Müşteri ilişkileri yönetiminde iş zekası ve veri madenciliği yantemleri
Business intelligence and data mining techniques for customer relationship management
- Tez No: 142554
- Danışmanlar: DOÇ. DR. ALPASLAN FIĞLALI
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2003
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 123
Özet
MÜŞTERİ İLİŞKİLERİ YÖNETİMİNDE İŞ ZEKASI ve VERİ MADENCİLİĞİ YÖNTEMLERİ ÖZET İş zekası temelde, organizasyonların operasyonel verilerini yüksek değerde enformasyon içeren bir ambara (veri ambarı) dönüştürmek ve doğru enformasyonun, doğru şekilde, doğru kişiye, doğru zamanda dağıtmak ile ilgilidir. İş zekasının değer zinciri, veri kaynağı ile başlar. Zeki, öğrenen bir organizasyonun bilgi çevresini destekleyecek enformasyon veri kaynağından gelişir. Veri enformasyonun ham maddesi, enformasyon da bilginin ham maddesidir. Bilgi ise, iş stratejilerini destekleyen iş zekasının ham maddesidir. Son yıllarda şirketlerin müşterileri ile olan etkileşim yöntemleri hızla değişmiştir. Bir müşteri ile üzün süreli iş yapma garantisi yoktur. Sonuç olarak, şirketler müşterilerini daha iyi tanımaları, onların talep ve ihtiyaçlarını hızlı cevaplamaları gerektiğinin farkına varmışlardır. Müşteri ve aday müşterilerin iletişim beklentileri, şirketin iş yapma biçimini çoklu kriterlere göre değerlendirmesini ve doğru kanaldan, doğru zamanda, doğru kişiye, doğru teklifin sunulmasını otomatik hale getirmesini gerektirir. Müşteri ilişkileri yönetimi şirketle müşterileri arasındaki etkileşimleri yöneten bir süreçtir, veri madenciliği de bu amaçla gerekli değerli enformasyonu sağlayan güçlü yöntemler kümesidir. Veri madenciliği, veri tabanındaki girdilerle müşteri davranışını tahmin eden modeller kurmaktadır. Bir model tarafından yapılan tahmin genellikle skor olarak adlandırılmaktadır. Veri tabanındaki her bir kayda bir skor atanır ve bu değer ilgili müşterinin özel bir davranışı sergileme olasılığını belirtir. Müşteri kümelemesi ve segmentasyonu, veri madenciliğin pazarlama ve müşteri ilişkileri yönetiminde kullanılan, en önemli iki yöntemidir. Müşterinin davranışım vuıincelemek ve stratejik girişimlerde bulunabilmek için, işlem verilerinden faydalanılmaktadır. Bu veri kullanılarak müşterilerin, karlılıklarına ve bazı risk faktörlerine göre segmentlere ayrılması, müşterinin ömür değerini ve terk etme olasılığını ölçme imkanı verir, ayrıca pazarlama fırsatlarının farkına varılmasını sağlar. Veri madenciliği, işe rekabet üstünlüğü sağlayacak yayarlı enformasyon için, yüksek miktardaki ham veriyi filtre etmektedir. Bu enformasyon, önceden veri içerisinde varolan ancak fark edilmeyen anlamlı örüntü ve trendlerden oluşmaktadır. Veri madenciliği, şirketin daha iyi karalar almasını sağlayacak, yeni ve yararlı enformasyonun kazanımı ile sonuçlanmak. Veri madenciliği prosesi aslında hedeflenmiş bir konu ile başlar. Projenin yönetilebilirliği açısından, hedeflenen birer konu ile sınırlandırılmalı ve her bir konu için proses tekrarlanmak. Şirket, veri madenciliğinden ne beklediğini veya hangi iş problemini çözmek istediğini önceden tanımlarsa, daha başardı sonuçlar elde edilir. IX
Özet (Çeviri)
BUSINESS INTELLIGENCE and DATA MINING TECHNIQUES for CUSTOMER RELATIONSHIP MANAGEMENT SUMMARY Business intelligence is fundamentally concerned with transforming organization's operational data into an accessible store of high-value information (called a data warehouse) and distributing the right information in the right way to the right people at the right time. Business intelligence value chain begins with the data resource. Information is developed from the data resource to support the knowledge environment of an intelligent learning organization. Data is the raw material for information which is the raw material for the knowledge environment. Knowledge is the raw material for business intelligence that supports business strategies. The way in which companies interact