داده کاوی در بانکداری الکترونیکی

نوع فایل
word
حجم فایل
1 MB
تاریخ انتشار
30 دی 1396
دسته بندی
تعداد بازدیدها
576 بازدید
10,500 تومان
امروزه داده ها قلب تپنده فرایند تجاری بیشتر شرکت ها تلقی می شوند، آن ها فارغ از خرد و کلان بودن نوع صنعت در تمامی صنایع نظیر ارتباطات ، بانکداری و غیره از طریق تعاملات در سیستم های عملیاتی شکل می گیرند.

چکیده

امروزه داده ها قلب تپنده فرایند تجاری بیشتر شرکت ها تلقی می شوند، آن ها فارغ از خرد و کلان بودن نوع صنعت در تمامی صنایع نظیر ارتباطات ، تولید ،بیمه ،کارت اعتباری و بانکداری از طریق تعاملات در سیستم های عملیاتی شکل می گیرند. با وجود حجم بالای داده ها ی ذخیره شده در این سیستم ها ، به ابزاری نیازاست تا بتوان این داده ها راپردازش کرد و اطلاعات حاصل از آن را در اختیار کاربران قرار داد. در این راستا سازمان های بسیاری در حال استفاده از داده کاوی برای کمک به مدیریت تمام فازهای ارتباط با مشتری هستند.این سازمان ها می تواند با بررسی ویژگی ها و علت استفاده برخی از مشتریان از کالا ها و یا خدمات خود یا بررسی علل عدم استقبال برخی از مشتریان از برخی کالاها نقاط قوت و ضعف خود را بیابند و در راستای بهبود کیفیت گام بردارند. معمولا کاربران پس از طرح فرضیه ای بر اساس گزارشات مشاهده شده به اثبات یا رد آن می پردازند ، در حالی که امروزه به روشهایی نیازداریم که به اصطلاح به کشف دانش بپردازند یعنی روشهائی که با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند.یکی از روشهای بسیار مهمی که با آن می توان الگوهای مفیدی را در میان داده ها تشخیص داد،داده کاوی است ،این روش که با حداقل دخالت کاربران همراه است اطلاعاتی را در اختیار آنها وتحلیل گران قرار میدهد تا براساس آنها تصمیمات مهم و حیاتی در سازمانشان اتخاذ نمایند .باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در این تحقیق به منظور شناسایی مشتریان بانک و تدوین استراتژی مناسب برای برخورد با آنها از داده کاوی و ابزار استفاده می شود. وهمچنین تقلبهای صورتهای مالی به شکل چشمگیری توجه عموم جامعه ،رسانه ها،سرماگذاران را به خود جلب کرده است و موسسات مالی و پولی به شدت به دنبال تسریع و سرعت عمل در شناخت فعالیت کلاهبرداران و متقلبان می باشند.لذا بکارگیری تکنیکهای شناسایی تقلب به منظور جلوگیری از اقدامات متقلبانه درسیستم های بانکداری الکتزونیک لازم است،عموما روش های شناسایی تقلب به دو دسته اصلی تشخیص ناهنجاری و تشخیص سوء استفاده تقسیم می شوند. در این تحقیق علاوه بر مقایسه روش های فوق و تشریح چگونگی عملکرد سازوکارهای مبتنی بر آن ،انواع تکنیکهای تشخیص تقلب در بانکداری الکترونیک ارائه و روشهای داده کاوی مورد استفاده در کشف تقلب مزایا و معایب هریک به تفصیل شرح داده خواهد شد.

