LA INTELIGENCIA DE NEGOCIOS EN LA BANCA: UN ANLISIS DE LA

LITERATURA DESDE 2002 HASTA 201 EN EL USO DE LA MINERA DE

TEXTO Y LA ASIGNACIN DE DIRICHLET LATENTE

abstracto
En este trabajo se analiza la literatura reciente en la bsqueda de tendencias
en aplicaciones de inteligencia empresarial para la industria bancaria. Las
bsquedas se realizaron en revistas relevantes que resultan en 219 artculos
publicados entre 2002 y 2013. Para analizar un gran nmero de manuscritos
tales, las tcnicas de minera de texto eran utilizados en la bsqueda de
trminos relevantes tanto en la inteligencia de negocio y dominios bancarios.
Por otra parte, la modelado asignacin Dirichlet latente se utiliz con el fin de
artculos de grupo en varios temas relevantes.
El anlisis se llev a cabo usando un diccionario de trminos que pertenecen a
ambas bancario y la inteligencia empresarial dominios. Este procedimiento
permiti la identificacin de las relaciones entre los trminos y temas la
agrupacin de artculos, lo que permite a surgir hiptesis con respecto a las
direcciones de investigacin. Para confirmar tales hiptesis, se recogieron y
examinaron los artculos pertinentes, lo que permite validar la minera de texto
procedimiento. Los resultados muestran que el crdito en la banca es
claramente la tendencia principal de la aplicacin, en particular la prediccin
riesgos y apoyando as la aprobacin o denegacin de crdito. Tambin hay un
inters relevante en quiebra y la prediccin fraude. La retencin del cliente
parece estar asociado, aunque dbilmente, con la focalizacin, justificando
banco ofrece para reducir la prdida de clientes. Adems, un gran nmero de
artculos se centr ms en los negocios tcnicas de inteligencia y sus
aplicaciones, utilizando el sector bancario slo para evaluacin, por lo tanto, no
clamando claramente los beneficios en el negocio bancario. Mediante la
identificacin de estos temas de investigacin actuales, este estudio tambin
destaca las oportunidades para la investigacin futura.

1. Introduccin
El banco ha sido una industria prolfico para la innovacin en relacin con
sistemas de informacin y tecnologas (Shu y Strassmann, 2005).
Por ejemplo, las nuevas tecnologas han permitido nueva comunicacin canales
que fueron adoptados rpidamente por los bancos. Adems, avanzado tcnicas
de anlisis de datos se usan actualmente para evaluar el riesgo en la
aprobacin del crdito (Huang, Chen, Hsu, Chen, y Wu, 2004) y el fraude
deteccin (Ngai, Hu, Wong, Chen, y Sun, 2011).
La inteligencia de negocios (BI) es un trmino general que incluye
arquitecturas, herramientas, bases de datos, aplicaciones y metodologas con

el objetivo de analizar los datos con el fin de apoyar las decisiones de negocio
gerentes (turbante, Sharda, y Delen, 2011). dominios bancarios, tales como la
evaluacin de crdito, el rendimiento sucursales, banca electrnica, la
segmentacin de clientes y la retencin, son excelentes campos de aplicacin
de una amplia variedad de conceptos y tcnicas de BI, incluyendo minera de
datos (DM), almacenes de datos y los sistemas de soporte de decisiones (DSS).
Para las empresas bancarias para sobrevivir e incluso sobresalir en la
turbulenta de hoy ambiente de negocios, gerentes de bancos necesitan tener
una continua centrarse en la solucin de problemas difciles y aprovechar las
oportunidades.
Eso exige una necesidad de soporte informtico de la decisin empresarial
haciendo lo que implica la necesidad de apoyo a las decisiones y los negocios
sistemas de inteligencia.
Hay varias encuestas / opiniones del dominio bancario. Wilson, Casu,
Girardone, y Molyneux (2010) public una reciente revisin de la literatura que
cubre el impacto de la crisis financiera global en el negocio bancario. Sus
resultados ponen el dominio de riesgos como un tema que merece una
atencin ms profunda con el fin de lograr una sistmica estabilidad. La
revisin de Ngai et al. (2011) dedicado a la atencin deteccin de fraude
financiero, y clasificaron 49 artculos en funcin del tipo de fraude. Los
resultados sugieren una falta de investigacin en la hipoteca fraude, lavado de
dinero y valores y materias primas fraude, por el contrario a un gran nmero
de artculos sobre el fraude de crdito.
Ms relacionados con este papel, y Fethi Pasiouras (2010) presentan una
encuesta sobre las sucursales bancarias de rendimiento basados en los
artculos 196 que emplean a la investigacin operativa y las tcnicas de la
inteligencia artificial, concluyendo que la eficiencia en beneficios y la
capacidad de eficiencia ciencia han recibido escasa atencin en los estudios
evaluados.
Una gran atencin de la investigacin se ha dado hacia el crdito. De hecho,
aunque el crdito es tradicionalmente relacionado con la banca, que tiene larga
extendido a otras industrias. Por lo tanto, algunos exmenes y estudios
recientes estn disponibles de forma natural en la materia. Abdou y Pointon
(2011) revisaron 214 artculos / libros / tesis sobre las aplicaciones de
calificacin de crdito, la bsqueda de las tcnicas estadsticas utilizadas para
la evaluacin y se encontr que no hay una mejor tcnica global de la
construccin modelos. La revisin de Marqus, Garca, y (2012) informes
Snchez sobre el uso de la computacin evolutiva para la puntuacin de
crdito.
Otro tema de inters es la banca electrnica, especficamente al cliente
aceptacin hacia un nuevo canal de comunicacin. Dahlberg, Mallat, Ondrus, y
Zmijewska (2008) revisaron publicaciones sobre pagos mvil y encontrado a
travs de su marco que carece de investigacin sobre los factores sociales y

culturales que afectan a los pagos mviles, as como servicios de pago

tradicionales.
Las encuestas alistadas y las revisiones cubren algunos temas en la banca.
Sin embargo, dentro del conocimiento de los autores, existe una falta de una
anlisis reciente literatura para aplicaciones de BI en los temas principales
relacionados con el sector bancario, motivando as la presente investigacin.
Adems, ninguno de los comentarios discutidos adopt una automatizado de
anlisis de texto, mediante el uso de tcnicas de minera de texto (TM) como
las que se presentan en este estudio, lo que facilita el anlisis de un conjunto
mucho mayor de fuentes.
Este artculo presenta un anlisis de la literatura minera de texto automtico,
2002-2013, de las aplicaciones de BI dentro de la banca de dominio, lo que
permite la identificacin de las tendencias actuales de investigacin e
interesantes aplicaciones futuras, destacando as las oportunidades para
futuras investigaciones. Aunque BI ha sido ampliamente estudiados, los ltimos
aos y en particular la ltima dcada han experimentado un enorme
incremento en las aplicaciones de BI a travs de la industria, especialmente en
el sector bancario, por lo que estimulara la investigacin.
Este artculo est organizado de la siguiente manera. La seccin 2 presenta el
principal conceptos relacionados tanto con la banca y los dominios de BI, y los
presentes tambin otras referencias de la literatura anlisis. A continuacin, la
seccin 3 presenta los mtodos utilizados para el anlisis de la literatura.
Entonces, los resultados se discuten en la Seccin 4. Por ltimo, las
conclusiones son resumidas en la seccin 5, que tambin presenta la
investigacin futura direcciones.

