Geri Dön

Data analytics in industrial applications

Endüstriyel uygulamalarda veri analitiği

  1. Tez No: 515979
  2. Yazar: ÖZGÜRDENİZ DÖĞER
  3. Danışmanlar: DOÇ. DR. VİLDAN ÖZKIR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Sistem Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 73

Özet

Bilgi Teknolojileri (BT) Distribütörleri, iş planlarını doğru bir şekilde hazırlayabilmeleri için bayilerinin ürün gruplarına göre satın alma karakteristiklerini anlamak ve çözümlemek üzere yaklaşımlar geliştirmeye ihtiyaç duymaktadır. Dolayısıyla, bu firmalar için müşterilerini doğru bir şekilde bölümlendirmek ciddi bir öneme sahiptir. Bu çalışma ile, distribütör firmaların satışlarını arttırması amacına hizmet edebilecek bir müşteri yönetimi çerçevesi sunulmaktadır. Bu çerçeve temel olarak; veri hazırlama, etkin kümeleme ve tahmin aşaması olmak üzere üç aşamadan oluşmaktadır. Önerilen çerçevenin gerçek bir uygulaması, İstanbul'da bulunan büyük bir BT distribütörün müşterilerinin segmentasyonu için sunulmaktadır. Öncelikle, problemin yapısına veriye uygun olan kümeleme yöntemlerinden K–ortalama, beklenti maximizasyonu ve hiyerarşik kümeleme metotları BT bayilerinin satış verilerine uygunlanmaktadır. Kümeleme aşamasının sonucunda, hiyerarşik kümeleme yönteminin diğer yöntemlere göre daha iyi performans gösterdiği gözlenmektedir. Ayrıca, BT distribütörünün satışlarını arttırmak amacıyla sınıflandırma yöntemi kullanılarak bayilerine doğru ürün grubunu önermesi gerektiğine dair bir karar destek sistemi sunmaktadır. Önerilen çerçeve ile, kümeleme sonuçları tahminleme sürecinin ön işleme süreci olarak kullanılmaktadır. Sınıflandırma algoritmaları olan Naif Bayes, Destek Vektör Sınıflandırması ve C4.5 algoritması ile, bayilerin ürün gruplarına göre satış potansiyelleri belirlenmektedir. Sonuç olarak, önerilen çerçeveye göz önünde bulundurularak yapılan iş planlarının yüksek potansiyel üretme olanağı tartışılmaktadır.

Özet (Çeviri)

Information Technology Distributors need to develop methods for understanding their dealers purchasing behavior regarding to product groups in order to prepare their business plan correctly. So that correct customer segmentation is seriously important for those companies. This study provides customer management framework that is provided in order to increase IT distributors sales. Basicly, this framework includes 3 phases which are data preparation, effective clustering and prediction. Real application of proposed method is provided for one of the biggest IT distibutor company which is in Istanbul. Firstly, K-means, expectation maximization algorithm (EM) and hierarchical clustering methods ,which are proper for the data set, are applied IT dealers sales data. As a result of clustering process, it is observed that hierarchical clustering provides better performance compared to others. This study also provides decision support tool that suggests right product groups in order to increase IT distributors sales with classification method. Proposed method uses clustering results as preprocess of prediction process. Sales potential of dealers is determined regarding to pruduct groups with classification algorithms that are Naive Bayes, Support Vector Classification and C4.5 algorithms. Finally the business plans that are created via proposed framework have potential to yield results.

Benzer Tezler

  1. Hibrit üretim teknolojileri ve endüstriyel uygulamalardaki geleceği

    Hybrid manufacturing technologies and their future in industrial applications

    BÜŞRA ÇERÇER

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTarsus Üniversitesi

    İmalat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞEREF ÖCALIR

  2. Geniş ölçekli veriler üzerinde sınıflandırma ve bölütleme amaçlı evrişimsel sinir ağı ve istatistiksel modellerin geliştirilmesi

    Development of convolutional neural network and statistical models for classification and segmentation on large-scale data

    NURULLAH ÇALIK

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. LÜTFİYE DURAK ATA

  3. Fourıer dönüşümlü kızılötesi spektroskopisi ve makine öğrenmesi kullanılarak poliollerde bazı karakteristik özelliklerin öngörülmesi

    Prediction of some characteristic features in polyols using fourier transformed infrared spectroscopy and machine learning

    YUSUF SERDAR BEKDAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Kimya MühendisliğiGebze Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZGÜN YÜCEL

  4. Dijital insan kaynakları yönetiminde büyük veri analitiği uygulamaları: İşe alım sürecine etkisi

    Big data analytics applications in digital human resources management: Its impact on the recruitment process

    HÜSEYİN ÖZGÜR EROL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgi ve Belge YönetimiSüleyman Demirel Üniversitesi

    İnsan Kaynakları Yönetimi ve Liderlik Ana Bilim Dalı

    DOÇ. DR. AHMET YILDIRIM

  5. Big data analytics in oil & gas industry a case study: Predicting rop in drilling operations with big data and machine learning for rumaila oilfield

    Petrol ve gaz endüstrisinde büyük veri analitikleri bir vaka çalışması: Rumaila oilfield için büyük veri ve makina öğrenme ile sondaj işlemlerinde tahmin halatı

    DUHA ALSAHLANEE

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Endüstri ve Endüstri MühendisliğiBahçeşehir Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ÖZBAYRAK