Publication: An application of data mining study; a way to improve business strategies of the company
Abstract
İŞ STRATEJİLERİNİ GELİŞTİRMENİN BİR YÖNTEMİ; VERİ MADENCİLİĞİ UYGULAMASI Pazarda yaşanan yoğun rekabet şirketleri yeni arayışlara iterken sigorta sektörünün de içinde bulunduğu bu pazarlarda ayakta kalabilmek, daha iyi stratejiler üretebilmeyi gerektirmektedir. Hızlı teknolojik gelişim veri saklama maliyetini düşürürken, bu yıllarda şirketler depolanan veriyi pazarda rekabet avantajı sağlayacak bilgiye dönüştürmeye çalışmaktadırlar. Veri madenciliği büyük veri madenleri içinden bilgiyi yüzeye çıkartmak için hazırlanmış teknikler kümesidir. Kullanılan pek çok istatistik ve yapay zeka araçlarının ötesinde, veri madenciliğinin süreç yaklaşımı sistematik çözümler üretilmesini mümkün kılmaktadır. Bu çalışmada veri madenciliği teknik ve metodolojisi ile bir sigorta şirketine ait gerçek veriden yüksek rekabetin yaşandığı bu sektörde strateji oluşturma ve karar verme süreçlerine girdi sağlayacak bilgi elde edilmeye çalışılmıştır. Bu çalışmada karlı müşteri profili oluşturmak amacıyla veri madenciliği süreç yaklaşımı ve C5.0 karar ağacı algoritması kullanılmıştır. Dengesiz dağılıma sahip veri kümesi sorunu katsayılarla yeniden örnekleme, K-Means algoritması aracılığıyla ön kümeleme uygulaması ile yeniden örnekleme, birleştirme ve basitleştirme yöntemleri kullanılarak çözülmeye çalışılmıştır. Basitleştirme ve katsayılarla yeniden örnekleme ile daha iyi sonuçlar elde edilmiş, doğru tespit oranı umulan seviyede olmasa da hata oranları tatmin edici seviyede çıkmıştır. Uygulaması gerçekleştirilen sınıflama çalışması bilgi kaynaklı strateji üretimi için yalnızca bir başlangıçtır. Karlı müşteri profili değerli müşterileri çekmek için oluşturulacak stratejilerde önemli bir girdi olacaktır. Yeni kampanyalar, özel indirimler, kişiye özel hizmetler karlı müşteri bilgisi ile alınabilecek bazı kararlardır. Yüksek cirolu müşterileri tanımlamak, çapraz satış için ilişki analizleri yapmak, tahmin analizleri karar vericilere daha fazla bilgi sağlamak amacıyla daha sonra gerçekleştirilebilecek bazı analizlerdir. Sınıflama tekniği veri değişikliklerine duyarlı olduğundan uygulaması yapılan sınıflama analizinin de dönemsel olarak tekrarlanması gerekmektedir. Daha iyi iş sonuçları elde edebilmek için analiz sonuçları güncel tutulmalıdır.
AN APPLICATION OF DATA MINING STUDY; A WAY TO IMPROVE BUSINESS STRATEGIES OF THE COMPANY Hard conditions in the market lead the companies to find new ways to compete better. Better strategies are needed to stand strong in these highly competitive markets one of which is insurance market. The rapid technological development reduced the cost of storing data and in these decades every company is trying to convert this data to a competitive value in the market. Data mining is a set of techniques to bring information from large data sets to the surface. Beyond many statistical and AI techniques are used in data mining, process approach in method makes DM a systematic solution. In this study, it is intended to use data mining methods to derive conclusions from a large set of real insurance company data to be used strategy setting and decision making process in highly competitive market. An application of data mining process approach and C5.0 decision tree algorithm is performed in the study to determine the profile of profitable customers. The problem of unbalanced data is tried to be solved by pre-clustering application in re-sampling and combining and simplifying attributes. Better results were obtained by simplifying although the accuracy of detecting is not as expected, the error rate is satisfactory. The classification technique application in this thesis is only a beginning analysis for information based strategy generation. The profitable customer profile is an input for the business strategies in attracting valuable customers. New campaigns, special discounts, customer focused services are decisions to be taken with the information of profitable customer. Further analysis of data to describe high revenue customers, association analysis for cross-sales, predictive analysis can be performed to provide more information for decision makers. Moreover, classification analysis made should be performed periodically since method is sensitive to data changes. The results should be kept up to date for better results.
AN APPLICATION OF DATA MINING STUDY; A WAY TO IMPROVE BUSINESS STRATEGIES OF THE COMPANY Hard conditions in the market lead the companies to find new ways to compete better. Better strategies are needed to stand strong in these highly competitive markets one of which is insurance market. The rapid technological development reduced the cost of storing data and in these decades every company is trying to convert this data to a competitive value in the market. Data mining is a set of techniques to bring information from large data sets to the surface. Beyond many statistical and AI techniques are used in data mining, process approach in method makes DM a systematic solution. In this study, it is intended to use data mining methods to derive conclusions from a large set of real insurance company data to be used strategy setting and decision making process in highly competitive market. An application of data mining process approach and C5.0 decision tree algorithm is performed in the study to determine the profile of profitable customers. The problem of unbalanced data is tried to be solved by pre-clustering application in re-sampling and combining and simplifying attributes. Better results were obtained by simplifying although the accuracy of detecting is not as expected, the error rate is satisfactory. The classification technique application in this thesis is only a beginning analysis for information based strategy generation. The profitable customer profile is an input for the business strategies in attracting valuable customers. New campaigns, special discounts, customer focused services are decisions to be taken with the information of profitable customer. Further analysis of data to describe high revenue customers, association analysis for cross-sales, predictive analysis can be performed to provide more information for decision makers. Moreover, classification analysis made should be performed periodically since method is sensitive to data changes. The results should be kept up to date for better results.