داده کاوی

پایداری به طور گسترده یکی از چالش های بزرگی است که امروزه چالش برانگیز است. انسان ها برای ایجاد تعامل اجتماعی، اقتصادی و زیست محیطی به حمل و نقل پایدار اهمیت می دهند. لذا راه حل های پایدار در صنعت حمل و نقل شهری فرصت آفرینی کرده و در پی آن بحث هایی در مورد وسائط حمل و نقل عمومی، تاکسی های تلفنی، اینترنتی و خودروی اشتراکی صورت می گیرد. از طرفی از آنجا که شهروندان با پیدایش و توسعه شبکه های اجتماعی، می توانند آزادانه و بدون اینکه به پرسش های از پیش تعریف شده مقید باشند، نظرات خود را بیان کنند، تجزیه وتحلیل شبکه اجتماعی، فرصتی برای سازمان ها شده تا بتوانند با صرف هزینه و زمان کمتری نسبت به نظرسنجی، اولویت های بخش عظیمی از مشتریانشان را درک کنند. شبکه های ملی منبعی ارزان و با ارزش برای دسترسی به نظریات مشتریان و آنچه در ذهن آنها وجود دارد می باشد. تحقیق حاضر تلاش کرده است با استفاده از داده کاوی و متن کاوی در شبکه اجتماعی به ترسیم ذهنیت مشتریان و استفاده کنندگان از سیستم حمل و نقل بپردازد به گونه ای که عوامل اثر گذار بر گرایش افراد در استفاده از هرگونه حمل و نقل شهری بررسی و اولویت بندی نموده و راهبردی برای بهبود پایداری سیستم حمل و نقل شهری ارائه نماید.

هدف این مقاله، پیش بینی درماندگی مالی بالقوه شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار است. بدین منظور، دامنه گسترده ای از ویژگی ها از جمله متغیرهای حسابداری تعهدی، حسابداری نقدی، بازار سهام، مکانیسم های حاکمیت شرکتی و شاخص های اقتصاد کلان برای پیش بینی درماندگی مالی شرکت های نمونه شناسایی شده اند. نمونه نهایی شامل 421 شرکت و در نتیجه، 3670 شرکت-سال مشاهده است. سپس، داده آماده شده با استفاده از نسبت 70 به 30 به مجموعه داده آموزشی و آزمایشی تفکیک شد. در این پژوهش، تکینک های پیش پردازش داده یادگیری ماشین نظیر استانداردسازی نمره Z، وان-هات انکدینگ، اعتبارسنجی متقابل K لایه طبقه ای، همراه با مهندسی ویژگی برای بهبود عملکرد طبقه بندی کننده بکار گرفته شدند. روش اعتبارسنجی متقابل K لایه طبقه ای با (5=K) برای برآورد عملکرد پیش بینی مدل طی مرحله آموزش استفاده شد. طی مرحله آموزش، میزان سازی اَبرپارامتر مدل با استفاده از جستجوی شبکه ای انجام شد. افزون بر این، تکنیک SMOTE همراه با معیار مختص مسائل نامتوازن یعنی نمره F1 برای غلبه بر مسأله نامتوازنی افراطی کلاس ها استفاده شده است.بر اساس نتایج تجربی، مدل XGBoost به نمرهF1، ضریب همبستگی متیوز، فراخوانی و دقتی به ترتیب برابر با 90%، 90%، 100% و 82% بر روی مجموعه آموزشی دست یافت. سرانجام، مدل پیشنهادی بر روی مجموعه آزمایشی کنار گذاشته شده آزمون شد که به نمرهF1، ضریب همبستگی متیوز، فراخوانی و دقتی به ترتیب برابر با 52%، 52%، 73% و 41% بر روی مجموعه آزمایشی منجر شد. این اطلاعات، ابزار قدرتمندی برای پیش بینی درماندگی مالی شرکت ها  فراهم می کنند.

