دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی فناوری اطلاعات عنوان : مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنی... |
فهرست جدولها
جدول 2-1 انواع مختلف تبدیلات دانش…. 19
جدول 2-2 مقایسه مفاهیم مدیریت دانش، مدیریت ارتباط با مشتری و مدیریت دانش مشتری.. 35
جدول 2-3 مقایسه روشهای تحلیل آماری و دادهکاوی.. 41
جدول 2-4 فعالیتهای مربوط به فازهای CRISP-DM و خروجی هر فعالیت… 50
جدول 2-5 نمونه دادههای مورد نیاز در یک مسئله مدلسازی به روش دستهبندی.. 54
جدول 2-6 معیارهای محاسبه شباهت در خوشهبندی.. 59
جدول 2-7 معیارهای محاسبه فاصله در خوشهبندی.. 60
جدول 2-8 پژوهشهای انجامگرفته در زمینه کاربرد دادهکاوی در صنعت بانکداری.. 71
جدول 3-1 متغیرهای تحقیق.. 80
جدول 4-1 نمونه دهتایی از دادههای مربوط به مشتریان بانک مهر اقتصاد. 95
جدول 4-2 متغیرهای نرمال شده 96
جدول 4-3 وزن نسبی متغیرهای تحقیق.. 100
جدول 4-5 مقادیر مجموع مربع خطاها در الگوریتمهای مختلف خوشهبندی.. 101
جدول 4-6 دستهبندی مشتریان بر مبنای ویژگیهای رفتاری مشابه. 103
جدول 4-7 اطلاعات مربوط به خوشهبندی مشتریان بانک مهر اقتصاد به روش K-Means. 104
فهرست تصاویر و نمودارها
شکل 2-1 سلسلهمراتب دانش…. 16
شکل 2-2 دانش صریح فقط بخش کوچکی از دانش را تشکیل میدهد. 17
شکل 2-3 مدل مدیریت دانش پروبست و رمهارد. 22
شکل 2-4 چارچوب خوشه انگور جهت نوع شناسی دانش مشتری.. 26
شکل 2-5 مدل مدیریت دانش مشتری.. 28
شکل 2-7 گامهای فرایند تولید دانش از پایگاه دادهها 44
شکل 2-8 متدولوژی فرآیند استاندارد میان صنعتی دادهکاوی (CRISP-DM). 47
شکل 2-9 دستهبندی کلی عملکردهای دادهکاوی.. 52
شکل 2-11 نیروهای رقابتی پورتر. 64
شکل 3-1 چارچوب تحقیق.. 78
شکل 4-1 خوشه اول، الگوریتم K-Means. 98
شکل 4-2 خوشه دوم، الگوریتم K-Means. 98
شکل 4-3 خوشه سوم، الگوریتم K-Means. 99
شکل 4-4 خوشه چهارم، الگوریتم K-Means. 99
شکل 4-5 خوشه پنجم، الگوریتم K-Means. 99
چکیده
افزایش روزافزون سطح رقابت در بازار، مدیران و تحلیلگران سازمانها را وادار ساخته به دنبال راهکارهایی باشند که مزیت رقابتی را برای سازمان به ارمغان آورند. بر اساس مطالعات موجود، استفاده از دانش مشتری جهت اتخاذ استراتژیهای لازم برای جلب رضایت مشتری میتواند سازمانها را بهسمت تحقق این هدف سوق دهد. از سوی دیگر گسترش بهرهگیری از فناوریهای بروز در زمینه اطلاعات و ارتباطات خصوصاً در بانکها باعث بر جای ماندن حجم عظیمی از دادهها گشته که تحلیل و تصمیمگیری بر اساس آنها با روشهای معمول گزارشگیری و روشهای آماری امکانپذیر نمیباشد. دادهکاوی ابزار بروز و قدرتمندی است که در این پایاننامه جهت تحلیل دادهها به جهت استخراج دانش مشتری پیشنهاد میگردد.
