ترجمه فارسی عنوان مقاله
هوش تجاری در بانکداری: تحلیل ادبیات از 2002 تا 2013 با استفاده از متن‌کاوی و تخصیص پنهان دیریکله
عنوان انگلیسی
Business intelligence in banking: A literature analysis from 2002 to 2013 using text mining and latent Dirichlet allocation
| کد مقاله | سال انتشار | تعداد صفحات مقاله انگلیسی |
|---|---|---|
| 43761 | 2015 | 11 صفحه PDF |
منبع
Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)
Journal : Expert Systems with Applications, Volume 42, Issue 3, 15 February 2015, Pages 1314–1324
فهرست مطالب ترجمه فارسی
چکیده
کلیدواژه‌ها
1- مقدمه
2- زمینه
2-1- متن‌کاوی
2-2- بانکداری
2-3- هوش تجاری
2-4- تحلیل ادبیات
جدول 1: مثال هایی از چارچوب های مرتبط برای تحلیل ادبیات و روی کرد پیشنهادی
3- مطالب و روش‌ها
3-1- انتخاب جورنال
جدول ۲: جورنال‌های انتخاب شده و نتایج جست‌وجو
3-2 جست‌وجوی مقاله
3-3- متن‌کاوی برای بررسی ادبیات
جدول 3: واژه نامه ی حوزه ی بانک داری
جدول 4: واژه نامه ی حوزه ی BI
3-4- طبقه‌بندی مباحث
R کد ۱: ایجاد فهرست مجموعه‌ی نوشته‌ها، تمیزکاری و تشکیل جدول اصطلاحات سند
4- نتایج و تحلیل
4-1- مباحث تخصیص پنهان دیریکله و متن‌کاوی
جدول ۵: فراوانی رواترین (مرتبط‌ترین) اصطلاح برای کاربرد BI در بانکداری
شکل ۱. ابر واژگانی برای کاربر BI در بانکداری
جدول 6: مباجث مرتبط با کاربرد BI در بانک داری
4-2- تحلیل مقالات نمونه برای هر مبحث
جدول 7: مقاله ی محوری هر مبحث
5. جمع‌بندی
کلیدواژه‌ها
1- مقدمه
2- زمینه
2-1- متن‌کاوی
2-2- بانکداری
2-3- هوش تجاری
2-4- تحلیل ادبیات
جدول 1: مثال هایی از چارچوب های مرتبط برای تحلیل ادبیات و روی کرد پیشنهادی
3- مطالب و روش‌ها
3-1- انتخاب جورنال
جدول ۲: جورنال‌های انتخاب شده و نتایج جست‌وجو
3-2 جست‌وجوی مقاله
3-3- متن‌کاوی برای بررسی ادبیات
جدول 3: واژه نامه ی حوزه ی بانک داری
جدول 4: واژه نامه ی حوزه ی BI
3-4- طبقه‌بندی مباحث
R کد ۱: ایجاد فهرست مجموعه‌ی نوشته‌ها، تمیزکاری و تشکیل جدول اصطلاحات سند
4- نتایج و تحلیل
4-1- مباحث تخصیص پنهان دیریکله و متن‌کاوی
جدول ۵: فراوانی رواترین (مرتبط‌ترین) اصطلاح برای کاربرد BI در بانکداری
شکل ۱. ابر واژگانی برای کاربر BI در بانکداری
جدول 6: مباجث مرتبط با کاربرد BI در بانک داری
4-2- تحلیل مقالات نمونه برای هر مبحث
جدول 7: مقاله ی محوری هر مبحث
5. جمع‌بندی
ترجمه کلمات کلیدی
بانکداری - هوش کسب و کار - داده کاوی - متن کاوی - سیستم های پشتیبانی تصمیم
کلمات کلیدی انگلیسی
Banking; Business intelligence; Data mining; Text mining; Decision support systems
ترجمه چکیده
در این مقاله، ادبیات اخیر در مورد گرایش به کاربردهای هوش تجاری برای صنعت بانکداری تحلیل شده است. تحقیقات با استفاده از مجلات مرتبط بر روی 219 مقاله‌ی منتشر شده بین سال‌های 2002 و 2013 انجام شد. برای تحلیل این حجم از مقالات، از تکنیک‌های متن‌کاوی برای پی‌جویی اصطلاحات مرتبط در دو حوزه‌ی هوش تجاری و بانکداری استفاده شد. علاوه بر آن، از مدل‌سازی تخصیص پنهان دیریکله برای گروه‌بندی مقالات به چند مبحث مرتبط استفاده شد. تحلیل با استفاده از واژه‌نامه‌های اصطلاحات متعلق به حوزه‌های بانکداری و هوش تجاری انجام گرفت. این روش، امکان شناسه‌گذاری روابط میان اصطلاحات و گروه‌های مقالات برحسب مباحث مشخص شده و طرح فرضیات مربوط به جهات تحقیق را فراهم کرد. برای تأیید این فرضیات، مقاله‌های مرتبط جمع‌آوری و غربال شد تا امکان صحه‌گذاری روش متن‌کاوی فراهم شود. نتایج نشان داد که اعتبار در بانکداری، به‌ویژه در پیش‌بینی ریسک و پشتیبانی از تأیید یا رد اعتبار (اعتبار)، گرایش عمده‌ی کاربردها است. همچنین علاقه‌ی خاصی به پیش‌بینی ورشکستگی و تقلب وجود دارد. به نظر می‌رسد برای کاهش ریزش مشتری، توجیه پیشنهادهای بانکی، هرچند با اهمیت کمتر، با هدف حفظ مشتری نیز مورد توجه است. به‌علاوه، تعداد زیادی از مقاله‌ها بیشتر بر روی تکنیک‌های هوش تجاری و کاربردهای آنها متمرکزند و از صنعت بانکداری تنها برای ارزیابی استفاده می‌کنند و ازاین‌رو به‌روشنی بر منافع آن در کار بانکداری اذعان ندارند. با مشخص کردن این مباحث تحقیقی فعلی، مطالعه‌ی حاضر فرصت‌های مطالعات آتی را نیز مشخص می‌کند.
ترجمه مقدمه
بانکداری صنعتی قدرت‌مند برای نوآوری در حوزه‌ی فن‌آوری‌ها و نظام‌های اطلاعاتی (شو و اشتراس‌مان، 2005) بوده است. مثلاً فن‌آوری‌های نوین، امکان به‌کارگیری سریع کانال‌های ارتباطی جدید را توسط بانک‌ها فراهم کرده است. همچنین، روش‌های پیشرفته‌ی تحلیل داده‌ها در حال حاضر برای ارزیابی ریسک تأیید اعتبار (هوانگ، شن، هسو، شن، و وو، 2004) و کشف تقلب (نگایی، هو، وونگ، شن، و سان، 2011) به کار گرفته می‌شود.
هوش تجاری (BI) اصطلاحی فراگیر است که معماری، ابزار، پایگاه‌های داده‌ای، کاربردها، و روش‌شناسی‌ها را با هدف تحلیل داده‌ها برای پشتیبانی از تصمیم‌گیری‌های مدیران شرکت‌ها (توربان، شاردا، و دلن، 2011) دربرمی‌گیرد. حوزه‌های بانکداری مانند اعتبارسنجی، عملکرد شعبات، بانکداری الکترونیکی، بخش‌بندی و حفظ مشتریان، حوزه‌های کاربردی بسیار خوبی برای طیف گسترده‌ای از تکنیک‌ها و مفاهیم BI شامل داده‌کاوی (DM)، انباره‌های داده‌ای، و نظام‌های پشتیبانی تصمیم‌گیری (DDS) هستند. مدیران شرکت‌های بانکی برای بقا و حتی ارتقای جایگاه در این محیط کسب‌وکار متلاطم امروز، نیازمند تمرکز مستمر بر حل مسائل چالشی و کشف فرصت‌ها هستند. این وضعیت خود نیازمند پشتیبانی کامپیوتری از تصمیم‌گیری‌های مدیریتی و به معنی نیاز به سیستم‌های پشتیبان تصمیم‌گیری و هوش تجاری است.
