خوشه بندی داده های هویتی و بدهی کارگاهها و کارفرمایان سازمان تامین اجتماعی به منظور استخراج نمایه ساز توصیفی و ویژگی خوشه های مرتبط با مقادیر بدهی های بالا

امروزه کاهش هزینه های پیاده سازی و استفاده از تکنولوژی هایی که اجازه تجمیع مقادیر وسیع از داده را می دهد در کاوش سازمانها بکار برده میشود و در این راستا فناوری داده کاوی به عنوان ابزاری پدیدار شده است که سازمانها را قادر می سازد تا از سرمایه اطلاعاتشان بهره برداری نمایند از این رو استفاده از راهکارهای مناسب برای گروه بندی و تولید اطلاعات از میان انبوهی از داده ها، به ویژه در حوزه بازاریابی و بخش بندی آن الزام آور است علم داده کاوی سازمانی پاسخی به این نیاز به منظور کشف دانش پنهان داده ها و تامین اطلاعات مورد نیاز مدیران می باشد. خوشه بندی یک تابع کاوشی نظارت نشده ی داده کاوی برا ی کشف گروه بندی های طبیعی درون داده هاست. یک خوشه به مجموعه ای از اشیای داده ای اطلاق می وشود که از جهانی شبیه همدیگرندو تحلیل خوشه ای خوشه ها را در داده ها تعیین می کند. الگوریتم خوشه بندی به طور خودکار ویژگیهای متمایز کننده زیرگروه ها را تعریف می کنند و آنها را سازماندهی می نمایند و مدل را منحصراً از روی روابطی که در داده وجود دارد و همچنین از روی خوشه هایی که الگوریتم شناسایی می نماید آموزش می دهند.در سازمان تامین اجتماعی تحلیل داده های هویتی و بدهی کارگاهها و کارفرمایان دارای اهمیت زیادی درارائه خدمات سودمند می باشند. از این جهت تکنیک خوشه بندی استفاده می شود تا با تعیین خوشه ها، گروه بندی برای میزان بدهی های سازمان مشخص گردد تا در نهایت با در اختیار داشتن توصیف ویژگیهای این خوشه ها، اهداف تجارت هوشمند خدمات گرا در سازمان با ارائه خدمات هدفمند تحقق یابد.

کلیدواژه ها:

داده کاوی ، خوشه بندی ، الگوریتم های میانگینهای کا ، الگوریتم EM ، نمایه ساز خوشه ، تحلیل تمایز خوشه