هدف از این تحقیق با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیکهای دادهکاوی»، بخشبندی مشتریان بانک مهر اقتصاد، باهدف کشف ویژگیهای رفتاری مشابه، برای کمک به مدیران این بانک جهت تسهیل اتخاذ استراتژیهای متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان و نهایتاً سودآوری برای این بانک میباشد. دادههای خام مورد نیاز جهت این مطالعه از پایگاه دادههای بانک مهر اقتصاد استخراج شده است
1-1- مقدمه
در سالهای اخیر دانش[1] به عنوان منبعی ارزشمند در کنار منابعی چون کار، زمین، سرمایه قرار گرفت و به عنوان موتور تولیدکننده درآمد و یك دارایی مهم و راهبُردی برای سازمان شناخته شد. از طرفی به دلیل وجود رقابت شدید در بین کسب و کارهای امروزی از جمله صنعت بانکداری، مشتری و توجه به جایگاه او و ارتباط با او اهمیت ویژهای یافته است. بنابراین مبحث بسیار مهم مدیریت دانش مشتری[2] مطرح گردید که امروزه مطالعات بسیار زیادی را به خود اختصاص داده است. مدیریت دانش مشتری با استفاده از راهکارهای مختلف مدیریت دانش نظیر روشهای دادهکاوی[3] زمینه بسیار خوبی را جهت استفاده مفید از گنجینه گرانبهای دانش مشتری فراهم میآورد.
این مطلب را هم بخوانید :
از سوی دیگر در عصر حاضر بهرهگیری از فناوریهای نوین اطلاعات و ارتباطات در عرصههای مختلف کسبوکار به امری گریزناپذیر مبدل گشته است. به طور خاص صنعت بانکداری از جمله صنایعی است که بهکارگیری فناوریهای روز دنیا در این صنعت میتواند مزیت رقابتی انکارناپذیری را برای آن ایجاد نماید. بنابراین این صنعت نیز از بهرهگیری از بروزترین فناوریها مستثنا نبوده و مواردی مانند بانکداری الکترونیک، سیستمهای یکپارچه بانکداری[4]، دستگاههای خودپرداز، کارتهای اعتباری، پایانههای خرید الکترونیک و… از مصادیق این امر میباشد.
ورود فناوریهای جدید به سازمان سبب افزایش چشمگیر سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از دادهها گشته است. از آنجا که این دادهها اغلب حجیم و وسیع میباشند، معمولاً به صورت خام قابلاستفاده نیستند، بلکه دانش موجود در آنها باید استخراج گردد. با این وجود که ارزش این دادهها بر کسی پوشیده نیست، حجم بسیار بالای دادههای ارزشمند موجود، تحلیل و بهرهگیری از آنها را به امری چالشبرانگیز مبدل ساخته است. چرا که تحلیل به واسطه روشهای گزارش گیری سنتی در این مقیاس امکانپذیر نیست و روشهای آماری موجود نیز از ظرفیت کافی جهت تحلیل این دادهها برخوردار نمیباشند. بنابراین باید به دنبال راهکاری بود که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامعتر با نتایج دقیقتر و درصد خطای پایینتر را ممکن سازد. این مسئله گواهی بر لزوم بهکارگیری روشهای نوین تحلیل دادهها جهت حصول دانش، نظیر روش دادهکاوی خواهد بود.
دانش قابل توجهی که در زمان استفاده از خدمت یا مصرف کالا توسط مشتری، بین مشتری و سازمان تبادل میشود، به عنوان منبعی مهم برای سازمان شناخته میشود و کسب و بهرهبرداری از آن به یک مزیت رقابتی در سازمانها تبدیل شده است.
مدیریت دانش مشتری دربردارنده فرایندهاییست که با شناسایی و اکتساب اطلاعات مشتری و نیز ایجاد و بهرهبرداری از دانش مشتریان، مربوط است [9]. چنین اطلاعاتی در ماورای محدودههای خارجی سازمان قرار دارند و دانشی که از آنها استخراج میشود موجب ایجاد ارزش برای سازمان و مشتریان آن خواهد شد [32]. در این تحقیق مسئولیت کشف دانش بر عهده الگوریتمهای دادهکاوی خواهد بود. در ادامه از این دانش به عنوان راهنما در مسیر اتخاذ استراتژیهای سازمان، بهرهگیری میشود.
1-2- تعریف مسئله
بااهمیت یافتن مشتری در عرصه پرتلاطم رقابت میان کسبوکارهای مباحثی همچون مدیریت دانش مشتری و مدیریت ارتباط با مشتری مطالعات و تحقیقات فراوانی را به خود اختصاص دادهاند.
مدیریت دانش، كسب دانش درست، برای افراد مناسب، در زمان صحیح و مکان مناسب است، به گونهای که آنان بتوانند برای دستیابی به هدفهای سازمان، بهترین استفاده را از دانش ببرند.
