فایلود نیو
دانلود جزوه و تحقیقات آموزشی دانشجوییفایلود نیو
دانلود جزوه و تحقیقات آموزشی دانشجوییتجزیه و تحلیل بخش بندی مشتریان براساس معیارهای ارزش مشتری
حاوی فایل ورد و پاورپوینت به همراه فایل مقاله اصلی با عنوان:
Analyzing Customer Segmentation Based on Customer Value Components (Case Study: A Private Bank) 2011
چکیده:
در سالهای اخیر مطالعه بر روی بخش‌بندی مشتریان و طرح طبقه بندی مشتریان بسیار مورد توجه قرار گرفته است. بر این اساس، در این تحقیق تلاش شده تا یک متدولوژی برای بخش‌بندی مشتریان یک بانک خصوصی در ایران بر اساس پارامترهای ایجاد ارزش که از داده‌های تراکنشی استخراج شده‌اند، ارائه شود، سپس مشتریان بر اساس امتیاز ارزش طول عمر آنها (CLV) رتبه‌بندی می شوند.کشف الگوهای پنهان بین نتایج حاصل از رتبه‌بندی مشتریان و سایر اطلاعات نظیر داده‌های استفاده از سایر خدمات بانکداری و داده‌های دموگرافیک از دیگر کارهای انجام شده در این تحقیق است. برای دستیابی به این موارد از تکنیکهای متعدد داده‌کاوی نظیر خوشه بندی و دسته بندی بر روی داده‌های واقعی یک بانک خصوصی، استفاده شد. تحقیق پیش‌رو درک روشنی را برای حوزه فعالیت‌های بازاریابی و مدیریت ارتباط با مشتریان فراهم می‌سازد، به گونه‌ای که سازمان بتواند برنامه‌های استراتژیک آینده را بر اساس شناخت مناسبی که از بخش‌های مختلف مشتریان به دست آورده تبیین کند.
تعداد مشاهده: 1417 مشاهده
فرمت فایل دانلودی:.rar
فرمت فایل اصلی: docx, pptx ,pdf
تعداد صفحات: 17
حجم فایل:1,292 کیلوبایت
-
راهنمای استفاده:
مناسب برای دانشجویان رشته های مهندسی کامپیوتر و فناوری اطلاعات
-
محتوای فایل دانلودی:
فایل word در 17 صفحه و قابل ویرایش
فایل پاورپوینت در 25 صفحه و قابل ویرایش
فایل PDF مقاله لاتین در 15 صفحه (منبع)
پیش بینی ارزش دوره عمر مشتری با زنجیره مارکوف بر اساس مدل داده کاوی
خلاصه:
مطالعه حاضردر تلاش برای ایجاد یک چارچوب محاسباتی ارزش طول عمر مشتری برای یک شرکت تعمیر و نگهداری خودرو در تایوان است.ارزش دوره عمر مشتری از ارزش کنونی و آینده مشتریان تشکیل شده است که شامل برآورد طول عمر،رفتار خرید در آینده و سود مرتبط با هر رفتار است.
این چارچوب از سه تکنیک برای تخمین ارزش دوره عمر مشتری با استفاده از پایگاه داده معاملات مشتریان استفاده می کند که عبارتند از:
1- مدل رگرسیون لجستیک و مدل درخت تصمیم گیری به منظور برآورد احتمال رویگردانی مشتری و پیش بینی طول عمر مشتری
2- آنالیز رگرسیون برای شناسایی متغییر های مهم مؤثر بر رفتار خرید مشتریان و زنجیره مارکوف که مدل احتمال تغییر رفتار مشتری را بیان می کند.
3- شبکه های عصبی برای پیش بینی سود ارائه شده توسط مشتری تحت رفتارهای مختلف خرید.
