بسیاری از شرکت ها و موسسات دارای حجم انبوهی از اطلاعات هستند. با گسترش سیستمهای پایگاهی و حجم بالای داده ها ذخیره شده در این سیستم ها، به ابزاری نیازاست تا بتوان این داده ها راپردازش کرد و اطلاعات حاصل از آن را در اختیار کاربران قرار داد.معمولا کاربران پس از طرح فرضیه ای بر اساس گزارشات مشاهده شده به اثبات یا رد آن می پردازند، در حالی که امروزه به روشهایی نیازداریم که به اصطلاح به کشف دانش بپردازند یعنی روشهائی که با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند.
یکی از روشهای بسیار مهمی که با آن می توان الگوهای مفیدی را در میان داده ها تشخیص داد، داده کاوی است، این روش که با حداقل دخالت کاربران همراه است اطلاعاتی را در اختیار آنها وتحلیل گران قرار میدهد تا براساس آنها تصمیمات مهم و حیاتی در سازمانشان اتخاذ نمایند.باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها، در حد مگا یا ترابایت، مواجه باشیم. در تمامی منابع داده کاوی بر این مطلب تاکید شده است. هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکل تر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش، آشکارتر می گردد.
یکی از مباحث مهم در بانکداری الکترونیکی بحث مدیریت ارتباط با مشتری می باشد. به عبارتی کامل تر مدیریت ارتباط با مشتری یک روش، یک نظام و از همه مهم تر یک راهبرد در کسب و کار است که هدف آن طبقه بندی مشتریان و مدیریت آن ها به منظور بهینه سازی ارزش مشتری در دراز مدت، و بهرگیری سازمان از آن است.مدیریت ارتباط با مشتری، در واقع در فرایند های پیدا کردن مشتری، نزدیک شدن به آن، مدیریت و ایجاد رضایت در مشتریان و نگهداری آن ها است. ادلیستن این فرایند را تحت عنوان چرخه حیات مشتری این گونه بیان می کند: «بدست آوردن مشتری، افزایش ارزش مشتریان و نگهداری مشتریان خوب». برای هر مشتری، سازمان باید قادر باشد به سوالاتی نظیر زیر پاسخگو باشد؟
مقدمه 2
تعریف مسائله و بیان سوال های اصلی تحقیق 2
سابقه و ضرورت انجام تحقیق 3
هدف 3
کاربرد 4
مقدمه 6
تاریخچه¬ی داده کاوی 6
تعریف داده کاوی 8
روش های داده کاوی 9
2.1.1. خوشه بندی 9
2.1.1.1. روش تقسیم بندی 9
2.1.1.2. روش سلسه مراتبی 9
2.1.1.3. روش مبتنی بر چگالی 10
2.1.2. کشف قواعد وابستگی 10
2.1.3. طبقه بندی 10
مراحل داده کاوی 11
اندازه گیری نتایج 13
آمار و داده کاوی 14
بانکداری الکترونیک 16
تاریخچه بانکداری الکترونیک در ایران 16
2.2. سیستم های بانکداری الکترونیکی 17
2.3. شاخه های بانکداری الکترونیک برحسب نیازهای بازار بانکداری الکترونیک 17
2.4. مزایای بانکداری الکترونیک 18
2.5. پول الکترونیکی 18
2.6. انواع پول الکترونیکی 19
2.6.1. پول الکترونیکی شناسایی شده 19
2.6.2. پول الکترونیکی غیرقابل شناسایی (بی نام و نشان) 19
2.7. نتیجه گیری 19
مقدمه 22
مدیریت ارتباط با مشتری CRM 22
ارتباط 23
هرم ارزش مسشتری 23
خوشه بندی مشتریان بانک ملت با استفاده از داده کاوی 26
استخراج داده های مربوط به شاخص ها 27
