Bankacılık alanında makine öğrenme algoritmaları ile iş yükü tahminlemesi
Workload estimation with machine learning algorithms in banking
- Tez No: 894851
- Danışmanlar: DR. ÖĞR. ÜYESİ ALPARSLAN SERHAT DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, Banking
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Dijitalleşen dünya, özellikle finans sektöründe köklü değişikliklere neden olmaktadır. Son yıllarda dijital bankaların sayısındaki artış, geleneksel şubeli bankalar için hem bir tehdit hem de dijitalleşme yolunda bir uyarıcı olarak karşımıza çıkmaktadır. Bu yeni dönemde, şubeli bankaların personel giderleri gibi büyük maliyet kalemlerini yönetebilmesi, dijital bankalar ile rekabette avantaj sağlamaları için büyük önem taşımaktadır. Dijital bankalar, düşük operasyonel maliyetleri ve hızlı hizmet sunumları ile müşteri çekme konusunda avantajlıdır. Bu nedenle, şubeli bankaların sektördeki paylarını koruyabilmeleri ve sürdürülebilir büyüme sağlayabilmeleri adına dijitalleşmeyi benimsemeleri ve kadro planlamalarını etkin bir şekilde gerçekleştirmeleri gerekmektedir. Kadro sayısının optimizasyonu, hem çalışan memnuniyetini hem de müşteri deneyimini doğrudan etkileyebilecek kritik bir faktördür. Kadro sayısının azaltılması, çalışanların iş yükünü artırarak memnuniyetlerini azaltabilir ve müşteri bekleme sürelerinin uzamasına yol açabilir. Fazla kadro belirlenmesi ise kullanılmayan kapasiteyle maliyetleri yükseltebilir ve olası yer değişiklikleri sebebiyle çalışanların sosyal yaşamlarını olumsuz etkileyebilir. Bu nedenle, bankaların optimal kadro sayısını belirleyerek hem maliyetleri düşürmesi hem de hizmet kalitesini artırması gerekmektedir. Bu çalışma, finans sektöründe faaliyet gösteren bir banka şubesinin kadro planlaması ve kaynak yönetimi süreçlerinde yapay zekâ tekniklerinin potansiyel avantajlarını keşfetmeyi amaçlamaktadır. Farklı metotlar ile, belirli bir unvan grubu ele alınarak geçmiş performans verileri, müşteri talepleri ve diğer etkenler detaylı bir şekilde analiz edilmiştir. Gelecekteki iş yüklerini doğru bir şekilde öngörmek için bu veriler kullanılmıştır. Çalışma kapsamında, elde edilen 0,99 ve 0,91 yüksek korelasyon değerleri ile Extrem Gradyan Arttırma (eXtreme Gradient Boosting, XGBoost) yönteminin en etkili sonuçlara sahip olduğu görülmüştür. Bu yöntem, bankaların daha etkin kadro planlaması yaparak hem maliyetleri optimize etmelerini hem de müşteri ve çalışan memnuniyetini maksimize etmelerini mümkün kılmaktadır. Sonuç olarak, bu araştırma, yapay zekanın kadro planlamasındaki rolünü derinlemesine inceleyerek, bankacılık sektöründe kaynak yönetimi ve operasyonel verimliliği artırmaya yönelik yenilikçi bir yaklaşım sunmaktadır. Bankaların, dijitalleşen dünyada rekabet edebilmek için teknolojileri kullanarak daha verimli ve etkili stratejiler geliştirmesi gerektiği vurgulanmaktadır. Bu bağlamda, yapay zekâ tabanlı kadro planlama modellerinin, bankaların hem maliyetlerini azaltma hem de hizmet kalitesini artırma konusunda önemli bir araç olduğu ifade edilebilir.
Özet (Çeviri)
The digitalizing world is causing radical changes, especially in the financial sector. The increase in the number of digital banks in recent years has emerged as both a threat and a warning for traditional branch banks on the path to digitalization. In this new era, it is of great importance for branch banks to be able to manage large cost items such as personnel expenses in order to gain an advantage in competition with digital banks. Digital banks have the advantage of attracting customers with their low operational costs and fast service delivery. Therefore, in order for branch banks to maintain their share in the sector and achieve sustainable growth, they need to adopt digitalization and carry out their staff planning effectively. Optimization of the number of staff is a critical factor that can directly affect both employee satisfaction and customer experience. Reducing the number of staff can increase the workload of employees, reduce their satisfaction and lead to longer customer waiting times. Determining excessive staff can increase costs with unused capacity and negatively affect the social lives of employees due to possible relocations. Therefore, banks need to both reduce costs and increase service quality by determining the optimal number of staff. This study aims to explore the potential advantages of artificial intelligence techniques in the staff planning and resource management processes of a bank branch operating in the financial sector. A specific title group was analyzed in detail using different methods, and past performance data, customer demands, and other factors were analyzed. These data were used to accurately predict future workloads. Within the scope of the study, it was observed that the Extreme Gradient Boosting (XGBoost) method had the most effective results with high correlation values of 0.99 and 0.91 obtained. This method enables banks to optimize costs and maximize customer and employee satisfaction by making more effective staff planning. As a result, this research offers an innovative approach to increasing resource management and operational efficiency in the banking sector by deeply examining the role of artificial intelligence in staff planning. It is emphasized that banks need to develop more efficient and effective strategies using technologies in order to compete in the digital world. In this context, it can be stated that artificial intelligence-based staff planning models are an important tool for banks to both reduce their costs and increase service quality.
Benzer Tezler
- Deep learning-based and cost-aware fraud detection system using multi-modal profiling approach to detect fraud attempts in airline ticket sales
Havayolu bilet satış işlemleri için derin öğrenme tabanlı maliyet bilinçli ve çok modlu profilleme yaklaşımını benimseyen sahtekarlık tespit sistemi
MEHMED TAHA ARAS
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET AMAÇ GÜVENSAN
- XGboost ve karar ağacı tabanlı algoritmaların diyabet veri setleri üzerine uygulaması
Application of XGboost and decision tree based algorithms on diabetes data
GÜLÇİN YANGIN
Yüksek Lisans
Türkçe
2019
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELİF ÖZGE ÖZDAMAR
- Veri kalitesinde eksik veri sorunlarının derin öğrenme yöntemi ile çözülmesi: Üretici çekişmeli ağlar ile bir uygulama
Solving missing data problems in data quality with deep learning method: An application with generative adversial networks
ŞEVHAT DOGER
Yüksek Lisans
Türkçe
2020
İşletmeDokuz Eylül ÜniversitesiToplam Kalite Yönetimi Ana Bilim Dalı
PROF. DR. OSMAN AVŞAR KURGUN
- The use of machine learning algorithms in anti-money laundering and counter terrorism financing monitoring systems in correspondent banking
Makine öğrenmesi algoritmalarının muhabir bankacılık işlemlerinde karaparanın aklanması ve terörizmin finansmanıyla mucadele sistemlerinde kullanımı
NURAY YÜCESOY
Yüksek Lisans
İngilizce
2022
BankacılıkBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
YRD. DOÇ. DR. CEMAL OKAN ŞAKAR
- Androıd kötücül yazılımlarından koruma sistemlerinin değerlendirilmesi ve görüntü işleme algoritmalarını yapay zekâ teknikleri ile melezleştirerek yeni bir algılama yaklaşımının geliştirilmesi
Evaluating the robustness of android anti-malware systems and developing a novel detection approach based on hybridizing image processing algorithms with artificial intelligence techniques
HALİT BAKIR
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL MURAT ÜNVER