Innovation Management in Defensive Organizations

Innovation Management in Defensive Organizations

Designing a Customer Validation Model with the Approach of Realizing Fee Income

Document Type : Original Article

Authors
hasan Zulfaghari 1
alireza Farukh Bakht Fomeni 2
nima Renji Jafarudi 2
1 PhD student, Department of Management, Astara Branch, Islamic Azad University, Astara, Iran.
2 Assistant Professor, Department of Management, Bandar Anzali Branch, Islamic Azad University, Bandar Anzali, Iran
10.22034/qjimdo.2024.433494.1652
Abstract
Background & Purpose: A large part of a bank's assets are its payment facilities. With the increase in the number of facility requests and considering the existing risks, it seems necessary to provide a method to manage this facility. Hence, in this research, the design of the customer validation system model with the approach of realizing fee income in the Melli Bank of Iran is discussed.
Methodology: The current research is applied in terms of purpose and a hybrid research in terms of method. In the qualitative stage, the grounded theory strategy was used, and in the quantitative stage, the descriptive-survey strategy was used. The statistical population of the qualitative section included all professors and experts of the National Bank of Iran who are familiar with the issue of credit risks of customers. In this step, an in-depth interview was conducted with 15 people. The three-step coding technique and MaxCuda software were used to analyze the qualitative data. The statistical population of the quantitative part included all managers, supervisors and employees of the National Bank of Iran. Quantitative model validation was done using structural equation modeling and partial least squares method.
Findings: Based on qualitative data analysis, the customer validation model with the approach of realizing fee income in the form of 7 main categories including causal category (risk management), central phenomenon (customer validation system), background conditions (customer orientation), intervening conditions (cultural factors), strategies (banking facilities) and outcomes (fee income and profitability), 16 subcategories and 103 open codes were categorized. The results of the quantitative part also confirmed the fit of the research model.
Conclusion: The research data analysis presented a comprehensive model of causal factors, strategies, background factors, intervention and consequences of customer validation system. The application of the final model of the research will have an important effect in reducing the risk of realization of fee income in the Melli Bank of Iran.
Keywords
Customer Validation
Risk Management
Fee Income
Structural Equations

Subjects

بافنده، علیرضا و رحیمی، رحیم.(1400). ارائه یک سیستم خبره فازی جهت اعتبارسنجی مشتریان حقیقی بانک (مورد مطالعه: بانک ملت سرپرستی استان آذربایجان شرقی). دانشگاه پیام نور استان تهران -پژوهشکده فنی و مهندسی.
تقوی، مهدی؛ لطفی، علی اصغر و سهرابی عبدالرضا.(1397). مدل ریسک اعتباری و رتبه‌بندی مشتریان حقـوقی بانک کشاورزی. پژوهشنامه اقتصادی(ویژه نامه طرح تعدیل اقتصادی)، 4،99-128.
دهمرده، نظر؛ شهرکی، جواد؛ سیف‌الدین پور، سمیرا و اسفندیاری، مرضیه.(1397). اعتبارسنجی مشتریان بانک با استفاده از رویکرد امتیازدهی اعتباری: مطالعه موردی شعب بانک سپه در زاهدان، پژوهش‌های عمومی مدیریت، 5(18)، 135-155.  
راعی، رضا و سروش، ابوذر.(1391). اعتبارسنجی مشتریان حقوقی کوچک و متوسط بانک‌ها با استفاده از مدل‌های لوجیت و پروبیت، پژوهشنامه اقتصادی،  12(44)، 131-145.  
رجب‌زاده مغانی، ناهید.(1396). تحلیل بقا در اعتبار سنجی؛ چارچوبی برای برآورد احتمال قصور به تخمین تابع بقای مشتریان طی زمان، رساله دکتری، دانشگاه فردوسی مشهد.
خوانساری، رسول و فلاح شمس، میرفیض.(1388). ارزیابی کاربرد مدل ساختاری کی‌ام‌وی در پیش‌بینی نکول شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران.  تحقیقات مالی، 11(28)، 49-68.
عسگری مقدم، رضا  و جلیلی، محمد.(1392). اعتبارسنجی مشتریان بانک قرض‌الحسنه مهر ایران با استفاده از روش‌های هوشمند. پایان‌نامه کارشناسی ارشد. دانشگاه پیام نور استان تهران.
فلاح شمس، میرفیض و مهدوی راد، حمید.(1399). طراحی مدل اعتبارسنجی و پیش‌بینی ریسک اعتباری مشتریان تسهیلات لیزینگ، مهندسی مدیریت مالی و مدیریت پرتفوی، 1(2)، 1-22.
میرزایی، حسین؛ نظریان، رافیک و باقری رعنا.(1390). بررسی عوامل موثر بر ریسک اعتباری اشخاص حقوقی بانک‌ها (مطالعه موردی شعب بانک ملی ایران، شهر تهران). روند پژوهش‌های اقتصادی،19(58)، 67-98.
محمدخان، مرتضی؛ اسماعیلی، محمدامین و یاراحمدی، محمد.(1387). طراحی مدل ارزیابی ریسک اعتباری مشتریان بانک با استفاده از مدل رگرسیون لجستیک، ششمین کنفرانس بین المللی مهندسی صنایع، انجمن مهندسی ایران، تهران، دانشگاه صنعتی شریف.
عرب مازار، عباس و رویین تن، پونه.(1385). عوامل موثر بر ریسک اعتباری مشتریان بانکی، مطالعه موردی بانک کشاورزی. جستارهای اقتصادی،3(6)،  45- 80.
Misman, F. N. and Bhatti, M. I. (2020). The Determinants of Credit Risk: An Evidence from ASEAN and GCC Islamic Banks. J. Risk Financial Management, 13(5), 89.
Giudici, P., Hadji-Misheva, B. and Spelta, A. (2020). Network based credit risk models. Quality Engineering, 32(2), 199-211.
Umar, M., Ji, X., Mirza, N. and Naqvi, B. (2021). Carbon neutrality, bank lending, and credit risk: Evidence from the Eurozone. Journal of Environmental Management, 296, 113156.
Xi-yu, F. X.-f. L. (2006). New Evolution and Development Preview of Decision Tree in Data Mining [J]. Information Technology Informatization, 3.
Tehrani, R., and Fallahshamsi, M. (2005). Designing and explaining the credit risk model in the country's banking system Article. Social Sciences and Humanities (Shiraz University), 43, 45-60.
Dadmohammadi, D. and Ahmadi, A.(2015). Credit ranking of bank customers with neural network with lateral connections. Journal of Development In Monetary and Banking Management, 2(3), 1-28.
Ghasemi, A. and Donyayiharis, T.(2016). Credit Risk Measurement In one of the state-owned banks with a Neural Network Approach. Journal of Financial Engineering and Securities Management, 27, 155-181.