نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران
2 عضو هیئت علمی دانشگاه علامه طباطبایی دانشکده مدیریت و حسابداری
3 دانشجوی دکتری، مدیریت صنعتی، دانشکده مدیریت و حسابداری،دانشگاه علامه طباطبائی، تهران
4 دانشیار گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران.
چکیده
شناخت الگوهای رفتاری مشتریان، خوشه‌بندی و ارائه خدمت به آن‌ها یکی از مهم‌ترین مسائل بانک‌ها محسوب می‌شود. در این تحقیق پنج ویژگی هریک از مشتریان شامل آخرین زمان مراجعه، تعداد تراکنش، مبلغ سپرده‌گذاری، مبلغ وام و مانده معوقات وام‌ها در طول یک سال فعالیت از پایگاه داده بانک استخراج شد و به کمک الگوریتم کا‌میانگین، مشتریان خوشه‌بندی شدند. سپس یک مدل چندهدفه تخصیص خدمات بانک به هرکدام از خوشه‌‌ها طراحی گردید. اهداف مدل طراحی شده افزایش میزان رضایت مشتریان، کاهش هزینه‌ها و کاهش ریسک تخصیص خدمات است. با توجه به آنکه مسئله دارای یک راه‌حل بهینه نبوده و هر یک از ویژگی‌های مشتری دارای یک تابع توزیع احتمالی‌اند، برای حل از شبیه‌سازی استفاده شد. جهت تعیین جواب نزدیک به بهینه از الگوریتم تبرید در ساخت جواب‌های همسایه استفاده شد و مدل شبیه‌سازی اجرا گردید. نتایج به‌دست‌آمده بهبود قابل‌توجهی نسبت به وضعیت فعلی را نشان داد. در این تحقیق از نرم‌افزارهای وکا و آر-استودیو برای داده‌کاوی و آرنا برای شبیه‌سازی و بهینه‌سازی استفاده شد.
کلیدواژه‌ها
عنوان مقاله [English]
A Multi-objective Model of Services Assignment to Bank Customers by Data Mining and Optimization via Simulation
نویسندگان [English]
- Mohamammad Ali KhatamiFirouzabadi 1
- MohammadTaghi TaghaviFard 2
- Khalil Sajjadi 3
- Jahanyar Bamdad Soufi 4
1 Associate Professor, Department of Management and Accounting, Allameh Tabataba’i University, Tehran
2 Associate Professor, Department of Management and Accounting, Allameh Tabataba’i University, Tehran
3 PhD student in Operational Research, Department of Management and Accounting, Allameh Tabataba’i University, Tehran
4 Associate Professor, Department of Management and Accounting, Allameh Tabataba’i University, Tehran
چکیده [English]
Knowing customer behavior patterns, clustering and providing proper services to the customers is one of the most important issues for the banks.In this research, 5 criteria of each customer, including Recency, Frequency, Monetary, Loan and Deferred, were extracted from a bank database during a fiscal year, and then customers were clustered using K-Means algorithm. Then, a multi-objective model of bank service allocation was designed for each of the clusters. The purpose of the designed model was to increase customer satisfaction, reduce costs, and reduce the risk of allocating services. Given the fact that the problem does not have an optimal solution, and each client feature has a probability distribution function, simulation was used to solve the models. To determine the optimal solution, Simulated Annealing algorithm was used to create neighboring solutions and consequently a simulation model was implemented. The results showed a significant improvement in the current situation. In this research, we used Weka and R-Studio software for data mining and Arena for simulation and optimization
کلیدواژه‌ها [English]
- Clustering
- Multi-Objective Assignment Model
- Optimization
- Simulation
)