A KKV-szektor hitel-visszafizetési tendenciái és a COVID-19-pandémia hatása
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Thesis |
| Kulcsszavak: | COVID-19 hiteltörlesztés idősorelemzés kis- és középvállalkozás - KKV üzleti intelligencia |
| Online Access: | http://dolgozattar.uni-bge.hu/29604 |
| Abstract: | Szakdolgozatom az üzleti intelligencia és analitika témakörén alapszik, felépítését tekintve egy elméleti áttekintésből és egy gyakorlati egységből áll. Ezeket az egységeket az alapvetést, célkitűzést és a témához kapcsolódó személyes kötődést tartalmazó bevezető fejezet, valamint összefoglalás formájában a lezárás keretezi. A bevezetésben szerepel, hogy miért esett választás az üzleti intelligencia témára, illetve a címben megfogalmazott KKV-szektort érintő hitel visszafizetések elemzésére. A 2020-as évben a gazdaságra látszólag tekintélyes befolyással bírt a váratlanul megjelenő és drasztikus ütemben terjedő COVID-19-pandémia, amelyhez kapcsolódóan a dolgozat célja a 2015. januárjától kezdődő és 2019. decemberéig tartó időszakban tapasztaltakhoz képest esetlegesen váratlanul bekövetkező változások elemzése a 2020-as évre vonatkozóan egy előrejelzési modell segítségével a KKV-szektor hitelszerződéseit érintő terv szerinti és tényleges törlesztések tekintetében. Az első nagyobb tartalmi egység a szakdolgozatban az üzleti intelligencia elméleti hátteréről és az idősorelemzés módszertanáról szól. A fejezetben szereplő információkat számos szakirodalom, folyóirat és interneten megjelent cikk feldolgozása alapján gyűjtöttem össze. BI tekintetében az alfejezetekben az üzleti intelligencia sokféle megfogalmazásáról és definíciójáról, a BI folyamatok összetett felépítéséről és a folyamat során alkalmazható megannyi eszköz-, és alkalmazásfajtáról esik szó. Idősorelemzési módszertan tekintetében az idősorok fogalmának definiálásáról, komponenseinek jellemzéséről, az elemzés során általánosan elvégzendő lépések ismertetéséről és előrejelzés készítési módszerekről szerepelnek információk. A dolgozat ezt követő fejezete egy átvezetés az elméleti és a gyakorlati rész között. Ebben a szakaszban ismertetésre kerülnek a későbbi, gyakorlati rész felépítés vázául szolgáló érintett BI technológiákat és területeket, illetve néhány szoftvert és környezetet, amelyek a gyakorlatban alkalmazhatóak. A második nagyobb tartalmi egység az egyetemi tanulmányok, szakmai gyakorlat és szakirodalmak kutatása során szerzett ismeretek gyakorlati alkalmazásáról szól és egy több részből álló BI folyamat véghezvitelének leírását tartalmazza. A fejezet elején bemutatom az adatelemzéshez szükséges adatok adattárházból történő kinyerésének folyamatát, majd ezt követi az adatelemzési rész, amely részletesen kitér a 2015. elejétől 2019. végéig tartó időintervallumra, kiemelve olyan tényeket, mint az átlagos terv szerinti és tényleges törlesztések összege és megoszlása KKV kategóriák között, az ügyletek, hitelszerződések és érintett szervezetek száma, a hiteltermékek megoszlása százalékos formában, illetve a kiugró értékek okának felkutatása a műszerfal szűrőinek segítségével. Az elemzés során az egymást követő évek adatait több esetben összehasonlítva is elemzésre kerülnek, illetve megjelennek a bevezetésben megfogalmazott kérdésekre a kapott válaszok. A 2020. évi adatok, előrejelzés és a COVID-19-pandémia hatásának elemzéséről szóló fejezetben ismertetésre kerülnek a predikciós modell felállításának lépései, kezdve a vizuális elemzésen és stacionaritás vizsgálatán át az ARMA modell választásának indoklásáig és elkészítéséig. Az alfejezet következő építőköve egy rövid ismertető rész a világjárvány kapcsán hozott, vállalatokat érintő intézkedésekről, amelyek a COVID-19 gazdaságromboló hatásának enyhítését hivatottak szolgálni. A 2020. évhez tartozó elemzési részt az előrejelzés és a tényleges adatok összehasonlítása követi. Az egység lezárásaként kifejtem meglátásaimat az elemzés és előrejelzés hatékonyságát illetően. |
|---|