2. Back ground
2.1. Text mining
La minera de datos (DM) tiene como objetivo extraer conocimiento til (por
ejemplo, patrones o tendencias) de datos en bruto (Witten y Frank, 2005).
Extraccin de textos (TM) es un tipo particular de DM que se centra en el
manejo estructurado o semi conjuntos de datos estructurados, como
documentos de texto (Fan, Wallace, Rich, y Zhang, 2006). Delen y Crossland
(2008) propuso la aplicacin de TM para el anlisis de la literatura y identificar
las tendencias de investigacin, lo que ayuda en la realizacin de los
investigadores estado de las crticas de arte sobre un tema de investigacin
determinado. su investigacin centrado en tres grandes revistas en los
sistemas de informacin de gestin, aunque sealan que su enfoque TM puede
ser valiosa en prcticamente cualquier campo de la investigacin.
Dentro de un anlisis de la literatura, que busca con palabras individuales es
menudo no es suficiente, ya que muchos trminos de bsqueda pueden estar

compuestos de una secuencia de palabras, como '' minera de datos '' o ''
apoyo a la decisin sistemas ''. Esas secuencias, que se pueden hacer de n
palabras, son llamado n-gramas. Cuando se extrae a partir de textos de gran
tamao, n-gramas constituyen un activo valioso, en particular en el anlisis de
las publicaciones, tales como el estudio de Soper y Turel (2012) mostraron
mediante el anlisis de once aos (de 2000 a 2010) de publicaciones en las
Comunicaciones de la revista ACM.
Al llevar a cabo TM sobre documentos de texto, palabras relevantes y trminos
se obtienen a menudo con el fin de producir una categorizacin que puede
ayudar a la construccin de un conjunto de conocimientos sobre la literatura
considerado (Delen y Crossland, 2008). Un enfoque interesante es el modelado
de un cierto nmero de temas distintos define de acuerdo con el nmero y
distribucin de trminos en todos los documentos, que que puede lograrse
mediante la asignacin de Dirichlet latente (LDA) modelo (Blei, Ng, y Jordan,
2003). Para cada documento, se determina la probabilidad de pertenencia a
cada uno de los temas, lo que permite a los documentos de grupo a los temas
que coinciden ms probables. esta organizacin estructura puede ayudar a
identificar qu temas estn captando ms atencin de los investigadores y
tambin para encontrar huecos para el futuro investigacin. TM se puede
utilizar de manera indiscriminada, mediante la bsqueda de la mayor parte
global contemplado palabras, o mediante el uso de diccionario especfico
palabras. Dado que este trabajo se trata de un anlisis de la literatura
enfocada, se utiliza un el diccionario de trminos en ambos dominios de BI y
bancarios.
2.2. Bancario
Los bancos son las instituciones que operan en el negocio financiero
actividades de dominio, que se refiera como prestataria, la gestin de los
depsitos y las inversiones en los mercados de capitales, entre otros. la banca
industria es crucial para la economa y por lo tanto es un objeto de gran inters
para los investigadores en un generalizado de diferentes dominios, como
ciencia de la administracin, marketing, finanzas y la informacin tecnologas.
Berger (2003) encontr evidencia de una relacin entre el progreso tecnolgico
y la productividad en el sector bancario. Lo mismo autor tambin hace hincapi
en que los bancos emplean modelos estadsticos basados en sus datos
financieros para diferentes propsitos, tales como la puntuacin de crdito y la
evaluacin de riesgos. reformas del sector financiero permitieron un aumento
de la competencia, girando banco prestamista una importante fuente de
financiacin. Riesgo crediticio evaluacin es, por su propia un vasto dominio,
que abarca un gran nmero de publicaciones de investigacin dentro de la
banca y se extendi a travs los ltimos doce aos (por ejemplo, Marqus et al.
(2012)). otros bancario tema relacionado donde la investigacin ha estado
activo es la prevencin del fraude y la deteccin de los servicios bancarios
tradicionales (por ejemplo, Abbasi, Albrecht, Vance, y Hansen (2012)) y en los
nuevos canales de comunicacin que servicios de apoyo de banca electrnica
(por ejemplo, Shuaibu, Norwawi, Selamat, y Al-Alwani (2013)), de la que el

correo basura correo electrnico con el fin para obtener ilcitamente

informacin financiera privada es un caso especfico de inters (por ejemplo,
Amayri y Bouguila (2010)). La banca electrnica tambin est sujeto de otro
dominio de la investigacin relacionada con la aceptacin de la tecnologa con
respecto a los nuevos canales de comunicacin adoptadas por los bancos (por
ejemplo, Vatanasombut, Igbaria, Stylianou, y Rodgers (2008), Lin (2011)).
Un tema no tan reciente que sin embargo ha experimentado un auge en la
investigacin, impulsada por la crisis financiera global, es la quiebra y
disciplinas relacionadastales como el riesgo sistmico y el contagio (por
ejemplo, Hu, Zhao, Hua, y Wong (2012)). La competencia tuvo tambin un
efecto sobre reas de clientes relacionados con
Los bancos aumentar las inversiones en la retencin de clientes, relaciones con
los clientes gestin (CRM) y la orientacin (por ejemplo, Karakostas, Kardaras, y
Papathanassiou (2005)).
La investigacin en el sector bancario es actualmente un dominio interesante
de investigacin. Debido a los avances en tecnologa de la informacin, la
prctica totalidad operaciones y procedimientos bancarios son automatizados,
generando grandes cantidades de datos. Por lo tanto, todos los temas
mencionados anteriormente potencialmente pueden beneficiarse de soluciones
de BI.
2.3. Inteligencia de Negocio
BI implica varias reas y tecnologas distintas que convergen en el objetivo
comn de tener acceso a los datos con el fin de ayudar a las empresas al
facilitar el conocimiento y apoyo para una mayor las decisiones de gestin. Una
forma de lograr esto es mediante la prediccin un determinado
comportamiento o resultado basan en modelos basados en datos, en lo que se
conoce como DM o anlisis predictivo, proporcionando as la mayora de los
posibles resultados a los directivos (Han, de Kamber, y Pei, 2006; Turban et al.,
2011; Witten y Frank, 2005).
La interseccin de varios campos de investigacin, como la inteligencia
artificial, estadsticas y bases de datos, varios de los algoritmos de aprendizaje
supervisado DM han sido propuestos para la construccin de modelos basados
en datos.
Estos modelos predictivos DM se clasifican en dos tipos
principales:clasificacin, si el destino de salida es un valor categrico, y la
regresin,Si la variable de destino es un valor numrico. Los ejemplos de
populares modelos de DM que se pueden aplicar tanto a la clasificacin y
regresin son rboles de decisin, redes neuronales y de soporte vectorial
mquinas (Witten y Frank, 2005). Tambin hay otros objetivos DM, como la
agrupacin, que utiliza el aprendizaje no supervisado a grupo Artculos
similares. Auto-organizacin de mapas es un ejemplo de un popular tcnica de
agrupacin. Los almacenes de datos (DW) son otro popular concepto de BI que
consiste en repositorios de datos para acceder a datos de diferentes fuentes,

