۲- RFID از فرکانس های رادیویی برای ارتباطات بهره می برد این در حالی است که NFCنوع گسترس یافته ی RFIDاست تکنولوژی RFID سالهاست که مورد بهره برداری قرارگرفته است اما NFCبه تازگی گسترش یافته است.

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۳-RFID می تواند در هر فرکانس یا استانداردی استفاده شود اما NFCفقط در فرکانس ۱۳٫۵۶مگاهرتز کار می کند.
۴- RFID می تواند در حالت فعال در مسافت های طولانی مانند ۱۰۰ متر کارکند که این از لحاظ امنیتی امکان سرقت اطلاعات را فراهم می کند اما در NFCمحدودهی ارتباط در حدود چند سانتی متری است که به همین دلیل آن را تکنولوژی امن می نامند.
۳-۸-۲شبکه های حسگری بیسیم
۱-۳-۸-۲معرفی شبکه حسگر:
شبکه حسگر/کارانداز (حس/کار)^[۲۱] شبکه ای است متشکل از تعداد زیادی گره کوچک. در هر گره تعدادی حسگر ویا کارانداز وجود دارد. شبکه حس/کار بشدت با محیط فیزیکی تعامل دارد. از طریق حسگرها اطلاعات محیط را گرفته و از طریق کار انداز ها واکنش نشان می دهد. ارتباط بین گره ها بصورت بی سیم است. هرگره بطور مستقل و بدون دخالت انسان کار میکند و نوعا از لحاظ فیزیکی بسیار کوچک است ودارای محدودیت هایی در قدرت پردازش, ظرفیت حافظه, منبع تغذیه, … میباشد. این محدودیت ها مشکلاتی را بوجود می آورد که منشأ بسیاری از مباحث پژوهشی مطرح در این زمینه است. این شبکه از پشته پروتکلی شبکه های سنتی پیروی می کند ولی بخاطر محدودیت ها و تفاوتهای وابسته به کاربرد, پروتکل ها باید باز نویسی شوند. پیشرفتهای اخیر در فناوری ساخت مدارات مجتمع در اندازه های کوچک از یک سو و توسعه فناوری ارتباطات بی سیم از سوی دیگر زمینه ساز طراحی شبکه های حس/کار بی سیم شده است.تفاوت اساسی این شبکه ها ارتباط آن با محیط و پدیده های فیزیکی است شبکه های سنتی ارتباط بین انسانها و پایگاه های اطلاعاتی را فراهم میکند در حالی که شبکه ی حس/کار مستقیما با جهان فیزیکی در ارتباط است با بهره گرفتن از حسگرها محیط فیزیکی را مشاهده کرده, بر اساس مشاهدات خود تصمیم گیری نموده و عملیات مناسب را انجام می دهند. نام شبکه حس/کار بی سیم یک نام عمومی است برای انواع مختلف که به منظورهای خاص طراحی می شود. برخلاف شبکه های سنتی که همه منظوره اند شبکه های حس/کار نوعا تک منظوره هستند. در صورتی که گره ها توانایی حرکت داشته باشند شبکه می تواند گروهی از رباتهای کوچک در نظر گرفته شود که با هم بصورت تیمی کار می کنند و جهت مقصد خاصی مثلا بازی فوتبال یا مبارزه با دشمن طراحی شده است. از دیدگاه دیگر اگر در شبکه تلفن همراه ایستگاههای پایه را حذف نماییم و هر گوشی را یک گره فرض کنیم ارتباط بین گره ها باید بطور مستقیم یا از طریق یک یا چند گره میانی برقرار شود. این خود نوعی شبکه حس/کار بی سیم می باشد. اگرچه به نقلی تاریخچه شبکه های حس/کار به دوران جنگ سرد و ایده اولیه آن به طراحان نظامی صنایع دفاع آمریکا برمیگردد. ولی این ایده می توانسته در ذهن طراحان رباتهای متحرک مستقل یا حتی طراحان شبکه های بی سیم موبایل نیز شکل گرفته باشد. به هر حال از آنجا که این فن نقطه تلاقی دیدگاه های مختلف است تحقق آن می تواند بستر پیاده سازی بسیاری از کاربردهای آینده باشد. کاربرد فراوان این نوع شبکه و ارتباط آن با مباحث مختلف مطرح در کامپیوتر و الکترونیک از جمله امنیت شبکه, ارتباط بلادرنگ‌, پردازش صوت و تصویر, داده کاوی, رباتیک ,طراحی خودکار سیستم های جاسازی شده^[۲۲]دیجیتال و… میدان وسیعی برای پروهش محققان با علاقمندی های مختلف فراهم نموده است.
۲-۳-۸-۲ساختار کلی شبکه حس/کار بی سیم
حسگر : وسیله ای که وجود شئ رخداد یک وضعیت یا مقدار یک کمیت فیزیکی را تشخیص داده و به سیگنال الکتریکی تبدیل می کند. حسگر انواع مختلف دارد مانند حسگرهای دما, فشار, رطوبت, نور, شتاب سنج, مغناطیس سنج و…
کارانداز : با تحریک الکتریکی یک عمل خاصی مانند باز و بسته کردن یک شیر یا قطع و وصل یک کلید را انجام می دهد
گره حسگر: به گره ای گفته می شود که فقط شامل یک یا چند حسگر باشد.
گره کارانداز: به گره ای گفته می شود که فقط شامل یک یا چند کارانداز باشد.
گره حسگر/کارانداز: به گره ای گفته می شود که مجهز به حسگر و کار انداز باشد.
شبکه حسگر : شبکه ای که فقط شامل گره های حسگر باشد. این شبکه نوع خاصی از شبکه حس/کاراست. در کاربردهایی که هدف جمع آوری اطلاعات و تحقیق در مورد یک پدیده می باشد کاربرد دارد. مثل مطالعه روی گردبادها.
میدان حسگر/کارانداز : ناحیه کاری که گره های شبکه حس/کار در آن توزیع میشوند.
چاهک^[۲۳]: گرهی که جمع آوری داده ها را به عهده دارد. و ارتباط بین گره های حس/کار و گره مدیر وظیفه^[۲۴] را برقرار می کند.
گره مدیر وظیفه: گرهی که یک شخصی بعنوان کاربریا مدیر شبکه از طریق آن با شبکه ارتباط برقرار میکند. فرامین کنترلی و پرس و جو ها از این گره به شبکه ارسال شده و داده های جمع آوری شده به آن بر میگردد
شبکه حس/کار: شبکه ای متشکل از گره های حسگر و کار انداز یا حسگر/کارانداز است که حالت کلی شبکه های مورد بحث می باشد. به عبارت دیگر شبکه حس/کارشبکه ای است با تعداد زیادی گره که هر گره می تواند در حالت کلی دارای تعدادی حسگر و تعدادی کارانداز باشد. در حالت خاص یک گره ممکن است فقط حسگر یا فقط کارانداز باشد. گره ها در ناحیه ای که میدان حس/کار نامیده می شود با چگالی زیاد پراکنده می شوند. یک چاهک پایش^[۲۵] کل شبکه را بر عهده دارد. اطلاعات بوسیله چاهک جمع آوری می شود و فرامین از طریق چاهک منتشر می شود. شکل۱۹-۲٫ مدیریت وظایف میتواند متمرکز یا توزیع شده باشد. بسته به اینکه تصمیم گیری برای انجام واکنش در چه سطحی انجام شود دو ساختار مختلف خودکار و نیمه خودکار وجود دارد. که ترکیب آن نیز قابل استفاده است.
چاهک
گره مدیریت وظیفه
میدان حسگر /کارانداز
کارانداز
حسگر
شکل۱۹-۲ساختار کلی شبکه حس/کار
ساختار خودکار : حسگرهایی که یک رخداد یا پدیده را تشخیص می دهند داده های دریافتی را به گره های کارانداز جهت پردازش و انجام واکنش مناسب ارسال می کنند. گره های کارانداز مجاور با هماهنگی با یکدیگر تصمیم گیری کرده و عمل می نمایند. در واقع هیچ کنترل متمرکزی وجود ندارد و تصمیم گیری ها بصورت محلی انجام میشود.شکل۲۰-۲٫
ساختار نیمه خودکار: در این ساختار داده ها توسط گره ها به سمت چاهک هدایت شده و فرمان از طریق چاهک به گره های کار انداز صادر شود شکل۲۱-۲ را مشاهده کنید
ناحیه رخداد
چاهک
شکل۲۰-۲ساختار خودکار
ناحیه رخداد
چاهک
شکل۲۱-۲ساختار نیمه خودکار
از طرف دیگر در کاربردهای خاصی ممکن است از ساختار بخش بندی شده یا سلولی استفاده شود که در هر بخش یک سردسته^[۲۶] وجود دارد که داده های گره های دسته خود را به چاهک ارسال می کند. در واقع هر سردسته مانند یک مدخل^[۲۷] عمل میکند.
ساختمان گره:شکل۲۲-۲ ساختمان داخلی گره حس/کار را نشان می دهد. هر گره شامل واحد حسگر/ کارانداز, واحد پردازش داده ها, فرستنده/گیرنده بی سیم و منبع تغذیه می باشد بخشهای اضافی واحد متحرک ساز, سیستم مکان یاب و تولید توان نیز ممکن است بسته به کاربرد در گره ها وجود داشته باشد.واحد پردازش داده شامل یک پردازنده کوچک و یک حافظه با ظرفیت محدود است داده ها را از حسگرها گرفته بسته به کاربرد پردازش محدودی روی آنها انجام داده و از طریق فرستنده ارسال می کند. واحد پردازش مدیریت هماهنگی و مشارکت با سایر گره ها در شبکه را انجام می دهد. واحد فرستنده گیرنده ارتباط گره با شبکه را برقرار می کند. واحد حسگر شامل یک سری حسگر و مبدل آنالوگ به دیجیتال است که اطلاعات آنالوگ را از حسگرگرفته و بصورت دیجیتال به پردازنده تحویل می دهد. واحد کارانداز شامل کارانداز و مبدل دیجیتال به آنالوگ است که فرامین دیجیتال را از پردازنده گرفته و به کارانداز تحویل می دهد. واحد تامین انرژی, توان مصرفی تمام بخشها را تامین می کند که اغلب یک باطری با انرژی محدود است. محدودیت منبع انرژی یکی از تنگناهای اساسی است که در طراحی شبکه های حس/کار همه چیز را تحت تاثیر قرار می دهد. در کنار این بخش ممکن است واحدی برای تولید انرژی مثل سلول های خورشیدی وجود داشته باشد در گره های متحرک واحدی برای متحرک سازی وجود دارد. مکان یاب موقعیت فیزیکی گره را تشخیص می دهد. تکنیکهای مسیردهی و وظایف حسگری به اطلاعات مکان با دقت بالا نیاز دارند. یکی از مهمترین مزایای شبکه های حس/کار توانایی مدیریت ارتباط بین گره های در حال حرکت می باشد.
مولد انرژی
فرستنده گیرنده بیسیم
حافظه
پردازنده
منبع تغذیه
مبدل دیجیتال به آنالوگ
مبدل آنالوگ به دیجیتال
کارانداز
حسگر
واحد حسگر/کارانداز
واحد متحرک ساز
سیستم مکان یاب
شکل۲۲-۲ساختمان داخلی گره حسگر/کارانداز
۳-۳-۸-۲ ویژگی های شبکه حسگر/ کارانداز
وجود برخی ویژگی ها در شبکه حسگر/ کارانداز, آن را از سایر شبکه های سنتی و بی سیم متمایز می کند. از آن جمله عبارتند از:

