رزیابی کارآمد و موثر وفاداری مشتری برای توسعه مدیریت ارتباط با مشتری با استفاده از روش داده کاوی
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
بازدید در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته میشود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد.
ن سلسله مقالات به کاربرد داده‌کاوی در تحلیل، تشخیص و پیش‌بینی بیماری‌های مختلف پرداخته میشود. بدین ترتیب که با استفاده از الگوریتم‌ها و روشهای داده‌کاوی در کنار اطلاعات بیماران مختلف راهی برای تحلیل، تشخیص و پیش‌بینی بیماری‌های مختلف ارائه میشود. درواقع داده خام اطلاعات بیماران و روشهای نیز روشهای استفاده‌شده در علوم داده‌کاوی است که منجر به تولید دانشی مفید برای علوم پزشکی می‌گردد. مطالعه این مقالات میتواند برای اشخاصی که درزمینهٔ داده‌کاوی پزشکی و سلامت فعالیت می‌کنند راهگشا بوده و مفید واقع شود. بنا بر ادعای برخی علم پزشکی یک علم مبتنی بر آمار است و بسیاری از راه‌حل‌های ارائه‌شده برای بیماران از طریق روش‌ها و راه‌های تحلیل آماری حاصل میشود. این ادعا و واقعیت‌های مرتبط در این رشته مقالات که با عنوان استفاده از داده‌کاوی برای تحلیل بیماری‌ها در موارد مختلف تولید خواهد شد بررسی میشود. آکادمی داده امیدوار است در این رشته مقالات، پژوهشگران عزیز را با مفاهیم این حوزه و کارهای انجام‌شده آشنا نماید.
در این مقاله درباره تحقیق با عنوان"استفاده از تکنیک های داده کاوی جهت تشخیص دیابت با استفاده از چربی خون " صحبت خواهد شد. 09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
مقدمه: بیماری دیابت یکی از شایع ترین، خطرناک ترین و پرهزینه ترین بیماری های حال حاضر دنیا است که با نرخ هشدار دهنده ای در حال افزایش است. استفاده از روش های داده کاوی می تواند به تشخیص زودهنگام دیابت کمک کند که باعث جلوگیری از پیشرفت این بیماری و خیلی از عوارض آن مانند بیماری قلب و عروق، مشکالت بینایی و بیماری های کلیوی می شود.
مواد و روش ها: در این تحقیق از نرم افزار داده کاوی رپیدماینر برای مدل سازی به منظور دسته بندی بیماران به دیابتی و غیر دیابتی استفاده شده است. داده های مورد نیاز این تحقیق از پایگاه داده یکی از آزمایشگاه های شهرستان نهاوند استخراج شده است که شامل داده های 6075 بیمار در بازه سال های 1387 تا 1392 است. این داده ها شامل متغیرهای عمومی سن و جنسیت و هم چنین متغیرهای انواع چربی خون و میزان قندخون ناشتا است.
چه چیزی داده کاوی نیست؟
داده کاوی چیست؟
آموزش ابزارِ داده کاوی رپیدماینر
معرفی منابع برای یادگیری داده کاوی
یافته های پژوهش: پس از مدل سازی با استفاده از تکنیک های مختلف دسته بندی بهترین دقت مدل مربوط به مدل درخت تصمیم c4.5 بوده که برابر 90 درصد می باشد.
بحث و نتیجه گیری: به منظور تشخیص به موقع دیابت تکنیک های مختلفی با روش ها و متغیرهای گوناگونی ارائه گردیده است. در تحقیق پیش رو نیز با استفاده از رابطه هم افزایی انواع چربی خون با قندخون ناشتا و با استفاده از تکنیک های داده کاوی روشی برای تشخیص 09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
در این تحقیق بر روی یکی از بیماری‌های مشهور در دنیا یعنی بیماری دیابت پژوهش انجام شده است. دیابت چهارمین علت مرگ و میر در بیشتر کشورهای توسعه یافته است. در این تحقیق مجموعه داده‌ای شامل 6075 نفر موردبررسی قرارگرفته است که از 6075 بیمار 587 بیمار یعنی 6 درصد بیماران مبتلا به دیابت بودند. در واقع مجموعه داده این تحقیق یک مجموعه داده نا متعادل می باشد. این مجموعه داده توسط آزمایشگاه شهر نهاوند تهیه‌شده و از مجموعه داده های بومی در حوزه استفاده از داده‌کاوی برای پیش‌بینی بیماری‌هاست. یکی از نقاط قوت این کار استفاده از پنج الگوریتم برای ایجاد مدل طبقه‌بندی است بر اساس پیاده‌سازی انجام‌شده الگوریتم درخت با 90 درصد بهترین عملکرد را داشته است. متاسفانه مجموعه داده این تحقیق نیز در دسترس عموم محققین قرار نگرفته است.