تعداد مشاهده: 1694 مشاهده
فرمت فایل دانلودی:.rar
فرمت فایل اصلی: docx, pptx, pdf
حجم فایل:887 کیلوبایت
-
راهنمای استفاده:
مناسب جهت استفاده دانشجویان رشته و فناوری اطلاعات
-
محتوای فایل دانلودی:
محتوای فایل: پاورپوینت 19 اسلاید، فایل ورد 9 صفحه فایل مقاله لاتین (منبع)
بررسی تکنیک های داده کاوی در سازمان ها
چکیده:
داده کاوی، استخراج اطلاعات و دانش و کشف الگوهای پنهان از یک پایگاه داده های بسیار بزرگ، کاربردهای زیادی در کسب و کارهای امروزی پیدا کرده است. استفاده از تکنیک های داده کاوی در سازمان ها منتج به تعداد زیادی قانون و الگو می شود که با توجه به محدودیت در منابع و بودجه، پیاده سازی همه ی آنها امکان پذیر نمی باشد. می توان گفت که ارزیابی و رتبه بندی قوانین وابستگی کاری مهم و چالش برانگیز است. با استفاده از از تکنیک ناپارامتریک تحلیل پوششی داده ها به ارائه چارچوبی برای ارزیابی و اولویت بندی قوانین وابستگی می پردازیم. در این تحقیق ابتدا مدلی برای شناسایی کاراترین واحد تصمیم گیری در حالت بازده متغیر به مقیاس ارائه می شود. پس از آن، با استفاده این مدل، متدی نوین جهت رتبه بندی واحدهای تصمیم گیری ارائه می شود. سپس با استفاده از مدل و متد پیشنهادی، چارچوبی نوین جهت رتبه بندی قوانین وابستگی داده کاوی توسعه داده می شود. در انتها، با پیاده سازی چارچوب پیشنهادی برای اولویت بندی قوانین وابستگی داده کاوی در بانک کشاورزی کاربردپذیری چارچوب پیشنهادی نشان داده می شود.
کلمات کلیدی: فناوری اطلاعات (IT)، الگوهای پنهان، داده کاوی (Data Mining)، تکنیک های داده کاوی، قوانین داده کاوی
فهرست مطالب:
چکیده
مقدمه ای بر داده‌کاوی
فصل اول: داده کاوی
1-1 چه چیزی سبب پیدایش داده کاوی شده است؟
1-2 مراحل کشف دانش
1-3 جایگاه داده کاوی در میان علوم مختلف
1-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟
1-5 داده کاوی و انبار داده ها
1-6 داده کاوی و OLAP
1-7 کاربرد یادگیری ماشین و آمار در داده کاوی
1-8 توصیف داده ها در داده کاوی
1-8-1 خلاصه سازی و به تصویر در آوردن داده ها
1-8-2 خوشه بندی
1-8-3 تحلیل لینک
فصل دوم: پیش بینی دادها
2-1 مدل های پیش بینی داده ها
2-1-1 Classification
2-1-2 Regression
2-1-3 Time Series
2-2 مدل ها و الگوریتم های داده کاوی
2-2-1 شبکه های عصبی
2-2-2 Decision Trees
2-2-3 Multivariate Adaptive Regression Splines(MARS)
2-2-4 Induction Rule
2-2-5 (MBR) Earest Neibour and Memory-Based Reansoning -K
2-2-6 رگرسیون منطقی
2-2-7 تحلیل تفکیکی
2-2-8 مدل افزودنی کلی (GAM)
2-2-9 Boosting
فصل سوم انتخابها
3-1 سلسله مراتب انتخابها
3-2 کاربرد علم آمار در داده کاوی
3-2-1 مقدمه و مقایسه
3-2-2 کاربردهای روشهای آماری
3-3 پیش بینی (Prediction)
3-4 نگاه عمیق تر به شبکه عصبی
3-4-1 سابقه تاریخی
3-4-2 شبکه های عصبی در مقابل کامپیوتر های معمولی
3-4-3 چرا از شبکه های عصبی استفاده می کنیم؟
3-4-4 تفاوت‌های شبکه‌های عصبی با روشهای محاسباتی متداول و سیستم‌های خبره
3-3-5 کاربردهای شبکه های عصبی
3-4 آشنایی با الگوریتم ژنتیک
3-5 الگوریتم مورچگان
3-5-1 کاربردهای الگوریتم مورچگان
فصل چهارم: داده کاوی در سازمانها
4-1 کاربردهای داده کاوی در کتابخانه ها و موسسات دانشگاهی
4-1-1 دیتامارت
4-2 عناصر داده کاوی
4-2-1 نرم افزار:
4-3 کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی
4-4 مدیریت موسسات دانشگاهی
فصل پنجم: نتیجه گیری و پیشنهادها
منابع و مراجع
تعداد مشاهده: 1464 مشاهده
فرمت فایل دانلودی:.docx
فرمت فایل اصلی: docx
تعداد صفحات: 90
حجم فایل:484 کیلوبایت
-
راهنمای استفاده:
مناسب جهت استفاده دانشجویان رشته کامپیوتر و فناوری اطلاعات
-
محتوای فایل دانلودی:
در قالب فایل word و قابل ویرایش