حمیدرضا امیرحسنخانی

رقابت های جهانی، صنابع پویا و چرخه های نوآوری و فناوری که به سرعت در حال کوتاه شدن هستند همگی چالش های مهمی را برای صنعت مالی، بانکداری و بیمه ایجاد کرده اند و نیاز به تجزیه و تحلیل داده ها جهت بهبود فرآیندهای تصمیم گیری- در این سازمان ها بیش از پیش اهمیت پیدا کرده است؛ در این میان، داده هایی که در پایگاه-های اطلاعاتی این سازمان ها نگهداری می شوند به عنوان منابع ارزشمند اطلاعات و دانش مورد نیاز جهت تصمیم-گیری های سازمانی مطرح می باشند؛ در این تحقیق بر روی مشتریان مشترک صنعت بانکداری و بیمه تمرکز شده است. هدف از این تحقیق، ارائه روشی جهت پیش بینی عملکرد مشتریان جدیدالورود بر مبنای رفتار مشتریان پیشین است؛ برای این منظور، از یک مدل ترکیبی مبتنی بر ماشین بردار پشتیبان و الگوریتم ژنتیک استفاده شده است؛ بدین ترتیب که ماشین بردار پشتیبان، وظیفه مدل سازی رابطه بین عملکرد مشتریان و اطلاعات هویتی آنها را بر عهده دارد و الگوریتم ژنتیک، وظیفه تنظیم و بهینه سازی پارامترهای ماشین بردار پشتیبان را عهده دار است. نتایج به دست آمده از طبقه بندی مشتریان- با استفاده از مدل پیشنهادی در این تحقیق- طبقه بندی مشتریان با دقت بالای ۹۹ درصد است.