اعتبار سنجی مشتریان براساس داده های حجیم بانکداری با استفاده از یادگیری تجمعی و درخت تصمیم

با توسعه بانکداری الکترونیک صنعت بانکداری به دلیل فشارهای زیاد رقابتی برای کسب مزیت رقابتی در بازاریابی محصولات خود مجبور به استفاده از دانش موجود در پایگاه داده های خود می باشند این موضوع باعث توسعه بازاریابی هوشمند در بانکداری گردیده است. عملکرد بد بانک در درجه او باعث ورشکستگی بانک و در نتیجه تآثیر منفی بر اقتصاد کشور می شود. برای این منظور بهترین راهکار، دقت هرچه بیشتر در اعتبارسنجی مشتریان است، سیستمی که در روند اصل مشتری مداری در بانک ها می تواند تاثیر شگرفی داشته باشد. با این وجود تاکنون تنها بخشی از این داده ها برای تحلیل رفتار مشتریان استفاده شده است که دلیل آن نبود روش های مناسب و دانش تحلیل و بررسی داده های حجیم است. این مسئله باعث می شود تا این موسسات نتوانند تحلیل صحیح و جامعی از رفتار مشتریان داشته باشند و اعتبارسنجی دقیقی انجام نخواهد شد. که خود چالش جدیدی در دنیای اعتبارسنجی مشتریان بانکی به شمار می رود. هدف از این تحقیق یافتن مدلی است تا بتواند با دقت بالا در داده های حجیم مشتریان خوب را از مشتریان بد تشخیص دهد.