Determination of intellectual activity in solving the problems of bank functioning optimization

Davyd Dabahian

doi:10.15587/2312-8372.2019.183301

Автор(и)

Davyd Dabahian Національний технічний університет «Харківський політехнічний інститут», вул. Кирпичова, 2, м. Харків, Україна, 61002, Україна https://orcid.org/0000-0002-5311-2108

DOI:

https://doi.org/10.15587/2312-8372.2019.183301

Ключові слова:

ефективні відносини «банк-клієнт», інтелектуальна система, оптимізація функціонування банка, розподіл інвестицій

Анотація

Об'єктом дослідження є процес функціонування комерційного банка. Одним з найбільш проблемних місць є оптимізація роботи банка згідно з вимогами клієнтів в умовах обмежених ресурсів, тобто, як потрібно розподілити певну суму інвестицій по різним напрямкам діяльності банка оптимальним чином. Під цим слід розуміти максимальну задоволеність клієнтів процесом функціонування банка. Також слід визначати важливість напрямків діяльності в залежності від зворотнього зв’язку з клієнтами – збираючи клієнтську інформацію, таку як скарги, побажання, результати опитів та інше. Такі дані не є інтелектуальними, їх треба формалізувати та на цій основі побудувати стратегію функціонування банка на певний період часу.

В ході дослідження було використано висхідний підхід до створення систем штучного інтелекта. На основі не інтелектуальних даних (підсистеми банка, клієнтські дані, статистика) визначається інформація для побудови інтелектуальної діяльності стосовно прийняття рішень щодо оптимізації процеса функціонування банка в цілому, як єдиної системи, тобто побудови оптимальної стратегії діяльності банка.

В результаті дослідження отримано проект інтелектуальної системи, яку призначено для побудови оптимальної стратегії діяльності в умовах обмежених ресурсів. Для заповнення бази знань цієї системи проведено структурування та формалізацію знань. Оптимальним варіантом для цього дослідження було визнано формально-логічну модель на основі побудови предикатів першого порядку.

Завдяки цьому забезпечується можливість реалізації інтелектуальної системи для вирішення проблеми розподілу внутрішніх інвестицій банка оптимальним шляхом, тобто, з максимальним підвищенням рівня задоволеності клієнтів. Використання цієї системи на практиці має допомогти керівництву банка розподілити певний обсяг внутрішніх інвестицій у напрямках діяльності банка оптимальним шляхом, керуючись побажаннями клієнтів.

Біографія автора

Davyd Dabahian, Національний технічний університет «Харківський політехнічний інститут», вул. Кирпичова, 2, м. Харків, Україна, 61002

Аспірант

Кафедра програмної інженерії та інформаційних технологій управління

Посилання

Senaar, K. (2019). AI in Banking – Analysis of America’s top 7 Banks. Emerj Artificial Intelligence Research. Available at: https://emerj.com/ai-sector-overviews/ai-in-banking-analysis/
Smale, T. (2018). 5 Ways Artificial Intelligence is Already Transforming the Banking Industry. Enterpreneur. Available at: https://www.entrepreneur.com/article/319921
Burtsev, M., Kairova, O. (2013). iPavlov research platform. Available at: http://ipavlov.ai/
Butenko, E. D. (2018). Artificial intelligence in banks today: Experience and perspectives. Finance and Credit, 24 (1), 143–153. doi: http://doi.org/10.24891/fc.24.1.143
Chi Cui, C., Lewis, B. R., Park, W. (2003). Service quality measurement in the banking sector in South Korea. International Journal of Bank Marketing, 21 (4), 191–201. doi: http://doi.org/10.1108/02652320310479187
Quyet, T. V., Vinh, N. Q., Chang, T. (2015). Service Quality Effects on Customer Satisfaction in Banking Industry. International Journal of u- and e-Service, Science and Technology, 8 (8), 199–206. doi: http://doi.org/10.14257/ijunesst.2015.8.8.20
Yavas, U., Bilgin, Z., Shemwell, D. J. (1997). Service quality in the banking sector in an emerging economy: a consumer survey. International Journal of Bank Marketing, 15 (6), 217–223. doi: http://doi.org/10.1108/02652329710184442
Mohiuddin, M. (2014). Trend and Development of E-Banking: A Study on Bangladesh. IOSR Journal of Business and Management, 16 (5), 16–24. doi: http://doi.org/10.9790/487x-16521624
Maslennikova, D. S. (2009). Ocenka nadezhnosti banka: celi i kriterii dlia partnerov i dlia samogo banka. Zhurnal nauchnykh publikacii. Available at: http://jurnal.org/articles/2009/ekon68.html
Isaev, R. A. (2011). Sposoby obespecheniia i uluchsheniia kachestva obsluzhivaniia klientov banka. Metody menedzhmenta kachestva, 6, 54–58.
Ferreira, F. A. F., Spahr, R. W., Santos, S. P., Rodrigues, P. M. M. (2010). A multiple criteria framework to evaluate bank branch potential attractiveness. Banko de Portugal, 10. Available at: https://ideas.repec.org/p/ptu/wpaper/w201010.html
Andreeva, O. S., Nazmutdinova, E. V. (2015). Ocenka privlekatelnosti kommercheskoi organizacii dlia korporativnykh klientov. Ekonomika i predprinimatelstvo, 10, 3–6.
Tretiakova, O. (2001). Kak vybiraiut banki. Vestnik Uralskogo instituta prikladnoi politiki i ekonomiki, 21–25.
Lau, M. M., Cheung, R., Lam, A. Y. C., Chu, Y. T. (2013). Measuring Service Quality in the Banking Industry: A Hong Kong Based Study. Contemporary Management Research, 9 (3), 263–282. doi: http://doi.org/10.7903/cmr.11060
Carnasciali, A. M., Delazari, L. (2010). Spatial Decision Support System for Bank-Industry Based on GIS and Expert Systems Integration. Decision Support Systems. doi: http://doi.org/10.5772/39460
De Marco, M., Salcioli, G., Fedegari, F. (1993). Bank Tutor: an expert system for treasury management. Proceedings of IEEE Systems Man and Cybernetics Conference – SMC. doi: http://doi.org/10.1109/icsmc.1993.384726
Dabahian, D., Godlevskyi, M. (2017). Bank Attractiveness Evaluation Method Based on Soft Computing in the Analytic Hierarchy Process. ICTERI-2018. Kyiv, 8–15.
Ostroukh, A. V., Surkova, I. E. (2015). Intellektualnye informacionnye sistemy i tekhnologii. Krasnoiarsk: Nauchno-innovacionnii centr, 2015. Available at: http://lib.madi.ru/fel/fel1/fel16S062.pdf
Lucenko, E. V. (2016). Sintez adaptivnykh intellektualnykh izmeritelnykh sistem s primeneniem ASK-analiza. Nauchnii zhurnal KubGAU, 116 (2), 1–12.