توسعه فناوری هایی همچون اینترنت اشیاء، موجب شده تا به صورت گسترده ای، حجم عظیمی از داده توسط انسان ها و ماشین ها تولید شود. علاوه بر این، توسعه کاربران فضای مجازی و اینترنت نیز، بستری فراهم نموده تا نیازها و نظرات مشتریان و کاربران محصولات و خدمات، به سادگی ثبت و قابل بهره برداری شوند. این داده ها فرصتی است برای طراحی محصول، خدمت و سیستم به صورت داده محور می باشد. فرآیند طراحی محصولات و خدمات به صورت سنتی، نیازمند گردآوری داده ها به صورت پیمایش است که امری زمان بر و پرهزینه استدوره طراحی و توسعه محصول پشت درب های بسته واحد تحقیق و توسعه شرکت ها به پایان رسیده است. لازمه باقی ماندن شرکت ها در عصر پرتلاطم حاضر، بهره گیری از دانش موجود در دینای اطراف و حرکت به سمت نوآوری باز و خلق ارزش مشترک است. مشتری و مصرف کننده نهایی، مهمترین بخش زنجیره ارزش هر کسب و کاری است و یکی از مهمترین منابع اطلاعاتی در این میان، ترجیحات و نظرات مشتریان است. این منابع عموما در بستر اینترنت، سایت های خرید و فروش آنلاین، شبکه های مجازی و پایگاه های مشابه دیگری بارگذاری و ذخیره می شوند. با توجه به اینکه محتوای این نظرات عموما به صورت متن هستند، نیاز به ابزارهای متن کاوی برای استخراج اطلاعات از آن ها، احساس می شود. بر این اساس، این پژوهش با هدف بررسی و مرور سیستماتیک ادبیات حوزه توسعه و طراحی و محصولات مشترک بر مبنای داده های متنی انجام شده است. بدین منظور از دو رویکرد مرور سیستماتیک، Bibliometric Analysis و Systematic mapping review استفاده شده است.

هدف از اجرای این پژوهش، شناسایی و کشف الگوها و روابط ناشناخته و شناسایی موارد خارج از الگوها، از حجم عظیم داده های سامانه آموزشی دانشگاه جامع علمی کاربردی بود. بدین منظور نمره های 19207 دانشجو/ درس در 8 درس، 6 استان و 120 مرکز آموزشی که به صورت متمرکز در سراسر کشور در نیم سال دوم تحصیلی98-1397 برگزار شده است، مطالعه و بررسی شد. تحلیل های آماری و داده کاوی با نرم افزار SPSS Modeler انجام گرفت. ابتدا آمارها محاسبه و رابطه ویژگی ها و درس های مختلف بررسی شد. سپس با خوشه بندی K-means، پنج خوشه حاصل شد. خوشه1، مربوط به دانشجویان ضعیف است، این دانشجویان نمره آزمون پایینی دارند. خوشه ۲، مربوط به دانشجویان ممتاز است که تعداد واحد بالا گرفتند و نمره آزمون بالایی دارند. خوشه ۴، مربوط به دانشجویان ممتازی است که تعداد واحد کمتری گرفته اند، این دانشجویان حتی از دانشجویان خوشه ۲ نیز نمره های آزمون بالاتری دارند. خوشه ۵، مربوط به تعداد واحد اخذ شده کم است که دانشجویان مشروط را دربردارد. دانشجویان این خوشه نسبت به دانشجویان ضعیف (خوشه ۱) نمره آزمون بهتری دارند. سپس رابطه متغیرهای مختلف بررسی شد. از بین متغیرها، بین نمره آزمون و معدل رابطه مستقیم وجود دارد. نتایج این پژوهش می تواند در پیشبرد هدف های آموزشی دانشگاه مؤثر باشد.

