این مدل را مي توان جزو پرکاربردترین و شناخته شده ترین مدل مدیریت داده ها و نیز بالغ ترین مدل بین سایر مدل ها دانست. شالوده مدل رابطه ای، منطق رابطه ای است. این منطق توسط ادگار کاد(Edgar-codd) دانشمند علوم رایانه در سال 1970 معرفي شده و در واقع تفسیر دیگری از نظریه مجموعه ها و جبر رابطه ای است. هر قلم داده (Data Entiry)در مدل رابطه ای، معادل یک سطر از جدولي است که با یک کلید از سایر سطرهای آن جدول متمایز می شود. منطق رابطه ای در واقع یک جبر بسته است.
4 رده و گروه عمده بانکهای اطلاعاتی NoSQL وجود دارند که شامل:
امروزه با افزایش یکپارچه سازی سیستم های اطلاعاتی در نظامات فرآیندمدار، بستری برای رویکردهای جدید تحلیل داده فراهم شده است. فرآیندهای کسب وکار روز به روز پیچیده تر می شوند و به موازات آن سیستم های اطلاعاتی سازمان ، وظیفه اجرای مکانیزه تراکنش های مرتبط با کسب و کار را دارند . هدف هوش تجاری فراهم سازی روشها و ابزارهای تحلیل داده به منظور بهبود فرآیندهای تصمیم گیری ا ست . فرآیندکاوی همانند یک پل رشته های داده کاوی، هوش تجاری و مدیریت فرآیندهای کسب وکار را با هم مرتبط می سازد. هدف اصیلی فرآیندکاوی کشف مدل های فرآیندی بر اساس گزارشات رویداد (event log)در سیستم های اطلاعاتی می با شد . از مدلهای کشف شده میتوان در زمینههای گوناگونی به منظور تحلیل استفاده نمود . این مقاله مقدمه ای از فرآیندکاوی را ارائه می نماید و همچنین کلیه مفاهیم بنیادی که برای درک فرآیندکاوی الزامی هستند را پوشش می دهد.
درس نامه جریان داده در اسپارک، فلینک و کافکا
در این مقاله، از تکنیک متن کاوی به منظور آنالیز محتویات مقالات علمی و همچنین ارائه مدلی برای دسته بندی مقاالت علمی (دسته اول، مقالاتی که معیارهای از پیش تعیین شده ای را رعایت کرده و دسته دوم، مقالاتی که آن معیارها را رعایت نکرده اند) استفاده شده است. در همین راستا، در مقاله پیش رو، از نظر خبرگان به منظور استخراج معیارهایی کیفی بهره برده شده که درنهایت 51 معیار نهایی به دست آمده است، در مرحله بعد تعداد 51 مقاله علمی در زمینه مهندسی صنایع توسط اساتید دانشگاه و دانشجویان مقطع دکتری در این رشته (با توجه به 51 معیار استخراج شده (مورد بررسی قرار گرفته و بر اساس نظر این افراد نتایج سودمندی به دست آمده است، در نهایت از مدل های دسته بندی مختلفی برای طبقه بندی مقالات استفاده شده و با استفاده از تکنیک هایی مشخص، سعی شده که در این مدلها بهبودی حاصل شود.
امروزه تعامل شركت ها با مشتریان در قالب مدیریت ارتباط با مشتری به طور قابل توجهی تغییر یافته است. شناسایی ویژگی های مشتریان مختلف و تخصیص بهینه منابع به آنها با توجه به ارزشی كه برای شركت ها دارند، به یكی از دغدغه های اصلی در حوزه مدیریت ارتباط با مشتری تبدیل شده است. هدف این مقاله ارائه مدل مناسبی جهت بخش بندی مشتریان براساس برخی از مهمترین ویژگی های مالی، جمعیت شناختی در قالب عوامل مؤثر بر شاخص های ارزش دوره عمر مشتری (آر.اف.ام) می باشد. در فرایند پیشنهادی این تحقیق كه در شركت بیمه سامان اجرا شده است، پس از تعیین مقادیر شاخصهای مدل آر.اف.ام (RFM)شامل تازگی مبادله، تعداد دفعات مبادله و ارزش پولی مبادله در 180000 مشتری و وزن دهی آنها با استفاده از فرایند تحلیل سلسله مراتبی، تعداد خوشه بهینه براساس شاخص سیلوئت و نرخ تأثیر شاخصهای آر.اف، ام با استفاده از الگوریتم Two-Step انجام شد و در مرحله بعد به خوشه بندی مشتریان با استفاده از روش K- meansپرداخته شده است. نتایج مطالعه حاضر، زمینه را برای تحلیل ویژگی های مشتریان شركت در سه بخش اصلی فراهم نمود. همچنین با اولویت بندی خوشه ها براساس شاخصهای آر.اف.ام، مشتریان كلیدی و با ارزش شركت مشخص شدند. درنهایت نیز پیشنهادهایی به شركت برای بهبود سیستم مدیریت ارتباط با مشتری ارائه گردید.
