در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

در این مقاله ابزار به روز و قدرتمند داده کاوی، جهت تحليل داده های حاصل از تراکنش های مربوط به مشتریان بانک و استخراج دانش مفید موجود در این داده ها پیشنهاد گردید. این دانش به کمک الگوریتمهای خوشه بندی با هدف کشف ویژگی های رفتاری مشابه،  برای کمک به مدیران این بانک جهت تسهیل اتخاذ استراتژی های متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان و نهایتا سودآوری برای این بانک استخراج شده است.
با به کارگیری تکنیک های هوشمند داده کاوی مشتریان بانکی در پنج دسته و با توجه به بیشترین شباهت در الگوی رفتاری گروه بندی شدند. 
خوشه بندی مشتریان بر مبنای چارچوب ارائه شده در این تحقیق به ما کمک می کند تا مشتریانی که دارای الگوهای رفتاری مشابه بر حسب متغیرهای تراکنشی مشتریان و متغیرهای جمعیت آماری هستند را در گروه های واحدی در نظر گرفته و بر مبنای ویژگی های اکثریت مشتریان هر گروه، سرویس های متناسب با این ویژگی ها را به روش های متفاوت به مشتریان پیشنهاد نمود.
می توان با بررسی خوشه های خوشه هایی که بیشترین تعداد مشتریان کلیدی در آن ها قرار گرفتند شناسایی نمود با این امکان مشتریان مستند کلیدی شدن شناخته می شوند و یا خدمت رسانی هر چه بیشتر به این گروه ها منجر به حفظ و ادامه ارتباط موثر آنها با بانک گردید.
با بررسی خوشه هایی که بیشترین مشتریان کلیدی را در خود جای دادند و شناسایی اکثریت مشتریان در این خوشه ها از منظر نوع شغل، محل منطقه بانکی و جنسیت و … و با  نظر کارشناسان و خبرگان بانکی می توان خدمات بانکی ویژه و متناسب با این گروها را طراحی نموده و از طریق پیامک و یا به طور رو در رو به این افراد معرفی نمود.
روش پیشنهادی می تواند تجزیه و تحلیل داده های حجیم اما بسیار ارزشمند برجای مانده از تراکنش های مشتریان با سازمان ها را با صرف زمان و هزینه بسیار کمتر و درصد خطای پایین تر ممکن سازد. همچنین به کارگیری الگوریتم های تست شده و استفاده از ابزارهای کامپیوتری و خودکار دقت بالاتری را در پی خواهد داشت از این رو این گنجینه بالای به گنجینه باشی بسیار ارزشمندتری تبدیل خواهد شد که در صورت استفاده صحیح در زمان مناسب و برای افراد مناسب سودآوری را برای سازمان به ارمغان خواهد آورد و مفهوم صحيح صرفه جویی را حاصل خواهد نمود.

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

​اگر به پژوهش در حوزه مدیریت ارتباط با مشتری علاقه مند هستید توصیه می شود حتما مجموعه استثنائی و بی نظیر هفتاد مقاله فارسی در زمینه مدیریت ارتباط با مشتری  و مجموعه های مشابه آن  را تهیه بفرمایید.

اگر در زمینه مدیریت ارتباط با مشتری در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademy) حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.