کشف دانش حاکم بر ویژگیهای جمعیتشناختی مشتریان در انتخاب بانکها با استفاده از قوانین انجمنی در داده کاوی
محورهای موضوعی : مدیریت بازرگانی- بازرگانی
ناصر قبولی
1
(
دانشجوی دکتری گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
)
علیرضا بافنده زنده
2
(
دانشیار گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران(نویسنده مسئول)
)
صمد عالی
3
(
استادیار گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
)
کلید واژه: دادهکاوی, ویژگیهای جمعیتشناختی, قوانین انجمنی, رفتار مصرف کننده,
چکیده مقاله :
هدف از پژوهش حاضر کشف دانش حاکم بر ویژگی های جمعیت شناختی مشتریان در انتخاب بانکها با استفاده از قوانین انجمنی در داده کاوی است تصمیم گیری مؤثر و یادگیری در دنیای در حال رشد و با پیچیدگی های چشمگیر علاوه بر وجود مدیران و رهبرانی متفکر، نیاز به ابزارهایی جهت درک ساختارهای سیستم های پیچیده و تلخیص انبوه داده ها و تولید دانش برای تصمیم گیری دارند. اکثر کسبوکارها، مشتریان کلیدی خود را از طریق ویژگی جمعیت شناختی متنوع شناسایی می کنند. کسبوکارها همچنین مصرف کنندگان خود را به وسیلۀ ویژگی های مشابه در تبلیغات و ترفیعات برنامه های بازاریابی خود هدف قرار میدهند. هدف گیری مصرف کنندگان با ویژگی های جمعیت شناختی مشابه به حداکثرسازی فروش و سودآوری کسبوکار کمک می نماید. بانکها نیز به عنوان بخش مهمی از اقتصاد یک کشور از این قاعده مستثنی نیستند. دادهکاوی این مسأله را با فراهم کردن روشها و نرمافزارهایی برای خودکارسازی تحلیلها و اکتشاف از مجموعۀ دادههای بزرگ و پیچیده حل میکند. این پژوهش بر اساس استاندارد CRISP-DM انجام گرفته و داده ها با پرسشنامه جمع آوری شده و نتایج آن بهصورت بانک اطلاعاتی به یک نود منبع تبدیل و سپس با استفاده از نرمافزار spss modeler قوانین انجمنی مربوط به رفتار مشتریان آن بانک استخراج شده است. قوانین استخراج نشاندهندۀ تغییر ها، چه تأثیری در سایر عوامل و در نهایت در دستیابی به اهداف دارند.
The purpose of the present study is to explore the dominant knowledge of the demographic characteristics of customers in choosing banks through using associative rules in data mining. Effective decision-making and learning in a growing and complex world with with the help of thinkers and executives is a necessary which also need employing some mechanisms to understand the structures of complex systems and mass data acquisition as well as knowledge generation to make decisions. Most businesses identify their key customers through a variety of demographic characteristics. Businesses also target their consumers by promoting similar marketing features. Targeting consumers with similar demographic characteristics is useful for maximizing sales and profitability of the business. Banks are no exception to this rule because they are essential elements of the economy of a country. Data mining solves this problem through providing methods and software for automating analytics and discovering large and complex data sets. This research was conducted according to CRISP-DM standard and data were collected by questionnaire. Then, the results were converted into a database of ninety sources and after that they were extracted by using SPSS modeler software association rules for each bank. Extraction rules show how changing variables have an effect on other factors and ultimately on achieving goals.
_||_