فهرست مطالب

چکیده 1
فصل اول: مقدمه اي بر داده كاوي 2
1-1- مقدمه 3
1-2- تعریف مسئله و بیان سوال های اصلی تحقیق 3
1-3- هدف 4
1-4- کاربرد 4
فصل دوم: مفاهیم و اصطلاحات 5
2-1- مقدمه 6
2-2- تاریخچهی داده کاوي 8
2-3- تعريف داده کاوي 9
2-4- علت پيدايش داده كاوي 10
2-5- ویژگی‌های داده کاوی 11
2-6- مراحل كشف دانش 12
2-7- جايگاه داده كاوي در علوم مختلف 14
2-8- كاربرد يادگيري ماشين و آمار در داده كاوي 17
2-9- مراحل داده کاوي 17
2-10- اندازه گیري نتایج 19
2-11- آمار و داده کاوي 20
2-12- بانکداری الکترونیک 22
2-13- تاریخچه بانکداری الکترونیک در ایران 22
2-14- سیستم های بانکداری الکترونیکی 22
2-15- شاخه های بانکداری الکترونیک برحسب نیازهای بازار بانکداری الکترونیک 23
2-16- مزایای بانکداری الکترونیک 23
2-17- پول الکترونیکی 23
2-18- انواع پول الکترونیکی 24
2-18-1- پول الکترونیکی شناسایی شده 24
2-18-2- پول الکترونیکی غیرقابل شناسایی (بی‌نام و نشان) 24
2-19- نتیجه گیری 24
فصل سوم: مدیریت ارتباط با مشتری در صنعت بانکداری الکترونیکی 25
3-1- مقدمه 26
3-2- مدیریت ارتباط با مشتری CRM 26
3-3- ارتباط 27
3-4- هرم ارزش مشتری 27
3-5- خوشه بندی مشتریان بانک ملت با استفاده از داده کاوی 30
3-6- استخراج داده های مربوط به شاخص ها 30
3-7- بررسی وضعیت داده و آماده سازی آن 31
3-8- ایجاد نرم افزار های داده کاوی برای مدیریت روابط مشتری 37
3-8-1- تقسیم بندی مشتری 37
3-8-2- پیش بینی رویگردانی 38
3-9- پیشنهادات 41
3-10- نتیجه گیری 41
فصل چهارم: روش ها و راهکارهای شناسایی تقلب در بانکداری الکترونیک 43
4-1- مقدمه 44
4-2- تقلب 45
4-3- شناسایی تقلب 49
4-4- انواع تقلب در بستر بانکداری الکترونیک 49
4-4-1- تشخیص سو استفاده 49
4-4-2- تشخیص ناهنجاری 51
4-5- تکنیک تشخیص تقلب 53
4-5-1- سیستم خبره 53
4-5-2- برون هشته ای 54
4-5-3- شبکه عصبی 55
4-5-4- استدلال بر پایه مدل 57
4-5-5- رویکرد مبتنی بر قواعد 57
4-5-6- تجزیه و تحلیل حالت گذار 58
4-5-7- تکنیک ها 58
4-5-8- داده کاوی 59
4-6- وظایف داده کاوی 59
4-6-1- طبقه بندی 59
4-6-2- خوشه بندی 60
4-6-3- پیش بینی 60
4-6-4- کشف نقاط پرت 61
4-6-5- رگرسیون 61
4-6-6- تصویرسازی 61
4-7- روشهای داده کاوی در مورد استفاده در تحقیقات کشف تقلبهای مالی 62
4-7-1- مدل رگرسیون 63
4-7-2- شبکه های عصبی مصنوعی 64
4-7-3- شبکه استنباط بیزین 64
4-7-4- درختان تصمیم 64
4-8- یک چارچوب کلی برای الگورتیم های داده کاوی 65
4-9- راه آینده چالشهای پیش رو 66
4-10- نتیجه گیری 67
منابع و مراجع 70

