مقدمه:
در سالهای اخیر دانش داده کاوی[1] همواره یکی از 10 دانش در حال توسعه است که به زعم
دانشمندان در سالهای اخیر گسترش فوق العاده سریعی داشته و دهه آینده را با انقلاب
تکنولوژیک مواجه خواهد ساخت. دانش داده کاوی فرایند کشف دانش پنهان دورن داده
هاست. همان داده هایی که سازمانها و بطور ويژه بانکها هزینه های هنگفتی را برای
جمع آوری و نگهداری آن متحمل می شوند ولی بهره برداری بهینه ای از آن بعمل نمی آید.
فناوریهای داده کاوی سازمانها را قادر می سازد تا از سرمایه داده هایشان بهره
برداری نموده و از این ابزار برای پشتیبانی فرایند تصمیم گیری استفاده کنند. این
امر می تواند سازمانها و بويژه بانکها را قادر سازد تا در فضای رقابتی بازارهای
داخلی و جهانی، مزیت رقابتی ایجاد نموده و رضایتمندی مشتریان را به دنبال داشته
باشند.
اهمیت و ضرورت داده کاوی در بانک
بانک ها از جمله سازمانهائی هستند که سودآوری و موفقیت اشان به شدت
به شناخت و رضایتمندی مشتریان با هدف داشتن مشتریان وفادار وابسته است. برخی از
اندیشمندان معتقدند، سازمانها باید فرد به فرد مشتریان خود را بخوبی بشناسند و یاد
بگیرند که کدام یک از مشتریان ارزش سرمایه گذاری و صرف تلاش مداوم را دارند و دور
کدامیک را باید خط کشید. بانکها همواره به حفظ تعادل میان سود پرداختی به سپرده
گذاران و سود حاصله از اعطای وام و تسهیلات توجه می کنند. عدم توجه مطلوب به این
تعادل، معادله سود را بر هم می زند. در وضعیت نرمال و در کسب و کارهای کوچک مانند
سوپرمارکت ها، شناخت صحیح که منجر به حفظ مشتریان راضی و وفادار می شود، در طی
ماهها و سالها و با شناخت نیازمندیهای آنان رخ می دهد. در چنین کسب و کارهائی دامنه
مشتریان آنقدر محدود است که فروشندگان قادر به ایجاد این شناخت بصورت ذهنی هستند.
اما بانکها با میلیونها مشتری روبرو هستند و از مزیت این شناخت و برقراری روابط
فردی حقیقی با تک تک مشتریان خود بی بهرهاند. ضمن اینکه به واسطه نوع کارکرد
بانکها، جابجائی کارکنان شعب در سطح بالایی صورت می گیرد و این شناخت الزاماً به
نسل بعدی کارکنان منتقل نمی شود. بنابراین با توجه به اینکه روابط با مشتری هر بار
با کارمند متفاوتی بر قرار می شود، چگونه بانک میتواند به این تعاملات توجه کند،
آنها را به یاد آورد و از آنها درس بگیرد؟ چه چیزی می تواند جایگزین حس خلاق یک
تحویلدار که مشتریانش را با اسم و از روی چهره و صدا می شناسد و عادات و ترجیهات
آنها را به یاد می آورد شود؟
پاسخ این است که گرچه هیچ چیز نمیتواند بصورت کامل جایگزین شود ولی
با بکارگیری هوشمندانه فناوری اطلاعات این امر میسر خواهد بود. دانش و فرایند
کارآمدی که بتوانند رابطهای یادگیرنده میان بانک و مشتریان برقرار نمایند از
اهمیت ويژه برخوردار است، این دانش داده کاوی است. داده کاوی در بانک با بررسی و
تجزیه و تحلیل مقادیر عظیمی از داده ها، به کشف الگوها و قوانین پنهان و معنی دار
درون دادهها میپردازد و بر این اساس الگوی رفتاری مشتری شناسائی میشود. دستهبندی
رفتاری متقاضیان وام و اعتبار به عناوینی نظر کم خطر، متوسط و پر خطر بخشی از داده
کاوی است.
کاربردهای دادهکاوی در بانکها و گامهای اجرائی
معمول ترین کاربردهای داده کاوی در بانکها را می توان به شرح زیر
برشمرد.
