مطالب مرتبط با کلیدواژه

داده کاوی


۱۶۱.

ارزیابی مالیات عملکرد شرکت ها و تحلیل روندهای مالیاتی با استفاده از الگوریتم های داده کاوی(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۷ پاییز و زمستان ۱۳۹۴ شماره ۲ 219 - 238

کلیدواژه‌ها: ارزیابی مالیاتی خوشه بندی پیش بینی تحلیل روند داده کاوی

حوزه های تخصصی:
تعداد بازدید : ۴۱۰ تعداد دانلود : ۱۳۱
همواره فاصله قابل توجهی میان مالیات ابرازی شرکت ها و مالیات تشخیصی آن ها وجود دارد که منجر به عدم رعایت عدالت میان مؤدیان شده است. یکی از علت های دشواربودن رعایت عدالت، شناسایی مؤدیان بر مبنای رفتار مالیاتی و برخورد مناسب با آ ن هاست. هدف اصلی پژوهش حاضر طراحی سیستم پیش بینی و تحلیل رفتار مالیاتی شرکت هاست. این سیستم کمک می کند تا با بهره گیری از متغیرهای کلیدی ارزیابی عملکرد مالیاتی، رفتار مالیاتی شرکت ها شناسایی و تحلیل شود. این سیستم برای سازمان امور مالیاتی کشور به منظور ارزیابی ریسک مالیاتی شرکت ها طراحی شده است و بر مبنای آن، ریسک مالیاتی شرکت ها به سه گروه پرریسک، با ریسک مالیاتی متوسط و کم ریسک تقسیم بندی شده است. همچنین، به کمک الگوریتم های خوشه بندی و طبقه بندی، خوشه های مالیاتی مشتریان شناسایی و درخت تصمیمی با دقت 80% طراحی شد که رفتار مالیاتی هر یک از خوشه ها را بررسی و تحلیل می کند و با اضافه شدن شرکت های جدید به فهرست شرکت های مالیات دهنده، رفتار مالیاتی آن ها را نیز پیش بینی می نماید.
۱۶۲.

پیش بینی خرابی ماشین ابزار ساختمان سازی با استفاده از تکنیکهای Data Mining ( کشف دانش در پایگاه داده ها KDD (knowledge discovery in databases)

نویسنده:
منبع: پژوهش های مدیریت در جهان اسلام سال سوم تابستان ۱۴۰۰ شماره ۷ 129-168

کلیدواژه‌ها: تکنیک های داده کاوی شبکه عصبی مصنوعی رگرسیون و درخت تصمیم ماشین ابزار نگهداری و تعمیرات درخت تصمیم داده کاوی خرابی ماشین آلات

حوزه های تخصصی:
تعداد بازدید : ۳۱۹ تعداد دانلود : ۱۴۲
داده کاوی در واقع یک روش است، یک روش که قرار است به واسطه آن مسئله ای حل شود. این روش بر روی حجم زیادی از داده ها کار می کند و تحلیل مورد نیاز را انجام می دهد، در نهایت یک سری الگوهای تکرارشونده استخراج می شود که می تواند برگ برنده باشد. سپس نوبت به پیدا کردن ارتباطات بین الگوهای مختلف است و در نهایت یک سری راه حل های مهم در این چالش وارد می شوند.ابزار ها ، دستگاه ها و تجهیزات گوناگون در شرکت ها، همواره به عنوان یکی از مهم ترین سرمایه های کارخانه ها به شمار می آید؛ بنابراین با توجه به اینکه هزینه های خرید، نت (نگهداری و تعمیرات) تجهیزات بسیار گران و پرهزینه است و بخش عمده ای از سرمایه ثابت و هزینه های عملیاتی شرکت ها را تشکیل می دهند؛ طبیعی است که یکی از دغدغه های اساسی برای مدیران ارشد در چگونگی به کارگیری و نگهداری بهینه این تجهیزات باشد.تحقیق حاضر (پیش بینی خرابی ماشین ابزار ساختمان سازی با استفاده از تکنیکهای داده کاوی ) به دنبال پیش بینی خرابی ماشین ابزار ساختمان سازی با استفاده از تکنیکهای داده کاوی بود. برای اینکار اطلاعات 50 ماشین ابزار به عنوان نمونه آماری در مدت زمانی مشخص جمع اوری گردید و مورد تجزیه و تحلیل قرار گرفت.در این تحقیق با استفاده از سه تکنیک شبکه عصبی مصنوعی، رگرسیون و درخت تصمیم به پیش بینی زمان خرابی تجهیزات ساختمانی پرداخته شد. متغیرهای ورودی شامل نوع خرابی، تعداد ساعات خرابی، زمان توقف، فاصله بین خرابیها،زمان تعمیر به ساعت و زمان خرابی دستگاه بود. با استفاده از تکنیک شبکه عصبی معادله رگرسیونی یافته شد که با فاصله تقریبا زیاد تغییرات در متغیر وابسته را پیش بینی می کرد. ضریب تعیین بدست آمده برای کل شبکه عصبی مقدار 18 درصد را نشان می دهد که اعتبار بالائی را نشان نمی داد. در بخش درخت تصمیم با استفاده از ند و شاخه و برگ درخت تصمیمی بدست آمد که شرایط را با توجه به مقادیر هریک از متغیرهای تصمیم نشان می داد. در بخش رگرسیون ضریب تعیین 0.98 بدست آمد که نشانگر اعتبار بالای مدل رگرسیون بود ضمن اینکه آماره F و تحلیل واریانس نشانگر معنی داری کلی مدل رگرسیون بود اما زمانی که ضرائب رگرسیون بدست می آید دو متغیر X3 و X5 به دلیل آنکه سطح معنی داری آنها بیش از 0.05 بود و این نشان می داد که آنها در سطح اطمینان 95 درصد بی معنی بودند لذا از مدل خارج شده و صرفا سه متغیر X1و X2 و X4 در معادله رگرسیون قرار داده شدند. نتیجه حاصل نشانگر فاصله بسیار کم بین مدل رگرسیون با حذف دو متغیر x3 و x5 بود و می توان گفت مدل رگرسیون در این تحقیق بهتر می تواند پیشگوی زمان خرابی تجهیزات باشد.
۱۶۳.

