Özet:
Gelişmekte olan bankacılık sektöründe kredi kartları önemli bir ürün olarak yerini almıştır. Müşteriye kredi kartı verilmesi-verilmemesi ise banka açısından dikkatle incelenerek alınması gereken bir karardır ve kredi kartı talebi arttıkça başvuruların değerlendirilmesi daha da karmaşık bir hal almaktadır. Değerlendirmeyi yapan kişiler farklı kriterleri dikkate alabilecekleri için alınan kararlar subjektif olabilir. Bu durumda, hem artan başvuru sayısına doğru zamanda cevap vermek hem de subjektif kriterlerden arınıp objektif kararlar alabilmek için çeşitli istatistiksel ve istatistiksel olmayan yöntemler kullanılmaktadır. Bu çalışmada, bir bankanın kredi kartı müşterilerine ait on üç değişken ile iyi müşteri-kötü müşteri ayırımı yapılmaya çalışılmıştır ve uygulama sonuçları birbirleriyle kıyaslanmıştır. Uygulamada kullanılan bazı istatistiksel teknikler, Diskriminant Analizi, Lojistik Regresyon, Kümeleme Analizi (Cluster Analysis), Sınıflandırma Ağaçları (Classification Tree)'dır ve istatistiksel olmayan tek teknik ise Yapay Sinir Ağları'dır. Çalışmada bu tekniklerin uygulamaları ele alınmış, teorik ayrıntılara değinmekten kaçınılmıştır. Uygulamalarına yer verilmeden teorik bilgi olarak sunulan teknikler ise Lineer Programlama ve Tamsayı Programlama konularıdır. Bu tekniklerle ilgili uygulamalar ileride yapılacak çalışmalara bırakılmıştır. Modellerin uygulamasında çeşitli avantajlar-dezavantajlar mevcut olmasıyla birlikte kullanılan veri setine göre tahmin başarısı en yüksek olan modelin lojistik regresyon olduğu söylenebilir. İlgili veri setine göre tüm modellere giren AYLIK NET GELİR değişkeni ise bu çalışma için kredi skorlamada etkili değişkenler olarak gözlemlenmiştir.
