جهان اطلاعاتی امروز شامل جمع آوری حجم عظیمی از داده ها در گستره وسیعی از حوزه ها، ذخیره سازی داده ها در پایگاه داده ها و بازیافت داده ها از روش های سریع و اثربخش می باشد. در این عصر تجزیه و تحلیل داده ها جهت گرفتن تصمیمات دانش محور و همچنین تسریع علم مدیریت ارتباط با مشتری ضروری است. یکی از مکان هایی که حجم عظیمی از داده های مربوط به مشتریان به سرعت ذخیره می گردند بانک ها و موسسات مالی و دستگاههای خود پرداز می باشد که روزانه بالغ بر میلیون ها تراکنش در آن صورت می گیرد و داده های این تراکنش ها در پایگاه داده های بانک ذخیره می گردد. تحقیق حاضر با هدف بهبود مدیریت ارتباط با مشتری در بانک و تسهیل نمودن این فرایند با استفاده از تکنیک های داده کاوی انجام شده است. به این منظور تعداد 6261 تراکنش که مربوط به 3502 نفر در بازه زمانی بهمن ماه سال 1388 بود با چهار ویژگی جمعیت شناختی (سن، جنسیت، تحصیلات، شغل) مورد بررسی قرار گرفت. ابتدا عملیات پیش پردازش داده ها صورت گرفت و سپس با استفاده از نرم افزار clementine 11.1 سه تکنیک مصور سازی، پیش بینی و خوشه بندی انجام گرفت و نتایج مورد نظر حاصل شد. تکنیک مصور سازی بطور کامل داده ها و ویژگی های جمعیت شناختی منحصر به آنان را بصورت گرافیکی نشان می دهد. با توجه به نتایج خوشه بندی با استفاده از الگوریتم two step داده های مورد نظر به سه خوشه تبدیل شدند که خوشه 1با 2246 تراکنش خوشه ای است که مشتریان هدف در آن قرار دارند و خصوصیات این خوشه عبارتند از؛ رده سنی بین 25 تا 40 سال، سطح تحصیلات این مشتریان اغلب لیسانس و اکثراً دارای شغل آزاد می باشند. همچنین با توجه به نتایج پیش بینی با استفاده از درخت تصمیم گیری و الگوریتم c&r tree، می توان اظهار داشت که چه مشتریانی با ویژگی های جمعیت شناختی منحصر به به خودشان با چه احتمالی به خدمت جدید بانک پاسخ مثبت و یا منفی می دهند و همچنین میزان تراکنش های مالی مشتریان با چه احتمالی خوب، متوسط و یا بد خواهد بود.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.