En uygun bankacılık hizmet modeli seçimi için bütünleşik çok kriterli karar verme yaklaşımı
An integrated multiple criteria decision making approach for the selection of the most suitable banking service model
- Tez No: 1008609
- Danışmanlar: PROF. DR. YUSUF İLKER TOPCU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bankacılık hizmet kanalları, tüketici tercihleri açısından bankacılık sektöründe önemli bir konuma sahiptir. Bankacılığın ilk günlerinden bugüne varlığını sürdüren ve fiziksel şubelere dayanan geleneksel bankacılık hizmet kanalları geçerliliğini korusa da, dijitalleşme süreçlerinin hızlı gelişimi ve buna bağlı olarak müşterilere sadece dijital kanallar üzerinden sunulan bankacılık hizmeti seçenekleri, bankacılık hizmetlerinde büyük değişimleri tetiklemektedir. Bu açıdan bakıldığında, tüketici tercihleri bağlamında geleneksel bankacılık hizmet modellerinin öneminin azaldığı söylenebilir. Çünkü dijital hizmet kanallarının sağladığı kolaylık, müşteriler için kilit bir noktadır. Bu noktada, dijital hizmet kanallarının güven faktörü, müşteriler için farklı bir bakış açısı olarak ortaya çıkmaktadır. Zira geleneksel modelde veri hırsızlığı ihtimali ve gizlilik endişeleri, yeni dijital bankacılık hizmet modellerine kıyasla daha azdır. Bu perspektifte, bu araştırmada yeni kurulan bir banka için en iyi hizmet modelinin seçimi incelenmiştir. Karar vericiler, bankacılık sektörü yöneticileri ve bir yapay zeka modeli olmak üzere iki gruba ayrılmıştır. İki grubun cevapları aynı yöntemlerle işlenmiş ve çalışmanın sonunda bu iki grubun sonuçları karşılaştırılmıştır. Bu bağlamda, en iyi seçeneğin belirlenmesindeki en önemli kriterler, karar vericilere göre kriter ağırlıklarının değişimi ve bankacılık sektörü yöneticileri ile yapay zeka modelinin yargılarının farklılığı, ilgili Çok Kriterli Karar Verme (ÇKKV) modeli sayesinde değerlendirilmiştir. Öncelikle, güven faktörünün müşteri tercihleri için çok önemli olması ve sermaye kaynağının değişiminin tüketici tercihlerini etkileyebilmesi nedeniyle, bankanın sermayesi özel sektör ve kamu sermayesi açısından dikkate alınarak olası seçenekler belirlenmiştir.Bu sınıflandırma Kamu Sermayeli ve Özel Sermayeli olarak yapılmıştır. Bu sınıflandırmaya ek olarak, seçenekler hibrit hizmet modeli ve dijital hizmet modeli olmak üzere iki kategoriye daha ayrılmıştır. Hibrit model hem fiziksel şubeleri hem de dijital şubeleri içeren hizmet modelini ifade ederken, dijital hizmet modeli internet bankacılığı şubesi ve mobil şube dahil olmak üzere sadece dijital kanallarla hizmet veren modeli temsil etmektedir. Bu doğrultuda; Özel Hibrit Hizmet Modeli, Özel Dijital Hizmet Modeli, Kamu Hibrit Hizmet Modeli ve Kamu Dijital Hizmet Modeli olmak üzere dört seçenek belirlenmiştir. Çalışmanın ikinci aşamasında, belirlenen parametreler dikkate alınarak bu seçeneklerin sıralanması için en iyi karar verme modelinin seçimi araştırılmıştır. Literatür incelendiğinde Çok Kriterli Karar Verme modellerinin bu çalışma için en iyi seçenekleri sunduğu görülmüştür. Çünkü bu çalışmada dört seçenek ve bu dört seçenekten en iyisini seçmek için kriterler bulunmaktadır ve çok kriterli karar verme modelleri doğru sonuçları