• • تنگناهای سخت افزاری شامل محدودیتهای اندازه فیزیکی, منبع انرژی, قدرت پردازش, ظرفیت حافظه

• • تعداد بسیار زیاد گره ها

• • چگالی بالا در توزیع گره ها در ناحیه عملیاتی

• وجود استعداد خرابی در گره ها

خرید متمرکز

خرید تنها از یک نوع محصول

–

میانگین زمان بین خرید ها

فواصل زمانی که بین دو خرید متوالی فاصله می افتد.

/–

فعالیت های بازاریابی سازمان

تعداد دفعاتی که سازمان سعی در برقراری ارتباط با مشتری دارد.

درآمد

میزان عایدی ناشی از خرید های مشتری

۲٫۵٫۲ . کاربرد های ارزش دوره عمر مشتری
ارزش دوره عمر مشتری معیاری است، که می توان به عنوان پایه ای برای سرمایه گذاری زیر بنایی و توسعه استراتژی های بازاریابی بکار رود. سازمان ها می توانند در محیط کاری خود از ارزش دوره عمر مشتری جهت شناسایی مشتریان که در آینده مایل به رساندن ماکزیمم ارزش به شرکت هستند، استفاده نمایند، که باعث افزایش ارزش دوره عمر مشتری و سطح تخصیص بهینه منابع و میزان کارایی کانال های مختلف ارتباطی خواهد شد. از دیدگاه دیگر، مدیریت مشتریان به صورت پویا بر مبنای ارزش دوره عمر مشتری می تواند موجب بالا رفتن ارزش سهامداران گردد. مطالعات گذشته نشانگر این موضوع است، که ارزش دوره عمر مشتری می تواند برای ایجاد استراتژی های مشتری محور و بهبود عملکرد شرکت بکار گرفته شود، این استراتژی ها می تواند شامل:

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

انتخاب مشتری
گروه بندی مشتری
تخصیص بهینه منابع
تجزیه و تحلیل تناوب خرید مشتری و هدف گیری سودده ترین مشتری در آینده باشد. [۱۵]