در کشورهای خشک و نیمه خشکی مانند ایران، پیش بینی دقیق خشکسالی ها، نقش بسیار مهمی در مقابله با بحران ناشی از خشکسالی و مدیریت سیستم های منابع آب ایفا می کند. با توجه به اینکه شاخص بارندگی استاندارد شده (SPI) به عنوان یکی از مناسب ترین شاخص برای تحلیل خشکسالی شناخته شده است، در این تحقیق، جهت پیش بینی SPI از مدل درختی M5 استفاده گردید. بدین منظور از داده های بارش ماهانه ایستگاه همدیدی مراغه در یک دوره ی 25 ساله (89-1365) استفاده و شاخص SPI در مقیاس 6 ماهه استخراج گردید. ن تایج نشان داد که شهرس تان مراغه در دو ده ه ی اخیر با خشکسالی های پی در پی و شدیدی مواجه بوده است. سپس با استفاده از مدل درختی M5 اقدام به پیش بینی مقادیر شاخص SPI در مقیاس زمانی 6 ماهه برای 1 تا 12 ماه آینده گردید. نتایج به دست آمده نشان داد که میزان شاخص SPI در مقیاس های زمانی گذشته بیشترین تأثیر را نسبت به پارامترهای دیگر در پیش بینی شاخص بارش استاندارد شده دارد و با افزایش طول دوره ی پیش بینی از دقت مدت کاسته می شود. به طوری که در محاسبه SPI6 برای یک ماه آینده مقدار ضریب همبستگی حدود 94/0 به دست آمد که این مقدار برای 12 ماه آینده به حدود 40/0 کاهش پیدا کرد. با این وجود نتایج نشان داد که مدل درختی M5 با ارایه ی روابط خطی کاربردی و قابل فهم از دقت و توانایی نسبتاً بالایی در پیش بینی خشکسالی برخوردار است.

تعیین آستانه ی عوامل مؤثر بر رشد طولی آبکندها می تواند به مدیران و تصمیم گیران کمک کند تا بتوانند با شناخت دقیق، راه کار مناسبی را پیش بینی و از تخریب اراضی به نحو مطلوب جلوگیری به عمل آورند. هدف از انجام پژوهش حاضر در حوضه ی آبخیز سنگانه ی کلات تعیین آستانه ی عوامل مؤثر بر رشد طولی آبکندها با استفاده از تکنیک های داده کاوی می باشد. در این پژوهش ابتدا بر اساس مطالعات میدانی مشخصات مورفومتری 23 آبکند همراه با نمونه برداری از خاک شامل تعیین ویژگی های فیزیکی و شیمیایی مؤثر خاک اندازه گیری گردید. سپس با بهره گیری از روش های ناپارامتریک الگوریتم خوشه بندیK-Means و درخت تصمیم  CARTبه تعیین آستانه ی عوامل مؤثر بر گسترش طولی آبکندها پرداخته شد. نتایج این پژوهش نشان می دهد که مهم ترین عوامل مؤثر بر گسترش طولی آبکندها در این منطقه عرض آبکند، نسبت جذب سدیم، شیب پیشانی آبکند و درصد سیلت می باشد. همچنین مهم ترین عامل شکل گیری فرسایش آبکندی در منطقه ی مورد مطالعه و گسترش آن تحت تأثیر عوامل اقلیمی از یک طرف که باعث ایجاد رواناب و تغییر در میزان نفوذپذیری، و از طرف دیگر تحت تأثیر ویژگی ها و خصوصیات فیزیکی و شیمایی خاک های منطقه می باشد. بنابراین ارائه و اعمال راه کارهایی جهت اصلاح خاک و حوضه ی آبخیز بالادست آبکندهای این منطقه می تواند در کاهش گسترش آبکندها تأثیرگذار باشد.

حرکات توده ای با توجه به ماهیت، تنوع و خطراتی که دارند، همواره مورد توجه پژوهشگران علوم مختلف بوده اند. مطالعات گسترده ای در زمینه ی شناخت عوامل مؤثر، پهنه بندی و مدل سازی این فرآیند صورت گرفته است، اما در زمینه ی کاربرد الگوریتم های داده کاوی مطالعات محدودی انجام شده است. لذا در این پژوهش با هدف استفاده از علم داده کاوی، زمین لغزش های جنوب شرق شهرستان نیشابور بررسی و نقشه ی پهنه بندی خطر با روش های آماری دو متغیره شامل ارزش اطلاعات و تراکم سطح تهیه شد. 15 لایه اطلاعاتی شامل ارتفاع از سطح دریا، شیب اراضی، جهت شیب، اقلیم، کاربری اراضی، خاک شناسی، پوشش گیاهی، زمین شناسی، میزان تبخیر، دما، بارش، تیپ اراضی، فاصله از جاده، فاصله از گسل و فاصله از آبراهه در محیط ArcGIS رقومی و با استفاده از الگوریتم های داده کاوی در نرم ا فزار R، بهترین الگوریتم و عوامل مؤثر شناسایی و معرفی ش دند. برطبق ن تایج این تحقیق، متغیرهای زمین شناسی، آب وهوا، جهت شیب، فاصله از جاده، ارتفاع، خاک شناسی و تیپ اراضی به عنوان مهم ترین عوامل وقوع زمین لغزش در نظر گرفته شد. همچنین نتایج حاکی از برتری الگوریتم جنگل تصادفی با دقت 92% بود. ن تایج ارزیابی ن قشه ی پهنه بندی نشان داد ب ه ترتیب 45/45% و 51/51% از حرکات توده ای مرحله ارزیابی، در پهنه با خطر زیاد و خیلی زیاد قرار گرفته است و مابقی در پهنه های با خطر کمتر واقع شده اند. بنابراین نتایج بیانگر دقت مناسب مدل سازی است، اما در مقایسه ی دو روش آماری، روش تراکم سطح نسبت به روش ارزش اطلاعات برای منطقه ی مورد مطالعه مناسب تر معرفی شد.