organizados en un esquema nico y ponen en orden para facilitar la extraccin

de informacin para producir conocimiento.
Un DSS es un sistema de informacin que proporciona asistencia en el apoyo la
toma de decisiones de negocio (turbante et al., 2011). Aunque a menudo se
utiliza como sinnimo de BI, el DSS tambin puede utilizar el conocimiento
experto en vez que los modelos basados en datos (por ejemplo, el grupo DSS).
Nuevos conceptos son nuevos relacionados con el DSS y BI, tales como el
negocio de adaptacin inteligencia, que tiene como objetivo reducir la brecha
entre el apoyo y tomar la decisin mediante la adicin de prediccin de
adaptacin y optimizacin mdulos a los sistemas de BI clsicos (Michalewicz
et al., 2008).
2.4. Anlisis de la literatura
Una revisin de la literatura de un conjunto de artculos permite analizar un
determinado someter e identificar tendencias de la investigacin y las posibles
lagunas que pueden conducir a nuevos estudios y descubrimientos (Levy y
Ellis, 2006). De hecho, se considera un paso crtico y una lnea de base para
dar a conocer nuevos puntos de vista en un tema de investigacin, por lo tanto
un facilitador e impulsor de nuevos hallazgos.
Dicha relevancia se expresa a travs de las numerosas publicaciones en la
realizacin de revisiones de la literatura a travs de las diferentes ciencias
(Cronin, Ryan, y Coughlan, 2008; Jesson y Lacey, 2006).
Tradicionalmente, la literatura exhaustiva analiza la demanda considerable
cantidad de esfuerzos por parte de los investigadores, en la bsqueda para el
estado del arte sobre un tema dado que puede servir como un conductor en la
nueva investigacin. Las nuevas tecnologas permitieron a las bases de datos
en lnea de bibliotecas, fcil para acceder desde cualquier lugar, ofreciendo a
los investigadores una enorme cantidad de artculos disponibles. El uso de las
consultas de bsqueda proporcionada por dichas bibliotecas facilita la
recuperacin de los artculos en una determinada tema; Sin embargo, los
grandes volmenes de artculos devueltos presente la difcil tarea de leer el
contenido de cada papel, incluso aunque las partes ms pequeas de los
artculos (por ejemplo, ttulo, resumen, palabras clave) puede proporcionar una
ventaja en la investigacin llevada a cabo. Para abordar este dificultad, algunos
enfoques TM se han propuesto recientemente para el anlisis de la literatura.
La Tabla 1 resume cuatro marcos para el anlisis de la literatura que utilizar
diferentes tcnicas. El primero (Jourdan, Rainer, y Marshall, 2008) utiliza un
enfoque tradicional esfuerzo humano, mientras que el restante tres anlisis de
la literatura TM realizado. Finalmente, en la ltima fila,
Tambin se muestran las caractersticas del enfoque actual, a permitir una
comparacin directa. Los cuatro marcos eran elegido para representar
diferentes y las ltimas metodologas de anlisis de la literatura en las reas de
investigacin estrechamente relacionados con el BI, que es el foco de la
presente investigacin, aqu se aplica a la industria bancaria. Eso Tambin se

tuvo en cuenta que cada uno de esos marcos deberan hablar de los criterios y
mtodos de investigacin, expresado en las columnas de la Tabla 1, para
permitir la comparacin de los diferentes enfoques con el mtodo propuesto.
El trabajo de Jourdan et al. (2008) ofrece una revisin general sobre BI y
requiere que al menos dos seres humanos (a veces tres, en casos de diferente
opinin de los dos autores ledos manualmente) cada uno de los 167 artculos.
Una ventaja principal de este enfoque es el hecho de que un lector humano
puede entender fcilmente el significado de una palabra por el contexto de el
resto del texto (por ejemplo, '' de alto nivel '' puede referirse a las personas de
edad avanzada, o para profesionales de alto nivel, que no podr ser tan viejo),
mientras que un enfoque automatizado no puede. sin embargo, el tiempo
necesario para llevar a cabo un anlisis de dichos manuales le prohbe que se
aplica a un gran nmero de manuscritos.
Los tres marcos restantes utilizan enfoques TM, analizando una serie de
artculos de ms de un millar. El trabajo de Sunikka y Bragge (2012) se centran
en dos temas, todava se lleva a cabo un anlisis separado de los dos
resultados, mientras que los dos restantes enfoques

en slo un objeto de anlisis. Como resultado de ello, el presente trabajo, el

cual anlisis de aplicaciones de BI en la banca, es el nico de la Tabla 1
utilizando una consulta de bsqueda con una conjuncin elemento ( '' Y '') (Que
se explica ms adelante en la Seccin 3.2). Esto justifica la significativa

cativamente menor nmero de artculos analizados en el presente artculo, a

pesar de que el procedimiento que se presenta es escalable.
Otra diferencia entre los enfoques TM es el procedimiento utilizado para reducir
el espacio de bsqueda a un nmero manejable de trminos: Delen y Crossland
(2008) analizaron el resumen, desechando las palabras clave, y se utiliza una
descomposicin en valores singulares, mientras los dos marcos restantes
consideran slo las palabras clave. Los antiguos autores argumentaron que las
palabras clave son por lo general mencionan en abstracto, e incluso que
algunos autores seleccionar las palabras clave que les gustara estar asociados
con su trabajo. Sin embargo, puede argumentar que el enfoque de los
descartes (2008) Delen y Crossland trminos pertinentes formados por ms de
una palabra, como '' Minera de datos '' o '' sistemas de soporte de decisiones
'', que se incluyen en el presente trabajo mediante el uso de un diccionario de
dominio especfico, la superacin tanto esta limitacin (Han, Wang, y El-Kishky,
2014) y el asociado con el uso de slo las palabras clave mencionado
anteriormente. Hay que sealar tambin que, si bien todo el anlisis TM en la
Tabla 1 la realizacin de anlisis de agrupamiento, ninguno de las mencionadas
obras utiliza el algoritmo de agrupamiento LDA. Tambin hay evidencia se
encontr de anlisis de la literatura utilizando esta tcnica. Su computacional
complejidad de la inferencia probabilstica para encontrar una gran nmero de
temas se considera NP-duro, mientras que el aprendizaje no supervisado
utilizando expectativa de maximizacin requiere el clculo repetido
probabilidades de marginales de qu temas estn presentes en los
documentos. LDA modelo es considerado uno de los ms importantes modelos
probabilsticos en la actualidad el uso generalizado (Sontag & Roy, 2011).
3. Materiales y mtodos
3.1. la seleccin Diario
Dado el nfasis en los aspectos de tecnologa de aplicaciones de BI a la
industria bancaria, los artculos fueron seleccionados de revistas ms
relacionado con la tecnologa en lugar de la gestin. Sin embargo,con el
aumento de popularidad de BI (tanto en la industria y la investigacin), las
publicaciones correspondientes se han disparado, hacer una revisin de la
literatura en este campo una tarea difcil.
Para seleccionar las publicaciones pertinentes donde buscar, el focose
estableci en la bsqueda de las revistas cientficas ms influyentes en
aplicaciones de BI a los negocios y gestin, dentro de una reciente marco de
tiempo que incluye alrededor de una dcada (ltimos doce aos, 2002-2013).
En lugar de definir una publicacin especfica criterio mtrico (por ejemplo,
mediante el uso de factor de impacto o el nmero de citaciones) para la
seleccin de revistas, las decisiones se basaron en revisiones bibliogrficas y
anlisis de su publicacin.
Cabe sealar que hay estudios que critican impacto ranking de factores de
precisin, tales como Andersen, Belmont, y Cho (2006) que analiza el factor de