ﯾﮑﯽ از ﻣﺪلﻫﺎی ﻣﻄﺮح در ﺗﺤﻠﯿﻞ ارزش ﻣﺸﺘﺮی، ﻣﺪل RFM اﺳﺖ ﮐﻪ ﺗﻮﺳﻂ Hughes در ﺳﺎل ۱۹۹۴ اراﺋﻪ ﺷﺪه اﺳﺖ و ﺑﻪ ﺑﯿﺎن تفاوت مشتریان با بهره گرفتن از سه متغیر تازگی، ﺗﮑﺮار و ارزش پولی ﻣﯽﭘﺮدازد. ﭘﺎراﻣﺘﺮﻫﺎی ﻣﺪل RFM ﺑﻪ ﺷﺮح زﯾﺮاﺳﺖ:
ﺗﺎزﮔﯽ آﺧﺮﯾﻦ ﺧﺮﯾﺪ^[۱۹] (R :(R ﻧﺸﺎن دﻫﻨﺪه مدت زمان بین آخرین تعامل تجاری با زمان حال می باشد، هر چه این مدت کمتر باشد، R بیشتر است.
تکرار خرید^[۲۰] (F) : F نشان دهنده تکرار است و تعداد تراکنش ها را در یک بازه مشخص نشان می دهد، برای مثال دو بار در سال، دو بار در یک فصل یا دو بار در یک ماه. ﻫﺮ ﭼﻪ ﺗﮑﺮار ﺑﯿﺸﺘﺮﺑﺎﺷﺪ، F ﺑﺰرگﺗﺮاﺳﺖ.
ارزش ﭘﻮﻟﯽ ﺧﺮﯾﺪ^[۲۱] (M :(M ﻧﺸﺎن دﻫﻨﺪه ارزش ﭘﻮﻟﯽ اﺳﺖ و ارزش ﭘﻮﻟﯽ ﺗﻌﺎﻣﻼت را در ﺑﺎزه های ﺧﺎص ﻧﺸﺎن ﻣﯽدﻫﺪ. ﻫﺮﭼﻪ ارزش ﭘﻮﻟﯽ ﺑﯿﺸﺘﺮﺑﺎﺷﺪ، M ﺑﺰرﮔﺘﺮاﺳﺖ.
ﺗﺤﻘﯿﻘﺎت وو و لین ^[۲۲] ﻧﺸﺎن ﻣﯽ دﻫﺪ ﮐﻪ ﻫﺮ ﭼﻪ R وF ﺑﯿﺸﺘﺮ ﺑﺎﺷﺪ احتمال آنکه تراکنش جدیدی با مشتری صورت بگیرد، بیشتر است و همجنین اگر M بزرگتر باشد بازگشت مشتری برای خرید بیشتر است. [۲۸]
متغیر های مدل RFM برای بخش بندی مشتریان بسیار کارا هستند. از دیگر کاربردهای مدل RFM در بخش بندی مشتریان بر اساس متغیرهای تازگی، تکرار و ارزش پولی، می توان به بخش بندی مشتریان به منظور تعیین سیاست های بهینه بازاریابی برای هر بخش اشاره کرد. [۲۹]
۶٫۲ . سرانجام فصل
با مرور آنچه که گفته شد در می یابیم که با گسترش رقابت و اشباع شدن بسیاری از بازارها و تغییرات پیوسته در محیط و ترکیب جمعیت، شرکتها با این واقعیت روبرو شدند که امروزه دیگر مانند گذشته شرکتها با یک نظام اقتصادی رو به گسترش و بازارهای در حال رشد روبرو نیستند. امروزه هر مشتری ارزش ویژه خود را دارد و شرکتها برای به دست آوردن سهم بیشتری از بازار ثابت یا رو به کاهش باید مبارزه کنند. بازاریابان تا دیروز تنها در اندیشه یافتن مشتری بودند و گروه های فروش در پی شکار رشد دادن مشتری یعنی توجه به مشتریان تازه بودند ولی در دیدگاه امروزی بازاریابی یعنی رضایتمندی و ارتباط موثر با مشتری و کیفیت از دیدگاه وی.
فصل سوم : متدولوژی استاندارد در فرایند داده کاوی
۱٫۳ . سرآغاز فصل
ابزارهای داده کاوی در راستای تحلیل داده های تحلیلی مشتری بسیار مرسوم هستند. بسیاری از سازمان ها داده هایی در مورد مشتریان جاری، مشتریان بالقوه، تامین کنندگان و شرکای تجاری جمع آوری و ذخیره می کنند. عدم توانایی کشف اطلاعات ارزشمند پنهان در میان این داده ها مانع می شود که سازمانها این داده ها را به دانش مفید و با ارزش تبدیل کنند. ابزارهای داده کاوی کمک می کنند تا سازمان ها این دانش نهفته را از میان حجم عظیم داده ها استخراج کنند. با وجود داده های جامع مشتریان، تکنولوژی داده کاوی می تواند هوش تجاری با قابلیت ایجاد فرصتهای جدید فراهم آورد. [۱۱]
آنالیز داده ها جزء لاینفک هر سیستم مدیریتی در یک سازمان، می باشد. به وسیله آنالیز داده هاست که سازمان می تواند بر اساس واقعیات به تصمیم گیری و سیاست گذاری بپردازد. علاوه بر این، ارزیابی میزان اثربخشی و موفقیت/ شکست برنامه های شناخت و دسته بندی مشتری تنها از طریق جمع آوری داده های مرتبط و تجزیه و تحلیل آنها میسر می باشد. در این فصل تلاش شده است تا یک رویه منطقی جهت آنالیز داده های مشتریان شرکت پخش و توزیع ارومیه، از شرکت های تابع گروه صنایع غذایی سولیکو ارائه شود.
در اکثر تحقیقاتی که تاکنون در خصوص مطالعات مدیریت رویگردانی مشتری از سازمان صورت گرفته است. اقدام به شناسایی و پیش بینی نرخ رویگردانی مشتری با کمک داده های تراکنشی موجود از تعاملات مشتری با سازمان شده و در حوزه شناسایی دلایل شکل گیری پدیده رویگردانی با کمک داده کاوی و تلاش در جهت رفع عوامل ایجاد کننده این پدیده مطالعه چندانی صورت نپذیرفته است. [۳۰] این در حالی است که مطالعه نرخ رویگردانی مشتری در میان گروه های مختلف مشتری، به تنهایی چیزی فراتر از یک دید کلی در خصوص کسب و کار و آینده آن به طور تقریبی ارائه نمی دهد و هر گونه تلاش سازمان در رفع علل ایجاد کننده این پدیده منوط به درک دلایل و شرایط بروز پدیده رویگردانی است. [۲۵]
در ادامه و طی فصل آتی رویه پیشنهادی بر اساس مدل استاندارد Crisp DM^[23] بیان شده است. این رویه شامل شش مرحله می باشد. مراحل درک فضای کسب و کار، شناسایی داده ها، آماده سازی داده ها، مدل سازی، پایش و ارزشیابی و اجرا.
۲٫۳ . متدولوژی CRISP – DM
در طول سالیان گذشته حجم زیادی از داده ها در پایگاه های اطلاعاتی سازمان ها انباشته شده است. نتیجه این انباشتگی این است که سازمان ها با حجم عظیمی از داده ها مواجه هستند. در دنیای امروز داده ها و اطلاعات حاصل از آنها به منزله یکی از دارایی های سازمان جهت ایجاد ارزش افزوده و تولید ثروت به حساب می آیند. اما در فضای کنونی سازمان ها در کسب دانش از داده ها با چالش های عمده ای مواجه هستند. در واقع امروزه سازمان ها از حجم بسیار زیاد و روز افزون داده های خود استفاده چندانی نکرده و در بسیاری از موارد تنها به ذخیره سازی آنها می پردازند. برای بهره گیری درست از داده های سازمانی مراحل زیر به صورت عمومی و صرف نظر از نوع داده ها و هدف از پردازش، ضروری
می باشد:
جمع آوری و ذخیره سازی داده ها
تحلیل و استخراج اطلاعات از داده های بدست آمده

