Değerli müşterilerde ürün kategorileri arasındaki satış ilişkilerinin veri madenciliği yöntemlerinden birliktelik kuralları ve kümeleme analizi ile belirlenmesi ve ulusal bir perakendecide örnek uygulama
Yükleniyor...
Dosyalar
Tarih
2015-06-10
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Sosyal Bilimler Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Günümüzde birçok işletme, müşterileri ile ilgili çok miktarda ve çeşitli veriye sahiptir. Bu verilerin çeşitli analiz teknikleriyle işlenerek anlamlı hale getirilmesi ve işletmenin faydasına olacak bilgilere ulaşılması ile işletmenin daha etkin kararlar vermesini sağlayacak ve küreselleşen, rekabetin arttığı dünyada işletmenin rekabet etme gücünü arttıracaktır. Bilgisayar sistemleri ile üretilen verilerin tek başına değersiz olmalarının nedeni çıplak gözle bakıldığında bir anlam ifade etmemeleridir. Bu veriler ancak belirli bir amaç doğrultusunda işlendiği zaman bir anlam ifade ederler. Bu anlamda büyük miktardaki verileri işleyebilen teknikleri kullanmak önemlidir. Ham verileri bilgiye dönüştürme işlemleri veri madenciliği ile mümkün olabilmektedir. Veri madenciliği veri setlerinde saklı durumda bulunan örüntü ve eğilimleri keşfetme işlemine verilen isimdir. Bu çalışma ile ürün kategorileri ve ürün sınıfları arasındaki satış ilişkisinin tespit edilmesi amaçlanmıştır. Bu amaçla perakendeci bir işletmenin bir yıllık süre boyunca topladığı alışveriş fişi verileri üzerinde birliktelik kuralları analizi ve hiyerarşik kümeleme gibi veri madenciliği yöntemleri uygulanmıştır.
Many businesses today are related to the customer has a large amount of and various data. This is to make treatment significantly with various analysis techniques of data and business by reaching information to the business benefits that will ensure more effective decisions and global competition increases, will increase the power to compete with the business world. Alone is worthless cause of the data generated by computer systems that they do not mean anything to the naked eye. These data but makes sense when they are processed in a particular purpose. This data is important to use a large amount of sense operable techniques. Process of converting raw data into information can be possible with data mining. Data mining is the name given to the hidden state located in discovering patterns and trends in data set processing. In this study, the relationship between sales and product categories and classes of products is intended to be determined. For this purpose, the retailer collects a company's annual shopping voucher association rules on data analysis and hierarchical clustering over time as data mining methods are applied.
Many businesses today are related to the customer has a large amount of and various data. This is to make treatment significantly with various analysis techniques of data and business by reaching information to the business benefits that will ensure more effective decisions and global competition increases, will increase the power to compete with the business world. Alone is worthless cause of the data generated by computer systems that they do not mean anything to the naked eye. These data but makes sense when they are processed in a particular purpose. This data is important to use a large amount of sense operable techniques. Process of converting raw data into information can be possible with data mining. Data mining is the name given to the hidden state located in discovering patterns and trends in data set processing. In this study, the relationship between sales and product categories and classes of products is intended to be determined. For this purpose, the retailer collects a company's annual shopping voucher association rules on data analysis and hierarchical clustering over time as data mining methods are applied.
Açıklama
Anahtar Kelimeler
Data mining, Veri madenciliği, Hiyerarşik yöntemler, Hierarchical mothods, Retail sector, Perakende sektörü, Retail processes, Perakende satış işlemleri, Customers, Müşteriler, Customer focus, Müşteri odaklılık, Customer services, Müşteri hizmetleri, Cluster analysis, Kümeleme analizi
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Köse, Y. (2015). Değerli müşterilerde ürün kategorileri arasındaki satış ilişkilerinin veri madenciliği yöntemlerinden birliktelik kuralları ve kümeleme analizi ile belirlenmesi ve ulusal bir perakendecide örnek uygulama. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.
