Título Inglês:
Bank credit analysis with the use of neural networks and decision trees: a simple data mining application
Título Espanhol:
Análisis de crédito bancario por medio de redes neuronales y árboles de decisión: una aplicación simple de data mining
Resumo:
Na área de crédito bancário, a posse e o uso de ferramentas que auxiliem
na tarefa de classificação de clientes em prováveis solventes ou
insolventes em relação à tomada de crédito podem tornar-se um
fator-chave, resultando em uma grande vantagem competitiva. Dentro da
imensa quantidade de dados disponíveis nos bancos de dados das empresas
existe muito conhecimento útil e importante que está escondido. Com a
metodologia de Data Mining, pode-se transformar esses dados em
informações valiosas para auxiliar no processo decisório. Neste trabalho
são analisados registros históricos de 339 clientes (pessoas jurídicas)
de uma agência bancária, por meio de duas das ferramentas de Data
Mining: Redes Neurais e Árvores de Decisão. Essas técnicas permitem
fazer o reconhecimento de padrões e também classificar novos casos. Os
resultados foram bastante satisfatórios, mostrando que, para esse
problema específico, as Redes Neurais apresentaram uma taxa de
classificação correta maior do que aquela das Árvores de Decisão.
Resumo Inglês:
In the bank credit area, the possession and use of tools that can help
identify and forecast which clients will be “good or bad” credit takers
could be a key factor and result in greater competitive advantage. There
is a lot of “hidden” knowledge in the immense quantity of data that is
available in companies’ databases. With the use of data mining
methodologies, one can transform these data into valuable information,
which would help in decision processes. In this paper, we analyze the
historical data of 339 clients (legal entities) from a bank agency by
means of two data mining tools: neural networks and decision trees.
These techniques allow the recognition of patterns, as well as the
diagnosis of new cases. Results were quite satisfactory and showed that
for this specific problem, neural networks had a smaller error
percentage.
Resumo Espanhol:
En el área de crédito bancario, el dominio y el uso de herramientas que
ayuden en la tarea de clasificación de clientes en probables pagadores o
deudores con relación a la toma de crédito pueden convertirse en un
factor clave, resultando en una gran ventaja competitiva. Dentro de la
inmensa cantidad de datos disponibles en las bases de datos de las
empresas hay muchos conocimientos útiles e importantes que están
escondidos. Con la metodología de Data Mining, estos datos se pueden
convertir en informaciones valiosas que contribuirán con el proceso
decisorio. En este trabajo se analizan registros históricos de 339
clientes (personas jurídicas) de una agencia bancaria, por medio de dos
de las herramientas de Data Mining: Redes Neuronales y Árboles de
Decisión. Dichas técnicas permiten llevar a cabo el reconocimiento de
patrones y también clasificar nuevos casos. Los resultados fueron
bastante satisfactorios y mostraron que, para ese problema específico,
las Redes Neuronales presentaron una tasa de clasificación correcta
mayor que la de los Árboles de Decisión.
Citação ABNT:
LEMOS, E. P.; STEINER, M. T. A.; NIEVOLA, J. C. Análise de crédito bancário por meio de redes neurais e árvores de decisão: uma aplicação simples de data mining. RAUSP Management Journal, v. 40, n. 3, p. 225-234, 2005.
Citação APA:
Lemos, E. P., Steiner, M. T. A., & Nievola, J. C. (2005). Análise de crédito bancário por meio de redes neurais e árvores de decisão: uma aplicação simples de data mining. RAUSP Management Journal, 40(3), 225-234.
Link Permanente:
http://www.spell.org.br/documentos/ver/16842/analise-de-credito-bancario-por-meio-de-redes-neurais-e-arvores-de-decisao--uma-aplicacao-simples-de-data-mining/i/pt-br
