ارائه ي يك مدل دو مرحله ي مبتني بر داده كاوي جهت ارزيابي عملكرد مشتريان مشترك بانك و بيمه

Presentation of a Two Stages Model Based on Data Mining for Evaluation of Common Customers of Bank and Insurance Companies

اكتشاف دانش از پايگاه داده و داده كاوي يكي از مهم ترين ابزار هاي مديريت ارتباط با مشتري است كه مي تواند به سازمان با تاكيد بر يافتن اطلاعات مفيد يا دانش مورد علاقه آن كمك كند. امروزه بانك ها و بيمه ها از پايگاه هاي اطلاعاتي متعدد و گسترده اي برخوردار هستند كه حاوي اطلاعات مربوط به مبادلات و جزييات ديگر مربوط به مشتريانشان هستند. اطلاعات ارزشمند تجاري از درون همين ذخاير داده اي قابل بازيابي است. اما پشتيباني از اين دست تحليل ها و تصميم گيري با استفاده از زبان هاي گزارش گيري سنتي امكان پذير نخواهد بود. بنابراين با توجه به اهميت اطلاعات مشتريان مشترك بانك و بيمه بايد آنها را هرچه دقيق تر تحليل نمود. در اين تحقيق با گردآوري و تجزيه و تحليل اطلاعات مشتريان مشترك بانك و بيمه يك متدولوژي مبتني بر داده كاوي جهت ارزيابي مشتريان بر اساس شاخص هاي عملكردي آنها در حوزه بانكي و بيمه اي ارايه مي شود. همچنين با تحليل رفتار مشتريان با استفاده از يه رويكرد دو مرحله اي مبتني بر يادگيري بدون نظارت و يادگيري با نظارت اقدام به پيش بيني رفتار مشتريان جديدالورود خواهيم نمود.

Exploration of knowledge from database and data mining is one of the most important tools for customer relationship management Which can help the organization to find useful information or their interesting knowledge. Today, banks and insurance companies have numerous and extensive databases that contain information about exchanges and other details related to their customers. Valuable business information can be retrieved from these data warehouses. However, support for such analyzes and decision-making will not be possible using traditional reporting languages. Therefore, considering the importance of the common customer’s information of the bank and insurance, they should be analyzed as carefully as possible. In this research, by collecting and analyzing the information of joint customers of the bank and insurance, a methodology based on the data mining is presented to evaluate customers according to their functional indicators in the field of banking and insurance. We will also predict the behavior of new customers by analyzing historical customer behavior using a two-step approach based on unsupervised learning and supervised learning.