بكارگيري روشهاي داده كاوي جهت مديريت دانش مشتريان

بكارگيري روشهاي داده كاوي جهت مديريت دانش مشتريان

دسته: رشته فناوري اطلاعات (IT)
بازديد: 6 بار
فرمت فايل: doc
حجم فايل: 1103 كيلوبايت
تعداد صفحات فايل: 165

هدف از اين پايان نامه بكارگيري روشهاي داده كاوي جهت مديريت دانش مشتريان بانك مهر اقتصاد مي باشد

قيمت فايل فقط 149,000 تومان



دانلود پايان نامه كارشناسي ارشد در رشته فناوري اطلاعات

بكارگيري روشهاي داده كاوي جهت مديريت دانش مشتريان

چكيده

افزايش روزافزون سطح رقابت در بازار، مديران و تحليل گران سازمان ها را وادار ساخته به دنبال راهكارهايي باشند كه مزيت رقابتي را براي سازمان به ارمغان آورند. بر اساس مطالعات موجود، استفاده از دانش مشتري جهت اتخاذ استراتژي‌هاي لازم براي جلب رضايت مشتري مي تواند سازمان ها را به سمت تحقق اين هدف سوق دهد. از سوي ديگر گسترش بهره گيري از فناوري هاي بروز در زمينه اطلاعات و ارتباطات خصوصاً در بانك ها باعث بر جاي ماندن حجم عظيمي از داده ها گشته كه تحليل و تصميم-گيري بر اساس آن ها با روش هاي معمول گزارش گيري و روش-هاي آماري امكان پذير نمي باشد. داده كاوي ابزار بروز و قدرتمندي است كه در اين پايان نامه جهت تحليل داده ها به جهت استخراج دانش مشتري پيشنهاد مي گردد.

هدف از اين تحقيق با عنوان «مديريت دانش مشتريان بانك مهر اقتصاد با استفاده از تكنيك هاي داده‌كاوي»، بخش‌بندي مشتريان بانك مهر اقتصاد، باهدف كشف ويژگي‌هاي رفتاري مشابه، براي كمك به مديران اين بانك جهت تسهيل اتخاذ استراتژي‌هاي متناسب با هر بخش و در نتيجه حفظ، تقويت و يا توسعه ارتباط با مشتريان و نهايتاً سودآوري براي اين بانك مي  باشد. داده‌هاي خام مورد نياز جهت اين مطالعه از پايگاه داده‌هاي بانك مهر اقتصاد استخراج شده است.

كلمات كليدي :

داده كاوي

كشف دانش

مديريت دانش مشتري

خوشه بندي مشتريان

 مقدمه

در سال هاي اخير دانش  به عنوان منبعي ارزشمند در كنار منابعي چون كار، زمين، سرمايه قرار گرفت و به عنوان موتور توليدكننده درآمد و يك دارايي مهم و راهبُردي براي سازمان شناخته شد. از طرفي به دليل وجود رقابت شديد در بين كسب و كارهاي امروزي از جمله صنعت بانكداري، مشتري و توجه به جايگاه او و ارتباط با او اهميت ويژه اي يافته است. بنابراين مبحث بسيار مهم مديريت دانش مشتري  مطرح گرديد كه امروزه مطالعات بسيار زيادي را به خود اختصاص داده است. مديريت دانش مشتري با استفاده از راهكارهاي مختلف مديريت دانش نظير روش‌هاي داده‌كاوي  زمينه بسيار خوبي را جهت استفاده مفيد از گنجينه گران‌بهاي دانش مشتري فراهم مي آورد.

از سوي ديگر در عصر حاضر بهره گيري از فناوري هاي نوين اطلاعات و ارتباطات در عرصه هاي مختلف كسب وكار به امري گريزناپذير مبدل گشته است. به طور خاص صنعت بانكداري از جمله صنايعي است كه به‌كارگيري فناوري هاي روز دنيا در اين صنعت مي تواند مزيت رقابتي انكارناپذيري را براي آن ايجاد نمايد. بنابراين اين صنعت نيز از بهره گيري از بروزترين فناوري ها مستثنا نبوده و مواردي مانند بانكداري الكترونيك، سيستم‌هاي يكپارچه بانكداري ، دستگاه هاي خودپرداز، كارت هاي اعتباري، پايانه هاي خريد الكترونيك و... از مصاديق اين امر مي باشد.

