مطالب مرتبط با کلیدواژه
۲۱.
۲۲.
۲۳.
۲۴.
۲۵.
۲۶.
۲۷.
۲۸.
۲۹.
۳۰.
۳۱.
۳۲.
۳۳.
۳۴.
۳۵.
۳۶.
۳۷.
۳۸.
۳۹.
۴۰.
داده کاوی
حوزه های تخصصی:
در دهه ی اخیر پیشرفت تکنولوژی های گوناگون باعث تغییر در ارائه خدمات بوسیله سازمان ها گردیده است. یکی از حوزه هایی که صنعت بانکداری را تحت تاثیر خود قرار داده است حوزه فناوری اطلاعات می باشد. تکنولوژی ارتباط بیسیم یکی از زیر مجموعه های حوزه فناوری می باشد که در این سال های اخیر پیشرفت چشم گیری داشته است که منجر به ارائه خدمت موبایل بانک از سوی بانک ها گردیده است. صنعت بانکداری، یک صنعت نمونه می باشد که از داده کاوی استفاده می کند. داده کاوی را می توان بعنوان یک نوع از کشف دانش برای حل مسئله در زمینه خاص بیان کرد. در این پژوهش 232817 داده استفاده شده است که هدف آن پیدا کردن مدل هایی با توجه به مشخصات مشتری و استفاده آن ها از موبایل بانک با استفاده از دو تکنیک شبکه های عصبی مصنوعی و بیز ساده می باشد تا بدین وسیله به مشتریانی که در این دسته بندی قرا می گیرند اما تا کنون خدمت موبایل بانک را استفاده نکردند این خدمت را بصورت پیشنهادی ارائه دهد تا بتواند از این طریق به جذب مشتری بیشتر و نگهداری مشتریان کنونی و از همه مهمتر افزایش رضایتمندی مشتریان کمک کند. همچنین در نهایت اثبات می شود که تکنیک شبکه های عصبی مصنوعی نسبت به تکنیک بیز ساده از دقت بالاتری برخوردار است که این امر منجر به تایید فرضیه ی پژوهش می گردد.
لزوم حفظ مشتریان بیمه با استفاده از ابزارهای داده کاوی
حوزه های تخصصی:
داده کاوی فرآیند انتخاب، کشف و مدل سازی مقادیر زیادی از داده برای کشف الگوهای ناشناخته است . در صنعت بیمه، فرآیند داده کاوی باتوجه به مقادیر زیاد داده بسیار سودمند است و می تواند برای بیمه گران مزیت رقابتی ایجاد کند. از فرآیند داده کاوی در صنعت بیمه در مسائلی مانند بهینه سازی قیمت ها، بهینه سازی خدمات، جذب مشتریان جدید، حفظ مشتریان کنونی و کشف کلاهبرداری ها در زمینه ادعای خسارات می توان استفاده کرد. هریک ازاین موارد جای بحث فراوان دارند و مورد کاوی های زیادی در هر مورد انجام شده است. آنچه در اینجا بحث می شود قابلیت های داده کاوی برای مورد استفاده قرارگرفتن در محاسبات بیمه ای و مراحل داده کاوی، روش های مختلف از جمله محاسبات خطی و غیرخطی و قابلیت های کاربردی آن در شاخه های مختلف بیمه ای است. اما تمرکز بر چگونگی استفاده از داده کاوی در حفظ مشتریان فعلی قرار دارد؛ زیرا نیاز به انجام محاسبات علمی بر بازاریابی مشتریان در بازار فعلی بیمه در ایران کاملاً احساس می شود. تبلیغات و فعالیت های شناسایی شرکت ها خیلی کم انجام می شوند و عمده بازاریابی به عهده نمایندگان بیمه است. نمایندگان هم با مشکلاتی از قبیل عدم اعتماد به نام شرکت های خصوصی، عدم وجود فرهنگ خرید خدمات و ناآشنایی با مقوله بیمه و شاخه های متفاوت و خدمات آن روبرو هستند. ازاین رو لازم است تا راه هایی پیش روی نمایندگان و شرکت های بیمه قرار داده شود تا بتوانند با بررسی داده های انبوهی که دردست دارند در جذب مشتریان جدید و حفظ مشتریان فعلی و با اقداماتی برای مقبولیت بیشتر در بالابردن مزیت رقابتی خود بکوشند.
