Данная работа посвящена исследованию методов Data Mining и реализации оптимизированного алгоритма для прогнозирования оттока клиентов на примере финансовой компании. Даны основные определения, касающиеся оттока клиентов, изучены существующие методы data mining и выполнено их применение к набору данных истории транзакций клиентов банка РосБанк. Произведен сравнительный анализ и предложена разработка оптимизированного алгоритма. Результатом исследования является реализованный алгоритм, который позволяет улучшить качество прогнозирования оттока клиентов на основе селективного ансамбля методов бинарной классификации и нейронной сети GMDH-типа.

This paper is devoted to the study of Data Mining methods and the implementation of an optimized algorithm for predicting customer churn using the example of a financial company. Given the basic definitions relating to the outflow of customers, studied the existing data mining methods and carried out their application to the data set transaction history of RosBank bank customers. A comparative analysis was made and the development of an optimized algorithm was proposed. The result of the study is an implemented algorithm that allows improving the quality of predicting customer churn based on a selective ensemble of binary classification methods and GMDH-type neural network.