impacto de los informes de citas de revistas (JCR) publicado por el Institute of

Scientific Information (ISI). Los valor de los estudios de encuestas y de revisin
sobre los temas en anlisis es que las revistas seleccionadas a travs de los
que ya fueron validados a travs un anlisis ms profundo de las publicaciones
en lugar de slo las citaciones consideraciones.
Pocos artculos evaluar la influencia de las revistas en la informacin sistemas
(IS) de dominio. Para ayudar en la seleccin de revistas, tres artculos de
revisin fueron elegidos, uno de cada una tercera parte del tiempo marco (es
decir, 2002-2005, 2006-2009 y 2010-2013). El criterio
Dicha seleccin artculo de revisin incluye: cuenta nica revista artculos, pero
sin restriccin en cuanto ttulo de la revista; considerar revisiones en reas
relacionadas a este estudio (es decir, BI y la banca); considerar artculos con
una lista de revistas usados en su revisin y el nmero de artculos
recuperados para cada revista en dicha lista.
El ms antiguo de ellos (Huang y Hsu, 2005) analizaron la publicacin la
productividad es a partir de 1999 a 2003. Su estudio tambin us tres otra
revista revisa como base de trabajo, y seleccion 12 de referencia revistas en
el campo de la ES. Ngai, Xiu, y Chau (2009) analizaron la literatura 2000-2006
en un campo ms especfico relacionado con el la investigacin que aqu se
presenta, DM y sus aplicaciones a la CRM, por la revisin de 87 artculos de 28
revistas diferentes. Por ltimo, el ms estudio reciente de Chen, Chiang, y
Storey (2012) se centr en BI y anlisis y su impacto a los negocios a travs de
una revisin de la literatura en aquellos sujetos en los ltimos diez aos (20002011). Esos tres tambin se seleccionaron los estudios con el fin de ser
complementarios en trminos de los dominios de la IS, CRM y BI,
proporcionando de este modo con un vasto seleccin de revistas.
Los criterios para la seleccin de revistas es incluir todas las revistas utilizado
en al menos uno de los tres estudios mencionados, a excepcin de: revistas no
tcnicas, que estn ms relacionados con los negocios y gestin, fueron
excluidos, tales como la gestin de MIT Sloan y la Harvard Business Review; y
desde la revisin de Ngai et al. (2009) present una lista muy grande de
referencias, revistas citadas solamente una vez o dos veces en esta revisin
fueron descartados, a excepcin de Informacin y Gestin, que fue
seleccionado ya que tambin se utiliz en la revisin de Huang y Hsu (2005).
El resultado final es una lista de catorce revistas de ocho diferentes editores
(Tabla 2) que establecen las fuentes en este estudio para la bsqueda artculos
pertinentes.

3.2. Bsqueda de artculos

Las bsquedas se realizaron a travs de cada uno de los editores motor de
bsqueda en lnea. La mayora de los motores de bsqueda estn optimizados,
permitiendo consultas de bsqueda complejas mediante el uso de campos
especficos y los operadores booleanos '' Y '' y '' O ''. Cabe sealar que Algunos
de los motores de bsqueda no proporcion la flexibilidad necesaria (E. G.
Booleana AND / OR operadores, la especificacin de campo de bsqueda), por
lo tanto la bsqueda se dividi en bsquedas dentro de la bsqueda principal.
La consulta utilizado es el mismo para cada revista, y consiste en una
expresin booleana que contiene dos o conectados expresiones, uno para
trminos bancarios y otro para el BI, y ambos estn conectados a travs de una
Y, lo que significa que cualquier artculo debe incluir al menos un trmino
bancario y otro trmino BI:(Banca O bancarias o de crdito) Y ( '' inteligencia
empresarial '' O '' Minera de datos '' O '' sistema de soporte de decisiones '' o
'conocimiento' descubrimiento '' O '' anlisis de negocios '' o la previsin de O ''
moderna optimizacin '' O modelado O '' aprendizaje automtico '' O ''
Inteligencia artificial '' o prediccin o predictivo).
La composicin de dicha consulta es siempre subjetiva. Para reducir tales
subjetividad, los autores y los dos expertos en los sectores de banca llevadas a
cabo varias bsquedas ms amplias con una sola palabra clave, tales como ''
Banca '' y '' inteligencia empresarial '', llegando a un consenso que consiste en
la consulta presentado anteriormente. Algunas observaciones deberan ser
mencionado. En primer lugar, el crdito es un tema en s mismo, aunque estn
estrechamente relacionados con la banca, por lo que se considera en la
bsqueda. Para conocer los trminos de BI, la eleccin es en los conceptos de
alto nivel, descartando mtodos especficos y tcnicas, tales como almacenes
de datos, redes neuronales y tablas de decisin.
Todas las bsquedas se realizaron en 2014, con el correspondiente Diario 2013
volmenes ya publicados, y slo los incluidos ttulo del artculo, resumen y
palabras clave, ya que esos son los ms visibles reas artculo en el que, si un
determinado concepto es relevante, debe ser mencionado.