بار رسوبی معلق یکی از مهم ترین عناصر رودخانه ای است که علاوه بر تاثیر بر کیفیت آب، نقش موثری در مدیریت منابع آبی و سازه های احداثی بر روی این منابع دارد. پارامترهای فیزیوگرافی که بیانگر ویژگی های فیزیکی حوضه آبریز هستند می تواند به عنوان یک فاکتور تعیین کننده در میزان رسوب زایی حوضه آبریز مطرح گردد. روش های متعددی به منظور برآورد بار معلق رودخانه ها وجود دارد. از جمله این روش ها استفاده از مدل های داده کاوی می باشد که در حل مسایل هیدرولوژی رسوب بسیار پرکاربرد می باشد. لذا در این پژوهش با تلفیق مدل های داده کاوی و پارامترهای فیزیوگرافی، بار رسوب 30 حوضه آبریز در استان لرستان با دوره آماری 33 ساله برآورد گردید. به منظور بررسی اثر شاخص های مختلف فیزیوگرافی بر میزان برآورد رسوب در گام نخست دبی جریان به عنوان تنها ورودی مدل ها و در گام بعدی شاخص های مختلف فیزیوگرافی حوضه به عنوان ورودی های مدل های مختلف داده کاوی انتخاب گردید. در این مطالعه از پنج مدل داده کاوی از جمله شبکه عصبی مصنوعی، ماشین بردار پشتیبان تکاملی، درخت تصمیم، فرآیند گوسی و رگرسیون استفاده شد. نتایج نشان داد تمامی مدل ها از دقت قابل قبولی برخوردار بودند. در هر دو مجموعه داده، مدل ماشین بردار پشتیبان تکاملی دارای بهترین دقت بود. با به کارگیری شاخص های مورد اشاره دقت در تمامی مدل ها افزایش یافت به طوریکه در مدل ماشین بردار پشتیبان تکاملی میزان میانگین مربعات خطا از 74/6 به 3 کاهش یافت و ضریب همبستگی از 994/0 به 999/0 افزایش یافت. وزن دهی پارامترها نیز نشان داد که بیشترین وکمترین وزن به ترتیب مزبوط به شاخص زبری و نسبت کشیدگی بوده است.

