کاربرد روش های خوشه بندی مبتنی بر K-Means در مدیریت دانش با رویکرد صرفه جویی در زمان و هزینه مشتریان

در این مقاله کاربرد دادهکاوی در مدیریت دانش با رویکرد صرفه جویی در زمان و هزینه مشتریان بانک شهر مورد بررسی قرارگرفته است. این دانش به کمک الگوریتم خوشهبندی با هدف کشف ویژگیهای رفتاری مشابه، برای کمک به مدیران این بانکجهت تسهیل اتخاذ استراتژیهای متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان و نهایتاً سودآوری برای این بانک استخراج شده است. بررسیهای انجام شده نشان داد خوشهبندی مشتریان بر مبنای چارچوب ارائه شده در این تحقیق به ما کمک میکند تا مشتریانی که دارای الگوهای رفتاری مشابه بر حسب متغیرهای تراکنشی مشتریان و متغیرهای جمعیت آماری هستندرا در گروه واحدی در نظر گرفته و بر مبنای ویژگیهای اکثریت مشتریان هر گروه، سرویسهای متناسب با این ویژگیها را به روشهای متفاوت به مشتریان پیشنهاد نمود. روش پیشنهادی میتواند تجزیه و تحلیل دادههای حجیم اما بسیار ارزشمند بر جای مانده از تراکنشهای مشتریان با سازمانها را با صرف زمان و هزینه بسیار کمتر و درصد خطای پایینتر ممکن سازد. همچنین به کارگیریالگوریتمهای تست شده و استفاده از ابزارهای کامپیوتری و خودکار دقت بالاتری را در پی خواهد داشت. از این رو این گنجینه دادهای به گنجینه دانشی بسیار ارزشمندتری تبدیل خواهد شد که در صورت استفاده صحیح در زمان مناسب و برای افراد مناسب سودآوری را برای سازمان به ارمغان خواهد آورد و مفهوم صحیح صرفهجویی را حاصل خواهد نمود

کلیدواژه ها:

دادهکاوی ، مدیریت دانش ، الگوریتم.K-Means