Big Data ve finančním sektoru

Bc. Anna Habartová

Master's thesis

Big Data in the financial sector

Abstract:

Cílem předložené diplomové práce je vytvoření teoretického návrhu Big Data platformy pro modelovou bankovní instituci se širokou základnou produktů, které pokrývají služby komerční a investiční banky, komerční pojišťovny a stavební spořitelny. Návrh je založen na analýze anonymizovaných klientských dat, která jsou pomocí vhodných metod (faktorové a segmentační metody) zpracována za účelem předpovědi budoucího klientského chování s cílem rozšíření klientského portfolia. Součástí práce je komparace segmentačních metod prostřednictvím využití datové matice vytvořené z poskytnutého anonymizovaného zdroje. Vysvětlení modelu je doplněno o vizualizace pomocí proměnných, které nebyly zahrnuty do tvorby modelu. Na základě zjištěných informací o jednotlivých segmentech a vizualizací byl proveden návrh na řešení budoucích nabídek produktů a doporučení k přístupu ke klientům na základě jejich příslušnosti k segmentům. Diplomová práce je v jednotlivých částech doplněna o doporučení a postřehy vyplývající z postupných kroků při použití metodiky CRISP-DM. Tato doporučení jsou současně propojena s tématikou finančních rizik v bankovním sektoru. V průběhu tvorby práce byl kladen důraz na propojení statistických metod s praktickou stránkou tématu.

Abstract:

The aim of the presented thesis is to create a theoretical proposal for a Big Data platform for a model banking institution with a broad base of products that cover services and investment banks, commercial insurance companies and building societies. The proposal is based on the analysis of anonymized client data, which is processed using appropriate methods (factor and segmentation methods) in order to predict future client behavior with the aim of expanding the client portfolio. Part of the work is a comparison of segmentation methods through the use of a data matrix created from the provided anonymized source. The explanation of the model is supplemented by visualization using variables that were not included in the creation of the model. Based on the information found about the individual segments and the visualization, a solution proposal was made for future product offers and recommendations for approaching clients based on their belonging to the segments. The diploma thesis is supplemented in individual parts with recommendations and observations from the successive steps in using the CRISP-DM methodology. These recommendations are simultaneously linked to the theme of financial risks in the banking sector. During the creation, emphasis was placed on the connection of statistical methods with the practical side of the topic.

Keywords

bankovní instituce, Big Data, faktorová analýza, finanční rizika, klient, metodika CRISP-DM, predikce, segmentace, shluková analýza, statistická analýza

Keywords

banking institution, Big Data, client, cluster analysis, CRISP-DM methodology, factor analysis, financial risks, prediction, segmentation, statistical analysis

Language used: Czech

Date on which the thesis was submitted / produced: 2. 4. 2023

Thesis defence

• Date of defence: 29. 5. 2023
• Supervisor: Ing. Zuzana Pacáková, Ph.D.
• Reader: Michal Kadlec, externi

Czech University of Life Sciences Prague

Faculty of Economics and Management

Master programme:
Ekonomika a management