کارگاه تحلیل داده در صنعت بانکداری

IBIG-TR-122

Data Analytics in Banking Industry
اجرای پروژه تحلیل داده و داده کاوی در صنعت بانکداری

در شرایط کنونی بانک ها و موسسات مالی و اعتباری به این نتیجه رسیده اند که می بایست تلاش بیشتری در جهت رشد در این بازار رقابتی و راضی نگهداشتن مشتریان صرف نمایند چرا که آنها هر روزه در معرض پیشنهادهایی برابر و یا حتی بهتر از خدمات آن ها از سوی رقبا می باشند و از این رو بسیار باهوش تر ، پرتوقع تر ، و حساس تر از گذشته شده اند. در بازار داغ بانکداری که افراد با انتخاب ها و پیشنهادهای خدماتی متنوعی روبرو هستند ، تصاحب مشتریان جدید فرآیندی دشوار و هزینه بر است شناخت گروه های مختلف مشتریان و ایجاد ارتباط مؤثر با آن ها به طوری که به توان منافع بانک را در دراز مدت تضمین نمود بسیار مهم است.

یکی از راه های جذب و نگهداری مشتریان ارزشمند با شناسایی دقیق ویژگی های آن ها از طریق تکنیک های تحلیل داده و داده کاوی امکان پذیر می باشد که به بخش بندی آن ها به گروه های متناجس (خوشه) و بررسی ویژگی های هر یک می‌پردازد.

از سوی دیگر به علت تعداد زیاد مشتریان و حجم انبوه اطلاعات مربوط به آن ها بررسی تک تک آن ها و ارائه راهکار به هریک از آن ها نیز امکان پذیر نیست. از این رو بخش بندی مشتریان بر اساس شباهت رفتاری آن ها، رویکرد مناسب داده کاوی برای حل این مسئله می باشد.

بیش از این، اطلاعاتی از قبيل اطلاعات جمعيت شناختی(دموگرافی)، ويژگي هاي شخصي مشتريان، اطلاعات عملکردی درگاه های خدمات نوین بانکی و همچنین اطلاعات رفتارهای تراکنشی مشتریان، در سیستم انبارداده بانکداری متمرکز بانک ها موجود است و هر روزه به مقدار آن ها افزوده می شود و می بایست از این کلان داده های (Big Data) ارزشمند در دسترس بیشترین سوددهی را به ارمغان آورد. پردازش و مدل سازی بر روی حجم زیادی از داده های بانکداری با استفاده از روش های داده کاوی میسر می باشد.

هم اکنون در بسیاری از جنبه های مدیریت ارتباط با مشتری در بانک ها، تحلیلگران با استفاده از تکنیک های داده کاوی سعی بر آن دارند که الگوی رفتاری یا نحوه عملکرد مشتریان / درگاه های خدماتی (مانند POS, ATM, KIOSK و ...) را شناسایی و بر اساس این الگو به پیش بینی رفتار و بهینه سازی آن ها بپردازند.

در این کارگاه آموزشی نیز از دو منظر به پروژه تحلیل داده های بانکی نگاه می شود: دید فنی که بر مبنای الگوریتم های یادگیری ماشین می باشد و دید مبتنی بر کسب و کار که به تحلیل وضعیت فعلی و بهینه بانک می پردازد. در این کارگاه یک نقشه راه عملی برای تحلیل داده های بانکی در شقوق مختلف عملکردی تبیین خواهد شد تا متخصصان این حوزه با سناریوهایی که با استفاده از تکنیک های تحلیل داده می‌توانند بر روی داده های انبار شده خود پیاده سازی نمایند آشنا شوند.

•  آشنایی با سناریوهای ارزیابی ارزش و طبقه بندی مشتریان بانک ها
•  آشنایی با تحلیل برگه های افتتاح حساب مشتریان
•  ایجاد نگرش نوین در بکارگیری بازاریابی مستقیم از طریق تحلیل داده، جهت افزایش سوددهی موسسات مالی
•  آشنایی و یادگیری مقدماتی نرم افزار علوم داده RapidMiner
•  ایجاد آمادگی برای اجرای پروژه های میدانی و پژوهشی در حوزه تحلیل داده های بانکداری

حضوری

4 ساعت

پنجشنبه 26 بهمن از ساعت 9 تا 13

 مدیران راهبردی و اجرایی در کسب و کارهای مبتنی بر داده- متخصصان و دانشجویان، صنایع، حسابداری، بازرگانی، مالی و مدیریت- کارشناسان و مدیران بخش CRM، خدمات نوین و سازمان روش های بانک ها و موسسات اعتباری- علاقه مندان و پژوهشگران حوزه‌ علوم  داده

محمدرضا بابائی – کارشناس ارشد مدیریت فناوری اطلاعات- کارشناس داده کاوی و امور بانکی

آشنایی شرکت کنندگان با مفاهیم پایه داده کاوی و آشنایی اولیه با فرایندهای رایج بانکی

•  آشنایی با محیط نرم افزار
• کار با مجموعه داده های مختلف سیستم بانکی
•  پیش پردازش و آماده سازی داده های استخراج شده از سیستم Core banking
•  بکارگیری تکنیک های خوشه بندی (Clustering) در تعیین ارزش و طبقه بندی مشتریان
•  بکارگیری تکنیک های رده بندی (Classification) در حوزه گروه بندی مشتریان جدیدالورود
•  کشف قواعد وابستگی (Association Rule Mining) جهت تحلیل داده های برگه افتتاح حساب مشتریان بانک
• ارائه تحلیل های مبتنی بر کسب و کار بانکداری از نتایج مدل سازی های فنی
•  و ....