منابع پایان نامه درباره مدیریت دانش، تحلیل داده، سودآوری

دانلود پایان نامه ارشد

بالقوه و… مقدمهای جهت تحقق این مهم خواهد بود.
با ورود فناوریهای جدید به سازمانها و افزایش سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از داده‌ها و دشواری استفاده از این حجم وسیع، معمولاً امکان استفاده از این داده‌ها به صورت خام وجود ندارد، بلکه دانش موجود در آنها باید استخراج گردد. همچنین تحلیل این داده‌ها به واسطه روش‌های گزارش گیری سنتی در این مقیاس امکانپذیر نیست و روش‌های آماری موجود نیز از ظرفیت کافی جهت تحلیل این داده‌ها برخوردار نمیباشند. داده‌کاوی راهکاری است که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامعتر با نتایج دقیقتر و درصد خطای پایینتر را ممکن سازد.
داده‌ها6 کمیت‌های عددی یا خصیصه‌ای هستند که در نتیجه مشاهده یا آزمایش حاصل شده‌اند. داده‌های دسته‌بندی شده اطلاعات7 را تشکیل می‌دهند. اطلاعات از ترتيب، تركيب و شبكه شدن دانش را ايجاد مينمايد. دانش، اطلاعات سازمان‌یافته، تحلیل یافته و یا تلخیص شده برای افزایش درک، آگاهی یا تشخیص می‌باشد.
داده‌کاوی ابزاری بروز، قدرتمند و وسیع است که میتواند جهت تحلیل حجم عظیم داده بکار گرفته شود. داده‌کاوی به بهرهگیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزار با کاوش در بین داده‌های موجود و استخراج الگوها و روابط موجود در پایگاه داده‌ها، موجب تسهیل مطالعات و اتخاذ تصمیمات خواهد شد. همچنین به کمک امکانات موجود در این ابزار میتوان حجم داده‌ها را کاهش داد و داده‌های اضافی را حذف نمود. استفاده از روش‌های مختلف داده‌کاوی میتواند جهت کشف دانش و الگوهای موجود در حجم عظیم داده‌ها (برای مثال به طور خاص داده‌های جمعیت شناختی مشتریان بانک نظیر جنسیت، سن، وضعیت تأهل، تحصیلات، شغل و غیره، یا داده‌های مربوط به تراکنشهای مالی مشتریان و یا سرویسهای ارائه شده توسط بانک) استفاده شود. این الگوها میتوانند از سوی مدیران جهت اتخاذ تصمیمات مقتضی در ارتباط با مشتری، چگونگی برخورد با شرایط متفاوت کسبوکار، ارائه خدمات خاص و غیره بکار گرفته شود.
تعاريف متفاوتي از داده‌کاوی وجود دارد ولي تعريفي كه در اكثر مراجع به اشتراك ذكر شده عبارت است از «استخراج اطلاعات و دانش و كشف الگوهاي پنهان از پايگاه داده‌های بسيار بزرگ و پيچيده.» داده‌کاوی يك متدولوژي بسيار قوي و با پتانسيل بالا می‌باشد كه به سازمان‌ها كمك می‌کند كه بر مهم‌ترین اطلاعات از مخزن داده‌های خود تمركز نمايند [52].
داده‌کاوی را میتوان به عنوان ابزاری جهت کشف دانش از پایگاههای داده تعریف نمود. داده‌کاوی یک گام در فرایند کشف دانش از پایگاه داده8 است که با استفاده از الگوریتم‌های کشف و تحلیل داده‌ها تعداد خاصی الگو یا مدل را از روی داده‌ها تولید میکند.
یک الگو زمانی میتواند به عنوان دانش تلقی شود که :
به سادگی برای افراد قابل فهم باشد.
اعتبار آن از یک حد آستانهای9 پایینتر نباشد.
دانش جدیدی متناسب با اهداف تعیین‌شده سازمان ارائه دهد.
