برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

(در فایل دانلودی نام نویسنده موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

فهرست مطالب:

فصل اول. 1

1-1- مقدمه. 2

1-2- تعریف مسئله. 3

1-3- ضرورت انجام تحقیق.. 7

1-4- مراحل انجام تحقیق.. 8

1-5- محدوده تحقیق.. 9

1-6- اهداف تحقیق.. 9

1-7- ساختار پایان‌نامه. 10

فصل دوم. 12

2-1- مقدمه. 13

2-2- مدیریت دانش…. 14

2-2-1- دانش چیست؟. 15

2-2-2- هرم دانش…. 15

2-2-3- انواع دانش…. 16

2-2-3-1- دانش صریح.. 16

2-2-3-2- دانش ضمنی.. 16

2-2-4- مدیریت دانش چیست؟. 17

2-2-5- استراتژی‌های مدیریت دانش…. 18

2-2-5-1- استراتژی اجتماعی سازی (تبدیل دانش پنهان به پنهان). 19

2-2-5- 2- استراتژی برونی سازی (پنهان به آشکار). 19

2-2-5- 3- استراتژی ترکیب­سازی (آشکار به آشکار). 20

2-2-5- 4- استراتژی درونیسازی (آشکار به پنهان). 20

2-2-6-معایب عدم بهرهگیری از دانش در سازمان. 20

2-2-7- اهداف مدیریت دانش…. 21

2-2-8- مدل­های مدیریت دانش…. 21

2-3- مدیریت دانش مشتری.. 23

2-3-1- انواع دانش مشتری.. 24

2-3-2- مدل مدیریت دانش مشتری.. 28

2-4- مدیریت ارتباط با مشتری.. 29

2-4-1- مدیریت ارتباط مشتریان در نظام بانکی.. 32

2-4-2- مدیریت ارتباط با مشتری: اهداف، مزایا و چالش‌ها 33

2-5- مقایسه مفاهیم CKM و KM و CRM.. 34

2-6- تاریخچه‌ای از بانک و بانکداری.. 37

2-7-  سیر تحول فناوری اطلاعات در صنعت بانکداری.. 38

2-7-1 دوره اول: اتوماسیون پشت باجه. 38

2-7-2- دوره دوم: اتوماسیون جلوی باجه. 38

2-7-3- دوره سوم: اتصال مشتریان به حساب‌هایشان. 38

2-7-4- دوره چهارم: یکپارچه‌سازی سیستم‌ها و مرتبط کردن مشتریان با تمامی عملیات بانکی.. 39

2-7-5- بانکداری الکترونیک… 39

2-8- داده‌کاوی.. 40

2-8-1- مقایسه روش‌های آماری و داده‌کاوی.. 40

2-8-2- مفهوم داده‌کاوی.. 42

2-8-3- داده‌کاوی و کشف دانش…. 44

2-8-4- فرایند داده‌کاوی.. 45

2-8-5- معرفی روش‌های داده‌کاوی.. 51

2-8-5-1- دسته‌بندی.. 53

2-8-5-2- درخت تصمیم. 53

2-8-5-3- شبکه‌های عصبی.. 55

2-8-5-4- پیش بینی.. 56

2-8-5-5- خوشه‌بندی.. 56

2-8-5-5- انواع خوشه‌بندی.. 57

2-8-5-5-2- معیارهای ارزیابی در خوشه‌بندی.. 59

2-8-5-6- تحلیل انحراف… 60

2-8-5-7- قواعد وابستگی (انجمنی). 61

2-8-5-8- تحلیل توالی.. 61

2-8-6- نرم‌افزار داده‌کاوی.. 62

2-8-7- کاربردهای داده‌کاوی.. 63

2-8-7-1- داده‌کاوی در صنعت بانکداری.. 63

2-9- پیشینه تحقیق.. 65

2-9-1- کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری.. 66

2-9-2- کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان. 68

2-9-3- کاربرد داده‌کاوی در زمینه کشف تقلب… 69

2-9-4- کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری.. 69

2-10- جمع‌بندی مطالب فصل.. 74

فصل سوم. 76

3-1- مقدمه. 77

3-2- روش پیشنهادی.. 77

3-2-1- چارچوب تحقیق.. 77

3-2-2- انتخاب متغیرها 79

3-2-3- آماده‌سازی و پیش‌پردازش داده‌ها 80

3-2-3-1- نرمال سازی داده‌ها 81

3-2-4- تعیین تعداد بهینه خوشه‌ها 81

3-2-5- خوشه‌بندی.. 82

3-2-5-1- انواع خوشه‌بندی.. 83

3-2-5-2- خوشه‌بندی به روش K-Means. 84

3-2-5-1-1- مزایای استفاده از الگوریتم خوشه‌بندی K-Means. 85

3-2-5-1-2-  محدودیت‌های الگوریتم K-Means. 85

3-2-5-2- خوشه‌بندی به روش WK-Means. 86

3-2-5-3- خوشه‌بندی به روش A-H-Means. 87

3-2-6- ارزیابی خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترین روش… 88

3-2-7- به‌کارگیری دانش حاصل از خوشه‌بندی.. 90

3-3- روش‌های جمع آوری اطلاعات… 90

3-4- جمع‌بندی مطالب فصل.. 90

فصل چهارم. 92

4-1- مقدمه. 93

4-2- معرفی بانک مهر اقتصاد. 93

4-3- موضوع و فعالیت بانک… 94

4-4- محاسبات تحقیق.. 94

4-4-1- گام انتخاب و جمع آوری متغیرهای ورودی.. 95

4-4-2- گام آماده‌سازی و پیش‌پردازش داده‌ها 96

4-4-3-گام تعیین تعداد بهینه خوشه‌ها 97

4-4-4- گام خوشه‌بندی داده‌ها 97

4-4-4-1- خوشه‌بندی به روش K-Means. 98

4-4-4-2- خوشه‌بندی به روش WK-Means. 100

4-4-4-3- خوشه‌بندی به روش A-H-Means. 100

4-4-5- ارزیابی خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترین روش… 101

4-4-6-گام به‌کارگیری دانش حاصل از خوشه‌بندی.. 102

4-5- نتایج تحقیق.. 104

4-6- جمع‌بندی مطالب فصل.. 106

فصل پنجم. 107

5-1- مقدمه. 108

5-2- خلاصه تحقیق.. 108

5-3- نتیجه‌گیری.. 109

5-4- زمینه‌های پیشنهادی، راهکارها و پیشنهاد‌ات جهت پژوهش‌های آتی.. 110

منابع و مآخذ. 126

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 یک 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.

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 761