مطالب توسط

هفت چالش پیاده‌سازی تجزیه و تحلیل کلان داده‌ها

بی گمان ضبط و نگهداری داده ها، یک دارایی ارزشمند برای سازمان ها به حساب می آید. در واقع اقتصاد داده مبتنی بر ارزش داده هایی است که از طریق تجزیه و تحلیل استخراج می شوند. با این حال اعتقاد بر این است که برخلاف کالا، ارزش داده به نسبت مساوی از حجم آن رشد نمی کند. حتی اگر این دیدگاه اقتصادی در مورد داده درست باشد، برای این قاعده که حجم فزاینده و انواع مختلف داده فرصتهای بیشتری برای استخراج ارزش افزوده فراهم میکند مورد محاسبه قرار نمی گیرد. لذا قابلیت ضبط داده های ساختار یافته، شبه ساختار یافته و غیر ساختار یافته موجب تغییر در این فرضیات شده است. کلان داده ها، موجب تغییر روشهای تجزیه و تحلیل داده ها از داده کاوی به تجزیه و تحلیل های پیشرفته شده اند.

بررسی نقش هوش تجاری به عنوان ابزار مدیریت دانش در تصمیم‌گیری‌های کلان سازمان‌ها

در این نوشتار به آثار مثبتی که هوش تجاری بر تصمیمات عمده و کلان سازمانی دارد اشاره شده است و همچنین عمده موارد قابل توجه در معماری هوش تجاری و مزایای آن به همراه نحوه برخورد و نوع پیاده سازی آن پرداخته شده است. هدف از این مقاله معرفی چارچوب عملی برای کمک به سازمانها در جهت هدایت اهداف خود نسبت به هوش می باشد، که باعث میشود سازمانها درک صحیح و به موقعی از وضعیت و عملکرد خود به دست آورند.

مروری بر وب‌کاوی

با افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی به کارا به داده ها و استخراج اطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاری یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به کشف و استخراج خودکار اطلاعات از اسناد و سرویس های وب می پردازد. در واقع وب کاوی، فرآیند کشف اطلاعات و دانش ناشناخته و مفیدازداده های وب می باشد.روش های وب کاری بر اساس آن که چه نوع داده ای را مورد کاوش قرار می دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب مستقیم می شوند. طی این گزارش پس از معرفی وب کاری و بررسی مراحل آن، ارتباط وب کاوی با سایر زمینه های  تحقیقاتی بررسی شده و به چالش ها، مشکلات و کاربردهای این زمینه تحقیقاتی اشاره می شود.همچنین هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند.

رهيافت‌های نوین در هوش تجاری

از ویژگیهای اصلی دنیای معاصر حجم عظیم داده ای است که دنیا را در برگرفته است. امروزه چالش اصلی در بحث پردازش داده، تنها ذخیره و مدیریت حجم عظیم داده نیست بلكه نحوه استخراج اطلاعات مفید از آن برای کاربردهای تجاری یا همان هوش تجاری در این حوزه است. این مقاله به ویژگیهای کلان داده و نیازمندیهای پردازشی آن و رهیافت هایی می پردازد که امروزه سازمانها برای مدیریت و تحلیل کلان داده مورد استفاده قرار می دهند. رایانش ابری هم به عنوان یک راهكار در این حوزه مورد بحث قرار گرفته است و علاوه بر آن، چالشهای این حوزه از دانش نیز مورد بررسی و بحث قرار خواهدگرفت.

مقایسه پایگاه داده عملیاتی و پایگاه داده تحلیلی

پایگاه داده عملیاتی از صدها مگابایت تا چند گیگابایت است و صحت و قابل ترمیم بودن پایگاه داده برای بازتاب کردن معانی عملیاتی کاربردهای معلوم و به ویژه حداقل کردن تداخلهای همزمانی، طراحی شده است. در مقابل، پایگاه داده تحلیلی، برای حمایت از تصمیم گیری است.

نکات مهم در طراحی انبار داده‌ها

در چرخه عمر هوشمندی کسب و کار، سیستم های عملیاتی نقطه آغازین برای ارائه داده ها هستند که در ادامه، مورد تحلیل قرارخواهندگرفت. اگر داده هایی که در سیستم های عملیاتی ذخیره شده اند، به درستی در انبار داده ها تجمیع نشوند، امکان تحلیلی صحیح و جامع از آنها میسر نخواهد بود. همچنین اگر سیستم های عملیاتی دارای خطای داده ای باشند، در زمان نگاشت (Mapping)و تجمیع (Aggregate) داده ها، مشکلات زیادی بروز خواهند کرد. لذا کیفیت داده ها موضوع مهمی در ایجاد انبار داده ها و کیفیت تصمیمات حاصله خواهد بود.