-
دستهبندی و شناسائی مشتریان، با هدف برآورد میزان مجاز اعتماد بانک
در ارایه ابزارهای بانکی.
-
دستهبندی و شناسائی رفتار مشتریان برای اعطای تسهیلات و اعتبار با
هدف کاهش ریسک افزایش مطالبات معوق.
-
دستهبندی و شناسائی بیشترین نیاز و علاقهمندی مشتریان بانک در دریافت
خدمات بانکی.
-
شناسائی و خوشهبندی عوامل رضایت مشتریان مبتنی بر نتایج رضایت سنجی
مشتریان بانک.
-
شناسائی و خوشهبندی پیشران های رضایتمندی مشتری در مشتریان وفادار
و تعمیم به کل.
-
بهرهبرداری در تشخیص و کشف تقلب حتی قبل از بروز تقلب.
-
کاربرد دادهکاوی در فرایندها پشتیبانی خدمات از دیگر کاربردهای آن
است.
-
...
برای اینکه دانش دادهکاوی موثر واقع شود، بانک باید اقدامات زیر را
برای ایجاد رابطه یادگیرنده با مشتریان انجام دهد.
1- به رفتار و آنچه مشتریان انجام می دهند
توجه نماید.
2- عملکرد خود و مشتریان را در طی زمانهای
مختلف به یاد داشته باشد.
3- از آنچه به یاد می آورند درس بگیرد.
4- رفتارهای خود با مشتریان را بر اساس
آنچه آموخته تنظیم نماند.
بدیهی است یادگیری در خلأ اتفاق نمیافتد لذا سه ضرورت مهم، یعنی
سیستمهای پردازش تعاملات برای پی بردن به تعلاملات مشتریان، انباره دادهها[2]
برای ذخیر سازی داده های رفتارهای گذشته مشتریان و یک استراتژی برای رابطه با
مشتری باید وجود داشته باشد تا آن برنامه ها را به مرحله عمل درآورد.
بانکها بصورت قابل توجهی در دو بخش اول موّفق عمل مینمایند. یعنی، مشخصات
و سوابق ارتباط با مشتریان را بصورت دقیق ثبت میکنند و انباره داده ها بصورت غنی
در بانک وجود دارد ولی مرحله سوم که تحلیل رفتار و تدوین استراتژی برای رابطه با
مشتریان میباشد ضعیف است. در این بخش داده کاوی نقش کلیدی بازی میکند.
کارآئی دادهکاوی زمانی نمود مییابد که این دانش در زمینهای بکار
گرفته شود و نتایج حاصل از آن در بانک امکان پیاده سازی داشته باشد بگونه ای که به
بانک اجازه تغییر رفتار بر اساس نتیجه حاصل از یادگیری را بدهد. داده کاوی باید در
بطن استراتژی روابط با مشتری بانک قرار گیرد تا برنامه عملیاتی که بایستی انجام
گیرد مشخص شود و این عمل در نتیجه آنچه از طریق داده کاوی یاد گرفته شده صورت می
پذیرد.
در این مرحله داده کاوی فرایند تصمیم سازی را به انجام می رساند و
تصمیم گیری را به مدیران می سپارد. در واقع داده کاوی به بررسی و تجزیه و تحلیل
مقادیر عظیمی از داده ها به منظور کشف الگوها و قوانین پنهان و معنی دار درون داده
ها اطلاق می شود. تفاوت اصلی میان داده کاوی و تجزیه و تحلیل کلاسیک داده ها را
می توان در این د انست که در مدلهای کلاسیک، توابع[3]
که برای تحلیل استفاده می شوند بر اساس سوابق ذهنی و برداشت های تحلیل گران از
وضعیت صورت می گیرد ولی در داده کاوی توابع از دل داده ها و توسط سیستم ساخته می
شود.
مزایای داده کاوی
بدین ترتیب، داده کاوی فرایند کشف دانش پنهان درون
داده هاست که با برخورداری از دامنه وسیع زمینه های تخصصی، و با توصیف، تشریح و
پیش بینی پدیده های گوناگون پیرامونی، دارای کاربردی بسیار وسیع است. هر جا که از
آمار استفاده می کردیم در حال حاضر می توانیم با امکان استفاده از داده های بزرگ[4]،
داده کاوی انجام دهیم.
