مدیریت داده، اطلاعات و دانش در حوزه کسبوکار هوشمند
احسان الله خوشخوی نیلاش؛ منصور اسماعیل پور؛ بهروز بیات؛ علیرضا اسفندیاری مقدم؛ عرفان حسن نایبی
چکیده
بانکها برای تسهیلات سرمایهثابت از فرایندهای پیچیده و طولانیمدت شامل مراحل، نقاط کنترل و تایید زیاد برخوردارند. اینگونه فرایندها در ایجاد و توسعه واحدهای صنعتی، معدنی و گردشگری از اهمیت فزایندهای برخوردارند. تجزیه و تحلیل مداوم اینگونه فرایندها برای ارتقاء، بهبود مستمر و کسب دانش از انها اهمیت فزایندهای دارد. هدف اصلی ...
بیشتر
بانکها برای تسهیلات سرمایهثابت از فرایندهای پیچیده و طولانیمدت شامل مراحل، نقاط کنترل و تایید زیاد برخوردارند. اینگونه فرایندها در ایجاد و توسعه واحدهای صنعتی، معدنی و گردشگری از اهمیت فزایندهای برخوردارند. تجزیه و تحلیل مداوم اینگونه فرایندها برای ارتقاء، بهبود مستمر و کسب دانش از انها اهمیت فزایندهای دارد. هدف اصلی تحقیق حاضر ارائه چارجوب روششناختی جامع بر پایه فرایندکاوی با ترکیب با دادهکاوی در خصوص تجزیه و تحلیل فرایندهای تسهیلات سرمایه ثابت است. روششناسی بکاررفته در پژوهش حاضر برگرفته از تکنیکها و مفاهیم فرایندکاوی و دادهکاوی بر پایه دادههای رخداد سیستم تسهیلات، بانکی فعال در ایران است. این روش شامل نه فاز شروع، آمادهسازی، بازرسی، کاوش و تحلیل، ارزیابی، تحلیل چند بعدی فرایندی، پیشبینی، بررسی نتایج و بهبود است. هر کدام از فازها شامل چندین مولفه و به صورت تکرارشونده است. از جمله نتایج پژوهش حاضر استخراج فرایند واقعی، شناسایی گلوگاهها، مراحل پرتکرار در نمونه و دارای فراوانی و گونههای فرایند است. افزون بر این شناسایی شعب و افراد دارای بیشترین نقش و ویژگیهای دادهای موثر بر کاهش زمان پرداخت تسهیلات، تحلیل فرایند از ابعادی ماننداستان از دیگر یافتهها بود و نشان داد تجزیه و تحلیل استانی دانش خوبی در اختیار میگذارد. یکی از ابتکارات تحقیق حاضر استفاده از دادهکاوی برای پیشبینی زمان پرداخت تسهیلات بود. در مقایسه روشهای متنوع، الگوریتم درخت تصمیمگیری با دقت 72 درصد بهترین عملکرد را داشت.در نهایت علاوه بر کشف انحرافات، بر مبنای ایجاد دادههای رخداد و تحلیل آن، فرایند بهبودیافته استخراج شد،که نشان از بهبود 67 درصدی بود.
سینا رئیسی وانانی؛ ایمان رئیسی وانانی؛ محمدتقی تقوی فرد
چکیده
ارزیابی عملکرد آموزشی از طریق شناسایی و تحلیل دادههای حاصل از فعالیتهای یادگیرندگان، میتواند به بهبود مؤثر عملکرد آموزشی منجر گردد. در پژوهش حاضر، دادههای مربوط به دانش پذیران بینالمللی، بر اساس روش تحقیق علم طراحی و با استفاده از روشهای دادهکاوی مورد بررسی قرار گرفته است. در این راستا تحقیقات انجامگرفته داخلی و بینالمللی ...
بیشتر
ارزیابی عملکرد آموزشی از طریق شناسایی و تحلیل دادههای حاصل از فعالیتهای یادگیرندگان، میتواند به بهبود مؤثر عملکرد آموزشی منجر گردد. در پژوهش حاضر، دادههای مربوط به دانش پذیران بینالمللی، بر اساس روش تحقیق علم طراحی و با استفاده از روشهای دادهکاوی مورد بررسی قرار گرفته است. در این راستا تحقیقات انجامگرفته داخلی و بینالمللی در دهه گذشته بررسی و مرور شده است و دادههای تحصیلی و غیر تحصیلی یادگیرندگان در سه دسته خانوادگی، حمایتی و رفتار تحصیلی با استفاده از دادهکاوی، خوشهبندی شده است. پس از اعتبارسنجی خروجی الگوریتمها توسط شاخصهای مرتبط و تعیین تعداد خوشه بهینه در هر بخش، خوشهها نامگذاری و تحلیل شدند. تحلیل خوشههای شناساییشده، نشاندهنده تجربه موفقیت یا شکست تحصیلی دانش پذیران و ریشههای عملکرد مؤثر در هر بخش است و روش نامگذاری ارائهشده، روشی نوین و قابلاستفاده در اغلب مراکز آموزشی جهت تفکیک و تبیین عملکرد آموزشی است.
