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.
1- Wickramasinghe, N.(2008)Knowledge Creation, Knowledge Management: Concepts, Methodologies, Tools and Applications.
2- Liao,S.(2003) Knowledge Management Technologies And Applications—Literature Review From 1995 To 2002, Expert Systems With Applications.
3- Paquette,S.(2008) Customer KnowledgeManagement: Knowledge Management:Concepts, Methodologies, Tools, and Applications
4- Schichazhang&xindegwu,(2011) Fundamental Of Association Rules In Data Mining And Knowledge Discovery
5- Khodalarami, F. & Chan, Y. E. (2013) Exploring the Role of Customer Relationship Management (CRM) Systems in Customer Knowledge Creation
6- Ranjan, J.& Bhatnagar V.(2011) Role Of Knowledge Management And Analytical CRM In Business Data Mining Based Framework, The Learning Organization
7- Liao,S.,Chen,Y.,Lin,Y. (2011) Mining Customer Knowledge To Implement Online Shopping And Home Delivery For Hypermarkets,Expert Systems With Applications
8- Witten, I. H., Frank, E. & Hall, M. A. (2011) . Data Mining Practical Machine Learning Tools and Techniques (3rd Ed.).
9- Giudici, P. (2003) . Applied Data Mining. University of Pavia.
10- Maimon, M. & Rokach, L. (2010). Data Mining and Knowledge Discovery Handbook (2nd Ed).
11- Tan, P. N., Steinbach, M. & Kumar. V.(2005). Introduction to Data Mining. University of Minnesota.
12- Zhao, Y. (2013) R and Data Mining: Examples and Case Studies
13- Hand, D., Mannila, H. , Smyth, P. (2001) Principles of Data Mining
14- Zaki, M. & Meira, W. (2014) Data Mining and Analysis, Fundamental Concepts and Algorithms.
15- Ye, N. (2003). Handbook of Data Mining. Arizona State University.
16- Han, J. & Kamber, M. (2006). Data Mining Concepts and Techniques(2nd Ed.). University of Illinois.
17- Shaw, M. J., Subramaniam, C., Tan, G. W. & Welge M. E. (2001). Knowledge Management and Data Mining for Marketing. University of Illinois.
18- Silwattananusarn, T. (2012) Data Mining and Its Applications for Knowledge Management: A literature Review from 2007 to 2012
19- 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.
20- Jing, L. (2002). Data Mining and Knowledge Management in Higher Education.
21- Wang, H. & Wang, S. (2008). A Knowledge Management Approach to Data Mining Process for Business Intelligence.
22- Berry, M. J. & Linoff, G. S. (2006), Mastering Data Mining, The Art and Science of Customer Relationship Management
23- Wang, H. & Wang, S. (2008). A Knowledge Management Approach to Data Mining Process for Business Intelligence.
24- IBM SPSS 14.2 Application Guide.(2011)
25- Kim, J., Suh, E., Hwang, H. (2003) A Model for Evaluating the Effectiveness of CRM Using the Balanced Scorecard. Pohang University
26- 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
27- Seyyedhosseini, S.M., Gholamian, M.R., Maleki, A. (2011) A Methodology Based on RFM Using Data Mining Approach to Assess the Customer Loyalty
28- Kotler, P., Keller, K.L. (2012) Marketing Management (14th Ed.)
29- Goyat, S.(2011) The Basis of Market Segmentation: A Critical Review of Literature
30- O'Leary, D. (1998) . Enterprose Knowledge Management.