ارزش آفرینی در شرکت های بیمه بر مبنای مدیریت دانش
حوزه های تخصصی:
مدیریت دانش، روش شناسی استنباط و استفاده از دانش در سازمان است که از طریق همین دانش و سرمایه فکری، ثروت و ارزش به وجودمیآید. محصولات و فرآیندها در صنعت بیمه به شدت دانش محورند و پیچیدگی اطلاعاتی زیادی میان منابع اطلاعاتی درونی و بیرونی شرکت های بیمه ای وجود دارد. باتوجه به تأکید برنامه تحول صنعت بیمه بر نقش آفرینی بیشتر این صنعت در اقتصاد کشور و لزوم همگامی این صنعت با دیگر حوزه های مالی مانند بانکها و بورس در زمینه سرمایه گذاری در مدیریت دانش، این مقاله، با مورد بررسی قراردادن مدیریت دانش از دو منظر منابع انسانی و فناوری، یک الگوی مدیریت دانش برای شرکت های بیمه ای ارائه داده است. در بعد منابع انسانی، الزامات ساختاری و فرهنگی سازمان و در بعد تکنولوژی، ابزارهای پیاده سازی مدیریت دانش مانند دادهکاوی بررسی می شوند.
ارائه چهارچوب برای پیش بینی سطح خسارت مشتریان بیمه بدنه اتومبیل با استفاده از راهکار داده کاوی
حوزه های تخصصی:
امروزه مشتریان به عامل بسیار مهم و حیاتی در هدایت سرمایه گذاران، تولیدکنندگان و حتی محققان و نوآوران مبدل گشته اند. به همین دلیل سازمان ها نیاز دارند مشتریان خود را بشناسند و برای آنان برنامه ریزی کنند. تاکنون برای شناسایی مشتریان و به خصوص شناسایی رفتار آنها روش هایی استفاده شده که از جمله می توان روش های آماری را معرفی کرد که البته محدودیت ها و مشکلاتی دارد. در این پژوهش با استفاده از روش های داده کاوی، چهارچوبی را برای شناسایی مشتریان (با تمرکز بر مشتریان بیمه بدنه اتومبیل) ارائه می کنیم. به منظور کاهش خطاها و محدودیت ها از دو روش درخت تصمیم و خوشه بندی، به صورت مکمل استفاده کرده ایم. ابتدا با استفاده از تکنیک خوشه بندی، مشتریان را براساس ویژگی هایشان خوشه بندی کرده و سطح خسارت هرکدام از این خوشه ها را محاسبه کردیم. سسپس مشتریان آتی را براساس ویژگی هایشان و تکنیک درخت تصمیم در یکی از این خوشه ها دسته بندی نمودیم. دسته ای که مشتری در آن قرار گرفته معرف سطح خطرپذیری اوست. با استفاده از این معیار و نوع بیمه نامه مشتری می توان میزان خسارت او را پیش بینی کرد. البته برای تعیین صحت نتایج، مدل ها را ارزیابی کرده و با یکدیگر مقایسه کردیم. شایان ذکر است تکنیک درخت تصمیم برای این منظور نتایج بهتری را حاصل نمود ولی تکنیک خوشه بندی نیز تفکیک خوبی میان مشتریان ایجاد می کند.
کاربردهای داده کاوی در صنعت بیمه
حوزه های تخصصی:
باتوجه به پیشرفت سریع فناوری اطلاعات، حجم اطلاعات ذخیره شده در پایگاه های داده شرکت های بیمه به سرعت در حال افزایش بوده و این پایگاه های داده بزرگ، حاوی حجم زیادی از داده ها و فرصتهای قابل استفاده و بالقوه از اطلاعات تجاری با ارزش هستند. از طرفی، یافتن اطلاعات ارزشمند پنهان در این پایگاه داده و نیز شناسایی مدل های مناسب کاری دشوار است. در این مقاله ضمن بررسی اجمالی داده کاوی، به نقش آن در کشف دانش موجود در پایگاه های داده و بهبود امور مرتبط با صنعت بیمه پرداخته شده است.
دسته بندی مشتریان بیمه با استفاده از داده کاوی
حوزه های تخصصی:
امروزه نقش مشتریان از حالت پیروی از تولیدکننده، به هدایت تولیدکنندگان مبدل گشته است، به همین دلیل دسته بندی مشتریان، در هدفمند ساختن سازمان ها در سفارشی سازی خدمات شان و نیز الویت بندی محصولات براساس میزان سودآوری آن محصول کمک شایانی میکند. روش داده کاوی برای دستیابی به قوانین تصمیم گیری و مدل پیش بینی رفتار مشتریان آتی در کیی از شرکت های بیمه استفاده شده است. در اجرای روش دسته بندی در داده کاوی، دو تکنیک درخت تصمیم و شبکه های عصبی در یکی از شرکت های بیمة خصوصی به کاررفته است. هدف این پژوهش استفاده از روش شبکه های عصبی و تکنیک درخت تصمیم به منظور دسته بندی مشتریان بیمه و درنهایت ارزیابی نتایج به دست آمده است. به منظور ارزیابی مدل ها، نتایج حاصل از دو مدل را مقایسه کردیم که تطابق آنها نشان دهندة صحت عملکرد مدل هاست. البته بررسی ها نشان داده اند که روش درخت تصمیم نتایج بهتری را دربرداشته است و این بدان معنی است که روش درخت تصمیم، روش مناسب تری برای دسته بندی مشتریان بیمه ایجاد میکند. همچنین نتایج به دست آمده از این تحقیق، توسط خبرگان صنعت بیمه تأیید و نظرات آنها به شکل توضیحی از مشخصه ها یا متغیرهای ورودی تحقیق ارائه شده است.
چارچوبی جهت بررسی تأثیر تصمیم گیرندگان سازمانی بر موفقیت فرآیند داده کاوی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
امروزه تحقیقات کمی به ارزیابی طرح های داده کاوی در زمینه حل مشکلات سازمانی پرداخته اند. یک داده کاو موفق به دنبال حل یک مسأله تجاری تعریف شده است. برای اینکه نتایج داده کاوی، کاربردی و در عمل قابل -استفاده باشد، داده کاو باید این نتایج را برای افراد اهل کسب و کار شرح دهد. فرآیند تعاملی بین داده کاو و افراد درون حوزه کسب و کار، در واقع یک فرآیند تسهیم دانش است. در این تحقیق با ارائه یک چارچوب، تأثیر تصمیم گیرندگان سازمانی بر فرآیند و نتایج داده کاوی بررسی گردید. با بررسی مبانی نظری موضوع، عوامل حیاتی موفقیت طرح های داده کاوی شناسایی شد و نقش تصمیم گیرندگان سازمانی در هر یک از گام های داده کاوی مورد بررسی قرار گرفت. سپس، چارچوب مفهومی تأثیر تصمیم گیرندگان سازمانی بر موفقیت فرآیند داده کاوی تدوین شد. براساس نظرات خبرگان، چارچوب پیشنهادی مورد تجزیه و تحلیل قرار گرفت و در نهایت، چارچوب نهایی تأثیر تصمیم گیرندگان سازمانی بر موفقیت فرآیند داده کاوی ارائه گردید. تحلیل نظرات خبرگان نشان داد که با تسهیم دانش نتایج داده کاوی با تصمیم گیرندگان سازمانی، «یادگیری در عمل» و «اقدام یا درونی سازی» و «یادگیری زدایی (اجرا کردن)»، به عنوان عوامل موفقیت طرح های داده کاوی حاصل می شوند. همچنین، نتایج بررسی اهمیت بازخورد تصمیم گیرندگان بر روی گام های داده کاوی نشان داد که گرفتن بازخورد از تصمیم گیرندگان می تواند بیشترین تأثیر را بر روی گام «استخراج دانش و نمایش مدل» و کمترین تأثیر را بر گام «پاک سازی و پیش پردازش داده» داشته باشد.
استفاده از روش های داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه بدنه اتومبیل(مقاله علمی وزارت علوم)
منبع:
پژهشنامه پردازش و مدیریت اطلاعات (علوم و فناوری اطلاعات سابق) دوره ۲۷ بهار ۱۳۹۱ شماره ۳ (پیاپی ۶۹)
حوزه های تخصصی:
: امروزه، نقش مشتریان از حالت پیروی از تولیدکننده، به هدایت سرمایه گذاران، تولیدکنندگان و حتی پژوهشگران و نوآوران مبدل گشته است، به همین دلیل سازمان ها نیاز دارند مشتریان خود را بشناسند و برای آنان برنامه-ریزی کنند. تاکنون از برخی روش های آماری و یادگیری ماشینی برای این منظور استفاده شده است که البته این روش ها به تنهایی دارای محدودیت هایی هستند که در این پژوهش سعی شده است تا با بهره گیری از روش های مختلف داده کاوی تا حد ممکن این محدودیت ها از بین برده و برطبق آن، چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارائه شود. درواقع، هدف این است تا مشتریانی را که بیشتر به یکدیگر شبیه هستند دسته بندی و با استفاده از این دسته ها و ویژگی های آن، میزان خطرپذیری هر دسته را پیش بینی کرد. حال با استفاده از این معیار (میزان خطرپذیری هر دسته) و نوع بیمه نامه مشتری می-توان میزان خسارت او را پیش بینی کرد که این معیار می تواند کمک شایانی برای شناسایی مشتریان و سیاستگذاری های تعرفه بیمه نامه باشد. برای این منظور، از دو روش داده کاوی4، درخت تصمیم و خوشه بندی برای ایجاد مدل پیش بینی خطرپذیری مشتریان در صنعت بیمه استفاده شده است. البته فنّ درخت تصمیم برای این منظور نتایج بهتری را به دست آورده است، ولی فنّ خوشه بندی نیز تفکیک خوبی میان مشتریان ایجاد می کند.
