Разработка системы для анализа активности клиентов банка. ВКР

1. Министерство науки и высшего образования Российской Федерации   ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ

Министерство науки и высшего образования Российской Федерации
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ
ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ
«ОРЕНБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
Институт математики и информационных технологий
Кафедра математики и цифровых технологий
ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
Разработка системы для анализа активности клиентов банка
Руководитель программы
канд. пед. наук, доцент
__________________
А.Е. Шухман
(подпись)
Научный руководитель
канд. физ.-мат. наук, доцент
__________________
С.В. Харитонова
(подпись)
Студент
__________________
(подпись)
Оренбург 2024
Р.Н. Аскаров

2. Постановка задачи

2
Тема: Разработка системы для анализа активности клиентов банка.
Цель – разработать систему для анализа активности клиентов банка.
Основные задачи:
1) обосновать актуальность задачи анализа активности клиентов банка;
2) провести анализ предметной области и обзор литературных источников по теме исследования;
3) исследовать требования, предъявляемые к системе анализа активности пользователей банка;
4) разработать структурную схему системы анализа активности клиентов банка;
5) выбрать и обосновать тип рекомендательной системы, инструменты и библиотеки для разработки
для системы анализа активности клиентов банка;
6) произвести поиск источников данных для создания системы анализа активности клиентов банка;
7) описать принцип работы и этапы разработки рекомендательной системы для анализа активности
клиентов банка;
8) продемонстрировать работу полученной системы для анализа активности клиентов банка.

3. Актуальность задачи анализа активности клиентов банка

В настоящее время мобильным банком пользуются 70% россиян. Чаще всего это
женщины (73% против 66% мужчин), жители крупных городов (73%), россияне
от 35 до 44 лет (80%) и опрошенные с высшим образованием (79%).
За последние 5 лет доля пользователей мобильным банком увеличилась в 2 раза:
в 2018 году этим сервисом пользовались треть россиян (34%). По сравнению с
2020 годом, рост составил 21 п.п. (2020 год – 51%).
3

4. Обзор литературных источников по теме исследования

Автор и название
Описание
У. Крэйг «Spring в действии»
В книге описывается работа со Spring Framework, а
также реактивные потоки и интеграция с Kubernetes
и RSocket.
К.А. Разуваев,
Х.Э. Гринберг «Анализ современных
подходов в проектировании
рекомендательных систем»
В данной статье рассматриваются различные
характеристики и возможности различных методов
прогнозирования в рекомендательных системах.
Н.В. Меньшикова, И.В. Портнов,
И.Е. Николаев «Обзор
рекомендательных систем и
возможностей учета контекста при
формировании индивидуальных
рекомендаций»
В статье рассматриваются существующие системы
формирования индивидуальных
рекомендаций, анализируются их недостатки и
определяются области применения.
В.С. Ларионов,
И.В. Дунин,
Ю.Е. Гапанюк «Обзор методов
коллаборативной фильтрации»
Статья описывает работу с большими данными и
построение рекомендательных систем.
Е.В. Рогов «PostgreSQL 16 изнутри»
В книге описывается работа с PostgreSQL,
рассматривается изоляция и многоверсионность,
буферный кэш и журнал, блокировки, выполнение
запросов и типы индексов.
4

5. Функциональные требования

5

6. Нефункциональные требования

7. Технологические требования

8. Структурная схема системы анализа активности клиентов банка

6

9.

7
Сравнение алгоритмов рекомендательных систем
Тип алгоритма рекомендации
Критерий
Content-based
User-based
Item-based
Гибридные
методы
Точность
рекомендаций
средняя
высокая
высокая
очень высокая
Масштабируемость
высокая
низкая
высокая
средняя
Проблема
холодного старта
высокая
высокая
высокая
средняя
Новизна
рекомендаций
низкая
высокая
средняя
высокая
Сложность
реализации
низкая
средняя
средняя
высокая

10.

Инструменты и библиотеки для разработки системы анализа активности клиентов банка
Java
HTML (CSS, Thymeleaf)
IntelliJ IDEA
Apache ActiveMQ
PostgreSQL
Python (Pandas, Numpy, Scipy, Sklearn)

11.

Сгенерированные данные в таблице users
8

12.

Сгенерированные данные в таблице user_ratings

13.

Принцип работы и этапы разработки рекомендательной системы для
анализа активности клиентов банка
9

14.

15.

Этапы разработки рекомендательной системы для анализа
активности клиентов банка
10

16.

Данные в таблице users
11

17.

Сборка проекта и результат работы рекомендательной системы
12

18.

Аутентификация и регистрация пользователя
13

19.

Список покупок пользователя
14

20.

Окно профиля пользователя
15