صحیح شدن ارزش چندین قانون و در نتیجه فعال شدن آنها گردد. هر ترتیبی از اجرای این قوانین، می ­تواند نتایج متفاوتی را به دنبال داشته باشد که در این صورت این مجموعه از قوانین، مجموعه­ قوانین ناسازگار نامیده می­شوند. یک استراتژی رفع ناسازگاری ترتیبی را برای اجرای این مجموعه از قوانین تعیین می­نماید.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

سیستم­های هوشمند از قبیل سیستم­های مبتنی بر قانون، ابزارهای برنامه­ ریزی، و ساختارهای وابسته به دانش، از استراتژی­ های متفاوتی برای رفع ناسازگاری استفاده می­ کنند] ۲[.
در این پژوهش در ابتدا در رابطه با این شیوه ­های متفاوت توضیحاتی ارائه می­گردد و پس از آن ایده­ایی که به منظور رفع ناسازگاری در سیستم پیشنهادی بکار برده شده، شرح داده می­ شود. سیستم پیشنهادی یک سیستم تصمیم­همیار هوشمند است که به منظور یاری رساندن به یک بازیکن در یک بازی استراتژیک بلادرنگ طراحی و پیاده­سازی شده و شرح ساختار و ویژگی­های آن در فصول آتی آمده است. همچنین در این پایان نامه در ارتباط با سیستم­های تصمیم­همیار هوشمند و ساختارهای مختلفی که محققان برای پیاده­سازی این سیستم­ها در نظر گرفته­اند، نیز مطالبی ارائه شده است.
رفع ناسازگاری
در بسیاری از سیستم­های مبتنی بر قانون، موتور استنتاج، یک مولفه­ی نرم­افزاری است که در هنگام اجرای برنامه­ی کاربردی، بر روی مجموعه­ایی از قوانین، استنتاج می­ کند. از جمله مهمترین وظایفی که توسط موتور استنتاج صورت می­گیرد، رفع ناسازگاری است] ۴۷[. به طور کلی، رفع ناسازگاری، یک استراتژی، برای انتخاب ترتیب اجرای قوانین است هنگامی که بیش از یک قانون بتواند اجرا شود.
برای رفع ناسازگاری روش­های مختلفی وجود دارد. ساده­ترین راه­حل، انتخاب تصادفی قوانین است. در برخی از استراتژی­ها، از جمله مهمترین فاکتورهایی که در انتخاب قوانین موثر است مقدار اولویتی است که توسط سازنده­ی سیستم به هر قانون اختصاص داده می­ شود که در این روش برای قوانین با الویت یکسان باید از روش دیگری استفاده گردد. روش­های خبره­تر از اطلاعات آماری مرتبط با موفقیت­ها و عدم موفقیت­های پیشین در هنگام بکار بردن قوانین مختلف، به منظور پی­بردن به احتمال موفقیت، استفاده می­ کنند. همچنین برخی از روش­ها، هزینه­ های قوانین را که نشان­دهنده تلاش­هایی است که حل­کننده­ مسئله برای انجام اعمال بدان نیازمند است (مانند زمان) بحساب می­آورند] ۲[.
روشی که در این پژوهش به منظور رفع ناسازگاری بکار برده شده، با در نظر گرفتن یک خط استنتاج جداگانه برای هر یک از قوانین ناسازگار در طی روند استنتاج، تمامی حالات ممکن برای اولویت­ بندی در اجرای قوانین را تحت پوشش قرار می­دهد.
سیستم­های تصمیم­همیار و سیستم­های تصمیم­همیار هوشمند
به طور کلی، اخذ تصمیم، یکی از مهم­ترین و حساس­ترین فعالیت­هایی است که در هر سازمان و یا تشکیلاتی صورت می­گیرد] ۴۸[. برای پشتیبانی و حمایت از این روند پیچیده، دسته­ی متنوعی از سیستم­های اطلاعاتی مستقل بنام سیستم­های تصمیم­همیار، در طی دو دهه­ گذشته به وجود آمده­اند. این سیستم­ها به صورت ابزارهای مبتنی بر کامپیوتری که به منظور پشتیبانی از روند پیچیده­ اخذ تصمیم و حل مسئله ایجاد می­شوند، تعریف و در جهت ایجاد محیطی برای تحلیل مسائل، ساخت مدل­ها و شبیه­سازی رویه­ی تصمیم ­گیری و برنامه ­های تصمیم­گیرندگان طراحی می­گردند] ۴۹[.
این سیستم­های اطلاعاتی، که به منظور حمایت فعل و انفعالی از تمامی مراحل روند اخذ تصمیم یک کاربر، طراحی می­شوند، می­توانند شامل تکنولوژی­هایی برگرفته از زمینه ­های علمی مختلف شامل حسابداری، علوم شناختی، علوم کامپیوتر، اقتصاد، مهندسی، مدیریت، آمار و … باشند و اغلب از سه مولفه­ی زیرسیستم داده، زیر سیستم مدل (که دارای مکانیزمی برای پردازش داده می­باشد) و زیرسیستم ارتباط با کاربر، تشکیل شده ­اند] ۱۹[.
اگرچه، سیستم­های تصمیم­همیار با بکار بردن منابع اطلاعاتی و ابزارهای تحلیل گوناگون، شرایط بهتر و با کیفیت بیشتری را برای تصمیم­گیرندگان فراهم می­سازند و داشتن یک نقش حمایتی به جای جایگزینی کامل افراد در روند اخذ تصمیم، از اهداف اصلی آنهاست] ۱۲[، اما نمی­ توان آنها را به عنوان یک همیار هوشمند برای تصمیم­گیرندگان در نظر گرفت. سیستم­های تصمیم­همیار هوشمند، برای مسائل عمومی­ایی که به تصمیم ­گیری­های مکرر نیاز دارند، مفید و از لحاظ اقتصادی مقرون به صرفه هستند. این سیستم­های محاوره­ایی مبتنی بر کامپیوتر، برای حل مسائل نیمه ساخت­یافته، از، ترکیب داده و دانش تخصصی و مدل­هایی که برای حمایت از تصمیم­گیرندگان در سازمان­ها بکار می­رود، با تکنیک­های هوش مصنوعی، استفاده می­ کنند] ۵۰[.
تعاریف مختلفی از تفاوت­های میان یک سیستم تصمیم­همیار و یک سیستم تصمیم­همیار هوشمند وجود دارد که این امر به دلیل وجود انواع مختلف سیستم­های تصمیم­همیار هوشمند می­باشد. در این سیستم­ها، عملکرد هوشمندانه در تصمیم ­گیری، با بهبودهایی نظیر ارتقاء سیستم مدیریت پایگاه مدل و یا تقویت فاصل کاربر با بهره گرفتن از تکنیک­های گوناگون هوش مصنوعی مانند پردازش زبان طبیعی و یا سایر تکنیک­های مشابه، میسر شده است. همچنین، این نوع از سیستم­ها با حمایت از مسائلی با عدم قطعیت، امکان پشتیبانی از محدوده­ وسیع­تری از تصمیمات را فراهم ساخته و می­توانند قلمروهایی را کنترل و مدیریت نمایند که در آنها روند تصمیم ­گیری پیچیده­تر بوده و علاوه بر مهارت و خبرگی، به ارزیابی اثر راه­حل پیشنهادی نیز نیاز دارد. از دیگر مزایای سیستم­های تصمیم­همیار هوشمند نسبت به سیستم­های تصمیم­همیار، بهبود سازگاری در تصمیمات، بهبود تشریح و تفسیر و توجیه پیشنهادات ارائه شده توسط سیستم می­باشد] ۱۹[.
