Geri Dön

Comparison of different customer segmentation models for the financial sector versus the turkish factoring sector and a clustering model proposal for a sme focused factoring company

Başlık çevirisi mevcut değil.

  1. Tez No: 791996
  2. Yazar: MEHMET AKTUNA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ LEVENT GÜNTAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Maliye, Finance
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Özyeğin Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Finans Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 68

Özet

Factoring is the process of transferring a forward receivable arising from commercial transactions to a factoring company by assignment. Companies that prefer to do factoring, instead of waiting for the due date of the collection of their receivables arising from their trade, transfer their receivables to the factoring company with a certain discount, with documents such as post-dated cheque, trade invoices and factoring contracts. The use of cheque in Turkey is different from that in the world due to the post-dated maturity written on the cheque and SMEs in Turkey frequently use cheques in their trade with maturity. In terms of segmentation, there are many studies for banks in the literature, but there is no study in the SME focused factoring segment. This study is the first, where a two-stage customer segmentation is implemented using the data of a SME focused Turkish factoring company. When the clusters generated by the K-Means and Density-Based Spatial Clustering of Applications with Noise (DBSCAN) models are compared, it is observed that the clusters of the K-Means algorithm are more balanced in terms of distribution of the number of customers across clusters. On the other hand, the clusters generated by the DBSCAN model are more homogeneous, especially for outlier clusters. Homogeneity means an effective segmentation, which is there are few outliers within a cluster as defined by the Mahalanobis distance of each observation. The DBSCAN model can generate several homogeneous clusters containing a small number of customers if model parameters are appropriately calibrated. On the contrary, if few number of clusters are preferred, the homogeneity of the DBSCAN algorithm gets worse and the K-Means model gives more balanced clustering results.

Özet (Çeviri)

Faktoring işlemi, ticari alışverişten doğan vadeli bir alacağın temlik edilmesi yolu ile bir faktoring kuruluşuna devredilmesi işlemidir. Faktoring yapmayı tercih eden firmalar, yapmış oldukları ticaretlerinden doğan alacaklarının tahsilatının vadesini beklemek yerine, ticarete konu bir ödeme araç olan vadeli çek, ticaret faturası ve faktoring sözleşmesi gibi dokümanlar ile aracı faktoring kuruluşuna belirli bir iskonto karşlığında devretmekte ve nakit akışı ihtiyaçlarını düzenlemeyi amaçlamaktadırlar. Türkiye'de kobiler tarafından yaygın bir şekilde kullanılan çek, üzerinde yazan ileri tarihli vade nedeniyle dünyadaki genel kullanımından farklılaşmaktdır. Literatürde bankalar için yapılmış bir çok segmentasyon çalışması mevcuttur ancak kobi sektörüne yönelik bir faktoring müşterisi segmentasyon çalışması bulunmamaktadır. Bu çalışmada faktoring sektöründe faaliyet gösteren bir Türk faktoring firması datası kullanılarak iki aşamalı bir müşteri segmentasyon çalışması yapılmıştır. Çalışmada kullanılan K-Means ve DBSCAN algoritmaları karşılaştırıldığında, K-Means algoritmasının, kümeler içerisindeki müşteri adetlerinin dağılımı anlamında daha dengeli olduğu gözlemlenmiştir. Öte yandan, DBSCAN modeli tarafından üretilen kümeler, özellikle aykırı kümeler için daha homojendir. Her bir gözlemin Mahalanobis mesafesi ile tanımlanan homojenlik, küme içerisinde daha az aykırı gözlem olduğu zaman etkinlik anlamına gelmektedir. DBSCAN modeli, model parametreleri uygun şekilde kalibre edilirse az sayıda müşteri içeren birçok homojen küme oluşturabilir. Aksine az sayıda küme tercih edilirse DBSCAN algoritmasının homojenliği bozulmakta ve K-Means modeli daha dengeli kümeleme sonuçları vermektedir.

Benzer Tezler

  1. Anomaly detection using machine learning techniques: A comparative study on first payment default prediction in retail loans

    Yapay öğrenme yöntemleriyle anomali saptanması: Bireysel kredilerde ilk ödemede batma tahmini üzerine karşılaştırmalı bir çalışma

    AHMET TALHA YİĞİT

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bankacılıkİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  2. Gsm sektörü için müşteri merkezli bilgi yönetimi değerlendirme modeli tasarımı ve bir uygulama

    The design of customer centric knowledge mangement assessment model for gsm ındustry and an aplıcatıon

    ATİK KULAKLI

    Doktora

    Türkçe

    Türkçe

    2005

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. SEMRA BİRGÜN

  3. Havayolu yolculuk deneyimini iyileştirmek için makine öğrenmesi yöntemleriyle uçuş gecikmesi tahmini

    Machine learning techniques for enhancing airline passenger experience through flight delay prediction

    ESMA ERGÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SÜHA TUNA

  4. New proposed methods for synthetic minority over-sampling technique

    Sentetik azınlık aşırı örnekleme tekniği için yeni önerilen yöntemler

    HAKAN KORUL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Veri Mühendisliği ve İş Analitiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN

  5. Markov zincirleri ile pazar payı tahmini ve renkli televizyon pazarına ilişkin bir uygulama

    Market share estimation of colored TV with markov chains for the period of 1990-1995

    BÜLENT MENGÜÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    1990

    İşletmeİstanbul Teknik Üniversitesi

    DOÇ.DR. SELİME SEZGİN