ارائه‌ی یک مدل دو مرحله‌ی مبتنی بر داده کاوی جهت ارزیابی عملکرد مشتریان مشترک بانک و بیمه

اکتشاف دانش از پایگاه داده و داده کاوی یکی از مهم ترین ابزارهای مدیریت ارتباط با مشتری است که می تواند به سازمان با تاکید بر یافتن اطلاعات مفید یا دانش مورد علاقه آن کمک کند. امروزه بانک ها و بیمه ها از پایگاه های اطلاعاتی متعدد و گسترده ای برخوردار هستند که حاوی اطلاعات مربوط به مبادلات و جزئیات دیگر مربوط به مشتریانشان هستند. اطلاعات ارزشمند تجاری از درون همین ذخایر داده ای قابل بازیابی است. اما پشتیبانی از این دست تحلیل ها و تصمیم گیری با استفاده از زبان های گزارش گیری سنتی امکان پذیر نخواهد بود. بنابراین با توجه به اهمیت اطلاعات مشتریان مشترک بانک و بیمه باید آنها را هرچه دقیق تر تحلیل نمود. در این تحقیق با گردآوری و تجزیه و تحلیل اطلاعات مشتریان مشترک بانک و بیمه یک متدولوژی مبتنی بر داده کاوی جهت ارزیابی مشتریان بر اساس شاخص های عملکردی آنها در حوزه بانکی و بیمه ای ارائه می شود. همچنین با تحلیل رفتار مشتریان با استفاده از یه رویکرد دو مرحله ای مبتنی بر یادگیری بدون نظارت و یادگیری با نظارت اقدام به پیش بینی رفتار مشتریان جدیدالورود خواهیم نمود.

presentation of a two stages model based on data mining for evaluation of common customers of bank and insurance companies

exploration of knowledge from database and data mining is one of the most important tools for customer relationship management which can help the organization to find useful information or their interesting knowledge. today, banks and insurance companies have numerous and extensive databases that contain information about exchanges and other details related to their customers. valuable business information can be retrieved from these data warehouses. however, support for such analyzes and decision-making will not be possible using traditional reporting languages. therefore, considering the importance of the common customer’s information of the bank and insurance, they should be analyzed as carefully as possible. in this research, by collecting and analyzing the information of joint customers of the bank and insurance, a methodology based on the data mining is presented to evaluate customers according to their functional indicators in the field of banking and insurance. we will also predict the behavior of new customers by analyzing historical customer behavior using a two-step approach based on unsupervised learning and supervised learning.