Veri madenciliği yöntemleri ile uçuş biletleme analizi
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Bir çok sektörde kullanılan veri madenciliği hava yolu şirketleri açısında da büyük potansiyel barındırmaktadır. Kritik öneme sahip müşteriye direkt dokunan stratejik kararlarda, veri madenciliği yöntemleri etkin kullanılmaktadır. Verinin işlenip bilgiye dönüştürülme sürecine veri madenciliği denir. Birliktelik kuralları ve Apriori algoritması veri madenciliği alanında sıklıkla kullanılan yöntemlerdir. Bu tez çalışmasında, öncelikle veri madenciliği açıklanmış ve çalışmada kullanılacak yöntemler tanıtıldıktan sonra Türk Hava Yollarının 2016 yılı yaz ve kış dönemlerine ait yolcuların biletleme verileri ele alınmıştır. Veri ön işleme ve temizleme süreçlerinden sonra 2036113 satırdan oluşan uçuş biletleme verisine Birliktelik kuralları ve Apriori Algoritması uygulanarak 824 adet kural ortaya çıkarılmıştır. Elde edilen kurallar yorumlanarak ve kuralların etkileri değerlendirilerek müşteri deneyimine olumlu katkı sağlayabilecek öneriler sunulmuştur. Anahtar Kelimeler : Veri Madenciliği, Apriori Algoritması, Birliktelik Kuralları, Uçuş Biletleme Data mining used in many sectors also has great potential in terms of airline companies. Data mining methods are used effectively in strategic decisions that directly touch the critical customer. The process of processing the data into information is called data mining. Association rules and Apriori algorithm are frequently used methods in the field of data mining. In this thesis, firstly data mining was explained and after the introduction of the methods to be used in the study, the ticketing data of the passengers of the 2016 summer and winter periods of Turkish Airlines were discussed. After pre-processing and cleaning processes, 824 rules were applied to the flight ticketing data consisting of 2036113 lines by using Association Rules and Apriori Algorithm. By interpreting the obtained rules and evaluating the effects of the rules, suggestions are presented that can contribute positively to the customer experience. Keywords: Data Mining, Apriori Algorithm, Association Rules, Flight Ticketing
Collections