مطالب توسط

پیش‌بینی ریزش مشتری با استفاده از تكنیك‌های داده‌كاوی

با افزایش رقابت در بازارهای جهانی، حفظ مشتری به عنوان یكی از مهمترین مسائل در شركت ها مطرح شده است. به گونه ای كه پیشگیری از ریزش مشتری، بخش مهمی از مدیریت ارتباط با مشتری تلقی می گردد. در این میان، چگونگی پیش بینی و پیشگیری از ریزش مشتریان، توجه بسیاری از شركتها و نیز پژوهشگران این حوزه را به خود جلب نموده است. از سوی دیگر، با خودكارسازی جریان عملیات، مجموعه های عظیمی از داده های مربوط به عملیات های روزانه جمع آوری می گردد و بستر مناسبی جهت بهره گیری از تكنیك های داده كاوی فراهم می آورد. ماشین بردار پشتیبان، ابزاری قدرتمند در طبقه بندی به شمار می رود و می تواند مسائلی را حل نماید كه رویكردهای سنتی گذشته در حل آنها ناتوان هستند. در این تحقیق از یك مدل مبتنی بر الگوریتم ژنتیك و ماشین بردار پشتیبان به منظور پیش بینی ریزش مشتریان یك فروشگاه بزرگ تامین كننده كالا و اقلام مختلف بهره گرفته شده است. در مرحله اول در این مدل از الگوریتم ژنتیك به منظور انتخاب ویژگی و تعیین مقادیر بهینه پارامترهای ماشین بردار پشتیبان، به صورت همزمان، استفاده میشود و سپس مدل پیش بینی با توجه به مقادیر پارامترهای تعیین شده ساخته می شود. عملكرد مدل با روش های رده بندی دیگر همچون درخت تصمیم، استدلال مبتنی بر مورد و شبكه عصبی مصنوعی مورد مقایسه قرار گرفته است و نتایج نشان می دهد به كارگیری مدل مذكور در پیش بینی ریزش مشتری و شناسایی عوامل موثر در حفظ مشتری، به میزان قابل توجهی موثربوده است.

خوشه‌بندی مشتریان به منظور اصلاح استراتژی قیمت‌گذاری و تخفیف‌دهی (داده‌کاوی)

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 آنها را پیش بینی کنند و با مجهز شدن به این دانش، استراتژی ها 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 خوشته است. هدف مقاله حاضر، شناخت انواع مشتریان یک شرکت صنایع غذایی (شرکت کدبانو) وخوشه بندی آنهاست. با خوشه بندی مشتریان و برچسب گذاری آنها می توان استراتژی های تخفیف دهی متمایزی برای هر خوشه در نظر گرفت. در این مقاله، برای خوشه بندی مشتریان از دو معیار ارزش گذاری LEREM و REM استفاده شده است و با استفاده از شاخص های ارزیابی دان و SSE، خوشه بندی به مقایسه خوشه های بدست آمده از هر مدل پرداخته شد. طبق یافته های پژوهش، با توجه به نتایج شاخص های ارزیابی دادن و SSE، خوشه بندی حاصل از معیار ارزشیابی REM مورد تایید قرار گرفت و تعداد خوشه بهینه هشت عدد تعیین شد. خوشه های به دست آمده برچسب گذاری وتجزیه و تحلیل شده و از طریق مصاحبه های انجام شده استراتژی مناسب تخفیف دهی برای هر خوشه استخراج شده است.

چارچوبی جهت بررسی تاثیر تصمیم‌گیرندگان سازمانی بر موفقیت فرآیند داده‌کاوی

امروز تحقیقات کمی به ارزیابی طرح های داده کاوی در زمینه حل مشکلات سازمانی پرداخته اند. یک داده کاو موفق به دنبال حل یک مسئله 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، تاثیر 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 هریک از گام های داده کاوی مورد بررسی قرار گرفت. سپس، چارچوب مفهومی تاثیر تصمیم گیرندگان سازمانی بر موفقیت فرآیند داده کاوی تدوین شد. براساس نظرات خبرگان، چارچوب پیشنهادی مورد تجزیه وتحلیل قرار گرفت و در نهایت، چارچوب نهایی تاثیر تصمیم گیرندگان سازمانی بر موفقیت فرآینده 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 با درونی سازی” و “یادگیری زدایی (اجرا کردن)” به عنوان عوامل موفقیت طرح های داده کاوی حاصل می شود

