Abstract:
هدف از پژوهش حاضر کشف دانش حاکم بر ویژگیهای جمعیتشناختی مشتریان در انتخاب بانکها با استفاده از قوانین انجمنی در دادهکاوی است تصمیمگیری مؤثر و یادگیری در دنیای در حال رشد و با پیچیدگیهای چشمگیر علاوه بر وجود مدیران و رهبرانی متفکر، نیاز به ابزارهایی جهت درک ساختارهای سیستمهای پیچیده و تلخیص انبوه دادهها و تولید دانش برای تصمیمگیری دارند. اکثر کسبوکارها، مشتریان کلیدی خود را از طریق ویژگی جمعیتشناختی متنوع شناسایی میکنند. کسبوکارها همچنین مصرفکنندگان خود را بهوسیلۀ ویژگیهای مشابه در تبلیغات و ترفیعات برنامههای بازاریابی خود هدف قرار میدهند. هدفگیری مصرفکنندگان با ویژگیهای جمعیتشناختی مشابه به حداکثرسازی فروش و سودآوری کسبوکار کمک مینماید. بانکها نیز بهعنوان بخش مهمی از اقتصاد یک کشور از این قاعده مستثنی نیستند. دادهکاوی این مسأله را با فراهمکردن 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 دادهها با پرسشنامه جمعآوری 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 تغییرها، 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.