. در این مقاله رویکردی ترکیبی که حاصل ترکیب رویکردهای انتخاب ویژگی موجود (آنالیز ترکیبی خطی، تئوری مجموعههای ناهموار، درخت تصمیم و روش Fscore) با روش ماشین بردار پشتیبان116 است برای انتخاب متغیرها معرفی شده و در ادامه مقایسهای بین رویکردهای ترکیبی بر پایه SVM به منظور انتخاب ویژگیها صورت گرفته است. در این تحقیق از داده‌های معروف مربوط به کارتهای اعتباری UCI مربوط به کشور آلمان و استرالیا استفاده شد. تمرکز مقاله بر یافتن مرتبطترین ویژگیها با اهداف منظور است و بیان میشود که مسئله مهم نه فقط کاهش حجم متغیرهای ورودی بلکه حذف نویزهای ورودی نیز میباشد. نتایج حاصل نشان میدهند که عملکرد روشها به صورت ترکیبی در انتخاب ویژگی‌های ورودی بسیار بهتر از عملکرد هر یک از این روشها به طور منفرد است.
[18] ایجاد یک ارتباط محکم و بلند مدت و مثمر ثمر با مشتریان را هسته اصلی CRM، و درک درست از مشتری را اساس افزایش ارزش طول عمر مشتری (CLV) دانسته است. در این مقاله، هدف از بخش‌بندی مشتری، ایجاد گروههای سودآور و در حال رشد بر پایه ویژگی‌های مشترک آنهاست که سازمان را قادر میسازد تا هر گروه را با پیشنهاداتی خاص مورد هدف قرار دهد. این امر بدون استفاده از روشها و راهکارهای هوشمند برای تحلیل داده‌ها میسر نیست. تمرکز این مقاله بر روی بخش‌بندی استراتژی محور مشتریان سازمان در جهت تلاش برای به حداکثر رساندن پتانسیل مشتری که با اهمیت‌ترین منبع در کسب و کار است، میباشد. این مقاله بر بخش‌بندی اعتبار مشتریان در صنعت بانکداری تمرکز دارد و در مطالعه موردی خود از شبکه‌های عصبی چند لایه با بازخورد رو به جلو117 برای بخش‌بندی مشتریان به دو دسته استفاده نموده است: مشتریانی که با پرداخت مشکل دارند یا با پرداخت مشکلی ندارند.
2-9-3- کاربرد داده‌کاوی در زمینه کشف تقلب
چن و همکاران در [24] به دسته‌بندی مشتریان جهت کشف تقلب و سوءاستفادههای مالی و شناسایی بعضی از عوامل کلیدی برای تشخیص تقلب خریداران و فروشندگان در معاملات آنلاین توسط کارت اعتباری پرداختهاند. به این منظور از داده‌های مربوط به یک دوره سه ماهه مزایدات آنلاین فروش لپ تاپ استفاده شده است. تکنیک مورد استفاده در این تحقیق رگرسیون لاجیت بوده که برخی از ویژگی‌های مربوط به داده‌های اولیه ورودی آن مبلغ اولیه پیشنهادی، مدت زمان انجام مزایده، سود مزایده، میزان اعتبار فروشنده و قیمت بهایی

پایان نامه
Previous Entries منابع پایان نامه درباره خوشه‌بندی، پایگاه داده‌ها، معیارهای ارزیابی Next Entries منابع پایان نامه درباره مدیریت دانش، مدیریت ارتباط، مدیریت دانش مشتری