

เจ้าของนวัตกรรม
นาย บัญญพงษ์ มุติวัฒนาสวัสดิ์
นักศึกษา
Details
รายงานฉบับนี้สรุปการพัฒนาโมเดล Machine Learning เพื่อทำนายลูกค้าที่มีแนวโน้มยกเลิกการใช้บริการบัตรเครดิต โดยใช้ข้อมูลจริงจากสถาบันการเงิน พร้อมพัฒนาเว็บไซต์และ Dashboard เพื่อช่วยในการตัดสินใจเชิงกลยุทธ์และการรักษาลูกค้า
รายงานฉบับนี้เป็นส่วนหนึ่งของการนำความรู้ที่ได้จากการศึกษาโมเดล Machine Learning และแนวทางการพัฒนาโมเดลทำนายลูกค้าที่มีแนวโน้มที่จะยกเลิกการใช้บริการบัตรเครดิตของธนาคารมาประยุกต์ใช้กับข้อมูลจริงในอุตสาหกรรมบัตรเครดิตของสถาบันทางการเงิน ผ่านการฝึกงานที่สถานประกอบการทางการเงินแห่งหนึ่ง ซึ่งผู้จัดทำได้ทำการพัฒนาโมเดลทำนายลูกค้าที่มีแนวโน้มที่จะยกเลิกการใช้บริการบัตรเครดิตของสถาบันทางการเงินจากข้อมูลลูกค้าจริงผ่านระบบที่สถานประกอบการใช้งาน ซึ่งมุ่งเน้นไปที่การสร้างโมเดลที่สามารถทำนายการเลิกใช้บริการของลูกค้าได้อย่างแม่นยำ โดยมีการเลือกฟีเจอร์ข้อมูลให้เหมาะสมกับโมเดลการทำนายและลักษณะเฉพาะของข้อมูลในอุตสาหกรรมบัตรเครดิต เพื่อโมเดลที่มีประสิทธิภาพและถูกต้องมากที่สุด
โดยรายงานฉบับนี้ยังครอบคลุมถึงการนำโมเดลที่ได้เข้าไปเป็นส่วนหนึ่งของการการพัฒนาเว็บไซต์เพื่อช่วยให้แผนกอื่นๆที่เกี่ยวข้องสามารถใช้งานโมเดลทำนายได้อย่างสะดวก โดยผู้ใช้สามารถอัปโหลดข้อมูลสำหรับการทำนายและรับผลลัพธ์จากโมเดลได้ทันที นอกจากนี้ยังมีการสร้าง Dashboard เพื่อนำเสนอข้อมูลเชิงลึกที่เกิดจากการทำนายของโมเดล เช่น:
- การระบุกลุ่มลูกค้าที่มีความเสี่ยงสูงในการเลิกใช้บริการ
- ข้อมูลเชิงวิเคราะห์ที่มีความสำคัญต่อการตัดสินใจเชิงกลยุทธ์
สิ่งนี้จะช่วยสนับสนุนการวางแผนการตลาดและการรักษาลูกค้าในองค์กรได้อย่างมีประสิทธิภาพมากยิ่งขึ้น
Objective
วัตถุประสงค์หลักคือการศึกษาและพัฒนา Machine Learning Model เพื่อทำนายพฤติกรรมการยกเลิกบัตรเครดิต วิเคราะห์ความสัมพันธ์ของข้อมูล และนำผลลัพธ์ไปใช้ปรับปรุงการให้บริการเพื่อรักษาฐานลูกค้า
- ศึกษาแนวทางการพัฒนา Machine Learning Model จากแหล่งต่าง ๆ เพื่อใช้ในการทำความเข้าใจหลักในการพัฒนา Machine Learning Model สำหรับการทำนายพฤติกรรมของลูกค้าที่ใช้บริการบัตรเครดิตของธนาคาร
- พัฒนา Machine learning model เพื่อใช้ในการทำนายอัตราการสูญเสียลูกค้าบัตรเครดิตของธนาคาร
- วิเคราะห์และทำความเข้าใจข้อมูลเพื่อหาความสำคัญและความสัมพันธ์ที่ซ่อนอยู่ของข้อมูลใน dataset
- ทดสอบและเปรียบเทียบประสิทธิภาพของ Machine learning model แต่ละตัวเพื่อการเลือกใช้ Machine learning model ที่มีประสิทธิภาพมากที่สุด
- เพื่อนำข้อมูลผลลัพธ์ที่ได้จากการพัฒนา Machine learning model ไปใช้ประกอบการพิจารณาสำหรับการปรับปรุงและพัฒนาการให้บริการ ให้ตอบโจทย์กับความต้องการของลูกค้ามากขึ้นในอนาคต


