Veri Madenciliği Tekniklerini Kullanarak Banka Müşterileri Bölümlendirmesi ve Kredi Skorlama Modeli

Basit Öğe Kaydı
dc.contributor.authorBiçen, Pelin
dc.contributor.authorFırat, Ümit Oktay
dc.date.accessioned2025-03-15T05:22:55Z
dc.date.available2025-03-15T05:22:55Z
dc.date.issued2003
dc.departmentBilgi Üniversitesi
dc.description.abstractİşletme 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. Bu çalışmada, ilk olarak veri tabanlarında bilgi keşfi madenciliği kavramları daha sonra da veri madenciliği modelleri açıklanmıştır. Uygulama aşamasında, 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 madenciliği paketi kullanılmıştır.|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 databases analysis. The tools and techniques are the subject of the rapidly emerging field of knowledge discovery in databases and data mining Techniques. In this research, first of all data mining and knowledge discovery in databases concepts and then data mining models were explained. In the second part, 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 data mining package was used.
dc.identifier.endpage150
dc.identifier.issn1303-6319
dc.identifier.issn2791-7614
dc.identifier.issue2
dc.identifier.startpage135
dc.identifier.urihttps://hdl.handle.net/11411/9677
dc.identifier.volume2
dc.language.isotr
dc.publisherTÜİK
dc.relation.ispartofİstatistik Araştırma Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_DergiPark_20250598
dc.subjectVeri Tabanlarında Bilgi Keşfi
dc.subjectVeri Madenciliği
dc.subjectTahmin Modelleri
dc.subjectSınıflandırma
dc.subjectRegresyon Analizi
dc.subjectKarar Ağaçları
dc.subjectKümeleme Analizi
dc.subjectK- Ortalamalar Algoritması
dc.subjectMultinomial Regresyon Analizi
dc.subjectKnowledge Discovery in Databases
dc.subjectData Mining
dc.subjectPredictive Modeling
dc.subjectClassification
dc.subjectRegression Analysis
dc.subjectDecision Trees
dc.subjectClustering
dc.subjectK-Means Algorithm
dc.subjectMultinomial Regression Analysis
dc.titleVeri Madenciliği Tekniklerini Kullanarak Banka Müşterileri Bölümlendirmesi ve Kredi Skorlama Modeli
dc.title.alternativeCustomer Segmentation and Credit Scoring Model in Banking Sector by Using Data Mining Techniques
dc.typeConference Object

Dosyalar

Koleksiyon

Orphan Publications Collections