کاربردی باشد. [1]
امروزه کاربردهای مختلفی برای داده‌کاوی در صنعت بانکداری شناخته شده است.
شهرابی و همکاران در [1] کاربردهایی نظیر مدیریت ارتباط با مشتریان از طریق بخش‌بندی آنها و استخراج قواعد رفتاری آنها جهت هدایت فعالیت‌های بازاریابی بانک، مدل‌سازی پاسخ بازار به تصمیمات کلان بانک و شناسایی اثر هر یک از سیاستهای بانک بر تقاضا و امکان شبیهسازی تعاملی سیاستها و تصمیمات قبل از اجرا، ارزیابی ریسک اعتباری مشتریان متقاضی دریافت وام، محاسبه کارایی شعب و پیشبینی سریهای زمانی مالی و … کشف الگوهای پنهان در داده‌های حاصل از تعاملات با مشتریان و تحلیل این الگوها را به عنوان مثالهایی از کاربرد ابزار داده‌کاوی در بانک ذکر کرده است.
بانکها میتوانند جهت افزایش سودآوری از طریق مشتریان تراز اول خود، برای یک محصول جدید بانکی، مشتریان بالقوه خود را از طریق داده‌کاوی شناسایی نموده و آنها را به سمت استفاده از این محصول سوق دهند و بدین ترتیب در زمان و هزینه صرفهجویی کنند.
پیادهسازی سیستم هوشمند ارزیابی اعتبار مشتری به کمک داده‌کاوی از کاربردهای دیگر این ابزار جهت مدیریت دانش مشتریان در بانک است. در این کاربرد میتوان با استفاده از اطلاعات گروهی از وامگیرندگان سابق (مانند بعضی اطلاعات شخصی وام‌گیرنده مانند سن و جنسیت و وضعیت تأهل و درآمد و…، تعداد تراکنش ماهیانه مشتری با بانک، سایر بدهیهای بانکی، نوع ضمانت و…) و وضعیت آنها از نظر بازپرداخت وام به مدلی دست یافت که مشتریان متقاضی وام را در دستههایی مانند مشتری خوشحساب، مشتری بدحساب و … دسته‌بندی نمود. با حصول این دانش در مورد مشتری متقاضی اعتبار تصمیمگیری در مورد پرداخت یا عدم پرداخت اعتبار بسیار سادهتر خواهد بود.
برخی از مشكلات نبود مديريت دانش میتوان عدم اولويت‌بندي و استفاده از انواع دانش، ایجاد شکاف دانشی در صورت جدا شدن كارشناسان از سازمان، احتكار دانش به جاي ازدياد آن، استفاده محدود از دانشهاي موجود، نبود مستندات در خصوص تجربيات به دست آمده از پروژه‌ها و كارها و نبود ساختار مناسب براي تسهيم سريع دانش را نام برد.
1-3- ضرورت انجام تحقيق
افزایش روزافزون سطح رقابت در بازار، مدیران و تحلیلگران سازمانها را وادار ساخته به دنبال راهکارهایی باشند که مزیت رقابتی را برای سازمان به ارمغان آورند. بر اساس مطالعات موجود، استفاده از دانش مشتری جهت اتخاذ استراتژی‌های لازم برای جلب رضایت مشتری میتواند سازمانها را به سمت تحقق این هدف سوق دهد. از سوی دیگر گسترش بهرهگیری از فناوریهای بروز در زمینه اطلاعات و ارتباطات خصوصاً در بانکها باعث بر جای ماندن حجم عظیمی از داده‌ها گشته که تحلیل و تصمیمگیری بر اساس آنها با روش‌های معمول گزارش گیری و روش‌های آماری امکانپذیر نمیباشد. داده‌کاوی ابزار بروز و قدرتمندی است که در این پایاننامه جهت تحلیل داده‌ها به جهت استخراج دانش مشتری پیشنهاد میگردد.
