استفاده از تکنیک های داده کاوی در استخراج الگوهای پنهان وبهبود مدیریت روابط مشتریان ومراجعین شعب سازمان تأمین اجتماعی
محل انتشار: نخستین کنفرانس بین المللی فناوری اطلاعات
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 610
فایل این مقاله در 8 صفحه با فرمت PDF و WORD 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:
FBFI01_134
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
یکی از چالش های مهم سازمان تأمین اجتماعی درسالهای اخیر ، رشدفزاینده مصارف وهزینه های سازمان در مقایسه با رشد منابع ودرآمدهای آن می باشد. دراین راستا شناسایی ، جذب، حفظ وتوسعه مشتریان سازمان وپیش بینی رفتارآنها درآینده به عبارتی مدیریت روابط مشتریان به عنوان مهم ترین منابع درآمد وهمچنین محور هزینه های سازمان تأمین اجتماعی ، امری است بسیار ضروری وپراهمیت . همچنین باعنایت به کثرت مشتریان ومخاطبین سازمان وتنوع قراردادهای بیمه ومحاسبات مربوط به انجام تعهدات وبطورکلی حجم انبوه داده ها دراین سازمان می توان بااستفاده از انواع تکنیک های داده کاوی به کشف الگوها وقواعد پنهانی موجود پرداخت .لذا دراین تحقیق بااستفاده از استاندارد CRISPبه تهیه یک مدل اقدام و باجمع آوری حجم نسبتا زیاد داده هااز پایگاه داده یکی ازشعب سازمان تأمین اجتماعی که شامل خصوصیات وویژگی های دودسته کلی مشتریان سازمان ، بیمه شدگان وکارگاه هابوده است به بررسی رفتار مشتریان وکشف الگوهای پنهانی ومؤثر برمدیریت روابط مشتریان سازمان تأمین اجتماعی ازطریق ترکیب تکنیک های داده کاوی ازجمله خوشه بندی وطبقه بندی والگوریتم های K-Means ودرخت تصمیم C5.0 با مدل تحلیلی وتوسعه یافته RFM وبا کمک ابزارها ونرم افزارهای تحلیلی EXCEL وRAPIDMINER و CLEMENTINE اقدام گردیده است.
کلیدواژه ها:
داده کاوی - مدیریت ارتباط با مشتری - سازمان تأمین اجتماعی - خوشه بندی - طبقه بندی- درخت تصمیم
نویسندگان
سعیده پورنظری
دانشگاه آزاد اسلامی، واحد الکترونیکی ، گروه مدیریت ، تهران ، ایران
رضا رادفر
دانشگاه آزاد اسلامی، واحد علوم و تحقیقات ، دانشیار گروه مدیریت صنعتی ، تهران ، 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 :