| dc.contributor.author |
Nabareseh, Stephen
|
|
| dc.date.accessioned |
2017-07-03T09:16:17Z |
|
| dc.date.available |
2017-07-03T09:16:17Z |
|
| dc.date.issued |
2010-07-14 |
|
| dc.identifier |
Elektronický archiv Knihovny UTB |
cs |
| dc.identifier.uri |
http://hdl.handle.net/10563/41461
|
|
| dc.description.abstract |
Rozhodování je klíčovým prvkem každé organizace. Provedená rozhodnutí jsou závislá na určitém množství poznatků získaných z již existujících nebo nově získaných informací ve formě dat. Využití moderních analytických nástrojů pro vytváření takových znalostí je rozumné pro každou firmu založenou za účelem zisku. Rozhodování o zákaznících je jednou z oblastí, na kterou se většina společností soustředí, zejména společnosti podnikající v odvětví služeb v rozvojových zemích. Schopnost těchto společností předpovědět fluktuaci zákazníků je značně nedostačující. Telekomunikační společnosti v některých rozvojových zemích, např. Ghana, tímto nedostatkem velice trpí. Schopnost identifikovat potenciální zákazníky, kteří odejdou, schopnost identifikovat zákazníky clusteru s podobným spotřebním chováním a schopnost identifikovat pevné body spojené s věrností zákazníků jsou problematickou oblastí. Telekomunikační společnosti v Ghaně se s těmito problémy běžně potýkají. Nástroje sloužící k vytěžování dat jsou moderními nástroji pro tvorbu modelu predikce, shlukování a dolování asociačních pravidel pro rozhodování. |
|
| dc.format |
123 |
|
| dc.language.iso |
en |
|
| dc.publisher |
Univerzita Tomáše Bati ve Zlíně |
cs |
| dc.rights |
Bez omezení |
cs |
| dc.subject |
Data mining
|
cs |
| dc.subject |
Prediktivní analytika
|
cs |
| dc.subject |
Rozhodování
|
cs |
| dc.subject |
Analýza odchodu zákazníka
|
cs |
| dc.subject |
Telekomunikační společnosti
|
cs |
| dc.subject |
Ghana
|
cs |
| dc.subject |
C5.0
|
cs |
| dc.subject |
logistická regrese
|
cs |
| dc.subject |
diskriminační analýza
|
cs |
| dc.subject |
Data mining
|
en |
| dc.subject |
Predictive analytics
|
en |
| dc.subject |
Decision making
|
en |
| dc.subject |
Customer churn
|
en |
| dc.subject |
Telecommunication companies
|
en |
| dc.subject |
Ghana
|
en |
| dc.subject |
C5.0
|
en |
| dc.subject |
Logistic Regression
|
en |
| dc.subject |
Discriminant Analysis
|
en |
| dc.title |
Prediktivní analytika: technika data miningu pro rozhodování s využitím v řízení odchodu zákazníků |
cs |
| dc.title.alternative |
Predictive analytics: a data mining technique in customer churn management for decision making |
en |
| dc.type |
disertační práce |
cs |
| dc.contributor.referee |
Jašek, Roman |
|
| dc.contributor.referee |
Molnár, Zdeněk |
|
| dc.date.accepted |
2017-04-25 |
|
| dc.description.abstract-translated |
Decision making is a key feature of every organization. The quality of decisions made are dependent on some amount of knowledge generated from existing or researched information. The use of modern analytical tools to generate such knowledge is prudent for any profit driven firm. Taking decisions on customers is one of the area's most companies, especially companies in the service sector in developing economies, grapple with. The ability of these companies to predict customer churn is gravely insufficient. Telecommunication companies in some developing countries, for example Ghana, suffer a lot from this canker. The ability to identify potential churn customers, cluster customers with similar consumption behaviour and identify solid points for customer loyalty are grey areas Telecommunication companies in Ghana contend with. Data mining algorithms therefore offer modern tools for model creation in prediction, clustering and association rule mining for decision making. |
|
| dc.description.department |
Ústav statistiky a kvantitativních metod |
cs |
| dc.thesis.degree-discipline |
Management and Economics |
cs |
| dc.thesis.degree-discipline |
Management and Economics |
en |
| dc.thesis.degree-grantor |
Univerzita Tomáše Bati ve Zlíně. Fakulta managementu a ekonomiky |
cs |
| dc.thesis.degree-grantor |
Tomas Bata University in Zlín. Faculty of Management and Economics |
en |
| dc.thesis.degree-name |
Ph.D. |
|
| dc.thesis.degree-program |
Economics and Management |
cs |
| dc.thesis.degree-program |
Economics and Management |
en |
| dc.identifier.stag |
47629
|
|
| dc.date.submitted |
2017-02-02 |
|
