بررسی جایگاه داده¬کاوی در فرآیند مدیریت دانش و ارائه مدل مفهومی جهت استخراج دانش (پیاده¬سازی عملیاتی وگام به گام مدل پیشنهادی بر پایگاه داده یک اپراتور تلفن همراه)
محورهای موضوعی : مدیریت دانشسید علیرضا میر محمد صادقی 1 , مهدی مغان 2 , سیاوش علیخانی 3 , محمد حسین نوری 4
1 - دانشگاه امام حسین
2 - دانشگاه امام حسین
3 - دانشگاه شریف
4 - دانشگاه امام حسین
کلید واژه: مدیریت دانش کشف دانش دانش مشتری داده¬, کاوی و بخش¬, بندی بازار,
چکیده مقاله :
با توجه به افزایش رقابت در بین سازمان ها اتخاذ تصمیمات بهینه در فرآیند کسب و کار اهمیت بسیاری یافته است. گسترش تکنولوژی های ارتباطی و کاهش هزینه نگهداری اطلاعات منجر به سهولت دستیابی سازمان ها به اطلاعات متنوع در مورد بازار و ذخیره سازی منابع اطلاعاتی شده است. در نتیجه سازمان ها قادرند تا بابهره گیری از این اطلاعات به شکل مستمر بر پایه دانشی خود بیفزایند. ارزیابی این منابع داده ای و تبدیل آنها به دانش قابل اتکا و قابل استفاده نیازمند ابزارها و فرآیندهای خاصی است. اینکه سازمان ها چگونه از ان منابع اطلاعاتی استفاده کنند و نقش این منابع در فرآیند مدیریت دانش سازمانی چیست به عنوان یک چالش مهم و تاثیرگذار در فرآیند یادگیری سازمانی مطرح است. برای ارزیابی و استخراج دانش از میان داده های موجود الگوریتم ها و نرم افزارهای متفاوتی ارائه شده است. مساله اساسی ارائه فرآیندی سیستماتیک برای استفاده اصولی از این منابع و ابزارها در جهت تقویت سیستم تصمیم سازی سازمان است. در این پژوهش تلاش شده تا ضمن معرفی فرآیند داده کاوی، نقش آن درفرآیند استخراج دانش تبیین و ضمن تأکید بر تعامل سازنده با متخصص کسب و کار و متخصص داده کاوی در مدل پیشنهادی این مدل به شکل گام به گام و عملیاتی بر پایگاه داده یک اپراتور تلفن همراه جهت کشف دانش مشتری به کار گرفته شده است.
Wickramasinghe, N.(2008)Knowledge Creation, Knowledge Management: Concepts, Methodologies, Tools and Applications.
Liao,S.(2003) Knowledge Management Technologies And Applications—Literature Review From 1995 To 2002, Expert Systems With Applications.
Paquette,S.(2008) Customer KnowledgeManagement: Knowledge Management:Concepts, Methodologies, Tools, and Applications
Schichazhang&xindegwu,(2011) Fundamental Of Association Rules In Data Mining And Knowledge Discovery
Khodalarami, F. & Chan, Y. E. (2013) Exploring the Role of Customer Relationship Management (CRM) Systems in Customer Knowledge Creation
Ranjan, J.& Bhatnagar V.(2011) Role Of Knowledge Management And Analytical CRM In Business Data Mining Based Framework, The Learning Organization
Liao,S.,Chen,Y.,Lin,Y. (2011) Mining Customer Knowledge To Implement Online Shopping And Home Delivery For Hypermarkets,Expert Systems With Applications
Witten, I. H., Frank, E. & Hall, M. A. (2011) . Data Mining Practical Machine Learning Tools and Techniques (3rd Ed.).
Giudici, P. (2003) . Applied Data Mining. University of Pavia.
Maimon, M. & Rokach, L. (2010). Data Mining and Knowledge Discovery Handbook (2nd Ed).
Tan, P. N., Steinbach, M. & Kumar. V.(2005). Introduction to Data Mining. University of Minnesota.
Zhao, Y. (2013) R and Data Mining: Examples and Case Studies
Hand, D., Mannila, H. , Smyth, P. (2001) Principles of Data Mining
Zaki, M. & Meira, W. (2014) Data Mining and Analysis, Fundamental Concepts and Algorithms.
Ye, N. (2003). Handbook of Data Mining. Arizona State University.
Han, J. & Kamber, M. (2006). Data Mining Concepts and Techniques(2nd Ed.). University of Illinois.
Shaw, M. J., Subramaniam, C., Tan, G. W. & Welge M. E. (2001). Knowledge Management and Data Mining for Marketing. University of Illinois.
Silwattananusarn, T. (2012) Data Mining and Its Applications for Knowledge Management: A literature Review from 2007 to 2012
Nemati, H. R., Steiger, D. M., Iyer, L. S. & Herschel, R. T. (2002) . Knowledge warehouse: an architectural integration of knowledge management, decision support, artificial intelligence and data warehousing.
Jing, L. (2002). Data Mining and Knowledge Management in Higher Education.
Wang, H. & Wang, S. (2008). A Knowledge Management Approach to Data Mining Process for Business Intelligence.
Berry, M. J. & Linoff, G. S. (2006), Mastering Data Mining, The Art and Science of Customer Relationship Management
Wang, H. & Wang, S. (2008). A Knowledge Management Approach to Data Mining Process for Business Intelligence.
IBM SPSS 14.2 Application Guide.(2011)
Kim, J., Suh, E., Hwang, H. (2003) A Model for Evaluating the Effectiveness of CRM Using the Balanced Scorecard. Pohang University
E.W.T. Ngai, Li Xiu, D.C.K. Chau. (2009) Application of data mining techniques in customer relationship management: A literature review and classification, Expert Systems with Applications
Seyyedhosseini, S.M., Gholamian, M.R., Maleki, A. (2011) A Methodology Based on RFM Using Data Mining Approach to Assess the Customer Loyalty
Kotler, P., Keller, K.L. (2012) Marketing Management (14th Ed.)
Goyat, S.(2011) The Basis of Market Segmentation: A Critical Review of Literature
O'Leary, D. (1998) . Enterprose Knowledge Management.