elde etmek için en iyi çözümleri sunmaktadır. Literatür bu açıdan incelendiğinde, Analitik Hiyerarşi Süreci (AHS) diğer çok kriterli karar verme modelleri arasında öne çıkmaktadır. Böylece, kriter ağırlıklarının hesaplanması için Analitik Hiyerarşi Süreci seçilmiştir. Seçeneklerin sıralanması Analitik Hiyerarşi Süreci, ikili karşılaştırmaların elde edilmesiyle başlayan bazı adımları içerir. İkili karşılaştırma matrislerinde kullanılan bu değerler, bankacılık sektöründeki yöneticiler tarafından değerlendirilen anket yargılarıyla elde edilmiştir. Ayrıca, bankacılık sektörü yöneticilerinin ve yapay zekanın bakış açısı açısından nihai sonuçları karşılaştırmak amacıyla, bir yapay zeka modeli de aynı ikili karşılaştırma yargılarını yanıtlamıştır. Daha sonra, ikili karşılaştırma matrisi sayesinde normalizasyon matrislerinin hesaplanması, analitik hiyerarşi sürecinin ikinci aşamasını oluşturur. Normalizasyon sürecinde öncelikle her bir kriterin toplamı hesaplanır. Daha sonra, tüm değerler her bir kriter için bu toplama bölünür. Bu normalizasyon adımları, ana kriterlerle ilgili her bir alt kriter için yapılır. Ardından, özdeğerin bulunması için özvektör değerine ihtiyaç duyulur; çünkü özdeğer, değerlerin tutarlılık oranını kontrol etmek için gereklidir. Özvektör, matristeki her satırın ortalama değeri ile hesaplanır. Özvektör hesaplandıktan sonra, özvektör ve başlangıç matrisinin matris çarpımı sayesinde özdeğer hesaplanır. Bu doğrultuda en büyük özdeğer ve tutarlılık indeksi tespit edilir. En büyük özdeğer, ilgili özvektör ve özdeğer oranının toplanması ve bu toplamın kriter sayısına bölünmesiyle elde edilir. Tutarlılık indeksi ise, en büyük özdeğer ile kriter sayısı arasındaki farkın, kriter sayısının bir eksiğine bölünmesini içeren bir yöntemle hesaplanır. Bu hesaplamalar yapıldığında, tutarlılık oranını bulmak için literatüre dayalı rastgelelik indeksi ile tutarlılık indeksinin oranının bulunması geriye kalır. Araştırmaya devam edebilmek için değerlerin tutarlılığı gereklidir ve analitik hiyerarşi süreci çalışmalarıyla ilgili literatüre göre tutarlılık oranı için kabul edilebilir değer maksimum 0,1 olarak belirlenmiştir. Tutarlılık oranı hesaplandığında, bu çalışmanın tutarlılık oranının 0,07 değeriyle kabul edilebilir olduğu da görülmüştür. Ek olarak, ikili karşılaştırmaların normalizasyonu, özdeğer ve özvektör hesaplamaları, en büyük özdeğerin bulunması, tutarlılık indeksi ve tutarlılık oranı gibi tüm bu süreçler yapay zeka cevapları için de ele alınmıştır. Bu paralel hesaplamaların sonucunda, yapay zekanın tutarlılık oranı 0,08 olarak bulunmuş ve bu değerin de mevcut yapay zeka cevaplarıyla araştırmaya devam etmek için kabul edilebilir olduğu görülmüştür. Bu sürecin bir sonucu olarak, yapay zekanın ve sektörün deneyimli çalışanlarının bakış açılarının bazı temel noktalarda farklılık gösterdiği sonucuna varılabilir. Yapay zeka kamu girişimlerine yönelirken, ilgili sektörün profesyonelleri tercihlerini mülkiyet yapısından ziyade hizmet modeline veya girişimlerin işlevselliğine dayandırarak seçmektedir. Bu bilgilere dayanarak, hem müşteriler hem de şirketler için daha etkili ve daha kazançlı olacak ileri çalışmalar araştırılabilir.
