Veri bilimi yöntemleri kullanılarak banka müşteri kayıplarının tahminlenmesi
Forecasting bank customer churn using data science methods
- Tez No: 953118
- Danışmanlar: DR. ÖĞR. ÜYESİ NEGAR SADAT SOLEIMANI ZAKERI
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, İstatistik, Engineering Sciences, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Nişantaşı Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, bankacılık sektöründe müşteri kaybının tahmin edilmesi amacıyla veri bilimi ve makine öğrenmesi temelli yöntemler kullanılarak bütüncül bir analiz gerçekleştirilmiştir. Tezin temel amacı, müşteri davranışlarını analiz ederek hangi faktörlerin müşteri kaybını etkilediğini belirlemek ve bankaların müşteri ilişkileri yönetimini veri odaklı bir yaklaşımla iyileştirmektir. Bu kapsamda, dengesiz sınıf yapısına sahip bir veri seti üzerinde Random Forest, Gradient Boosting Machine, LightGBM, Logistic Regression, AdaBoost, CatBoost ve XGBoost algoritmaları uygulanmıştır. Modelleme sürecinde öznitelik seçimi için Boruta, hiperparametre ayarı için RandomizedSearchCV, model başarımını test etmek için K-fold çapraz doğrulama ve sınıflandırma performansını artırmak amacıyla eşik optimizasyonu gerçekleştirilmiştir. Analiz sonuçlarına göre, en yüksek başarı CatBoost modeli ile elde edilmiş ve bu model üzerinde LIME yöntemi ile açıklanabilirlik sağlanmıştır. Ayrıca, geliştirilen modelin üretim ortamında çalışabilmesi için günlük periyotlarla tahmin yapan bir yaygınlaştırma senaryosu tasarlanmıştır. Çalışmanın sonunda, yaş, ürün sayısı, bakiye ve aktif üyelik gibi değişkenlerin müşteri kaybını belirlemede önemli rol oynadığı görülmüş; sınıf dengesizliğiyle mücadelede eşik ve parametre optimizasyonunun etkili olduğu sonucuna varılmıştır.
Özet (Çeviri)
In this thesis, a comprehensive analysis based on data science and machine learning methods was conducted to predict customer churn in the banking sector. The main objective of the study is to identify the behavioral factors influencing customer churn and to help banks improve customer relationship management using a data-driven approach. Within this scope, various classification algorithms such as Random Forest, Gradient Boosting Machine, LightGBM, Logistic Regression, AdaBoost, CatBoost, and XGBoost were applied on a dataset with an imbalanced class distribution. Feature selection was performed using the Boruta algorithm, hyperparameter tuning was conducted with RandomizedSearchCV, model performance was evaluated through K-fold cross-validation, and threshold optimization was implemented to enhance classification accuracy. Among the tested models, the highest performance was achieved with CatBoost, which was further interpreted using the LIME explainability method. Additionally, a deployment scenario was designed where the model generates daily predictions, enabling real-time integration into production environments. The results showed that variables such as age, number of products, account balance, and active membership status play a critical role in predicting customer churn. The study concludes that threshold and parameter optimization are effective strategies for addressing class imbalance and improving model performance.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile müşteri kaybı analizi
Churn analysis with machine learning algorithms
BUKET ÖNAL
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. METİN ZONTUL
- RFMLP based customer segmentation and customer churn analysis in heavy equipment industry using customer transactions data
İş makinesi sektöründe müşteri işlem verilerini kullanarak RFMLP tabanlı müşteri segmentasyonu ve müşteri kayıp analizi
MUSTAFA ÇAMLICA
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FETHİ ÇALIŞIR
- Banka müşteri kayıplarının öngörülmesinde makine öğrenmesi yaklaşımları ve sentetik veri kullanımı
Machine learning approaches and usage of synthetic data for predicting bank customer churn
KÜBRA KONUR
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN KAYA
- İşletmelerde veri örgütlenmesi ve yönetim açısından bilgi sistemleri
Başlık çevirisi yok
FAHAMET TOPALOĞLU
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