Veri madenciliği sınıflandırma yöntemlerinin etkinliğinin karşılaştırılmalı olarak incelenmesi: Seyahat acentası örneği
Comparative analysis of the effectiveness of data mining classification methods: A case of travel agency
- Tez No: 581744
- Danışmanlar: PROF. DR. BEYKAN ÇİZEL
- Tez Türü: Doktora
- Konular: Turizm, İşletme, Tourism, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Turizm İşletmeciliği ve Otelcilik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 237
Özet
Turizm sektöründe bir seyahatin karar aşamasından bitimine kadar, hem turistler açısından hem de işletmeler açısından veriye bağımlı bir süreç yaşanmaktadır. İşletmeler tüm işlemlerini sürecin en başından en sonuna kadar enformasyon teknolojilerini kullanarak takip etmektedirler. Turistlerde aynı şekilde, tatil yeri ile ilgili yapılan aramalardan tatil sonrası deneyim paylaşımına kadar sürecin tamamında enformasyon teknolojilerini kullan¬maktadırlar. Bunun sonucunda işletmelere ait veri tabanlarında ve turizm ile ilgili web sitelerinde ve sosyal medyada bol miktarda veri birikmektedir. Güçlü veri analizi araçlarına duyulan ihtiyaçla birleştirilen veri bolluğu, aranılan bilgiye ulaşma konusunda bazı sıkıntılara neden olmaktadır. Bir turist için aradığı şeye ulaşamama, bir işletme için o kadar veri içinde bilgiden bağımsız kararlar verme durumuna yol açmaktadır. Rekabet üstün¬lüğü elde edebilmek için önemli olan veriye sahip olmak değil, o verilerden işletme için gerekli olan yararlı bilginin çıkartılmasıdır. Bu konuda veri madenciliği teknikleri işlemelerin imdadına yetişmektedir. Yapılan çalışmalar veri madenciliği tekniklerinin devasa veri yığınları arasından yararlı bilgiyi çıkarma konusunda güvenilir olduklarını ispatlamıştır. Bu doktora tezinin amacı veri madenciliği yöntemlerinden sınıflandırma teknikleri kullanılarak günlük tur satın alan ve almayan müşterilerin profilinin çıkarılmasıdır. Bu amaç için Antalya'da faaliyet gösteren A sınıfı bir seyahat acentasının rezervasyon ve günlük tur ile ilgili işlemsel verilerinin kayde¬dildiği bir veri tabanındaki veriler kullanılmıştır. Rezer¬vasyonu yapılan bir turistin günlük tur satın alma durumu“SATIN ALAN”veya“ALMAYAN”dır, bu da bir sınıflandırma problemidir. Dolayısıyla çalışmada veri madenci¬liğinin sınıflandırma fonksiyonuna ilişkin yöntemler kullanılmıştır. Araştırma sürecinde seyahat acentası veri tabanındaki farklı tablolarda yer alan rezervasyon, günlük tur bileti, ürünler ve müşteriler hakkındaki veriler bir tabloda birleştirilmiştir. Elde edilen veriler üzerinde 11 farklı sınıflandırma algoritması çalıştırılmıştır. Bu algoritmalardan en iyi perfor¬mansı veren karar ağacı sınıflandırma tekniklerinden C4.5 algoritması veri içindeki müşteri profillerinin keşfi için kullanılmıştır. Seyahat acentası veri tabanında müşteri ile ilgili çok fazla özellik olmamasına rağmen, yapılan analizde günlük tur satın alan müşterilere ait bilgilere ulaşılmıştır. Günlük turun satıl-dığı bölgeye göre tur satın alan grupların farklılaştığı ve en fazla yaş grubunun ve turist tipinin (aile, grup, tek vb.) tur satın alma ile ilgisinin olduğu tespit edilmiştir. Araştırma süreci ve bulgularının ilgili alanda çalışan araştırmacı ve uygulamacılara ışık tutacağı öngörülmektedir.
Özet (Çeviri)
In tourism sector, for both tourists and businesses, a data-dependent process is experi-enced from the decision-making stage to the end of a travel. Businesses do all their transactions by using information technologies from the beginning to the end. In the same way, tourists use information technologies throughout the process, from searching for holiday to sharing of experiences after holidays. As a result, large amounts of data are accumulated on the databases of the businesses, and websites and social media related to tourism. The abundance of data, coupled with the need for powerful data analysis tools, causes some problems in reaching the searched information. It leads to inability to reach what a tourist is looking for and the situation of making knowledge-independent decisions in the abundance of data for an enterprise. In order to obtain competitive advantage, it is not important to have the data, but to discovery useful information necessary for the business from the data. In this regard, data mining techniques deal with this problem. Studies have proven that data mining techniques are reliable in discovering useful information from huge amount of data. The aim of this doctoral dissertation is to profile customers who buy and don't buy daily tours using classification techniques from data mining methods. For this purpose, the data -in a database where the transactional data regarding the booking and daily tour are recorded- of A class travel agency operating in Antalya, were used. A booked tourist's daily tour purchase status is“BUYER”or“NON-BUYER”, which is a classification problem. Therefore, methods related to the classification function of data mining were used in the study. During the research process, the data in different tables in the travel agency database about reservation, daily tour ticket, products and customers were aggregated in a table. 11 different classification algorithms were run on the preprocessed data. C4.5 algorithm from decision tree classification techniques, which gived the best performance and correct estimation rate among these algorithms, was used for the discovery of customer profiles. Although there are not enough features related to the customer in the travel agency database, in the analysis, some profiles related to the customers who bought the daily tour were reached. It was determined that groups buying the tours according to the region where the daily tour was sold differed, and age group and tourist type (family, group, etc.) were the most related feature for buying daily tours. The research process and findings are expected to show the way to researchers and practitioners working in the relevant field.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Müşteri kayıp analizi probleminin çözümünde analitik yaklaşımlar
Analytical approaches for solving in churn analysis problem
FATMA ÖNAY KOÇOĞLU
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. ŞÜKRÜ ALP BARAY
YRD. DOÇ. DR. TUNCAY ÖZCAN
- Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators
Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi
MAHMUT SAMİ SİVRİ
Doktora
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN
- Veri madenciliği sınıflandırma yöntemlerinin veri bilimi anketi veri seti ile karşılaştırmalı analizi
Comparative analysis of data mining classification methods with data science survey data set
ELVAN KÜBRA DOĞAN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARAFAT ŞENTÜRK