روش پیشنهادی نشان داده است که به منظور خوشه بندی، زمانی که ما مدل WRFM گسترش یافته را با الگوریتم K میانگین ترکیب میکنیم، میتوانیم پیشرفت فوق العاده ای در طبقه بندی صحت و درستی به منظور رسیدن به یک مدیریت ارتباط با مشتری عالی را ببینیم. به عنوان مثال، فاصله و نرخ یکپارچگی هر خوشه معمولا توسط بسیاری از محققان به عنوان پارامترهای جداگانه و مستقل استفاده میشود، در این مطالعه ترکیب این دو پارامتر در تجزیه و تحلیل خوشه بندی و طبقه بندی در نظر گرفته شده است. نتایج آزمون آماری برای ارزیابی مدل نشان داده است که روششناسی توسعهیافته برای مدیریت ارتباط با مشتری دارای یک نتیجه قابل قبول با سطح بالایی از اطمینان در مقایسه با سایر مدل های معمول استفاده شده توسط محققان است. روش مدیریت ارتباط با مشتری پیشنهاد شده میتواند توسط صنایع و همچنین بخشهای خدمات در ارزیابی وفاداری مشتریانشان به شیوه هایی کارآمدتر و موثرتر استفاده شود.
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
ارزیابی کارآمد و موثر وفاداری مشتری برای توسعه مدیریت ارتباط با مشتری با استفاده از روش داده کاوی مقاله کاربرد تکنیک داده کاوی در مدیریت روابط مشتری مقاله طراحی ساختار مدیریت ارتباط با مشتریان مبتنی بر داده کاوی مقاله تعیین تکنیک های مناسب داده کاوی جهت شناسایی مشتریان ترجیحی در یک سیستم مدیریت ارتباط با مشتری مقاله داده کاوی در مدیریت ارتباط با مشتری مقاله بهبود فرآیند مدیریت ارتباط با مشتری با استفاده از رویکرد مهندسی نیازمندی ها و روش داده کاوی مقاله کاربرد تکنیک های داده کاوی در مدیریت ریزش مشتری مقاله مدلی برای تحلیل رفتار مشتریان الکترونیک طب سنتی با استفاده از الگوریتم داده کاوی به منظور بهبود ارتباط با مشتری (مطالعه موردی:عسل درمانی) مقاله کاربرد داده کاوی در مدیریت ارتباط با مشتری مقاله ارائه یک راهکار جدید مدیریت ارتباط با مشتری مبتنی بر رویکرد داده کاوی مقاله استفاده از داده کاوی در مدیریت ریسک مشتریان بانک ها مقاله داده کاوی و مدیریت ارتباط با مشتری مقاله مدیریت ارتباط با مشتری توسط زنجیره تامین وتکنیک های داده کاوی مقاله بررسی رابطه بین مدیریت ارتباط با مشتری، داده کاوی مدیریت دانش جهت دستیابی و ایجاد مدیریت دانش مشتری با رویکرد کسب مزیت رقابتی سازمانها در تجارت الکترونیکی مقاله به کارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان: رویکردی جهت صرفه جویی در زمان هزینه (مطالعه موردی:بانک مهر اقتصاد) مقاله بهبود مدیریت ارتباط با مشتری مبتنی بر داده کاوی مقاله بررسی نقش داده کاوی در مدیریت ارتباط با مشتری مقاله طراحی مدل کاربرد داده کاوی در مدیریت دانش مشتری مقاله کاربرد داده کاوی در مدیریت ارتباط با مشتری مقاله داده کاوی ابزار جذاب رتبه سنجی اعتباری مشتریان جهت ارتقاء مدیریت روابط مشتریان سازمانها مقاله استفاده از تکنیک های داده کاوی در استخراج الگوهای پنهان وبهبود مدیریت روابط مشتریان و مراجعین شعب سازمان تأمین اجتماعی مقاله استفاده ازداده کاوی در سیستم مدیریت ارتباط با مشتری شرکت های بیمه (مطالعه موردی در زمینه شناسایی مشتری) مقاله مدیریت ارتباط با مشتری با استفاده از داده کاوی در سیستم بانکداری مقاله استفاده از تکنیک داده کاوی در مدیریت ارتباط با مشتری مقاله بهبود مدیریت ارتباط با مشتری در صنعت بانکداری مبتنی بر تکنیکهای داده کاوی مقاله مدیریت بر اطلاعات مشتری در مدیریت زنجیره تأمین با استفاده از رویکرد مقاله آگاھی از رفتار و احساس مشتریان برای تصمیم گیری و مدیریت سازمان، با رویکرد نرمال در آنالیز احساس و استفاده از معنا شناسی متنی (متن کاوی) در شبکه ھای اجتماعی مقاله ارائه روشی برای تعیین الزامات پیاده سازی مدیریت دانش مشتری (CKM) (مورد کاوی: گروه خودرو سازی بهمن) مقاله نقش مدیریت روابط مشتریان