ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ ΣΤΟΝ ΤΡΑΠΕΖΙΚΟ ΚΛΑΔΟ

DATA MINING IN BANKING SECTOR (Αγγλική)

  1. MSc thesis
  2. ΣΙΩΖΙΟΥ, ΣΤΑΜΑΤΙΑ
  3. Μεταπτυχιακή Εξειδίκευση στα Πληροφοριακά Συστήματα (ΠΛΣ)
  4. 26 Σεπτεμβρίου 2020 [2020-09-26]
  5. Ελληνικά
  6. 124
  7. ΜΑΡΑΓΚΟΥΔΑΚΗΣ, ΕΜΜΑΝΟΥΗΛ
  8. ΣΑΚΚΟΠΟΥΛΟΣ, ΕΥΑΓΓΕΛΟΣ | ΚΩΤΣΙΑΝΤΗΣ, ΣΩΤΗΡΙΟΣ
  9. ΔΕΔΟΜΕΝΑ | ΤΡΑΠΕΖΙΚΟΣ ΚΛΑΔΟΣ | CLUSTERING | ASSOCIATION RULES
  10. 1
  11. 24
  12. Περιέχει : εικόνες
  13. "Εισαγωγή στην Εξόρυξη Δεδομένων", Θεσσαλονίκη, Τζιόλα, 2010
    • Στις μέρες μας, ο πολυτιμότερος πόρος για κάθε επιχείρηση και οργανισμό είναι τα δεδομένα που έχουν στην κατοχή τους. Η πληροφορία η οποία μετατρέπεται σε γνώση θεωρείται πιο σημαντική ακόμη και από το ανθρώπινο δυναμικό που διαθέτει. Για τον λόγο αυτό οι επιχειρήσεις και οι οργανισμοί επενδύουν όλο και περισσότερο στην ενίσχυση μεθόδων και τεχνικών εξόρυξης δεδομένων ανακαλύπτοντας νέα πρότυπα και τάσεις. Η εφαρμογή των μεθόδων εξόρυξης δεδομένων παρέχει την δυνατότητα αποθήκευσης και επεξεργασίας δεδομένων από πελώριες βάσεις καθώς και την ανακάλυψη κρυφής γνώσης η οποία είναι αδύνατον να ανακαλυφθεί με άλλον τρόπο. Επιπλέον, η εξόρυξη δεδομένων συμβάλλει στην λήψη αποφάσεων των επιχειρήσεων, στην αύξηση της παραγωγικότητας του οργανισμού καθώς επίσης και στην πρόβλεψη μελλοντικών αναγκών των πελατών της. Με την βοήθεια της εξόρυξης δεδομένων τα τραπεζικά ιδρύματα διαθέτουν την τεχνολογία και την τεχνογνωσία για την πλήρη αξιοποίηση των δεδομένων της θέτοντας ένα νέο πρότυπο στην ανάλυση και τη διαχείριση των αποφάσεων των πελατών, δημιουργώντας επιτυχή αποτελέσματα για όλους τους τύπους επιχειρήσεων, καθ 'όλη τη διάρκεια του κύκλου ζωής του πελάτη. Σκοπός της παρούσας διπλωματικής εργασίας είναι η εξόρυξη και η πλήρης αξιοποίηση όλων των πληροφοριών που διαθέτει ο τραπεζικός κλάδος το οποίο επιτυγχάνεται με την χρήση βασικών μεθόδων και αλγορίθμων αναγνωρίζοντας νέα πρότυπα και βελτιστοποιώντας ένα σύστημα διαχείρισης. Συγκεκριμένα, με την βοήθεια του MS SQL Server έκδοση 2017 εξετάζουμε τους εξής αλγορίθμους: association rules, clustering, decision trees και naïve bayes με σκοπό να εξάγουμε τα πιο χρήσιμα δεδομένα ώστε ο τραπεζικός κλάδος να τα εκμεταλλευτεί προς όφελος της αλλά και προς όφελος των πελατών της.
    • Nowadays, the most precious resource for any business and organization is the data they possess. Information that is transformed into knowledge is considered even more valuable than the human resource that they have. For this reason, the business and the organization are investing more and more in enhancing data mining methods and techniques by discovering new patterns and trends. The application of data mining methods provides the ability to save and to process data from enormous databases as well as the discovery of hidden knowledge that is impossible to discover in other way. Furthermore, data mining contributes to business decision-making, increasing the organization’s productivity as well as predicting in future needs of their customers. With the help of data mining the banking institute have the technology and the how-know take full advantage of its data, setting a new standard in the analysis and management of customer decisions, creating successful results for all types of businesses, throughout of the customer life cycle. The main purpose of this dissertation is to extract and make full use of all the information available to the banking industry which is achieved by using basic methods and algorithms recognizing new standards and optimizing a management system. Specifically, with the help of MS SQL Server version 2017 we examine the following algorithms: association rules, clustering, decision trees and naïve bayes in order to export the most useful data so that the banking industry can use them for its benefit but also for the benefit of its customers.
  15. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.