Tambin hay que sealar que buscar algunas bases de datos en lnea Los
motores slo permite buscar en este tipo de contenidos, lo que hace inviable
una bsqueda de texto completo.
Los primeros resultados de bsqueda incluyeron un total de 240 artculos. Un
manual del anlisis, que consiste en la lectura de cada ttulo, resumen y
palabras clave, varios artculos detectados donde los trminos se produjeron
con una diferente es decir, como '' banco de sangre '' o '' crdito '' mencionado
en un pas que no contexto econmico. Esta poda manual de condujo a una
piscina de 219 artculos.
La Tabla 2 muestra la contribucin de cada revista en trminos de resultados
de bsqueda (Donde cada golpe denota un artculo).
3.3. minera de textos para la revisin de la literatura
Desde 219 artculos es un nmero bastante grande para un anlisis manual, en
este estudio se utiliz TM para facilitar en la produccin de organizado
informacin para analizar la literatura. Teniendo en cuenta el objetivo se
establece especficamente en aplicaciones de BI a la banca, a fin de mantener
el mbito de aplicacin dentro de una lista de trminos manejables, que tiene
sentido para definir un diccionario que incluye tanto la BI y la banca ms
comunes trminos y conceptos, en lugar de dejar que los algoritmos de TM
para buscar, grupo y las palabras de conteo de forma indiscriminada. Por lo
tanto, dos diccionarios se definieron, uno para la banca y otro para el BI, cada
uno de ellos conteniendo una lista de trminos compone de una o ms
palabras (n-gramos).
Partiendo es una tcnica a menudo se aplica en TM, a fin de reducir palabras
similares a un trmino nico (por ejemplo, '' banca '' y '' bancos '' son
transformado en '' banco ''). En lugar de simplemente realizar habitual
derivada, una lista ampliada de trminos relacionados se crea que incluye otros
conceptos en el mismo dominio. Por ejemplo, '' lealtad '' y '' Valor de la vida ''
son lo opuesto a '' desercin '' y '' batido '', pero todos ellos preocupacin por el
problema de cliente '' de retencin '', por lo tanto todos ellos fueron agrupados
bajo este trmino reducida.
Tanto la definicin de los diccionarios y la agrupacin de trminos en virtud de
un periodo reducido nica son subjetivas. Para reducir esta subjetividad, los
tres autores de este trabajo analizaron todas las decisiones. Eso Hay que
mencionar que, mientras que los tres autores son experimentados en sistemas
de informacin y de BI, una de ellas es a tiempo completo gerente de sistemas
de informacin en un banco comercial desde 2001, que tiene proyectos
coordinados en distintas reas tales como la comercializacin y el riesgo.
Adems, dos experimentados profesionales de la banca en diferentes reas
fueron consultados (uno de ellos tiene 3 aos como contacto tcnico soporte
central, y 10 aos como tcnico en Marketing, mientras que el otro tiene de 6
aos en el rea comercial, ms un ao en el Departamento de Riesgo). Para
ampliar an ms la validacin de los diccionarios, teniendo en cuenta stos

guiar todo el enfoque TM, y tambin el relativamente pequeo nmero de

artculos, cada uno de los artculos se analiz en trminos del ttulo, resumen y
palabras clave para la prospeccin de la adecuacin de los trminos en cada
diccionario de los artculos. Para un gran nmero de artculos, una alternativa
sera la de recoger una razonable al azar nmero seleccionado de artculos
para validar el diccionario.
Los diccionarios resultantes y agrupacin de los trminos definidos para banca
y BI se muestran en las Tablas 3 y 4, respectivamente.1 Algunos
consideraciones deben hacerse acerca de los diccionarios. En primer lugar,
tanto no se incluyeron los trminos '' banca '' y '' inteligencia empresarial '', ya
que son los dos trminos ms amplios que caracterizan a cada artculo
encontr. Un trmino tambin relevante que no se incluy es riesgo y sus
variaciones, ya que es un tema de investigacin por su propio y est implcito a
otros dominios bancarias especficas, tales como la puntuacin de crdito, el
fraude y deteccin de la quiebra y batido (teniendo en cuenta el riesgo de
perder clientes).
Para el anlisis de la literatura de los artculos recogidos, el texto completo se
considera. Desde este anlisis abarca dos reas distintas, BI y la banca, es
probable que algunos de los trminos de los diccionarios pueden no estar
presentes en el resumen + + palabra clave del ttulo, porque no son el foco
principal de la investigacin (por ejemplo, ciertas tcnicas de BI aplicado).
Tambin el anlisis de texto completo permite una mejor evaluacin de las
frecuencias de trminos, ya que un plazo expresado en numerosas ocasiones a
travs un artculo es probablemente ms relevante que otro que slo se
menciona en el resumen. La excepcin es la seccin de referencias, lo cual fue
podado de todos los artculos. Procediendo de esta manera, se asegura que
ningn trmino del diccionario coincidir con cualquier partir de la publicacin
ttulos citados en el artculo. Si algn trmino en el diccionario es relevante por
algn estudio, entonces es probable mencionado a travs del texto del artculo.
El procedimiento adoptado TM incluy varias etapas a lo largo del corpus de
documentos, para la creacin de bandas espacios en blanco adicionales, la
conversin de todos palabras en minsculas, lo que reduce los trminos del
diccionario a un comn plazo, y, finalmente, la definicin del trmino matriz
documento, que es una representacin bidimensional utilizado como insumo
para la LDA (las dimensiones son los artculos y los trminos, y cada clula
contiene la frecuencia que aparece en termx articley).
Hay una amplia variedad de herramientas y software que puede ser usado para
realizar TM. Para esta revisin, se eligi la herramienta estadstica R (<Www.rproject.org>), ya que es de cdigo abierto y ofrece una gran flexibilidad a
travs de la instalacin de paquetes. En particular, el paquete tm elegido fue
adoptada, ya que ofrece un gran nmero de funciones para la gestin de
documentos de texto y proporciona una abstraccin del proceso de documento
de manipulacin (Meyer, Hornik, y Feinerer, 2008).

A efectos de demostracin, parte del cdigo est expuesto R (Cdigo 1). Este
cdigo fue utilizado por primera vez para crear el corpus de documentos
basado en una ruta que contiene todos los documentos (lnea 1), realice una
limpieza mediante la eliminacin de espacios adicionales (lnea 2) y la
conversin de todas las palabras de minsculas (lnea 3). A continuacin, la
lista de trminos equivalentes para reducir a un trmino comn nico (Tablas 3
y 4) se cargan en una tabla de bsqueda (lnea 5) y los trminos reducidos
(primer elemento de la R bsqueda en la lista de tabla) se comparan con los
diccionarios previamente cargado a travs de la funcin de interseccin, que
constituye el reducido Diccionario de trminos (lnea 6). Sigue despus un
costoso computacionalmente mapeo para realizar una funcin vstago que
utiliza los trminos en la tabla de consulta para reducirlos a un trmino comn
(lnea 7).
Por ltimo la lnea 10 define una funcin para permitir fichas hasta tres
palabras (las palabras mximas de los trminos en los diccionarios
considerados) y la lnea 11 se construye la matriz concepto de documento
(Delen y Crossland, 2008; Meyer et al., 2008).

