Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 25
 Görüntüleme 6
İki Aşamalı Kümeleme Analizi ile Bireysel Emeklilik Sektöründe Müşteri Profilinin Değerlendirilmesi
2017
Dergi:  
Bilişim Teknolojileri Dergisi
Yazar:  
Özet:

Türkiye'de Bireysel Emeklilik Sistemi (BES) 27 Ekim 2003 tarihinde yürürlüğe girmiştir. Bu tarihten itibaren katılımcı sayısı ve fon büyüklüğü açısından BES hızlı bir gelişme göstermiştir. Bu nedenle bireysel emeklilik şirketlerinin katılımcı sayılarını arttırmaları için ürün ve hizmetlerde farklılaşmaları ve doğru müşteriye doğru ürün ve hizmeti sunmaları gerekmektedir. Bunların yanı sıra, şirketler müşterilerini elde tutmaya yönelik, veri madenciliği teknikleriyle mevcut müşterilerini iyi tanımaları ve müşteri kaybını önlemek için doğru stratejileri uygulamaları gerekmektedir. Çünkü farklı müşteri ihtiyaçlarını doğru şekilde karşılamak, rekabet ortamında şirketlerin pazar payı ve karlılıklarını arttırmaları açısından önemli rol oynamaktadır. Bu nedenle, veri madenciliği  büyük veri yığınlarına sahip olan işletme ve kurumların, rakiplerine üstünlük sağlayabilmesi için kullanılan önemli bir tekniktir. Bu çalışmada, Türkiye'de faaliyet gösteren bir emeklilik şirketinin müşterileri hakkındaki bilgilere veri madenciliği kümeleme yöntemlerinden biri olan iki aşamalı kümeleme yöntemi uygulanmıştır. İki aşamalı kümeleme yöntemi, diğer kümeleme yöntemleri ile kıyaslandığında hem sürekli hem de kategorik verileri işleyebilme yeteneğine sahiptir. Ayrıca büyük örneklem büyüklüklerinde esnek olması nedeniyle tercih edilmektedir. Veriler üç farklı kümeye ayrılmış ve her küme ayrı ayrı incelenmiştir. Bu çalışma ile müşterileri veritabanında yer alan bilgilerine göre kümelere ayırarak müşteri sürekliliğinin sağlanması ve müşteri kaybının önlenmesi için müşteri odaklı stratejik kararlar alınmasında şirkete gerekli öngörüyü sağlaması hedeflenmiştir.

Anahtar Kelimeler:

Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler




Bilişim Teknolojileri Dergisi

Alan :   Eğitim Bilimleri; Fen Bilimleri ve Matematik

Dergi Türü :   Uluslararası

Metrikler
Makale : 443
Atıf : 3.236
2023 Impact/Etki : 0.458
Bilişim Teknolojileri Dergisi