در تعریفی دیگر مدیریت دانش فرایند كشف، كسب، توسعه و ایجاد، تسهیم، نگهداری، ارزیابی و بهکارگیری دانش مناسب در زمان مناسب توسط فرد مناسب در سازمان، که از طریق ایجاد پیوند مناسب بین منابع انسانی، فناوری اطلاعات و ایجاد ساختاری مناسب برای دستیابی به اهداف سازمانی صورت میپذیرد، تعریف شده است.
مدیریت ارتباط با مشتری[5] از جمله راهکارهایی است که در سالهای اخیر با افزایش روزافزون سطح رقابت در بازار به عنوان سلاحی ارزشمند در جهت افزایش وفاداری مشتری و جلب رضایت او و با هدف به ارمغان آوردن مزیت رقابتی بالاتر برای سازمان، از سوی سازمانها بکار گرفته شده است. امروزه بیشتر روشهای مدیریت ارتباط با مشتری مبتنی بر فناوری اطلاعات میباشند و مسلماً برای رسیدن به مدیریت مؤثر ارتباط با مشتری ناگزیر از مدیریت دانش مشتری خواهیم بود.
مدیریت ارتباط با مشتری در برگیرنده مجموعهای از فرایندهاست که سازمانها را قادر میسازد تا از استراتژیهای كسبوكار در جهت ایجاد روابط بلندمدت و سودآور با مشتریان خاص پشتیبانی نمایند [46].
در حقیقت CRM یك فناوری پیشرفته در جهت دستیابی به قلههای اطلاعات مشتری است [G] و شركتها از آن به عنوان ابزاری در جهت افزایش رضایتمندی مشتری استفاده میكنند. مدیریت ارتباط با مشتری به عنوان فعالیتی جهت گسترش و نگاهداری مشتریان سازمانها به طور گستردهای مورد توجه قرار گرفته است و ابزارهای آن افزایش رضایت مشتری و وفاداری اوست. همچنین مدیریت دانش KM همچون مدیریت روابط با مشتری بر جمع آوری منابعی تأكید دارد كه از فعالیتهای تجاری در جهت رسیدن به توانایی رقابتپذیری حمایت میكند [37] برای بهبود روابط با مشتری، خدماترسانی به روشی كه مورد دلخواه اوست، ضروری است. از این رو به مدیریت دانش مشتری احتیاج است [17].
امروزه حجم بالای پایگاههای داده و پراکندگی و عدم بهکارگیری راهکارهای مناسب جهت تحلیل این دادهها مطالعه و تصمیمگیری بهینه پیرامون ارتباط با مشتریان را با مشکل مواجه نموده است.
به طور ویژه بانکها سازمانهایی هستند که با مشتریان تعامل مستقیم دارند و عنصر مشتری در این سازمانها اهمیت ویژهای دارد. بدیهی است جهت پیشرو بودن در عرصه رقابت توجه به جایگاه مشتری و اختصاص خدمات ویژه با تشخیص نیازمندیهای آنها و ارائه خدمات درست به آنها محقق خواهد شد. تحلیل منابع باارزش دادهای در رابطه با مشتریان کنونی بانکها و مشتریان بالقوه و… مقدمهای جهت تحقق این مهم خواهد بود.
با ورود فناوریهای جدید به سازمانها و افزایش سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از دادهها و دشواری استفاده از این حجم وسیع، معمولاً امکان استفاده از این دادهها به صورت خام وجود ندارد، بلکه دانش موجود در آنها باید استخراج گردد. همچنین تحلیل این دادهها به واسطه روشهای گزارش گیری سنتی در این مقیاس امکانپذیر نیست و روشهای آماری موجود نیز از ظرفیت کافی جهت تحلیل این دادهها برخوردار نمیباشند. دادهکاوی راهکاری است که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامعتر با نتایج دقیقتر و درصد خطای پایینتر را ممکن سازد.
دادهها[6] کمیتهای عددی یا خصیصهای هستند که در نتیجه مشاهده یا آزمایش حاصل شدهاند. دادههای دستهبندی شده اطلاعات[7] را تشکیل میدهند. اطلاعات از ترتیب، تركیب و شبكه شدن دانش را ایجاد
فرم در حال بارگذاری ...
[چهارشنبه 1399-07-02] [ 08:19:00 ب.ظ ]
|