Machine Learning-Based Prediction of Financial Behavior Of Customers
Autor(ka) práce:
Junková, Veronika
Typ práce:
Diploma thesis
Vedoucí práce:
Zimmermann, Pavel
Oponenti práce:
Palm, Lukáš
Jazyk práce:
English
Abstrakt:
This thesis proposes a machine learning-based approach to predict the financial behavior of Siemens' internal customers using contracting and billing data. The developed models forecast actual consumption across diverse services, providing enhanced insights into consumption patterns and financial trends. Leveraging comprehensive datasets—including customer attributes, service specifications, contract details, and historical usage records—the analysis combines Graph Neural Networks and XGBoost to improve forecast accuracy. The anticipated outcome is a practical tool that enhances Siemens’ financial planning, service management, and resource allocation processes.
Predikce finančního chování interních zákazníků Siemens pomocí strojového učení
Autor(ka) práce:
Junková, Veronika
Typ práce:
Diplomová práce
Vedoucí práce:
Zimmermann, Pavel
Oponenti práce:
Palm, Lukáš
Jazyk práce:
English
Abstrakt:
Tato diplomová práce navrhuje využití metod strojového učení k analýze a predikci finančního chování interních zákazníků Siemens na základě dat o smlouvách a účtování služeb. Vyvinuté modely predikují skutečnou spotřebu různých služeb a umožňují přesnější pochopení finančních trendů a spotřebitelského chování. Analýza využívá detailní datové zdroje zahrnující zákaznické informace, specifikace služeb, údaje o smluvních závazcích a historické spotřebě, přičemž kombinuje grafové neuronové sítě (GNN) a XGBoost k dosažení vyšší přesnosti predikcí. Výsledkem práce je praktický nástroj, který pomůže společnosti Siemens efektivněji plánovat finance, řídit nabídku služeb a optimalizovat využití zdrojů.