با ظهور فناوری های دیجیتال و ظهور خدمات رسانه های نمایشی VOD، چشم انداز صنایع فرهنگی و خلاق دستخوش دگرگونی چشم گیری شده است. به ویژه، بازار این رسانه ها در ایران شاهد رشد قابل توجهی بوده و طیف متنوعی از محتوا را ارائه می دهد تا مطابق با اولویت های مخاطبان فارسی زبان در سراسر جهان باشد. این پژوهش به سنجش اجتماعی رسانه های نمایشی VOD ایرانی و نظرکاوی آن ها در میان کاربران فارسی توییتر می پردازد. هدف این مطالعه با استفاده از روش های داده کاوی، علوم اجتماعی محاسباتی، تحلیل احساسات و تحلیل مضمون، سنجش تأثیر و پویایی VODهای ایرانی در چارچوب توییتر فارسی است. از طریق تحلیل مضمون، شش مضمون فراگیر استخراج شد: 1. سویه های تاریک رسانه های نمایشی VOD، 2. نظارت صداوسیما بر رسانه های نمایشی VOD، 3. فراگیری و محبوبیت رسانه های نمایشی VOD و عوامل مؤثر آن، 4. فیلتر و تعطیلی رسانه های نمایشی VOD، 5. حضور بازیگران در رسانه های نمایشی VOD پس از پاییز سال 1401، و 6. خرید اشتراک رسانه های نمایشی VOD. این مضامین منعکس کننده دیدگاه ها و گفتگوهای متنوع پیرامون VODهای ایرانی است.با استفاده از روش های محاسباتی علوم اجتماعی، تجزیه و تحلیل احساسات و نظرسنجی کاربران، بینش عمیق تری در مورد سنجش اجتماعی VODهای ایرانی به دست می آید. تحلیل احساسات توییت ها نشان داد که احساسات منفی نسبت به این رسانه ها در میان کاربران توییتر فارسی 59%، احساسات مثبت 39%، و احساسات خنثی 2% بودند. علاوه بر این، از تکنیک های داده کاوی برای بررسی درصد توجه نسبت به VODهای ایرانی و احساسات کاربران نسبت به هر یک از آنها استفاده شد که فیلیمو مورد توجه ترین VOD ایرانی بود و بیشترین توجه کاربران را به خود جلب کرده است.

هدف: هدف این مطالعه، تحلیل و بررسی کاربرد فن داده کاوی در سامانه توصیه گر (پیشنهاددهنده) کتابخانه های دیجیتالی و مراکز اطلاعاتی بود. رویکرد داده کاوی در این سامانه، از طریق تحلیل الگوهای رفتاری کاربران کتابخانه های دیجیتال و ارائه پیشنهادهای دقیق، آنان را از مرور داده های غیر مرتبط در حین جستجو بی نیاز می سازد که منجر به افزایش درخواست های اطلاعاتی کاربران و جلب و جذب رضایتمندی آنان از ارائه خدمات کتابخانه های دیجیتالی می شود.روش: پژوهش حاضر یک مطالعه تحلیلی از نوع پیمایشی مقطعی و تحلیل محتوا بود. در این روش طی چهار مرحله، داده های موردنیاز، جمع آوری و خروجی آن با استفاده از فن داده کاوی مورد تجزیه وتحلیل قرار گرفت. در مرحله اول، با تحلیل محتوا، سیا هه ای از تعداد تراکنش درخواست های کاربران از کتاب، شامل شناسه کاربران، عناوین نسخ، شماره کد شناسایی نسخ در سامانه کتابخانه دیجیتال (پایگاه نسخ خطی)، سازمان کتابخانه ها، موزه ها و مرکز اسناد آستان قدس رضوی مورد بررسی قرار گرفت و داده ها به صورت ستون کاربر و سطر آیتم (کتاب) مرتب شد. مرحله دوم، داده های خام پیش پردازش شده به ماتریس کاربر-آیتم که همان صفر و یک است، تبدیل شد. مرحله سوم، خروجی داده ها با کمک فناوری داده کاوی و اجرای کاوش قوانین انجمنی و الگوریتم FP-Growth بر روی نرم افزار رپیدماینر پیاده سازی و اجرا شد. خروجی به دست آمده، در این نرم افزار با تغییر درجه پارامترهای پشتیبان (میزان پشتیبانی از تکرار شدن منابع درخواستی) و اطمینان (میزان اعتماد به نتیجه موردنظر) مورد آزمون قرار گرفت. مرحله چهارم، صحت و درستی طرح پیشنهادی سامانه ارائه شد.یافته ها: برونداد این پژوهش نشان داد که قواعد انجمنی با درجه اطمینان بالای 50% بوده و قادر به تعیین الگوهای دسترسی کاربر است که بهترین حالت دسترسی به مجموعه داده های تولیدشده با تنظیم درجه حداقل پشتیبانی 2% و حداقل اطمینان 95% است که منجر به ایجاد 1081 قوانین جدید با الگوریتم های شرطی (اگر – آنگاه) شد. چنانکه اگر کاربری در زمان جستجوی در نرم افزار کتابخانه دیجیتال موضوعاتی همچون (علم اصول، اجتهاد، سنت و...) را انتخاب نماید، به دلیل سابقه جستجوهای پرتکرار کاربران پیشین با همین موضوعات، از سوی سامانه توصیه گر، آنگاه عناوین مرتبطی با موضوع اصول فقه پیشنهاد خواهد شد. همین طور، اثبات درستی الگوی پیشنهادی نشان داد که مقدم و مؤخرهای ایجادشده از قوانین جدید با یکدیگر مشابهت موضوعی داشته است.نتیجه گیری: این مطالعه نشان داد، فنون مختلف داده کاوی با کاربرد قوانین انجمنی و اجرای الگوریتم FP-Growth  دارای کارایی و دقت بالا بوده و در تجزیه و تحلیل داده های کتابخانه های دیجیتالی و مراکز اطلاع رسانی برای ایجاد سامانه های توصیه گر به منظور پیش بینی درخواست های کاربران و پیشنهاددهی مؤثر، مناسب است و از مفاهیم کاربردی آن، فراهم نمودن بستری برای بهبود کیفیت تعامل دوسویه میان کتابداران و کاربران در جهت ارائه خدمات بهینه و سودمند است و همچنین ایجاد فرصت مناسبی برای ارتقاء نگرش و دیدگاه مدیران در جهت تأمین منابع اطلاعاتی موافق با نیازهای واقعی کاربران خواهد بود.