with their customers has changed dramatically over the past few years. A customer's continuing business is no longer guaranteed. As a result, companies have found that they need to understand their customers better, and to quickly respond to their wants and needs. Customers and prospective customers want to interact on their terms, meaning that companies need to look at multiple criteria when evaluating how to proceed. They will need to automate the right offer to the right person at the right time through the right channel. Customer relationship management is a process that manages the interactions between a company and its customers and data mining is a powerful set of techniques which provide valuable information for this purpose. Data mining builds models by using inputs from a database to predict customer behavior. The prediction provided by a model is usually called a score. A score isassigned to each record in the database and indicates the likelihood that the customer whose record has been scored will exhibit a particular behavior. Customer clustering and segmentation are two of the most important data mining methodologies used in marketing and customer relationship management. They use customer-purchase transaction data to track buying behavior and create strategic business initiatives. Businesses can use this data to divide customers into segments based on such“shareholder value”variables as current customer profitability, some measure of risk, a measure of the lifetime value of a customer, and retention probability. Creating customer segments based on such variables highlights obvious marketing opportunities. Data mining is simply filtering through large amounts of raw data for useful information that gives businesses a competitive edge. This information is made up of meaningful patterns and trends that are already in the data but were previously unseen. The end result of data mining should be the acquisition of new and useful information that can help a company make better decisions that improve business. The overall mining process actually begins with a targeted problem. To keep the project manageable, the business should narrow the scope of the mining process to a single issue, such as increasing repeat business. Data mining is more successful when the company first decides what it wants to get out of the mining or what business problem it wants to solve. XI
Benzer Tezler
- Müşteri ilişkileri yönetiminde iş zekası uygulamaları
Business intelligence applications in customer relationship management
AYŞE BİLGİ
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR HOŞCAN
- Müşteri ilişkileri yönetiminde iş zekâsı ve özel bankacılıkta bir uygulama
Customer relationship management in business intelligence and a private banking application
FİKRİYE ÇİĞDEM ÇERÇEVİK
Yüksek Lisans
Türkçe
2016
BankacılıkAnadolu ÜniversitesiYönetim ve Organizasyon Ana Bilim Dalı
PROF. DR. CELAL HAKAN KAĞNICIOĞLU
- Müşteri ilişkileri yönetiminde veri madenciliği ve iş zekâsı uygulamaları
Data mining and business intelligence applications in customer relationship management
MEHMET ALİ DEVECİ
Yüksek Lisans
Türkçe
2018
İşletmeCumhuriyet ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. OĞUZ KAYNAR
- Bilişim sistemlerindeki gelişmelerin işletme yönetimine etkileri, yönetim bilişim sistemleri geliştirme ve bir uygulama örneği
Effects of the evoluation of information systems on management, management information systems development and an example of its application
ZUHAL TANRIKULU
Doktora
Türkçe
1999
İşletmeİstanbul ÜniversitesiOrganizasyon ve İşletme Politikaları Ana Bilim Dalı
PROF. DR. EROL EREN
- Yapay zeka uygulamalarının çalışanlar üzerindeki etkisinin Teknoloji Kabul Modeli ile ölçümlenmesi: Chatbot örneği
Investigation of the effect of artificial intelligence applications on employees with the Technology Acceptance Model: Chatbot example
EMİR SULTAN GÖKKAYA