بخش بندی مشتریان صنایع تولید و پخش کالاهای پرگردش بر اساس مدل بهبود یافته RFM (مطالعه موردی: شرکت گلستان)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت بازرگانی دوره ۷ بهار ۱۳۹۴ شماره ۱ 23 - 42

کلیدواژه‌ها: بخش بندی مشتریان داده کاوی صنایع تولید و توزیع کالاهای پرگردش مدل RFM

حوزه های تخصصی:
تعداد بازدید : ۲۳۸ تعداد دانلود : ۱۱۲
بخش بندی مشتریان و تحلیل رفتار آنها در صنایع تولید و پخش کالاهای پرگردش، با تعداد کثیری از مشتریان متفاوت در نقاط پراکنده، سبب هدفمندشدن فعالیت های بازاریابی و ارتباط مؤثر آنها با مشتریان می شود. بخش بندی مشتریان از رویکردهای داده کاوی که به کشف گروه های مشابه از مشتریان منجر می شود، عمدتاً براساس متغیرهای تازگی، تکرار و حجم خرید در مدل RFM انجام می شود. کیفیت بخش بندی، به انتخاب مناسب متغیرهای عملکردی مشتریان بستگی دارد. ارزیابی کیفیت بخش بندی مشتریان بزرگ ترین شرکت تولید و پخش کالاهای پرگردش، مؤید فرضیه تأثیرگذاری اندک متغیر تازگی خرید بر بخش بندی مشتریان این صنایع است. در این مقاله، متغیر توالی خرید (C) به عنوان متغیر عملکردی مشتریان در این صنایع معرفی شده و با جایگزینی آن با متغیر تازگی خرید در مدل RFM، کیفیت بخش بندی مشتریان در این صنایع بهبود داده شده است. کاهش 11 درصدی شاخص دیویس- بولدین در خوشه بندی مشتریان شرکت گلستان و افزایش 1 درصدی دقت پیش بینی خوشه مشتریان در مدل شبکه های عصبی براساس مدل پیشنهادی این تحقیق (CFM) در مقایسه با مدل RFM، بیانگر دقت بالاتر مدل CFM است.
۱۶۴.

تحلیل تغییرات ساختاری بخش های مشتریان با روش ترکیبی خوشه بندی و قوانین انجمنی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت بازرگانی دوره ۷ پاییز ۱۳۹۴ شماره ۳ 515 - 542

کلیدواژه‌ها: بخش بندی مشتری تغییرات ساختاری بخش ها خوشه بندی داده کاوی قوانین باهم آیی

حوزه های تخصصی:
تعداد بازدید : ۲۵۲ تعداد دانلود : ۱۲۱
بخش بندی مشتریان یکی از مباحث اصلی و کلیدی در مطالعات مدیریت ارتباط با مشتری محسوب می شود. یکی از چالش های مهم در بخش بندی مشتریان، ناپایداری و تغییرات بخش های مشتریان در طول زمان است. تغییرات بخش ها را می توان در دو دسته تغییرات محتوایی و ساختاری دسته بندی کرد. این پژوهش بر تغییرات ساختاری بخش ها که اهمیت زیادی دارد، تمرکز کرده است. به منظور تحلیل تغییرات ساختاری بخش ها و توصیف چگونگی این تغییرات، روش ترکیبی جدیدی مبتنی بر روش های خوشه بندی و قوانین باهم آیی ارائه شده و در داده های یکی از سرویس دهنده های معتبر خدمات مخابراتی ایران به کار گرفته شده است. براساس نتایج، تغییرات ساختاری در قالب دو دسته تغییرات دوره ای و تغییرات دارای روند دسته بندی و بررسی شده است. نتایج بیانگر آن است که روند رو به رشدی در ایجاد بخش جدید در این شرکت شکل گرفته است. نتایج، مدیران بازاریابی را به سمت دانش مفیدی برای ارائه کاراتر تصمیم های بازاریابی هدایت می کند.
۱۶۵.