طبقه بندی نیازهای مشتریان و تجزیه و تحلیل رفتار آنها با استفاده از الگوی تلفیقی کانو و قوانین انجمنی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف از این مقاله، ارائه الگوی تلفیقی از مدل کانو و قوانین انجمنی به منظور طبقه بندی نیازهای مشتریان و تجزیه و تحلیل رفتار آنها است. جامعه آماری این تحقیق شامل مشتریان بانک سامان قم بوده ، پس از نمونه گیری تصادفی ساده، تعداد 144 پرسشنامه برای تجزیه و تحلیل داده ها استفاده شده است. در این تحقیق، بعد از جمع آوری داده ها، نیازهای مشتریان به وسیله مدل کانو طبقه بندی و در ادامه به وسیله قوانین انجمنی، ارتباط میان ویژگی های جمعیت شناختی مشتریان و نتایج حاصل شده از مدل کانو، مشخص شده است. یافته های تحقیق نشان می دهد که ویژگی های جمعیت شناختی مشتریان به طور آشکاری بر نوع نیازهای آنها تاثیر گذاشته است. نتایج حاصل از این تحقیق می تواند به شکل مؤثری در تدوین استراتژی های بازاریابی به منظور جلب رضایت مشتریان و همچنین در بخش بندی بازار استفاده شود .
شناسایی تقلب در بیمة اتومبیل بااستفاده از روش های دادهکاوی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تقلب های بیمه ای از مسائل مهم و خسارت زا برای شرکت های بیمه و بیمه گذاران، در تمام رشته های بیمه ای است. یکی از راه های شناسایی تقلب در خسارت های اعلام شده، استفاده از اطلاعات تقلب های کشف شده در گذشته است. امروزه روش های داده کاوی به طور گسترده در کشف الگوها در داده ها استفاده می شوند. استفاده از این روش ها میتواند در شناسایی خسارت های تقلبی در صنعت بیمه مفید باشد. در این مقاله ضمن بررسی روش های رایج برای شناسایی تقلب در بیمة اتومبیل از سه روش داده کاوی رگرسیون لجستیک، بیز ساده و درخت تصمیم برای پیداکردن الگوهایی استفاده شده است که به شرکت های بیمه در شناسایی تقلب ها در بیمه اتومبیل کمک می کنند. همچنین در یک مطالعة تجربی این روش ها بر روی داده های واقعی (شامل اطلاعات 72 پروندة خسارت بیمه نامه های شخص ثالث و بدنة اتومبیل) آزمایش و کارایی هر روش سنجیده شد. روش بیز ساده با دقت 28/90 درصد در شناسایی صحیح جعلی یا غیرجعلیبودن پرونده های خسارت بهترین کارایی را در مقایسه با دو روش درخت تصمیم با دقت 9/88 درصد و رگرسیون لجستیک با دقت 1/86 درصد داشت.