Holsapple و Whinston از اولین محققانی بودند که به طراحی و مطالعه­ سیستم­های تصمیم­همیار هوشمند، پرداختند] ۵۱[. آنها مشخصه­های زیر را برای این سیستم­ها پیشنهاد دادند:
این سیستم­ها شامل انواع مختلف دانش که نمودهای انتخاب شده­ایی از دنیای تصمیم­گیرنده را توصیف می­ کنند، می­باشند.
این سیستم­ها دارای توانایی بدست آوردن و نگهداری دانش توصیفی^[۲] مانند نگهداری رویداد^[۳] و انواع دیگر دانش هستند.
این سیستم­ها می­توانند دانش را به شیوه ­های مختلف تولید نموده و ارائه دهند.
آنها می­توانند دانشی را برای ارائه یا بدست آوردن دانش جدید، انتخاب نمایند.
این سیستم­ها می­توانند به صورت مستقیم (هوشمند) با تصمیم­گیرنده در ارتباط باشند.
اگرچه این سیستم­ها حامیانی هوشمند و انسان­گونه در روند تصمیم ­گیری هستند، اما تصمیم­گیرندگان باید تصمیمات نهایی و بحرانی را خود اتخاذ نمایند.
هدف از این پایان نامه
هدف از این پایان نامه، ارائه­ یک سیستم تصمیم­همیار هوشمند است که در هنگام وقوع ناسازگاری، برای هر یک از قوانین ناسازگار، یک خط استنتاج مجزا را در نظرگرفته و با پیشبرد استنتاج در هر یک از این خطوط، امکان آگاهی از نتایج انتخاب هر یک از راه­ حل­های ممکن را برای تصمیم­گیرنده فراهم می­سازد. این سیستم، یک سیستم مبتنی بر قانون است که به منظور یاری­نمودن یک بازیکن در یک بازی استراتژیک بلادرنگ طراحی و پیاده­سازی شده است.
در این پژوهش، روش­های گوناگونی که به منظور رفع ناسازگاری در سیستم­های هوشمند بکار برده شده و نیز ساختارهای مختلفی که برای سیستم­های تصمیم­همیار هوشمند مورد استفاده قرار گرفته، بررسی و ارائه شده است.
نگاه کلی به فصول پایان نامه
مطالب عنوان شده در این پایان نامه در قالب هفت فصل آورده شده‌اند. در فصل دوم، روش­های گوناگون رفع ناسازگاری شرح داده شده و فصل سوم به بیان ساختارهایی که برای سیستم­های تصمیم­همیار هوشمند در تحقیقات مختلف ارائه شده، می ­پردازد. در فصل چهارم بازی­های کامپیوتری استراتژیک بلادرنگ معرفی و ویژگی­های سیستم­های مربوط به این نوع از بازی­ها مطرح شده است. فصل پنجم، ساختار و مولفه­های سیستم پیشنهادی و نیز روش رفع ناسازگاری بکار برده شده در این سیستم را شرح می­دهد. ارزیابی سیستم پیشنهادی و نتایج آن در فصل ششم آورده شده و فصل انتهایی نیز به نتیجه ­گیری و ارائه­ کارهای آینده­ی می ­پردازد.
فصل دوم
روش­های رفع ناسازگاری
روش­های رفع ناسازگاری
مقدمه
رفع ناسازگاری، یک استراتژی، جهت انتخاب ترتیب اجرای قوانین است هنگامی که بیش از یک قانون بتواند اجرا شود. به طورکلی، در سیستم­هایی که رفع ناسازگاری در روند استنتاج آنها صورت می­گیرد، موتور استنتاج یک رویه­ی سه مرحله­ایی شناسایی- رفع – عمل را بر روی مجموعه­ قوانین اعمال می­ کند [۱]:
شناسایی: تشخیص قوانینی که می­توانند اجرا گردند و قراردادن آنها در مجموعه­ ناسازگاری.
رفع: استفاده از یک استراتژی به منظور انتخاب یک قانون از مجموعه­ ناسازگاری.
عمل: اجرای قانون منتخب و افزودن نتایج آن به حافظه­ کاری^[۴].
در استراتژی­ های رفع ناسازگاری، لیست اجرا^[۵]، فهرستی از تمامی قوانینی است که شرایط آنها ارضاء شده ولی هنوز اجرا نشده­اند. این لیست، همانند یک پشته^[۶] عمل می­ کند و قانونی که در بالای آن قرار دارد، پیش از سایر قوانین موجود در آن اجرا می­گردد. یک استراتژی رفع ناسازگاری، ترتیبی را برای اجرای قوانین موجود در لیست اجرا با اولویت یکسان تعیین می­نماید.
در این فصل در رابطه با روش­هایی که به منظور رفع ناسازگاری در سیستم­های مختلف بکار برده می­ شود، توضیحاتی ارائه شده است. این توضیحات، در ابتدا استراتژی­ های ساده­تر و در ادامه روش­هایی با پیچیدگی بیشتر را شرح می­دهد.
برخی استراتژی­ های ساده برای رفع ناسازگاری
به طور کلی به منظور رفع ناسازگاری در بسیاری از سیستم­ها، از روش­های ساده­ایی استفاده شده که در ادامه در رابطه با هر یک از این استراتژی­ها توضیحات مختصری ارائه می­گردد [۱]:
استراتژی تصادفی: در این استراتژی، به هر فعال­سازی^[۷]، یک عدد تصادفی نسبت داده می­ شود که به منظور تعیین مکان قرارگیری آن فعال­سازی، در میان فعال­سازی­هایی با اولویت یکسان، بکار برده خواهد شد. در برخی از سیستم­ها، این عدد تصادفی هنگامی که استراتژی تغییر می­یابد نیز نگاه داشته می­ شود تا در هنگام انتخاب مجدد این استراتژی ترتیبی مشابه، تولید گردد.
استراتژی عمقی: در این استراتژی، قوانینی که بتازگی فعال شده ­اند، در لیست اجرا، در بالای تمامی قوانین با اولویت یکسان قرار می­گیرند. به عنوان مثال، فرض کنید در یک مجموعه­ قوانین و حقایق، حقیقت fact-a منجر به فعال­سازی قوانین rule-1 و rule-2 گردد و حقیقت fact-b منجر به فعال­سازی قوانین rule-3 و rule-4 گردد. حال اگر حقیقت fact-a پیش از حقیقت fact-b وارد سیستم گردد، قوانین rule-3 و rule-4 در بالای قوانین rule-1 و rule-2 در لیست اجرا قرار خواهند گرفت. مکان rule-1 نسبت به rule-2 و rule-3 نسبت به rule-4، قراردادی خواهد بود.
استراتژی عرضی: در این استراتژی، قوانینی که بتازگی فعال شده ­اند، در پایین تمامی قوانین با اولویت یکسان قرار می­گیرند. به عنوان مثال، فرض کنید در یک مجموعه­ قوانین و حقایق، حقیقت fact-a منجر به فعال­سازی قوانین rule-1 و rule-2 گردد و حقیقت fact-b منجر به فعال­سازی قوانین rule-3 و rule-4 گردد. حال اگر حقیقت fact-a پیش از حقیقت fact-b وارد سیستم گردد، قوانین rule-1 و rule-2 در بالای قوانین rule-3 و rule-4 در لیست اجرا قرار خواهند گرفت. در این روش نیز مکان rule-1 نسبت به rule-2 و rule-3 نسبت به rule-4، قراردادی خواهد بود.
