مدیریت داده، اطلاعات و دانش در حوزه کسب‌وکار هوشمند
رضا حسینقلی زاده؛ محمود البرزی؛ عباس طلوعی اشلقی؛ حمید ضرغام بروجنی
چکیده
پیش‌بینی روند بازار رمزارزها به دلیل تفاوت‌های بنیادین با ارزهای سنتی، همواره چالشی بزرگ بوده است. این چالش به طور عمده ناشی از تأثیرات متقابل سیگنال‌های مرسوم، پیشرفت‌های فناوری اطلاعات و سیاست‌های کلان دولت‌ها بر پذیرش این ارزها است. این مقاله با رویکردی نوین، بجای تحلیل جداگانه یک یا چند رمزارز فرایندی در راستای حمایت از تصمیم ...
بیشتر
پیش‌بینی روند بازار رمزارزها به دلیل تفاوت‌های بنیادین با ارزهای سنتی، همواره چالشی بزرگ بوده است. این چالش به طور عمده ناشی از تأثیرات متقابل سیگنال‌های مرسوم، پیشرفت‌های فناوری اطلاعات و سیاست‌های کلان دولت‌ها بر پذیرش این ارزها است. این مقاله با رویکردی نوین، بجای تحلیل جداگانه یک یا چند رمزارز فرایندی در راستای حمایت از تصمیم ارائه میدهد که معیار آن مقبولیت عمومی بازار رمزارزها است. رویکرد پیشنهادی امکان تحلیل دقیق‌تر و واقع بینانه‌تری از روندهای بازار را فراهم می‌آورد. با استفاده از این فرآیند، می‌توان در هر بازه زمانی دلخواه، جداول راهنمای خرید یا فروش تولید کرد. در این مطالعه از دو ابزار تحلیلی، بیشینه درست‌نمایی و شبکه‌باور بیزی، استفاده شده است و امکان مقایسه این دو روش نیز مورد بررسی قرار گرفته است. در ضمن با تولید یک شبکه‌باور بیزی دیگر با قدرت یال‌های بالا، حاصل از شبکه‌های تولید شده، تصمیم‌گیری معاملات محتاطانه را مقدور می سازیم. این روش با استفاده از 1155 نقطه زمانی در هر هفته و 484 نقطه زمانی در هر روز از 21 رمزارز با بالاترین ارزش بازار در دو بازه سه‌ماهه پایانی سال 2024 و ماه-های مارس، اوریل و می 2025 اعتبارسنجی شده است. پژوهش حاضر فرآیندی را ارائه میدهد که با دقت، صحت، یادآوری و استحکام بالای مدل‌هایش، توانایی پشتیبانی تصمیمات خرید و فروش با میانگین دقت حداقل 78 درصد به‌صورت روزانه و 5/64 درصد به‌صورت هفتگی را دارد. این روش می‌تواند در سازگاری با پویایی و عدم‌قطعیت موجود این بازار به طور قابل توجهی مفید باشد.
مهرگان قباخلو؛ علی رجب زاده قطری؛ عباس طلوعی اشلقی؛ محمود البرزی
چکیده
حفظ مشتری یکی از پراهمیت‌ترین مسائل هر سازمانی می‌باشد و یافتن راهی جهت حفظ و بقای مشتری از نیازهای کلیدی آن سازمان است. هدف اصلی پژوهش حاضر، در حوزه یادگیری ماشین با تمرکز بر شناسایی صحیح نیازهای مشتری با روشی مبتنی بر استخراج دیدگاه‌ها و تحلیل احساسات و کمی سازی گرایش احساسی مشتریان در مورد خدمات بانکی با بررسی و تحلیل نظرات آن‌ها ...
