HEAL DSpace

Ανάλυση κατά Συστάδες και Εφαρμογές σε Τραπεζικά Δεδομένα

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.advisor Κουκουβίνος, Χρήστος el
dc.contributor.author Ματιάμπα, Μάρθα Ν. el
dc.contributor.author Matiampa, Martha N. en
dc.date.accessioned 2014-05-16T09:43:46Z
dc.date.available 2014-05-16T09:43:46Z
dc.date.copyright 2014-01-29 -
dc.date.issued 2014-05-16
dc.date.submitted 2014-01-29 -
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/38523
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.4264
dc.description 101 σ. el
dc.description.abstract Η δημιουργία και ανάλυση του προφίλ των πελατών πολλών οργανισμών και επιχειρήσεων απαιτούν τη χρήση μεθόδων, όπως η ανάλυση κατά συστάδες, προκειμένου να ενισχύσουν τα κέρδη τους με την αποτελεσματική διαχείριση των προβλημάτων των πελατών τους. Η παρούσα διπλωματική εργασία ασχολείται με την εφαρμογή της ανάλυσης κατά συστάδες σε τραπεζικά δεδομένα των πελατών και τον διαχωρισμό τους σε ομάδες που καθορίζουν το πιστοληπτικό προφίλ τους. Με βάση τα αποτελέσματα της ανάλυσης, προτείνεται η συστάδα που συγκεντρώνει την υψηλότερη δυνητική ικανότητα αποπληρωμής, ώστε να λάβουν τις απαραίτητες διευκολύνσεις από την τράπεζα. Η ανάλυση των δεδομένων, η οποία διεξήχθη χρησιμοποιώντας τα χαρακτηριστικά γνωρίσματα των πελατών που συμβάλλουν σημαντικά στη δημιουργία των συστάδων και με την εφαρμογή της μεθόδου TwoStep Clustering, είχε ως λύση τη διαμόρφωση τεσσάρων συστάδων. Ως αποτέλεσμα δημιουργήθηκε το προφίλ των πελατών για κάθε συστάδα και συνιστάται η συστάδα που πληροί τις προϋποθέσεις για επαναδιαπραγμάτευση ενός σχεδίου αποπληρωμής των χρεών τους προκειμένου να αυξηθούν τα κέρδη της τράπεζας. el
dc.description.abstract The creation and analysis of customer profiles of many organizations require the use of methods such as cluster analysis in order to enhance their profits by effectively managing existing or upcoming customer problems. This thesis deals with the application of the cluster analysis technique in customer banking data by separating them into groups that determine the appropriate credit profiles. Based on the results of the analysis, the team concentrating the highest potential repayment capacity is being suggested so as to receive the appropriate facilitations by the bank. The data analysis, which was conducted by using the customer features that contribute significantly to the creation of groups and by implementing the TwoStep Clustering method, resolved in four groups. As a result, a customer profile was created for each group and the group that qualified for renegotiating a repayment plan for their debts in order to grow the bank’s profits was recommended. en
dc.description.statementofresponsibility Μάρθα Ν. Ματιάμπα el
dc.language.iso el en
dc.rights ETDRestricted-policy.xml en
dc.subject ανάλυση el
dc.subject συστάδες el
dc.subject τραπεζικά δεδομένα el
dc.subject προφίλ πελατών el
dc.subject cluster en
dc.subject analysis en
dc.subject bank data en
dc.subject customer profiles en
dc.title Ανάλυση κατά Συστάδες και Εφαρμογές σε Τραπεζικά Δεδομένα el
dc.title.alternative Cluster Analysis and Applications on Bank Data en
dc.type bachelorThesis el (en)
dc.date.accepted 2014-01-10 -
dc.date.modified 2014-01-29 -
dc.contributor.advisorcommitteemember Βόντα, Φιλία el
dc.contributor.advisorcommitteemember Σπηλιώτης, Ιωάννης el
dc.contributor.committeemember Χρήστος, Κουκουβίνος el
dc.contributor.committeemember Βόντα, Φιλία el
dc.contributor.committeemember Σπηλιώτης, Ιωάννης el
dc.contributor.department Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών & Φυσικών Επιστημών. Τομέας Μαθηματικών el
dc.date.recordmanipulation.recordcreated 2014-05-16 -
dc.date.recordmanipulation.recordmodified 2014-05-16 -


Αρχεία σε αυτό το τεκμήριο

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής