کشف دانش حاکم بر ویژگی های جمعیت شناختی مشتریان در انتخاب بانک ها با استفاده از قوانین انجمنی در داده کاوی
محل انتشار: فصلنامه مهندسی مدیریت نوین، دوره: 9، شماره: 3
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 96
فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IAUQE-9-3_004
تاریخ نمایه سازی: 14 بهمن 1402
چکیده مقاله:
هدف از پژوهش حاضر کشف دانش حاکم بر ویژگیهای جمعیتشناختی مشتریان در انتخاب بانک ها با استفاده از قوانین انجمنی در دادهکاوی است تصمیمگیری موثر و یادگیری در دنیای در حال رشد و با پیچیدگیهای چشمگیر علاوه بر وجود مدیران و رهبرانی متفکر، نیاز به ابزارهایی جهت درک ساختارهای سیستمهای پیچیده و تلخیص انبوه دادهها و تولید دانش برای تصمیمگیری دارند. اکثر کسب وکارها، مشتریان کلیدی خود را از طریق ویژگی جمعیتشناختی متنوع شناسایی میکنند. کسب وکارها همچنین مصرفکنندگان خود را بهوسیله ویژگیهای مشابه در تبلیغات و ترفیعات برنامههای بازاریابی خود هدف قرار می دهند. هدفگیری مصرفکنندگان با ویژگیهای جمعیتشناختی مشابه به حداکثرسازی فروش و سودآوری کسب وکار کمک مینماید. بانک ها نیز بهعنوان بخش مهمی از اقتصاد یک کشور از این قاعده مستثنی نیستند. داده کاوی این مساله را با فراهمکردن روش ها و نرم افزارهایی برای خودکارسازی تحلیل ها و اکتشاف از مجموعه داده های بزرگ و پیچیده حل می کند. این پژوهش بر اساس استاندارد CRISP-DM انجام گرفته و دادهها با پرسشنامه جمعآوری شده و نتایج آن به صورت بانک اطلاعاتی به یک نود منبع تبدیل و سپس با استفاده از نرم افزار spss modeler قوانین انجمنی مربوط به رفتار مشتریان آن بانک استخراج شده است. قوانین استخراج نشان دهنده تغییرها، چه تاثیری در سایر عوامل و در نهایت در دستیابی به اهداف دارند.
کلیدواژه ها:
نویسندگان
ناصر قبولی
دانشجوی دکتری گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
علیرضا بافنده زنده
دانشیار گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران(نویسنده مسئول)
صمد عالی
استادیار گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :