فهرست نشریات علمی دسترسی آزاد ایران

در عصر بازاریابی هوشمند و کلان‌داده، توانایی بانک‌ها در شناخت دقیق مشتریان و تخصیص بهینه منابع مالی، عاملی کلیدی برای افزایش اطمینان و بهره‌وری سازمانی است. این تحقیق بر طراحی یک مدل هوشمند تخصیص تسهیلات بانکی مبتنی بر کلان‌داده متمرکز است که هدف آن فراتر از صرفاً کاهش ریسک، حرکت به سمت به حداکثر رساندن ارزش مشتریان واجد شرایط است. با استفاده از سوابق مالی و اعتباری موجود، ابتدا خوشه‌بندی K-Means برای تفکیک مشتریان به سه گروه متمایز ریسک‌پذیری (کم، متوسط، پرریسک) به کار گرفته شد. سپس، مدل جنگل تصادفی (Random Forest) با دقت پیش‌بینی ۹۶٪ برای ارزیابی دقیق پروفایل ریسک هر خوشه به کار گرفته شد. نوآوری اصلی تحقیق در مرحله تخصیص نهفته است؛ جایی که از یک روش بهینه‌سازی ترکیبی شامل تحلیل سلسله مراتبی (AHP) و الگوریتم ازدحام ذرات (PSO) استفاده شد تا پارامترهای تخصیص وام‌ها بهینه گردند. نتایج نشان می‌دهد این رویکرد ترکیبی نه تنها ریسک اعتباری را به شکل معناداری کاهش می‌دهد، بلکه با هدایت هوشمند منابع به سمت بخش‌های سودآور، بهره‌وری کلی بانک را ارتقا می‌بخشد. این مدل، ابزاری قدرتمند برای اتخاذ تصمیمات اعتباری دقیق، مبتنی بر ارزش مشتری، و در راستای اهداف بازاریابی استراتژیک بانک‌ها فراهم می‌آورد.