Özet (Çeviri)
Banking service channels hold a significant position in the banking sector in terms of consumer choices. While the traditional banking service channels, which depends on physical branches and has existed from first days of banking business to present, still maintains its validity, the fast development of digitalization processes and the subsequent options of banking services to customers exclusively through digital channels are triggering big changes in banking services. In this view, it can be said that traditional banking service models are becoming less important in terms of consumer preferences. Because convenience of the digital service channels is a key point for the customers. In this point, trust factor of the digital service channels come in view as a different perspective for the customers. Because, in the traditional model, possibility of data theft and privacy concerns are less than new digital banking service models. In this perspective, choosing the best service model for a newly established bank are studied in this research. The decision makers are divided into two groups as managers from banking ındustry and an artifical intelligence model. The answers of the two groups are processing with same methods and the results of this two groups are compared at the end of the study. In this view, the most important criterion in the selection of best alternative, change of criteria weights according to decison makers and difference of results considering answers of banking ındustry managers and artificial intelligence model are evaluated thanks to related multi criteria decision making model.First of all, possibe alternatives are detected considering capital of the bank in terms of private sector and state-owned. Because, trust factor is very important for customer choices and change of the capital resource may affect the consumer preferences. Therefore, this classification is made as Public Capital and Private Capital. In addition to this classification, alternatives are divided into two more categories as hybrid model and digital service model. While hybrid model purport the service model including both physical branches and digital branches, digital service model represent the service model which is serving only with digital channels including internet banking branch and mobile branch.In this direction, four alternatives which are Private Hybrid Service Model, Private Digital Service Model, State-Owned Hybrid Service Model and State-Owned Digital Service Model.In the second phase of the study, choosing best decision making model for aligning this alternatives considering possible criteria are researched. Multi Criteria Decision Making models offer best options for this study. Because , in this study there are four alternatives and criteria for choosing best one of these four alternatives and multi criteria decision making models present best options in order to obtain correct results. When the literature are reviewed in this view , Analytical Hierarchy Process come forward between other multi criteria decision making models. Thus, Analytical Hierarchy Process are selected for calculating criteria weights. Althoug, the ordering of the alternatives may be handled with Analytical Hierarchy Process, in order to see best results Technique for Order Preference by Similarity to Ideal Solution approach are selected for ranking four alternatives thanks to critaria weights which are calculated thanks to Analytical Hierarchy Process. Analytical Hierarchy Process includes some steps starting with obtaining of the pairwise comparisons. These values which are utilized in the pairwise comparison matrixes are obtained with survey answers assessed by managers from the banking industry. Also, an artificial intelligence model answered the same survey questions in order to compare final results in terms of view of the managers of banking industry and this artificial intelligence. After that, calculating the normalization matrixes thanks to pairwise comparison matrix takes the second phase of the analytical hierarchy process. In the normalization process, firstly, total sum of the every criterion are calculated. Then, all of the values are divided to this total sum for every criterion. This normalization steps are made for every sub criterion related to main criteria. Then, eigenvector value is needed for finding eigenvalue because eigenvalue is necessary to control consistency ratio of the values. Eigenvector are calculated with the average value of every row in the matrix. After the eigenvector is calculated, eigenvalue are computed thanks to matrix multiplication of the eigenvector and beginnig matrix. In this direction largest eigenvalue and consistency index are detected. The largest eigenvalue is obtained with addition process of related ratio of eigenvector and eigenvalue and dividing this total sum to number of criteria. Consistency index to is calculated with a method including dividing difference of largest eigen value and number of criteria to one less of number of criteria. When these calculations are done, finding the ratio of consistency index and random index based on literature stays behind in order to find consistency ratio. Consistency of the values is necessary to continue the research and the acceptable value for the consistency ratio are listed as maximum 0,1 based on the literature related to analytical hierarchy process studies. When the consistency ratio are calculated, it is showed that the consistency ratio of the this study is acceptable with the value of 0,07. On the other hand, all of these processes which are normalization of pairwise comparisons, eigenvalue and eigenvector calculations, finding of the largest eigenvalue, consistency index and consistency ratio are handled for artificial intelligence answers too. As a result of this parallel calculations, consistency ratio of