استراتژی سادگی^[۸]: در این استراتژی، در میان قوانین با اولویت یکسان، قوانینی که بتازگی فعال شده ­اند، در بالای تمامی قوانین فعال­شده با مشخصه^[۹]­ی یکسان و یا بیشتر، قرار می­گیرند. مشخصه­ی یک قانون با تعداد مقایسه­هایی که باید در قسمت سمت چپ^[۱۰] یک قانون انجام گیرد، تعیین می­ شود. هر مقایسه با یک ثابت و یا متغیرهایی که سابقاً مقید شده ­اند، یک واحد به مشخصه­ی قانون می­افزاید. همچنین هر فراخوانی تابع که در قسمت سمت چپ یک قانون انجام گیرد، نیز مشخصه­ی قانون را یک واحد افزایش می­دهد. توابع بولی and، or و not، مشخصه­ی یک قانون را تغییر نمی­دهند، اما آرگومان­های آنها سبب تغییر مشخصه می­گردند. فراخوانی توابع در صورتی که در داخل یک فراخوانی تابع صورت گیرند نیز سبب افزایش مشخصه نمی­گردند. به عنوان مثال مشخصه­ی قانونی که در زیر تعریف شده است، ۵ می­باشد.
مقایسه با یک ثابت، مقایسه متغیر ورودی x با انقیاد قبلی آن و فراخوانی توابع numberp، < و >، هر یک، یک واحد به مشخصه­ی قانون می­افزاید و فراخوانی توابع and و + تاثیری در مقدار مشخصه نخواهد داشت.
استراتژی پیچیدگی^[۱۱]: در این استراتژی، در میان قوانین با اولویت یکسان، قوانینی که بتازگی فعال شده ­اند، در بالای تمامی قوانین فعال­شده با مشخصه­ی یکسان و یا کمتر، قرار می­گیرند.
استراتژی LEX^[12]: در این استراتژی در ابتدا، تازگی (تأخر)^[۱۳] نهاد الگوهایی^[۱۴] که منجر به فعال­سازی قانون شده ­اند، به منظور تعیین مکان قرارگیری قانون فعال­شده، بکار برده می­شوند. هر حقیقت و نمونه^[۱۵]، ذاتا ً با یک “برچسب زمان” که نشان­دهنده تازگی نسبی آن در مقایسه با هر حقیقت و یا نمونه­ دیگری در سیستم است، نشانه­گذاری می­گردد. نهاد الگوهای مربوط به فعال­سازی هر قانون به منظور تعیین مکان قرارگیری، به ترتیب نزولی مرتب می­گردند. یک فعال­سازی با نهاد الگوهایی با تازگی بیشتر، پیش از فعال­سازی­هایی با نهاد الگوهایی با تازگی کمتر قرار می­گیرد. برای تعیین ترتیب قرارگیری دو فعال­سازی، برچسب­های زمان مرتب شده دو فعال­سازی، با شروع از دو بزرگترین برچسب زمان، یک به یک مقایسه می­گردند. این مقایسه باید تا هنگامی که برچسب زمان یک فعال­سازی، بزرگتر از برچسب زمان متناظر با آن از فعال­سازی دیگر، باشد ادامه یابد. فعال­سازی با برچسب زمان بزرگتر پیش از سایر فعال­سازی­ها در لیست اجرا قرار می­گیرد. اگر یک فعال­سازی نهاد الگوهای بیشتری نسبت به سایر فعال­سازی­ها داشته باشد و برچسب زمان­های مقایسه شده، همگی مساوی باشند، فعال­سازی با برچسب زمان­های بیشتر پیش از سایر فعال­سازی­ها در لیست اجرا قرار می­گیرد. اگر دو فعال­سازی دارای تازگی دقیقاً مساوی باشند، فعال­سازی با مشخصه­ی بیشتر در بالای فعال­سازی با مشخصه­ی کمتر قرار می­گیرد. برچسب زمان یک عامل شرطی not، کمتر از برچسب زمان یک نهاد الگو می­باشد.
به عنوان نمونه، شش فعال­سازی زیر را در نظر بگیرید (کاما در پایان هر فعال­سازی نشان­دهنده حضور یک عامل شرطی not می­باشد). در این مثال فرض بر این است که برچسب زمان حقایق، مشابه با اندیس آنها باشد.
لیستی که در زیر آمده، ترتیبی است که استراتژی LEX برای اجرا در نظر می­گیرد.
برطبق این استراتژی، ترتیب اجرای قوانین از بالا به پایین خواهد بود.
استراتژی MEA^[16]: در این استراتژی در ابتدا، برچسب زمان اولین نهاد الگوی مربوط به اولین الگو، به منظور تعیین مکان قرارگیری قانون فعال­شده، بکار برده می­ شود. فعال­سازی­ایی که برچسب زمان اولین الگوی آن بزرگتر از برچسب زمان اولین الگوی سایر فعال­سازی­ها باشد، پیش از سایر فعال­سازی­ها در لیست اجرا قرار می­گیرد. اگر دو فعال­سازی دارای دو برچسب زمان متناظر با اولین الگوی مساوی باشند، از استراتژی LEX برای تعیین مکان قرارگیری فعال­سازی­ها استفاده می­گردد. به عنوان مثال، ترتیبی که این استراتژی برای اجرای شش فعال­سازی مثال قبل در نظر می­گیرد، به صورت زیر (از بالا به پایین) خواهد بود.
رفع ناسازگاری با بهره گرفتن از یک مقدار سودمندی
از جمله استراتژی­ های دیگری که برای رفع ناسازگاری بکار برده می­ شود، استفاده از یک مقدار سودمندی^[۱۷] است. در این روش که در ساختار شناختی^[۱۸] ACT-R نیز اعمال شده [۲]، به هر قانون i، یک مقدار سودمندی U_i نسبت داده می­ شود و در هنگام وقوع ناسازگاری، قانون با بیشترین مقدار U_i انتخاب می­گردد (). این مقدار سودمندی برای هر قانون به صورت زیر تعریف می­گردد:
(۲-۱)
که در آن، P_i احتمال پیش ­بینی شده برای تحقق هدف پس از اجرای قانون i، C_i میانگین هزینه­ قانون (میانگین مدت زمان لازم برای رسیدن به هدف)، G پارامتر مقدار هدف (که معمولا بر حسب واحدهای زمانی اندازه ­گیری می­ شود) و مقدار پیش ­بینی شده برای نویز هدف می­باشد. یک عدد تصادفی است که از یک توزیع نرمال با میانگین صفر و واریانس بدست می ­آید. این روش رفع ناسازگاری، مشخصه­های حل مسئله توسط انسان مانند احتمال تطبیق و تاثیر انتخاب را مدل می­ کند. در حقیقت، سودمندی، تابعی از احتمال موفقیت و مقدار هدف می­باشد.
نویز ξ در رفع ناسازگاری، کاندید مناسبی برای مدل­سازی سطوح مختلف خبرگی است. بررسی­های صورت گرفته [۳] نشان می­دهد که با افزایش واریانس نویز ، یک مدل حل مسئله­ خبره ممکن است مانند یک مدل حل مسئله­­ی بی­تجربه رفتار کند.

