Geri Dön

Veri bilimi yöntemleri kullanılarak banka müşteri kayıplarının tahminlenmesi

Forecasting bank customer churn using data science methods

PDF İndir

  1. Tez No: 953118
  2. Yazar: BARIŞ KAVUŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ NEGAR SADAT SOLEIMANI ZAKERI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, İstatistik, Engineering Sciences, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: İSTANBUL NİŞANTAŞI ÜNİVERSİTESİ
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 106

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

  1. Tez No

    488398

    Makine öğrenmesi yöntemleri ile müşteri kaybı analizi

    Churn analysis with machine learning algorithms

    BUKET ÖNAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. METİN ZONTUL

  2. Tez No

    713829

    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

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. FETHİ ÇALIŞIR

  3. Tez No

    92377

    Bilişim sistemlerindeki gelişmelerin işletme yönetimine etkileri, yönetim bilişim sistemleri geliştirme ve bir uygulama örneği

    Effects of the evoluation of information systems on management, management information systems development and an example of its application

    ZUHAL TANRIKULU

    Doktora

    Türkçe

    Türkçe

    1999

    İşletmeİstanbul Üniversitesi

    Organizasyon ve İşletme Politikaları Ana Bilim Dalı

    PROF. DR. EROL EREN

  4. Tez No

    856677

    Detecting malicious activity inside of the network

    Ağ içerisindeki kötü niyetli aktivitelerin tespiti

    AYŞENUR KUMBASAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. ENVER ÖZDEMİR

  5. Tez No

    865913

    Perakende hazır giyim firmasında makine öğrenmesi yöntemleriyle satış tahmini

    Sales forecasting in a retail fashion company using machine learning methods

    ŞEYMA GÖNEN HALICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

Geri Dön