این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت فناوری اطلاعات، جلد ۶، شماره ۲، صفحات ۳۳۳-۳۵۰
عنوان فارسی تحلیل مشکلات شعب بانک آینده در سراسر کشور با استفاده از روش داده کاوی
چکیده فارسی مقاله بسیاری از بانک­­های کشور به منظور مدیریت مشکلات و شکایات مشتریان و شعب خود، بخشی از واحد مدیریت ارتباط با مشتریان را به شرکت­هایی از قبیل مراکز تماس برون سپاری می­کنند. با توجه به اینکه این واحد مهم در خارج از بانک­ها مدیریت می­شود لذا تحلیل داده­های آن و ارزیابی عملکرد مراکز تماس از اهمیت بسیاری برخوردار است از سوی دیگر بسیاری از بانک­ها توانایی تحلیل و چگونگی استفاده از الگوهای پنهان موجود در داده­ها را ندارند، به همین منظور در این مقاله سعی داریم تا با ارائه مدل RFS، شعب بانک را بر اساس شباهت فاکتورهای R به معنی تازگی اعلام مشکل، F فرکانس یا تعداد مشکلات و S میزان رضایت شعب از مرکز تماس، خوشه بندی نموده وارتباط میان فاکتورهای موجود با نوع مشکلات اعلام شده را بیابیم. همچنین با بررسی فاکتور S می­توان توانایی مرکز تماس در جهت رفع مشکلات شعب هر خوشه را ارزیابی نمود. شعب بر اساس الگوی رفتارشان در چهار خوشه بهینه توزیع شده، نتایج تحلیل و در پایان پیشنهادهایی به منظور بهبود عملکرد مرکز تماس  ارائه شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Analyzing the Problems of Ayandeh Bank Branches across the Country Using Data Mining Technique
چکیده انگلیسی مقاله In order to manage problems and complaints of customers and branches, many banks in the country outsource parts of their customer relationship management to companies such as call centers. Since this important unit is managed out of the banks, analyzing the data and evaluating the performance of call centers are very important. On the other hand, many banks are not able to analyze and do not know how to use hidden patterns in the data. Hence, by presenting RFS model in this paper, we have tried to cluster bank branches based on R factor (recently announced problem), F (frequency or number of difficulties) and S (branches satisfaction with call center) and find the relationship between these factors and mentioned problems. Moreover, call center's ability to resolve problems of branches of each cluster can be assessed using S Factor. Branches were distributed into four optimized clusters based on their behavior pattern. Finally, the results were analyzed and the recommendations were presented to improve the performance of call centers.
کلیدواژه‌های انگلیسی مقاله CRM, Clustering, Customer satisfaction, k-means algorithm
نویسندگان مقاله شبنم محمدی |
دانشجوی کارشناسی ارشد فناوری اطلاعات-تجارت الکترونیک. دانشگاه صنعتی خواجه نصیر طوسی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

سمیه علیزاده |
استادیار دانشکده صنایع دانشگاه خواجه نصیر طوسی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

نشانی اینترنتی http://jitm.ut.ac.ir/article_50875_9cb1ff93b570df5e385a79cc356fd360.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-210291.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات