فهرست مطالب بابک تیمورپور
-
یافتن راهکار هایی برای پیش بینی قیمت، تشکیل سبد سهام بهینه و دستیابی به سود بیشتر از اهداف اساسی فعالان بازار های مالی می باشد. هدف از این پژوهش پیش بینی قیمت دارایی های مالی نظیر چندین سهام بورس، طلا، سکه و تعدادی از ارزهای دیجیتال با استفاده از مدل شبکه عصبی LSTM و سپس تشکیل سبد سهام بهینه با محاسبه میزان بازده، ریسک و معیار شارپ است. داده های استفاده شده از آرشیو وب سایت بورس و اوراق بهادار تهران، وب سایت شبکه اطلاع رسانی طلا، سکه و ارز و همچنین وب سایت خرید و فروش ارزهای دیجیتال می باشد. سری زمانی قیمت دارایی های مورد بررسی طی سال های 2017 تا 2020 میلادی است. همچنین برای ساخت مدل و تحلیل داده ها از زبان برنامه نویسی پایتون و نرم افزار گفی استفاده نمودیم. در پایان مشخص گردید که مدل شبکه عصبی LSTM قادر به پیش بینی قیمت دارایی های مالی با میزان خطای بسیار کم در هر دارایی می باشد و با توجه به میزان معیار شارپ به دست آمده برای هر دارایی مالی و ماتریس همبستگی، سهام وبانک و سهام خبهمن 1 و همچنین ارز های دیجیتال ترون، تتر و بیت کوین سهم بیشتری را در سبد سهام پیشنهادی به خود تخصیص می دهند.
کلید واژگان: سبد سهام, ارز دیجیتال, پیش بینی قیمت, دارایی های مالی, شبکه عصبی LSTM}Finding solutions for price prediction, forming an optimal portfolio and achieving more profit are the basic goals of financial market activists. The purpose of this research is to predict the price of financial assets such as several stocks, gold, coin and a number of digital currencies using the LSTM neural network model and then form an optimal portfolio by calculating the rate of return, risk and the Sharpe ratio. The data used is from the archives of the Tehran Stock Exchange website, the website of the gold, coin and currency information network, as well as the website of buying and selling digital currencies. The time series of the prices of the investigated assets is between 2017 and 2020. Also, we used Python programming language and Gephi software to build the model and analyze the data. In the end, it was found that the LSTM neural network model is capable of predicting the price of financial assets with a very low error rate in each asset, and according to the Sharpe ratio obtained for each financial asset and the correlation matrix, Vebank stock, Khbahman 1 stock, and Digital currencies TRON, Tether and Bitcoin allocate more shares in the proposed portfolio.
Keywords: Price prediction, Portfolio, Financial assets, Digital currency, LSTM neuralnetwork} -
هدف
در دهه های اخیر، با توجه به آن که هزینه های جذب مشتری جدید به طور پیوسته در حال افزایش است، توجه به نگهداری مشتریان و بالا بردن وفاداری آن ها، برای سودآوری سازمان ها بسیار مهم و حساس است. از این رو سازمان ها برنامه های مختلفی را برای افزایش ماندگاری مشتریان خود اجرا می کنند. از سوی دیگر همه مشتریان سودآوری یکسانی برای سازمان ندارند و منابع محدود سازمان باید صرف مشتریان با ارزش شود. هدف این پژوهش ارایه مدلی ریاضی برای انتخاب بهینه مشتریان هدف جهت برنامه های ماندگاری و همچنین انتخاب میزان هزینه برای هر مشتری است.
روش شناسی:
اجرای تحقیق حاضر در 3 گام اصلی صورت گرفت. در گام اول با استفاده از داده کاوی احتمال رویگردانی مشتریان بدست می آید. در گام دوم ارزش دوره ی عمر مشتری محاسبه می شود و در گام آخر مدل بهینه سازی پیشنهادی حل می شود، برای حل مدل از LP-Metric استفاده شده و حل آن در نرم افزار GAMS انجام شده است. در حل مدل پیشنهادی داده های واقعی یکی از سازمان های بیمه ای کشور مورد استفاده قرار گرفت.
یافته ها:
یک مدل بهینه سازی دو هدفه بر مبنای ارزش دوره عمر مشتری ارایه شده است. یکی از توابع هدف مربوط به بیشینه کردن ارزش دوره عمر مشتری با اجرای برنامه ماندگاری و هدف دیگر مربوط به کمینه کردن هزینه های برنامه است.
نتیجه گیری:
با حل مدل بهینه سازی پیشنهادی، یک نمودار پارتو بدست آمده که با در نظر گرفتن نظر کارشناسان، هر نقطه بر روی این نمودار می تواند یک جواب بهینه برای انتخاب مشتریان هدف برنامه های ماندگاری و شیوه هزینه کرد برای آن ها باشد.
کلید واژگان: ارزش دوره عمر مشتری, رویگردانی مشتری, برنامه های ماندگاری, داده کاوی, بهینه سازی دو هدفه}ObjectiveDeveloping an optimization model based on CLV to customer targeting for the retention program
MethodThis research consists of three steps. In the first step, using data mining methods, the churn probability of each customer is determined. In the second step, the customer lifetime value for each customer is calculated and finally, in the last step, the model is solved using the LP-metric model in GAMS software. we used the proposed model for one of the insurance organizations of the country.
FindingsA bi-objective optimization model based on CLV is proposed for selecting target customers for the retention program and selecting relevant costs for each customer. One of the objective functions is set to maximize CLV from performing retention programs and the other one is set to minimize program costs.
ConclusionBy solving the proposed optimization model, a Pareto diagram is obtained that taking into account the opinion of experts, each point on this diagram can be an optimal answer for selecting the target customers of retention programs and how to spend for them.
