مزیت رقابتی داده کاوی در بانکداری الکترونیکی در برابر نااطمینانی‌های اقتصادی

الموضوعات :

محمد علی خطیب سمنانی ¹ ( استادیار گروه اقتصاد، دانشکده اقتصاد و حسابداری دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران )
سمیه ایزدی ² ( کارشناسی ارشد، مربی، دانشگاه آزاد اسلامی واحد نجف آباد، اصفهان، ایران )
سید رضا خادمی ³ ( دانشجوی دکتری اقتصاد مالی، دانشگاه آزاد اسلامی واحد زنجان، زنجان، ایران )

تاريخ الإرسال : 20 الإثنين , رجب, 1438 تاريخ التأكيد : 26 الأربعاء , رمضان, 1438 تاريخ الإصدار : 01 الأربعاء , ذو الحجة, 1438

الکلمات المفتاحية: G21, واژه‌های کلیدی: بانکداری الکترونیکی, نااطمینانی, داده کاوی, مدیریت ریسک, بازاریابی. طبقه بندی JEL : OC80, D72,

ملخص المقالة :

در بانکداری سنتی و کاغذی ، افراد چون کاغذی را می دیدند و لمس می کردند، اعتماد ایجاد می شد. اما امروزه با حضور بانکداری الکترونیکی، از یک سو هنوز جامعه ایران با آن خو نگرفته و از سویی دیگر ، نااطمینانی ها از عوامل اقتصادی موجب شده تا مشتریان بانک ها نسبت به سرمایه گذاری احساس تردید کنند. نااطمینانی در اقتصاد از مهمترین عوامل خروج سرمایه از بانک ها و از بین رفتن اعتماد مشتری است. مزایای بانکداری الکترونیک را می‌توان از دو جنبه مشتریان و موسسات مالی مورد توجه قرار داد. از دید مشتریان می‌توان به صرفه‌جویی در هزینه ها، صرفه جویی در زمان و دسترسی به کانالهای متعدد برای انجام عملیات بانکی نام برد. از دید موسسات مالی می‌توان به ویژگیهایی چون ایجاد و افزایش شهرت بانکها در ارائه نوآوری، حفظ مشتریان علی‌رغم تغییرات مکانی بانکها، ایجاد فرصت برای جست‌جوی مشتریان جدید در بازارهای هدف، گسترش محدوده جغرافیایی فعالیت و برقراری شرایط رقابت کامل را نام برد. برای رقابت مؤثرتر در بازارهای رقابتی دنیا بانک ها بایستی درک بهتری از مشتریان و بازار داشته باشند. صنعت بانکداری در دنیا تغییرات زیادی را در نحوه انجام فعالیت های خود متحمل شده است. بانک‌های پیشرو از ابزارهای داده کاوی1 برای تقسیم بندی مشتریان، اعتبارسنجی مشتریان جهت اعطای تسهیلات و تایید آنها، پیش بینی عدم پرداخت بدهی ها، بازاریابی و شناسایی الگوهای کلاهبرداری استفاده می کنند. در این مقاله ضمن اشاره ای به بحث نااطمینانی و تأثیر آن بر مشتریان، تکینیک های داده کاوی به عنوان مزیت رقابتی در رضایت مشتریان از بانکداری الکترونیکی و خدمات بانکی بیان می گردد.. 1 Data Mining Trust was created in traditional banking, where everything was paper-based, people like to see and touch paper. But today, with the presence of e-banking, on the one hand, the Iranian society has not yet adopted it and on the other hand, uncertainties of economic agents are hand in hand to make bank customers feel uncertain about investing. Economic uncertainty is one of the most important factors in the withdrawal of capital from banks and the loss of customer confidence. Advantages of electronic banking can be considered from two aspects of customers and financial institutions. From customers' point of view, cost savings, time savings and access to multiple channels for banking operations can be mentioned. From the point of view of financial institutions, it is possible to identify such features as creating and increasing the reputation of banks in providing innovation, maintaining customers despite the spatial variations of banks, creating opportunities for searching new customers in target markets, expanding the geographical scope of activities, and establishing the conditions for full competition. Banks must have a better understanding of customers and the market in order to compete more effectively in competitive markets around the world. The banking industry in the world has undergone many changes in its operations. The leading banks use from data mining tools to segment customers, validate clients for facility approvals, anticipate non-payment of debts, marketing, and identify fraudulent patterns. In this paper, while referring to the uncertainty and its impact on customers, data mining as a competitive advantage is expressed in customer satisfaction from e-banking and banking services.

