چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2005695 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
366 Kb
حجم فایل فارسی :
554 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
تاثیر تجزیه و تحلیل داده های بزرگ در بخش بانکداری: یادگیری برای بانک های هندوستان
عنوان انگليسي
Impact of Big Data Analytics on Banking Sector: Learning for Indian Banks
نویسنده/ناشر/نام مجله
Procedia Computer Science
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 10 صفحه انگلیسی به صورت پی دی اف و 24 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
انقلاب داده های بزرگ در اوایل قرن 21 اتفاق افتاده و با توجه به داده های با ارزشی که بانک ها و موسسات مالی طی دهه های متمادی ذخیره کرده بودند این پدیده تشدید گردیده است، این داده ها در حال حاضر رمز و راز گردش های پولی را مشخص نموده، در پیشگیری از حوادث ناگوار و دزدی ها و همچنین در درک رفتار مشتریان کمک نموده است. بانک ها بیشترین سود را از داده های بزرگ بدست آورده اند به طوریکه امروزه آنها می توانند به سرعت و به آسانی اطلاعات خوبی را از داده های خود استخراج و آن را تبدیل به منافع معنی داری برای خود و مشتریان شان نمایند. بانک های بین المللی شروع به مهار قدرت داده ها به منظور استخراج فواید آنها در سراسر حوزه های مختلف فعالیت خودشان نموده اند اعم از تجزیه و تحلیل احساسات ( کاوش نظرات)، فروش متقاطع محصول، مدیریت تطبیقی قانونی، مدیریت ریسک اعتباری، مدیریت جرائم مالی و ... . بانک های هندی نیز در حال ملحق شدن به همکاران بین المللی خودشان می باشند هر چند بسیاری از زمینه ها هنوز باقی مانده است. این مقاله برای دانستن چگونگی بکارگیری موفقیت آمیز تجزیه و تحلیل داده های بزرگ در بخش بانکداری با در نظر گرفتن جنبه های زیر، هدفگذاری گردیده است: 1-الگوی هزینه مشتریان 2-کانال های مورد استفاده 3-تقسیم بندی و پروفایل بندی مشتریان 4-فروش تقاطعی محصول بر اساس پروفایل بندی برای افزایش نرخ فروش (موفقیت) 5-تجزیه و تحلیل احساسات و بازخورد ها. 6-مدیریت امنیت و کلاهبرداری (تقلب). با وجود اینکه این آنالیز ماهیت اولیه دارد، داده های مورد استفاده اطلاعات قدیمی از یک بانک هستند. این مطالعه به بحث در مورد بهترین کارهایی که در سطح جهانی توسط بانک ها اتخاذ شده است می پردازد، و میتواند به منظور ارتقای کیفیت خدمات مالی به مشتریان در بانک های هندی تکرار شود.
1-مقدمه
انقلاب داده های بزرگ در قرن 21 اتفاق افتاده و با توجه به داده های با ارزشی که شرکت ها و موسسات مالی طی دهه های متمادی ذخیره کرده بودند شدت بیشتری یافت. اگرچه جمع آوری این دادها برنامه ریزی شده نبود اما از آنجائیکه سیستم حسابداری همیشه این داده ها را در خود داشته است، پتانسیل های آن بیشتر از آنچه که قبلاٌ از این مجموعه ذخیره شده انتظار می رفت توسط تجزیه و تحلیل داده های بزرگ باز گردید. این داده ها اکنون رمز و راز گردش های پولی را باز نموده و در پیشگیری از حوادث ناگوار و سرقت ها و همچنین درک رفتار مشتریان کمک نموده است. بانک ها بیشترین منافع را از داده های بزرگ برده اند به طوریکه آنها اکنون می توانند اطلاعات خوبی را به سرعت و آسانی از داده های خودشان استخراج کرده و آن را تبدیل به منافع معنی دار برای خود و مشتریان شان بنمایند.
داده های بزرگ بانکداری هند
:کلمات کلیدی
Abstract
The big data revolution happening in and around 21st century has found a resonance with banking firms, considering the valuable data they've been storing since many decades. This data has now unlocked secrets of money movements, helped prevent major disasters and thefts and understand consumer behaviour. Banks reap the most benefits from big data as they now can extract good information quickly and easily from their data and convert it into meaningful benefits for themselves and their customers. Banks internationally are beginning to harness the power of data in order to derive utility across various spheres of their functioning, ranging from sentiment analysis, product cross selling, regulatory compliances management, reputational risk management, financial crime management and much more. Indian banks are catching up with their international counterparts; however a lot of scope remains. This paper aims to capture how big data analytics is being successfully used in banking sector, with respect to following aspects: 1. Spending pattern of customers 2. Channel usages 3. Customer Segmentation and Profiling 4. Product Cross Selling based on the profiling to increase hit rate 5. Sentiment and feedback analysis 6. Security and fraud management The data used is secondary data from a bank while the analysis is of primary nature. This study reveals some of the best practices being adopted by banks globally, and can be replicated by Indian banks to enhance their financial service offerings to customers
Keywords:
Big data Banking India
سایر منابع مهندسی کامپیوتر و IT-فناوری اطلاعات در زمینه بانکداری الکترونیک