การพัฒนาระบบธุรกิจอัจฉริยะเพื่อสนับสนุนการพิจารณาอนุมัติสินเชื่อของธนาคารพานิชย์ร่วมกับเทคนิคเหมืองข้อมูล

Development of business intelligence to support commercial bank's credit approval and data mining techniques

Name: สุธา สุภาพันธ์ุ

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรม

Email : s6207021857061@kmutnb.ac.th

Name: มณเฑียร รัตนศิริวงศ์วุฒิ

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรม

Email : montean.r@it.kmutnb.ac.th

keyword: ธุรกิจอัจฉริยะ

ThaSH: เหมืองข้อมูล

ThaSH: ระบบสนับสนุนการตัดสินใจ

ThaSH: การจัดการธุรกิจ -- การประมวลผลข้อมูล

Abstract: งานวิจัยครั้งนี้มีวัตุประสงค์เพื่อเปรียบเทียบโมเดลต่างๆ เพื่อนำไปสู่การเอาข้อมูลสารสนเทศไปแสดงผลแบบธุรกิจอัจฉริยะเพื่อสนับสนุนการตัดสินใจในการอนุมัติสินเชื่อ และเพิ่มประสิทธิภาพในขั้นตอนการประเมิณความเสี่ยงทางด้านเครดิตให้ดียิ่งขึ้นการทำเหมืองข้อมูลดาเนินตามกระบวนการ CRIPTDM โดยใช้ข้อมูลที่ผ่านการเตรียมและปรับปรุงในการนำไปวิเคราะห์ด้วยวิธีการจาแนกข้อมูล และทดสอบประสิทธิภาพของแบบจำลองด้วยวิธี 10-fold Cross- Validation โดยแบ่งเป็นสองส่วนการทางานคือ การสอนแบบจำลอง และการ ทดสอบแบบจำลอง โดยแบบจำลอง Naïve Bay มีค่าความถูกต้องสูงสุดที่ 97.15 เปอร์เซ็นต์ และได้นำข้อมูลที่ผ่านการทานายไปพัฒนาออกแบบระบบธุรกิจอัจฉริยะเพื่อสนับสนุนการพิจารณาอนุมัติสินเชื่อของธนาคารพานิชย์ร่วมกับเทคนิคเหมืองข้อมูล ผลความพึงพอใจโดยรวมของผู้ใช้จำนวน 62 คน ได้ค่าเฉลี่ยเท่ากับ 4.2 และค่าเบี่ยงเบนมาตรฐานเท่ากับ 0.57 สรุปได้ว่า ผลประเมินความพึงพอใจอยู่ในเกณฑ์ดี

Abstract: This research aims to compare various models. To lead to the use of information to display a business intelligence to support credit approval decisions. And increase efficiency in the credit risk assessment process for the better the data mining following the Cross-Industry Process for Data Mining (CRIPT-DM) process using prepared and enhanced data for analysis using a data classification method. Data has pass test the performance of the model by 10-fold Cross-Validation method, divided into two parts, Test Data is partitioned into two parts is teaching and simulation testing by model Naïve Bay has the highest accuracy at 97.15 percent and the predicted data was developed to design Business Intelligence to Support Commercial Bank's Credit Approval and Data Mining Techniques. The overall satisfaction of 62 users received a mean of 4.2 and a standard deviation of 0.57. It was concluded that the satisfaction assessment was good.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2564

Modified: 2564-10-12

Issued: 2564-10-12

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยสารสนเทศและนวัตกรรมดิจิทัล. การประชุมวิชาการระดับชาติด้านคอมพิวเตอร์และเทคโนโลยีสารสนเทศ ครั้งที่ 17 (NCCIT 2021) (pp.204-209). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCCIT 2021pp.204-209.pdf	438.05 KB	29	2024-12-13 20:18:38

ใช้เวลา

0.022024 วินาที