دانلود مقاله مروری کلاسی

بررسی کاربرد کلان داده­ ها در صنعت بانکداری

دانلود مقاله مروری کلاسی آماده
امتیاز ۵ از ۵ – ۱ رای
spinner در حال ثبت رای

چکیده :
بحث تحلیل کلان داده آخرین کاربرد فناوری اطلاعات است، مباحثه موجود حتی وقتی مهمتر جلوه می­ کند که این امر به­ صورت ابزاری قوی در می ­آید، همین­طور که می­ بینیم، تحلیل کلان داده می ­تواند مقادیر زیادی از داده را فراهم نماید که حتی در سال­های قبل نمی شد تصور نمود. هدف اصلی این پژوهش بررسی کاربردهای کلان داده ­ها در صنعت بانکداری می ­باشد. بدین منظور با برسی ادبیات نظری و پیشینه تحقیق، کاربردهای کلان داده ­ها در صنعت بانکداری استخراج و بر اساس یافته ­های این تحقیقات مدل مفهومی و فرضیات ارائه گردید.
کلیدواژه­ ها : کلان داده ­ها، صنعت بانکداری، تحلیل کلان داده

قیمت : 39 هزار تومان – حجم فایل : 1 مگابایت – فرمت فایل : ورد و پی دی اف

چکیده :

مقدمه

ادبیات نظری

کلان داده

چالش های حوزه کلان داده

کاربردهای کلان داده

کاربردهای کلان داده در بخش دولتی

کاربردهای کلان داده در بخش خصوصی

مزایای کلان داده برای صنعت بانکداری

تشخیص و پیشگیری از تقلب

گزارش سازگاری پیشرفت

مدیریت ریسک

پیشینه تحقیق

مدل مفهومی

فرضیات

نتیجه ­گیری

پیشنهادها

فهرست منابع

بیش از 70 درصد از کارهای اجرایی بانک داری در جهان حاضر بر مشتری مداری به عنوان عاملی مهم است (داونپورت و دیچه، 2013). به هرحال، دستیابی به مشتری مداری بیشتر نیازمند درکی عمیق از نیازهای مشتری دارد. حجم و تنوع داده ­هایی که بانک­ ها از مشتریانشان به دست می ­آورند، حیرت­ آور است. استفاده مکرر از کانال­ های ارتباطی مثل تلفن همراه و اینترنت بانک منجر به افزایش یکنواختی از شمار تراکنش ­های مشتریان شده است. در هر صورت، بانک­ ها تنها بخش کوچکی از این داده­ ها را برای ایجاد دیدگاه­ هایی به کار می ­گیرند که تجربه مشتری را ارتقاء می­ بخشد. مثلا، پژوهش ­ها نشان داده است که کمتر از نیمی از بانک­ ها، داده ­های مشتریان خارجی را مثل فعالیت ­های رسانه اجتماعی و رفتار برخط آن­ ها تحلیل می­ کنند (نیومن و کالینگ، 1996).

توضیحات دانلود مقاله مروری کلاسی

ارزش کلان داده برای رهبران کسب ­و کار در صنعت خدمات مالی کاملا مشخص است. بیش از 60 درصد از انجمن­ های مالی در آمریکای شمالی معتقدند که تحلیل کلان داده، مزیت رقابتی مشخصی را به همراه می ­آورد. بعلاوه، بیش از 90 درصد معتقدند که پیشگامان کلان داده موفق، برندگان آینده را تعیین خواهند کرد. تنها 37 درصد از بانک ­ها با پیاده­ سازی ­های زنده کلان داده سر و کار داشته ­اند در حالی ­که اکثریت بانک ­ها روی راهنمایان و تجربیات تمرکز می ­نمایند (بارمن، 2013).

بحث تحلیل کلان داده آخرین کاربرد فناوری اطلاعات است، مباحثه موجود حتی وقتی مهمتر جلوه می ­کند که این امر به­ صورت ابزاری قوی درمی ­آید، همین­طور که می ­بینیم، تحلیل کلان داده می­ تواند مقادیر زیادی از داده را فراهم نماید که حتی در سال ­های قبل نمی شد تصور نمود (مک­ کافی و همکارانش، 2012).

