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.
طی سالهای اخیر حفظ مشتریان تبدیل به موضوعی مهم برای کسب و کارهای مختلف شده است چرا که جذب مشتری جدید بسیار پرهزینه تر از حفظ مشتری کنونی است. در میان اندیشمندان مدیریت و بازاریابی، نسخه حفظ مشتری و شیوه های صحیح ارتباط با آنها را تحت عنوان مدیریت ارتباط با مشتری تجویز میکنند. کلید موفقیت در مدیریت ارتباط با مشتری داشتن استراتژی مدیریت داده ای مؤثر و توانمندی در تجزیه و تحلیل داده های تعاملی مشتری با کسب و کار میباشد. در بازارهای رقابتی، مدل مدیریت ارتباط با مشتری براساس تکنیک های داده کاوی می باشد که امروزه به عنصر اساسی و کلید برنده شرکت های مدرن تبدیل شده است. استفاده از این تکنیک های داده کاوی یکی از عناصر مدیریت ارتباط با مشتری است که میتواند به حرکت شرکت ها به سوی مشتری محوری و تصمیم گیری بهتر شرکت ها و همچنین شناخت بهتر مشتریان و دسته بندی آنها و در نهایت تبدیل مشتریان بالقوه به مشتریان بالفعل کمک کند. الگوریتم های مختلفی برای دسته بندی مشتریان مورد استفاده قرار گرفته است از معروفترین آنها شبکه های عصبی ،درخت تصمیم، الگوریتم ژنتیک، الگوریتم خوشه بندی و Classification است با این وجود دسته بندی و جذب مشتریان هنوز هم به عنوان یکی از مباحث داغ در تحقیقات بازار به حساب می آید. در این مطالعه داده کـاوی به عنوان ابزاری جهت بررسی و کشف نیازهای مدیریت ارتباط با مشتری و بازاریابی معرفی گردید. هدف مدیریت ارتباط با مشتری شناخت و درک بهتر نیازهای مشتریان برای ارائه خدمات بهتر و در نتیجه نگه داشتن مشتریان سودآور برای سازمان است. در اینجا داده کاوی با توجه به حجم انبوه داده ها، ابزار مناسبی درراستای کشف نیازها و شناسایی مشتریان به شمار میرود. داده کاوی با روشهایی چون پیشبینی، وب کاوی، تشخیص مربع، دسته بندی، خوشه بندی و CLV که در این مقاله مرور شدند، نیازهای اطلاعاتی مد نظر را برطرف میسازد. استفاده از داده کـاوی جهت شناسایی و ارتباط با مشتری در موارد کاربردی فراوانی مشاهده شده است که تعدادی از آنها شامل خرده فروشی، بانکداری، صنعت مخابرات، شرکتهای هواپیمایی و سالن آرایشگاه در این مقاله مرور شدند. نتایج حاصل از مطالعات موردی بیانگر توان باالی روشهای داده کـاوی در استخراج دانش و قواعد حاکم بر حجم انبوه داده های مختلف است.
با توجه به کاربرد فراوان الگوریتم درخت تصمیم در مقالات ارائه شده تحقیقات پیشین این روش به عنوان روشی کاربردی در حوزه مدیریت ارتباط با مشتری پیشنهاد میشود. این روش نسبت به سایر روشهای داده کاوی مزایای زیر را داراست :
- قوانین تولید شده و بکار گرفته شده قابل استخراج و قابل فهم می باشند.
- درخت تصمیم، توانایی کار با داده های پیوسته و گسسته را دارد. ( روشهای دیگر فقط توان کار با یک نوع را دارند مثال شبکه های عصبی فقط توان کار با داده های پیوسته و قوانین رابطه با داده های گسسته )
- مقایسه های غیر ضروری در این ساختار حذف میشود.
- از ویژگی های متفاوت برای نمونه های مختلف استفاده میشود.
- احتیاجی به تخمین تابع توزیع نیست .
-آماده سازی داده ها برای یک درخت تصمیم ساده یا غیرضروری است (روش های دیگر اغلب نیاز به نرمال سازی داده یا حذف مقادیر خالی یا ایجاد متغیرهای پوچ دارند )
- ساختارهای درخت تصمیم برای تحلیل داده های بزرگ در زمان کوتاه قدرتمند میباشند.
- روابط غیر منتظره یا نامعلوم را می یابند.
- در ختهای تصمیم قادر به شناسایی تفاوتهای زیرگروه ها میباشند.
- درختهای تصمیم قادر به سازگار کردن داده های فاقد مقدار میباشند.
از این الگوریتم میتوان در دسته بندی داده های فروشگاه های زنجیره ای یا صنعت مخابرات که حجم داده ها بسیار وسیع است استفاده نمود. پیشنهاد میشود در آینده پیش بینی رفتار مشتریان وبرنامه ریزی تقاضا و ارائه متدهای جدید برای خوشه بندی و بهبود الگوریتم های موجود مورد توجه قرار گیرند.
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 حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید.
مجموعه مقالات فارسی به صورت یکجا نیز از طریق لینک قابل دسترسی هستند.
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید. آکادمی داده در تلگرام (https://t.me/dataacademy) 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.