Bankacılıkta Müşteri Verilerini Anlama: CRISP-DM Yaklaşımı ve Makine Öğrenimi Uygulamaları

Authors : Sezai Tunca

Pages : 68-87

Doi:10.5824/ajite.2025.01.004.x

View : 45 | Download : 31

Publication Date : 2025-02-28

Article Type : Research Paper

Abstract :Bu çalışma, günümüzde işletmeler için müşteri bilgilerinin önemini vurgulamakta ve özellikle finansal işlemlerle uğraşan bankaların bu bilgileri işleyip analiz ederek yönetim stratejilerinde kullanmasını ele almaktadır. Moro ve diğerleri tarafından sağlanan anonimleştirilmiş ve amaca uygun revize edilmiş veri seti kullanılarak, banka müşterilerinin vadeli mevduata abone olma olasılığını etkileyen faktörler incelenmiş ve pazarlama stratejilerine yönelik veri destekli öneriler sunulmuştur. Çalışma, müşteri davranışını etkileyen değişkenleri belirlemek için Lojistik Regresyon, Karar Ağaçları (Decision Tree), Rastgele Orman (Random Forest), Destek Vektör Makineleri (SVM) ve XGBoost gibi çeşitli makine öğrenimi tekniklerini kullanarak, CRISP-DM metodolojisini altı aşamada yapılmıştır. En iyi performansı gösteren Lojistik Regresyon modeli olmuştur. Bulgularda “emekli, öğrenci, yüksek eğitim seviyesi, önceki kampanya başarısı, ve Mart ayı gibi değişkenler”, müşterinin vadeli mevduat aboneliğine daha yatkın olduğunu göstermektedir. “Konut kredisi ve kredi borcu” gibi finansal yükümlülükler. Müşterinin vadeli mevduat aboneliği yapma olasılığını azaltmaktadır. Önerilerden bazıları arasında anlamlı değişkenlere (ör. meslek, eğitim seviyesi, medeni durum) odaklanarak stratejiler geliştirilmesinin yanı sıra eğitim seviyesi yüksek bireyleri hedefleyen pazarlama stratejileri geliştirilebilir. Finansal durumu zorlayıcı olan bireylerin hedef olay üzerinde olumsuz etkileri olduğundan, bu gruplara yönelik uygun öneriler sunulabilir. Çalışmanın sınırlamaları arasında veri setinin güncelliği ve sınıf dengesizliğini gidermek için kullanılan aşırı örnekleme tekniği yer almaktadır. Gelecekte yapılacak araştırmalarda farklı makine öğrenimi modelleri ve daha geniş veri setleri kullanılarak kapsamlı analizler gerçekleştirilebilir.
Keywords : Bankacılık Analitiği, CRISP-DM Metodolojisi, Veri Analizi, Vadeli Mevduat Aboneliği