طبقه بندی میزان ریسک بیمه گذاران بیمه بدنه خودروبا استفاده از الگوریتم های داده کاوی (مورد مطالعه: یک شرکت بیمه)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
شرکت های بیمه به عنوان یکی از نهادهای مالی تأثیرگذار در اقتصاد و جامعه لازم است به ابزارهای تحلیل ریسک قدرتمندی دسترسی داشته باشند تا بتوانند ریسک دریافتی را به خوبی مدیریت کنند. نتایج حاصل از تحلیل ریسک می تواند از طرق مختلفی نظیر قیمت گذاری محصولات و بازاریابی و شناسایی مشتریان هدف برای مدیریت ریسک اعمال شود. به همین دلیل استفاده از ابزار داده کاوی می تواند در سنجش و پیش بینی ریسک بیمه گذاران، باتوجه به این تجارب، بسیار راه گشا باشد. هدف این مقاله طبقه بندی بیمه گذاران بیمه بدنه شرکت بیمه به لحاظ ریسک دریافت یا عدم دریافت خسارت طی دوره بیمه است. در ابتدا داده های مورد نیاز مشتریان طی یک دوره مشخص، جمع آوری شده و سپس فرایند پیش پردازش داده ها و شناسایی متغیرهای الگوریتم های مختلف طبقه بندی، روی داده های نهایی اعمال شده و نتایج این الگوریتم ها به لحاظ صحت پیش بینی با یکدیگر مقایسه شده است. درنهایت الگوریتم C5 که بالاترین میزان صحت را در پیش بینی ریسک مشتریان دارد به عنوان الگوریتم پیشنهادی به شرکت بیمه مورد مطالعه ارائه گردیده است.
بخش بندی مشتریان بانک صادرات ایران با استفاده از داده کاوی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
امروزه یکی از چالش های بزرگ سازمان های مشتری محور، شناخت مشتریان، ایجاد تمایز بین گروه های مختلف مشتریان و رتبه بندی آنهاست. در گذشته تفکیک مشتریان به گروه های مختلف با رویکرد بخش بندی بر اساس نیاز مشتری صورت می گرفت. اما امروزه ارزش مشتری به عنوان عامل قابل اندازه گیریمی تواند در بخش بندی مشتریان به کار رود. هدف اصلی این مقاله بخش بندی مشتریان بانک بر اساس عوامل مؤثر بر ارزش طول عمر مشتریان در حیطه بانکداری خرد است. در راستای این هدف اطلاعات تراکنشی و اطلاعات استفاده از خدمات بانکی مربوط به 30,000 مشتری بانک صادرات ایران در دوره زمانی یک ساله (از فروردین 89 تا فروردین 90) دریافت شد. مشتریان نمونه بر اساس تحلیل آر اف ام و از طریق اطلاعات تراکنشی (تاریخ آخرین تراکنش، تعداد تراکنش ها در بازه زمانی یک ساله و مانده حساب در انتهای این بازه زمانی) با استفاده از الگوریتم two step خوشه بندی شدند. سپس کشف الگوهای پنهان بین داده های استفاده از خدمات بانکداری و بخش های مختلف مشتریان با استفاده از الگوریتم C5.0 انجام گرفت. طبق نتایج به دست آمده، مشتریان به چهار بخش تفکیک شدند و ویژگی های هریک از بخش ها مورد بررسی و تجزیه و تحلیل قرار گرفت. نتایج به دست آمده از این پژوهش می تواند برای تدوین برنامه های بازاریابی و توسعه و پیشنهاد محصول و خدمات برای هر یک از گروه های مشتریان به کار رود.
تکنیک داده کاوی و کاربرد آن در مطالعات اجتماعی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
این مقاله بر موضوع داده کاوی متمرکز است. داده کاوی فرآیندی پیچیده جهت شناسایی الگوها و مدل های صحیح، جدید و به صورت بالقوه مفید، در حجم وسیعی از داده ها است، به طریقی که این الگوها و مدلها برای انسانها قابل درک باشند. داده کاوی که تا حدودی هم کشف دانش نامیده می شود، فرایند تحلیل داده ها از دیدگاههای متفاوت و خلاصه کردن آنها به اطلاعات مناسب می باشد. اطلاعاتی که می تواند در افزایش سوددهی و تقلیل هزینه ها مفید باشد. این مقاله بر اساس اسناد و مدارک(روش کتابخانه ای) و اطلاعات حاصل از مطالعات انجام شده انجام گرفت. قابل ذکر است که برای بسط بسیاری از مطالب هم از داده های موجود استفاده شد ولی در کل روش غالب در این مطالعه توصیفی و کتابخانه ای بود. در مقاله حاضر پس از ارائه خلاصه ای از تفاوت های میان روش های آماری و داده کاوی، به زمینه های استفاده از داده کاوی، استفاده کنندگان، مراحل انجام داده کاوی و روش های استفاده از داده کاوی و همچنین محدودیت های آن اشاره شده است.
پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از درخت تصمیم و رگرسیون لجستیک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف اصلی این مقاله پیش بینی ورشکستگی اقتصادی شرکت ها در بورس اوراق بهادار تهران با استفاده از درخت تصمیم (CART) و رگرسیون لجستیک است که از تکنیک های داده کاوی هستند و می توانند به امر پیش بینی کمک کنند. نسبت های مالی به عنوان متغیرهای مستقل و شرکت های سالم و ورشکسته به عنوان متغیر وابسته پژوهش استفاده شده است. جامعه آماری اطلاعات صورت های مالی شرکت ها در بورس اوراق بهادار تهران طی سال های 1378تا 1389 است. در این پژوهش از نمونه گیری استفاده نشده است و شرکت ها شامل دو گروه سالم و ورشکسته است گروه ورشکسته بر مبنای ماده 141 قانون تجارت و زیان خالص انتخاب شده اند و گروه غیر ورشکسته بر اساس معیار سود دهی انتخاب شده اند. یافته های تحقیق حاکی از آن است که هر دو مدل درخت تصمیم و رگرسیون لجستیک توانایی پیش بینی ورشکستگی را با دقت های متفاوت دارا هستند و سطح زیر منحنی ROC در مدل رگرسیون لجستیک بیشتر از مدل درخت تصمیم است و از عملکرد بهتری برخوردار است.
مدل به کارگیری تکنیک های داده کاوی در شناسایی، بخش بندی و تحلیل رفتار مشتریان خدمات بانکداری الکترونیکی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
بانک ها به منظور ارائه خدمات الکترونیکی به مشتریان خود نیازمند شناسایی و تحلیل رفتار آن ها هستند. تکنیک های داده کاوی می توانند در حجم زیاد داده های مشتریان به کسب دانش نهان برای پشتیبانی از تصمیمات بازاریابی کمک کنند. مسئله اصلی، چگونگی به کارگیری تکنیک های داده کاوی و مدل تحلیل RFM در شناسایی و تحلیل رفتار مشتریان در بخش بندی و طبقه بندی و انتخاب گروه هایی از مشتریان ارزشمند است. مدل پیشنهادی در این مقاله بر مبنای فرایند استاندارد CRISP در داده کاوی بوده و در آن بعد از آماده سازی و پیش پردازش داده ها، دو رویکرد مطرح می شود. 1. بخش بندی مشتریان به کمک خوشه بندی و محاسبه ارزش هر مشتری در خوشه ها و رتبه بندی آن ها برای پیدا کردن ارزشمندترین خوشه ها. 2. امتیازدهی وتعیین ارزش مشتری به عنوان ویژگی هدف در ساخت مدل های طبقه بندی میزان ارزش مشتریان. از مجموعه داده جمعیت شناختی و تراکنشی مشتریان برای آموزش و تست مدل پیشنهادی استفاده شد. نتایج نشان می دهد که به کارگیری مدل پیشنهادی می تواند مشتریان را بر اساس رفتار آن ها شناسایی و تحلیل نموده و به بخش بندی و طبقه بندی آن ها بپردازد تا پشتیبانی از تصمیمات برنامه های بازاریابی و ارتقا آن انجام شود.
خوشه بندی مشتریان به منظور تدوین استراتژی تخفیف دهی ، مطالعه موردی شرکت کدبانو(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در طی سال های گذشته تعامل شرکت ها با مشتریانشان به طور قابل توجهی تغییر کرده است به طوری که تداوم کسب و کار با مشتری تضمین بلند مدت ندارد. به همین دلیل برای موفقیت یک سازمان لازم است سازمان ها نیازهای مشتریان خود را به درستی درک کرده؛ خواسته های آنها را پیش بینی کنند و با مجهز شدن به این دانش، استراتژیها و برنامه های فروش و بازاریابی خود را بهبود بخشند. یکی از راه های شناخت مشتریان، از طریق خوشه بندی آنها و شناخت ویژگی های هر خوشه است. هدف پژوهش حاضر شناخت انواع مشتریان یک شرکت صنایع غذائی (شرکت کدبانو) و خوشه بندی آنها می باشد. با خوشه بندی مشتریان و برچسب گذاری آنها می توان استراتژی های تخفیف دهی متمایزی برای هر خوشه در نظر گرفت. در این پژوهش برای خوشه بندی مشتریان از دو معیار ارزش گذاری LRFM و RFM استفاده شده است و با استفاده از شاخص های ارزیابی دان و SSE به مقایسه خوشه های بدست آمده از هر مدل پرداخته شد. طبق یافته های پژوهش، با توجه به نتایج شاخص های ارزیابی دان و SSE، خوشه بندی حاصل از معیار ارزشیابی RFM مورد تائید قرار گرفت و تعداد خوشه بهینه هشت عدد تعیین شد. خوشه های به دست آمده برچسب گذاری و تجزیه وتحلیل شده و از طریق مصاحبه های انجام شده استراتژی مناسب تخفیف دهی برای هر خوشه استخراج شده است.
