زنجیره خدمات

رشد روز افزون ارتباطات از طریق شبکه تلفن همراه و مطرح شدن تعداد مشترکان خطوط همراه و دسترسی به پهنای باند ارتباطی به عنوان شاخص های توسعه یافتگی، نقش غیر قابل انکاری در ایجاد مزایای رقابتی در رشد و توسعه سازمان ها و همچنین ایجاد اکو سیستم های درآمدی نوین ترسیم می نماید. ارائه خدمات ارزش افزوده به عنوان یکی از خدمات نوین در بستر تلفن همراه نیازمند بازیگرانی از قبیل تأمین کنندگان محتوا، شرکتهای واسطه و اپراتورها است. تشکیل این زنجیره تامین خدمات چالش هایی را نیز از قبیل مدیریت تقاضا، پیش بینی صحیح تقاضا و مدل سازی رفتار مشتریان جهت پاسخگویی صحیح را به همراه می آورد. تغییرات سریع تقاضا در ارائه خدمات ارزش افزوده در تشکیل اثر شلاق چرمی بسیار تأثیر گذار است. پدیده مذکور از اثرات تشدید شونده ی تغییرات تقاضای مشتریان در حین انتقال به سطح های دیگر زنجیره تامین، ناشی میشود. مقاله حاضر با توجه به وجود اثر "خودرگرسیو شرطی" در دادههای تقاضای مشتریان طی دوره زمانی معین، از مدل های خانواده ARCH برای پیش بینی تقاضای دورههای آتی استفاده می نماید. لذا نتایج مربوط به تأثیر پیش بینی تقاضا با استفاده از سه مدل خانواده ARCH بر "اثر شلاق چرمی" بیان گر این موضوع است که مدل ARMA(1,1)/EGARCH(1,1) دارای برتری نسبت به مدل های GARCH و GJR در تحلیل روند تقاضا است.

سیستم های مدیریت دانش، کیفیت و بازدهی دانش استفاده شده در فرایند تصمیم گیری را بهبود می بخشند. حدود 80 درصد اطلاعات سازمان ها در فرمت های متنی هستند؛ به همین علت متن کاوی آن هم در حوزه مدیریت دانش زنجیره خدمات، بسیار مفید و با اهمیت است. به طور مثال، یکی از کاربرد های مهم متن کاوی به منظور مدیریت منابع روی خط اسناد دیجیتال و تجزیه و تحلیل اسناد درون سازمانی به کار برده می شود. پژوهش حاضر به اسناد و مدارک مبتنی بر متن اختصاص دارد که براساس ارسال نظرها، فرم های اطلاعات متنی و پرسشنامه های مبتنی بر روش تئوری زمینه ای تدوین شده است. در نخستین گام تحقیق، تکنیک های خوشه بندی به اجرا درآمد و در گام دوم، تکنیک قوانین انجمنی Apriori به منظور کشف و استخراج مفیدترین قوانین انجمنی اعمال شد. به بیانی، بر یکپارچه سازی تکنیک های داده کاوی متنی برای بهبود دقت رده بندی تأکید شده است. در کلاسه بندی مستندات با استفاده از تکنیک درخت تصمیم به کلاس های مربوط به آن، دقت کلاسه بندی کاهش یافت، اما استفاده از روش ارائه شده در این تحقیق، بهبود شایان توجهی در دقت رده بندی ایجاد کرد.