امروزه شناسایی، تعیین ارزش وبخش بندی مشتریان برای بانک ها یک امر حیاتی است اما روش های ایستای بخش بندی مشتریان که برمبنای ثبات مشتریان درهریک از بخش های تعیین شده می باشد از کارایی لازم برخوردار نبوده و شناخت الگوهای جابجایی وپویایی مشتریان در این بخش ها ازاهمیت ویژه ای برخوردارمی باشد. این پژوهش اقدام به بخش بندی ورتبه بندی پویای مشتریان بانک رفاه کارگران و شناسایی تحرک رفتاری آنان بین بخش های مختلف دربازه زمانی مشخص با بهره گیری از تکنیک های داده کاوه نموده است. از آنجا که داده کاوی درصدد توصیف حجم انبوه داده ها برای کشف الگوها و قواعد معنادار است لذا در این تحقیق از روش های معمول نمونه گیری جهت تعیین حجم نمونه استفاده نشده و تعداد 1123735مشتری حقیقی ارزشمند بانک که دارای حساب قرض الحسنه بودند عینا بعنوان جامعه آماری و تمامی تراکنش های مالی ایشان در بازه زمانی 6ماهه از اول مهر 1398 تا 29اسفند 1398 بعنوان نمونه انتخاب گردید سپس عملیات پیش پردازش و مدلسازی داده ها در شش بازه زمانی و به صورت ماهانه باهدف بخش بندی ورتبه بندی پویای مشتریان به وسیله الگوریتم های کای میانگین K MEAN و شبکه های عصبی خودسازمانده SOM انجام گردید. براساس نتایج حاصل از این پژوهش مشتریان به سه بخش اصلی تقسیم وپویایی ایشان مورد بررسی قرارگرفته و راهکارهایی جهت بهبود و اثربخشی بیشتر فعالیت های بازاریابی ارایه شده است.