خرید متمرکز

خرید تنها از یک نوع محصول

–

میانگین زمان بین خرید ها

فواصل زمانی که بین دو خرید متوالی فاصله می افتد.

/–

فعالیت های بازاریابی سازمان

تعداد دفعاتی که سازمان سعی در برقراری ارتباط با مشتری دارد.

درآمد

میزان عایدی ناشی از خرید های مشتری

۲٫۵٫۲ . کاربرد های ارزش دوره عمر مشتری
ارزش دوره عمر مشتری معیاری است، که می توان به عنوان پایه ای برای سرمایه گذاری زیر بنایی و توسعه استراتژی های بازاریابی بکار رود. سازمان ها می توانند در محیط کاری خود از ارزش دوره عمر مشتری جهت شناسایی مشتریان که در آینده مایل به رساندن ماکزیمم ارزش به شرکت هستند، استفاده نمایند، که باعث افزایش ارزش دوره عمر مشتری و سطح تخصیص بهینه منابع و میزان کارایی کانال های مختلف ارتباطی خواهد شد. از دیدگاه دیگر، مدیریت مشتریان به صورت پویا بر مبنای ارزش دوره عمر مشتری می تواند موجب بالا رفتن ارزش سهامداران گردد. مطالعات گذشته نشانگر این موضوع است، که ارزش دوره عمر مشتری می تواند برای ایجاد استراتژی های مشتری محور و بهبود عملکرد شرکت بکار گرفته شود، این استراتژی ها می تواند شامل:

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

انتخاب مشتری
گروه بندی مشتری
تخصیص بهینه منابع
تجزیه و تحلیل تناوب خرید مشتری و هدف گیری سودده ترین مشتری در آینده باشد. [۱۵]

ﯾﮑﯽ از ﻣﺪلﻫﺎی ﻣﻄﺮح در ﺗﺤﻠﯿﻞ ارزش ﻣﺸﺘﺮی، ﻣﺪل RFM اﺳﺖ ﮐﻪ ﺗﻮﺳﻂ Hughes در ﺳﺎل ۱۹۹۴ اراﺋﻪ ﺷﺪه اﺳﺖ و ﺑﻪ ﺑﯿﺎن تفاوت مشتریان با بهره گرفتن از سه متغیر تازگی، ﺗﮑﺮار و ارزش پولی ﻣﯽﭘﺮدازد. ﭘﺎراﻣﺘﺮﻫﺎی ﻣﺪل RFM ﺑﻪ ﺷﺮح زﯾﺮاﺳﺖ:
ﺗﺎزﮔﯽ آﺧﺮﯾﻦ ﺧﺮﯾﺪ^[۱۹] (R :(R ﻧﺸﺎن دﻫﻨﺪه مدت زمان بین آخرین تعامل تجاری با زمان حال می باشد، هر چه این مدت کمتر باشد، R بیشتر است.
تکرار خرید^[۲۰] (F) : F نشان دهنده تکرار است و تعداد تراکنش ها را در یک بازه مشخص نشان می دهد، برای مثال دو بار در سال، دو بار در یک فصل یا دو بار در یک ماه. ﻫﺮ ﭼﻪ ﺗﮑﺮار ﺑﯿﺸﺘﺮﺑﺎﺷﺪ، F ﺑﺰرگﺗﺮاﺳﺖ.
ارزش ﭘﻮﻟﯽ ﺧﺮﯾﺪ^[۲۱] (M :(M ﻧﺸﺎن دﻫﻨﺪه ارزش ﭘﻮﻟﯽ اﺳﺖ و ارزش ﭘﻮﻟﯽ ﺗﻌﺎﻣﻼت را در ﺑﺎزه های ﺧﺎص ﻧﺸﺎن ﻣﯽدﻫﺪ. ﻫﺮﭼﻪ ارزش ﭘﻮﻟﯽ ﺑﯿﺸﺘﺮﺑﺎﺷﺪ، M ﺑﺰرﮔﺘﺮاﺳﺖ.
ﺗﺤﻘﯿﻘﺎت وو و لین ^[۲۲] ﻧﺸﺎن ﻣﯽ دﻫﺪ ﮐﻪ ﻫﺮ ﭼﻪ R وF ﺑﯿﺸﺘﺮ ﺑﺎﺷﺪ احتمال آنکه تراکنش جدیدی با مشتری صورت بگیرد، بیشتر است و همجنین اگر M بزرگتر باشد بازگشت مشتری برای خرید بیشتر است. [۲۸]
متغیر های مدل RFM برای بخش بندی مشتریان بسیار کارا هستند. از دیگر کاربردهای مدل RFM در بخش بندی مشتریان بر اساس متغیرهای تازگی، تکرار و ارزش پولی، می توان به بخش بندی مشتریان به منظور تعیین سیاست های بهینه بازاریابی برای هر بخش اشاره کرد. [۲۹]
۶٫۲ . سرانجام فصل
با مرور آنچه که گفته شد در می یابیم که با گسترش رقابت و اشباع شدن بسیاری از بازارها و تغییرات پیوسته در محیط و ترکیب جمعیت، شرکتها با این واقعیت روبرو شدند که امروزه دیگر مانند گذشته شرکتها با یک نظام اقتصادی رو به گسترش و بازارهای در حال رشد روبرو نیستند. امروزه هر مشتری ارزش ویژه خود را دارد و شرکتها برای به دست آوردن سهم بیشتری از بازار ثابت یا رو به کاهش باید مبارزه کنند. بازاریابان تا دیروز تنها در اندیشه یافتن مشتری بودند و گروه های فروش در پی شکار رشد دادن مشتری یعنی توجه به مشتریان تازه بودند ولی در دیدگاه امروزی بازاریابی یعنی رضایتمندی و ارتباط موثر با مشتری و کیفیت از دیدگاه وی.
فصل سوم : متدولوژی استاندارد در فرایند داده کاوی
۱٫۳ . سرآغاز فصل
ابزارهای داده کاوی در راستای تحلیل داده های تحلیلی مشتری بسیار مرسوم هستند. بسیاری از سازمان ها داده هایی در مورد مشتریان جاری، مشتریان بالقوه، تامین کنندگان و شرکای تجاری جمع آوری و ذخیره می کنند. عدم توانایی کشف اطلاعات ارزشمند پنهان در میان این داده ها مانع می شود که سازمانها این داده ها را به دانش مفید و با ارزش تبدیل کنند. ابزارهای داده کاوی کمک می کنند تا سازمان ها این دانش نهفته را از میان حجم عظیم داده ها استخراج کنند. با وجود داده های جامع مشتریان، تکنولوژی داده کاوی می تواند هوش تجاری با قابلیت ایجاد فرصتهای جدید فراهم آورد. [۱۱]
آنالیز داده ها جزء لاینفک هر سیستم مدیریتی در یک سازمان، می باشد. به وسیله آنالیز داده هاست که سازمان می تواند بر اساس واقعیات به تصمیم گیری و سیاست گذاری بپردازد. علاوه بر این، ارزیابی میزان اثربخشی و موفقیت/ شکست برنامه های شناخت و دسته بندی مشتری تنها از طریق جمع آوری داده های مرتبط و تجزیه و تحلیل آنها میسر می باشد. در این فصل تلاش شده است تا یک رویه منطقی جهت آنالیز داده های مشتریان شرکت پخش و توزیع ارومیه، از شرکت های تابع گروه صنایع غذایی سولیکو ارائه شود.
در اکثر تحقیقاتی که تاکنون در خصوص مطالعات مدیریت رویگردانی مشتری از سازمان صورت گرفته است. اقدام به شناسایی و پیش بینی نرخ رویگردانی مشتری با کمک داده های تراکنشی موجود از تعاملات مشتری با سازمان شده و در حوزه شناسایی دلایل شکل گیری پدیده رویگردانی با کمک داده کاوی و تلاش در جهت رفع عوامل ایجاد کننده این پدیده مطالعه چندانی صورت نپذیرفته است. [۳۰] این در حالی است که مطالعه نرخ رویگردانی مشتری در میان گروه های مختلف مشتری، به تنهایی چیزی فراتر از یک دید کلی در خصوص کسب و کار و آینده آن به طور تقریبی ارائه نمی دهد و هر گونه تلاش سازمان در رفع علل ایجاد کننده این پدیده منوط به درک دلایل و شرایط بروز پدیده رویگردانی است. [۲۵]
در ادامه و طی فصل آتی رویه پیشنهادی بر اساس مدل استاندارد Crisp DM^[23] بیان شده است. این رویه شامل شش مرحله می باشد. مراحل درک فضای کسب و کار، شناسایی داده ها، آماده سازی داده ها، مدل سازی، پایش و ارزشیابی و اجرا.
۲٫۳ . متدولوژی CRISP – DM
در طول سالیان گذشته حجم زیادی از داده ها در پایگاه های اطلاعاتی سازمان ها انباشته شده است. نتیجه این انباشتگی این است که سازمان ها با حجم عظیمی از داده ها مواجه هستند. در دنیای امروز داده ها و اطلاعات حاصل از آنها به منزله یکی از دارایی های سازمان جهت ایجاد ارزش افزوده و تولید ثروت به حساب می آیند. اما در فضای کنونی سازمان ها در کسب دانش از داده ها با چالش های عمده ای مواجه هستند. در واقع امروزه سازمان ها از حجم بسیار زیاد و روز افزون داده های خود استفاده چندانی نکرده و در بسیاری از موارد تنها به ذخیره سازی آنها می پردازند. برای بهره گیری درست از داده های سازمانی مراحل زیر به صورت عمومی و صرف نظر از نوع داده ها و هدف از پردازش، ضروری
می باشد:
جمع آوری و ذخیره سازی داده ها
تحلیل و استخراج اطلاعات از داده های بدست آمده

