Bir Büyükşehir Belediyesi Çağrı Merkezi Verilerinin Kümeleme Analizi ile İncelenmesi

Yıl 2020, Cilt: 35 Sayı: 3, 78 - 91, 04.01.2020

Selen Avcı Ezel Özkan Zerrin Aladağ

Öz

İstatistiksel
veri analizinde en önemli konulardan biri büyük verilerdir. Büyük veriler
arasından faydalı bilgiye ulaşma süreci veri madenciliği olarak adlandırılır.
Veri madenciliği yöntemlerinden biri olan kümeleme analizinde, çeşitli
algoritmalar ile birbirine benzer veriler aynı kümeye, birbirinden farklı olan
veriler ise farklı kümelere dâhil edilmek istenir. Hiyerarşik kümeleme ve
k-ortalamalar yöntemleri kümeleme analizinde en yaygın kullanılan
algoritmalardır. Bu çalışmada, Türkiye’nin nüfus yoğunluğu oldukça fazla olan
bir büyükşehir belediyesinin beş büyük ilçesine ait çağrı merkezi verileri,
k-ortalamalar yöntemi ile “ilişkili olduğu birim”, “başvuru tipi”, “başvuru
ilçesi”, “eğitim durumu”, “cinsiyet”, “yaş” ve “anlık çözüm” olmak üzere yedi
farklı değişkene göre kümelenmiştir. Analiz için veri madenciliği paket
programlarından SPSS Clementine ve WEKA kullanılmış olup elde edilen sonuçlar
karşılaştırılarak yorumlanmıştır.

Anahtar Kelimeler

Belediye, Çağrı merkezi, K ortalamalar yöntemi, Kümeleme analizi

Investigation of Data of a Metropolitan Municipality Call Center By Cluster Analysis

Öz

One of the most important issues in statistical data analysis is big data. The
process of accessing useful information from big data is called data mining. In
clustering analysis, which is one of the data mining methods, via different
algorithms, it is desirable to include similar data in the same cluster and
divergent data in different clusters. Hierarchical clustering and k-means
methods are the most commonly used algorithms in clustering analysis. In this
study, call center data of five districts in a metropolitan municipality with a
high population density in Turkey were examined. Call center data were
clustered according to seven different variables by k-means method. These variables are respective
department, application type, application district, education level, gender,
age and instant solution. SPSS Clementine and WEKA which are the data mining package programs were
used for the analysis and the results were compared and interpreted.

