Metode raspoznavanja uzoraka za analizu poslovno-financijskih podataka

magistarski rad

• Naslov (engleski): Pattern Recognition Methods for Business Financial Data Analysis
• Autor: Ivan Vrančić
• Mentor: Sven Lončarić (mentor)
• Član povjerenstva: Sven Lončarić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; (Zavod za elektroničke sustave i obradbu informacija); Zagreb
• Datum i država obrane: 2001, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo; Obradba informacija
• Univerzalna decimalna klasifikacija (UDC): 004 - Računalna znanost i tehnologija. Računalstvo. Obrada podataka

Sažetak

Postoji jedan cross-selling problem, specifičan financijskim institucijama, koji je u okviru ovog magistarskog rada rješavan analizom klijenata upotrebom metoda raspoznavanja uzoraka. U radu je detaljno razrađena zaokružena cjelina koja se sastoji od procesa prikupljanja podataka o klijentima, procesa transformacije istih s ciljem izdvajanja značajki, procesa analize značajki klijenata izradom prediktivnih modela metodama raspoznavanja uzoraka i na kraju procesa implementacije rezultata analize u poslovni proces. Prediktivni modeli su napravljeni upotrebom više tehnika triju metoda raspoznavanja uzoraka - regresijske metode, metode stabla odluke i metode umjetnih neuronskih mreža. Opisani su načini mjerenja kvalitete prediktivnih modela na temelju kojih su napravljene usporedbe. Opisano je i kako je reorganizacijom podataka i izdvajanjem dodatnih značajki klijenata poboljšana kvaliteta prediktivnih modela. Poslovni stručnjaci su vrlo pozitivno ocijenili rezultate analize. U trenutku završetka izrade rada, intenzivno se radilo na implementaciji analize u poslovni proces.

Sažetak (engleski)

Basic problem this work is dealing with is customer analysis using pattern recognition methods to solve a cross-selling problem, specific to financial institutions. The work describes the whole process cycle that consists of data collection and transformation, features extraction, analysis using predictive model development, and implementation of analysis results into business process. Predictive models are made using many techniques of three pattern recognition methods - regression, decision tree and artificial neural network. Several quality measurement methods are described and used to compare obtained models. Results are even improved by data reorganisation and extraction of extra features. Business experts are very pleased with analysis results. In work completion time, the complete analysis process has been implemented in business process.

• Ključne riječi: Analiza klijenata; izdvajanje značajki; raspoznavanje uzoraka; prediktivni model; financije
• Ključne riječi (engleski): Client analysis; features extraction; pattern recognition; predictive model; finance
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:942109
• Studijski program: Naziv: Elektrotehnika; Vrsta studija: sveučilišni; Stupanj studija: poslijediplomski znanstveni (magistarski); Akademski / stručni naziv: Magistar znanosti elektrotehnike (mag. ing. el.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-04-24 08:05:43