الکترونیکی در بازاریابی اینترنتی مورد کاوی شرکتها و سازمانهای ایرانی مقاله آسیب شناسی مدیریت ارتباط با مشتری : موردکاوی یک شرکت خودرو سازی مقاله بررسی تاثیر مدیریت ارتباط الکترونیکی با مشتری بر رضایت مشتریان «موردکاوی شرکت چینی بهداشتی گلسار فارس» مقاله مدیریت دانش مشتری در مدیریت زنجیره تأمین : یک رویکرد داده کاوی 09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.comانک پاسارگاد) مقاله داده کاوی اطلاعات در مدیریت زنجیره تامین جهت افزایش رضایت مندی مشتریان مقاله نقش داده کاوی در مدیریت روابط مشتری مقاله بررسی تکنیک های داده کاوی در جهت مدیریت بهتر ارتباط با مشتریان مقاله مدیریت ارتباط با مشتری در نظام بانکی توسط تکنیک های داده کاوی مقاله تلفیق داده کاوی و AHP برای بهبود مدیریت ارتباط با مشتریان در بانک ها مقاله مدیریت منسجم خدمات بانکی و رضایت مشتری ( موردی کاوی : بانک ملت حافظ شهرکرد) مقاله تاثیر مدیریت تجربه مشتری بر تکرار خرید( مورد کاوی : رستوران های زنجیره ای پدرخوب درشهر تهران) مقاله کاربرد تکنیک های داده کاوی در مدیریت ریزش مشتری مقاله مطالعه ی داده کاوی براساس مدیریت مشتری در تجارت الکترونیک مقاله کاربرد تکنیک داده کاوی در مدیریت روابط مشتری مقاله مدیریت ارتباط با مشتری در صنعت بانکداری با استفاده از داده کاوی)الگوریتم شبکه عصبی و ازدحام ذرات( مقاله بررسی نقش داده کاوی در مدیریت ارتباط با مشتری (مورد مطالعه سازمان آتش نشانی و خدمات ایمنی تهران) مقاله ترکیب داده کاوی و مدیریت دانش در مدیریت ارتباط با مشتری مقاله بررسی تکنیک های داده کاوی بمنظور مدیریت ارتباط با مشتریان مقاله رابطه بین داده کاوی، مدیریت دانش و مدیریت ارتباط با مشتری جهت کسب مزیت رقابتی سازمان ها در تجارت الکترونیکی مقاله داده کاوی در مدیریت ارتباط با مشتری مقاله کاربردهای داده کاوی در تجزیه و تحلیل مدیریت ریسک مشتریان بانک ها مقاله داده کاوی مشترکین شرکت مخابرات برای بهبود مدیریت ارتباط با مشتری مقاله مدیریت دانش مشتری در مدیریت زنجیره تامین : یک رویکرد داده کاوی مقاله مدیریت ارتباط با مشتری با استفاده از داده کاوی در سیستم بانکداری مقاله
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
تخراج اتوماتیک داده از وب برای کاربرد سیستمهای هوشمندی تجاری
بازدید آکادمی داده که به زودی پنجمین سال فعالیت خود را جشن می گیرد سالهاست به دنبال ایجاد محتوای مفید برای علاقه مندان علوم داده‌کاوی، متن کاوی و علوم مرتبط با علم داده، مدیریت دانش، هوش تجاری و مباحث مرتبط است. آکادمی داده امیدوار است با این اقدامات بتواند اثری هر چند اندک در افزایش آگاهی علاقه مندان به این حوزه ها داشته باشد. در این سری مقالات آکادمی داده تلاش دارد مقالات جالب، جدید، پر محتوا و اثرگزار را در علوم داده‌کاوی، متن کاوی، مدیریت دانش، هوش تجاری و مباحث مرتبط ارایه نماید. در این سری مقالات ابتدا مقدمه و سپس نتیجه گیری مقالات ارایه شده است و سپس فایل پی دی اف مقاله برای دانلود رایگان علاقه مندان توسط آکادمی داده تهیه شده و قابل دانلود است.
چکیده:
دسترسی به اطلاعات بازار، رقباء و مشتریان از طریق موتورهای جستجوگر و مرور دستی تقریبا ناکارآمد و خمیر بهینه است هدف از این تحقیق ارایه یک روش کار آمد و الگوی موفق برای استخراج اتوماتیک داده از وب و مجتمع سازی آنها با اطلاعات انباره داده سازمانی برای کاربرد سیستم های هوشمندی تجاری است. در این روش با استفاده از یک نرم افزار تجاری و تکنولوژی رابر یک معماری موثر و قوی برای فرآیندهای استخراج، ساختاردهی مجدد و بارگذاری داده ها به سیستم هوشمندی تجاری ایجاد شده است. نتایج بدست آمده نشان می دهد که تکنولوژی رایر برای استخراج داده های خارجی و مجتمع سازی آنها با داده های انباره داده سازمانی بسیار مناسب و کارآمد می باشد.