تشخیص حالت احساسی نویسنده متن

تشخیص احساسات یا Sentiment analysis شاخه ای از علوم کامپیوتر و پردازش زبان (NLP)است که سعی دارد ماشین و هوش مصنوعی را با احساس و عواطف انسانی آشنا سازد و تشخیص آنها از هم را میسر سازد تلفن همراهی را تصور کنید که بر اساس مکالمات شما با افراد تشخیص می دهد که امروز روز دشواری داشته اید و به طور خودکار تماس کسانی که سابقه بیشترین دعوای لفظی را دارند را بلاک میکند تا شما در آرامش باشید. شبکه اجتماعی را تصور کنید که لحن و احساس شما را از آپدیت روزانه که پست کردید تشخیص می دهد و شما را با افرادی با حس مشابه در تماس قرار می دهد تا با هم بر سر مشکل مشترکتان (مثالً حقوق کم) درد و دل کنید ! همچنین اگر شبکه اجتماعی دارای جامعه بزرگی باشد اطلاعات جمع آوری شده آن برای امور آماری – روانشناسی بی نظیر خواهند بود . مثلا روانشناسان می توانند شروع یک اپیدمی افسردگی در یک منطقه خاص را تشخیص دهند . ازآنجاکه میزان جرم وقتی که مردم یک منطقه مشکالت روحی دارند بیشتر است پلیس نیز می تواند نیروهای خود را بر این اساس درجاهای مختلف تقسیم کند. تشخیص احساس در زمان حال بیشترین کاربرد را در سایت های عرضه انواع کالا ( مجازی یا حقیقی)  دارد . بسیار مهم است که مدیر سایت و شرکت عرضه کننده محصول بدانند کدام نقد و بررسی ها از یک محصول مثبت هستند و کدام منفی و اینکه شدت منفی یا مثبت بودن چقدر است . کاربر از محصول کمی ناراضی است یا شدیداً ؟ شرکتهای بزرگی همچون Amazon و Googleو Ebay از SA برای بررسی نظرات کاربران استفاده می کنند . این شاخه از SA را Opinion mining می گویند. تشخیص احساس ماشینهای فعلی را یک نسل به جلو رانده و باور عمومی بر بی احساس بودن ماشین ها را کمرنگ تر می سازد . در پی آن باعث آسان تر شدن بسیاری از جهات زندگی انسان نیز خواهد شد.

بررسی هم‌راستایی قابلیت‌ها و اجزای هوش تجاری در راستای ایجاد مزایای هوش تجاری

هدف از مقاله حاضر، بررسی میزان هم راستایی قابلیت ها و اجـزای هـوش تجـاری در راستای ایجاد مزیت های هوش تجاری براساس مدل بلوغ گارتنر اسـت. روش پـژوهش از نظـر هدف كاربردی به شـمار مـی رود و از نظـر چگـونگی گـردآوری اطلاعـات، توصـیفی و از نـوع همبستگی است. جامعه آماری پژوهش را 149 شركت كوچك و متوسط شـكل داده اسـت كـه براساس جدول مورگان با روش نمونه گیری خوشه ای، نمونه ای با حجم 108 شركت انتخاب شد و درنهایت با جمع آوری 100 پرسشنامه از این شركت ها، مدل سازی معـادلات سـاختاری بـرای سنجش روابط میان متغیرهای پژوهش به كار برده شد. نتایج نشان می دهد میـان قابلیـت هـای هوش تجاری و اجزای آن رابطه معنادار وجود دارد و متغیر تعـدیل كننـده سـطوح بلـوغ هـوش تجاری، در این رابطه تأثیری ندارد. همچنین تنها میان قابلیت های هوش تجاری و مزیـت هـای آن رابطه مستقیم وجود دارد و متغیر میانجی اجزای هوش تجاری، نمی تواند رابطه غیرمستقیمی میان قابلیت های هوش تجاری و مزیت های هوش تجاری برقرار كنـد، از ایـن رو هـیچ رابطـه معناداری میان اجزای هوش تجاری و مزیت های آن مشاهده نشد.