Anahtar Kelimeler

Call center, K means method, Clustering analysis, Municipality

Kaynakça

• [1] Kurniali, S. 2015. Customer Service Information System For A Call Center. Procedia Computer Science, 59, 298-304.
• [2] Phung-Duc, T., Kawanishi, K. I. 2014. Performance Analysis of Call Centers with Abandonment, Retrial and After-Call Work. Performance Evaluation, 80, 43-62.
• [3] Yakut, E. 2012. Veri madenciliği tekniklerinden C5. 0 algoritması, destek vektör makineleri ile yapay sinir ağlarının sınıflandırma başarılarının karşılaştırılması: İmalat sektöründe bir uygulama. Atatürk Üniversitesi Sosyal Bilimleri Enstitütüsü, Doktora Tezi, Erzurum.
• [4] Çelik, Ş, Şengül, T, Şengül, Ö, İnci, H. 2019. Türkiye'de İllere Göre Hayvansal ve Bitkisel Ürünlerin Kümeleme Analizi İle İncelenmesi. Journal of Awareness, 3(5), 385-398.
• [5] Akay, Ö. 2019. Türkiye’de Halk Kütüphanesi Kullanımının Panel Veri Kümeleme Analizi İle İncelenmesi. Opus Uluslararası Toplum Araştırmaları Dergisi, 10(17), 1076-1099.
• [6] Ünlü, F., Atik, H. 2019. Türkiye’deki İşletmelerin Endüstri 4.0’a Geçiş Performansı: Avrupa Birliği Ülkeleri ile Karşılaştırmalı Ampirik Analiz. Ankara Avrupa Çalışmaları Dergisi, 17(2), 431-463.
• [7] Almeida, R., Steiner, M. T. A., Dos Santos Coelho, L., Francisco, C. A. C., Neto, P. J. S. 2018. A Case Study on Environmental Sustainability: A Study of The Trophic Changes in Fish Species as a Result of the Damming of Rivers Through Clustering Analysis. Computers and Industrial Engineering.
• [8] Sendín-Hernández, M. P., Ávila-Zarza, C., Sanz, C., García-Sánchez, A., Marcos-Vadillo, E., Muñoz-Bellido, F. J., ... ,Dávila, I. 2018. Cluster Analysis İdentifies 3 Phenotypes Within Allergic Asthma. The Journal of Allergy and Clinical Immunology: In Practice, 6(3), 955-961.
• [9] Horiuchi, Y., Tanimoto, S., Latif, A. M., Urayama, K. Y., Aoki, J., Yahagi, K., ..., Komiyama, K. 2018. Identifying Novel Phenotypes of Acute Heart Failure Using Cluster Analysis of Clinical Variables. International Journal of Cardiology, 262, 57-63.
• [10] Özari, Ç., Eren, Ö. 2018. İllerin Yaşam Endeksi Göstergelerinin Çok Boyutlu Ölçekleme Ve K-Ortalamalar Kümeleme Yöntemi İle Analizi. Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi, 20(2), 303-313.
• [11] Gazel, S., Akel, V. 2018. Borsa İstanbul’da Sektör Sınıflandırmasının Kümeleme Analizi İle Belirlenmesi. Muhasebe ve Finansman Dergisi, 77, 147-164.
• [12] Kıral, G, Çelik, C. 2018. Panel Veri Analizi ve Kümeleme Yöntemi ile Türkiye’de Konut Talebinin İncelenmesi. Atatürk Üniversitesi İktisadi Ve İdari Bilimler Dergisi, 32 (4), 1009-1026.
• [13] Sarıışık, G, Öğütlü, A. 2018. İstatistiksel K-Ortalamalar Kümeleme Analizi ile Doğal Taşların Yeni İşlenebilirlik İndeksi. Harran Üniversitesi Mühendislik Dergisi, 3 (3), 156-165.
• [14] Javadi, S., Hashemy, S. M., Mohammadi, K., Howard, K. W. F., Neshat, A. 2017. Classification of Aquifer Vulnerability Using K-Means Cluster Analysis. Journal of Hydrology, 549, 27-37.
• [15] Ceylan, Z, Gürsev, S, Bulkan, S. 2017. İki Aşamalı Kümeleme Analizi ile Bireysel Emeklilik Sektöründe Müşteri Profilinin Değerlendirilmesi. Bilişim Teknolojileri Dergisi, 10(4), 475-485.
• [16] Ülgen, G, Arda Özalp, L. 2017. Refah Rejimleri Sınıflandırma Çalışmaları: Cinsiyet Boyutları. Marmara Üniversitesi İktisadi Ve İdari Bilimler Dergisi, 39(2), 639-658.
• [17] Baynal, K., Çalış, A. (2016). Veri Madenciliğinde Kümeleme Analizi ile Bankacılık Sektöründe Bir Uygulama. Beykent Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, 9(1), 13-41.
• [18] Dong, L., Wang, L., Khahro, S. F., Gao, S., Liao, X. 2016. Wind Power Day-Ahead Prediction with Cluster Analysis of Nwp. Renewable And Sustainable Energy Reviews, 60, 1206-1212.
• [19] Giray, S. 2016. İki Aşamalı Kümeleme Analizi ile Hükümlü Verilerinin İncelenmesi. Ekonometri ve İstatistik E-Dergisi, 25, 1-31.
• [20] Turan, K, Özari, Ç, Demir, E. 2016. Kümeleme Analizi ile Türkiye ve Ortadoğu Ülkelerinin Ekonomik Göstergeler Açısından Karşılaştırılması. İstanbul Aydın Üniversitesi Dergisi, 8 (29), 143-165.
• [21] Canıkalp, E, Ünlükaplan, İ. 201). Geçiş Ekonomilerinde Yönetişim Kalitesinin Kümeleme Analizi İle Belirlenmesi. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 25(3), 1-14.
• [22] Aydın, N., Seven, A. 2015. İl Nüfus ve Vatandaşlık Müdürlüklerinin İş Yoğunluğuna Göre Hibrid Kümeleme ile Sınıflandırılması. Yönetim ve Ekonomi Araştırmaları Dergisi, 13(2), 181-201.
• [23] Tekin, B. 2015. Temel Sağlık Göstergeleri Açısından Türkiye’deki İllerin Gruplandırılması: Bir Kümeleme Analizi Uygulaması. Çankırı Karatekin Üniversitesi İİBF Dergisi, 5(2), 389-416.
• [24] Silahtaroğlu, G. 2008. Veri Madenciliği – Kavram ve Algoritmaları. 2 basım. Papatya Yayınları, İstanbul.
• [25] Atbaş, A. 2008. Kümeleme analizinde küme sayısının belirlenmesi üzerine bir çalışma. Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Ankara.
• [26] Hubert, L. 1974. Approximate Evaluation Techniques for the Single-Link and Complete-Link Hierarchial Clustering Procedures. Journal of the American Statistical Association, 69, 698-704.
• [27] Akın, Y. K. 2008. Veri madenciliğinde kümeleme algoritmaları ve kümeleme analizi. Marmara Üniversitesi Sosyal Bilimler Enstitüsü, Doktora Tezi, İstanbul.
• [28] Al Kindhi, B., Sardjono, T. A., Purnomo, M. H., Verkerke, G. J. 2019. Hybrid K-Means, Fuzzy C-Means, and Hierarchical Clustering for DNA Hepatitis C Virus Trend Mutation Analysis. Expert Systems with Applications, 121, 373-381.
• [29] Bárcena, J. F., Camus, P., García, A., Álvarez, C. 2015. Selecting Model Scenarios of Real Hydrodynamic Forcings on Mesotidal and Macrotidal Estuaries Influenced by River Discharges Using K-Means Clustering. Environmental Modelling and Software, 68, 70-82.
• [30] Erdoğmuş, P., Çolak, B., Durdağ, Z. 2016. K-Means Algoritması ile Otomatik Kümeleme. El-Cezeri Fen ve Mühendislik Dergisi, 3(2), 315-323.
• [31] Özdamar, K. 2004. Paket Programlar ile İstatistiksel Veri Analizi (Çok Değişkenli Analizler). Kaan Kitabevi, Eskişehir.
• [32] Cengiz, D., Öztürk, F. 2012. Türkiye'de İllerin Eğitim Düzeylerine Göre Kümeleme Analizi ile İncelenmesi. Trakya University Journal of Social Science, 14(1), 69-84.
• [33] İlçe Nüfus Dağılımları, http://www.tuik.gov.tr (Erişim Tarihi: 09.04.2019).
• [34] Üstünel, M. 2018. K ortalamalar algoritmasına dayalı kümeleme analizi sistemi ve perakendecilik sektöründe uygulanması. Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, İstanbul.