| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Finansal Hizmetler için CRM ve Veri Analitiği | MIS 420 | | | 3 + 0 | 3 | 5,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. CRM sistemlerinin temel yapı taşlarını ve müşteri yaşam döngüsündeki rollerini tanımlayabilecektir. |
| 2. Finansal hizmetler sektöründe CRM uygulamalarının başarısızlık nedenlerini analiz edebilecektir. |
| 3. Müşteri verilerini analiz etmek için kullanılan temel veri analitiği tekniklerini uygulayabilecektir. |
| 4. Çok kanallı müşteri etkileşimi ve müşteri kaybı (attrition) konularında stratejik analiz yapabilecektir. |
| 5. CRM sistemleri ile entegre çalışan veri analitiği çözümlerinin işletmelere sağladığı avantajları değerlendirebilecektir |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu dersin amacı, özellikle finansal hizmet firmalarına odaklanarak Müşteri İlişkileri Yönetimi (CRM) ve Veri Analitiği yöntemlerini analiz etmektir.
Özellikle finansal ve hizmet sektörlerinde faaliyet gösteren işletmeler, 1990’lardan itibaren CRM sistemlerine büyük yatırımlar yapmıştır; ancak çoğu firma beklenen faydaları elde edememiştir. Bu dersteki birincil amacımız, CRM kavramını ve işletme beklentilerini anlamak ve başarılı bir CRM uygulaması için gereken koşulları incelemektir. CRM sistemleri içerisinde iş analitiğinin taşıdığı önem göz önünde bulundurulduğunda, ikinci amacımız ise firmaların daha yüksek kârlılık elde edebilmek için kullanabilecekleri veri analitiği yöntemlerini anlamaktır. Bu dersin amacı pazarlama stratejilerini öğretmek değildir; ancak temel düzeyde bir pazarlama bilgisi, öğrenme sürecini iyileştirmek adına faydalı olacaktır. Dersin temel odağı, müşteri verileri üzerinde veri analitiği tekniklerinin uygulanması ve veri analitiğinin işletmelere –özellikle finansal hizmet firmalarına– nasıl ve neden fayda sağladığını açıklamaktır.
Kapsanan konular (bunlarla sınırlı olmamak kaydıyla): CRM’in ne olduğu, CRM aşamaları, çok kanallı entegrasyon, müşteriyi ve müşteri verilerini anlama, müşteri kaybını anlama, görsel keşif, karar ağaçları, yapay sinir ağları ve tahmine dayalı modeller gibi veri analitiği yöntemlerinin müşteri yaşam döngüsünün tüm aşamalarına uygulanması. |
| |
Üretken Yapay Zeka Kullanımı:
Öğrencilerin, ChatGPT ve Copilot gibi üretken yapay zeka araçlarını, problem çözme konusunda rehberlik almak, kendi çözümlerini yapay zeka tarafından üretilen yanıtlarla karşılaştırmak ve hatalarını tespit etmek için çözümleri adım adım analiz etmek amacıyla kullanmaları teşvik edilecektir. Bu uygulama öğrencilerin eleştirel düşünme ve problem çözme becerilerini geliştirecektir. Yapay zeka öğrenme sürecinde değerli bir destek aracı olarak hizmet etse de, öğrencilerin üretilen çıktıları eleştirel bir bakış açısıyla değerlendirmeleri ve bağımsız analitik düşünme yetilerini güçlendirmeleri teşvik edilecektir. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | CRM genel bakış ve süreç |
| 2 | CRM sistemlerinin temel bileşenleri |
| 3 | CRM başarısızlık veya başarı nedenleri |
| 4 | Müşteri yaşam döngüsü: Kazanım, tutundurma ve geri kazanım |
| 5 | Müşteri yaşam döngüsü: Kazanım, tutundurma ve geri kazanım |
| 6 | Müşterileri anlama, müşteri farklılıkları ve müşteri verisi |
| 7 | Müşterileri anlama, müşteri farklılıkları ve müşteri verisi |
| 8 | Ara Sınav |
| 9 | Müşteri kazanımı, tutundurma ve geri kazanım için veri analitiği yöntemleri |
| 10 | Müşteri kazanımı, tutundurma ve geri kazanım için veri analitiği yöntemleri |
| 11 | Optimizasyon, veri analitiği ve kampanya yönetimi |
| 12 | Optimizasyon, veri analitiği ve kampanya yönetimi |
| 13 | Grup Projesi Sunumları |
| 14 | Grup Projesi Sunumları |
| |
| Kaynaklar: |
| Customer Relationship Management: Integrating Marketing Strategy and Information Technology, 2003, Wiley, by Zikmund, William G., Raymond McLeod Jr., Faye W. Gilbert.
Data Science for Business, F. Provost and T. Fawcett, O’Reilly Inc., 1st ed., 2013
Data Mining, I. H. Witten, E. Frank, M. A. Hall, Morgan Kaufmann Pub., 3rd ed., 2011
|
| |
| Diğer Kaynaklar: |
| Lecture notes provided by the instructor.
Papers/cases will be provided by the instructor. |
| |
| Öğretim Yöntem ve Teknikleri: |
| Sınıf içi ders anlatımı |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ara Sınav | 1 | %20 |
| Grup Projesi | 1 | %20 |
| Final Sınavı | 1 | %35 |
| Ders Katılımı | 1 | %10 |
| Problem Sets | 3 | %15 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı |
| 1 | Bilişim teknolojileri altyapısını öğrenmek ve gelişmeleri takip etmek. | 4 |
| 2 | Örgüt yapısına uygun bilişim sistemleri tasarlamak. | 4 |
| 3 | Yazılım bilgileri edinmek ve etkin bir şekilde kullanabilmek. | 0 |
| 4 | Veri toplama, temizleme ve saklama yöntemlerini öğrenmek. | 0 |
| 5 | Gelecekteki veri ve yazılım gereksinimlerini tahmin edebilmek. | 2 |
| 6 | Firma içindeki veri odaklı yönetim süreçlerini takip etmek. | 4 |
| 7 | "Büyük Veri" kullanarak bilgi elde etme yöntemlerini öğrenmek. | 4 |
| 8 | Bilgi teknolojilerindeki gelişmeleri takip etmek. | 2 |
| 9 | Bir kuruluşun bilgi teknolojileri ve veri problemlerini anlamak ve değerlendirmek. | 3 |
| 10 | Veri toplama, yorumlama, analiz etme ve yayma süreçlerinde bilimsel, sosyal ve etik standartları korumak. | 4 |
| 11 | Bilgi sistemleri arasındaki birlikte çalışabilirliği anlamak. | 4 |
| 12 | İş ortamını anlamak ve değerlendirmek. | 4 |