Makina öğrenmesi teknikleri ile hukuki alacak tahsilat kuruluşu dosya kapatılabilirlik tahmini ve atama modeli ile dosya ataması: Telekomünikasyon sektörü örneği
Makina öğrenmesi teknikleri ile hukuki alacak tahsilat kuruluşu dosya kapatılabilirlik tahmini ve atama modeli ile dosya ataması: Telekomünikasyon sektörü örneği
Dosyalar
Tarih
2022-06-28
Yazarlar
Altınok, Nilüfer
Süreli Yayın başlığı
Süreli Yayın ISSN
Cilt Başlığı
Yayınevi
Lisansüstü Eğitim Enstitüsü
Özet
Günümüzde, bütün sektörlerde olduğu gibi telekomünikasyon sektöründe de görülen rekabetçi yaklaşım, ilgili sektörde faaliyet gösteren şirketlerin yeni müşteriler kazanmasını oldukça zor bir hale getirmektedir. Durum böyle iken bu şirketler makine öğrenmesi yöntemleri ile müşteriye özel kampanyalar sunarak, toplam müşteri sayılarını artırmaya veya halihazırdaki müşterileri kendi markalarında tutmaya çalışmaktadırlar. Ancak makine öğrenmesi yöntemlerinin uygulama alanı sadece müşteri kazanma veya var olan müşterinin sadakatini sağlamaya yönelik çalışmalardan ibaret değildir. Şirketlerin büyümeye devam edebilmesi için kazanılan müşterilerden kazanç elde etmeleri gerekmektedir. Eğer şirketin halihazırda sahip olduğu müşteriler, aldığı hizmet karşılığında şirkete olan yükümlülüklerini yerine getiremiyor ise, şirketin bu gibi müşterileri kazanmak için sarf ettiği çaba, şirkete karlılık değil aksine yük getirmektedir. Bu yük sadece müşterilerden elde edilecek gelirin karşılanamaması olarak düşünülmemelidir. Müşteriden gelir elde edememenin yanında, müşteriye ait borcun tahsilatı için şirketin ayıracağı kaynaklar da göz önünde bulundurulmalıdır. Bu gibi durumlarda şirketler hem çalışanlarını hem de diğer şirket kaynaklarını (gerekli teknik ekipmanlar, elektrik vb.) bu kanala bağlayarak zarara uğrayacaktır. Şirketler, müşteriden borç tahsilatı yapabilmek için ya kurum içi kaynaklarını kullanmakta ya da kurum dışı kaynaklar aracılığıyla bu ödenmemiş borcu tahsil etmektedir. Burada bahsi geçen dış kaynaklar, alacak tahsilat kuruluşlarıdır ve bu kuruluşlar müşterinin ilgili şirkete olan borcuna ilave olarak, kendi verdiği hizmetin karşılığı olan tutarı da ekleyerek şirket müşterisinden ödenmemiş borcu tahsil etmeye çalışmaktadır. Şirketler tarafından ödenmemiş borçları tahsil etmeye yönelik yapılan çalışmalar büyük ölçüde müşterilerin ödeme istekliliğine ve alacak tahsilat kuruluşlarının müşteri ile müzakerelerine bağlı olan alacak tahsilat süreçleridir. Bu süreçte, tahsildarlar önce borçlu müşterileri borçlarını ödemeye ikna etmeye çalışmakta eğer borçlu müşteriler, borçlarını bu müzakereler sonucunda belirtilen süre içerisinde ödeyemezler ise yasal alacak tahsilatı süreci başlamaktadır. Yasal alacak tahsili aşamasında, alacak davalarını yargı yoluyla çözmeye çalışan, alanında tecrübeli avukatların çalıştığı hukuk büroları mevcuttur. Büyük şirketler, borçlarını ödeyemeyen müşterilerinden borç tahsilatı yapmak amacıyla iç kaynaklarını genişletmek yerine, yasal alacak tahsilat kuruluşları olarak sözleşmeli hukuk büroları ile çalışmaktadırlar. Bu tez kapsamında, çalışmanın yapıldığı ilgili telekomünikasyon şirketi de müşterileri tarafından ödenmemiş faturaların tahsilatını, dış kaynak olarak, anlaşmalı bulunduğu hukuk büroları aracılığıyla sağlamaktadır. Şirket, borcunu ödeyemeyen ve yasal alacak takibine girmiş müşterilerinden, anlaşmalı bulunduğu hukuk büroları aracılığıyla alacak tahsilatı yapmaya çalışmaktadır ve bu rekabetçi ortamda şirketin ayakta kalabilmesi için alacak tahsil etme sürecini en iyi şekilde yönetmesi gerekmektedir. Bu aşamada anlaşmalı hukuk büroları, büronun performans ve tecrübesinin