ورود فناوري هاي جديد به سازمان سبب افزايش چشمگير سرعت توليد اطلاعات و در نتيجه بر جاي ماندن حجم عظيمي از داده‌ها گشته است. از آنجا كه اين داده‌ها اغلب حجيم و وسيع مي-باشند، معمولاً به صورت خام قابل‌استفاده نيستند، بلكه دانش موجود در آن ها بايد استخراج گردد. با اين وجود كه ارزش اين داده‌ها بر كسي پوشيده نيست، حجم بسيار بالاي داده‌هاي ارزشمند موجود، تحليل و بهره گيري از آن ها را به امري چالش‌برانگيز مبدل ساخته است.

 چرا كه تحليل به واسطه روش‌هاي گزارش گيري سنتي در اين مقياس امكان پذير نيست و روش‌هاي آماري موجود نيز از ظرفيت كافي جهت تحليل اين داده‌ها برخوردار نمي باشند. بنابراين بايد به دنبال راهكاري بود كه با غلبه بر اين محدوديت، امكان انجام مطالعاتي جامع تر با نتايج دقيق تر و درصد خطاي پايين تر را ممكن سازد. اين مسئله گواهي بر لزوم به‌كارگيري روش‌هاي نوين تحليل داده‌ها جهت حصول دانش، نظير روش داده‌كاوي خواهد بود.دانش قابل توجهي كه در زمان استفاده از خدمت يا مصرف كالا توسط مشتري، بين مشتري و سازمان تبادل مي شود، به عنوان منبعي مهم براي سازمان شناخته مي شود و كسب و بهره برداري از آن به يك مزيت رقابتي در سازمان ها تبديل شده است.مديريت دانش مشتري دربردارنده فرايندهايي ست كه با شناسايي و اكتساب اطلاعات مشتري و نيز ايجاد و بهره برداري از دانش مشتريان، مربوط است [9]. چنين اطلاعاتي در ماوراي محدوده هاي خارجي سازمان قرار دارند و دانشي كه از آن ها استخراج مي شود موجب ايجاد ارزش براي سازمان و مشتريان آن خواهد شد [32]. در اين تحقيق مسئوليت كشف دانش بر عهده الگوريتم‌هاي داده‌كاوي خواهد بود. در ادامه از اين دانش به عنوان راهنما در مسير اتخاذ استراتژي‌هاي سازمان، بهره گيري مي شود.

