Veri madenciliğinde birliktelik kuralı yöntemini kredi kartı kullanan müşteriler üzerinde uygulanması ve power BI’da raporlanması
Küçük Resim Yok
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
T.C. Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Günümüzde banka sektöründeki kredi kartı kullanan müşteri sayısı giderek artmaktadır. Bunun nedeni kişilerin değişen hayat şartlarına ve taleplerine uyum sağlayabilmeleri için bu yola ihtiyaç duymalarıdır. Giderek artan müşteri sayısından kaynaklı müşterileri analiz etmek de gittikçe zorlaşmaktadır. Bankaların kredi kartı verdikten sonra odaklandıkları en önemli faktörlerden biri kredi kartı ödeme vadelerinin durumlarının belirlenmesidir. Kredi durumlarına göre de müşteri niteliklerinin analizinin yapılmasıdır. Buradaki büyük veri yığınları arasındaki müşteriyi analiz etmek için veri madenciliği yöntemi kullanarak ham veri yığınları arasındaki ilişkileri ve kuralların ortaya çıkarılmasını sağlamaktır. Bu çalışmada veri madenciliği yöntemlerinden olan birliktelik kuralları yöntemi sayesinde kredi kartı ödeme vadelerine göre müşterilerin hangi özelliklere sahip olduğunu belirlemektir. Çalışmada banka sektörüne ait müşteri bilgilerini kapsayan bir aylık veri kümesi kullanılmıştır. Veri kümesi üzerinde SQL dili sayesinde veri analizi yapılarak 25.134 adet müşterinin bilgileri algoritmaya hazır hale getirilmiştir. Veri seti içerisinde müşterinin cinsiyeti, arabası olup/olmama durumu, mülkü olup/olmama durumu, çocuk sayısı, yıllık gelir tutarı, eğitim durumu, medeni durumu, yaş durumu ve bunlara bağlı olarak kredi kartı ödeme vadeleri bazında değerlendirilmiştir. Bununla birlikte veri kümesinde belirlenen alanlar için belli kategorilerde kategorize edilerek kullanılmıştır. Çalışmada birliktelik kuralı için müşteri bilgileri mantıksal yapıya çevrilmiştir ve kredi kartı ödeme vadelerindeki durumlar için ayrı ayrı destek ve güven eşik değerleri belirlenmiştir. Çalışmanın çözümü için apriori algoritması kullanılarak Python yardımıyla birliktelik kuralları oluşturulmuştur. Bunun yanında Power BI sayesinde de veriler görselleştirilmiştir. Bu sayede kredi kartı ödeme vadelerine göre müşterilerin hangi özelliklere sahip olduğu belirlenmiştir. Çalışmanın sonucunda; kredi kartı sahibi olmayan, kredi kartını zamanında ödeyen ve kredi kartının vadesinin borcunu 3 ay geçiren yetişkin müşterilerin cinsiyeti kadındır. Hiç çocuğu olmayan yetişkin müşteriler ise kredi kartının borcunun vadesini geçirmiş ve kötü borca sahip kişilerdir. Ayrıca mülk sahibi olmayan ve eğitim durumu ilköğretim/ortaöğretimden mezun olan müşteriler ise kredi kartının borcunun 6 ay geçmesine rağmen ödemeyen müşterilerdir gibi kurallar oluşturulmuştur. Bu sonuçlar neticesinde mevcut ve potansiyel müşterilerin kredi kartı ödeme vadelerinin belirlenmesini amaçlamaktadır.
Nowadays, the number of customers using credit cards in the banking sector is increasing. The reason for this is that people need this way to adapt to changing life conditions and demands. It is becoming increasingly difficult to analyze customers due to the increasing number of customers. One of the most important factors that banks focus on after issuing a credit card is determining the status of credit card payment terms. It is the analysis of customer qualifications according to their credit status. The aim here is to reveal the relationships and rules between raw data piles by using the data mining method to analyze the customer among large data piles. In this study, the association rules method, one of the data mining methods, aims to determine the characteristics of customers according to their credit card payment terms. A monthly data set covering customer information of the banking sector was used in the study. By performing data analysis on the dataset using SQL language, the information of 25,134 customers was made ready for the algorithm. Within the data set, the customer's gender, whether they have a car or not, whether they have a property or not, number of children, annual income amount, education level, marital status, age status and, accordingly, credit card payment terms were evaluated. In addition, it was categorized and used in certain categories for the areas determined in the data set. In the study, customer information was converted into a logical structure for the association rule and separate support and trust threshold values were determined for situations in credit card payment terms. viii To solve the study, association rules were created with the help of Python using the a priori algorithm. In addition, the data was visualized thanks to Power BI. In this way, it was determined which characteristics the customers had according to their credit card payment terms. As a result of the study; The gender of adult customers who do not have a credit card, who pay their credit card on time and whose credit card is due within 3 months is female. Adult customers who do not have any children are those who have overdue credit card debt and have bad debt. In addition, rules have been created such as customers who do not own property and whose education level is primary/secondary education are those who have not paid their credit card debt even after 6 months. As a result of these results, it aims to determine the credit card payment terms of existing and potential customers.
Nowadays, the number of customers using credit cards in the banking sector is increasing. The reason for this is that people need this way to adapt to changing life conditions and demands. It is becoming increasingly difficult to analyze customers due to the increasing number of customers. One of the most important factors that banks focus on after issuing a credit card is determining the status of credit card payment terms. It is the analysis of customer qualifications according to their credit status. The aim here is to reveal the relationships and rules between raw data piles by using the data mining method to analyze the customer among large data piles. In this study, the association rules method, one of the data mining methods, aims to determine the characteristics of customers according to their credit card payment terms. A monthly data set covering customer information of the banking sector was used in the study. By performing data analysis on the dataset using SQL language, the information of 25,134 customers was made ready for the algorithm. Within the data set, the customer's gender, whether they have a car or not, whether they have a property or not, number of children, annual income amount, education level, marital status, age status and, accordingly, credit card payment terms were evaluated. In addition, it was categorized and used in certain categories for the areas determined in the data set. In the study, customer information was converted into a logical structure for the association rule and separate support and trust threshold values were determined for situations in credit card payment terms. viii To solve the study, association rules were created with the help of Python using the a priori algorithm. In addition, the data was visualized thanks to Power BI. In this way, it was determined which characteristics the customers had according to their credit card payment terms. As a result of the study; The gender of adult customers who do not have a credit card, who pay their credit card on time and whose credit card is due within 3 months is female. Adult customers who do not have any children are those who have overdue credit card debt and have bad debt. In addition, rules have been created such as customers who do not own property and whose education level is primary/secondary education are those who have not paid their credit card debt even after 6 months. As a result of these results, it aims to determine the credit card payment terms of existing and potential customers.
Açıklama
Anahtar Kelimeler
Veri madenciliği, Birliktelik kuralları, Apriori algoritması, Banka sektörü, Power BI, Python, SQL, Data mining, Association rules, Apriori algorithm, Banking industry, Power BI, Python, SQL
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Şimşek, D. (2023). Veri madenciliğinde birliktelik kuralı yöntemini kredi kartı kullanan müşteriler üzerinde uygulanması ve power BI’da raporlanması / Application of association rule method in data mining on customers using credit cards and reporting in power. (Yayımlanmamış Yüksek Lisans Tezi). Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü, İstanbul.