3.4. Clasificacin de los temas

Para obtener una
estructura que agrupa los artculos con el fin de permitir un anlisis ms
profundo, los topicmodels paquete R es una eleccin lgica,a que se aprovecha
de las estructuras de datos producidos por el tm paquete con el fin de
proporcionar la infraestructura bsica para el tema apropiado modelos (Hornik
y Grn, 2011).
Dentro del paquete topicmodels, la asignacin de Dirichlet latente (LDA)
algoritmo (Blei y col., 2003) se aplica y puede ser para una caracterizacin
general de la literatura, la frecuencia de Se obtuvo cada trmino por el
diccionario combinado que incluye tanto las Tablas 3 y 4. Tambin una nube de
palabras fue diseado para permitir una interpretacin visual de los resultados
obtenidos.
Aplicada mediante la recepcin de slo dos parmetros, el trmino documento
matriz creada para el TM y el nmero deseado de temas. Los resultado es una
estructura compleja de la cual se pueden obtener los temas y los trminos que
lo definen, caracterizan a travs de una versin beta (b) distribucin calcula
para cada trmino para un tema determinado. Tambin para cada artculo, se
puede obtener la probabilidad de juego a cada uno de los temas. En este
estudio, slo el tema ms probable de acuerdo de LDA para un artculo dado
que se consideraba. Adems, los tres ms significativo Los trminos para la
caracterizacin de cada tema de acuerdo con la distribucin b ser analizado.

Como se dijo anteriormente, un parmetro necesario para LDA es el nmero de

temas. Siguiendo el enfoque de Delen y Crossland (2008), este valor se
establece en la mitad de los trminos considerados. Simplificar el anlisis
realizado, los temas se presentan en las tablas en referencia al nmero de
artculos en cada tema publicado a travs el perodo considerado de los ltimos
doce aos.

distribucin calcula para cada trmino

para un tema determinado. Tambin para cada artculo, se puede obtener la
probabilidad de juego a cada uno de los temas. En este estudio, slo el tema
ms probable de acuerdo de LDA para un artculo dado que se consideraba.
Adems, los tres ms significativo Los trminos para la caracterizacin de cada
tema de acuerdo con la distribucin b ser analizado. Como se dijo
anteriormente, un parmetro necesario para LDA es la nmero de temas.
Siguiendo el enfoque de Delen y Crossland (2008), este valor se establece en la
mitad de los trminos considerados. Simplificar el anlisis realizado, los temas
se presentan en las tablas en referencia al nmero de artculos en cada tema
publicado a travs el perodo considerado de los ltimos doce aos.
4. Resultados y anlisis
Los resultados se presentan en dos secciones: en la primera, los resultados son
analizados en base a las frecuencias de trminos para el conjunto de los
artculos 219 recogido. Los resultados respectivos se muestran utilizando una
mesa y una
Nube de la palabra, que utiliza un tamao de letra ms grande para el ms
frecuente condiciones. Despus del anlisis global, los temas generados con
LDA se muestran y se analizaron. En la segunda seccin, un representante
artculo para cada tema est seleccionado y analizado con el objetivo de
entender si la tendencia sugerida por la caracterizacin tema es alineado con
dicho artculo.

4.1. minera de textos y temas de asignacin de Dirichlet latente

Los resultados globales se presentan en la Tabla 5, con un total de 38
condiciones. La palabra respectiva nube se muestra en la Fig. 1. En general, la
trminos de BI estn mucho ms uniformemente distribuidos: el crdito es el
trmino superior, seguido de cuatro trminos de BI, y viene despus de dos
bancarios relacionados trminos, el fraude y la quiebra. Este es un resultado
esperado, ya que la banca define los problemas tratados, a los que muchos
diferentes
Las soluciones de BI se pueden aplicar, incluyendo algoritmos ms especficos
y herramientas o enfoques ms generales, tales como el modelado y el
conocimiento descubrimiento. Slo tres de los trminos bancarios se
encuentran entre catorce los once ms citados. Este anlisis global permite
tener una visin en lo que parece ser una hiptesis interesante para probar: la
mayor parte de los esfuerzos de investigacin de BI se dirigen hacia unos
pocos (y probablemente ms caso) de los dominios bancarias. La palabra nube
en la Fig. 1 parece para ayudar a apoyar esta afirmacin, ya que hace ms
visible que el crdito es el trmino dominante, seguido por varios trminos de
BI, y slo entonces viene los prximos dos problemas bancarios: fraude y
quiebra.
El segundo nivel de anlisis, utilizando un LDA parametrizar a 19 temas y
presentados en la Tabla 6, que es ms interesante para este estudio, ya que
permite relacionar trminos de BI para los problemas bancarios, identificando
as tendencias de la investigacin y, finalmente, las brechas para futuras
investigaciones. Cada tema se presenta en lneas horizontales, con la columna
etiquetada '' temas '' Presentacin de los trminos ms relevantes y los valores
de distribucin b (Convertido a positivos, ya que slo se utilizan para la
comparacin propsitos) con respecto a un tema determinado (definido por la
fila).
El nmero de la columna de artculos se presenta el nmero de artculos que
Se incluyeron en el tema y que se publicaron a travs de la analizada perodo
de doce aos.
Los resultados de la Tabla 6 muestran una creciente aunque no constante BI
inters en aplicar a la banca. Para cada tema, siempre hay una trmino
dominante, con un valor de b que coincide con lo que cerca de un cierto
problema bancario o a un tipo de BI tcnica, herramienta o contexto. Dado que
los tres trminos ms relevantes se muestran para cada tema, la mayora de
ellos tienen al menos uno de los 3 mejores trminos pertenecientes a la banca
y otro de BI, lo que permite analizar cada tema como una de BI aplicacin a la
banca. An as, hay cuatro temas que se centran especficamente en temas de
BI (3, 9, 14 y 16), con los tres dominante trminos que cumplan todos los
trminos de BI, y un tema equivalente para la banca
(Tema 5).

El tema
mejor identificada con el crdito obtiene
70 artculos a juego, aunque los trminos segundo y tercero de este tema,
predecir y segmentacin, tiene un valor significativamente mayor b (mayor de
3.3), lo que significa que su relacin no es tan fuerte. Esto pone enfatiza en
numerosas aplicaciones de BI para beneficiar a las empresas de crdito y el
riesgo evaluacin. De hecho, el crdito se mete en el top 3 de los seis temas
ms

mientras que ser tambin el trmino superior para el cuarto tema, lo que
confirma la la diversidad de este tema.