امروزه تحقیقات فراوانی در زمینه داده‌کاوی و به‌کارگیری آن در صنعت بانکداری دنیا و کشورمان در حال انجام است. با این وجود زمینه‌های بالقوه بسیاری در به‌کارگیری این دانش در بانکها و مؤسسات مالی و اعتباری در کشور وجود دارد. بدیهی است پیش‌دستی در بهرهگیری از این ظرفیتها میتواند مزیت رقابتی را برای بانک یا موسسه مالی و اعتباری مربوطه به ارمغان آورده و ارزش افزوده بیشتری را نصیب بانک یا مؤسسه مورد نظر نماید. علاوه بر این ایجاد زمینههایی جهت آشنایی کارشناسان و متخصصان امور بانکی با مباحث داده‌کاوی و کاربردهای آن در صنعت بانکداری ضروری به نظر میرسد.
بدین ترتیب مدیران بانکها میتوانند با یافتن الگوهای حاکم بر روند تغییرات بازار، استراتژی‌های لازم را در زمان نیاز اتخاذ نمایند و یا با یافتن خصوصیات مشتریان و دسته‌بندی آنها الگوی مناسبی جهت جذب مشتری و جلب رضایت آنها کشف نموده و در نتیجه سودآوری را برای سازمان به ارمغان آورند.
1-4- مراحل انجام تحقيق
برای استخراج دانش مشتری توسط داده‌کاوی در سازمان هدف، الگوی کشف دانش از پایگاه داده [53] انتخاب شده است. گام‌های این الگو به صورت زیر است:
ابتدا باید شناسایی دامنه فعالیت‌های کسبوکار صورت گرفته و دسترسی به داده‌ها مقدور گردد. داده‌ها در اینجا میتواند مجموعهای از حقایق، الگوها و یا خبرگی باشد.
در مرحله بعد با توجه به اهداف تعیین‌شده مورد نظر ذینفعان سازمان (مدیران، کارمندان، سرپرستان شعب، کاربران، خبرگان و مشاورین فناوری اطلاعات)، رکوردهای مورد نیاز توسط دادهکاو از میان حجم عظیم داده‌های سازمان مورد نظر انتخاب میشوند. در این مرحله حجم انبوه داده‌ها به داده‌های هدف کاهش داده میشود.
برای آماده‌سازی بخش داده‌های انتخابی باید عملیات پیشپردازشی روی آنها صورت گیرد. این عملیات شامل جمع آوری اطلاعات لازم برای مقداردهی به مقادیر رکوردهای از قلم افتاده، تشخیص داده‌های متفاوت و هماهنگی آنها با بقیه، جمع آوری اطلاعات لازم برای اصلاح یا حذف داده‌های نامناسب10 میباشد. محصول این مرحله داده‌های پیش‌پردازش شده خواهد بود.
گام بعد گزینش داده‌ها با هدف کاهش حجم آنها و یافتن ویژگیهایی از داده‌ها با توجه به هدف تعیین شده برای کسبوکار خواهد بود. با کاهش حجم داده‌ها یا روش‌های تغییرات آن‌ها حجم داده‌ها میتواند به مقدار مفید و مؤثری کاهش یابد.
مرحله بعد اعمال یک یا چند الگوریتم (مانند کلاسیفایرها و یا شبکه‌های عصبی و …) از بین الگوریتم‌های موجود و یا ابتکاری داده‌کاوی بر روی دادههاست. حاصل این مرحله یک یا چند مدل و یا الگو خواهد بود.
در گام بعد با تحلیل، ارزیابی و تفسیر الگوهای معنادار کشف شده، دانش استخراج میگردد. دانش استخراج شده میتواند به صورت قواعدی مستند شود.
1-5- محدوده تحقيق
در اين تحقيق، تجزيه و تحليل بر روی دادههاي خام پايگاه داده‌های شعب بانك مهر اقتصاد استان مازندران صورت خواهد پذيرفت. جامعه آماري مورد مطالعه کل دادههاي ذخيره شده در پایگاه داده‌های این شعب ميباشد.