alacak davalarını kapatıp kapatamaması üzerindeki etkisine göre değerlendirilmektedir. Hukuk bürolarının performansının belirlenmesindeki amaç, büronun amaçlarına ne ölçüde ulaştığını objektif bir şekilde ve periyodik olarak ölçümlemektir. Performans ölçümü; ilgili hukuk bürosunun girdilerini, iç süreçlerini, prosedürlerini, çıktılarını ve sonuçlarını değerlendirebilmeyi sağlamaktadır. Böylece bu performans ölçümü sonucu göstergeler analiz edilerek doğru karar verilebilmekte, sürekli iyileştirme yaratabilecek sınırlı kaynaklar etkin bir şekilde geliştirilebilmekte ve bireylere hedefler verilebilmektedir. Bu çalışmanın yapıldığı şirkete ait geçmiş veri setlerinden hareketle, şirketin anlaşmalı olduğu hukuk bürolarına devredilmiş ve başarılı şekilde tahsilat sağlanmış alacak davalarının olmasının yanı sıra dava dosyasının devredildiği büro tarafından tahsilatın sağlanamadığı alacak davaları da olabilmektedir. Hangi dava dosyasının hangi hukuk bürosuna devredildiği, şirketin alacaklarını hukuki aşamada tahsil edebilmesi açısından kritik bir öneme sahiptir. Bu doğrultuda, bu çalışma, ilk aşamada geçmiş tarihsel verilere dayalı makina öğrenmesi yöntemlerini kullanarak ilgili şirket tarafından anlaşmalı olunan hukuk bürolarının alacak dava dosyası kapatma olasılıklarını tahminleyerek, devredilecek dosyayı daha çok kapatma kabiliyetine sahip hukuk bürosunu bulmayı amaçlamaktadır. Dava dosyası kapatma olasılığını tahmin etmek için, işlenen veri kümesine 9 makina öğrenme algoritması; Catboost Sınıflandırıcı, Extreme Gradient Boost Sınıflandırıcı, Gradient Boosting Sınıflandırıcı vb. uygulanmıştır. Sonuçlar, Catboost Sınıflandırıcı'nın 0,917 doğruluk oranı ile en iyi doğruluk performansına sahip olduğunu göstermiştir. Ayrıca, boosting tipi topluluk öğrenme algoritmalarının diğer algoritmalardan daha iyi performans gösterdiği sonucuna varılmıştır. Son olarak, modellemede daha iyi doğruluk elde etmek için Catboost Sınıflandırıcısının hiper parametreleri ayarlanmış ve hiper parametre optimizasyonu, tahmin üzerinde %0,01 oranda olumlu etki sağlamıştır. Son olarak modelin test kararlılığını test etmek için k-katlı çapraz doğrulama yapılmıştır. Makine öğrenimi modelinde seçilen CatBoost algoritması üzerinden 2021 Haziran ayına ait takip dosyalarının, anlaşmalı hukuk büroları tarafından kapatılabilme olasılıkları tahminlenmiştir. Bu kapatılabilirlik puanları, çalışmanın ikinci aşamasında, kurulan kapatılabilirlik temelli adil dosya atama modeline girdi olarak sağlanmıştır. Bu bir optimizasyon modeli olup, bu modelde amaç, takip dosyalarının tahsilatla kapatılma durumunu en büyüklerken, bütçe kısıtı altında anlaşmalı hukuk bürolarına eşit bir şekilde takip dosyalarının atamalarını gerçekleştirmektir. Kapatılabilirlik temelli adil dosya atama modeli ile 2021 Haziran ayına ait 33,365 adet takip dosyasının, anlaşmalı bulunulan 102 hukuk bürosuna optimum bir şekilde atamaları gerçekleştirilmiş olup sonuçlar üzerinden kurulan modeller değerlendirilmiştir. Atama çıktılarının büyük bir oranda modelin amaçlarına ve kısıtlarına uygun şekilde yapıldığı sonucuna varılmıştır. Bunun üzerine önce makine öğrenimi modelinin çalıştığı ardından makine öğrenimi modeli çıktısı olan dosya kapatılabilirlik değerlerinin atama modeline beslendiği ve atama modelinin çözdürülüp gerekli atama sonuçlarının alındığı tümüyle otomatik bir şekilde çalışacak olan yasal alacak takibi süreci karar destek sistemi kurulmuştur
Açıklama
Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2022
Anahtar kelimeler
makine öğrenmesi,
machine learning,
telecommunication,
telekomünikasyon,
atama modelleri,
assignment models