بررسی وضعیت داده و آماده سازی آن 27
برسی عدم همبستگی فیلدها با استفاده از آنالیز واریانس 28
تقسیم بندی مشتریان در گروه به صورت غیر فازی 28
3.1.1. تقسیم بندی مشتریان به 5 گروه به صورت فازی 29
3.1.2. تحلیل خوشه ها 31
3.2. استخراج قواعد 33
3.3. ایجاد نرم افزار های داده کاوی برای مدیریت روابط مشتری 34
تقسیم بندی مشتری 34
3.3.1. پیش بینی رویگردانی 36
3.4. پیشنهادات 39
3.5. نتیجه گیری 40
4.1. مقدمه 43
4.2. تقلب 44
4.3. شناسایی تقلب 48
4.4. انواع تقلب در بستر بانکداری الکترونیک 48
تشخیص سو استفاده 48
4.4.1. تشخیص ناهنجاری 50
4.5. تکنیک تشخیص تقلب 53
4.5.1. سیستم خبره 53
4.5.2. برون هشته ای 53
4.5.3. شبکه عصبی 54
4.5.4. استدلال بر پایه مدل 57
4.5.5. رویکرد میتنی بر قواعد 57
4.5.6. تجزیه و تحلیل حالت گذار 58
4.5.7. تکنیک ها 58
4.5.8. داده کاوی 59
وظایف داده کاوی 59
4.5.9. طبقه بندی 60
4.5.10. خوشه بندی 60
4.5.11. پیش بینی 61
4.5.12. کشف نقاط پرت 61
4.5.13. رگرسیون 61
4.5.14. تصویرسازی 62
روشهای داده کاوی در مورد استفاده در تحقیقات کشف تقلبهای مالی 62
4.5.15. مدل رگرسیون 64
4.5.16. شبکه های عصبی مصنوعی 65
4.5.17. شبکه استنباط بیزین 65
4.5.18. درختان تصمیم 66
یک چارچوب کلی برای الگورتیم های داده کاوی 67
راه آینده چالشهای پیش رو 68
4.6. نتیجه گیری 69
منابع و مراجع 72
واژه نامه فارسی به انگلیسی 76
واژه نامه انگلیسی به فارسی 81
شکل 1-2. مراحل داده کاوی 13
شکل1-3. مدیریت فرایند کسب و کار 26
شکل 2-3.هرم ارزش مشتری براساس 5 خوشه بدست آمده 33
شکل 3-3. تلفیق رفتار داده های دموگرافیک 36
شکل 4-3. دلایل برای رویگردانی داوطلبانه 37
شکل 1-4.چرخه حیات مالی 47
نمودار 1-4.چگونگی دسته بندی داده ها براساس رفتارعادی 51
نمودار 2-4.ناهنجاری متنی 52
نمودار 3-4.ناهنجاری انبوه 52
شکل 2-4.روشهای داده کاوی استفاده شده برای کشف انواع تقلبهای مالی (Ngai et,al.2010) 63
شکل 5-4. چارچوب کلی کشف تقلبهای مالی با استفاده از کارایی (Yue et,al.2007) 67
جدول1-3. مراکز 5 خوشه به روش غیر فازی 28
جدول2-3. نمونه ای از خروجی نرم افزار Spss 29
جدول 3-3.نمونه ای از خروجی نرم افزار DataEngin 29
جدول 4-3. تراکم خوشه ها با استفاده از روش غیر فازی و فازی 29
جدول 5-3.مقادیر بدست آمده برای µ با تعداد خوشه های مختلف 30
جدول 6-3. مقادیر محاسبه شده برای ارزیابی خوشه ها با استفاده از معادلات ذکر شده 32
جدول1-4. طبقه بندی تقلبهای مالی (Ngai et,al.2010) 45
جدول 2- 4. جدول زیان های حاصل از تقلب های مالی از طریق کارت های اعتباری بانکی در انگلستان (2004 تا 2007)-منبع APAGS سال 2006 (آمار به میلیون پوند) 46
جدول 3-4.جمع زیان های حاصل از تقلب های مالی از طریق سیستم های بانکداری الکترونیکی در انگلستان (2004 تا 2007)- منبع APAGS سال 2006 (آمار به میلیون پوند) 47
جدول 4-4.اهداف اصلی تحقیقتهای انجام شده در مورد کشف تقلبهای شزکتی از سال 1997 تا 2008 (Ngai et.al ,2010) 64