Keywords: Customer Lifetime Value, Retention Programs, Data mining, Bi-objective Optimization} -
یکی از جنبه های مهم نگهداری و تعمیرات مبتنی بر شرایط (CBM) پیش بینی عمر مفید باقی مانده (RUL) بر اساس سوابق گذشته و وضعیت کنونی دستگاه است و تحلیل روغن روانکار یکی از روش های CBM است که به علت تماس مستقیم با دستگاه شرایطش بیانگر وضعیت سلامتی دستگاه است. در فرآیند CBM داده های زیادی تولید و انباشته می شود اما دانش موجود در این داده ها به طور کامل قابل درک نیست و باعث ضایع شدن منابعی گران بها می شود. برای استخراج اطلاعات و دانش از این داده ها به استفاده از روش هایی مانند داده کاوی نیاز است. در این پژوهش بر اساس تعریف RUL بهترین مدل پیش بینی زمان کارکرد باقی مانده تا وضعیت بحرانی برای یک مدل بلدوزر بر اساس سوابق تحلیل روغن موتور (مجموعه داده ای با 2700 رکورد و 129 ویژگی) با راهکار داده کاوی ساخته شده است. برای ساخت بهترین مدل، بعد از آماده سازی مجموعه داده مناسب با 49 رکورد و چهار ویژگی مدل هایی با روش های رگرسیون و شبکه عصبی ساخته شده است. به علت امکان انجام شدن فعالیت تعویض روغن در فواصل نمونه گیری ها، مدل ها با دو روش اعمال مقادیر ویژگی های مستقل ساخته شده اند. بر اساس ارزیابی عملکرد مدل ها بهترین مدل با شبکه عصبی و روش دوم اعمال مقادیر ویژگی های مستقل که استفاده از مقادیر جدید (تجمعی) دو ویژگی مستقل (Fe, Cu) و مقدار واقعی (غیر تجمعی) یک ویژگی مستقل (Vis40) بوده با خطای پیش بینی 23526.662 -/+ 958559.033 ساخته شده استکلید واژگان: نگهداری و تعمیرات مبتنی بر شرایط, تحلیل روغن, عمر مفید باقی مانده, داده کاوی}One of the important aspects of Condition Based Maintenance (CBM) is the prediction of remaining useful life (RUL) based on past records and current state of the device and lubricant oil analysis is one of the methods of CBM which due to its direct contact with the device, its condition expresses the device's health. In the CBM process a large mass of data is generated and accumulated, but the knowledge included in this data cannot be fully understood and result in the loss of valuable resources. To extract information and knowledge from these data, it is necessary to use methods such as data mining. In this study, based on the definition of RUL, the best prediction model of remaining operating time for a bulldozer model until critical state has been created with data mining solution based on engine oil analysis records (dataset with 2700 records and 129 features). To create the best model, regression and neural network models have been created after preparing the proper dataset with 49 records and 4 features. Due to the feasibility of oil change at sampling intervals, the models have been created using two methods of applying independent features values. Based on the performance evaluation of the models, the best model with neural network and the second method of applying independent features values have been created with prediction error 958559.033 +/- 23526.662, which are to use new values (cumulative) of two independent features (Fe, Cu) and the actual value (non-cumulative) of an independent feature (Vis40)Keywords: Condition based maintenance, Oil analysis, Remaining useful life, Data Mining}
-
شناسایی ساختارهای موجود در شبکههای اجتماعی، فرآیندی حائز اهمیت در تحلیل این شبکه ها است. یکی از مسائلی که در سالهای اخیر در زمینه شناسایی ساختارهای شبکههای اجتماعی مطرح شده است، مسئله اجتماع یابی است. با توجه به اهمیت این موضوع، تاکنون روشهای حل متنوع و گوناگونی برای اجتماع یابی پیشنهاد شده است. در پژوهش حاضر، یک الگوریتمی ترکیبی از روشهای بهینه سازی علف های هرز و ژنتیک پیشنهاد شده است که هدف آن یافتن جوابهای مناسب و باکیفیت برای مسئله اجتماع یابی است. در این روش ترکیبی، جوابهای اولیه توسط روش بهینه سازی علف های هرز تولید میشوند و در ادامه جوابهای یافته شده به وسیله الگوریتم ژنتیک در فرآیند بهینهسازی، بهبود مییابند. ارزیابی برازندگی جوابها، مبتنی بر معیار چگالی پودمانگی است. چگالی پودمانگی، معیاری با ماهیت بیشینهسازی است که میزان کیفیت اجتماعات کشف شده را به دست میدهدمشخص می کند. به منظور بررسی کیفیت جوابهای الگوریتم پیشنهادی، نتایج این روش نسبت به چهار الگوریتم علف های هرز، ژنتیک، الگوریتم کرم شب تاب و یک الگوریتم جستجوی کاملا تصادفی مقایسه شدهاند. پارامترهای این الگوریتمها به کمک یک رویکرد طراحی آزمایش ها تنظیم شدهاند. این مقایسات بر روی شبکههای محک گوناگون و با ابعاد متفاوت انجام شدهاند. با توجه به نتایج به دست آمده، میتوان دریافت که الگوریتم پیشنهادی قادر به تولید جوابهایی باکیفیت بالا است. اعتبارسنجی نتایج الگوریتمها نیز توسط شاخص اطلاعات متقابل نرمال انجام شده است.
کلید واژگان: اجتماع یابی, محاسبات نرم, بهینه سازی علف های هرز, چگالی پودمانگی}Detecting existing communities in social networks is a significant process in analyzing these networks. In recent years, the community detection problem has become popular for detecting structures of social networks. Due to high importance of this problem, various algorithms have been developed in the literature to find communities of complex networks. In this research, a hybrid meta-heuristic consisting of the genetic algorithm (GA) and the invasive weed optimization (IWO) method have been proposed which aims to find appropriate and high quality solutions for the community detection problem. In this hybrid method, the initial solutions are generated via the IWO algorithm, and thereafter the optimization process is continued by means of the genetic algorithm. The proposed algorithm is known as the GAIWO. Fitness of solutions is determined in terms of the modularity density criterion. Modularity density has a maximization essence and determines the quality of detected communities. To evaluate the efficiency of the GAIWO, four other methods have been employed and their results have been compared. Comparisons have been made on several networks with different sizes. Input parameters of all algorithms have been tuned by a design of experiments approach. The outputs indicate appropriate efficiency of the proposed algorithm. Validation of the results have been investigated by means of the Normalized Mutual Information (NMI) metric.
