| Abstract | Ovaj rad proučava odabrane metode analize velikih podataka u bankarstvu s naglaskom na segmentaciju klijenata i personalizaciju bankovnih proizvoda i usluga. S obzirom na prirodu posla i modele servisiranja klijenata, banke svakodnevno prikupljaju razne podatke o svojim klijentima, međutim ti podaci nisu uvijek u formatu primjerenom za obradu. Tako velika i kompleksna količina podataka definira se pojmom veliki podaci (engl. Big data). Uzimajući u obzir brzinu prikupljanja i generiranja podataka te potrebu za njihovim korištenjem u gotovo stvarnom vremenu, za njihovu analizu više nisu dovoljni postojeći alati, već je potrebno korištenje suvremenih tehnoloških metoda. U ovom radu promatrani su odabrani modeli: rudarenje podataka, strojno učenje, dubinsko učenje te druge metode obrade podataka koje su komplementarne prethodno spomenutima. Metode istraživanja uključuju analizu, sintezu i kompilaciju prikupljenih podataka. Obradom velikih podataka, banke ih nastoje organizirati te iskoristiti za podjelu svojih klijenata u segmente prema prepoznatim potrebama i obrascima ponašanja i potrošnje s ciljem otkrivanja prilika ili prostora za napredak te kako bi temeljem prikupljenih informacija kreirale i plasirale personalizirane proizvode i usluge ostvarujući pri tom konkurentsku prednost i povećanje zarade. Cilj rada je detaljno objasniti kako banke korištenjem modela za obradu velikih podataka segmentiraju klijente i kreiraju usluge koje ispunjavaju njihove potrebe, kako time pridonose rastu i razvoju financijskog sustava te prezentirati buduće izazove u cjelokupnom procesu. Rad zaključuje kako je primjena velikih podataka neizostavna komponenta suvremenog bankarstva i kako će banke koje usvoje napredne tehnologije za njihovu analizu i prilagode svoje poslovanje organizacijskim i zakonodavnim izazovima s kojima će se susresti, imati priliku zauzeti vodeću poziciju na tržištu. |
| Abstract (english) | This paper examines selected methods of big data analysis in banking, with a focus on customer segmentation and personalization of banking products and services. Due to the nature of their work and customer service models, banks collect various data on their clients daily; however, this data is not always in a format suitable for processing. Such large and complex amounts of data are defined by the term big data. Considering the speed of data collection and creation and the need for its use in near real-time, existing tools are no longer sufficient for their analysis, necessitating the use of modern technological methods. This paper observes selected models: data mining, machine learning, deep learning, and other data processing methods complementary to the aforementioned ones. Research methods include analysis, synthesis, and compilation of collected data. By processing big data, banks aim to organize and utilize it to segment their clients according to recognized needs, behaviors, and consumption patterns, with the goal of identifying opportunities or areas for improvement and, based on the collected information, creating and offering personalized products and services, thereby achieving a competitive advantage and increasing revenue. The aim of the paper is to explain in detail how banks use big data processing models to segment clients and create services that meet their needs, how this contributes to the growth and development of the financial system, and to present future challenges in the overall process. The paper concludes that the application of big data is an indispensable component of modern banking and that banks that adopt advanced technologies for its analysis and adapt their operations to organizational and legislative challenges will have the opportunity to take a leading position in the market. |