El ao 2008 parece ser un valor atpico, que contiene una pequea nmero de
artculos en comparacin con sus aos circundantes (slo siete artculos). Es
probable que la crisis financiera global, que culmin en 2008 con el fracaso de
las principales instituciones financieras, tambin ayudado en auge la
investigacin en el ao siguiente de 2009, con un total de 37 artculos para el
conjunto analizado. El segundo tema, con 25 artculos en total, tuvo ocho
publicaciones slo para 2009, el nmero ms alto para el tema en los doce
aos de estudios. Adems, el tema incluye poblaciones como el tercer trmino
ms relevante, mientras que predecir y la teora de conjuntos son la primera y
segunda, respectivamente.
En relacin con el dominio de la banca, el fraude y la prediccin de la quiebra
conseguir un partido de nueve (tema 6) y siete artculos (tema 10)
respectivamente, aunque la mayora de ellos son recientes, que puede ser
tambin consecuencia de la crisis financiera. Las redes neuronales son los
dominantes tcnica de aprendizaje especfica adoptada, superando el tercer
tema con ms artculos (22). Tema 5, con 12 artculos, tiene los tres ms
relevantes
Slo trminos para la banca: la retencin, tasas de inters y la orientacin.
Este es un tema interesante, ya que muestra una distribucin uniforme nmero
de publicacin para el perodo considerado, con la mayora de los aos que
tiene slo uno o dos artculos, con la excepcin de los aos 2003, 2009 y 2010.
Teniendo en cuenta que los tres trminos tienen significativamente cerrar los
valores de b, se puede plantear la hiptesis de que, al dirigirse a los clientes
con atractivas tasas de inters en los productos ofrecidos pueden
Tambin sirven al propsito de retener ellos, lo que reduce la rotacin. DSS son
una temtica bastante antiguo, pero lejos de ser obsoleto. Desde el temas de
la Tabla 6, es posible confirmar la amplia referencia a DSS contando cinco
apariciones de los sistemas de soporte de decisiones plazo en diferentes
temas, con una distribucin aparente incluso en el aos considerados. Por otro
lado, la minera de datos tiene slo una referencia en los 3 primeros trminos
para cada tema, que es el tema 16, con slo 5 artculos. Esta un resultado
inesperado, ya que el estado de la tcnica de prediccin es la aplicacin de
tcnicas de extraccin de datos.
Sin embargo, cabe sealar que las tcnicas de minera de datos dominante
incluir la red neuronal y de regresin, que tienen varias referencias propagan a
travs de los 19 temas.
En el respeto de los cuatro temas que estn mejor identificados por tres
trminos todos ellos relacionados con el BI, y algunos otros temas, se puede
hipotetizar que es probablemente una indicacin de que la atencin se centra
en las aplicaciones de BI,
No evaluar los beneficios en profundidad para la banca.

En cuanto a la final de la tabla, almacn de datos es sorprendentemente baja

en las publicaciones, aunque los bancos siguen invirtiendo en aquellos
sistemas como una forma de unificar los datos de lo contrario se extienden a
travs de una organizacin.
Otros trminos propuestos recientemente para BI, como adaptativo
(Michalewicz, Schmidt, Michalewicz, y Chiriac, 2005) (mencionado en los temas
4 y 9, pero slo como el tercer trmino ms relevante en tanto de los casos),
todava quedan algunas publicaciones y otros no lo son, incluso en cualquiera
de la lista 3 trminos superior (por ejemplo, los grandes datos).
4.2. Anlisis de los artculos representativos por tema
En la seccin anterior, LDA se aplic para dar a conocer los temas los cuales
artculos de grupo, caracterizado por los trminos identificados en la Tabla 6,
sugiriendo las principales tendencias de la investigacin relativa a las
aplicaciones de BI a la banca. Sin embargo, este enfoque automatizado tiene
una significativa limitacin (Thomas, McNaught, y Ananiadou, 2011):
documento agrupacin es completamente dependiente de la tcnica utilizada
para la creacin de los racimos, que se basa en la identificacin plazo; el
problema consiste en trminos con significados diferentes en funcin de la
resto del texto (por ejemplo, el riesgo puede hacer referencia al riesgo de
impago de crdito o de la quiebra riesgo). En esta seccin, este problema se
soluciona mediante la identificacin de los artculos ms representativos de
cada tema. A continuacin, el texto completo anlisis manual de cada uno de
los artculos se realiza en diecinueve Para confirmar o no las hiptesis
sugeridas por los temas encontr. Tabla 7 identifica los artculos elegidos.
Teniendo en cuenta el hecho de que los tres trminos ms relevantes fueron
seleccionado para la caracterizacin de los temas (Tabla 6), a fin de seleccionar
el artculo ms relevante se consideraron dos mtricas, por la siguiente orden
de relevancia: el nmero de diferentes trminos mencionados en cada artculo
(de uno a tres entero ms relevantes trminos, que se muestran para cada
tema), y el nmero total de veces cada uno de los tres trminos se produjeron,
sin tener en cuenta el trmino especfico.
Tal procedimiento se explica mejor con un ejemplo: tema 10

xdfd}}

agrupa un total de siete

artculos; para cada uno de esos
artculos, la nmero de
ocurrencias de cada uno de los
tres trminos ms relevantes
fue extrado de la matriz
concepto de documento
(por lo que resulta en una
sub-matriz limita a los siete artculos y los trminos '' quiebra '','' Predecir '' y ''
depsito '' del tema 10); A continuacin, la submatriz recibi la orden
decreciente por el nmero de trminos diferentes y el nmero de veces que
cada uno de los tres trminos se produjo, lo que resulta en cuatro artculos que
mencionaban los tres trminos, y tres refirindose slo dos trminos; de esos
cuatro artculos, el que tiene
Se seleccion una frecuencia ms alta de trminos, que fue el estudio de Hu et
al. (2012).
Tema 1 est mejor representado por el trabajo de Chi y Hsu (2012), que es una
investigacin tpica para predecir el riesgo de crdito de forma
predeterminada, satisfaciendo perfectamente en los dos trminos ms
relevantes, '' crdito '' y '' predecir '' (Tabla 6), mientras que '' segmentacin ''
(el tercer trmino ms relevante)
Tambin se utiliza en su trabajo para la definicin de los grupos de riesgo
homogneos.
Este estudio confirma la hiptesis surgi de la seccin anterior, que apuntaba
esta lnea de investigacin de predecir el comportamiento de crdito como la
principal aplicacin de BI a la banca.
Al observar el ttulo del artculo identificado mejor con el tema 2, el trabajo de
Kumar y Ravi (2007), '' prediccin de quiebra en bancos y empresas a travs
de tcnicas estadsticas e inteligentes A opinin '', se podra argumentar por
qu no ha coincidido con el tema diez, que enfocar con precisin en la
prediccin de la quiebra. Sin embargo, una ms profunda anlisis de dicho
artculo revel que es un trabajo ms centrado en la aplicacin de la teora de
conjuntos, as como otras tcnicas para comparar su rendimiento la hora de
abordar un problema de prediccin, lo que sucede siendo la quiebra. De hecho,