Keywords: Community detection, Soft computing, Invasive weed optimization, Modularity density} -
برای چندین دهه، سازمان ها بیش از مشتریان بر نشان تجاری و محصولاتشان تمرکز می کردند؛ اما اکنون بنگاه های اقتصادی بر ایجاد و حفظ ارتباط موثر با مشتریان متمرکز شده اند. در چنین شرایطی شناخت مشتریان و نیازهای آنان به امری حیاتی برای سازمان ها تبدیل شده است. یکی از پرکاربردترین روش های شناخت مشتریان، بخش بندی آنها به گروه های متجانس و شناخت ویژگی های هر بخش است؛ اما شیوه های سنتی و ایستای بخش بندی مشتریان پاسخگوی تغییرات سریع بازارهای پویای امروزی نیست. در عصر ارتباطات و فناوری های نوین، مشتریان مدام در بین بخش های مختلف جابه جا می شوند. شناخت الگوهای تغییرات و چگونگی پویایی بخش های مشتریان، عاملی کلیدی برای کسب بینش عمیق از مشتریان، پیش بینی تغییرات بازار و حتی هدایت موثر آن است. عمده پژوهش های پیشین در این موضوع سعی در تدوین الگویی عمومی و میان صنعتی برای تفسیر پویایی مشتریان کرده اند؛ حال آنکه ماهیت بخش های مشتریان و الگوهای پویایی از صنعتی به صنعت دیگر کاملا متفاوت است. پژوهش حاضر با در نظر گرفتن مشخصات یک صنعت خاص (صنعت بانکداری)، الگوهای پویایی مشتریان را با استفاده از ابزارهای تحلیل داده های بزرگ کاوش و مطالعه کرده است. نتایج این مطالعه، هشت گونه از الگوهای پویایی و روابط میان آنها را در صنعت مطالعه شده آشکار ساخته و با استفاده از آنها، راهکارهایی برای پیش بینی پویایی آینده مشتریان و هدایت آن برای ارتقای اثربخشی فعالیت های بازاریابی، پیشنهاد داده است.کلید واژگان: پویایی مشتریان, الگوهای پویایی خاص صنعت, ارزش طول عمر مشتری, صنعت بانکداری, ابزارهای تحلیل داده های بزرگ}For decades, enterprises focused on brand and products rather than the customers. But, now, economic enterprises focused on building and maintaining effective customer relationships. In such situations, the recognition of customers and their needs has become vital for organizations. One of the most widely used methods for recognizing customers is to segment them into homogeneous groups and recognize the characteristics of each sector, but traditional and static segmentation of customers is not able to respond to the rapid changes in today's dynamic markets. In the era of modern communication and technology, customers are constantly moving between different segments. Knowing patterns of change and the dynamics of customer segments is a key factor in gaining a deep insight into customers, predicting market changes, and even managing them effectively. Major studies in the literature attempt to develop a general and Cross-industry model for interpreting the dynamics of customers, while the nature of customer segments and the dynamic patterns from industry to industry are completely different. The present study, with the consideration of the characteristics of a particular industry (banking industry), explores the dynamics of customers using big data analytics. The results revealed eight categories of patterns and associations which can be proposed to predict the future dynamics of customers and direct it to improve effectiveness of marketing activities in the related industry.Keywords: Customers Dynamics, Industry-specific Patterns, Customer Lifetime Value (CLV), Banking Industry, Big Data Analytics}
-
اکثر مشکلات مربوط به برنامه ریزی منابع انسانی منحصر به محدودیت های سطح خدمات است. ارایه سطح خدمات بالا بر فاکتورهایی هم چون کاهش زمان خدمت تاکید می کند. بنابراین ارزیابی عملکرد عامل های انسانی در صنعت مراکز تلفن، به منظور تعیین کیفیت سطح خدمات، از مهمترین چالشهای این مراکز محسوب می شود. در این پژوهش جهت تعیین سطح خدمت، مهارت و خوشه بندی عامل های انسانی، ویژگیهای توصیفی معیار زمان خدمت بر اساس نوع خدمت به مشتری به عنوان داده های ورودی استخراج شدهاند. استفاده از این مشخصه ها می تواند به ارزیابی و الویتبندی موثرتر عامل های انسانی کمک کند. بعلاوه این مشخصهها دشواری استفاده از سایر معیارهای ارزیابی عملکرد را ندارند. مشخصه های این پژوهش از داده های مرکز تماس یک شرکت طراح و تولیدکننده سیستم های کامپیوتری و الکترونیکی استخراج شده و با استفاده از روش تحلیل مولفه های اصلی ارزیابی شده اند. هم چنین موقعیت عامل ها نسبت به مشخصه های عملکردشان نمایش داده شده است. در نهایت عامل های انسانی مورد مطالعه با استفاده از الگوریتم خوشه بندی k-means و بر اساس مشخصه های عملکردشان گروه بندی شده اند. سه گروه از عامل های انسانی ایجاد شده است که هر گروه بیانگر سطح مهارت و خدمت آن گروه میباشد. نتایج تحقیق سهولت در ارزیابی عملکرد عامل ها با روش های داده کاوی را نشان می دهد.
کلید واژگان: مرکز تلفن, عامل های انسانی, زمان خدمت, داده کاوی, خوشه بندی} -
اجتماعیابی (کشف اجتماعات) یکی از شاخههای نوظهور و پرطرفدار در علم داده کاوی و تحلیل شبکههای اجتماعی است که کاربردهای فراوانی در کشف و تحلیل اجتماع ها در سایت های اینترنتی، شبکه های زیستی، علمی و پژوهشی و غیره دارد. اجتماعیابی صفحات اینترنتی میتواند به طور ویژه به مدیران سایتهای اینترنتی در تخصیص پهنای بهینه به شبکه صفحات وب تحت نظارتشان کمک کند. در اکثر روش های اجتماعیابی موجود فقط از توپولوژی شبکه (ارتباطات، یالها) برای گروهبندی گرهها (صفحات وب) استفاده می‌شود؛ درحالی که نتایج پژوهشهای اخیر نشان داده است که اینگونه روشها باید به گونه ای تغییر کند که در آن ها علاوه بر توپولوژی، ویژگی های ذاتی گرهها نیز در فرآیند اجتماعیابی لحاظ شود. ازاین رو در این مقاله برای اولین بار با لحاظ کردن هم زمان ویژگی های ذاتی صفحات وب و ارتباطات میان آن ها، یک مدل ریاضی برای کشف اجتماعات در شبکههای اینترنتی توسعه داده شده است. روش پیشنهادی این پژوهش بدین صورت است که برای لحاظ کردن ویژگیها در فرآیند اجتماعیابی، ابتدا با استفاده از یک رویکرد ریاضی، میزان شباهت صفحات وب به کمک یک سنجه شباهت (مانند جاکارد یا ضریب انطباق) و بردار ویژگیها محاسبه و به عنوان وزن به یال های موجود بین آن ها در شبکه اینترنتی موردنظر افزوده می‌شود. با این کار عملا یک شبکه اینترنتی ویژگیدار با یال های غیر موزون به یک شبکه بدون ویژگی با یالهای موزون تبدیل می‌شود. سپس با استفاده از یک مدل ریاضی (که مختص شبکههایی با یال های موزون است)، اجتماعات موجود در این شبکه موزون کشف می‌شود. برای اعتبارسنجی و اثبات کارایی، در قالب آزمونهای فرض آماری ادعاشده است که کیفیت اجتماعات کشفشده توسط رویکرد ریاضی پیشنهادی (که ویژگیهای صفحات وب را لحاظ میکند) به طور آماری بهتر از مدلهای ریاضی پیشین (که از ویژگیها چشمپوشی میکند) است. نتایج آزمونهای آماری روی شبکه اینترنتی واقعی نشان میدهد که مدل پیشنهادی این پژوهش در حالتی که از معیار جاکارد برای محاسبه میزان شباهت صفحات وب استفاده میکند به طور معنی داری (با P-value=0.01) باعث کشف اجتماعاتی بهتر در قیاس با مدلهای ریاضی پیشین شده است. همچنین نتایج دیگر آزمونهای آماری نیز نشان میدهد که انتخاب سنجه شباهت متناسب با ماهیت شبکه، تاثیر بسزایی در میزان کیفیت رویکرد پیشنهادی دارد.
کلید واژگان: اجتماع یابی, بهینه سازی پودمانگی, توپولوژی شبکه, شبکه اینترنتی, صفحات وب, مدل ریاضی, ویژگی های گره}Community detection is one of the emerging and well-known topics in the area of data mining and social network analysis, which has wide variety applications in discovering communities in real-world networks such as biological networks, internet weblogs, scientific and research websites, etc. Web community detection can especially help admins assign the optimal bandwidth to the websites of theirown networks. Most of web community detection approaches only use the network topology to discover the web communities. However, the results of the most recent researches show that traditional community detection methods have to be substantially modified to consider web attributes as well as network topology. Therefore, in this paper, a mathematical programming approach is developed for community detection in attributed internet networks by simultaneously considering both network topology and node attributes. In this approach, first, similarities of web pages are calculated using node attributes and a desired similarity measure and are considered as the weight of the corresponding edges. Then, communities of the resulted weighted network will be detected by the proposed mathematical model. To validate and prove the efficiency, it is hypothesized that the detected communities of the proposed approach have a better quality than that of previous models. Experimental results demonstrate that the proposed approach has the ability to significantly improve the quality of detected web communities, when the model uses the Jaccard index. However, the results of other hypotheses indicate that the correct selection of similarity measure has a significant impact on the quality of the detected communities.
Keywords: community detection, Internet network, mathematical model, Modularity optimization, Network topology, Node attributes, web pages} -
در این تحقیق با بررسی علم مدیریت دانش به عنوان حوزه میان رشته ای، تلاش شده است به این سوال پاسخ داده شود که ساختار علمی و نقشه دانشی پژوهش های مدیریت دانش در دو حیطه حوزه های علمی و کلیدواژه ها به چه صورتی است؟ برای این کار، حدود 40000 سند علمی که مدیریت دانش یکی از کلیدواژه های آن بود، در پایگاه علمی اسکوپوس انتخاب شد و در حیطه های علمی مختلف، بررسی شدند. برای هر یک از شاخص های علم سنجی شامل حوزه های موضوعی و کلیدواژه ها، نمودارهای ستونی مرتبط شکل گرفت. پس از ترسیم گراف های همسایگی و هم اشتراکی به کمک ماتریس هم رخدادی در نرم افزارهای excel و R، با استفاده از الگوریتم های میانگین پیوند خوشه بندی شدند. در نتیجه در پژوهش های مربوط به مدیریت دانش در دنیا، بیشترین میزان ارتباط مدیریت دانش با حیطه های علمی علوم کامپیوتر 5/32 درصد، تجارت و مدیریت و حسابداری 5/14 درصد، علوم مهندسی 7/13 درصد، علوم تصمیم گیری 6/12 درصد، ریاضیات 07/7 درصد و علوم اجتماعی 63/6 درصد بوده است. بیشترین کلیدواژه های همکار با مدیریت دانش در پژوهش های دنیا به ترتیب تعامل انسان و رایانه، مدیریت اطلاعات، مدیریت سیستم ها، فناوری اطلاعات، صنعت، اکتساب دانش، سمانتیک، انتقال دانش، آنتولوژی و بازیابی اطلاعات است.کلید واژگان: تحلیل شبکه ای, خوشه بندی, علم سنجی, مدیریت دانش, نقشه دانش}In this research knowledge management has been studied as an interdisciplinary area. We aim to find an answer for this question that "what are the scientific structure and knowledge map of knowledge management projects regarding these two aspect of subject areas and keywords. For this purpose, nearly 40000 scientific documents including knowledge management as one of their keywords were selected from Scopus database and were studied in various subject areas. In this research,bar charts have been drawn for each index of subject areas and keywords. Besides, using Co-occurrence matrix, adjacency graphs were drawn and then clustered using Average-Link algorithm. Bar charts and graphs were drawn using R and Excel software. The results of this research showed that among the researches on knowledge management in the world, the most relevant scientific fields to knowledge management are Computer Sciences with 32.5%, Business, Management and Accounting with 14.5%, Engineering with 13.7%, Decisive Sciences with 12.6%, Mathematics with 7.07%, and Social Sciences with 6.63%, respectively. The most keywords collocate with knowledge management in the world are Human-Computer Interaction, Information Management, Systems Management, Information Technology, Manufacturing, Acquisition of Knowledge, Semantics, Knowledge Transfer, Ontology and Information Retrieval.Keywords: Clustering, Evaluation, knowledge management, Knowledge Map, Network Analysis}
-
در شرایط بازار رقابتی با توجه به فراوانی بانک های خصوصی، دولتی و موسسات مالی و اعتباری، بانک ها همواره می کوشند برای اینکه از سوی مشتریان ترجیح داده شوند، رضایت مشتریان را بیش از پیش جلب کنند. هدف از این مقاله شناسایی و طبقه بندی گروه هایی از مشتریان سیستم بانکی است که تمایل و گرایش ایشان به یک جهت گیری استراتژیک و عوامل ارزش آفرین مشابه است. از این رو، شناخت عوامل ارزش آفرین برای مشتریان و انتظارات ایشان، به منظور اتخاذ جهت گیری استراتژیک مشخص توسط بانک ها، لازم و ضروری است. با شناسایی و بخش بندی مشتریان بانک ها، می توان انتظارات و نیازهای آنها را بهتر شناخت و جهت گیری استراتژیک مناسبی برای جلب رضایت مشتریان اتخاذ کرد. در این مقاله مشتریان سیستم بانکی، اعم از بانک های دولتی و خصوصی، انتخاب شدند و بر اساس پیشینه پژوهش، انتظارات آنها در قالب 24 شاخص مختلف شناسایی شد. اطلاعات مد نظر، شامل میزان اهمیت و رضایت مشتریان از ارائه خدمات بانک ها، به وسیله پرسشنامه به دست آمد. به منظور تحلیل داده ها، در مرحله اول از روش تحلیل عاملی اکتشافی استفاده شد. نتایج حاصل از این تحلیل نشان داد که از 24 معیار درنظر گرفته شده برای شناسایی، انتظارات مشتریان از سیستم بانکی ایران در قالب 5 عامل قرار می گیرد. سپس با توجه به عوامل شناسایی شده، از تحلیل خوشه ایدو مرحله ای و K-Meansاستفاده شد. نتایج حاکی از این مطلب است که مشتریان برحسب شباهت پاسخ هایشان نسبت به 5 عامل اصلی، به 3 خوشه مختلف تقسیم می شوند که ویژگی های هر خوشه مورد بررسی قرار گرفت: خوشه اول شامل مشتریانی است که عامل درک، شناخت و ارتباط برای آنها حائز اهمیت بوده است؛ خوشه دوم را مشتریانی تشکیل داده اندکه عامل تنوع و تمایز خدمات برای آنها مطلوب بوده و خوشه سوم شامل مشتریانی است که عامل دسترسی، کارایی و هزینه برای ایشان اهمیت داشته است. بنابراین، می توان گفت با تقسیم مشتریان سیستم بانکی به خوشه های ذکر شده، سه جهت گیری استراتژیک متمایز استخراج می شود: صمیمت با مشتری، رهبری محصولات و خدمات و برتری عملیاتی که بانک ها به وسیله آن قادر خواهند بود برای مشتری ارزش آفرینی کنند.