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
در این مقاله چگونگی استخراج اتوماتیک داده های شبه ساخت یافته از وب برای کسب اطلاعات بازار و رقباء و پشتیبانی از تصمیم بیان گردید. همچنین قابلیتهای نرم افزار LixTo در مورد تولید را پر و پردازشهای موثر روی داده های وب توضیح داده شدند. نتیجه این پردازشها یک فایل XML ساختیافته است که براحتی میتواند بوسیله سیستم های هوشمندی تجاری باهر پایگاه داده با رابط استاندارد مورد استفاده قرار گیرد. همچنین روش ایجاد ناحیه میانجی و بارگذاری داده ها به انباره داده اوراکل با استفاده از رابط JDBC توضیح داده شدند. مجتمع سازی داده های خارجی با سیستم های هوشمندی تجاری دارای مزیتهای متفاوتی است که در زیر خلاصه میشوند:
1- مجتمع سازی سریع داده ها برای پشتیبانی از واکنش سریع سازمان به نیازها و تغییرات بازار
۲- فعال سازی مکانیزم های هشدار توسط عامل های گزارش دهی سیستم هوشمندی تجاری
٣- کسب تصویر واقعی تر از بازار
۴- کاهش هزینه های آموزش بعلت داشتن رابط گرافیکی
5- کاهش زمان و هزینه تلاش افراد برای بازیابی اطلاعات
۶- کاهش خطاهای جمع آوری و تجمیع داده ها
۷- دسترسی به منابع داده بیشتر با دانه بندی دلخواه
۸- بهبود نمایان سازی و افزایش کیفیت داده
بدین ترتیب دانشگران و تحلیل گران داده قادر به کسب اطلاعات در مورد وضعیت های بازار، رقباء، قیمت محصولات و مواد و ارزیابی رفتار بازار به صورت بلادرنگ خواهند بود. آگاهی سریع درمورد این امر منجر به اخذ تصمیمات درست و به موقع و افزایش توان رقابتی سازمان می گردد. همچنین تکنولوژی راپر برای استخراج داده های خارجی سازمان و مجتمع سازی با داده های انباره داده بسیار مناسب و کارآمد می باشد.
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
مجموعه مقالات فارسی در مورد هوش تجاری یا هوشمندی کسب و کار که شامل چهار صد 400 مقاله فارسی در مورد هوش تجاری یا هوشمندی کسب و کار است به صورت یکجا نیز از طریق لینک قابل دسترسی هستند.
در این مقاله درباره تحقیق با عنوان" پیش بینی احتمال وقوع افسردگی با استفاده از داده کاوی" صحبت خواهد شد. در خلاصه این مقاله
در این تحقیق از الگوریتم درخت تصمیم گیری برای پیش بینی احتمال وقوع افسردگی استفاده شده است. مجموعه داده این تحقیق شامل 30 ویژگی انسانی است. در واقع از 30 ویژگی برای پیدا کردن احتمال وقوع یا عدم وقوع افسردگی استفاده شده است. این ویژگی ها بین 0 تا 3 مقدار دهی شده است که کمترین تا بیشترین مقدار را نشان می دهد. در این دیتاست 600 بیمار بررسی شده است که میزان قابل قبولی برای تحقیقات علمی است. هدف از استفاده از الگوریتم درخت تصمیم گیری پیدا کردن مهمترین عامل برای افسرده شدن افراد است. این تحقیق با دید کلاسیک به موضوعات داده کاوی سلامت نگریسته است و سعی کرده با استفاده از یکی از الگوریتم های یادگیری ماشین اقدام به تولید مدل پیش بینی افسردگی کند. بهتر بود تعداد الگوریتم های مورد بررسی قرار گرفته افزایش می یافت و با استفاده از روش های کاهش ویژگی سعی می شد بهترین ویژگی ها برای پیش بینی افسردگی افراد ارائه می شد. این تحقیق می تواند نسخه اولیه برای تحقیقات بعدی بر روی دیتاست ارائه شده باشد و دقت ها به دست آمده با این مقاله بیس مقایسه گردد.
این مقاله از طریق لینک قابل دسترسی است. محققین و دانشجویان علاقه مند می‌توانند از آن استفاده نمایند. در کنار آن دیتاست این تحقیق توسط دیتاهارت خریداری شده است و محققینی که به آن احتیاج دارند می توانند از دیتاهارت تهیه بفرمایند. برای خرید به این لینک مراجعه بفرمایید.
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com