دیداری کردن نتایج جست وجو در فرایند بازیابی اطلاعات(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف: هدف این پژوهش، مطالعه تأثیر و کاربردهای دیداری کردن (مصورسازی) اطلاعات در ارتباط با بازیابی آن است تا به این وسیله بتوان به بهینه ساختن فرایند بازیابی اطلاعات یاری رساند. در این پژوهش نقش دیداری کردن در کاربرد راهبردهای جست وجو مورد بررسی قرار گرفته و تأثیر آن در ارائه مناسب نتایج کاوش مشخص شده است.
روش: روش انجام این پژوهش مطالعه کتابخانهای (سندی) است.
یافته ها: نتایج پژوهش نشان می دهد که داده کاوی دیداری می تواند داده های نامتجانس را به خوبی تعیین کرده و بدون نیاز به الگوریتم های پیچیده، به بازیابی اطلاعات سودمند منجر شود. همچنین دیداری کردن با تعاملی که با راهبردهای متعدد جست وجو برقرار می سازد می تواند باعث دسترسی مناسب تر به اطلاعات شود. از سوی دیگر، مشخص شد که روش های دیداری کردن با تکیه بر رابط کاربر مناسب به بازیابی بهینه اطلاعات منجر می شود. علاوه بر آن، دیداری کردن تا حد قابل ملاحظه ای می تواند مشکلات مربوط به جامعیت و مانعیت بازیابی را کاهش دهد. دیداری کردن در تعامل با عوامل انسانی دارای مشکلاتی است که عوامل مهم آن عبارتند از: دانش جست وجوکننده، نحوه ارتباط میان جست وجوکننده و فراهم آورنده اطلاعات، و تشویش کاوشگر در هنگام جست وجو.
اصالت/ارزش: مصورسازی اطلاعات در متون علوم رایانه مورد بحث قرار گرفته است، ولی تعداد اندکی از پژوهش ها به تبیین انتظارات مورد نظر کتابداران پرداخته است. مقاله حاضر با مرور مباحث مربوط، سعی دارد مطالعات این حوزه را توسعه دهد.
متن کاوی موضوعی رایانه ای قرآن کریم، برای کشف ارتباطات معنایی میان آیات، بر مبنای تفسیر المیزان(مقاله پژوهشی حوزه)
حوزه های تخصصی:
متن کاوی موضوعی قرآن کریم، رویکردی جدید در «پردازش ارتباطات معنایی» میان آیات قرآن کریم است، که با استفاده از ابزارهای داده کاوی رایانه ای به این کاوش می پردازد. با استفاده از مبانی تفسیری علامه طباطبایی در نگاه موضوعی و نگاه غایت محور، یک پیکرة موضوعی از آیات قرآن تشکیل دادیم که شامل بخشی تفسیری (برای ارزیابی نتایج) و بخشی تشخیصی (با کدگذاری موضوعی آیات برای ورود به الگوریتم های رایانه ای) است. موضوعات این پیکره ، مبتنی بر بیان علامه در مقدمة المیزان، شامل هفت موضوع ذیل است که با نظمی توحیدی، نظام معنایی جامعی را تشکیل می دهند: ذات و اسماء الهی، وسایط الهی، افعال الهی، انسان قبل از دنیا، انسان در دنیا، انسان بعد از دنیا، هدایت انسان به سوی خدا (با ولایت توحیدی، اوصاف اخلاقی و احکام شرعی).
برای اثبات معنادار بودن طرح متن کاوی موضوعی، آن را بر سورة «حج ر» (در مدل سوره)، و آیات تفسیری مرتبط با آیة 21 حجر (در مدل آیات مرتبط) اجرا نمودیم، و در ده آزمون داده کاوی برخی ارتباطات معنایی را کشف کردیم، که به دلیل محدودیت گنجایش مقاله، تنها نتیجة معنادار سه آزمون مطرح شده است.
