Veri madenciliği: Sınıflandırma ve tahmin yöntemlerini kullanarak bir uygulama

Abstract

ÖZET İşletme ve bilimsel içerikli veri tabanlarının gün geçtikçe büyümesi, veri tabanlarında bulunan verinin analiz edilmesini ve yorumlanmasını zorlaştırdı. Bu noktada, veri tabanı analiz sürecini otomatikleştirecek yeni nesil tekniklere ve araçlara ihtiyaç duyulmaya başlandı. Bu anlamda, bu teknikler ve araçlar veri tabanlarında bilgi keşfi ve veri madenciliği teknikleri olarak bilinen ve çok hızlı gelişen bir alana konu oldular. Veri madenciliği teknolojisi her geçen gün gelişmektedir. Tıp, finans, sağlık, pazarlama, sigorta ve diğer işletme sektörlerinde bu gelişen teknolojiye artan derecede ihtiyaç duyulmaktadır. İstatistik paket programlar konusunda uzman uluslararası yazılım firmaları, veri madenciliği pazarındaki rekabette lider şirket olabilmek için sürekli yeni yazılımlar geliştirmektedir. Bu anlamda veri madenciliği alanı istatistik yazılım programlarının bir uzantısı olarak görülmektedir. SAS şirketinin felsefesine göre, `SAS kütüphanesinde istatistik herşeydir, veri madeciliği ise geriye kalan herşeydir.` Bu çalışmada, ilk olarak veri tabanlarında bilgi keşfi ve veri madenciliği kavranılan detaylı olarak açıklanmıştır. Veri madenciliği teknikleri ve uygulama alanları geniş bir çerçevede incelenmiştir. Son bölümde, günümüz işletme dünyasında çok sık karşılaşılan, müşterilerin kredi taleplerinin değerlendirilmesi ve karlılık durumlarına göre müşterilerin bölümlendirilmesi problemi, veri madenciliği sınıflandırma ve tahmin modelleri uygulanarak çözümlenmiştir. Çözüm sürecinde SAS Enterprise Miner 4.2 veri madenciliği paketi kullanılmıştır.

SUMMARY The explosive growth of many business and scientific databases has far exceeded the ability to interpret the data. At this point, there was a creating need for a new generation of tools and techniques for automated database analysis. The tools and techniques are the subject of the rapidly emerging field of knowledge discovery in databases (KDD) and datamining techniques. Data mining technology is rapidly evolved. There is a creating need of this emerging technology in medical, finance, health, marketing, insurance and other related sector. Expert multinational firms that produce statistical application packages has continuously developed new statistics software in order to be a leader in data mining market. The philosophy of S AS Inst, is ` Statistics is everything in SAS Library and data mining is everything else`. By this definition, it is easy to understand that data mining has now ceased to exist. In this research, first of all data mining and knowledge discovery in databases (KDD) concepts were explained. Data mining techniques and their application areas were tried to be examined in extense form. In the last chapter, customer credit scoring and customer segmentation problem that was steadily encountered in current business world was solved with predictive and classification data mining modeling techniques. In the solution period, SAS Enterprise Miner 4.2 data mining package was used.