ارزیابی عملکرد شعب بانک با رویکرد داده کاوی و سیستم خبره

محورهای موضوعی : مهندسی مالی

حمید اسلامی نصرت آبادی ¹ , محمدجعفر تارخ ² , علیرضا پورابراهیمی ³

1 - گروه مدیریت فناوری‌اطلاعات، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه فناوری اطلاعات، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران
3 - گروه مدیریت صنعتی، واحد کرج، دانشگاه آزاد اسلامی، البرز، ایران

تاریخ دریافت : 1399/03/06 تاریخ پذیرش : 1399/05/03 تاریخ انتشار : 1400/01/01

کلید واژه: سیستم خبره, داده کاوی, عملکرد شعب بانک, کلیپس,

چکیده مقاله :

شعب بانک یکی از ارکان مهم بانکداری دیجیتال است و بررسی عملکرد آنها نقش مهمی در سودآوری و تحقق اهداف بانک در پی‌دارد. این پژوهش به ارزیابی عملکرد شعب بانک با استفاده از روشهای نوآورانه می‌پردازد. نخست به شناسایی شاخصهای مهم در خصوص ارزیابی عملکرد شعب پرداخته شده است. سپس روش پیشنهاد‌ی برروی داده‌های شعب بانک در قالب مطالعه موردی پیاده‌سازی گردیده است. بدین منظور ابتدا خوشه بندی انجام گردید تا شعب کارا و نیمه کارا و ناکارا از یکدیگر تفکیک گردند. سپس بر اساس برچسب ایجاد شده بر روی دادهای شعب از الگوریتمهای طبقه بندی و درخت تصمیم استفاده گردید تا قوانین موجود در داده‌های شعب کارا و ناکارا و نیمه کارا استخراج گردد. در تحقیق حاضر از مدل ارائه شده از الگوریتم C5.0 بدلیل بدست آوردن بالاترین میزان صحت در مقایسه با سایر الگوریتمها مورد استفاده قرار گرفت. در انتها براساس قواعد استخراج شده به طراحی یک سیستم خبره برای ارزیابی عملکرد شعب بانکی پرداخته شد. برای طراحی سیستم خبره از نرم افزار کلیپس استفاده شد. در بانک مورد مطالعه شاخص درصد متوسط افزایش سپرده‌های ارزان قیمت طی دوره به افزایش مانده هدف دارای بیشترین تاثیر در عملکرد را دارا بود.

چکیده انگلیسی:

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.