Approcci Basati sui Dati per l'Analisi e l'Ottimizzazione delle Operazioni Bancarie: Soddisfazione del Cliente e Rilevamento delle Frodi

This study addresses two critical aspects within the banking industry: customer satisfaction and fraud detection. By leveraging big data samples, the aim is to analyze and optimize these processes through the lens of data-driven approaches. Evaluating customer satisfaction amidst sales propositions, particularly through telemarketing in the credit industry, remains a challenge due to potential impacts on customer relationships. Leveraging an eight-year proprietary dataset from an Italian credit institution, this research identifies factors affecting customer satisfaction during ongoing client-bank relationships without compromising sales rates. At the same time, the study delves into fraud detection within banking, specifically emphasizing targeted loan transactions—a niche area with limited academic research. Utilizing a methodical approach, it conducts a comprehensive analysis of banking fraud before narrowing its focus to targeted loans. Employing machine learning algorithms and clustering techniques on a transaction dataset containing five years of data, this research aims to fill the gap in academia by providing practical tools for detecting fraud within this underexplored domain.

Questo studio affronta due aspetti critici all'interno del settore bancario: customer satisfaction e fraud detection. Sfruttando campioni di big data, l'obiettivo è analizzare e ottimizzare questi processi attraverso approcci incentrati sui dati. Valutare la soddisfazione del cliente in mezzo alle proposte commerciali, in particolare attraverso il telemarketing nel settore del credito, rimane una sfida a causa dei potenziali impatti sulle relazioni con i clienti. Sfruttando un dataset proprietario di otto anni proveniente da un istituto di credito italiana, questa ricerca identifica i fattori che influenzano la soddisfazione del cliente durante le relazioni in corso tra cliente e banca senza compromettere i tassi di vendita. Allo stesso tempo, lo studio approfondisce il rilevamento delle frodi nel settore bancario, enfatizzando specificamente le transazioni nei prestiti finalizzati - un'area di nicchia con limitata ricerca accademica. Utilizzando un approccio metodologico, viene condotta un'analisi completa delle frodi bancarie prima di concentrarsi sui prestiti finalizzati. Impiegando algoritmi di machine learning e tecniche di clustering su un dataset di transazioni contenente cinque anni di dati, questa ricerca mira a colmare il vuoto accademico fornendo strumenti pratici per rilevare le frodi all'interno di questo dominio poco esplorato.