نقش داده کاوی در تصمیم گیری تجاری شهرداری ها؛ چارچوبی برای تحلیل الگوهای پرداخت عوارض

هدف: افزایش کارایی وصول مطالبات شهری و کاهش تاخیر در پرداخت عوارض نوسازی و بها به ازا، از جمله چالش های اساسی مدیریت مالی شهرداری هاست. هدف اصلی این پژوهش، ارائه یک چارچوب تحلیلی مبتنی بر داده کاوی (Data Mining) برای ارتقای فرآیندهای تصمیم گیری تجاری (Business Intelligence - BI) در حوزه درآمدزایی شهرداری هاست. تمرکز ویژه این مطالعه بر شناسایی الگوهای رفتاری مودیان، پیش بینی ریسک عدم پرداخت و شخصی سازی استراتژی های وصول مطالبات با رویکردی کلان و عمومی است.روش تحقیق: این پژوهش از نظر ماهیت، کاربردی و از نظر روش اجرا، توصیفی-تحلیلی است. جامعه آماری شامل ادبیات نظری و تجربی منتشر شده بین سال های ۲۰۱۹ تا ۲۰۲۴ در پایگاه های معتبر علمی (Scopus، Web of Science و IEEE) بود. با استفاده از روش مرور نظام مند (Systematic Review) و تحلیل محتوای کیفی، مولفه های کلیدی سیستم های پشتیبان تصمیم گیری (DSS) در بخش عمومی استخراج شدند. سپس، با بهره گیری از منطق استقرایی، یک مدل مفهومی سه لایه شامل «یکپارچه سازی داده ها»، «استخراج ویژگی های رفتاری» و «مدل سازی پیش بینانه» طراحی شد. تکنیک های داده کاوی مورد بحث شامل طبقه بندی (Classification)، خوشه بندی (Clustering) و تحلیل سبد خرید (Association Analysis) بودند.یافته ها: نتایج نشان داد که گذار از روش های سنتی حسابداری به سمت مدل های پیش بینانه مبتنی بر یادگیری ماشین، قادر به کشف الگوهای پنهان در رفتار پرداخت شهروندان است. پیاده سازی الگوریتم هایی مانند Random Forest برای ارزیابی ریسک و K-Means برای بخش بندی مشتریان، منجر به ایجاد داشبوردهای مدیریتی هوشمند شد که امکان اولویت بندی منابع وصول را فراهم می آورند. یافته ها حاکی از آن است که این چارچوب می تواند با کاهش هزینه های اجرایی وصول، نرخ بازگشت بدهکاران را افزایش داده و شفافیت جریان نقدی را تضمین کند. همچنین، شخصی سازی پیام های یادآوری بر اساس خوشه های رفتاری شناسایی شده، اثربخشی ارتباطات شهرداری را به طور معناداری بهبود بخشید.نتیجه گیری: نتیجه گیری می شود که داده کاوی نه تنها یک ابزار فنی، بلکه یک ضرورت استراتژیک برای تبدیل داده های خام شهرداری به دارایی های اطلاعاتی ارزشمند است. پیشنهاد می شود شهرداری ها با سرمایه گذاری زیرساخت های انبار داده (Data Warehouse) و آموزش نیروی انسانی، چارچوب پیشنهادی را در فازهای آزمایشی پیاده سازی کنند تا از مزایای رقابتی ناشی از تصمیم گیری داده محور بهره مند شوند.

کلیدواژه ها:

داده کاوی ، تصمیم گیری تجاری (BI) ، شهرداری هوشمند ، الگوهای پرداخت عوارض ، یادگیری ماشین ، مدیریت مالی شهری ، پیش بینی درآمد.