عبارت کلان داده، مدت­ ها است که برای اشاره به حجم­های عظیمی از داده­ ها که توسط سازمان­ های بزرگی مانند گوگل یا ناسا ذخیره و تحلیل می­ شوند مورد استفاده قرار می ­گیرد. اما به تازگی، این عبارت بیشتر برای اشاره به مجموعه­ های داده­ای بزرگی استفاده می­ شود که به قدری بزرگ و حجیم هستند که با ابزارهای مدیریتی و پایگاه­ های داده سنتی و معمولی قابل مدیریت نیستند. مشکلات اصلی در کار با این نوع داده ­ها مربوط به برداشت و جمع­ آوری، ذخیره­ سازی، جست­ و جو، اشتراک ­گذاری، تحلیل و نمایش آن­ ها است. این مبحث، به این دلیل هرروز جذابیت و مقبولیت بیشتری پیدا می­ کند که با استفاده از تحلیل حجم ­های بیشتری از داده ­ها، می ­توان تحلیل ­های بهتر و پیشرفته ­تری را برای مقاصد مختلف، از جمله مقاصد تجاری، پزشکی و امنیتی، انجام داد و نتایج مناسب ­تری را دریافت کرد. بیشتر تحلیل­ های مورد نیاز در پردازش داده ­های عظیم، توسط دانشمندان در علومی مانند هواشناسی، ژنتیک، شبیه­ سازی­ های پیچیده فیزیک، پژوهش­ های زیست ­شناسی و محیطی، جست­ و جوی اینترنت، تحلیل­ های اقتصادی و مالی و تجاری مورد استفاده قرار می ­گیرد. حجم داده­ های ذخیره­ شده در مجموعه ­های داده­ ای کلان داده، عموماً به خاطر تولید و جمع ­آوری داده ­ها از مجموعه بزرگی از تجهیزات و ابزارهای مختلف مانند گوشی ­های موبایل، حسگرهای محیطی، لاگ نرم­ افزارهای مختلف، دوربین­ ها و غیره با سرعت خیره ­کننده ­ای در حال افزایش است.

دانلود مقاله مروری مناسب برای رشته مدیریت

برای ایجاد یک دید مناسب در خصوص کلان داده و اهمیت آن، جامعه ­ای را تصور کنید که در آن جمعیت به­ طور نمایی در حال افزایش است، اما خدمات و زیرساخت ­های عمومی آن نتواند پاسخگوی رشد جمعیت باشد و از عهده مدیریت آن برآید. چنین شرایطی در حوزه داده در حال وقوع است. بنابراین نیازمند توسعه زیرساخت ­های فنی برای مدیریت داده و رشد آن در بخش ­هایی نظیر جمع ­آوری، ذخیره ­سازی، جستجو، به اشتراک­ گذاری و تحلیل هستیم. دستیابی به این توانمندی معادل است با شرایطی که مثلا بتوانیم هنگامی ­که با اطلاعات بیشتری در حوزه سلامت مواجه باشیم، با بازدهی بیشتری سلامت را ارتقا دهیم”، “در شرایطی که خطرات امنیتی افزایش پیدا می ­کند، سطح امنیت بیشتری را فراهم کنیم”، “وقتی­ که با رویدادهای بیشتری ازنظر آب و هوایی مواجه باشیم، توان پیش ­بینی دقیقتر و بهتری به دست آوریم”، “در دنیایی با خودروهای بیشتر، آمار تصادفات و حوادث را کاهش دهیم”، “تعداد تراکنش ­های بانکی، بیمه و مالی افزایش پیدا کند، ولی تقلب کمتری را شاهد باشیم”، “با منابع طبیعی کمتر، به انرژی بیشتر و ارزانتری دسترسی داشته باشیم” و بسیاری موارد دیگر از این قبیل که اهمیت پنهان کلان داده را نشان می ­دهد.