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 |
- |