18694

۱۸۶۹۴

تحليل و شناسايي عوامل موثر بر تراكنش هاي ابزارهاي پرداخت الكترونيكي در ايران با استفاده از تكنيك هاي داده كاوي

كارشناسي ارشد

مهندسي فناوري اطلاعات - تجارت الكترونيكي

آذر ماه ۱۳۹۶

دكتر عبدالرحمن حائري

دكتر محمدرضا غلاميان

صنايع

حركت به سوي جامعه غيرنقدي، صنعت پرداخت را متحول كرده است. تحولات سريع و ارائه راهكارهاي جايگزين پرداخت از سوي رقباي جديد، فعالان سنتي صنعت پرداخت را با تهديدهاي جدي مواجه كرده است. استقبال از نوآوري و توانايي واكنش سريع در اين صنعت، لازمه بقا است. كسي برنده اين ميدان خواهد بود كه در زمينه‌هايي از قبيل جايگزيني وجه نقد، فعاليت در تجارت اينترنتي و موبايلي و استفاده از مزيت‌هاي تحليل داده‌هاي عظيم اقداماتي جدي پيش گيرد. در اين پژوهش دو هدف دنبال شده است. هدف اول بررسي عوامل موثر بر استقبال از خدمات متنوع بانكداري الكترونيكي است. بدين منظور اطلاعات و داده‌هاي بانك مركزي جمهوري اسلامي ايران پيرامون تراكنش‌هاي صورت گرفته با ابزارهاي مختلف بانكداري الكترونيكي نظير خودپرداز، پايانه شعب، پايانه فروش، موبايل بانك و اينترنت بانك مورد تحليل قرار گرفت. علاوه بر اين عملكرد استان‌ها و بانك‌هاي سطح كشور در زمينه خدمات بانكداري الكترونيك مقايسه و تحليل شد. به منظور كشف دانش پنهان در داده‌ها و اطلاعات موجود از تكنيك‌هاي داده‌كاوي همچون خوشه‌بندي و درخت تصميم استفاده شده است. با استفاده از اين تكنيك‌ها تاثيرگذاري عواملي چون جمعيت، ضريب نفوذ اينترنت، تعداد كاربران تلفن همراه و اينترنت، نرخ بيكاري و شاخص توسعه يافتگي فناوري اطلاعات هر استان بر ميزان تراكنش‌هاي صورت گرفته از طريق ابزارهاي پرداخت الكترونيكي هر استان بررسي شده است. هدف دوم پژوهش ارائه الگوريتمي بر پايه الگوريتم خوشه‌بندي K- Means است. دو هدف عمده براي الگوريتم پيشنهادي تعريف شده است. كمك به برچسب زني خوشه‌ها در خوشه‌بندي و انتخاب ويژگي‌هاي تاثيرگذار مجموعه داده از اهداف و كاربردهاي الگوريتم ‌پيشنهادي مي‌باشد.

1397/01/26

4/19/2018 12:00:00 AM

The movement towards cashless society has transformed payment industry. Rapid evolution and presentation of alternative strategies by new competitors have left traditional activists facing serious threats. Welcoming innovation and having the ability to respond rapidly in this industry is crucial to survival. The winner of such a competition is the one which takes practical measures in particular fields such as replacing cash, performing activities in e-commerce, and using advantages of big data analysis. This study has two purposes. The first purpose is to investigate factors affecting on acclaiming various e-banking service. Therefore, information and data from central bank of Islamic republic of Iran about successful transaction using different e-banking tools such as ATM, terminal branches, point of sale, mobile banking and internet banking were analyzed. In addition, the functions of banks in country were compared and analyzed according to their e-banking service. In order to discover the tactic knowledge in existing information and data, some data mining techniques such as clustering and decision tree were used. By using these techniques the efficiency of factors such as penetration coefficient of internet, number of mobile users, unemployment rate and IT development index of each province on successful transactions are investigated through e-payment tools of each province. In this study, an algorithm based on the K-Means clustering algorithm is presented. Two main purposes are defined for the proposed algorithm. Helping cluster labeling in clustering and selecting the influential features of the dataset are the goals and applications of the proposed algorithm.