بخش بندی دوهدفه مشتریان با استفاده از داده کاوی (مورد مطالعه: شرکت سیما چوب)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت بازرگانی دوره ۷ زمستان ۱۳۹۴ شماره ۴ 841 - 864

کلیدواژه‌ها: الگوریتم های فراابتکاری چندهدفه بخش بندی مشتریان داده کاوی

حوزه های تخصصی:
تعداد بازدید : ۱۷۳ تعداد دانلود : ۱۱۴
در بازارهای رقابتی امروزی، با گرایش شرکت ها به سمت مشتری مداری، مدیریت ارتباط با مشتری نیز پیچیده تر شده است. پرسش اصلی مطرح در این زمینه، چگونگی شناسایی مشتریان کلیدی و سودآور شرکت است. به این منظور، شرکت ها کوشیدند تا با بخش بندی مشتریان به گروه های مختلف براساس معیارهایی ویژه، ویژگی های رفتاری آنها را شناسایی و تحلیل کنند. با این کار زمینه ای مناسب برای تخصیص بهینه منابع محدود، به کارگیری راهبرد های مناسب بازاریابی و درنهایت مدیریت سودآوری در کنار مدیریت ارتباط با مشتری فراهم شد. رسالت تحقیق حاضر بخش بندی مشتریان شرکت سیماچوب با هدف به حداکثررساندن ارزش عمر مشتری برای شرکت در کنار سودمندی مشتری است؛ بنابراین، بعد از شناسایی و آماده سازی داده های مسئله با روش داده کاوی، مسئله با دو الگوریتم ژنتیک NSGAII و NRGA حل و سپس نتایج آن تحلیل می شود.
۱۶۶.

بخش بندی مشتریان صنعت دارو بر اساس مدل RFML(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت بازرگانی دوره ۸ زمستان ۱۳۹۵ شماره ۴ 861 - 884

کلیدواژه‌ها: بخش بندی مشتریان داده کاوی صنعت دارو مدل RFML

حوزه های تخصصی:
تعداد بازدید : ۳۲۷ تعداد دانلود : ۱۱۲
در صنعت دارو مدیران بازاریابی و فروش با حجم انبوهی از داده های فروش شرکت های پخش، به داروخانه های مشتری خود مواجه اند. یکی از روش هایی که به آنان در کنترل وضعیت بازار، رقابت با سایر رقبا، برنامه ریزی هر چه بهتر برای افزایش فروش محصولات خود و در نتیجه هدفمند کردن فعالیت های بازاریابی کمک خواهد کرد، آگاهی از بخش بندی های مختلف مشتریان و سیاست گذاری بازاریابی و فروش بر مبنای آن خواهد بود. هدف اصلی این مقاله، کمک به مدیران بازاریابی و فروش صنعت دارو، از طریق تعیین و تحلیل بخش های مختلف مشتریان و ارائه پیشنهاد های متناسب با هر بخش، به منظور حفظ و افزایش خرید آنان به کمک روش های داده کاوی است. در این تحقیق، بر اساس متغیرهای تازگی، تکرار، ارزش پولی و مدت زمان خرید در مدل RFML، داروخانه ها در خوشه های مختلف قرار گرفته و تحلیل شده اند. در نتیجه این بخش بندی، سه دسته داروخانه به نام های: داروخانه های کم خرید و کم سود، با میزان خرید و سود متوسط و وفادار و پُر سود از نظر روند فروش شناسایی شدند و بر اساس این بخش بندی، تحلیل های مربوط به آن ارائه شده است
۱۶۷.

کاربرد داده کاوی در شناسایی نقاط حادثه خیز در محور جاده هراز(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۹ تابستان ۱۳۹۶ شماره ۲ 329 - 352

کلیدواژه‌ها: جاده هراز چارچوب کریسپ خوشه بندی داده کاوی نقاط حادثه خیز

حوزه های تخصصی:
تعداد بازدید : ۳۰۰ تعداد دانلود : ۱۳۵
ایمنی عبور و مرور یکی از اصول اساسی مهندسی ترافیک و برنامه ریزی حمل و نقل است؛ به طوری که کشورهای توسعه یافته همگام با توسعه سایر بخش های مهندسی ترافیک به آن توجه کرده و با مطالعات و تمهیدات لازم تلاش می کنند که تصادف و پیامدهای ناشی از آن را به حداقل برسانند. تحقیق حاضر به بررسی کاربرد داده کاوی در شناسایی نقاط حادثه خیز پرداخته است. محدوده مطالعه 15 کیلومتر از جاده هراز است. داده ها از واحد فناوری اطلاعات پلیس راهور ناجا جمع آوری شد و با استفاده از روش داده کاوی و با بهره گیری از نرم افزار SPSS Modeler تجزیه و تحلیل شدند. نتایج نشان می دهد سه نقطه گزنک، محدوده تونل وانا و شنگلده جزء نقاط حادثه خیز این محدوده است. برای کاهش تصادف ها در این محور، پیشنهاد می شود اصلاح هندسی نقاط حادثه خیز و همچنین دوبانده کردن راه و در نظرگرفتن نور کافی، در دستور کار سازمان های مربوطه قرار گیرد.
۱۶۸.

