Journal of Intelligent Marketing Management

Journal of Intelligent Marketing Management

Providing a Smart Bank Financing Model for SMEs Using Data Mining Algorithms

Articles in Press

Document Type : The scientific research paper

Authors
Seyyed Mohammad Sadeq Milani 1
Ezatollah Abbasian 2
Ebrahim Nasiroleslami 3
1 PhD in Business Administration, University of Tehran, Tehran, Iran.
2 Professor, Faculty of Management, University of Tehran, Tehran, Iran.
3 Assistant Professor, Department of Statistics, Faculty of Basic Sciences, Bu-Ali Sina University, Hamadan, Iran.
JABM.3.2.15564.35125656565015
Abstract
The present study aims to optimize the bank financing process of small and medium-sized enterprises (SMEs) using data mining algorithms and artificial intelligence. In the present era, SMEs play a vital role in the dynamics of the economy, but access to efficient financial resources is their main challenge. Traditional bank financing methods do not meet the dynamic needs of SMEs due to time-consuming processes and inadequate risk assessments. This research is of an applied type with a mixed approach (qualitative-quantitative) and an integrated strategy and aims to provide a smart and efficient model to facilitate SMEs' access to financial resources and reduce banks' credit risk. In the qualitative part, the meta-synthesis method was used to extract key features affecting SME financing, and in the quantitative part, by analyzing real data of Tejarat Bank's credit granting to 1073 SMEs over a five-year period, modeling was done with machine learning algorithms (linear regression, decision tree, k-nearest neighbor, support vector machine, and artificial neural networks). The results of the qualitative part led to the identification of four main dimensions affecting SME financing, including: business characteristics, business strategy, financial and credit status, and external factors. In the quantitative part, different algorithms were evaluated using these features and their combined categories. The findings showed that the artificial neural network (ANN) algorithm, using all extracted features, has the highest accuracy (95.75%) and stability in predicting the success of SME financing. Also, the characteristics of the financial and credit status of the business were identified as the most important categories of characteristics in the financing decision-making process. Based on these findings, the final conceptual model of the research explains the relative importance of different categories of characteristics in the decision-making of Tejarat Bank for financing SMEs. This research conclusively proves the efficiency and effectiveness of machine learning algorithms, especially artificial neural networks, in optimizing the process of bank financing of SMEs and shows their potential in improving the credit assessment processes, reducing credit risks, facilitating SMEs' access to financial resources and increasing the efficiency and reducing the costs of banks.
Keywords
Financing of small and medium-sized businesses
artificial intelligence
machine learning
data mining
meta-synthesis
smart credit assessment
احمدی، م.، رحیمی، س.، و صادقی، ن. (۱۴۰۰). بررسی چالش‌های تأمین مالی SME ها در ایران. مجله مدیریت و توسعه کسب‌وکار, ۱۲(۴), ۱۵۰-۱۷۵.
حسینی، ع.، و همکاران. (1400). ارزیابی چالش‌های زیرساختی در پیاده‌سازی تأمین مالی هوشمند مبتنی بر فناوری بلاکچین برای SME ها. مجله سیستم‌های مالی دیجیتال, 9(1), 110-135.
حسینی، ع.، و همکاران. (1401). مدل‌سازی تصمیم‌گیری هوشمند در تخصیص وام‌های SME با استفاده از الگوریتم‌های تکاملی و بلاکچین. مجله تحلیل فناوری‌های مالی, 13(3), 200-225.
رضایی، م.، و همکاران. (1401). تحلیل تأثیر عوامل رفتاری بر بازپرداخت وام SME ها با استفاده از روش‌های داده‌کاوی و تحلیل خوشه‌ای. مجله مدیریت اعتباری و داده‌کاوی, 12(3), 120-150.
رضایی، م.، و همکاران. (1402). مدل تخصیص منابع مالی هوشمند در بانکداری ایران: از تئوری تا عمل. مجله سیستم‌های مالی پیشرفته, 15(4), 178-195.
کریمی، ر.، و همکاران. (1400). ارائه چارچوب نوآورانه در ارزیابی ریسک اعتباری SME ها با استفاده از شبکه‌های عصبی عمیق. مجله مدیریت و بانکداری نوین, 12(1), 98-115.
کریمی، م. (۱۴۰۰). ابعاد جدید تعریف SME ها: رویکرد نوین. مجله تحقیقات کسب‌وکار ایرانی, ۸(۲), ۹۰-۱۱۰.
کریمی، م.، و همکاران. (1402). طراحی مدل یکپارچه اعتبارسنجی هوشمند برای SME ها: ترکیب الگوریتم‌های یادگیری عمیق و متغیرهای اقتصادی. مجله تحلیل سیستم‌های مالی, 13(2), 210-230.
نوری، س.، و همکاران. (1400). طراحی مدل مدیریت ریسک اعتباری در تأمین مالی SME ها با رویکرد ترکیبی تحلیل داده و پیش‌بینی هوشمند. مجله مدیریت مالی و داده‌کاوی, 10(3), 145-165.
نوری، س.، و همکاران. (1401). ارزیابی تأثیر پلتفرم‌های دیجیتال در تسهیل تأمین مالی SME ها: چارچوبی مبتنی بر فناوری و تجربه کاربری. مجله فناوری و مدیریت مالی, 14(1), 98-120.
رضایی، ح. (۱۴۰۳). راهبردهای ترکیبی در تأمین مالی SME ها: میان کوتاه‌مدت و بلندمدت. مجله راهبرد و مدیریت مالی, ۹(۱), ۴۵-۶۰.
اللهیاری، م.، و همکاران. (1402). ارائه مدل نوین تأمین مالی هوشمند مبتنی بر رفتارشناسی اعتباری SME ها با استفاده از تحلیل کلان‌داده. مجله نوآوری‌های مالی, 14(2), 123-145.
حسینی، پ. (۱۴۰۱). ارزیابی استراتژی‌های تأمین مالی در SME های ایران. پژوهش‌های اقتصادی ایران, ۱۱(۲), ۱۳۰-۱۴۵.
Allen, R., & Garcia, M. (2019). Optimized resource allocation model using big data and simulation for SMEs. Journal of Financial Modeling, 7(3), 300-320.
Brown, A., & Taylor, J. (2020). Impact of digital financing platforms on SME financial accessibility in Europe. European Journal of Financial Technology, 8(1), 98-115.
Johnson, P., & Brown, T. (2022). Using blockchain in smart financing for SMEs: Challenges and opportunities. Journal of Blockchain Applications in Finance, 12(3), 230-250.
Lee, P., Kim, S., & Choi, Y. (2021). Modeling credit default prediction in SMEs using advanced machine learning algorithms. Journal of Machine Learning in Finance, 10(2), 123-145.
Lopez, R., Garcia, P., & Martinez, L. (2021). Challenges and opportunities of IoT in smart SME financing: A case study in transportation and agriculture. Journal of Internet of Things in Finance, 6(1), 105-125.
Parker, D., & Green, S. (2020). Integrated model development for credit risk management in smart SME financing. Journal of Financial Risk Management, 14(2), 210-230.
Smith, J., & Johnson, L. (2023). Framework for financial behavior analysis in SMEs using artificial intelligence and behavioral data analysis. International Journal of SME Finance, 15(4), 456-470.
Journal of Intelligent Marketing Management

Articles in Press, Accepted Manuscript
Available Online from 21 March 2026

  • Receive Date 26 November 2025
  • Revise Date 01 January 2026
  • Accept Date 10 February 2026