پژوهش‌ها و بررسی‌های متعددی در حوزه‌ی بانکداری انجام گرفته است. ویلسن، کاسو، جراردونه، و مولینو (2010) مقاله‌ای حاوی بررسی کتاب‌ها و مقاله‌های اخیر در مورد پی‌آمد بحران مالی جهانی در کسب‌وکار بانکداری منتشر کرده‌اند. نتایج به دست آمده توسط این گروه، بحث ریسک را در جایگاهی قرار داده است که مستحق توجهی عمیق‌تر برای رسیدن به پایداری سیستماتیک است. بررسی‌های نگای و همکاران (2011) توجه‌ها را به کشف تقلب‌های مالی معطوف و 49 مقاله را بر حسب نوع این تقلب‌ها طبقه‌بندی کرد. بر اساس این یافته‌ها، به عکس فراوانی مقالات در مورد تقلب در اعتبار، فقدان تحقیقات در مورد تقلب‌های مربوط به رهن، پول‌شویی، و تقلب در اوراق بهادار و اسناد مالکیت را نشان داد. فتحی و پاسیوراس (2010) در تحلیلی مرتبط با این مقاله، پژوهشی را در مورد عملکرد شعبات بانک‌ها بر اساس 196 مقاله که در آنها از تکنیک‌های پژوهش عملیاتی و هوش مصنوعی استفاده شده بود منتشر کردند و نتیجه گرفتند که در این مقالات توجه اندکی به بازده سود و بازده ظرفیت شده است.
به مبحث اعتبار در پژوهش‌ها توجه زیادی شده است. درواقع، گرچه اعتبار به طور سنتی به بانکداری ربط دارد، اما به حرفه‌های دیگر نیز گسترش یافته است. ازاین‌رو، طبیعتاً تعدادی از مطالعات و پژوهش‌های انجام شده در این مورد در سال‌های اخیر در دست‌رس است. عبدو و پوانتون (2011) تعداد 214 مقاله/کتاب/پایان‌نامه را در مورد امتیازبندی اعتبار بررسی و در آنها تکنیک‌های آماری استفاده شده برای ارزیابی را جست‌وجو کردند. آنها دریافتند که هیچ تکنیکی که برای ساختن مدل از هر لحاظ بهتر باشد وجود ندارد. در بررسی مارکِس، گارسیا، و سانچز استفاده از روش‌های محاسبات تکاملی برای امتیازبندی اعتبار گزارش شده است. موضوع قابل توجه دیگر، بانکداری الکترونیکی و به‌ویژه پذیرش مشتریان در مورد کانال جدید ارتباطی است. دالبرگ، ماللات، اوندروس، و زمیئوسکا (2008) ادبیات در مورد پرداخت‌های موبایلی را بررسی کردند و در خلال این بررسی دریافتند که چارچوب مدل آنها فاقد تحقیقات لازم در مورد عوامل سیاسی و فرهنگی مؤثر بر پرداخت‌های موبایلی و نیز خدمات پرداخت سنتی است.
بررسی‌ها و پژوهش‌های فهرست شده، برخی از مباحث بانکداری را پوشش می‌دهند. بااین‌حال، حسب اطلاع نگارنده، فقدان تحلیل نوشته‌های اخیر در مورد کاربردهای BI در موضوع اصلی مرتبط با صنعت بانکداری مشهود است، که همین امر انگیزه‌ای برای انجام این تحقیق به شمار می‌رود. به‌علاوه، هیچ‌یک از بررسی‌های انجام شده از تحلیل خودکار متن از طریق تکنیک‌های متن‌کاوی (TM) مانند تکنیک‌هایی که امر تحلیل را در مورد مجموعه‌ی بزرگی از منابع تسهیل می‌کند و در این مطالعه معرفی خواهد شد، انجام نداده‌اند.
در این مقاله روش تحلیل داده‌کاوی خودکار متون منتشر شده از 2003 تا 2013 در مورد کاربردهای BI در حوزه‌ی بانکداری که امکان مشخص کردن گرایش‌های تحقیقاتی فعلی و کاربردهای آتی را فراهم می‌آورد و بر فرصت‌های تحقیقاتی آتی تأکید می‌کند. گرچه BI به طور گسترده‌ای مطالعه شده است، در سال‌های اخیر و به‌ویژه در دهه‌ی گذشته، افزایش چشم‌گیری در کاربردهای BI از طریق صنعت، و به‌ویژه در بخش بانکداری صورت خواهد گرفت، که به نوبه‌ی خود باعث ایجاد انگیزه برای تحقیق خواهد بود. ساختار مقاله‌ی حاضر به شرح زیر است:
در بخش 2 مفاهیم اصلی مرتبط با دو حوزه‌ی بانکداری و BI مطرح و سایر منابع تحلیل ادبیات معرفی خواهد شد.
در بخش ۳ روش‌های استفاده شده برای تحلیل ادبیات معرفی خواهد شد. سپس در بخش 4 درباره‌ی نتایج بحث خواهد شد. نهایتاً در بخش 5، نتایج حاصل جمع‌بندی و جهات تحقیقات آتی ارائه خواهد شد.
پیش نمایش مقاله