تحلیل اهمیت- عملکرد ویژگی های خدمت بر پایه بخش بندی مشتریان با رویکرد داده کاوی (پژوهشی در بازار خدمات تلفن همراه در استان یزد)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۴ زمستان ۱۳۹۱ شماره ۴ (پیاپی ۱۳) 45 - 70

کلیدواژه‌ها: بخش بندی مشتریان تحلیل اهمیت- عملکرد خدمات تلفن همراه داده کاوی شبکه های عصبی مصنوعی نقشه های خودسازمانده

حوزه های تخصصی:
تعداد بازدید : ۲۶۲ تعداد دانلود : ۱۳۲
در سیستم های مدیریت ارتباط با مشتریان، اهمیت و عملکرد ویژگی های خدمت بسیار حائز اهمیت است. تحلیل اهمیتعملکرد ابزار مؤثری برای اولویت بندی ویژگی های خدمت بر پایه نیاز ها و انتظارهای مشتریان و همچنین شناسایی نقاط قوت و ضعف سازمان در بازار است. در این پژوهش با هدف افزایش اعتبار و کاربرد نتایج به دست آمده از تحلیل اهمیت-عملکرد، ابتدا مشتریان بر پایه ویژگی های جمعیت شناختی و همچنین ادراک شان از عملکرد ویژگی های خدمت بخش بندی می شوند سپس برای هر بخش به صورت جداگانه ماتریس اهمیت- عملکرد ارائه می شود. برای بخش بندی مشتریان از نقشه های خودسازمانده و برای محاسبه ی اهمیت ویژگی ها در هر بخش از شبکه ی عصبی پیشخور چندلایه استفاده شده است. یافته های پژوهش نشان می دهد، مشترکان تلفن همراه در استان یزد را می توان در سه بخش دسته بندی کرد. ماتریس اهمیت- عملکرد ویژگی های خدمت مختص هر یک از این بخش ها نیز شناسایی شده، بر پایه نتایج، پیشنهادهایی به شرکت های ارائه کننده خدمات تلفن همراه ارائه شده است.
۱۶۹.

کاوش پویایی مشتری در طراحی بخش بندی با استفاده از روش های داده کاوی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۶ بهار ۱۳۹۳ شماره ۱ 1 - 30

کلیدواژه‌ها: بخش بندی پویای مشتری خوشه بندی داده کاوی صنعت مخابرات

حوزه های تخصصی:
تعداد بازدید : ۲۲۳ تعداد دانلود : ۱۰۳
یکی از موضوعات مهم در مسئله بخش بندی پویای مشتریان، انتقال مشتریان به بخش های مختلف در طول زمان و کشف الگوهای حاکم بر این جابه جایی ها است. بر این اساس، این مقاله بر پویایی مشتری تمرکز کرده و تلاش می کند، گروه های رفتاری مشتریان و ویژگی های غالب این گروه ها و الگوهای کلی حاکم بر جابه جایی و مهاجرت مشتریان به بخش های مختلف را در طول زمان استخراج کند. برای این کار، روش ترکیبی جدیدی مبتنی بر الگوریتم K-means، روش های خوشه بندی سلسله مراتبی و قوانین انجمنی ارائه شده و در داده های واقعی یک شرکت مخابراتی به کار گرفته شده است. بر اساس نتایج به دست آمده، هفت گروه رفتاری متفاوت در انتقال مشتریان به بخش های مختلف وجود دارد. همچنین در رویکردی نوین، تلاش شده است تا تأثیر رفتار پویای مشتری در تغییرات بخش ها در طول زمان تبیین شود. در این راستا با ارائه رویکرد و مفاهیم جدیدی در خصوص پویایی رفتار مشتری و تأثیر آن در تغییرات ساختاری و محتوایی بخش ها، گروه بندی جدیدی از مشتریان در قالب مشتریان سازنده و تثبیت کننده ساختار، مشتریان پویای ساختار سازگار و مشتریان پویای ساختارشکن ارائه می شود.
۱۷۰.

طبقه بندی مشتریان اینترنت بانک با کمک الگوریتم های داده کاوی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۶ بهار ۱۳۹۳ شماره ۱ 71 - 90

کلیدواژه‌ها: استاندارد CRISP-DM بانکداری الکترونیک داده کاوی درختان تصمیم گیری طبقه بندی

حوزه های تخصصی:
تعداد بازدید : ۳۹۷ تعداد دانلود : ۱۱۷
طبقه بندی مشتریان با استفاده از الگوریتم های داده کاوی، بانک ها را قادر به حفظ و وفاداری مشتریان قدیم و جذب مشتریان جدید خواهد کرد. یکی از روش های داده کاوی، درخت تصمیم گیری است و چنانچه درخت تصمیم مناسبی ساخته شود، می توان مشتریان را به طور بهینه طبقه بندی کرد. در این نوشتار، یک مدل مناسب برای طبقه بندی مشتریان بر مبنای بهره گیری از خدمات اینترنت بانک ارائه شده است. این مدل بر اساس استاندارد CRISP-DM انجام گرفته و داده های مورد نیاز از پایگاه داده مشتریان اینترنت بانک سینا استخراج شده است. در میان سایر درختان تصمیم گیری، درخت تصمیم نهایی مبتنی بر معیارهای بهینگی و دقت بوده و براساس دسته بندی مشتریان در سه سطح بالا، متوسط و پایین، پیش بینی مشتریان جدیدی که متقاضی استفاده از اینترنت بانک هستند، شکل می گیرد. پژوهش پیش رو از نظر هدف، کاربردی و از نظر گردآوری داده ها، پژوهشی اسنادی به شمار می رود. قوانین استخراج شده مربوط به مشتریان، مدیران بانک ها را قادر می کند تا بر اساس الگوهای کشف شده سیاست گذاری کنند و درک بهتری از انتظارات کنونی و آتی مشتریان داشته باشند.
۱۷۱.

