Machine Learning-Methoden zur Vorhersage von Kundenabwanderungen im Bankensektor (PDF)
Masterarbeit aus dem Jahr 2020 im Fachbereich Informatik - Künstliche Intelligenz, Note: 1,0, Universität Ulm, Sprache: Deutsch, Abstract: Mit zunehmendem Wettbewerb wird die Kundenbindung zu einer der größten Herausforderungen für Kundendienstleister und...
sofort als Download lieferbar
eBook (pdf)
39.99 €
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
Produktdetails
Produktinformationen zu „Machine Learning-Methoden zur Vorhersage von Kundenabwanderungen im Bankensektor (PDF)“
Masterarbeit aus dem Jahr 2020 im Fachbereich Informatik - Künstliche Intelligenz, Note: 1,0, Universität Ulm, Sprache: Deutsch, Abstract: Mit zunehmendem 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.
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.
Bibliographische Angaben
- 2023, 193 Seiten, Deutsch
- Verlag: GRIN Verlag
- ISBN-10: 3346871975
- ISBN-13: 9783346871978
- Erscheinungsdatum: 15.05.2023
Abhängig von Bildschirmgröße und eingestellter Schriftgröße kann die Seitenzahl auf Ihrem Lesegerät variieren.
eBook Informationen
- Dateiformat: PDF
- Größe: 45 MB
- Ohne Kopierschutz
- Vorlesefunktion
Kommentar zu "Machine Learning-Methoden zur Vorhersage von Kundenabwanderungen im Bankensektor"
0 Gebrauchte Artikel zu „Machine Learning-Methoden zur Vorhersage von Kundenabwanderungen im Bankensektor“
| Zustand | Preis | Porto | Zahlung | Verkäufer | Rating |
|---|
Schreiben Sie einen Kommentar zu "Machine Learning-Methoden zur Vorhersage von Kundenabwanderungen im Bankensektor".
Kommentar verfassen