بکارگیری الگوریتم های داده کاوی جهت دسته بندی مشتریان اعتباری بانک در وضعیت برچسب گذاری با استفاده از تکنیک هایahpو topsisبراساس شاخص های تعیین کننده ی کلاس مشتری

پایه ریزی و ایجاد یک سیستم برای کنترل ریسک مشتریان، جزئی ضروری از مدیریت علمی یک بانک به شمار می رود. نظر به اهمیت ریسک اعتباری در سیستم بانکی، مدل های امتیازدهی اعتباری به عنوان ابزارهایی جهت کنترل این ریسک، توسعه یافته اند. در این پژوهش از ابزارهای داده کاوی و روش های تصمیم گیری چند معیاره ahp و topsis برای رتبه بندی اعتباری مشتریان یک بانک استفاده شده است. هدف آنست که در نهایت مدل تصمیم گیری ارائه شده به شناسایی مشتریان قبل از اعطای وام کمک نماید. روش کار بدین شکل می باشد که طبق یک فرآیند استاندارد داده کاوی (crisp-dm)، داده های مشتریان سابق بانک جمع آوری، متغیرهای تأثیرگذار در رفتار اعتباری مشتریان شناسایی و فرآیند پالایش بر روی داده ها صورت گرفته است. سپس بر اساس چند شاخص (از قبیل روزهای تأخیر، تعداد تأخیر و مبلغ تأخیر در بازپرداخت اقساط وام)، طبق نظر کارشناسان بانک مورد مطالعه و با استفاده از روش های تصمیم گیری چند معیاره ahp و topsis، طبقات اعتباری مشتریان (خوب، متوسط و بد) تعیین گردند. به عبارتی برای هر مشتری یک برچسب اختصاص می یابد. پس از پیش پردازش داده ها و تغییرات در رکوردها (مشتریان) و فیلدها (خصیصه های مشتریان)، با استفاده از روش cart، داده های نهایی مدل سازی گردیدند و الگوهای پنهان در داده ها به شکل درخت قوانین استخراج شدند. همچنین داده های نهایی با چندین الگوریتم داده کاوی نظیر درخت های تصمیم سنتی، شبکه های عصبی، رگرسیون لجستیک، شبکه های بیزین، ماشین بردار پشتیبان و ... نیز مدل سازی شدند. نتیجه حاصله نشان داد که الگوریتم cart نتایج بهتری را به لحاظ دقت تفکیک مشتریان نسبت به سایرین دارد.