بررسی الگوریتم‌های بهینه‌سازی مبتنی بر هوش گروهی

بهینه سازی، یکی از حوزه های تحقیقاتی مهم در دهه های اخیر بوده است که نتیجه آن طراحی انواع مختلفی از الگوریتم ها بوده است. در بسیاری از مسائل مهندسی معمولا با تابع هدفی رو به رو هستیم که می خواهیم آن را بهینه کنیم. در روش های گروهی، عامل ها با هم همکاری می نمایند و رفتار جمعی تمام عامل ها باعث یک همگرایی میشود. حال روش های گوناگونی برای رسیدن به این نقطه بهینه وجود دارد که مسلما هر کدام از این روش ها معایبی دارند. در این مقاله الگوریتم های هوش گروهی مانند الگوریتم کلونی مورچه ها، الگوریتم کرم شب تاب و غیره مورد مقایسه قرار گرفته است.

تخمین رتبه اعتباری مشتریان بانک‌ها

کاهش و کنترل ریسک اعتباری به عنوان یکی از عوامل موثر در بهبود فرآیند اعطای اعتبار و درنتیجه در عملکرد بانک ها مطرح گردیده و نقش اساسی در تداوم ارائه تسهیلات، سودآوری و بقای بانک ها و موسسات مالی ایفا می نماید. در این راستا، مقاله حاضر سعی در ارائه رویکردی نو برای ارزیابی ریسک اعتباری مشتریان بانکی دارد. روش شبکه عصبی به عنوان طبقه بندی کننده ی اصلی مشتریان تسهیلات بانکی با یک روش انتخاب ویژگی پوشش دهنده به نام کلونی زنبورعسل ترکیب می گردد. روش های دیگر به کار رفته در این پژوهش شبکه عصبی مبتنی بر آنالیز اجزای اساسی به عنوان یک روش فیلر کننده انتخاب ویژگی و روش شبکه عصبی به تنهایی می باشند. به منظور نشان دادن اثر بخشی روش پیشنهادی از داده های مربوط به دویست و پنجاه تن از تسهیلات گیرندگان حقیقی بانک کارآفرین در یک بازه زمانی سه ساله (1390-1387) به همراه هجده ویژگی مربوط به هریک از آنها استفاده نموده ایم. نتایج رویکرد ارائه شده با روش شبکه مصنوعی و روش شبکه مصنوعی بر پایه آنالیز اجزای اساسی مقایسه گردیده است. یافته های پژوهش دلالت بر آن داشته که در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری، مدل شبکه عصبی بر مبنای کلونی زنبور عسل نسبت به روش شبکه عصبی و مدل شبکه عصبی بر مبنای آنالیز اجزای اساسی از عملکرد خوبی برخوردار است.

داده‌کاوی با نرم‌افزار WEKA

در طول سال های اخیر با توجه به گسترش فناوری اطلاعات و ارتباطات و با افزایش داده های دیجیتال و رشد قدرت محاسباتی کامپیوترها، نرم افزارهای تجاری و آموزشی فراوانی برای داده کاوی در حوزه های مختلف عرضه شده اند. استفاده از ابزارها و الگوریتم های داده کاوی، می تواند ماهیت پیچیده ی داده ها و روابط نامحسوس میان این داده ها را مدل کند. در واقع ابزار داده کاوی ،داده را گرفته و یک تصویر از واقعیت را به شکل مدل ایجاد می کنند. این مدل روابط موجود در داده ها را شرح می دهد. امروزه داده کاوی گسترش زیادی یافته است، به طوری که اکثر نرم افزارهای پایگاه داده ای مانند SQL Server و ORACLE نیز شامل ابزارهای داده کاوی شده اند. از جمله نرم افزارهای متداول در زمینه داده کاوی WEKA می باشد.