کلید واژگان: ارزش مورد انتظار مشتریان, ارزش پیشنهادی, ارزش درک شده, تحلیل عاملی اکتشافی, خوشه بندی}In a highly competitive market of financial institutions and also public and private banks, banks try to be the preferred choice of customers for their banking services by maximizing their customers satisfaction. The goal of this research is to introduce a mechanism for identification and segmentation of banking customers in accordance with their preferences into 3 key strategic directions, i.e. operational excellence, product leadership, and customer intimacy. To achieve this goal, it is required to detect important factors for the above-mentioned strategic directions and conduct a survey about them, subsequently. After the process of data collection, the next step is to classify customers in this regard and align the bank's operations with their customers expectations. This research is based on the result of a survey about 24 factors related to the importance of banks characteristics from the viewpoints of customers as well as their satisfaction from the primary banks services. Data were analyzed using exploratory factor analysis for the purpose of dimensionality reduction in order to extract 5 new metrics based on the mentioned 24 factors, and also Two-step and K-Means clustering algorithms were conducted and measured clustering metrics. As a result of the above clustering, customers were divided into 3 segments, which can lead the banks to align their operations and services in accordance with their customers preferences.Keywords: Customers Expectation, value proposition, Perceived values, Expletory Factor analysis, Clustering}
-
انتخاب بردار مشخصه مناسب برای حداکثر نمودن موفقیت یک ماشین دسته بندی کننده بسیار موثر است. در این مقاله با استفاده از ترکیب روش های مختلف محاسبه تابع هسته، یک الگوریتم انتخاب مشخصه بهینه بدون نظارت پیشنهاد گردیده است. بردار مشخصه بدست آمده از الگوریتم پیشنهادی، صحت خروجی دسته بندی کننده شبکه عصبی پس انتشارخطا را حداکثر می گرداند. در این مقاله برای مطالعه موردی از دسته بندی استاندارد تصاویر فشرده شده مبتنی بر کدگذاری تبدیلی و تصاویر فشرده نشده با استفاده از رشته بیت آن ها استفاده می گردد. استانداردهای مورد نظر برای دسته بندی، استانداردهای JPEG و JPEG2000 و تصاویر فشرده نشده با فرمت TIFF می باشند. با استفاده از بردار مشخصه بدست آمده از الگوریتم پیشنهادی، صحت دسته بندی کننده در حدود 98% می گردد.کلید واژگان: داده کاوی, بردار مشخصه, انتخاب بردارهای مشخصه, شبکه عصبی, دسته بندی, استاندارد فشرده سازی تصویر}
-
تمام تلاش های یک سازمان برای دسترسی به سهم بیشتری از مشتریان و در نهایت خلق ارزش برای مشتریان با ارزش متمرکز می شود. در این تحقیق مدلی جهت اندازه گیری و محاسبه ارزش عمر مشتریان در صنعت بیمه معرفی می گردد. برای این منظور نمایندگی های یک شرکت بیمه از سال 1390-1387 انتخاب و مبنای تحلیل و پیاده سازی مدل قرار گرفته اند. پس از محاسبه CLV نمایندگی ها، به بخش بندی آنها بر اساس معیارهای موثر بر CLV که شامل فاکتورهای ریسک و اطلاعات دموگرافیک است، پرداخته شد که براین اساس نمایندگان به سه خوشه تقسیم بندی شدند از بین سه خوشه به دست آمده در این پژوهش، مشخص گردید که خوشه اول با ارزش ترین خوشه است و برای شرکت از اهمیت بالایی برخوردار است. خوشه دوم و سوم از نمایندگانی تشکیل شده که تجربه کافی دارند و می توان به عنوان نمایندگان وفادار از آنها نام برد.
کلید واژگان: ارزش دوره عمر مشتری, مدیریت ارتباط با مشتری, مدیریت ریسک مشتری, مدیریت دانش مشتری, بخش بندی مشتریان} -
امروزه مشتری به عنوان مهمترین منبع دانش برای سازمان ها شناخته شده است. مزیت رقابتی قبلا با نوآوری در محصول و ایجاد نام تجاری حاصل می شد، اما در قرن بیست ویکم که سازمانها با تعاملات بیشتری هستند، ایجاد مزیت رقابتی بوسیله جمع آوری اطلاعات مشتری بدست می آید. در این مقاله با هدف تدوین یک مدل ساختاری با استفاده از روش مدل سازی ساختاری تفسیری، جمع آوری نظر خبرگان از طریق پرسشنامه و تحلیل مقایسه ای داده ها، جمعا 25 عامل مهم و موثر بر فرآیند پیاده سازی مدیریت دانش مشتری در بانک شناسایی شد. تحلیل مدل ساختاری نشان داد متغیرهای تعهد مدیریت ارشد، مجموعه مدیران میانی، فرهنگ سازمانی، منابع مالی و فناوری اطلاعات در دسته متغیرهای مستقل قرار می گیرند و دارای قدرت هدایت بالا ولی شدت وابستگی پایین هستند و همانند سنگ زیربنای مدل عمل می کنند و برای شروع کارکرد سیستم، باید در وهله اول روی آنها تاکید کرد. سایر متغیرها از نوع متغیرهای متصل هستند که دارای قدرت هدایت و وابستگی بالا هستند و هر نوع تغییردر آنان می تواند سیستم را تحت تاثیر قرار دهد. نتیجه نهایی از ارتباطات عوامل در مدل بیانگر این است که پیاده سازی فرآیند مدیریت دانش مشتری در رسیدن به عواملی مانند رضایت مشتری، افزایش کیفیت خدمات و نگهداشت مشتری به عنوان دارایی و در نهایت کسب مزیت رقابتی، موثر است.
کلید واژگان: مدیریت ارتباط مشتری, مدیریت دانش مشتری, بانک, مدل سازی ساختاری تفسیری, مزیت رقابتی}Nowadays، customer is known as the most important source of information for organizations. The competitive advantage was lately obtained by innovation of product and creating a brand، but in twenty first century، companies are facing more interactions creating a competitive advantage which is obtained by gathering customer knowledge. This study intends to determine a structural model by the application of interpretive structural modeling (ISM). According to the interpretive structural modeling findings، twenty five important and effective factors on the process of implementing the customer knowledge management in the bank has been identified. The structural model analysis showed that the variables of the superior management commitment، the middle managers، organizational culture، financial resources and information technology are the main factors، and act like the foundation of the model. Other factors that have high levels of guidance and dependency and any type of change on them، could affect the system and system outcome could also change these variants again. The final result of factor in model expresses that executing and implementing the customer knowledge management process is effective at achieving factors such as customers'' satisfaction، increase of service quality and keeping customers as a valuable asset and finally obtaining a competitive advantage.Keywords: Customer knowledge management, Competitive Advantage, Interpretive Structural Modeling, Bank, Customer Relationship Management} -
هستان نگاری یک محصول مهندسی شده و عنصر اصلی کشف دانش است. هستان نگار شامل واژگان برای توصیف واقعیت و مجموعه ای از فرضیات وروابط است که با استفاده از آن، می توان معانی واژگان را درمیان جوامع با جزئیات مشخص، تعیین نمود. هستان شناسی واکسن با زبان هستان شناسی وب بیان می شود. حوزه تحقیقاتی انفورماتیک واکسن در حال ظهوراست که در آن تمرکز بر توسعه برنامه های کاربردی است که ازروش های بیوانفورماتیک و ایمونو انفورماتیک استفاده می کند و می تواند به منظور تسهیل کار صاحب نظران متخصصان بالینی و موسسات واکسن مورد استفاده قرار گیرد. علم واکسن در ایران به دلیل دانش بومی و قدمتی بیش از هشتاد سال در تحقیق و تولید محصول با اصطلاحات تخصصی و فرآیندهای پیچیده روبرو است که به کمک هستان شناسی می توان به غنا و شفاف سازی داده های ایجاد شده در آن کمک کرد. نتایج مفید هستان نگاری برای کشف دانش واکسن ایران شامل شناسایی خبرگان این رشته، مدیریت دانش، ایجاد هماهنگی در فعالیتهای تحقیقاتی و تولیدی درزمینه واکسن، توسعه فرهنگ پژوهش و شکوفایی فناوری اطلاعات در صنعت واکسن می باشد که در این تحقیق مورد توجه قرارگرفته است. ارزیابی و نحوه بررسی کیفیت هستان شناسی اهمیت روز افزونی یافته است و همواره اعتبار آن به عنوان عنصر اصلی کشف دانش، از نظر کیفی مورد سنجش قرارمی گیرد. نحوه بصری سازی، ارزیابی، اعتبارسنجی و بررسی کیفیت هستان نگار پیاده سازی شده با استفاده از نرم افزارهای معتبر و نتایج ارزیابی خبرگان حاصل از پرسشنامه و چگونگی کشف دانش واکسن وب صری سازی آن درمقاله حاضر بیان شده است. همچنین در این پژوهش تقویت همکاری ها و ارتباطات علمی ازطریق کشف شبکه همکاری نویسندگان مقالات واکسن ایران، کشف ارتباط پژوهشکده ها و کشف ارتباط مجلات آن و همچنین تحلیل مورد توجه قرارگرفته است. نتایج حاصل از تحلیل شبکه دو قسمتی محقق-پژوهشکده نشان می دهد که 2811 محقق و پژوهشکده به عنوان گره وجود دارد و همچنین 3341 همکاری صورت گرفته است. تحلیل شبکه دوقسمتی محقق-ژورنال نشان می دهد که 2458 محقق و ژورنال به عنوان گره وجود دارد و همچنین 3456 همکاری صورت گرفته است.
کلید واژگان: هستان شناسی, واکسن, بصری سازی, کشف دانش, شبکه دو قسمتی}Ontology is a requirement engineering product and the key to knowledge discovery. It includes the terminology to describe a set of facts، assumptions، and relations with which the detailed meanings of vocabularies among communities can be determined. This is a qualitative content analysis research. This study has made use of ontology for the first time to discover the knowledge of vaccine in Iran. The ontology can be used for knowledge discovery in domain of vaccine in Iran and identification of experts in the field of vaccine، knowledge management، coordination of R & D activities on vaccine production، shaping a culture and flourishing IT in vaccine industry. Visualization، assessment، validation and evaluation of ontology quality، implemented via use of authentic tools and Experts evaluation results obtained from the questionnaires and how knowledge discovery and visualization of knowledge discovery have been discussed. Iran knowledge on vaccinology can be searched with the aid of ontology and can be developed with bipartite Networks of Iran''s vaccinology that is result of knowledge discovery. Analysis of the bipartite networks researcher-centers showed 2811 researchers and research centers as nodes and 3341 collaborations cases. Bipartite network researcher - journal analysis showed 2458 researchers and journals as nodes and 3456 collaborations casesKeywords: Ontology, Vaccine, Visualization, Knowledge discovery, Bipartite Network} -
فصلنامه فن آوری اطلاعات و ارتباطات در علوم تربیتی، سال چهارم شماره 2 (پیاپی 14، زمستان 1392)، صص 67 -86هدف از این پژوهش، رتبه بندی مولفه های طراحی ابزارهای آموزشی مبتنی بر رویکرد شبکه اجتماعی در مدارس براساس فرآیند تحلیل سلسله مراتبی است، تا بتوان از ابزارهای شبکه اجتماعی به عنوان یک ابزار آموزشی در فرآیند آموزش در سیستم مدارس مجازی در جهت افزایش بهره وری استفاده نمود. روش پژوهش توصیفی از نوع پیمایشی است. نمونه مورد مطالعه 59 نفر از خبرگان و مخاطبین (دانش آموزان، دبیران و مدیران) زن و مرد از 6 مدرسه در سطح شهرستان رودبار با دامنه سنی 18 تا 45 سال می باشد. ابزار گردآوری داده ها، پرسش نامه ای بود که براساس فرآیند تحلیل سلسله مراتبی (AHP)در سال 1392 اجرا شد. تجزیه و تحلیل سیستم توسط نرم افزار Expert Choice صورت پذیرفت. نتایج تحقیق نشان داد که از میان شش معیار مدیریت عملکرد، ارزیابی کارآیی عملکرد، امنیت، مدیریت تعاملات، داده ها و فرآیندها؛ معیارهای مدیریت عملکرد و ارزیابی کارآیی عملکرد، به عنوان دو رکن اصلی فرآیند یادگیری- یاددهی نسبت به سایر معیارها از بالاترین درجه اهمیت برخوردار بودند. در کنار این دو معیار، معیار امنیت داده های کاربران در یک سطح اهمیت قرار گرفته و نشان دهنده آن است که برقراری امنیت باید هم راستا با فرآیند آموزش الکترونیکی در مدارس مجازی ایجاد گردد. در سطوح دیگر معیارهای مدیریت داده ها، تعاملات و فرآیندها قرار گرفت؛ معیار مدیریت فرآیندها با کمترین درجه اهمیت در طراحی ابزارهای آموزشی مبتنی بر شبکه اجتماعی تعیین شد، زیرا بسیاری از شاخص های آن در سیستم کنونی آموزش و پرورش وجود دارد و در تمامی مدارس سطح کشور در حال استفاده می باشد.