برندسازی کارآفرینانه یکی از زمینه های جدید در حوزه برندسازی است که اخیراً مورد توجه پژوهشگران قرار گرفته است. لذا با توجه به ضرورت مطالعه در حوزه برندسازی کارآفرینانه و اهمیت شبکه های اجتماعی در برندسازی، این پژوهش با هدف کشف و بررسی عوامل مؤثر بر برندسازی کارآفرینانه در شبکه اجتماعی اینستاگرام انجام شده است. استراتژی این تحقیق، داده کاوی است. پایگاه داده این پژوهش شامل 789 رکورد است که 470 رکورد آن متعلق به صفحات تجاری موفق در زمینه برندسازی و تعداد 319 رکورد آن متعلق به صفحات تجاری ناموفق در زمینه برندسازی است. بررسی و تجزیه و تحلیل پایگاه داده بر مبنای استاندارد کریسپ و با استفاده از الگوریتم های شبکه عصبی، درخت تصمیم گیری و الگوریتم اپریوری به منظور استخراج قوانین و با استفاده از نرم افزار  IBM SPSS Modeler 14.2 انجام شده است. در این پژوهش تعداد 29 ویژگی توسط شبکه عصبی به عنوان ویژگی های مؤثر بر برندسازی کارآفرینانه تشخیص داده شد و سایر ویژگی های بدون تأثیر حذف گردید. در ادامه به منظور انجام فاز مدل سازی و استخراج قوانین از این 29 ویژگی استفاده شد و مهم ترین عوامل در موفقیت برندسازی کارآفرینانه مشخص گردید. مهم ترین این عوامل شامل «تعداد دنبال کنندگان، لوگو اختصاصی،کیفیت تصاویر و ویدئوها، درگاه پرداخت، وب سایت، توجه هم زمان به فروش حضوری و آنلاین، تعداد کم هشتگ های غیرمرتبط و غیره» بودند. همچنین در این پژوهش به تعدادی از مواردی که عدم موفقیت در برندسازی کارآفرینانه را در پی خواهد داشت نیز پرداخته شد.

ﺑﺴیﺎری از ﺻﺎحب نظران معتقدند که ﻧیﺮوی اﻧﺴﺎﻧی ﻣﻬﻤ ﺘ ﺮیﻦ رکن برای ایجاد تحول در سازمان می باشد لذا در اغلب سازمان ها، مدیران به دنبال شناسایی نیروهای خبره در بخش های مختلف می باشند تا بتوانند با آموزش به سایرکارکنان، در ارتقا کیفیت، کارایی و بهره وری سازمان نقش بسزایی را ایفا نمایند. جهت شناسایی نیروهای خبره، می بایست ارزیابی نحوه ی انجام کار را از بعد کمی و کیفی عملیاتی نمود تا بتوان ﺑیﻨﺶ، داﻧﺶ و ﺗﻮاﻧﺎیی کﺎرکﻨﺎن در راﺑﻄ ﻪ ﺑ ﺎ اﻧﺠﺎم وﻇﺎیﻒ ﻣﺤﻮﻟﻪ بدست آورد. بنابراین در ﺗﻌییﻦ ﻇﺮﻓیﺖ و ﺗﻮاﻧﺎیی های کﺎرکﻨ ﺎن ﺗﻨﻬ ﺎ ﺑﻪ ارزیﺎﺑی کمی وﻇﺎیﻒ ﻣﺤﻮﻟﻪ اکﺘﻔﺎ نمی ﺷﻮد ﺑﻠکﻪ باید به ارزیابی کیفی از طریق اخذ نظر مسئول مربوطه مطابق با چگونگی انجام امور محوله (دانش تجربی و ضمنی) نیز استناد نمود. در اغلب سازمان های دولتی و عمومی، امور محوله به کارکنان با شناسنامه شغلی مرتبط نمی باشد و همچنین بدلیل چند وظیفه ای بودن (Multi Task) آن ها، امکان شناسایی مهارت هر شخص در هر حوزه وجود ندارد. برای نیل به تعیین ظرفیت و توانایی های کارکنان، می بایست تعریف مشخصی از حوزه های مختلف کاری پیدا کرد و ارتباط آن ها را با داده های ثبت شده کارکنان در سامانه های عملیاتی سازمان بدست آورد. سپس با ارائه ی مدل عملیاتی مبتنی بر داده کاوی از قبیل: ترکیب امتیازات کمی و کیفی، حذف داده های اضافی، آماده سازی داده ها و شناسایی ارتباط بین داده ها، به نتایج قابل قبولی دست یافت. در این تحقیق ابتدا با استفاده از روش دلفی، حوزه های مختلف کاری کارکنان بر اساس فعالیت های آن ها مشخص شده (دسته بندی در 6 گروه)، سپس با جمع آوری داده ها از سامانه های: کنترل تردد، سامانه ارزشیابی عملکرد، سامانه عملیات بانکی و با تحلیل آنها، نیروهای خبره سازمان شناسایی شدند.