المصادر:

1)    هان، ژیاوی و کمبر ، میشلن و پی ، ژان، ترجمه اسماعیلی مهدی، "داده کاوی مفاهیم و تکنیک ها"، انتشارات نیاز دانش، 1394

2)    والی زاده،ا و رجبی،ح،(1381) "بررسی تاثیر کاهش نرخ بهره بر سرمایه‌گذاری"، مجموعه مقالات ـ داوزدهمین کنفرانس سیاستهای پولی و ارزی.

3)    شهرابی، جمال و ذوالقدر شجاعی ، علی ،" داده کاوی پیشرفته - مفاهیم و الگوریتم ها" ،  انتشارات جهاد دانشگاهی واحد صنعتی امیر کبیر، 1390

4)    ایزدی، سید ابوالقاسم، ابراهیمی آتانی، سمیه، پونه، رضا، " مدیریت ریسک عملیاتی در بانکداری الکترونیک" اولین کنفرانس ملی بانکداری الکترونیکی، یزد، دی 1390

5)    یوسفی، مجید، “ بررسی سیستمهای بانکداری الکترونیک و مشکلات بومی‌سازی آن در ایران “ ، پایان نامه کارشناسی ارشد، دانشگاه شهید بهشتی، 1384.

6)    مسعود سلیمانی، "اهمیت مدیریت ریسک در بانکداری سنتی، اسلامی و الکترونیک"(قسمت دوم)، اداره امور واحدهای خارج از کشور بانک ملی ایران1388.

7)    احمدلو، یعقوب،" استفاده از داده­کاوی بعنوان ابزار رقابتی در صنعت بانکداری" دومین کنفرانس جهانی بانکداری الکترونیکی، تهران، مردادماه1387

8)    هزار، اسکندری، اشرفی، رویا، حمید رضا، مهدی، " رتبه بندی اعتباری مشتریان با بکارگیری شبکه عصبی درصنعت بانکداری (مطالعه موردی بانک اقتصاد نوین)" دومین کنفرانس جهانی بانکداری الکترونیکی، تهران، مردادماه1387

9)    رجب پور ، رؤیا ، "شیوه های پرداخت در معاملات بن الملل" ، پایان نامه کارشناسی ارشد ، دانشگاه گیلان، 1390

10) رنجبر مطلق، لیدا، "اصول مدیریت ریسک اعتباری"، انتشارات کمیته نظارت بر بانکداری، 1384

11) ابزری، مهدیو  صمدی سعید و تیموری ، " بررسی عوامل موثر بر ریسک و بازده سرمایه گذاری در محصولات مالی"، نشریه روند،   123 - 152 .

12)  Goldberg, Linda (1993), “Exchange Rates and Investment in United States Growth"; Fordham University, Department of Economics, Discussion Paper.

13)  Golob, John E , “Does Inflation Uncertainty Increcse with Inflation?” Economic Reuiew Third Quarter 1994, Federal Res.

14)  F. Liébana-Cabanillas, R. Nogueras, L.J. Herrera, A. Guillén ,"Analysing user trust in electronic banking using data mining methods", Expert Systems with Applications, Volume 40, Issue 14, 15 October 2013, Pages 5439–5447

15)  S.S.Kaptan, “New Concepts in Banking”, Sarup and Sons, Edition, 2002

16)  S.P. Deshpande, Dr. V.M. Thakare, "Data Mining System And Applications: A Review".

17)  Basel Committee on Banking Supervision, “ Risk Management Principle for Electronic Banking “, Bank for international settlement, July 2003.

18)  Spathis, Charalambos, Manolopoulos, Yannis, " Data Mining techniques for the detection of fraudulent financial statements", Expert Systems with Applications, Volume 32, Issue 4, May 2007, Pages 995–1003

19)  Kahya, Esra, Uyar ,Kumru, Ozyirmidokuz, Musta Hakan Ozyirmidokuz, " A Data Mining Based Approach to a Firm's Marketing Channel", Economics and Finance, Volume 27, 2015, Pages 77–84

20)  Berry ,Michael J.A, Linoff, Gordon S, "Data Mining Techniques For Marketing, Sales, and Customer Relationship Management "(Second Edition), 1997

21)  Singh,, Amrita Kaur, Amritpal , Kaur, Jasmeet , Ramandeep Singh,Shipra Raheja, "Pattern Analysis On Banking Dataset", JOURNAL OF SCIENTIFIC & TECHNOLOGY RESEARCH VOLUME 4, ISSUE 06, JUNE 2015

 

          

یادداشت‌ها