احرار حسینی

در دنیای امروز، پیش بینی دقیق هزینه های سازمانی برای بهینه سازی تخصیص منابع و افزایش بهره وری، یکی از چالش های اصلی مدیران به شمار می رود. تغییرات سریع اقتصادی و پیچیدگی فزاینده فرآیندهای مالی، ضرورت استفاده از روش های پیش بینی داده محور را بیش از پیش برجسته کرده است. این پژوهش چارچوبی مبتنی بر الگوریتم های یادگیری ماشین ارائه می دهد که هدف آن بهبود دقت پیش بینی هزینه های سازمانی و تسهیل برنامه ریزی مالی دقیق تر در سازمان ها است. در این مطالعه، داده های واقعی مالی و عملیاتی از سازمان بیمه سلامت در یک بازه زمانی پنج ساله جمع آوری و پس از انجام مراحل پیش پردازش، برای آموزش مدل های پیش بینی به کار گرفته شد. مدل اصلی مورد استفاده در این پژوهش، رگرسیون خطی بوده و عملکرد آن با استفاده از معیارهایی نظیر ضریب تعیین، میانگین خطای مطلق و ریشه میانگین مربعات خطا ارزیابی شده است. نتایج این تحقیق نشان می دهد که مدل رگرسیون خطی توانسته است با دقت بالایی تغییرات هزینه های سازمانی را پیش بینی کرده و عوامل کلیدی مؤثر بر هزینه ها را شناسایی کند. چارچوب پیشنهادی این مطالعه می تواند به سازمان ها در بهبود برنامه ریزی بودجه، مدیریت منابع مالی و کاهش خطاهای پیش بینی کمک کند. علاوه بر این، یافته های تحقیق حاضر، پایه ای علمی برای توسعه مدل های پیش بینی در سایر حوزه های سازمانی فراهم می آورد و امکان ارتقای تصمیم گیری های استراتژیک را برای مدیران تسهیل می کند.