بررسی جامع روش‌های كاوش الگوهای متناوب

كاوش الگوهای متناوب یكی از موضوعات بسیار مهم و مورد تمركز در پژوهش های انجام شده در حوزه داده كاوی در طول یك دهه اخیر بوده است. مقالات و آثار علمی فراوانی در این زمینه منتشر شده و پیشرفت های چشم گیری نیـز حاصل شده است. این پیشرفت ها در ابعاد گوناگون، از ارائه الگوریتم های كارآمد و مقیاس پذیر برای كاوش مجموعـه آیتم های متناوب در پایگاههای تراكنش، تا زمینه های پژوهشی متعددی چون كاوش الگوهای توالی متنـاوب، كـاوش الگوهای ساختاری، كاوش همبستگی، طبقه بندی های تداعی، و خوشـه بنـدی هـای مبتنـی بـر الگوهـای متنـاوب و كاربردهای گسترده هریك از این زمینه ها، وجود داشته است. در این نوشتار بررسـی جـامعی از روشهـای موجـود و وضعیت كنونی كاوش الگوهای توالی ارائه شده است و نیز در ارتباط با مسیرهای پژوهشـی قابـل اعتنـا بـرای انجـام كارهای بعدی در آینده، بحث مختصری شده است. اعتقاد ما بر این است كه كاوش الگوهای متناوب گسـترش قابـل ملاحظه و درخور توجهی را در دیدگاه تحلیل داده ایجاد می نماید و تاثیر عمیقی بر بهبود متدولوژی ها و كاربردهـای داده كاوی دارد.

بهبود روش‌های متن‌كاوی در كاربرد پیش‌بینی بازار

امروزه محققان با حجم وسیعی از داده مواجه انـد كـه بخـش زیـادی از آنهـا سـاختار پردازش پذیری ندارند. دو مورد از چالش های اصلی در این زمینه بالا بودن ابعاد فضای ویژگی و حجیم بودن داده های در دسترس است. به منظور رفع این چالش ها، مقالـة پـیش رو یـك روش انتخاب ویژگی مبتنی بر ویژگی های هدف ارائه كرده است كه در كاهش ابعـاد فضـای ویژگـی تأثیر زیادی دارد و همچنین برای مقابله با حجم بسیار زیاد نمونه هـای آمـوزش، بـا اسـتفاده از روشهای انتخاب نمونة اولیه، به ویرایش مجموعه آموزش می پردازد. روش پیشـنهادی در ایـن مقاله در سه فاز اجرا شده است كه هر فاز بهبودیافته فاز قبل است و علاوه بـر دسـت یـافتن بـه نتایج مناسب در هر فاز، در پایان فاز سوم روش پیشنهادی بیشـترین كـارایی را بـه دسـت آورد. برای ارزیابی كارایی روش پیشـنهادی، ایـن روش بـا یكـی از الگـوریتم هـای موفـق در زمینـه پیش بینی بازار مقایسه شد كه با وجود كاهش نمونه های آموزش توسط الگـوریتم هـای انتخـاب نمونه اولیه، به نتایج بسیار بهتری نسبت به آن الگوریتم دست یافت.

تأثیر هوشمندی رقابتی بر عملكرد سازمان در بانک‌های تجاری

اهمیت دستیابی به اطلاعات بازار كـه حاصـل هوشـمندی رقـابتی سـازمان اسـت بـا تغییرات وسیعی كه امروزه شركت ها در حوزه های مختلف از جمله افزایش شـدت رقابـت، ورود فناوری های جدید، خصوصی سازی و مواردی مانند اینها در محیط رقابتی خود تجربه مـی كننـد، بیش از پیش افزایش یافته و به شدت بر عملكرد سازمان تأثیر می گذارد. از این رو مقاله حاضر به منظور بررسی تأثیر هوشمندی رقابتی بر عملكرد سازمان در بانك های تجاری اجرا شده است. این پژوهش از نظر هدف، كاربردی است و از لحاظ نحوة گردآوری داده ها، توصیفی و از شـاخة همبسـتگی بـه شـمار مـیرود.