Veri madenciliği teknikleri ile mobil telekom sektöründe müşterilerın kredi skorlamasına ilişkin istatistiksel bir analiz
Statistical analysis based on data mining techniques concerning credit scoring of customers in mobile telecommunications industry
- Tez No: 240365
- Danışmanlar: YRD. DOÇ. DR. ESEN YILDIRIM (ZEREN)
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, İşletme, Statistics, Business Administration
- Anahtar Kelimeler: Davranışsal Kredi Skorlama, Veri Madenciliği, Lojistik Regresyon, Yapay Sinir Ağları, Karar Ağaçları, Behavioral Credit Scoring, Data Mining, Logistic Regression, Neural Networks, Decision Trees
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İstatistik Bölümü
- Bilim Dalı: Ekonometri Ana Bilim Dalı
- Sayfa Sayısı: 172
Özet
Risk yönetimi; riski öngörerek zarar oluşmadan gerekli aksiyonların alındığı sürekli güncellenen bir süreçtir. Bu süreci oluşturabilmek ve yönetebilmek için, geleceği öngörme becerilerine ve araçlarına sahip prediktif bir kurum olmak gerektir. Rekabetin artması ile bir yandan yeni abone almanın zorlaşması, ekonomik çalkantıların meydana gelmesi ile de artan şüpheli alacak tutarı arasındaki optimum dengenin yakalanması günümüzde mobil operatörlerin yönetmeleri gereken kredi risk sorunlarının en önemlilerinden bir tanesidir.Veri Madenciliği altyapısı üzerinde kurulan Davranışsal Kredi Skorlama sistemi ile şüpheli alacaklara neden olacak abonelerin önceden tahmin edilerek zamanında müdahale ile zararın minimize edilmesi amaçlanmaktadır. Geçmişte oluşan şüpheli alacakların yapısı, veri madenciliği uygulamaları kullanılarak analiz edilip modellenmiştir. Özellikle ödeme performansını yansıtan değişkenlerin yoğun olduğu veri setinde farklı Veri Madenciliği algoritmaları denenmiştir. Lojistik Regresyon, Karar Ağaçları ve Yapay Sinir Ağ modelleri söz konusu veri setine uygulanmıştır. Birbirlerine yakın ve tutarlı sonuçlar vermesine rağmen Lojistik Regresyon modeli bu yöntemler içerisinde en başarılısı olmuştur.
Özet (Çeviri)
Risk management is continuously updated process in which required actions are taken before existence of loss by using predictive analytics. Creating and managing this process is necessarily required to be a predictive enterprise that has prediction ability and tools. As a result of aggressive competition, acquiring new subscribers is getting more difficult and as a result of economical fluctuation and ambiguity bad debt amount is increasing in these days. Carrying out balance between these two issues is one of the most important credit risk problems in mobile telecom operators.It is aimed to minimize bad debt loss by predicting risky subscribers formerly by using behavioral credit scoring based on data mining methods and infrastructure. Structure of formerly occurred bad debtors were analyzed and modeled by using data mining techniques. Various data mining algorithms applied on the data set in which there are particular variables that reflects payment performance. Logistic regression, decision tree and neural network were applied to data set. Although they generated consistent and correspondent results, logistic regression was found as the most successful method that performed well on the data set.
Benzer Tezler
- Churn modeling in telecommunications sector
Telekom sektöründe ayrılacak müşterilerin tahmini
MÜGE ÖZMEN
Yüksek Lisans
İngilizce
2006
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF.DR. DEMET BAYRAKTAR
- Veri madenciliği teknikleri ile bulut bilişim tabanlı giyilebilir hareket tanı sistemi oluşturulması
Creating cloud computing based wearable motion diagnostic system with data mining techniques
ERHAN KAVUNCUOĞLU
Doktora
Türkçe
2022
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESMA UZUNHİSARCIKLI
DOÇ. DR. AHMET TURAN ÖZDEMİR
- Mikroblog hizmetlerindeki örtük bilginin veri madenciliği teknikleri ile keşfi
Discovery of tacit knowledge in the microblogging services by data mining techniques
FERİDUN CEMAL ÖZÇAKIR
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. SEVİNÇ GÜLSEÇEN
- ATM yer seçiminde başlıca veri madenciliği teknikleri ile tahminleme
Methods for ATM installation estimation
ERDAL ALBAYRAK
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiMaltepe ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE CİLACI TOMBUŞ
- Veri madenciliği teknikleri yardımıyla baz istasyonu arızalarının tahmin edilmesi
Estimation of base station failures by data mining techniques
MEHMET ANIL ATLI
Yüksek Lisans
Türkçe
2019
Mühendislik BilimleriBahçeşehir ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. ADEM KARAHOCA