کشف و یادگیری پدیده های استثنایی با بکارگیری تئوری استثنائات و رضایتمندی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۷ زمستان ۱۳۹۴ شماره ۴ 825 - 844

کلیدواژه‌ها: تئوری استثنائات تئوری رضایتمندی داده کاوی یادگیری پایین به بالا

حوزه های تخصصی:
تعداد بازدید : ۳۳۵ تعداد دانلود : ۱۲۰
منطق یادگیری از استثنائات چالش مهمی در حیطه داده کاوی و کشف دانش است. در این پژوهش بر اساس تئوری استثنائات و رضایتمندی، الگویی نوین برای بهبود شایان توجه میزان اعتماد و اطمینان به کشف و یادگیری از استثنائات ارائه می شود. ابتدا به کمک رویکرد تلفیقی پیشنهادی بر اساس تئوری استثنائات، حدود رفتار نرمال و استثنایی داده ها مشخص می شود و پس از آن با به کارگیری تئوری رضایتمندی، راه حل های رضایت بخش به دست می آید. استخراج دانش از داده های نرمال و استثنایی به کمک رویکرد یادگیری پایین به بالا و به کارگیری الگوریتم پیشنهادی RISE ارتقایافته صورت می گیرد. به منظور تعیین کارایی الگوی پیشنهادی، کشف سهام استثنایی در پایگاه اطلاعاتی بازار بورس ایران هدف قرار گرفت. برتری نتایج روش پیشنهادی با نتایج به دست آمده از به کارگیری سایر الگوریتم های داده کاوی، روزنه ای برای توجه به رویکرد پیشنهاد شده است. همچنین با بهره مندی از شاخص g-means میزان دقت این روش سنجیده شد. نتایج نشان داد روش پیشنهادشده از قابلیت شناسایی و یادگیری از داده های استثنایی برخوردار است.
۱۷۲.

ارائه روشی جدید برای بخش بندی مشتریان بر اساس میزان وفاداری آن ها و تعریف راهبردهایی مناسب برای هر بخش(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۸ بهار ۱۳۹۵ شماره ۱ 101 - 122

کلیدواژه‌ها: ارزیابی وفاداری مشتریان بخش بندی مشتریان داده کاوی عمده فروشی مواد غذایی

حوزه های تخصصی:
تعداد بازدید : ۱۴۳ تعداد دانلود : ۹۴
ارزیابی وفاداری مشتریان می تواند درراستای بهبود فرایندهای کسب وکار تأثیر مهمی داشته باشد. روش های معمول ارزیابی وفاداری مشتریان، صرفاً با تکیه بر سه مؤلفه تازگی (R)، تعداد دفعات (F) و ارزش پولی (M) طراحی شده اند. در این پژوهش چند عامل مؤثر دیگر شامل تعداد کالاهای خریداری شده، تعداد کالاهای برگشتی، مبلغ تخفیف و تأخیر در توزیع به تحلیل اضافه شدند و تأثیر هر یک بر بالارفتن کیفیت ارزیابی سنجیده شد. هدف پژوهش ارائه مدلی جدید برای بخش بندی مشتریان براساس میزان وفاداری آنها و تعیین راهبردهایی مناسب برای هر بخش است. مجموعه داده این پژوهش به یکی از عمده فروشی های مواد غذایی اختصاص دارد. داده ها در نرم افزار Clementine و با استفاده از شبکه های عصبی MLP، RBF و الگوریتم K-means تحلیل شدند. نتایج پژوهش نشان می دهد روش پیشنهادی بالاترین سطح دقت را در پیش بینی میزان وفاداری مشتریان دارد. براساس روش پیشنهادی، مشتریان از نظر وفاداری به پنج خوشه (مشتریان وفادار؛ بالقوه؛ جدید؛ از دست رفته و مشتریان روی گردان) تقسیم شدند که ویژگی های هر خوشه براساس وضعیت هفت عامل بیان شد و براساس این ویژگی ها راهبردهای مناسبی برای مدیریت مشتریان هر بخش ارائه شد.
۱۷۳.

