Rodyti trumpą aprašą

dc.contributor.authorSadeckas, Lukas
dc.date.accessioned2023-09-18T09:07:34Z
dc.date.available2023-09-18T09:07:34Z
dc.identifier.urihttps://etalpykla.vilniustech.lt/handle/123456789/110402
dc.description.abstractBaigiamajame magistro darbe nagrinėjamos intelektualios duomenų analizės principai, duomenų gavybos panaudojimas šiuolaikiniame versle ir pritaikymas praktikoje. Išnagrinėtas duomenų gavybos pritaikymas, siekiant nustatyti klientų lojalumą, remiantis atliekamomis klientų pasitenkinimo apklausomis. Pateiktas duomenų gavybos algoritmų taikymas Microsoft programinėje įrangoje, išanalizuotos jų panaudojimo galimybės. Baigiamajame darbe nagrinėjama mobiliųjų paslaugų įmonės „X“ klientų duomenys, siekiant nustatyti mobiliųjų paslaugų klientų lojalumą. Vertinant klientų lojalumą buvo atliktas klientų balso tyrimas ir panaudotas NPS metodologijos taikymas. Išnagrinėjus teorinius ir praktinius duomenų gavybos aspektus, pateikiamos baigiamojo darbo išvados ir siūlymai. Darbą sudaro 5 dalys: įvadas, 3 skyriai, išvados ir siūlymai, literatūros sąrašas. Darbo apimtis – 54 p. teksto be priedų, 25 iliustr., 6 lent., 26 bibliografiniai šaltiniai. Atskirai pridedami darbo priedai.lit
dc.description.abstractThe Master’s thesis deals with the principles of intelligent data analysis, the use of data mining in modern business and adaptation in practice. The adaptation of data mining was determined seeking to analyze customer’s loyalty and was based on customer satisfaction surveys. The application of data mining algorithms in Microsoft software presented and their application possibilities analyzed. In the Master’s thesis the data of mobile service company “X” clients are analyzed seeking to determine the loyalty of mobile services clients. During the evaluation of clients’ loyalty, a voice of customers survey was conducted and the application of the NPS methodology was used. Having analyzed theoretical and practical aspects of data mining, the conclusions and suggestions of the Master’s thesis are presented. Structure: introduction, 3 parts, conclusions and suggestions, references. Thesis consist of: 54 p. text without appendixes, 25 pictures, 6 tables, 26 bibliographical entries. Appendixes included.eng
dc.formatPDF
dc.format.extent68 p.
dc.format.mediumtekstas / txt
dc.language.isolit
dc.rightsLaisvai prieinamas internete
dc.source.urihttps://talpykla.elaba.lt/elaba-fedora/objects/elaba:29261845/datastreams/MAIN/content
dc.titleIntelektuali duomenų analizė klientų lojalumui prognozuoti
dc.title.alternativeIntelligent data analysis for prediction of customers loyality
dc.typeMagistro darbas / Master thesis
dcterms.references0
dc.type.pubtypeETD_MGR - Magistro darbas / Master thesis
dc.contributor.institutionVilniaus Gedimino technikos universitetas
dc.subject.researchfieldT 007 - Informatikos inžinerija / Informatics engineering
dc.subject.studydirectionB04 - Informatikos inžinerija / Informatics engineering
dc.subject.ltDuomenų gavyba
dc.subject.ltintelektuali duomenų analizė
dc.subject.ltklientų lojalumas
dc.subject.enData mining
dc.subject.enintelligent data analysis
dc.subject.enclients loyality
dc.identifier.elaba29261845


Šio įrašo failai

Thumbnail

Šis įrašas yra šioje (-se) kolekcijoje (-ose)

Rodyti trumpą aprašą