طراحی مدلی جهت پیش بینی رتبه اعتباری مشتریان بانکها با استفاده از الگوریتم فراابتکاری و هیبریدی چند معیاره شبکه عصبی فازی – کلونی مورچگان ( مطالعه موردی شعب پست بانک استان تهران)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
همواره موسسات مالی و اعتباری برای آنکه بتوانند حداکثر سود حاصل از سرمایه گذاری های خود را دریافت دارند، بدنبال پالایش، جذب و نگهداشت بهترین سرمایه گذاران، مشاوران، مشتریان و قرض-گیرندگان بوده اند. بااین وجود، علوم مختلف سعی نموده اندروشهای دقیقی برای تفکیک مشتریان ارایه نمایند. از همین رو علومی مانند روانشناسی تا علوم مدیریت، ریاضیات، مالی و ... درصدد تحقق این هدف برآمده اند. آنچه که دراین پژوهش بدان اشاره خواهد شد ضرورت استفاده از روشهای نوین داده-کاوی در ترکیب با روشهای هوش مصنوعی جهت فائق آمدن بر پیچیدیگی های مسئله است و پاسخ به این سوال که آیا روش ترکیبی استفاده شده به خوبی رتبه اعتباری مشتریان را پیش بینی می کند؛ این امر در حالی رخ می دهد که نباید بُعد دیگری از مسئله را که همانا انتخاب مهمترین عوامل سنجش (معیارها) هستند را فراموش نمود و در این راستا ازقضاوت خبرگان و تحلیل های ناپارامتری ( آزاد توزیع) به منظور رتبه بندی معیارها استفاده گردیده است که نهایت با انتخاب تعدادی از شاخصها به منظور پیاده سازی مدل ترکیبی به این سوال پاسخ داده خواهد شد که آیا نظر خبرگان در انتخاب معیارها منتج به پیش بینی مناسبی از وضعیت اعتباری مشتریان می گردد. سه شاخص "" سن"" ، "" سابقه ارتباط با بانک ( مدت حساب)"" و "" میزان اعتبار"" برای پیاده سازی مدل ترکبی عصبی فازیانتخاب گردید. و نتایج بیانگر آن می باشد که 89.67درصد از مواقع این سیستم می تواندتخمین درستی نسبت به رتبه اعتباری مشتریان ارائه دهد..
داده کاوی گردش های جوی برای بررسی نقش الگوهای بندالی در ایجاد بارش های شمال شرق ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
بررسی نقش الگوی بندالی در وقوع بارش های شمال شرق ایران، هدف اصلی مطالعه ی پیش رو است. برای این کار از میان داده های روزانه ی بارش 20 ایستگاه همدیدی، اقلیمی و باران سنجی منطقه ی مورد مطالعه، رخدادهای بارشی با شدّت متوسّط و زیاد بر اساس معیار تعیین شده، بین دوره ی زمانی 11 ساله (1995- 2005) شناسایی و ویژگی های آنها در مقیاس های زمانی متفاوت بررسی شد. در ادامه با استفاده از داده های ارتفاع ژئوپتانسیل سطح 500 هکتوپاسکال، گردش های جوّی در دو مقیاس همدید و نیمکره ای، به ترتیب با دو روش چشمی و کمّی شناسایی و ویژگی های آماری آنها با استفاده از روش های آماری استخراج و تجزیه و تحلیل شدند. واکاوی آماری گردش های جوّی در مقیاس همدید، بازگو کننده ی این واقعیّت است که (مطابق انتظار)، تنها الگوی همدیدی هم زمان با بارش های شمال شرق کشور خواه شدید و خواه متوسّط الگوی ناوه بادهای غربی است. نتایج حاصل از تفکیک الگوی بندالی از گردش های جوّی دیگر بر اساس روش کمّی مربوطه و مطالعه ی ویژگی های آماری آنها نیز، بر نقش انکارنکردنی الگوهای بندالی در ایجاد بیش از نیمی از (کمابیش 65 درصد) رخداد های بارشی منطقه (شامل بارش متوسّط و شدید) از طریق تأثیر در ایجاد و مکان گزینی الگوی همدیدی یادشده تأکید دارد. از نظر توزیع مکانی، الگوی بندالی اطلس و غرب اروپا دارای بیشترین فراوانی در هم زمانی با بارش های شدید و متوسّط است. از نظر توزیع زمانی نیز، عمده فعّالیّت الگوهای بندالی، به بارش شدید در اواخر دوره ی سرد سال و فصل بهار منجر شده، در حالی که الگوهای بندالی هم زمان با بارش متوسّط به طور عمده در دوره ی سرد سال رخ می دهند.