Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/13144
Title: Διερεύνηση παραγόντων που επιδρούν στην επέκταση χρήσης ηλεκτρονικών πληρωμών χρησιμοποιώντας τεχνικές εξόρυξης δεδομένων
Other Titles: Investigation of effective factors in expanding electronic payment using data mining techniques
Authors: Ζαχαροπούλου, Δήμητρα
Keywords: Εξόρυξη δεδομένων
Ηλεκτρονική τραπεζική
Keywords (translated): k means
Data mining
e-Banking
Abstract: Η ηλεκτρονική τραπεζική έχει αυξηθεί δραματικά με την ανάπτυξη της βιομηχανίας ΤΠΕ και οι τράπεζες προσφέρουν τις υπηρεσίες τους σε πελάτες από διαφορετικά κανάλια. Σήμερα, λαμβάνοντας υπόψη τα μεγάλα οικονομικά οφέλη των συστημάτων ηλεκτρονικής τραπεζικής, η ανάγκη να δοθεί προσοχή στην επέκταση της γίνεται όλο και περισσότερο αισθητή όσον αφορά τη μείωση του κόστους αλλά και την αύξηση της κερδοφορίας της τράπεζας παράλληλα. Σκοπός αυτής της εργασίας είναι να προσδιοριστούν οι παράγοντες που ενθαρρύνουν τους πελάτες να αποδεχθούν την ηλεκτρονική τραπεζική χρησιμοποιώντας στατιστικά στοιχεία και πληροφορίες που ανακτήθηκαν από την Κεντρική Τράπεζα του Ιράν και τεχνικές εξόρυξης δεδομένων. Για το σκοπό αυτό εφαρμόστηκε ο αλγόριθμος ομαδοποίησης k-means και οι επαρχίες του Ιράν χωρίστηκαν σε 3 συστάδες. Επιπλέον, οι συναλλαγές που σχετίζονται με κάθε έτος ομαδοποιήθηκαν χωριστά και οι συστάδες που σχηματίστηκαν συγκρίθηκαν μεταξύ τους.
Abstract (translated): E-banking has grown dramatically with the development of ICT industry and banks offer their services to customers from different channels. Nowadays, considering the great economic benefits of electronic banking systems, the need to pay attention to the expansion of electronic banking is increasingly felt in terms of reducing costs and increasing the bank's profitability. The purpose of this thesis is to identify the factors that encourage customers to accept e-banking using statistics and information retrieved from the Central Bank of Iran and data mining techniques. For this purpose, the k-means clustering algorithm was applied and the provinces of Iran were separated into 3 clusters. In addition, the transactions related to each year were clustered separately, and the formed clusters were compared with each other.
Appears in Collections:Τμήμα Μηχανικών Η/Υ και Πληροφορικής (ΜΔΕ)



This item is licensed under a Creative Commons License Creative Commons