فهرست مطالب

فصل اول 1

1-1- مقدمه 2

1-2- تعريف مسئله 3

1-3- ضرورت انجام تحقيق 7

1-4- مراحل انجام تحقيق 8

1-5- محدوده تحقيق 9

1-6- اهداف تحقيق 9

1-7- ساختار پايان‌نامه 10

فصل دوم 12

2-1- مقدمه 13

2-2- مديريت دانش 14

2-2-1- دانش چيست؟ 15

2-2-2- هرم دانش 15

2-2-3- انواع دانش 16

2-2-3-1- دانش صريح 16

2-2-3-2- دانش ضمني 16

2-2-4- مديريت دانش چيست؟ 17

2-2-5- استراتژي‌هاي مديريت دانش 18

2-2-5-1- استراتژي اجتماعي سازي (تبديل دانش پنهان به پنهان) 19

2-2-5- 2- استراتژي بروني سازي (پنهان به آشكار) 19

2-2-5- 3- استراتژي تركيب سازي (آشكار به آشكار) 20

2-2-5- 4- استراتژي درونيسازي (آشكار به پنهان) 20

2-2-6-معايب عدم بهرهگيري از دانش در سازمان 20

2-2-7- اهداف مديريت دانش 21

2-2-8- مدل هاي مديريت دانش 21

2-3- مديريت دانش مشتري 23

2-3-1- انواع دانش مشتري 24

2-3-2- مدل مديريت دانش مشتري 28

2-4- مديريت ارتباط با مشتري 29

2-4-1- مديريت ارتباط مشتريان در نظام بانكي 32

2-4-2- مديريت ارتباط با مشتري: اهداف، مزايا و چالش‌ها 33

2-5- مقايسه مفاهيم CKM و KM و CRM 34

2-6- تاريخچه‌اي از بانك و بانكداري 37

2-7-  سير تحول فناوري اطلاعات در صنعت بانكداري 38

2-7-1 دوره اول: اتوماسيون پشت باجه 38

2-7-2- دوره دوم: اتوماسيون جلوي باجه 38

2-7-3- دوره سوم: اتصال مشتريان به حساب‌هايشان 38

2-7-4- دوره چهارم: يكپارچه‌سازي سيستم‌ها و مرتبط كردن مشتريان با تمامي عمليات بانكي 39

2-7-5- بانكداري الكترونيك 39

2-8- داده‌كاوي 40

2-8-1- مقايسه روش‌هاي آماري و داده‌كاوي 40

2-8-2- مفهوم داده‌كاوي 42

2-8-3- داده‌كاوي و كشف دانش 44

2-8-4- فرايند داده‌كاوي 45

2-8-5- معرفي روش‌هاي داده‌كاوي 51

2-8-5-1- دسته‌بندي 53

2-8-5-2- درخت تصميم 53

2-8-5-3- شبكه‌هاي عصبي 55

2-8-5-4- پيش بيني 56

2-8-5-5- خوشه‌بندي 56

2-8-5-5- انواع خوشه‌بندي 57

2-8-5-5-2- معيارهاي ارزيابي در خوشه‌بندي 59

2-8-5-6- تحليل انحراف 60

2-8-5-7- قواعد وابستگي (انجمني) 61

2-8-5-8- تحليل توالي 61

2-8-6- نرم‌افزار داده‌كاوي 62

2-8-7- كاربردهاي داده‌كاوي 63

2-8-7-1- داده‌كاوي در صنعت بانكداري 63

2-9- پيشينه تحقيق 65

2-9-1- كاربرد داده‌كاوي در بخش‌بندي و مدل‌سازي رفتاري مشتريان در صنعت بانكداري 66

2-9-2- كاربرد داده‌كاوي در ارزيابي اعتبار مشتريان 68

2-9-3- كاربرد داده‌كاوي در زمينه كشف تقلب 69

2-9-4- كاربرد داده‌كاوي در تحليل روي‌گرداني مشتري 69

2-10- جمع‌بندي مطالب فصل 74

فصل سوم 76

3-1- مقدمه 77

3-2- روش پيشنهادي 77

3-2-1- چارچوب تحقيق 77

3-2-2- انتخاب متغيرها 79

3-2-3- آماده‌سازي و پيش‌پردازش داده‌ها 80

3-2-3-1- نرمال سازي داده‌ها 81

3-2-4- تعيين تعداد بهينه خوشه‌ها 81

3-2-5- خوشه‌بندي 82

3-2-5-1- انواع خوشه‌بندي 83

3-2-5-2- خوشه‌بندي به روش K-Means 84

3-2-5-1-1- مزاياي استفاده از الگوريتم خوشه‌بندي K-Means 85

3-2-5-1-2-  محدوديت‌هاي الگوريتم K-Means 85

3-2-5-2- خوشه‌بندي به روش WK-Means 86

3-2-5-3- خوشه‌بندي به روش A-H-Means 87

3-2-6- ارزيابي خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترين روش 88

3-2-7- به‌كارگيري دانش حاصل از خوشه‌بندي 90

3-3- روش‌هاي جمع آوري اطلاعات 90

3-4- جمع‌بندي مطالب فصل 90

فصل چهارم 92

4-1- مقدمه 93

4-2- معرفي بانك مهر اقتصاد 93

4-3- موضوع و فعاليت بانك 94

4-4- محاسبات تحقيق 94

4-4-1- گام انتخاب و جمع آوري متغيرهاي ورودي 95

4-4-2- گام آماده‌سازي و پيش‌پردازش داده‌ها 96

4-4-3-گام تعيين تعداد بهينه خوشه‌ها 97

4-4-4- گام خوشه‌بندي داده‌ها 97

4-4-4-1- خوشه‌بندي به روش K-Means 98

4-4-4-2- خوشه‌بندي به روش WK-Means 100

4-4-4-3- خوشه‌بندي به روش A-H-Means 100

4-4-5- ارزيابي خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترين روش 101