امروزه بانك هـا بـرای جـذب و حفـظ مـؤثر مشـتریان بـه ابزارهـای جدیـدی ماننـد سیستم های پیشنهاددهنده نیاز دارند. برخلاف عموم سیستم های پیشنهاددهنده كه پیشـنهاد بـر اساس شباهت میان ترجیحات سایر كـاربران بـه وی داده مـی شـود؛ در ایـن پـژوهش از روش دسته بندی استفاده شده است كه در آن پیشینة علایق خود مشتری، مهـمتـرین ویژگـی بـرای تصمیم گیری دربارة خدمات بانكی مناسب به اوست. در این پژوهش از چهار دسـته بنـدی كننـدة پرسپترون چندلایه، ماشین بردار پشتیبانی، K نزدیكترین همسایه و بیـز سـاده اسـتفاده شـد. ابتدا پس از پیش پردازش مجموعة دادة مربوط به سرویس های مورد استفادة مشـتریان مختلـف بانك بـا چهـار روش مختلـف دسـته بنـدی آمـوزش داده شـدند؛ سـپس اعتبـار آنهـا بـا روش اعتبارسنجی ضربدری ده تایی به تأیید رسید و بهترین روش انتخاب شد.
پایگاه داده رابطه ای به طور گسترده، در اغلب برنامه ها به منظور ذخیر و بازیابی داده و اطلاعات مورد استفاده قرار می گیرد. این پایگاه داده ها کارایی و عملکرد بالایی دارند اما در سال های اخیر با افزایش برنامه های تحت وب بزرگ و به دلیل تغییر نیازمندی های برنامه-ها، مدیریت پایگاه داده های رابطه ای پاسخ به بسیاری از نیازها را فراهم نمی کند. یکی از راه حل های ارائه شده پایگاه داده های غیررابطه ای است که در حالت کلی به عنوان پایگاه داده های NoSQL نامیده می شود که امکان مدیریت و کنترل داده ها با مقیاس پذیری بالا را فراهم میکند. در این مقاله سعی شده است مزایا، معایب و تفاوت های رویکرد NoSQL با مدیریت پایگاه داده های رابطه ای و تکنیک های آن در مطالعه موردی برای داده های خبری بررسی شود. برای داده های خبری، با استفاده از خزش اطلاعاتی، داده های خبری 4 خبرگزاری مختلف تابناک، عصر ایران، باشگاه خبرنگاران جوان و آفتاب استفاده شده است و همچنین برای پیاده سازی های انجام شده در مدل غیر رابطه ای، پایگاه داده MongoDB و برای مدل رابطه ای از MySQL استفاده شده است. نتایج پیاده سازی ها نشان می دهد پایگاه داده NoSQL، بهترین انتخاب برای سرعت پرس و جو می باشد و در موارد مقیاس پذیری، انعطاف پذیری و توسعه پذیری در این کاربرد خاص سودمندتر است.