حسن رنگریز؛ زهرا بایرامی شهریور
چکیده
با گسترش اینترنت، سازمانها از روشهای مختلف E-CRM استفاده میکنند. یکی از اهداف سازمانها در استفاده از E-CRM افزایش وفاداری مشتریان و حفظ مشتریان وفادار جهت دستیابی به مزیت رقابتی و سودآوری است. هدف این پژوهش بررسی تأثیر E-CRM بر وفاداری مشتریان بانک ملت با استفاده از تکنیکهای دادهکاوی است. در این پژوهش از روشهای خوشهبندی ...
بیشتر
با گسترش اینترنت، سازمانها از روشهای مختلف E-CRM استفاده میکنند. یکی از اهداف سازمانها در استفاده از E-CRM افزایش وفاداری مشتریان و حفظ مشتریان وفادار جهت دستیابی به مزیت رقابتی و سودآوری است. هدف این پژوهش بررسی تأثیر E-CRM بر وفاداری مشتریان بانک ملت با استفاده از تکنیکهای دادهکاوی است. در این پژوهش از روشهای خوشهبندی با الگوریتم K-means و شبکههای عصبی (با الگوریتم پس انتشار خطا) و مدل LRFM از طریق برنامهنویسی در نرمافزارهای متلب و اکسل استفاده شده است. نتایج پژوهش نشان داد که با افزایش میزان استفاده مشتریان از خدمات E-CRMوفاداری آنها افزایش مییابد. رابطه بین E-CRM، مؤلفههای مدل LRFM و وفاداری یک رابطه غیرخطی است و میزان تغییر در وفاداری به ازای تغییر E-CRM، مقداری ثابت نیست. میزان افزایش وفاداری تابعی از مؤلفههای LRFM، مقدار E-CRM و اوزان بهدستآمده در شبکه عصبی است.
مریم شعار؛ علیاصغر سالارنژاد
چکیده
با عنایت به حجم بالای اطلاعات کنونی وب توجه به سیستمهای خودکار استخراج اطلاعات بیشتر شده است. از مهمترین روشهای خودکار استخراج اطلاعات، خوشهبندی میباشد. روشهای خوشهبندی زیادی تابهحال ارائه شده است که اکثراً مبتنی بر مدل برداری میباشند. در این مدل با هر سند مانند مجموعهای از کلمات برخورد میگردد و توالی کلمات ...
بیشتر
با عنایت به حجم بالای اطلاعات کنونی وب توجه به سیستمهای خودکار استخراج اطلاعات بیشتر شده است. از مهمترین روشهای خودکار استخراج اطلاعات، خوشهبندی میباشد. روشهای خوشهبندی زیادی تابهحال ارائه شده است که اکثراً مبتنی بر مدل برداری میباشند. در این مدل با هر سند مانند مجموعهای از کلمات برخورد میگردد و توالی کلمات در جمله، نادیده گرفته میشود. ازآنجاییکه معانی در زبان طبیعی بهطور کامل وابسته به توالی کلمات میباشند نقیصه بزرگی در این روشها احساس میگردد. برای رفع این نقیصه در این مقاله روشی جدید در خوشهبندی اسناد Html ارائه گردیده است که در آن الگوریتم Stc برای خوشهبندی Snippet ها لحاظ شدهاست. این روش که با عنوان خوشهبندی بر اساس جملات کلیدی Ks_Stc مطرح شده برای هر سند بردار وزنداری تهیه میکند و با استفاده از این بردار، جملات کلیدی هر متن از سند استخراج میگردد و نهایتاً این جملات کلیدی برای خوشهبندی به الگوریتم Stc داده میشود.
مجتبی صالحی؛ علیرضا کرد کتولی
چکیده
ریسک اعتباری که به معنی احتمال عدم بازپرداخت تعهدات توسط مشتریان در سررسید تعبیر میشود بهعنوان یکی از عوامل ورشکستگی مؤسسات مالی قلمداد میشود. بدین منظور از تکنیکهای دادهکاوی نظیر شبکه عصبی، درخت تصمیم، شبکه بیز، k نزدیکترین همسایه و ماشین بردار پشتیبان برای دستهبندی مشتریان به مشتریان پر ریسک و کم ریسک استفاده ...
