استفاده از تکنیک های داده کاوی در استخراج الگوهای پنهان وبهبود مدیریت روابط مشتریان و مراجعین شعب سازمان تأمین اجتماعی

استفاده از تکنیک های داده کاوی در استخراج الگوهای پنهان وبهبود مدیریت روابط مشتریان و مراجعین شعب سازمان تأمین اجتماعی

آکادمی داده

۱۳۹۷/۰۵/۰۸


  • 48 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

پس از جمع آوری اطلاعات و ویژگی های 160950 نفر از بیمه شدگان دریک جدول Excel به پیش پردازش داده ها پرداخته شد که پس از انجام مراحل مختلف تعداد 24269 رکورد از بیمه شدگان باقی ماند. همچنین با جمع آوری تعداد 20187 رکورد از مشخصات و ویژگی های کارگاه ها ، فایل دیگری نیزمورد بررسی قرارگرفت. جهت هردوفایل برای یافتن تعداد بهینه خوشه ها از استفاده از شاخص دیویس بولدین استفاده و تعداد بهینه خوشه ها مشخص گردید . براین اساس داده ها خوشه بندی شده وتعداد رکورد هرخوشه مشخص گردید. همچنین مشخص شد که هر رکورد مربوط به چه خوشه ای بوده است.  درمرحله بعد ابتدا به نرمالسازی داده ها پرداخته وسپس با استفاده از مدل RFM فرمول ارزش مشتری برای هر دو گروه مشتریان تعیین گردید.  پس از آن جهت هرخوشه میانگین RFM که معادل ارزش آن خوشه است محاسبه وطی آن باارزش ترین خوشه شناسایی گردید.پس از آن ویژگیهای بهترین گروه بیمه شدگان وکارگاه های تأمین اجتماعی توصیف گردیدکه براساس این نتایج میتوان استراتژی هایی برای گروه های بیمه شدگان وکارگاه های دیگرجهت نزدیکترشدن به مشخصات وویژگیهای خوشه بهینه پیشنهاد نمود. پس از این مرحله به تعیین ویژگی هدف جهت استفاده از الگوریتم 0.C5 پرداخته شود که دراینجا ویژگی هدف همان فیلد ارزش مشتری یاRFMمیباشد که چون یک مقدار پیوسته است به گسسته سازی آن اقدام گردید. براین اساس بیمه شده ها و کارگاه ها هریک به چند دسته تقسیم شدند. لذا خوشه بهینه به عنوان بهترین خوشه جهت طبقه بندی داده ها براساس ویژگی هدف استفاده شدو داده های آن به دودسته آموزش وتست با نسبت 70 و30 تقسیم شدند. دقت طبقه بندی فایل بیمه شدگان ، در داده های آموزش  98.68در داده های تست 74/98 درصد بوده است همچنین دقت طبقه بندی در فایل کارگاه ها ، در مجموعه آموزش و تست به ترتیب برابر با  % 95.51 و  95.39 % است. دراین تحقیق با استفاده ازتکنیک توانمند خوشه بندی توانستیم به گروه بندی بیمه شدگان و کارگاه ها پرداخته و رفتار آنها را تحلیل نموده و استراتژی های مناسب جهت مدیریت روابط مشتریان ارائه دهیم. همچنین با استفاده از تکنیک طبقه بندی توانستیم به استخراج الگوهای وقواعد وقوانین رفتاری موجود در هردو گروه مشتریان پرداخته واز آنها جهت پیش بینی وضعیت آینده سازمان و اتخاذ سیاست ها وتدابیر جهت مدیریت هرچه بهتر مشتریان استفاده نماییم. لذا هدف این تحقیق که شناسایی الگوهای حاکم برمشتریان از طریق داده کاوی بوده است با اجرای مدل پیشنهادی این تحقیق به خوبی و با درصد دقت بالایی قابل انجام می باشد.

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 


کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.