Hubert, Marc (2020) Machine Learning-Methoden zur Vorhersage von Kundenabwanderungen im Bankensektor. Masters thesis, Ulm University.
Download (3MB)
Abstract
Mit zunehmenden Wettbewerb wird die Kundenbindung zu einer der größten Herausforderungen für Kundendienstleister und insbesondere dem Bankensektor. Die stetige Weiterentwicklung von Machine Learning als Teilgebiet der künstlichen Intelligenz bietet heute die Möglichkeit, ein effektives, datengetriebenes Customer Relationship Management zu implementieren. Die Aufstellung eines Prognosemodells, welches abwanderungsgefährdete Kunden frühzeitig identifizieren kann, ist in diesem Zusammenhang ein vielversprechendes Werkzeug zur Verbesserung des Customer Churn Managements. Im Rahmen dieser Arbeit wird gezeigt, wie moderne Machine Learning-Methoden erfolgreich eingesetzt werden können, um zuverlässige Vorhersagemodelle von Kundenabwanderungen zu modellieren und evaluieren. In einem Praxisteil werden hierbei fiktive Kundendaten einer Bank mit der Open Source-Programmiersprache Python analysiert.
Item Type: | Thesis (Masters) |
---|---|
Subjects: | DBIS Research > Master and Phd-Thesis |
Divisions: | Faculty of Engineering, Electronics and Computer Science > Institute of Databases and Informations Systems > DBIS Research and Teaching > DBIS Research > Master and Phd-Thesis |
Depositing User: | Ruediger Pryss |
Date Deposited: | 25 Feb 2020 09:29 |
Last Modified: | 25 Feb 2020 09:29 |
URI: | http://dbis.eprints.uni-ulm.de/id/eprint/1864 |