| Volume: 40 - Número: 3 - Data: julho / agosto / setembro 2005 |
| Título: Análise de crédito bancário por meio de redes neurais e árvores de decisão: uma aplicação simples de data mining |
| Autor: Eliane Prezepiorski Lemos, Maria Teresinha Arns Steiner e Julio César Nievola |
| Email: elemos@unicentro.br, tere@mat.ufpr.br, nievola@ppgia.pucpr.br |
| Tema: Finanças & Contabilidade |
| Tipo: Artigo |
 Artigo na Íntegra |
|
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.
|
| Palavras-chave: KDD, data mining, árvores de decisão, redes neurais, crédito bancário. |
|
|
| Title: Bank credit analysis with the use of neural networks and decision trees: a simple data mining application |
| Author: Eliane Prezepiorski Lemos, Maria Teresinha Arns Steiner e Julio César Nievola |
| Email: elemos@unicentro.br, tere@mat.ufpr.br, nievola@ppgia.pucpr.br |
| Theme: Finance and Accounting |
| Type: Artigo |
| Full Text |
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.
|
| Keywords: KDD, data mining, decision trees, neural networks, bank credit. |
|
Resumen
|
| Título: Análisis de crédito bancario por medio de redes neuronales y árboles de decisión: una aplicación simple de data mining |
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.
|
| Palabras clave: KDD, data mining, árboles de decisión, redes neuronales, crédito bancario. |
| |
|
|