عنوان مقاله :
ارزيابي عملكرد شعب بانك با رويكرد داده كاوي و سيستم خبره
عنوان به زبان ديگر :
Evaluation of Bank Branch Performance using Data mining and Expert System Approach
پديد آورندگان :
اسلامي نصرت آبادي، حميد دانشگاه آزاد اسلامي واحد علوم و تحقيقات تهران - گروه مديريت فناورياطلاعات , تارخ، محمدجعفر دانشگاه خواجه نصيرالدين طوسي - گروه فناوري اطلاعات , پورابراهيمي، عليرضا دانشگاه آزاد اسلامي واحد كرج - گروه مديريت صنعتي
كليدواژه :
عملكرد شعب بانك , داده كاوي , سيستم خبره , كليپس
چكيده فارسي :
شعب بانك يكي از اركان مهم بانكداري ديجيتال است و بررسي عملكرد آنها نقش مهمي در سودآوري و تحقق اهداف بانك در پي دارد. اين پژوهش به ارزيابي عملكرد شعب بانك با استفاده از روش هاي نوآورانه مي پردازد. نخست به شناسايي شاخصهاي مهم در خصوص ارزيابي عملكرد شعب پرداخته شده است. سپس روش پيشنهاد ي برروي داده هاي شعب بانك در قالب مطالعه موردي پياده سازي گرديده است. بدين منظور ابتدا خوشه بندي انجام گرديد تا شعب كارا و نيمه كارا و ناكارا از يكديگر تفكيك گردند. سپس بر اساس برچسب ايجاد شده بر روي دادهاي شعب از الگوريتمهاي طبقه بندي و درخت تصميم استفاده گرديد تا قوانين موجود در داده هاي شعب كارا و ناكارا و نيمه كارا استخراج گردد. در تحقيق حاضر از مدل ارايه شده از الگوريتم C5.0 بدليل بدست آوردن بالاترين ميزان صحت در مقايسه با ساير الگوريتمها مورد استفاده قرار گرفت. در انتها براساس قواعد استخراج شده به طراحي يك سيستم خبره براي ارزيابي عملكرد شعب بانكي پرداخته شد. براي طراحي سيستم خبره از نرم افزار كليپس استفاده شد. در بانك مورد مطالعه شاخص درصد متوسط افزايش سپرده هاي ارزان قيمت طي دوره به افزايش مانده هدف داراي بيشترين تاثير در عملكرد را دارا بود.
چكيده لاتين :
Branches of Bank are one of the most important pillars of digital banking and surveying their performance plays an important role in profitability and achieving the bank's goals. This study evaluates the performance of bank branches using innovative methods. First, important indicators for evaluating branch performance have been identified. Then, the proposed method for data of bank branches has been implemented in the form of a case study. For this purpose, clustering was done first to separate efficient, semi-efficient and inefficient branches. Then, based on the labels created on the data of the branches, classification algorithms and decision trees were used to extract the rules in the data of efficient, inefficient and semi-efficient branches. In the present study, the proposed model of C5.0 algorithm was used due to obtaining the highest accuracy compared to other algorithms. Finally, based on the extracted rules, an expert system was designed to evaluate the performance of bank branches. Clips software was used to design the expert system. In the bank under study, the average increase percentage of cheap deposits during the period to increase the target balance had the greatest impact on performance.
عنوان نشريه :
مهندسي مالي و مديريت اوراق بهادار