کلید واژگان: فرآیند تحلیل سلسله مراتبی, ابزارهای آموزشی, شبکه اجتماعی, یادگیری الکترونیکی, مدرسه مجازی}Information and Communication Technology in Educational Sciences, Volume:4 Issue: 2, 2014, PP 67 -86The purpose of this research was ranking the components of educational tools based on social network in schools using Analytical Hierarchy Process (AHP) in order to be able to use social network tools to increase productivity in the process of education at virtual schools. The research method was descriptive survey. The sample included 59 male and female experts and the audience (students، teachers and principals) with the age range of 18 to 45 at Roodbar City schools. The data gathering tool was a questionnaire performed based on AHP in 2013. Analysis was done by Expert Choice software. The results showed that among the six original criteria including performance management، performance effectiveness evaluation، security، interactions management، data and processes، both «management performance» and «performance effectiveness evaluation» were assigned as the highest priority for learning-teaching process. Also privacy and security were both equally important، which indicated that maintaining security should be the top priority in e-learning process in virtual schools. Other important measures included data management، interaction and process. The least priority was process management because many of its indexes are included in the present educational system and are being used in all schools of the country.Keywords: Analytical Hierarchy Process, Educational Tools, Social Network, E, Learning, Virtual School} -
مقدمهامروزه، زندگی شهر نشینی و گذار بیماری ها، مراکز بهداشتی- درمانی را برای ارایه خدمات به چالش جدی واداشته است. مشکلی که مدیریت در این مراکز با آن مواجه است، زمان انتظار طولانی بیماران می باشد. زمان دریافت خدمت توسط بیمار، بسیار کمتر از زمان انتظار است. افراد برای دوری جستن از زمان های انتظار طولانی، به مراکز خصوصی درمان مراجعه می کنند. این بررسی، به منظور تعیین راهکارهای کاهش زمان انتظار مراجعین بر پایه شبیه سازی رخدادهای گسسته انجام شد.روش هااین پژوهش به صورت مقطعی در درمانگاه عمومی انجام گرفت و با استفاده از شبیه سازی رخدادهای گسسته، جریان بیمار مدل سازی و بهینه سازی شد. در ورود افراد به سیستم، اطلاعات دموگرافیک آن ها ثبت شد. فرم ها به دفترچه درمانی فرد ضمیمه شد و با مراجعه فرد به قسمت های مختلف، اطلاعات مربوط به زمان ورود، زمان انتظار افراد در سیستم، زمان دریافت خدمت توسط آن ها و زمان خروج از سیستم ثبت گردید. تجزیه و تحلیل داده ها با استفاده از نرم افزار SPSS، تعیین تابع توزیع احتمال ورود افراد به سیستم و زمان دریافت خدمت توسط آن ها، با استفاده از نرم افزار Professional easy fit و شبیه سازی سیستم درمانی با به کارگیری نرم افزار Any logic صورت گرفت.یافته هاتعداد کل نمونه ها 400 نفر بود که بیش از 60 درصد خانم ها و کمتر از 40 درصد آقایان بودند.20 درصد مراجعین قبل از شروع به کار سیستم مراجعه می کردند که باعث اتلاف 2017 دقیقه می شد. زمان دسترسی به اولین خدمت از 1 تا 250 دقیقه متفاوت و به طور میانگین 59 دقیقه بود. مجموع زمان ارایه خدمت به افراد از 1 تا 20 دقیقه متغیر و میانگین آن 5/7 دقیقه به دست آمد. تاخیر در ورود پزشکان 15 دقیقه بود. زمان ورود مراجعین از تابع توزیع احتمال نمایی و زمان ارایه خدمت از تابع توزیع گاما تبعیت می کرد.
نتیجه گیری65 درصد مراجعین بیش از 30 دقیقه برای دریافت اولین سرویس منتظر بودند. برای کاهش زمان انتظار، 7 سناریو پیشنهاد گردید که با نرم افزار Any logic شبیه سازی شد و از بین آن ها، سناریوی ترکیبی تغییر زمان شروع به کار سیستم و پذیرش 30 درصد مراجعین به صورت Book appointment بهترین نتیجه را به همراه داشت.
کلید واژگان: کاهش زمان انتظار, جریان بیمار, شبیه سازی رخدادهای گسسته}BackgroundUrban living and transition of illnesses، today has led hygienic centers for dedicating services to serious challenge management of an outpatient center is very difficult. Worse is that the patient advice and service time is much less than waiting time. Many people to avoid long waiting go to private treatment centers. This study was done to determine ways to reduce client waiting time based on discrete event simulation.MethodsThis was a cross-sectional study and data were collected by questionnaire and check list and survey form whose validity was confirmed by the experts. Data were completed by the relevant parts responsible. Statistical data analysis was done by SPSS software and determining the probability distribution function of service time and their entry into the system at various places was done by Professional Easy Fit Software.FindingsThe total number of the subjects was 400. Time to access first service varied from 1 to 250 minutes and the average was 59 minutes. Average time of general physician services to people was 4 minutes and total service time varies from 1 to 20 minutes and the average was 7. 5 minutes. Delay in physician entrance was 15 minutes. The probability distribution function of patients’ arrival time was exponential and probability distribution function of service time was a gamma distribution function.ConclusionMuch of the waiting time was related to pre-starting the work of system، and also admission and physician visit. 65% of the patients waited more than 30 minutes to receive the first service and given the patient charter، it is not acceptable that 75% of the patients should have less than 30 minutes to reach their first service. To reduce the waiting time، seven scenarios were suggested for using parameters variation experiment in AnyLogic Simulation Software; these scenarios were simulated in the system. Among these scenarios، the mixed scenario which changes the start time of system and admits 30% of patients through book appointment، yielded the best results.Keywords: Reduced Waiting Time, Patient Procedure, Discrete Event Simulation} -
امروزه، نقش مشتریان از حالت پیروی از تولیدکننده، به هدایت سرمایه گذاران، تولیدکنندگان و حتی پژوهشگران و نوآوران مبدل گشته است، به همین دلیل سازمان ها نیاز دارند مشتریان خود را بشناسند و برای آنان برنامه-ریزی کنند. تاکنون از برخی روش های آماری و یادگیری ماشینی برای این منظور استفاده شده است که البته این روش ها به تنهایی دارای محدودیت هایی هستند که در این پژوهش سعی شده است تا با بهره گیری از روش های مختلف داده کاوی تا حد ممکن این محدودیت ها از بین برده و برطبق آن، چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارائه شود. درواقع، هدف این است تا مشتریانی را که بیشتر به یکدیگر شبیه هستند دسته بندی و با استفاده از این دسته ها و ویژگی های آن، میزان خطرپذیری هر دسته را پیش بینی کرد. حال با استفاده از این معیار (میزان خطرپذیری هر دسته) و نوع بیمه نامه مشتری می-توان میزان خسارت او را پیش بینی کرد که این معیار می تواند کمک شایانی برای شناسایی مشتریان و سیاستگذاری های تعرفه بیمه نامه باشد. برای این منظور، از دو روش داده کاوی4، درخت تصمیم و خوشه بندی برای ایجاد مدل پیش بینی خطرپذیری مشتریان در صنعت بیمه استفاده شده است. البته فن درخت تصمیم برای این منظور نتایج بهتری را به دست آورده است، ولی فن خوشه بندی نیز تفکیک خوبی میان مشتریان ایجاد می کند.