بیشتر
حفظ مشتری یکی از پراهمیت‌ترین مسائل هر سازمانی می‌باشد و یافتن راهی جهت حفظ و بقای مشتری از نیازهای کلیدی آن سازمان است. هدف اصلی پژوهش حاضر، در حوزه یادگیری ماشین با تمرکز بر شناسایی صحیح نیازهای مشتری با روشی مبتنی بر استخراج دیدگاه‌ها و تحلیل احساسات و کمی سازی گرایش احساسی مشتریان در مورد خدمات بانکی با بررسی و تحلیل نظرات آن‌ها می‌باشد. به‌عبارتی موضوع این پژوهش طراحی سیستم توصیه‌گر جهت ارائه خدمات مناسب به مشتریان، با استفاده از عقاید و تجارب آن‌ها می‌باشد. روش اجرای ارائه شده در پژوهش حاضر بدین ترتیب است که، با بررسی عقاید مشتریان و استخراج متغیرهایی چون نمره احساسات افراد برای توییت‌ها، نمره ارتباط، شباهت کسینوسی و میزان ضریب اطمینان در قالب فرآیند آموزش و تست، خدمات بانکی مناسب را پیشنهاد میدهد. به‌منظور ارائه این پیشنهاد، از روش‌های دسته‌بندی مناسب به‌همراه روش‌های عقیده‌کاوی و رویکرد اعتبارسنجی مناسب استفاده می‌شود و سیستم طراحی‌شده نهایی با خطایی اندک، جهت ارائه خدمات شخصی‌سازی‌شده، در راستای کمک به مدیران بانکی گام خواهد برداشت. ازآنجاییکه درحال حاضر ارائه خدمات بانکی متناسب با وضعیت مشتریان به‌طورکامل وجود ندارد، لذا سیستم مذکور در این زمینه بسیار راهگشا خواهد بود.
احمد رحمانی؛ مجید سروری؛ رضا رادفر؛ محمود البرزی
چکیده
نوآوری فناورانه حوزه صنعت مالی، زیست بوم فناوری مالی را موجب شد. با ظهور هوش مصنوعی، دنیای فناوری و مالی به هم گره‌خورد تا پردازش‌های مالی هوشمندانه تری به مدیران جهت تصمیم‌گیری‌های هوشمندانه ارائه می‌کند. نتایج استفاده از روش‌های یادگیری ماشین ثابت نبوده و پیش‌بینی دقیق در مورد نتایج حاصل از تجربه مشتریان برای الگوریتم‌های ...
بیشتر
نوآوری فناورانه حوزه صنعت مالی، زیست بوم فناوری مالی را موجب شد. با ظهور هوش مصنوعی، دنیای فناوری و مالی به هم گره‌خورد تا پردازش‌های مالی هوشمندانه تری به مدیران جهت تصمیم‌گیری‌های هوشمندانه ارائه می‌کند. نتایج استفاده از روش‌های یادگیری ماشین ثابت نبوده و پیش‌بینی دقیق در مورد نتایج حاصل از تجربه مشتریان برای الگوریتم‌های یادگیری ماشین چالش‌برانگیزاست. تلاش‌های زیادی در خصوص مدیریت تجربه مشتری انجام‌شده است ولی، چارچوب تلفیقی فناوری مالی در تعامل باهوش مصنوعی و یادگیری ماشین در مفهوم‌سازی تجربه مشتری که می تواند دانش تجربه مشتری را موجب شود، موضوعی است که کمتر به آن پرداخته‌شده است. این مقاله، با بررسی 75 مقاله و جمعبندی آن در 41 مقاله پژوهشی، موضوع پژوهش حاضر را موردبررسی قرار داده است. جهت پیش بینی ارائه نظریه ،روش تحقیق، تئوری بنیادین می باشد. هدف این مقاله،پوشش شکاف مطالعاتی ازطریق ارائه یک چارچوب تلفیقی است که مسیر کلی برای انجام و مطالعه پژوهش‌های حوزه فناوری مالی و هوش مصنوعی، در استخراج و مدیریت دانش تجربه مشتریان را در برمی‌گیرد. یافته‌ها نشان می‌دهند که مطالعات انجام شده در سه محور فوق را می‌توان به پنج بخش اصلی نوآوری طبقه‌بندی کرد که شبکه‌های ایجاد ارزش از تجربه مشتریان را در چارچوب تلفیقی فناوری مالی، یادگیری ماشین و تجربه مشتری ارائه می کند. یافته‌ها، مسیر خوبی برای پرداختن به برخی محدودیت‌ها در پژوهش‌های فناوری‌های مالی و هوش مصنوعی برای مدیریت دانش تجربه مشتریان از طریق امکان ارائه الگو عملکرد مشتریان را فراهم می‌کنند.
