توسعه سیستم خبره فازی به منظور ارزیابی عملکرد شعب بانک با استفاده از داده کاوی

سیستم‌های خبره فازی از سیستم‌های هوشمندی هستند که بکارگیری آن‌ها می‌تواند منجر به حصول نتایج بهتری در ارزیابی عملکرد سیستم بانکی شود. هدف از پژوهش حاضر آن است تا با استفاده از متغیرهای فازی در کنار متغیرهای مالی به ارزیابی عملکرد شعب بانک‌ها پرداخت شود. در این پژوهش ابتدا با استفاده از پیاده سازی الگوریتم‌های داده کاوی بر روی داده‌های مالی شعب، به استخراج قوانین موجود در داده‌ها پرداخته شد و در گام بعدی با استفاده از قوانین موجود در داده‌های مالی و در کنار متغیرهای فازی به طراحی سیستم‌خبره فازی به منظور دستیابی به سیستمی که بتواند به طور جامع عملکرد شعب بانک را مورد بررسی قرار دهد پرداخته شده است. در طراحی سیستم‌خبره از نه متغیر فازی با عنوان مکان شعبه، وفاداری مشتریان، رضایت کارکنان، رضایت مشتری، خلاقیت و نوع آوری، ظاهر شعبه، ظاهر کاکنان، ثبات کارکنان و همچنین خروجی حاصل از نرخ‌های مالی استفاده گردیده است. به منظور استخراج قوانین موجود در داده‌های شعب از الگوریتم‌های درخت تصمیم و 0.5 c استفاده گردیده است و برای طراحی سیستم‌خبره فازی از سیستم استنتاج فازی متلب بهره گرفته شده است. نتایج حاصل از پژوهش نشان داد که با استفاده ازداده‌کاوی و سیستم‌های خبره فازی می‌توان دانش نهفته در داده‌های شعب را استخراج کرد و به صورت یک سیستم‌خبره جامع عملکرد شعب بانک را مورد ارزیابی قرار داد.

Fuzzy expert system to evaluation of bank branch performance using datamining

Fuzzy expert systems are intelligent systems which can be used to obtain better results in evaluating the performance of the banking system. The purpose of this study is to evaluate the performance of bank branches using fuzzy variables beside financial variables. In this study, firstly, the rules of the data were extracted by implementing data mining algorithms on the financial data of branches. In the next step, by obtained rules of financial data and along with fuzzy variables, a fuzzy expert system is designed in order to achieve a system that can comprehensively evaluate the bank branches performance. For designing the considered expert system, nine fuzzy variables such as branch location, customer loyalty, employee satisfaction, customer satisfaction, creativity and innovation, branch appearance, staff appearance, employee stability and also the output of financial rates have been used. Decision tree and C.5 algorithms have been used in order to extract the rules in the branch data. MATLAB fuzzy inference system has been used to design the fuzzy expert system also. The results of the research illustrated the hidden knowledge of the branch data can be extracted via data mining and the performance of bank branches can be evaluated as a comprehensive information system by fuzzy expert systems.