• هر قدر واریانس میانگین سوالات بیشتر شود آلفای کرونباخ کاهش پیدا خواهد کرد

• افزایش تعداد سوالات تاثیرمثبت و یا منفی )بسته به نوع همبستگی بین سوالات( بار میزان آلفای کرونباخ خواهد گذاشت

• افزایش حجم نمونه باعث کاهش واریانس میانگین سوالات در نتیجه باعث افزایش آلفای کرونباخ خواهد شد.

• بدیهی است هرقدر شاخص آلفای کرونباخ به ۱نزدیکتر باشد، همبستگی درونی بین سوالات بیشتر و درنتیجه پرسشها همگن تر خواهند بود. کرونباخ ضریب پایایی % ۴۵ را کم، % ۷۵ را متوسط و قابل قبول، وضریب % ۹۵ را زیاد پیشنهاد کرده اند )مقدار صفر این ضریب نشان دهنده عدم قابلیت اعتماد و ۱+ نشان دهنده قابلیت اعتماد کامل میباشد(. بدیهی است درصورت پایین بودن مقدارآلفا، بایستی بررسی شود که با حذف کدام پرسشها مقدارآن را میتوان افزایش داد.

ضریب قابلیت اعتماد یک آزمون تحت تاثیر عوامل مختلفی قرار دارد که عبارتست از :
طول آزمون: علی الاصول آزمون های طولانی تر از قابلیت اعتماد بالاتری در مقایسه با آزمونهایکوتاه برخوردارند. برای مثال ضریب قابلیت اعتماد یک آزمون ۱۰۰ سوالی می تواند بیشتر از یک آزمون۵۰ سوالی باشد
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

سؤال های مشابه از نظر محتوا و با سطح دشواری متوسط، قابلیت اعتماد آزمون را افزایش می دهد.
ماهیت متغیر اندازه گیری شده نیز ضریب قابلیت اعتماد را تحت تاثیر قرار می دهد.
لازم به ذکر است که ضریب قابلیت اعتماد در تفسیر نتایج مهم بوده و شرط اساسی در انتخاب یک ابزار اندازه گیری است]۴[
۴-۴-۴آنالیز و تجزیه و تحلیل داده ها
در این قسمت با بهره گرفتن از نرم افزار قدرتمند تجزیه و تحلیل آماری SPSS،داده های گردآوری شده توسط پرسشنامه، که در واقع بیانگر نظرات خبرگان در خصوص مدل پیشنهادی مورد بحث ماست، تجزیه و تحلیل شده و نتایج حاصله به صورت جداول و نمودارهایی ارائه خواهند شد. روش های آماری به کار رفته شامل آمارتوصیفی )میانگین، انحراف معیار، ضریب پراکندگی، جداول فراوانی(ضریب تعدیل کندال )برای تعیین میزان هماهنگی افراد بر روی شاخصهای مورد سؤال(، آلفای کرونباخ )جهت تعیین پایایی و اعتبار پرسشنامه( وضریب همبستگی اسپیرمن )برای تعیین روایی همگرا بین بخشهای مختلف پرسشنامه( میباشد.
پرسشنامه ی تهیه شده )پیوست( شامل ۶۸ پرسش میباشد که پس از تکمیل توسط گروهی ۲۷ نفره ازخبرگان، نتایج حاصله در ادامه مورد بررسی قرار گرفته است.

مرتبه علمی
رشته تحصیلی
جنسیت

کارشناسی ارشد
دانشجوی دکترا
دکترا
مدیریت
صنایع
کامپیوتر و فناوری اطلاعات
نفت
زن
مرد

۲
۱۰
۱۵
۴
۸
۱۳
۲
۵
۲۲

جدول ۲-۴ فراوانی متغیرهای جمعیت شناختی
با توجه به جدول شماره ۲-۴ ،۸۱% پرسش شوندگان مرد ،و ۱۹% بقیه زن هستند.۱۵% آنها در رشته مدیریت،۳۰%در رشته صنایع ،۴۸% دررشته کامپیوتر و فناوری اطلاعات و ۷%در رشته نفت تحصیل کرده اند.
نمودار ۱-۴ دسته بندی خبرگان از لحاظ جنسیت
نمودار ۲-۴ دسته بندی خبرگان از منظر مرتبه علمی
نمودار ۳-۴ دسته بندی خبرگان بر اساس رشته تحصیلی
پیش از بررسی اعتبار چارچوب پیشنهادی، در ادامه میزان قابلیت اعتماد و روایی همگرای ابزار سنجش )یا همان پرسشنامه( و نیز آمار توصیفی سؤالات ارزیابی کلی اعتبار مدل )شامل میانگین و درصد فراوانی( برای هر یک از دو بخش پرسشنامه به صورت مجزا ذکر شده است.

ارزیابی کلی مدل