the artificial intelligence is founded as 0,08 and it is show that this value is also acceptable to continue research with the current aritificial intelligence answers. These steps compose the first phase of the study which is utilized analytical hierarchy process in order to find weights of the every criterion to use these weights in the part of the study. In the second part of the study, for sorting alternatives which are Private Hybrid Service Model, Private Digital Service Model, State-Owned Hybrid Service Model and State-Owned Digital Service Model, Technique for Order Preference by Similarity to Ideal Solution is utilized due to convenience of the case and methodology related to analytical hierarchy process. Technique for Order Preference by Similarity to Ideal Solution starts with finding of the decision matrix obtained thanks to arithmetic mean of the survey answers. These answers are also obtained from banking industry managers and an artificial intelligence model similiar to analytical hierarchy process part of the research. In the normalizaton step of the Technique for Order Preference by Similarity to Ideal Solution, firstly, the square of every cells are calculated for every column and then sum of these square values are obtained. Then, dividing of every cell to total sum value of the related column are computed. When these calculations are done for every cell located in the matrix , it means that the normalization matrix is acquired for decison matrix of the Technique for Order Preference by Similarity to Ideal Solution. After that, the next step in the Technique for Order Preference by Similarity to Ideal Solution is finding weighted normalization matrix. In this step, weights of the criteria which are obtained in the analytical hierarchy process are used. Firstly, survey answers are calculated with arithmetic mean methodology. Then, this matrix are normalized similiar to normalization step of the analytical hierarchy process. This normalization values are weighted with the multiplication of critera weights from analytical hierarchy process with the normalization matrix of Technique for Order Preference by Similarity to Ideal Solution approach. As a result of these steps, weighted normalization matrix for Technique for Order Preference by Similarity to Ideal Solution approach is obtained. After that, for every criterion, minumum and maximum values are detected considering advantages and disadvanteges of criteria. Then, distance of these values are calculated using square of difference between two values and sum of these values. After that, ranking values are calculated thanks to S+ and S- values and final ranking are founded. The final arrangement of the alternatives which are Private Hybrid Service Model, Private Digital Service Model, State-Owned Hybrid Service Model and State-Owned Digital Service Model are determined for both artificial intelligence view and banking industry managers view. For the aritificial intteligence model, arrangement is calculated as 1- State-Owned Hybrid Service Model , 2- State-Owned Digital Service Model , 3- Private Hybrid Service Model and 4- Private Digital Service Model. On the other hand, for the managers of the banking industry model, the final arrangement is founded to be 1- Private Hybrid Service Model , 2- State-Owned Hybrid Service Model , 3- Private Digital Service Model and 4- State-Owned Digital Service Model. These results show that results differ from each other. Predisposition of the artificial intelligence to state-owned models are higher than banking industry managers. Besides, two different models show that the best alternative based on the hybrid infrastructure. Thus, this point can give some important insights to the banking service model selection processes. Also, some sensitivity analysis are handled for both artificial intelligence and banking industry managers model considering a criterion which has the highest value affecting the results. This criterion weight is changed between minimum and maximum values and changes are assessed. Similiar to the final results, these sensitivity analaysis results differ from each other significantly. As a result of these process, it might be conclused that perspectives of the artificial intelligence and experienced employees of the industry show difference some basic points. While Artificial intelligence intend to state-owned ventures, professionals of the related industry selects their preferences based on the service model or functionalty of the ventures unlike the ownership structure. Based on these informations, further studies can be researched more efffectively and more rewarding for both customers and companies.
Benzer Tezler
- Türkiye`de ve Dünya`da mevduat sigorta sistemi
Deposit protection system in Turkey and in the world
ÖZGÜR DÖKDÖK
- Coğrafi bilgi sistemi tabanlı banka şubesi ve ATM lokasyon optimizasyonu: İstanbul örneği
Geographical information system based bank branch and ATM location optimization:Istanbul example
ERKAN ATABEY
Yüksek Lisans
Türkçe
2025
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGİN TARI
- Bankacılık sisteminde organizasyon yapısındaki değişim ve doğru ölçeği bulma( rightsizing)
Başlık çevirisi yok
ÜLKÜ ATMACA
Yüksek Lisans
Türkçe
2002
BankacılıkGazi ÜniversitesiYönetim Organizasyon ve Örgütsel Davranış Bilim Dalı
DOÇ. DR. ÖMER TENGİZ ÜÇOK
- A Study on demand for tax consultancy services and its marketing implications
Başlık çevirisi yok
GÜLER HÜLYA YILMAZ
- Değişen piyasa koşullarında perakendecilerin yatırım kararlarına tüketicilerin etkisi: Ankara ili Migros ve BİM örneği
The effect of consumers to the investment decisions of retailers in changing market conditions: The sample of Migros and BİM in Ankara
BULUŞ YILMAZ
Yüksek Lisans
Türkçe
2019
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiGayrimenkul Geliştirme Ana Bilim Dalı
PROF. DR. ALİYE AHU AKGÜN