طراحی مدلی برای بهبود سیستم های پیشنهاددهنده بانکی بر اساس پیش بینی علایق مشتریان: کاربرد روش های داده کاوی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۸ تابستان ۱۳۹۵ شماره ۲ 393 - 314

کلیدواژه‌ها: بانکداری الکترونیک داده کاوی دسته بندی سیستم پیشنهاددهنده

حوزه های تخصصی:
تعداد بازدید : ۲۸۲ تعداد دانلود : ۱۱۲
امروزه بانک ها برای جذب و حفظ مؤثر مشتریان به ابزارهای جدیدی مانند سیستم های پیشنهاددهنده نیاز دارند. برخلاف عموم سیستم های پیشنهاددهنده که پیشنهاد بر اساس شباهت میان ترجیحات سایر کاربران به وی داده می شود؛ در این پژوهش از روش دسته بندی استفاده شده است که در آن پیشینه علایق خود مشتری، مهم ترین ویژگی برای تصمیم گیری درباره خدمات بانکی مناسب به اوست. در این پژوهش از چهار دسته بندی کننده پرسپترون چندلایه، ماشین بردار پشتیبانی،K - نزدیک ترین همسایه و بیز ساده استفاده شد. ابتدا پس از پیش پردازش مجموعه داده مربوط به سرویس های مورد استفاده مشتریان مختلف بانک با چهار روش مختلف دسته بندی آموزش داده شدند؛ سپس اعتبار آنها با روش اعتبارسنجی ضربدری ده تایی به تأیید رسید و بهترین روش انتخاب شد. در انتها پیشنهاددهنده نهایی که ترکیبی از چهار روش دسته بندی بیز ساده با عملکرد 4/85 درصد، K- نزدیک ترین همسایه با عملکرد 3/83 درصد، پرسپترون چندلایه 1 با عملکرد 4/81 درصد و پرسپترون چندلایه 2 با عملکرد 6/92 درصد، به ترتیب برای پیشنهاد چهار سرویس بانکی اینترنت، موبایل، انتقال وجه با اینترنت و پرداخت صورت حساب با تلفن است، ارائه شد.
۱۷۴.

روش فرا ابتکاری در یکپارچه سازی مدل بخش بندی بازار مشتریان تلفن همراه تهران با استفاده از شبکه های خودسازمان ده و روش میانگین کا(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۸ تابستان ۱۳۹۵ شماره ۲ 351 - 372

کلیدواژه‌ها: بخش بندی بازار خوشه بندی هرمی داده کاوی روش دلفی فازی شبکه های خودسازمان ده شبکه های عصبی

حوزه های تخصصی:
تعداد بازدید : ۵۱۹ تعداد دانلود : ۱۲۳
با حرکت سریع جهان به سمت شبکه های 3G و T4G استفاده کنندگان تلفن همراه به سرعت رفتار مصرف، برتری ها و سلایق خرید را تغییر می دهند. از این رو، تولیدکنندگان باید به شناختی صحیح از بازارهای هدف دست یابند و پیشنهاد فروش ویژه ای را به مشتریان عرضه کنند. با هدف دستیابی به درکی صحیح از بازار هدف، رفتار مصرف و سبک زندگی خرده بازارهای پژوهش، پس از نقد روش های سنتی و معرفی تکنیک های بخش بندی مبتنی بر شبکه های عصبی، با بهره مندی از روش دلفی فازی، متغیرهای بخش بندی بازار هدف انتخاب شد و از طریق شبکه های خودسازمان ده کوهنن، تعداد خوشه های مناسبی از جامعه آماری به دست آمد و در نهایت با استفاده از تکنیک میانگین کا و تکنیک تجمعی، به تدقیق خوشه بندی ها و بخش بندی بازار پرداخته شد. جامعه آماری این پژوهش، مصرف کنندگان تلفن همراه شهر تهران با حجم نمونه 130 نفر است. پس از جمع آوری داده ها از طریق پرسشنامه و تجزیه وتحلیل آنها، یافته ها نشان داد بازار تلفن همراه تهران در پنج خوشه دسته بندی می شود که هر یک می تواند قابلیت پیاده سازی استراتژی های بازاریابی مجزا، با در نظر گرفتن مزیت های رقابتی شرکت های حوزه ICT ، برای حداکثر سازی تقاضا و حاشیه سود، داشته باشد.
۱۷۵.

ارائه مدلی برای بیشینه سازی سود بر مبنای تصمیمات طبقه بندی محصول و تخصیص فضا با رویکرد داده کاوی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۸ زمستان ۱۳۹۵ شماره ۴ 663 - 680

کلیدواژه‌ها: بیشینه سازی سود تخصیص فضا داده کاوی طبقه بندی محصول

حوزه های تخصصی:
تعداد بازدید : ۳۰۲ تعداد دانلود : ۱۰۷
برای خرده فروشان، انتخاب چند محصول از بین محصولات متنوع و گسترده و مقدار فضایی که باید به آنها اختصاص داده شود، از تصمیم های بسیار مهم است. هدف از این پژوهش، به کارگیری رویکرد داده کاوی برای یافتن روابط بین محصولات از حجم بسیار زیاد تراکنش های مالی فروش، طبقه بندی محصول و تخصیص فضا به هر طبقه از آنهاست. به این ترتیب، می توان مدلی برای طبقه بندی محصول و تخصیص فضا ارائه کرد. جامعه آماری پژوهش را داده های فروش فروشگاهی به نام شقایق در شهر ارومیه شکل می دهد. نمونه پژوهش نیز داده های یک ماهه فروش در سری زمانی داده های فروش است. این داده ها در آبان سال 1394 از فروشگاه یادشده به دست آمدند. 525 سبد خرید یا تراکنش با در نظر گرفتن 79 نوع محصول بررسی شدند. در نتیجه تحلیل این داده ها، محصولات در 10 طبقه مختلف دسته بندی شدند که برخی از محصولات در بیش از یک طبقه جای گرفتند. با حل تابع سود و به دست آمدن ضرایب افزایش حجمی، فضایی به طبقه بندی محصولات اختصاص یافت.
۱۷۶.