منابع و مراجع

1. داده کاوی مفاهیم و تکنیک ها – ویراست سوم، ژیاوی هان میشلین کمبر ژان پی، مترجم: دکتر مهدی اسماعیلی، انتشارات نیاز دانش.
2. داده کاوی با نرم افزار، سمیه علیزاده و سمیرا ملک محمدی، انتشارات دانشگاه خواجه نصیرالدین طوسی، چاپ اول ۱۳۹۰.
3. کتاب داده کاوی و کشف دانش، مهدی غضنفری و سمیه علیزاده و بابک تیمورپور، انتشارات دانشگاه علم و صنعت، چاپ اول ۱۳۸۷ و چاپ دوم ۱۳۹۰.
4. داده کاوی، دکتر جمال شهرابی، عضو هیت علمی دانشگاه صنعتی امیرکبیر و دبیر کنفرانس داده کاوی ایران.
5. تقوی فرد، م.ت، نادعلی، 1. (1391). طبقه بندی متفاضیان استفاده از تسهیلات اعتباری بانکی با استفاده از داده کاوی و منطق فازی. مطالعات مدیریت صنعتی، 91-52.
6. ديواندري، ع.؛ عابدي، ا.؛ ناصرزاده، م. ر. (1392). ارائة مدل مفهومي براي تبيين عوامل كليدي مؤثر بر كيفيت سيستم هاي ارائه دهندة خدمات بانكداري اينترنتي (پيمايشي پيرامون بانك ملت). مديريت فناوري اطلاعات، 36-19.

 

7. Filippidou, D., Keane, J.A., Svinterikou, S. and Murray, J., Data Mining for Business Improvement: Applying the HyperBank Approach,PADD’98 – 2nd Int.Conf., on the Practical Application of Knowledge Discoveryand Data Mining, Practical Application Company, 1998, pp.1-10.
8. Fayyad, U., Shapiro, G.S. and Smyth, P., From Data Mining to Knowledge Discovery in Databases, AI Magazine, 1996, pp.37-54.
9. Wiz, K., The Hidden World of Data Mining, Think Analytics Corporation, 2002, pp.1-21.
10. Han, J. and Kamber, M., “Data Mining: Concepts and Techniques”, Morgan Kaufmann Publishers, 2001
11. An Introduction to Data Mining: http://www.thearling.com/, retrieved on Mar 2, 2007.
12. Data Mining: Efficient Data Exploration and Modeling: http://research.microsoft.com/dmx/DataMining/, retrieved on Mar 2, 2007.
13. Christine Gertisio and Alan Dussauchoy, “Knowledge Discovery from Industrial Data base”, Journal of Intelligent Manufacturing, 15, 29-37, 2004.
14. Introduction to Data Mining and Knowledge Discovery By Two Crows Corporation
15. Jeffery W. Seifert Analyst in information science and Technology Policy, ‘ Data Mining : An Overview ‘ December 2004.
16. David J. HAND Data Mining: Statistics and More? , December 2002.
17. Mitchell, Tom M., “Machine Learning”, McGraw-Hill Science, 1997.
18. Fayyad U., Piatesky – Shapiro G., and Smyth P., “From Data Mining to Knowledge Discovery in Databases,” American Association for Artificial Intelligence, 1996.
19. Berson A., Smith S., and Thearling K., “Building Data Mining Applications for CRM,” Tata McGraw-Hill, New York, 2004.
20. Edelstein, Herb. Building Profitable Customer Relationships With Data Mining, Two Crows Corporation, CRM today, White Paper, 2002, pp.1-12.
21. Chris Rglelski, “Data Mining Techniques for Customer Relationship Management”, Technology in Society, 2002.
22. Chris Rygielski. jyun Wang, David yung(2002),Data mining techniques for customer relationship management .
23. Valarie A. Zeithaml, Roland T. Rust, and Katherine N. Lemon,( 2001), “ The Customer Pyramid: Creating and Serving Profitable Customers”, California Management Review.
24. Albrecht, W.S., Albrecht,C.C. & Albrecht, G.O. (2008). Current Trends in Fraud and Its Detection. Information Security Journal, 17.

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
تعداد صفحه

77 صفحه

حجم

1 MB

زبان

فارسی

قابل ویرایش

بله

نوع فایل

Word

اولین کسی باشید که دیدگاهی می نویسد “داده کاوی در بانکداری الکترونیکی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.