بیشتر
ریسک اعتباری که به معنی احتمال عدم بازپرداخت تعهدات توسط مشتریان در سررسید تعبیر میشود بهعنوان یکی از عوامل ورشکستگی مؤسسات مالی قلمداد میشود. بدین منظور از تکنیکهای دادهکاوی نظیر شبکه عصبی، درخت تصمیم، شبکه بیز، k نزدیکترین همسایه و ماشین بردار پشتیبان برای دستهبندی مشتریان به مشتریان پر ریسک و کم ریسک استفاده شده است. در این مقاله یک روش ترکیبی از الگوریتم بهینهسازی رقابت استعماری و شبکه عصبی برای افزایش دقت دستهبندی در ارزیابی و سنجش ریسک اعتباری مشتریان بانکی ارائه میدهد. این روش با شناسایی زیرمجموعهی ویژگیهای بهینه و حذف ویژگیهای غیرضروری از تمامی ویژگیهای موجود در دادهها به کاهش ابعاد مسئله و افزایش دقت طبقهبندی میپردازد. رویکرد پیشنهادشده بر روی مجموعه دادههای واقعی پایگاه داده UCI و همچنین دادههای واقعی یک بانک خصوصی ایرانی بهمنظور اعتبارسنجی اعمال شد. نتایج تجربی بهدستآمده نشان داد میزان خطای شبکه عصبی برای مجموعه آزمون با انتخاب ویژگیهای مؤثر و حذف ویژگیهای کم اثر توسط الگوریتم بهینهسازی صفر و یک رقابت استعماری کاهش مییابد. بعلاوه، برای سایر روشها طبقهبندی استفاده شده، میزان خطای داده آزمون در حد قابل قبولی باقی میماند. برای اولین بار در این مقاله از الگوریتم رقابت استعماری برای ارزیابی ریسک اعتباری مشتریان بانکی استفاده شده است.
بابک سهرابی؛ ایمان رئیسی وانانی؛ بابک بوترابی
چکیده
با ظهور انواع جدید کسبوکارها که منتج به افزایش پیچیدگی در فضای کسبوکار شده است، مدیران و سرمایهگذاران بیشازپیش نیازمند ابزارهایی هستند که با استفاده از آنها، شفافیت بیشتری در وضعیت آتی کسبوکار خود ایجاد نمایند. وضعیت مالی سازمانها در همه ادوار از اهمیت ویژهای برخوردار بوده است و بررسی سودآوری کسبوکار نیز از طریق تحلیل ...
بیشتر
با ظهور انواع جدید کسبوکارها که منتج به افزایش پیچیدگی در فضای کسبوکار شده است، مدیران و سرمایهگذاران بیشازپیش نیازمند ابزارهایی هستند که با استفاده از آنها، شفافیت بیشتری در وضعیت آتی کسبوکار خود ایجاد نمایند. وضعیت مالی سازمانها در همه ادوار از اهمیت ویژهای برخوردار بوده است و بررسی سودآوری کسبوکار نیز از طریق تحلیل وضعیت مالی سازمان تبیین میشود. صورتهای مالی، وضعیت مالی سازمان را در یک دوره مشخص در بردارند. در این تحقیق سعی بر آن است که با استفاده از نسبتهای مالی و با بهکارگیری الگوریتمهای دادهکاوی، سیستمی طراحی شود که با توجه به عملکرد گذشته شرکتهای صنعتی، سود خالص آنها را در آینده پیشبینی نماید و بر مبنای آن، تحلیل مناسبی از وضعیت عملکردی شرکت حاصل گردد. سیستم مبتنی بر شبکه عصبی که در این تحقیق طراحی شده است، با کشف روابط موجود میان نسبتهای مالی و سودآوری شرکتها، اقدام به پیشبینی سود خالص سازمانها مینماید.
مسعود عابسی؛ الهه حاجی گل یزدی؛ حسن حسینی نسب؛ محمد باقر فخرزاد
دوره 3، شماره 12 ، شهریور 1394، ، صفحه 1-20
چکیده
منطق یادگیری ازاستثنائات چالشی قابل توجه در حوزه دادهکاوی است. استثنائات پدیدههای نادری هستند که رفتاری مثبت و متفاوت از الگوهای اصلی و مورد انتظار موجود در پایگاهداده از خود بروز می دهند. ایجاد چارچوبی کارا برای افزایش اطمینان به پدیدههای استثنایی در کشف دانش و یادگیری موثر از آن حائز اهمیت است. در این پژوهش، الگویی ...
بیشتر
منطق یادگیری ازاستثنائات چالشی قابل توجه در حوزه دادهکاوی است. استثنائات پدیدههای نادری هستند که رفتاری مثبت و متفاوت از الگوهای اصلی و مورد انتظار موجود در پایگاهداده از خود بروز می دهند. ایجاد چارچوبی کارا برای افزایش اطمینان به پدیدههای استثنایی در کشف دانش و یادگیری موثر از آن حائز اهمیت است. در این پژوهش، الگویی بر اساس تئوری استثنائات و تئوری اطلاعات ارائه شده است تا چالشهای پیشروی دادهکاوی دادههای استثنایی را برطرف نماید. نخست از تابع آنتروپی رنی برای شناسایی استثنائات استفاده و سپس با بکارگیری رویکرد یادگیری پایین به بالا بر مبنای الگوریتم پیشنهادی RISE ارتقا یافته، قوانین حاکم بر بروز رفتار استثنایی استخراج میگردد. به منظور تعیین کارایی مدل پیشنهادی، کشف سهام استثنایی و یادگیری رفتار آنها مورد بررسی قرار گرفته است. از مجموع 1334 سهم مورد بررسی 36 سهم رفتار استثنایی داشته اند که رفتار آن ها در قالب سه قانون مشخص شده است. ارجحیت نتایج حاصل از مدل پیشنهادی نسبت به نتایج بدست آمده از بکارگیری الگوریتمهای معمول یادگیری بیانگرکارایی مدل ارائه شده است. است.