پایگاه داده رابطه ای به طور گسترده، در اغلب برنامه ها به منظور ذخیر و بازیابی داده و اطلاعات مورد استفاده قرار می گیرد. این پایگاه داده ها کارایی و عملکرد بالایی دارند اما در سال های اخیر با افزایش برنامه های تحت وب بزرگ و به دلیل تغییر نیازمندی های برنامه-ها، مدیریت پایگاه داده های رابطه ای پاسخ به بسیاری از نیازها را فراهم نمی کند. یکی از راه حل های ارائه شده پایگاه داده های غیررابطه ای است که در حالت کلی به عنوان پایگاه داده های NoSQL نامیده می شود که امکان مدیریت و کنترل داده ها با مقیاس پذیری بالا را فراهم میکند. در این مقاله سعی شده است مزایا، معایب و تفاوت های رویکرد NoSQL با مدیریت پایگاه داده های رابطه ای و تکنیک های آن در مطالعه موردی برای داده های خبری بررسی شود. برای داده های خبری، با استفاده از خزش اطلاعاتی، داده های خبری 4 خبرگزاری مختلف تابناک، عصر ایران، باشگاه خبرنگاران جوان و آفتاب استفاده شده است و همچنین برای پیاده سازی های انجام شده در مدل غیر رابطه ای، پایگاه داده MongoDB و برای مدل رابطه ای از MySQL استفاده شده است. نتایج پیاده سازی ها نشان می دهد پایگاه داده NoSQL، بهترین انتخاب برای سرعت پرس و جو می باشد و در موارد مقیاس پذیری، انعطاف پذیری و توسعه پذیری در این کاربرد خاص سودمندتر است.
بانک های تجاری در ارزیابی عملکرد مالی مشتریان و به منظور مدیریت ریسک اعتباری از روش های رتبه بندی گوناگونی استفاده می نمایند. این مقاله تحلیل کمی و کیفی بکار رفته در روش رتبه بندی اعتباری را مورد بررسی قرار می دهد. این روش به بخش اعتباری بانک ها وموسسات اعتباری کمک می کند که متقاضیان کم ریسک را از سایر متقاضیان جدا کنند. مقاله حاضر به دو بخش “رتبه بندی اشخاص حقیقی” و “رتبه بندی اشخاص حقوقی” می پردازد.
در رتبه بندی اعتباری اشخاص حقیقی، عوامل مختلفی برای امتیازدهی به هریک از معیارهای اساسی اعطای تسهیلات در نظر گرفته و در نهایت امتیاز و رتبه بندی های مشتری محاسبه می شود. رتبه بندی اشخاص حقوقی در قالب ویژگی های کمی و کیفی صورت می گیرد.
سازمانها به منظور ادامه حیات در محیط های به شدت پویا و در حال تغییر کسب و کارها، نیازمند استفاده از ابزارها وفناوری های نوین هستند تا بتوانند اطلاعات مورد نیاز مدیران خود را به موقع، خلاصه شده و در حداقل زمان ممکن فراهم نمایند. شرکت های کوچک و متوسط هم از این نیاز حیاتی مستثنی نیستند. گفته می شود این نوع شرکت ها قلب اقتصاد جهان امروز هستند و امروزه تردیدی در نقش و اهمیت صنایع کوچک و متوسط برای رشد و توسعه اقتصادی کشورها وجود ندارد. شرکت های کوچک و متوسط می توانند با استفاده از فناوری های نوین فرآیندهای نوین، فرآیندهای جدیدی چون مدیریت زنجیره تامین ومدیریت روابط با مشتری را به شکل موثری به کاربرند.
با افزایش مبادلات تجاری، اقتصادی، پیشرفت تکنولوژی اطلاعات و انباشته شدن داده های مالی، تکنیک های داده کاوی به منظور استفاده بهینه و کارا از این داده ها رواج یافت. هدف این پژوهش پیش بینی گزارش حسابرس مستقل با استفاده از تکنیک های داده کاوی می باشد. اهمیت پیش بینی گزارش حسابرسی مستقل در تاثیر آن بر تصمیم گیری استفاده کنندگان می باشد. گزارش حسابرس مستقل در این تحقیق به دو دسته مقبول و غیرمقبول (شامل گزارشات مشروط، مردود و عدم اظهانظر) طبقه بندی شده است.
وبینار علم داده برای مدیران1400/08/22 - 16:36وبینار علم داده برای مدیران موضوعات علم داده و رابطه آن با هوش تجاری و هوش مصنوعی رویکردهای تحلیلی کسب و کار مفاهیم پایه Big Data اجزای پلتفرم داده یادگیری ماشین و علم داده محاسبات شناختی ثبت نام کنید!
