Operasyon işlemlerinin hızlandırılmasında veri madenciliginin kullanılması

Abstract

Bilinmeyen geleceğin bilimsel yöntemlerle kestirilmesi ve gelecek için önceden hazırlıkların yapılması her alanda olduğu gibi özellikle ekonomide ve finans sektöründe büyük önem taşımaktadır. Bu tez çalışmasında, gerçek veriler kullanılarak bir bankanın operasyon merkezinde gerçekleşen iş süreçleri analiz edilmiş ve geleceğe yönelik tahmin modelleri oluşturulmuştur. Özellikle yoğun zamanlarda kaynakların etkin kullanımına imkan sağlayan bu çalışmayla operasyonel işlemlerin hızlandırılması mümkün hale gelmiştir.Bu çalışmada her bir operasyonel iş süreci için, klasik zaman serisi algoritmaları (Ekonometrik Modeller, Elman Ağ Model, Markov Rejim Değişim Modeli) ile makine öğrenmesi algoritmaları (M5 Kuralları, Karar Tablosu, Birleşik Kural, REP Ağacı, Gauss Süreçleri, Eş Aralıklı Regresyon, Doğrusal Regresyon, Yapay Sinir Ağı, Basit Doğrusal Regresyon, Karar Destek Vektörleriyle Regresyon, Ibk, KStar, Toplamsal Regresyon, Torbalama) denenmiş ve sonuçlar karşılaştırılarak en iyi tahmini gerçekleştiren model oluşturulmuştur.Çalışma sonucunda makine öğrenmesi algoritmalarının klasik zaman serisi algoritmalarına göre daha başarılı sonuçlar verdiği görülmüştür. Özellikle karar ağacı tabanlı makine öğrenmesi algoritmalarının performansları diğerlerine oranla daha yüksek çıkmıştır. Ayrıca her bir iş sürecinin kendine özgü özelliklere sahip olmasından dolayı ayrı ayrı modellenmesi gerektiği sonucuna ulaşılmıştır.