Bankacılık sektöründe makine öğrenmesi yöntemleri ile müşteri segmentasyonu ve karlılık tahmini
Customer segmentation and profitability estimation through machine learning methods in the banking industry
- Tez No: 729008
- Danışmanlar: DOÇ. DR. ŞÜKRAN ŞEKER
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 112
Özet
Teknolojinin gelişmesiyle dünya çok hızlı gelişim ve değişim süreci içerisine girmiştir. Bu süreç her alanda veri artışını meydana getirmiştir. Bu nedenle verilerin önemi her sektör için artmakta ve birçok sektördeki büyük işletmeler ham verilerden yararlanarak kullanılabilir bilgiye ulaşmaktadır. Bu sektörlerin başında ise bankacılık ve finans sektörü gelmektedir. Özellikle bankacılık sektöründe pazarlama stratejilerinin belirlenmesi için müşterilerin gruplandırılması ve başta büyük hacimli müşteriler olmak üzere elde edilen karın hesaplanması çok önemlidir. Bu çalışma üç aşamadan oluşmaktadır. Birinci aşamada kurumsal müşterilerin kullandıkları bankacılık ürünlerinden elde edilen karın tahmini yapılmıştır. İkinci aşamada kurumsal müşteriler kullandıkları bankacılık ürünlerine göre kümelere ayrılmıştır. Üçüncü aşamada ise segmentlere ayrılan müşteriler için segment bazında tekrar kar tahminlemesi yapılmıştır. Çalışmada 2020 yılının ilk 6 aylık dönemindeki veriler kullanılmıştır. Veri setindeki 1.623 gözlem birimi kurumsal müşterileri ve 27 adet değişkenden 1 tanesi Müşteri ID olmak üzere 26 adet değişken ise müşterilerin kullandıkları bankacılık ürünlerini ifade etmektedir. Çalışma kapsamında ilk olarak veriler üzerinde veri analizi işlemleri yapılmıştır. Veri analizi işlemlerinden sonra bankanın her bir kurumsal müşteriden elde ettiği karı tahmin etmek için makine öğrenmesi algoritmalarından K-En Yakın Komşu, Destek Vektör Regresyonu, Yapay Sinir Ağları ve Rastgele Orman Algoritmaları, müşteri segmentasyonu yapmak için ise makine öğrenmesi algoritmalarından K-Ortalamalar Algoritması kullanılmıştır. Daha sonra ise segmentlere ayrılan müşterilerde her segment bazında tekrar karı tahmin etmek için makine öğrenmesi algoritmalarından yine K-En Yakın Komşu, Destek Vektör Regresyonu, Yapay Sinir Ağları ve Rastgele Orman Algoritmaları kullanılmıştır. Birinci aşamada Yapay Sinir Ağları Algoritması en iyi performansı gösterirken segmentasyon sonrası K-En Yakın Komşu Algoritmasının en iyi performansı gösterdiği görülmüştür.
Özet (Çeviri)
With the development of technology, the world has entered a period of rapid development and change. This process has led to data growth in every area. Thus, the significance of data increases for every industry, and large businesses in many industry access usable information by using the raw data. The banking and financial sector is one of these industries. In order to determine marketing strategies, especially in the banking sector, the categorization of customers and the calculation of the profit made, especially in terms of large volume customers, are very important. This study consists of three stages. In the first stage, a projection was made of the profit gained from the banking products used by corporate customers. In the second stage, corporate customers were divided into clusters according to the banking products they use. In the third stage, profit estimates were made for segment for customers who were allocated to customer accounts. Data was used in the first six months of 2020. The 1,623 observation units in the data set refer to corporate customers, while the 26 variables, one of which is a Customer ID, are the banking products used by the customers. The study conducted data analysis on the data first. To estimate the Bank's profit after each corporate client following data analysis, we have used K-Nearest Neighbor, Support Vector Regression, Artificial Neural Networks and Random Forest Algorithms in machine learning algorithms to estimate the profitability of each client; and K-Means algorithm in machine learning algorithms to perform customer segmentation. Then from machine learning algorithms, we used K-Nearest Neighbor, Support Vector Regression, Artificial Neural Networks, and Random Forest Algorithms to predict the profit again on a per-segment basis for the segmented customers. In the first stage, the Neural Networks Algorithm performs best, while the K-Nearest Neighbor Algorithm is seen best after segmentation.
Benzer Tezler
- Bankacılık sektöründe tüzel müşteriler için makine öğrenmesi yöntemleri ile terk analizi
Churn analysis with machine learning for corporate customers in banking industry
SÜMEYYE AYDIN
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEZİR AYDIN
- İşletmelerde karar alma süreçlerinde yapay zeka kullanımı ve bankacılık sektöründe bir uygulama
The use of artificial intelligence in decision-making processes in businesses and an application in the banking sector
İSMAİL DERE
Yüksek Lisans
Türkçe
2024
İşletmeİstanbul Ticaret Üniversitesiİş Analitiği Ana Bilim Dalı
PROF. DR. MÜNEVVER TURANLI
DOÇ. DR. SELÇUK ALP
- Detecting malicious activity inside of the network
Ağ içerisindeki kötü niyetli aktivitelerin tespiti
AYŞENUR KUMBASAR
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
- Cash replenishment strategies and vehicle routing problem for automated teller machines
Otomatik vezne makineleri için araç rotalama problemi ve nakit ikmal stratejileri
DENİZ ORHAN
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MÜJDE GENEVOIS
- Müşteri ilişkileri açısından çapraz satış performansı ölçümü ve bir araştırma
Measurement of cross selling performance from customer relationship perspective
NEVİN CENAL