Initially, customer time series credit files are acquired. The credit files are organized in a data mart environment for supporting a query system. Time series utilization attributes are created and a neural network time series segmentation process is applied and N.times.N dimension segments are generated for analysis. The chart may be modified to more accurately depict profitable credit revolvers. Credit data from each potential new customer is processed in a similar fashion by the neural network segmentation process. Profitable credit revolvers are identified by having credit utilization patterns belonging to profitable segments previously identified.

Αρχικά, τα πιστωτικά αρχεία χρονικής σειράς πελατών αποκτιούνται. Τα πιστωτικά αρχεία οργανώνονται σε ένα περιβάλλον στοιχείων mart για την υποστήριξη ενός συστήματος ερώτησης. Οι ιδιότητες χρησιμοποίησης χρονικής σειράς δημιουργούνται και μια νευρική διαδικασία κατάτμησης χρονικής σειράς δικτύων εφαρμόζεται και τα τμήματα διάστασης N.times.N παράγονται για την ανάλυση. Το διάγραμμα μπορεί να τροποποιηθεί για να απεικονίσει ακριβέστερα τα κερδοφόρα πιστωτικά περίστροφα. Το πιστωτικό στοιχείο από κάθε πιθανό νέο πελάτη υποβάλλεται σε επεξεργασία σε παρόμοια μόδα με τη νευρική διαδικασία κατάτμησης δικτύων. Τα κερδοφόρα πιστωτικά περίστροφα προσδιορίζονται από την κατοχή των σχεδίων πιστωτικής χρησιμοποίησης που ανήκουν στα κερδοφόρα τμήματα που προσδιορίζονται προηγουμένως.