مبنای اين تحقيق، مطالعات كتابخانهاي گستردهاي شامل بررسي پاياننامهها و تحقيقات موجود و مرتبط با موضوع، مطالعه مقالات و كتب لاتين و فارسي مرتبط و همچنين استفاده از اينترنت می‌باشد.
1-6- اهداف تحقيق
دانش در سازمان به طور مداوم در حال گردش است. این دانش ایجاد، جذب، تحلیل و توزیع میشود و همواره در تمام فعاليتهاي سازمان و خصوصاً فعالیت‌های مرتبط با مشتري مورد استفاده قرار ميگيرد. مدیریت دانش مشتری در سازمان به منظور تبدیل دانش تئوری مشتری به دانش قابل بهرهبرداری جهت پشتیبانی اتخاذ تصمیمات آتی در سازمان بکار گرفته میشود.
در بسیاری از منابع هدف از مدیریت دانش، تبدیل دانش ضمنی به دانش ﺻﺮﻳﺢ و اﻧﺘـﺸﺎر ﻣـؤﺛﺮ آن در سازمان بیان شده است.
مدیریت دانش عملی کلی به منظور مدیریت فرآیندهای خلق، ذخیره و نگهداری و به اشتراک گذاردن دانش است؛ که به طور عمومی باید شامل شناسایی وضعیت موجود، تشخیص، وضوح نیازها و خواسته‌ها و بهبود فرآیندهای مورد اثر باشد و به تبع آن پروژه‌های مدیریت دانش پروژه‌های بهبود بخشی هستند.
مدیریت دانش به خودی خود امری فناوری محور نیست اما به‌کارگیری فناوری در تحقق کاراتر این چرخه ضروری به نظر میرسد، بنابراین در این پایاننامه داده‌کاوی به عنوان ابزار تحلیل داده‌ها و کشف دانش بکار گرفته خواهد شد.
در این پایاننامه هدف بر این است که طبق الگوی تشریح شده با به‌کارگیری نرمافزارهای موجود در زمینه داده‌کاوی و به کمک ابزارهایی از آن نظیر دسته‌بندی و خوشه‌بندی و… به تحلیل داده‌های حاصل از تعامل سازمان (بانک) با مشتریان (برای مثال داده‌های جمعیت شناختی مشتریان بانک نظیر جنسیت، سن، وضعیت تأهل، تحصیلات، شغل و غیره، یا داده‌های مربوط به تراکنشهای مالی مشتریان و یا سرویسهای ارائه شده توسط بانک) به دسته‌بندی مشتریان با حداکثر اطمینان و کمترین خطای ممکن پرداخته شود. از آن جا که مشتریان بانک خصوصیات و نیازهای متفاوتی دارند، با دسته‌بندی مشتریان و تحلیل دستهها توسط دادهکاو و نظرات افراد خبره در سازمان، دانش حاصل استخراج میشود. مشتریان هر دسته به طور معمول خصوصیات مشابهی دارند و میتوان با اتخاذ استراتژی مناسب هر دسته به نیازهای آنان رسیدگی نمود و در حصول هر چه بیشتر رضایت مشتری پیشرو بود. شناسایی مشخصههای هر گروه میتواند در موارد زیر بکار گرفته شوند:
عرضهی محصول طراحی شده متناسب با نیازهای هر گروه
عرضه محرکهای مناسب برای توسعه ارتباط مشتری با بانک
تولید محصول جدید متناسب با ویژگی هر گروه
برای مثال با تعیین مشتریان وفادار بانک که معمولاً سودآوری زیادی برای بانک دارند میتوان به آنان خدمات تشویقی ارائه نمود و یا خدمات تازهتری به آنان پیشنهاد داد و در حفظ این دسته از مشتریان کوشید. از طرفی به کمک مدلهای حاصل ا

پایان نامه
Previous Entries منابع پایان نامه درباره خوشه‌بندی، مدیریت دانش، ارتباط با مشتری Next Entries منابع پایان نامه درباره مدیریت دانش، مدیریت دانش مشتری، مدیریت ارتباط