el tercer trmino de diez tema es '' depsito '', mientras que para los dos es el
tema '' stocks '', que es mucho ms relacionado con la quiebra: se menciona
varias veces a travs del texto.
Tema 3 se centra ms en las tcnicas aplicadas en lugar de el mismo problema
de la banca, que encaja perfectamente con el elegido artculo (Huang et al.,
2004). Este estudio se centra en la comparacin de mquina de tcnicas de
aprendizaje, utilizando la calificacin de crdito corporativo para la evaluacin
comparativa de su rendimiento.
Mientras que diecisiete de los diecinueve temas fueron emparejados por mejor
un artculo que se refera a los tres trminos ms relevantes (de Tabla 6),
quedan dos para los que el mejor artculo slo contena dos de los tres
trminos ms relevantes (tema 9) o slo uno (tema 14). En caso de tema 9, el
valor significativamente mayor para b '' Adaptacin '', el tercer trmino, ms
del doble que el segundo trmino, puede justificar el resultado. Sin embargo, el
tema 14 muestra claramente una debilidad de este enfoque: A pesar de que
los grupos de cinco artculos, ninguno est relacionado con ms de un trmino
de los tres ms relevantes (por ejemplo, el trabajo de Hsieh (2004) se dedica a
las reglas de asociacin, sin siquiera mencionando los dos trminos restantes).
Se puede plantear la hiptesis de que esto es una consecuencia directa del
problema mal planteado de la agrupacin: la naturaleza basada en datos de la
agrupacin hace que sea muy difcil de correctamente encontrar clusters en los
datos dados (Jain, 2010). LDA caras el mismo desafo de otros algoritmos de
agrupamiento, lo que implica que es inevitable que existen artculos que no
pueden igualar a cualquiera de los temas existentes, lo que lleva a problemas
como el que aqu el tema 14.
5. Conclusiones
En este trabajo el anlisis de la literatura centrada en la banca principal
problemas y soluciones de BI utilizados para resolverlos. La banca es un
competitivo sector en el que se desarrolle la innovacin, debido a la
importancia de este sector de la economa, por lo que es un campo atractivo
para los investigadores. La banca es tambin un dominio que genera gran
cantidad de los datos y las aplicaciones de BI donde potencialmente se pueden
beneficiar de negocios, aumentar la visibilidad y el reconocimiento de los
logros de la investigacin.
Este anlisis reciente abarc los ltimos doce aos (2002- 2013), siendo un
perodo que incluye el efecto de la financiera mundial crisis y su impacto en la
investigacin en este sector. Por lo tanto, este estudio puede beneficiarse
potencialmente investigadores, al permitir la identificacin de nuevas
tendencias de investigacin y las posibles lagunas para la investigacin futura.
Para el anlisis de la literatura, un enfoque de minera de texto usando el
latente Se llev a cabo la asignacin de Dirichlet. Como resultado, varios temas
agrupar los artculos se encontraron, siendo cada uno de estos temas
caracteriza por los tres trminos ms relevantes. Tales temas sugeridos varios

las tendencias de investigacin. Sin embargo, las limitaciones intrnsecas de la

agrupacin algoritmos tales como LDA tienen dirigir los esfuerzos hacia la
validacin de la hiptesis para las relaciones entre los diversos trminos y las
correspondientes tendencias. Para abordar esta cuestin, el artculo ms
relevante para se analiz de forma exhaustiva cada tema, con el fin de
confirmar la tendencias hipotticas. Los sistemas expertos que llevan a cabo
automtica de texto anlisis pueden beneficiarse del procedimiento sugerido
con poco esfuerzo humano adicional para el anlisis de los pocos ms
relevante documentos.
La conclusin ms relevante es que el crdito mantiene su condicin como el
campo dominante de la investigacin en el sector bancario. Otros temas
bancarios relevantes son el fraude y la quiebra, principalmente para deteccin
y prevencin, mitigando as los riesgos asumidos por los bancos.
En cuanto a BI, el objetivo principal consiste en la prediccin, en lugar de
modelado y descubrimiento de conocimiento, que hace hincapi en la
importancia de la estimacin de lo que va a ocurrir en el futuro con el fin para
apoyar mejor toma de decisiones. Hay algunos estudios que utilizan problemas
de la banca para probar y evaluar las tcnicas y herramientas de BI, pero
posiblemente no tomar en cuenta los beneficios reales de negocio para los
bancos, ya trminos bancarios son menos relevantes para esos artculos.
Respecto a la evolucin de las publicaciones al ao 2009 es un ao histrico,
provocando un auge en las publicaciones de investigacin en los dominios
analizados.
Lo ms probable, este efecto fue motivado por presiones empresariales debido
a la crisis financiera global. An as, a travs del perodo de tiempo estudiados,
publicaciones relacionadas con BI enfoques aplicados a la banca tenido un
aumento constante hasta el ao 2012, lo que indica que este es un dominio
aplicacin mucho estudi. Sin embargo, la investigacin ha disminuido en
2013, aunque algunos falta de investigacin en nuevos conceptos tales como
los grandes datos pueden sugerir que todava hay espacio abierto para la
investigacin.
Los resultados ponen de manifiesto algunas lagunas en la investigacin
posiblemente interesantes.
DSS en la banca es un tema muy lejos de escape. Conceptos emergentes tales
como BI de adaptacin y la optimizacin se puede aplicar para mejorar DSS y
mejorar la eficiencia de la banca en varias reas. Por ejemplo, dirigido a los
clientes para vender los depsitos es un dominio de aplicacin donde parece
que hay una falta de investigacin. Aunque algunos artculos mencionar los
depsitos y otros de orientacin, ninguna de estas palabras arriba cualquiera
de los temas calculada. Todava en relacin con los dominios de los clientes, es
interesante comprobar que CRM no es un dominio de la banca superior para
aplicaciones de BI. Esto viene como una sorpresa, ya que CRM es un tema
donde la investigacin ha sido bastante activo, aunque los resultados aqu
presentados muestran que no es el caso de la industria bancaria.

Con la intensificacin de la competencia global dentro de la financiera sector y,

concretamente, la participacin de la industria bancaria, CRM tiene convertirse
en crtico. Por lo tanto, futuros estudios en este tema son de suma importancia
con el fin de comprender claramente lo que es ms exitoso de acuerdo el
tamao y la naturaleza de las entidades financieras que son en juego.
La banca electrnica ofrece una amplia gama de servicios a los clientes.
Algunos involucrar a tareas no transaccionales como la visualizacin de los
saldos de las cuentas o transacciones recientes, la descarga de cuentas
bancarias y declaraciones.
Otros exigen transacciones reales como transferencias de fondos, factura
pagos, aplicaciones y operaciones de prstamos, inversiones en acciones y
bonos. Los bancos que ofrecen todos estos servicios en lnea son
convirtindose financiera '' supermercados '' y exigir una mayor investigacin
en esta rea. Los dispositivos mviles como telfonos inteligentes y las
tabletas son a la vanguardia de los productos electrnicos de consumo. Su
penetracin est aumentando rpidamente en una amplia gama de mercados
de todo el mundo.
Soluciones de banca mvil son hoy en da un gran desafo para la Sector
bancario con el fin de ser capaz de adaptar su enfoque para nuevo cliente
demandas y expectativas. Por lo tanto, esta es otra importante centrarse para
futuras investigaciones.
La quiebra asociado con el riesgo sistmico es tambin un reciente e
interesante sujetos, con su visibilidad establece en un alto nivel gracias a la
crisis financiera global que est lejos de terminar. Adems, es Ahora se sabe
que antes de la crisis, los sistemas no para predecir que, y la prediccin es
precisamente una palabra clave para BI superior, por lo tanto, las aplicaciones
para este caso tambin debe ser mejorada en los prximos aos con el fin de
tratar para prevenir futuras crisis financieras.