UNIVERZITET U TUZLI
EKONOMSKI FAKULTET
OBJAVLJUJE
Kandidat Anel Džinić, bach. oec. javno će braniti završni magitarski rad pod nazivom „Predikcija odlaska potrošača telekom usluga pomoću algoritama mašinskog učenja“ dana 09.05.2022. godine u 11,00 sati na Ekonomskom fakultetu Univerziteta u Tuzli pred Komisijom za odbranu završnog magistarskog rada u sastavu:
- Dr. sc. Branko Krsmanović, redovni profesor za užu naučnu oblast Informacione
nauke, Fakultet poslovne ekonomije, Univerzitet Istočno Sarajevo/predsjednik; - Dr. sc. Edin Osmanbegović, redovni profesor za užu naučnu oblast Digitalna
ekonomija, Ekonomski fakultet Univerziteta u Tuzli – mentor/član; - Dr. sc. Beriz Čivić, vanredni profesor za užu naučnu oblast Marketing, Ekonomski
fakultet Univerziteta u Tuzli/član
REZIME RADA
Opće je poznato da savremene kompanije raspolažu sa sve većim i većim količinama podataka, te da sve veći broj kompanija nastoji da maksimalno iskoristi te podatke, kako bi postali konkurentniji, povećali profit, povećali zadovoljstvo potrošača i sl. Jednu od definicija mašinskog učenja je dao Arthur Samuel, naučnik koji je i skovao termin „mašinsko učenje“. Ona glasi: „Mašinsko učenje daje računarima sposobnost učenja bez njihovog eksplicitnog programiranja“. Mašinsko učenje sve više dobiva na značaju i u ekonomiji. Jedna od tih oblasti, jeste i predviđanje i prevencija odlaska potrošača. Kupac i potrošač, iako mogu biti, ponajčešće nisu i ne moraju biti iste osobe. Kupac je pojedinac koji određeni proizvod kupuje, što znači da izravno obavlja tržišnu transakciju, odnosno tržišnu razmjenu, bez obzira na činjenicu što je predmet razmjene. Potrošač je nosilac potreba za konkretnim proizvodom, koji ujedno u konačnici fizički ili na neki drugi način troši, odnosno koristi proizvod. Dvije su osnovne vrste odlaska potrošača, potpuni odlazak (total, complete churn) i djelimični odlazak (partial churn). Potpuni odlazak se javlja kada potrošač trajno prestane da koristi proizvode, odnosno usluge kompanije. Ova vrsta odlaska potrošača se npr. javlja kod telekomunikacijskih usluga, usluga debitnih kartica i sl. Djelimični odlazak se javlja kada potrošač postepeno smanjuje korištenje proizvoda, odnosno usluga kompanije. To je slučaj kod npr. maloprodajnih kompanija. Mašinsko učenje se koristi za određivanje najznačajnijih obilježja, koja igraju ulogu pri odlasku/zadržavanju potrošača, te je pomoću mašinskog učenja moguće ustanoviti vjerovatnoću odlaska za svakog potrošača ponaosob. Neki od u praksi najčešće korištenih algoritama mašinskog učenja, za ovu problematiku, su Logistička regresija (Logistic Regression), Gaussov naivni bayes (Gaussian Naive Bayes), Bernoullijev naivni bayes (Bernoulli Naive Bayes), Stablo odlučivanja (Decision Tree) i Slučajna šuma (Random Forest).