Veri madenciliğinde birliktelik kuralı yöntemini kredi kartı kullanan müşteriler üzerinde uygulanması ve power bı'da raporlanması
Application of association rule method in data mining on customers using credit cards and reporting in power bi
- Tez No: 844527
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN YENER
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Endüstri ve Endüstri Mühendisliği, Banking, Computer Engineering and Computer Science and Control, Industrial and Industrial Engineering
- Anahtar Kelimeler: Veri madenciliği, birliktelik kuralları, apriori algoritması, banka sektörü, Power BI, Python, SQL, Data mining, association rules, apriori algorithm, banking industry, Power BI, Python, SQL
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Maltepe Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 73
Özet
Günümüzde banka sektöründeki kredi kartı kullanan müşteri sayısı giderek artmaktadır. Bunun nedeni kişilerin değişen hayat şartlarına ve taleplerine uyum sağlayabilmeleri için bu yola ihtiyaç duymalarıdır. Giderek artan müşteri sayısından kaynaklı müşterileri analiz etmek de gittikçe zorlaşmaktadır. Bankaların kredi kartı verdikten sonra odaklandıkları en önemli faktörlerden biri kredi kartı ödeme vadelerinin durumlarının belirlenmesidir. Kredi durumlarına göre de müşteri niteliklerinin analizinin yapılmasıdır. Buradaki büyük veri yığınları arasındaki müşteriyi analiz etmek için veri madenciliği yöntemi kullanarak ham veri yığınları arasındaki ilişkileri ve kuralların ortaya çıkarılmasını sağlamaktır. Bu çalışmada veri madenciliği yöntemlerinden olan birliktelik kuralları yöntemi sayesinde kredi kartı ödeme vadelerine göre müşterilerin hangi özelliklere sahip olduğunu belirlemektir. Çalışmada banka sektörüne ait müşteri bilgilerini kapsayan bir aylık veri kümesi kullanılmıştır. Veri kümesi üzerinde SQL dili sayesinde veri analizi yapılarak 25.134 adet müşterinin bilgileri algoritmaya hazır hale getirilmiştir. Veri seti içerisinde müşterinin cinsiyeti, arabası olup/olmama durumu, mülkü olup/olmama durumu, çocuk sayısı, yıllık gelir tutarı, eğitim durumu, medeni durumu, yaş durumu ve bunlara bağlı olarak kredi kartı ödeme vadeleri bazında değerlendirilmiştir. Bununla birlikte veri kümesinde belirlenen alanlar için belli kategorilerde kategorize edilerek kullanılmıştır. Çalışmada birliktelik kuralı için müşteri bilgileri mantıksal yapıya çevrilmiştir ve kredi kartı ödeme vadelerindeki durumlar için ayrı ayrı destek ve güven eşik değerleri belirlenmiştir. Çalışmanın çözümü için apriori algoritması kullanılarak Python yardımıyla birliktelik kuralları oluşturulmuştur. Bunun yanında Power BI sayesinde de veriler görselleştirilmiştir. Bu sayede kredi kartı ödeme vadelerine göre müşterilerin hangi özelliklere sahip olduğu belirlenmiştir. Çalışmanın sonucunda; kredi kartı sahibi olmayan, kredi kartını zamanında ödeyen ve kredi kartının vadesinin borcunu 3 ay geçiren yetişkin müşterilerin cinsiyeti kadındır. Hiç çocuğu olmayan yetişkin müşteriler ise kredi kartının borcunun vadesini geçirmiş ve kötü borca sahip kişilerdir. Ayrıca mülk sahibi olmayan ve eğitim durumu ilköğretim/ortaöğretimden mezun olan müşteriler ise kredi kartının borcunun 6 ay geçmesine rağmen ödemeyen müşterilerdir gibi kurallar oluşturulmuştur. Bu sonuçlar neticesinde mevcut ve potansiyel müşterilerin kredi kartı ödeme vadelerinin belirlenmesini amaçlamaktadır.
Özet (Çeviri)
Today, the number of customers using credit cards in the banking sector is increasing. The reason for this is that people need this way in order to adapt to changing life conditions and demands. It is getting harder and harder to analyze the customers due to the increasing number of customers. One of the most important factors that banks focus on after issuing a credit card is the determination of credit card payment terms. It is the analysis of customer qualities according to their credit status. In order to analyze the customer among the large data piles here, using data mining method is to reveal the relations and rules between the raw data piles. In this study, it is to determine the characteristics of customers according to credit card payment terms, thanks to the association rules method, which is one of the data mining methods. In the study, a monthly dataset covering customer information of the banking sector was used. Data analysis was performed on the dataset using the SQL language, and the information of 25,134 customers was made ready for the algorithm. In the data set, the customer's gender, whether or not they have a car, whether they have a property or not, the number of children, the amount of annual income, education level, marital status, age status and, accordingly, credit card payment terms were evaluated. However, it was used by categorizing it in certain categories for the areas determined in the data set. In the study, customer information was converted into a logical structure for the association rule, and support and trust thresholds were determined separately for credit card payment terms. For the solution of the study, association rules were created with the help of Python by using the apriori algorithm. In addition, the data is visualized thanks to Power BI. In this way, the characteristics of customers according to credit card payment terms were determined. As a result of the study; Adult customers who do not have a credit card, pay their credit card on time, and spend 3 months past the credit card's maturity date are female. Adult customers who have no children are those who have overdue their credit card debt and have bad debt. In addition, rules such as those who do not own property and who have graduated from primary/secondary education are customers who do not pay their credit card debt even after 6 months have passed. As a result of these results, it aims to determine the credit card payment terms of current and potential customers.
Benzer Tezler
- Gözetimsiz makine öğrenim teknikleri ile miktara dayalı negatif birliktelik kural madenciliği
Quantity-based negative association rule mining using unsupervised machine learning techniques
ZAHRAA MOHAMMED MALIK MALIK
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TANSEL DÖKEROĞLU
- Veri madenciliğinde birliktelik kuralı ve hepatit hastalığı üzerine bir uygula
Association rule in data mining and an application on hepatitis
BİRSEN RENCÜZOĞULLARI
Yüksek Lisans
Türkçe
2019
İstatistikEskişehir Teknik Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LEVENT TERLEMEZ
- Veri madenciliği ile yazılım mühendisliği dersi projelerinin iyileştirilmesi
Improvement of software engineering studies projects with data mining
PINAR CİHAN
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OYA KALIPSIZ
- Metin madenciliği teknikleri kullanılarak kulak burun boğaz hasta bilgi formlarının analizi
Analysis of otolaryngology patient information forms using text mining techniques
BAŞAK OĞUZ
Yüksek Lisans
Türkçe
2009
Bilim ve TeknolojiAkdeniz ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
YRD. DOÇ. DR. UĞUR BİLGE
- Veri madenciliği ile birliktelik kurallarının bulunması
Association rules finding with data mining
FATİH ŞEN
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. NİLÜFER YURTAY