ارائه چارچوبی برای اصلاح نرخ حق بیمه در رشته بدنه اتومبیل با استفاده از مدل شبکه های عصبی (مطالعه موردی: شرکت بیمه آسیا)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۸ زمستان ۱۳۹۵ شماره ۴ 711 - 732

کلیدواژه‌ها: بیمه بدنه اتومبیل پیش بینی داده کاوی مدل شبکه های عصبی

حوزه های تخصصی:
تعداد بازدید : ۳۱۳ تعداد دانلود : ۱۰۹
رشته بدنه اتومبیل بر خلاف آنچه به نظر می رسد، چندان رشته سود آوری برای شرکت های بیمه محسوب نمی شود و به سمت زیان دهی در حرکت است. از این رو، پژوهش حاضر به کفایت نرخ های حق بیمه بدنه اتومبیل و تدابیری برای آنها توجه کرده و در پی بهسازی و علمی کردن هر چه بیشتر این امور است. به این ترتیب، ابتدا با شناسایی متغیرهای تأثیر گذار بر ریسک بیمه گذاران و مطابقت دادن متغیرها با داده های موجود در پایگاه داده شرکت مطالعه شده، عوامل نهایی انتخاب شدند؛ سپس ضمن عملیات پیش پردازش روی داده ها با استفاده از مدل شبکه های عصبی، طبقه خسارتی و میزان خسارت بالقوه بیمه گذاران پیش بینی شد تا شرکت های بیمه بتوانند با در نظر گرفتن آنها و ضریب خسارت مدنظرشان، نرخ های بهینه ای برای بیمه نامه ها تعریف کنند. نتایج پژوهش نشان می دهد مدل ارائه شده می تواند با دقت 91 درصد طبقه خسارتی را تخمین بزند و با دقت 87 درصد میزان خسارت بالقوه بیمه گذاران را پیش بینی کند.
۱۷۷.

ارائه رویکرد جدیدی برای بخش بندی مشتریان بر اساس تغییر رفتار خرید آنها در طول زمان در حوزه کسب وکار الکترونیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۹ تابستان ۱۳۹۶ شماره ۲ 277 - 300

کلیدواژه‌ها: بخش بندی مشتریان تغییر رفتار خرید داده کاوی مدل RFM

حوزه های تخصصی:
تعداد بازدید : ۱۳۲ تعداد دانلود : ۹۶
روش های معمول بخش بندی صرفاً باتکیه بر سه مؤلفه تأخر (R)، تعداد (F) و ارزش پولی (M) طراحی شده اند و تغییرات رفتاری مشتریان را در طول زمان در نظر نمی گیرند. بر این اساس برای دستیابی به بخش بندی مطلوب، هدف پژوهش حاضر به کارگیری مجموعه ای از محاسبات آماری از قبیل شیب خط و مشتق نسبت به زمان و روش های داده کاوی مانند K-means و نقشه های خودسازمانده (SOM) برای تعریف متغیرهایی جدید به منظور بررسی روند تغییرات رفتار خرید مشتریان است. نتایج پژوهش نشان می دهد در نظرگرفتن شیب خط تغییرات رفتار مشتریان (R، F و M) و ارزش بیشتر برای رفتارهای اخیر نسبت به رفتارهای گذشته در بخش بندی مشتریان، موجب افزایش دقت پیش بینی رفتار آتی و همگن تر شدن مشتریان هر بخش شده است. بر اساس روش پیشنهادی، مشتریان به چهار بخش بهترین، خرج کننده، تکرارکننده و از دست رفته دسته بندی شدند که به منظور شناخت بهتر و دقیق تر مشتریان بر اساس نحوه تغییر رفتار آنها، هر بخش نیز به دو زیربخش صعودی و نزولی طبقه بندی شد. درنهایت ضمن تشریح ویژگی هریک از بخش ها و زیربخش ها، راهبردهای مناسبی برای مدیریت مشتریان آنها ارائه شده است.
۱۷۸.

