Finans sektöründe veri madenciliği teknikleri kullanılarak kampanya modelleme
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
İçinde bulunduğumuz bilgi çağında, teknolojinin getirdiği bilgi toplumu unsurları hayatın her alanında kendini göstermektedir. Her geçen gün yeni kavramlar ve çalışma alanları ortaya çıkmaktadır. Gelecek dönemlerde en önemli teknolojik pazarın veri üzerinde oluşması beklenmektedir. Gelişen iletişim ve bilgi teknolojileri ile web sayfaları, bloglar, kameralar, sosyal medya uygulamaları, mobil uygulamalar, pek çok akıllı cihaz ve internet tabanlı uygulamalar tarafından sürekli olarak veri toplanmaktadır. Teknolojiye bağlı olarak farklı kaynaklar tarafından üretilen çok boyutlu ve büyük alan kaplayan veri ortaya çıkmıştır. Veri boyutundaki hızlı büyüme, temeli istatistiğe dayanan veri madenciliğinin önemini ortaya çıkarmıştır. Biriken büyük miktarda ve çeşitlilikteki verinin saklanması, işlenmesi ve veri üzerinden değerli bilgi elde etme için geleneksel yöntemler yetersiz kalmaktadır. Büyük veri teknolojileri sayesinde daha hızlı, daha şeffaf, daha etkin çözümlerle birçok sektörde iş süreçlerinde iyileştirme noktaları, fırsatlar, verimli iş modelleri, sunulan hizmetlerin iyileştirilmesi ile müşteri memnuniyeti, yüksek kârlılık ve rekabet avantajı sağlanmaktadır. Veri madenciliği alanında yapılan çalışmaların, hemen hemen her sektörde olduğu gibi bankacılık sektöründe de kullanımının artması ve daha büyük kazanımlar elde edilmesi beklenmektedir.Tez çalışmasında bir bankanın geçmiş pazarlama verisiyle yapılan analizlerde veri madenciliği yöntemlerinden Aşırı Öğrenme Makinesini kullanarak, vadeli para yatırma kampanyasına katılabilecek müşteriler ile yapılan telefon görüşmeleri için sınıflandırma yapılmıştır. Böylece tele pazarlama faaliyetlerinde kaynakların doğru müşteri kitlesine ulaşmak için kullanılarak satış fırsatını artırmak, aramalardan kaynaklı müşteri memnuniyetsizliğini azaltmak ve arama maliyetlerini düşürmek amaçlanmıştır. Bu kapsamda, Aşırı Öğrenme Makinesi sınıflandırıcısı parametreleri model ayarlama metotları olarak ızgara arama ve genetik algoritma ile optimizasyon yapılmış, en yüksek doğrulukta sınıflandırma oranına yaklaşılmaya çalışılmıştır. Son olarak, topluluk algoritmalarından torbalama yöntemiyle model geliştirilmiş, sonuçları incelenmiştir. Bu tez çalışması, finans sektörünce veri madenciliği metotlarının uygulanmasında Aşırı Öğrenme Makinesi algoritmasının kullanılmasının yaygınlaşması ve nasıl uygulanabileceği konusunda örnek bir çalışma ortaya koymuştur. Today, with the developing technology, the elements of information society stands out in every area. Every day new concepts and new working areas arise. In the next periods, it is expected that the technology sector will be focused on data. With the developing technology of information and communication, websites, blogs, cameras, social media applications, mobile applications and any other internet based applications and smart devices collect these data. With the effects of technology, there is a huge amount of data that is produced by different sources. The increase in the size of data leads the importance of data mining that is based on the statistics. Traditional methods are inadequate in processing data and gathering important data because of storing different types and the size of data. With the big data technologies that are more effective, transparent and quicker; it is possible to maintain effective business models, get opportunities and business process improvements. On the other hand, with the service improvements, it is possible to maintain customer satisfaction, competitive edge, and a high profit. As it is expected in every sector in data mining, the usage in the banking sector will increase and higher gains will be obtained.In the thesis study, the classification for phone calls of the customers that could join to a bank term deposit has been studied. For that, a data mining method, extreme Learning Machine, has been used as a classification method on the previous marketing data of a bank. With this study, it is aimed to reduce customer dissatisfaction caused by faulty calls, reduce operational costs and increase the sales opportunities by reaching the right customers' cluster for telemarketing activities. In this context, it is aimed to get the highest classification rate by applying model tuning which is grid search and genetic algorithm, on the classification parameters of Extreme Learning Machine. Finally, the model has been developed with the bagging method which is an ensemble algorithm and the results have been studied.This study shows an example of how Extreme Learning Machine as a data mining methods can be used in the finance sector and how it can be applied.
Collections