استخراج و رتبه بندي الگوي هاي تحليل ريسك مشتريان وامهاي بانكي با استفاده از رويكرد تلفيقي داده كاوي و مدل تحليل پوششي داده ها

در دهه كنونی حجم داده ها در هر 4 سال تقریبا 2 برابر می شود و قیمت آن نیز كاهش چشمگیری می یابد بنا به اعلام دانشگاه MIT سازمانهائی در زمینه تحلیل داده ها موفق اند كه حداقل 4% داده هایشان را تحلیل كنند در این میان سازمانهائی به مزیت رقابتی دست خواهند یافت كه به تحلیل داده های خود پرداخته و داده ها را به دانش سازمانی تبدیل سازند. داده كاوی یكی از علومی است كه این وظیفه را بعهده دارد. الگوریتم های داده كاوی به 4 دسته اصلی تقسیم می شوند كه یكی از این دسته ها الگوریتم های قوانین انجمنی هستند كه به تعیین الگوهای موجود در پایگاه داده می پردازند. در این مقاله با استفاده از یكی از پركاربرد ترین الگوریتم های قوانین انجمنی بنام Apriory نسبت به تعیین الگوهای پایگاه داده گیرندگان وامهای بانكی پرداخته شده است، از آنجائیكه این قوانین نیز با توجه به دو معیار Support و Confidence مورد ارزیابی مجدد قرار می گیرند در این مقاله با استفاده از یكی از متداول ترین روشهائی كه در ارزیابی بكار می رود به ارزیابی و رتبه بندی قوانین استخراج شده خواهیم پرداخت. برای پیاده سازی رویكرد فوق از پایگاه داده یكی از بانكهای آلمان استفاده شده است. نتایج این تحقیق می تواند در تعیین الگوهای مهم منجر به عدم پرداخت وام به بانكهای ایران مورد استفاده قرار گیرد.