استخراج الگوی رفتار مشتریان یک شرکت مخابراتی با استفاده از خوشه بندی پویای فازی و تحلیل مسیر(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۹ پاییز ۱۳۹۶ شماره ۳ 549 - 570

کلیدواژه‌ها: تحلیل مسیر خوشه بندی پویا خوشه بندی فازی داده کاوی رفتار مشتری

حوزه های تخصصی:
تعداد بازدید : ۲۴۵ تعداد دانلود : ۹۸
گروه بندی مشتریان و ایجاد محصولات و خدمات متناسب با نیاز آنها، یکی از مهم ترین موضوعات مطرح در مدیریت ارتباط با مشتریان است. تاکنون استفاده از مدل های ایستا برای گروه بندی مشتریان متداول بوده است، اما عواملی همچون تغییرات تکنولوژی، ورود مشتریان جدید، ورود رقبا و افزایش تنوع محصولات طی چند دوره زمانی، باعث تغییر نیاز و رفتار مشتریان خواهد شد. بنابراین، استفاده از مدل های ایستا، تغییر رفتار مشتریان را نادیده گرفته و در عمل پاسخگوی نیازهای جدید آنها نخواهد بود. این موضوع به ویژه در صنعت مخابرات با میزان بالای ریزش مشتریان اهمیت دارد. در این مقاله تغییر رفتار گروهی از مشتریان یک شرکت مخابراتی طی 10 ماه با به کارگیری خوشه بندی فازی، مدل سازی شد؛ سپس الگوهای مشابه در رفتار مشتریان به دست آمد. نتایج هفت نوع الگو را در رفتار مشتریان نشان می دهد که دو مورد منجر به ریزش مشتریان شده است. در عمل می توان از الگوهای به دست آمده برای طراحی بهینه خدمات و جلوگیری از ریزش مشتریان استفاده کرد.
۱۷۹.

ارائه الگوریتم متن کاوی به منظور تشخیص حس در متن های فارسی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۱۰ تابستان ۱۳۹۷ شماره ۲ 375 - 389

کلیدواژه‌ها: آنالیز احساس اندیشه کاوی داده کاوی متن کاوی وب کاوی

حوزه های تخصصی:
تعداد بازدید : ۲۵۸ تعداد دانلود : ۱۶۱
در متن کاوی متن های فارسی، در زمینه چگونگی استخراج ویژگی ها برای دسته بندی و بررسی نظرها در سایت های اجتماعی به منظور تشخیص قطبیت متن، مطالعاتی انجام شده است. هدف این پژوهش، ارائه الگوریتمی برای آنالیز حس متن فارسی، بر اساس شش حس پایه خوشحالی، ناراحتی، ترس، خشم، تعجب و تنفر است. در این پژوهش، آنالیز احساس به روش غیرنظارتی مبتنی بر لغتنامه انجام شده است. تشخیص حس جمله فقط با در نظر گرفتن یک لغت عاطفی دقت زیادی ندارد؛ زیرا عوامل دیگری نیز در جمله مانند تشدیدکننده ها و نفی کننده ها وجود دارند که روی حس متن تأثیر می گذارند. از این رو، الگوریتم به شش روش با در نظر گرفتن ویژگی های متفاوت نوشته شده است. در روش اول الگوریتم قابلیت تشخیص یک لغت عاطفی درون جمله را دارد؛ سپس قابلیت تشخیص تشدیدکننده، نفی کننده و لغات ایست اضافه می شود. نتایج به دست آمده از اجرای الگوریتم ها روی دو نمونه داده، نشان می دهد با در نظر گرفتن ویژگی های بیشتر، دقت الگوریتم نیز افزایش می یابد که در آن عاملِ قسمتی از سخن، بیشترین تأثیر را دارد.
۱۸۰.

شناسایی پارامترهای موثر بر بازاریابی الکترونیکی در کسب و کار الکترونیک با استفاده از الگور یتم های درخت تصمیم (مطالعه موردی: سامانه الکترونیکی مراکز فنی و حرفه ای)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مهارت آموزی دوره ۸ زمستان ۱۳۹۸ شماره ۲ (پیاپی ۳۰) 120-101

کلیدواژه‌ها: بازاریابی الکترونیک کسب و کار الکترونیک الگوریتم های درخت تصمیم داده کاوی

حوزه های تخصصی:
تعداد بازدید : ۱۸۳ تعداد دانلود : ۱۳۱
بازاریابی الکترونیکی به عنوان بازاریابی محصولات و خدمات با استفاده از کانال های دیجیتالی توصیف شده است که این تعریف به روند استفاده از تکنولوژی های دیجیتالی برای به دست آوردن مشتریان و ایجاد ترجیحات مشتری، تبلیغ نام تجاری، حفظ مشتریان و افزایش فروش توسعه یافته است. هدف پژوهش حاضر شناسایی پارامترهای موثر بر بازاریابی الکترونیکی در کسب و کار الکترونیک با استفاده از الگور یتم های درخت تصمیم می باشد. این پژوهش با استفاده از تکنیک های داده کاوی نظیر ) (C&R Tree و ) (Chaid و ) (C5.0 در سایت فروشگاه اینترنتی مبلمان خوگر با بررسی بازاریابی الکترونیکی و عوامل مرتبط با آن نظیر شاخص های سهولت، سودمندی، اعتماد، درک ریسک ها، فرهنگ دیجیتالی مصرف کننده، مسئولیت پذیری، تأثیر محیط دیجیتالی، تبلیغات دهان به دهان و پیشنهاد و انتقاد تولیدات و محصولات به عنوان ورودی ها و شاخص بازاریابی الکترونیکی به عنوان خروجی مورد ارزیابی قرار گرفت و برآورد دقت مدل ها در دو وضعیت آموزش و آزمایش معین شد که روش (Chaid Tree) روش مطلوب تری را نسبت به بقیه روشها به همراه دارد.