دستاوردهای پیاده‌سازی BI (هوشمندی کسب‌وکار)

دستاوردهای ضمنی پیاده سازی هوشمندی کسب و کار به شرح زیر است:

– پرورش قدرت مشاهده صحیح در سازمانها

– افزایش دقت مدیران و تصمیم سازان و عادت به یک نظام فکری در سازمان

 –  پرورش قدرت استدلال و استفاده از تکنیک های آماری به عنوان روش های تفسیر سازمانی

– پرورش قدرت تجزیه و تحلیل داده ها و فرضیه ها

– پرورش روحیه همکاری، هدف کاری جمعی و هم زبانی سازمانی

– معنا بخشیدن به داده ها و تصویرسازی واقعی از داده های سازمانی

– چابکی سازمان در پاسخ به چالش ها

-دستیبای به زیر ساخت هوشمندی سازمانی و هوشمندی رقابتی در سازمان

شناسایی شاخص‌های کلیدی عملکرد و نتایج (KPI و KRI)

شاخص های کلیدی عملکرد، معیارهای اندازه گیری مالی و غیر مالی هستند که به منظور تعیین کیفیت اهداف و انعکاس عملکرد استراتژیک یک سازمان بکار برده می شود. با شناسایی دقیق و کارشناسانه شاخص های کلیدی عملکرد و نتایج می توان انتظار داشت که داشبوردهای مدیریتی مناسبی در راهکار BI پیاده سازی شوند.

داده کاوی، برنامه کاربردی رویکردهای تحلیلی و مدیریت عملکرد سازمان در هوشمندی کسب‌وکار

داده کاوی، برنامه های رویکرد تحلیلی (Analytics) و مدیریت عملکرد (BPM) از عناصر کلیدی در خانواده محصولات BI می باشند.”خدمات داده کاوی” برنامه های رویکرد تحلیلی و مدیریت عملکرد، مواردی نیستند که درگام های اولیه استقرار (BI) نتیجه نهایی را ارائه نمایند. این خدمات با گذشت زمان نتایج و منافع خود را نمایان خواهند کرد.

مقایسه سیستم‌های BI (هوشمندی کسب‌وکار) با ERP

برای سازمان هایی که از سیستم های ERP یا Solution Total استفاده می کنند استفاده همزمان از BI بعنوان یک مکمل بسیار مهم توصیه می شود. برای سازمان هایی که از سیستم های ERP یا Solution Total ها استفاده نمی کنند (اصطلاحا سیستم های آنها بصورت جزیره ای فعالیت می کنند)، جایگاه یکپارچه سازی داده های سیستم های عملیاتی سازمان در سیستم های BI نقش مهمی را ایفا می کند.

Clickstream در وب‌کاوی

هدف از clickstream در دنیای وب، شخصی سازی و کلاستر کردن session کاربران با توجه به رفتار آنهاست. البته باید در این میان خزندگان را از بین کاربران عادی تشخیص داد تا بتوان بهترین آنالیز را انجام داد. اما رفتار خزنده ها بسیار شبیه کابران معمولی است و این امر کار را مشکل می کند

جامعیت بخشی به مجموعه داده جرائم به منظور پیش‌بینی و شناسایی جرائم با استفاده از تکنیک‌های داده‌کاوی

رویارویی انسان با حوادث شرورانه و مجرمانه در زندگی اجتماعی غیرقابل اجتناب بوده و انسان همواره نیازمند شناخت محیط زیست خود است. به کارگیری شیوه های نظام مند جهت شناسایی، کشف و پیشگیری از وقوع جرائم در تحلیل جامعه برای رسیدن به یک سیستم تحلیل جرم رو به گسترش است. با توجه به گسترش اطلاعات و توسعه سیستم های اطلاعاتی در سازمان ها در این مقاله با استفاده از روش های داده کاوی به تحلیل و بررسی اطلاعات گردآوری شده جرائم و بانکهای اطلاعاتی موجود پرداخته شده است. استفاده از ابزارها و الگوریتم های داده کاوی ماهیت پیچیده داده های بزهکاری و روابط نامحسوس میان داده ها را مدل کرده و الگوهای جرم را شناسایی، کشف و در صدد پیشگیری برمی آید. از الگوریتم های طبقه بندی مدل های بهینه برای پیش بینی ویژگی های جرائم ارتکابی آینده و از الگوریتم های خوشه بندی در شناسایی نوع جرم روی مجموعه داده های گردآوری شده استفاده گردید.