مزایای داده کاوری را می توان به شرح زیر خلاصه نمود.
-
فرض های ساده مانند استقلال و یا وابستگی احتمالی همه پدیده ها را در
نظر نمی گیرد.
-
دینامیک است و محدود به توابع تعریف شده قبلی نیست. یعنی توابع بصورت
دینامیک و دائماً از داده های خام موجود در مخزن داده ساخته می شوند. لذا مدل
محدود به تابع خاص نیست.
-
آنالیزهای هم زمان بر روی پدیده های مختلف صورت می گیرد.[5]
-
به بومی سازی مدل نیازی نیست. چون مدلها و توابع دائماً از بتن داده
ها ساخته می شود. و چون داده ها متعلق به سازمان است، بومی سازی معنی ندارد.
-
عدم نیاز به اعتبار سنجی نتایج محصول استخراج مدل از داده ها است.
-
اشکالات معمول حاصل از نمونه گیری آماری در داده کاوی وارد نمی شود.
حجم داده در داده کاوی بستگی به موضوع داده کاوی دارد.
-
داده کاوی نیازمند به فرضیه نیست. و ممکن است برای اثبات فرضیه از
داده کاوی استفاده شود.
-
در داده کاوی آنالیزهای واقعی صورت می گیرد و به توزیع داده ای
وابسته نیست. از دیدگاه داده کاوی همه چیز به همه چیز مرتبط است و آنهائی که
بهم نزدیک ترند، مرتبط ترند.
بانکهای امروز برای موفقیت و کسب سود فراوان ناشی از شناخت
نیازمندیهای مشتریان و ایجاد رفتارهای متناسب با نیاز آنها که منجر به بهینه سازی
سود و بهرمندی دوجانبه مشتری و بانک شود از داده کاوی استفاده می نمایند.
شش عمل و وظیفه مهم را می توان برای داده کاوی به شرح زیر برشمرد که
سه مورد اول در گروه داده کاوی هدایت شده و دو مورد بعدی در گروه داده کاوی غیر
هدایت شده هستند و نمایه سازی نیز عملی توصیفی است:
-
دسته بندی (Classification)
-
تخمین (Estimation)
-
پیش بینی (Prediction)
-
گروه بندی شباهت (Affinity Grouping)
-
خوشه بندی (Clustering)
-
توصیف و نمایه سازی (Profiling)
در پایان باید گفت داده کاوی یکی از مولفه های مهم مدیریت تحلیلی
ارتباط با مشتری است و هدف آن ارتباط موثر با مشتری است که به باز تولید روابط
یادگیرنده می انجامد. تعاملات یک بانک با مشتریانش داده های زیادی را تولید می کند، این داده ها در وهله اول از طریق
سیستم های پردازش تعاملات[6]
مثل فایل اطلاعات مشتریان تولید می شود، سپس داده ها جمع آوری، تصفیه اتوماتیک و
خلاصه می شوند تا در انبار داه های مشتری قرار گیرند. یک انبار داده مشتری که
بخوبی طراحی شده، حاوی اطلاعات تاریخی درباره تعاملات مشتریان است که به صورت
حافظه بانک عمل می کند. با استفاده از ابزارهای داده کاوی و تحلیل داده های
تاریخی، بانک چیزهای جدیدی درباره مشتریان یاد گرفته که در نتیجه استفاده از دانش
ایجاد شده، قادر خواهد بود که در آینده به مشتریان خود بهتر خدمت رسانی نماید.
بزرگترین بهره برداران از
داده کاوی در امریکا عبارتند از:
-
ده نفر اول ثروتمندترین افراد در کشور امریکا
-
شرکت گوگل[7]
-
شرکت فروشگاه های زنجیره ای وال مارت[8]
-
شرکت آمازون[9]
-
شرکت ایی بی [10]
برگرفته
از کتاب داده کاوی – نوشته دکتر جمال شهرابی
[5] - اگر در تحلیل هم زمانی تحلیل پدیده های مختلف وجود نداشته باشد، مدل
داده کاوی نیست.
[6] - Transaction Process System (TPS)