کلید واژگان: داده کاوی, بیمه, دسته بندی, درخت تصمیم, خوشه بندی, خسارت}Nowadays customers’ role is changed from just accepting the producers, to leading investors, producers, and even researchers and inventors. Therefore, it is necessary for organizations to identify their customers well and to make plans for them. Some statistical and machine-based learning methods are used so far. However these methods alone are not without limitations. Using various methods of data mining, this research was to eliminate those restrictions as far as possible, so that a framework for identification of car insurance customers could be provided. In fact, the purpose was to categorize the most similar customers and to estimate the amount of risk in each category, according to their characteristics. Now, using this scale (i.e. amount of risk in each category) and considering the type of customer’s policy, the level of recompense could be estimated. This criterion can be helpful to identify customers and for making insurance tariff policies. For this purpose, in insurance industry the two data mining methods were been used to estimate customers’ detriment: the decision tree and clustering. Nevertheless, the decision tree method appears to give better results, although at the same, the clustering method generates a good categorization.Keywords: Data mining, insurance, categorize, decision tree, clustering, detriment} -
مدیریت رویگردانی مشتری شامل سه فازاصلی است: شناسایی مشتریان رویگردان، شناسایی دلایل رویگردانی و اتخاذ استراتژی های مناسب برای مقابله با این مشکل. اکثر تحقیقات این حوزه تنها به پیش بینی رویگردانی مشتری پرداخته اند. تحقیقات بسیاراندک در خصوص شناسایی دلایل نیز، تنها به آزمودن فرضیات اولیه در خصوص دلایل احتمالی اختصاص دارد. تحقیق حاضر به دلیل تحقیقات بسیارمحدودقبلی، نوآوری های فراوانی انجام داده است که عمده ترین آن توسعه چارچوبی جدید درخصوص شناسایی دلایل رویگردانی و ترکیب تحقیق پیمایشی با داده کاوی طی آن می باشد که بدون الگوبرداری از تحقیقی مشابه مورداجرا قرار گرفته است. چارچوب پیشنهادی شامل چهار مرحله اصلی است: ساخت مشخصه های مورد نیاز، شناسایی مشتریان رویگردان، شناسایی دلایل رویگردانی و اعتبارسنجی نتایج حاصل. مشتریان حسابهای جاری اشخاص بانک کشاورزی به عنوان موردمطالعاتی این تحقیق انتخاب شده و داده های مورد نیاز با کمک ابزار پرسشنامه جمع آوری شده است. رویکرد مورداستفاده برای شناسایی علل رویگردانی، استخراج قواعدمنتهی به رویگردانی در گروه های مختلف مشتری بوده است. برای این منظور ازکاربرد تکنیک درخت تصمیم بامتغیرهدف برچسب رویگردانی استفاده شده است. اعتبارسنجی نتایج حاصل نیز، با آزمودن آن بر روی داده های اعتبارسنجی و محاسبه نرخ lift و خطای کلی به دست آمده است. قواعد استخراجی نشان از تمایل به رویگردانی در بخش بزرگی از مشتریان بانک کشاورزی دارد که عمده ترین آن (به ویژه در گروه های با درآمد بالاتر بیشتر) طرزبرخورد کارمندان بانک ونه عوامل بیان شده توسط خبرگان نظیر نحوه اعطای وام یا سودسپرده های پشتیبان بوده است.
کلید واژگان: مدیریت رویگردانی مشتری, پیش بینی نرخ رویگردانی, شناسایی علل رویگردانی, بانک داری, داده کاوی}Customer churn management consist of three main phases: identifying churners, discovering the causes of churn and adapting appropriate strategies against this problem. Most of studies in this field focused on prediction of customer churn. Few studies about discovering causes of churn are just about testing primary hypothesis about probable causes. This study because of the shortage of previous studies in this field has made lots of innovations. Some of these innovations are: designing a new framework for discovering causes of churn and designing a hybrid approach from data mining and survey techniques which carried out without benchmarking from any similar study. Proposed framework includes four main steps: feature construction and selection, identification of churners, discovering the causes of churn, and validating the results. Current account customers of Keshavarzi Bank are selected as casestudy of this research and the required data is gathered trough questionnaire. The approach used for discovering causes of churn is extracting the rules which lead to churn in various clusters of customers. For this purpose, decision tree technique with target variable of churn label is utilized. Validating the results is carried out by testing it on validation data set and calculating the top lift and overall error rate. The extracted rules represent that there is a tendency to churn among big segment of keshavarzi's customers. The most important reason (specially among higher salary customers) is about manner of bank agents not reasons expressed by experts such as the way of lending or the profit of backup accounts.Keywords: Customer churn management, Churn prediction, Causes of churn, Banking, data mining} -
عبارت داده کاوی مترادف با یکی از عبارت های استخراج دانش، برداشت اطلاعات، وارسی داده ها و حتی لایروبی کردن داده هاست که در حقیقت کشف دانش در پایگاه داده ها Knowledge Discovery in Databases را توصیف می کند. به طور ساده داده کاوی شامل استخراج دانش از حجم عظیم داده ها می شود. البته عباراتی مانند کشف دانش از داده، استخراج دانش، آنالیز الگوها و لایروبی داده را نیز می توان معادل واژه داده کاوی به کار برد. فرآیند کشف دانش دارای چندین مرحله می باشد که دقت در انجام هر کدام از این مراحل، روی کیفیت کل فرآیند تاثیرگذار است. این مراحل عبارتند از: 1- فهم و تعریف مسئله: مرحله اول فهم حوزه کاری و مسئله ای است که سعی در پیدا کردن راه حل برای آن داریم. درک کامل مسئله پیش نیاز ضروری برای انتخاب روش مناسب داده کاوی و کشف دانش مفید از میان داده ها می باشد. 2- جمع آوری و پیش پردازش داده ها: پیش پردازش داده ها خود شامل مراحلی است.
Data mining as a multidisciplinary field is rooted in the fields such as statistics, mathematics, computer science and artificial intelligence and has been gaining momentum in scientific, managerial, and executive applications in health care. Data mining can be defined as the automated extraction of valuable, practical and hidden knowledge and information from large data. Applying data mining in medical records and data is of utmost importance for health care givers and providers and brings vital and valuable outcomes. Data mining can help doctors come up with better recommendations and plans for treatment which actually in many respects have significant impact on patients’ life and satisfaction In this paper we -
این پژوهش، به دنبال استفاده از ارزش در معرض ریسک، به عنوان یک معیار اندازهگیری ریسک در تشکیل سبد سهام بهینه در بازار بورس تهران است.در این پژوهش ارزش در معرض ریسک محاسبه شده به روش پارامتریک با استفاده از بازده های 15 روزهی 100 شرکت از تاریخ 1/1/1380 تا تاریخ 1/9/1386، به عنوان یک محدودیت به مدل سبد سهام مارکویتز، اضافه شده است. با تغییر پارامتر های ارزش در معرض ریسک مورد قبول سرمایه گذار و درصد اطمینان مورد قبول او، سبدهای بهینه مختلفی تشکیل شدهاند. نتایج نشان می دهد که افزودن محدودیت ارزش در معرض ریسک به مدل مارکویتز، ممکن است مرز کارا را محدود کرده، آنرا به یک نقطه تبدیل کند و یا از بین ببرد. نکات قابل توجه در این مقاله، در مقایسه با پژوهشهای مشابه دیگر، استفاده از اعتبارسنجی بازخورد به شکلی نوین و مطالعه موردی بازار بورس تهران است.
کلید واژگان: سبد سهام بهینه, مرز کارا, واریانس, ارزش در معرض ریسک}This research aims to use VaR as a risk measure to find the optimum portfolio in Tehran Stock exchange. In this research VaR which is calculated with parametric method by using the 15 daily returns of 100 companies from March 21, 2001 to November 22, 2007 was added to the Markowitz model of portfolio optimization as additional constraint. by changing the accepted VaR and accepted confidence level, various portfolios designed. Finally the findings indicate that adding VaR constraint to the Morkowitz model may limit the efficient frontier, change it to a point or eliminate it completely.this research differes from comparable research in using the backtesting in a novel way and case study of Tehran Stock Exchange.
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
©2000-2024 magiran.com All Rights Reserved.