Makine öğrenmesi ve istatiksel yöntemlerle borç tahsilat skorlama
Machine learning and statistical methods debt collection scoring
- Tez No: 628204
- Danışmanlar: DOÇ. DR. ENES ERYARSOY
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: İstanbul Şehir Üniversitesi
- Enstitü: İşletme Enstitüsü
- Ana Bilim Dalı: İş Analitiği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 41
Özet
Varlık firmaları, genellikle müşterilerin hesap bilgilerini güncellemek ve ödeme yapmalarını sağlamak için çok fazla arama trafiğine sahiptir. Bu aramaların belirli bir yüzdesi gelir sağlama potansiyeline sahip olsa da, çoğu tahsil edilemez. Yapay zeka, bu gibi durumlarda gelir getirme olasılığı yüksek olan çağrılara odaklanmasına yardımcı olmak için kullanılır. Bu çalışmanın amacı benzer durumlarda tahsilat sürecinde müşteri verilerine ve davranışlarına bağlı olarak borç ödeme potansiyelleri yüksek olan müşterileri skorlama ve indeksleme yapılmasıdır. Bu çalışmaya yönelik hastane hizmeti almış borçluların verisi alınmıştır. Bu veriler, çok sayıda hastaneden özel olarak toplanmış ve tahsilatı ile uğraşan ACI firmasının müşteri veri tabanından alınmıştır. Birden fazla makine öğrenmesi tekniği kullanılarak sonuçlar yorumlanıp karşılaştırılmıştır.
Özet (Çeviri)
Collection agencies often place a signifcant effort in order to keep customers' account information up-to-date and collect payments. While a some of the effort-spent generate revenue, most don't. Collection agencies may use machine learning to identify calls that are likely to generate income. The aim of this study is to identify customers with high debt payment potentials by scoring and indexing based on their debt data and their past behaviors in the collection processes. We use debt collection data from health service providers from a private collection agency. We compare multiple machine learning techniques and interprete the results
Benzer Tezler
- Neural language modelling approaches for post-ocr text processing
Optik karakter tanıma sonrası metin işleme adımı için sinirsel dil modelleri yaklaşımları
AYŞE İREM TOPÇU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- COVID-19 salgını sürecinde duygu skorlarının ve teknik indikatörlerin kullanılmasıyla bist 100 endeksi trend tahmini
Predicting bist 100 index movement by using sentiment scores and technical indicators during the COVID-19 pandemic
MELTEM ALACA
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYSUN GÜRAN
- Aksolotl kol rejenerasyonu alanında mikrobiyota ve transkriptom verisinin madenciliği vasıtasıyla yeni aday biyobelirteçlerin keşfi
Discovery of novel candidate biomarkers in the field of axolotl limb regeneration through mining of axolotl microbiota and transcriptome data
MUHAMMED MUSTAFA ÖGDÜR
Yüksek Lisans
Türkçe
2022
Biyoistatistikİstanbul Medipol ÜniversitesiSağlık Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KIVANÇ KÖK
- Artificial intelligence based detection schemes for secure wireless communication
Güvenli telsiz iletişimin sağlanmasına yönelik yapay zeka tabanlı sınıflandırma metotları
SELEN GEÇGEL
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT
- Derin öğrenme ile zaman serilerinin gerçek zamanlı tahmini
Time series prediction in real time using deep learning
EBRU ŞEYMA KARAKOYUN
Yüksek Lisans
Türkçe
2018
Endüstri ve Endüstri MühendisliğiNecmettin Erbakan ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ OSMAN ÇIBIKDİKEN