4-4-6-گام به‌كارگيري دانش حاصل از خوشه‌بندي 102

4-5- نتايج تحقيق 104

4-6- جمع‌بندي مطالب فصل 106

فصل پنجم 107

5-1- مقدمه 108

5-2- خلاصه تحقيق 108

5-3- نتيجه‌گيري 109

5-4- زمينه‌هاي پيشنهادي، راهكارها و پيشنهاد‌ات جهت پژوهش‌هاي آتي 110

منابع و مآخذ 126

فهرست جدول‌ها

جدول 2-1 انواع مختلف تبديلات دانش 19

جدول 2-2 مقايسه مفاهيم مديريت دانش، مديريت ارتباط با مشتري و مديريت دانش مشتري 35

جدول 2-3 مقايسه روش‌هاي تحليل آماري و داده‌كاوي 41

جدول 2-4 فعاليت‌هاي مربوط به فازهاي CRISP-DM و خروجي هر فعاليت 50

جدول 2-5 نمونه داده‌هاي مورد نياز در يك مسئله مدل‌سازي به روش دسته‌بندي 54

جدول 2-6 معيارهاي محاسبه شباهت در خوشه‌بندي 59

جدول 2-7 معيارهاي محاسبه فاصله در خوشه‌بندي 60

جدول 2-8 پژوهش‌هاي انجام‌گرفته در زمينه كاربرد داده‌كاوي در صنعت بانكداري 71

جدول 3-1 متغيرهاي تحقيق 80

جدول 4-1 نمونه ده‌تايي از داده‌هاي مربوط به مشتريان بانك مهر اقتصاد 95

جدول 4-2 متغيرهاي نرمال شده 96

جدول 4-3 وزن نسبي متغيرهاي تحقيق 100

جدول 4-5 مقادير مجموع مربع خطاها در الگوريتم‌هاي مختلف خوشه‌بندي 101

جدول 4-6 دسته‌بندي مشتريان بر مبناي ويژگي‌هاي رفتاري مشابه 103

جدول 4-7 اطلاعات مربوط به خوشه‌بندي مشتريان بانك مهر اقتصاد به روش K-Means 104

فهرست تصاوير و نمودارها

شكل 2-1 سلسله‌مراتب دانش 16

شكل 2-2 دانش صريح فقط بخش كوچكي از دانش را تشكيل مي‌دهد. 17

شكل 2-3 مدل مديريت دانش پروبست و رمهارد 22

شكل 2-4 چارچوب خوشه انگور جهت نوع شناسي دانش مشتري 26

شكل 2-5 مدل مديريت دانش مشتري 28

شكل 2-7 گام‌هاي فرايند توليد دانش از پايگاه داده‌ها 44

شكل 2-8 متدولوژي فرآيند استاندارد ميان صنعتي داده‌كاوي (CRISP-DM) 47

شكل 2-9 دسته‌بندي كلي عملكردهاي داده‌كاوي 52

شكل 2-11 نيروهاي رقابتي پورتر 64

شكل 3-1 چارچوب تحقيق 78

شكل 4-1 خوشه اول، الگوريتم K-Means 98

شكل 4-2 خوشه دوم، الگوريتم K-Means 98

شكل 4-3 خوشه سوم، الگوريتم K-Means 99

شكل 4-4 خوشه چهارم، الگوريتم K-Means 99

شكل 4-5 خوشه پنجم، الگوريتم K-Means 99

قيمت فايل فقط 149,000 تومان



برچسب ها : بكارگيري روشهاي داده كاوي جهت مديريت دانش مشتريان , داده كاوي در مديريت دانش مشتريان بانك , مديريت دانش مشتريان بانك با داده ‌كاوي , مديريت دانش مشتريان بانك با تكنيكهاي داده كاوي , مديريت دانش مشتريان بانك با روشهاي داده كاوي , پايان نامه مديريت دانش مشتريان بانك , پايان نامه مديريت دانش مشتري , دانلود پايان نامه ارشدداده كاوي , دانلود پايان نامه داده كاوي