پایان نامه مدیریت دانش مشتری
پایان نامه ارشد مدیریت دانش مشتری با موضوع مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده کاوی عنوان شده است.
مشخصات فایل
تعداد صفحات | ۱۸۵ |
حجم | ۷۲۶ کیلوبایت |
فرمت فایل اصلی | docx |
دسته بندی | مدیریت |
توضیحات کامل
پایان نامه ارشد مدیریت دانش مشتری با موضوع مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده کاوی عنوان شده است.امروزه در زمان استفاده از خدمت یا مصرف کالا توسط مشتری دانش قابل توجهی تبادل می شود. این دانش به عنوان منبعی مهم برای سازمان و کسب و بهره برداری از آن به یک مزیت رقابتی در سازمان ها تبدیل شده است.
دانش مشتری نوعی از دانش (یا داده و اطلاعاتی است که قابلیت تحلیل و تفسیر و نهایتاً تبدیل به دانش را دارند) در حوزه ارتباط با مشتری است که قابلیت تأثیرگذاری مستقیم یا غیر مستقیم بر عملکرد سازمانی را دارا می باشد [۴۳]. دانش مشتری اطلاعاتی است که جهت برقراری ارتباط قوی تر با مشتری مورد نیاز است [۴۷]. بهره گیری از دانش مشتری مزایایی را هم برای سازمان و هم برای مشتری به دنبال خواهد داشت. از جمله این مزایا می توان به بهبود محصولات و خدمات ارائه شده به مشتری، افزایش فروش، جلب رضایت مشتری، حفظ مشتری و … اشاره نمود [۳۴].
مدیریت دانش مشتری دربردارنده فرایندهایی ست که با شناسایی و اکتساب اطلاعات مشتری و نیز ایجاد و بهره برداری از دانش مشتریان، مربوط است [۹]. چنین اطلاعاتی در ماورای محدوده های خارجی سازمان قرار دارند و دانشی که از آن ها استخراج می شود موجب ایجاد ارزش برای سازمان و مشتریان آن خواهد شد [۳۲].در فرایند ایجاد دانش، مشتری به عنوان شریک سازمان شناخته می شود و از آنجا که هردو هدف مشترکی در ذهن دارند (خدمات و محصولات بهتر)، هردو طرف می توانند شرکای خوبی در فرایند ایجاد دانش باشند.
فهرست مطالب
فصل اول ۱
۱ ۱ مقدمه ۱
۱ ۲ تعریف مسئله ۴
۱ ۳ ضرورت انجام تحقیق ۱۰
۱ ۴ مراحل انجام تحقیق ۱۱
۱ ۵ محدوده تحقیق ۱۲
۱ ۶ اهداف تحقیق ۱۳
۱ ۷ ساختار پایاننامه ۱۵
فصل دوم ۱۷
۲ ۱ مقدمه ۱۸
۲ ۲ مدیریت دانش ۲۰
۲ ۲ ۱ دانش چیست؟ ۲۱
۲ ۲ ۲ هرم دانش ۲۲
۲ ۲ ۳ انواع دانش ۲۳
۲ ۲ ۳ ۱ دانش صریح ۲۳
۲ ۲ ۳ ۲ دانش ضمنی ۲۴
۲ ۲ ۴ مدیریت دانش چیست؟ ۲۴
۲ ۲ ۵ استراتژیهای مدیریت دانش ۲۶
۲ ۲ ۵ ۱ استراتژی اجتماعی سازی (تبدیل دانش پنهان به پنهان) ۲۷
۲ ۲ ۵ 2 استراتژی برونی سازی (پنهان به آشکار) ۲۸
۲ ۲ ۵ 3 استراتژی ترکیب سازی (آشکار به آشکار) ۲۸
۲ ۲ ۵ 4 استراتژی درونیسازی (آشکار به پنهان) ۲۹
۲ ۲ ۶ معایب عدم بهره گیری از دانش در سازمان ۲۹
۲ ۲ ۷ اهداف مدیریت دانش ۳۰
۲ ۲ ۸ مدل های مدیریت دانش ۳۱
۲ ۳ مدیریت دانش مشتری ۳۳
۲ ۳ ۱ انواع دانش مشتری ۳۵
۲ ۳ ۲ مدل مدیریت دانش مشتری ۴۰
۲ ۴ مدیریت ارتباط با مشتری ۴۲
۲ ۴ ۱ مدیریت ارتباط مشتریان در نظام بانکی ۴۶
۲ ۴ ۲ مدیریت ارتباط با مشتری: اهداف، مزایا و چالشها ۴۸
۲ ۵ مقایسه مفاهیم CKM و KM و CRM 50
۲ ۶ تاریخچهای از بانک و بانکداری ۵۴
۲ ۷ سیر تحول فناوری اطلاعات در صنعت بانکداری ۵۵
۲ ۷ ۱ دوره اول: اتوماسیون پشت باجه ۵۵
۲ ۷ ۲ دوره دوم: اتوماسیون جلوی باجه ۵۶
۲ ۷ ۳ دوره سوم: اتصال مشتریان به حسابهایشان ۵۶
۲ ۷ ۴ دوره چهارم: یکپارچهسازی سیستمها و مرتبط کردن مشتریان با تمامی عملیات بانکی ۵۷
۲ ۷ ۵ بانکداری الکترونیک ۵۷
۲ ۸ دادهکاوی ۵۸
۲ ۸ ۱ مقایسه روشهای آماری و دادهکاوی ۵۹
۲ ۸ ۲ مفهوم دادهکاوی ۶۱
۲ ۸ ۳ دادهکاوی و کشف دانش ۶۴
۲ ۸ ۴ فرایند دادهکاوی ۶۶
۲ ۸ ۵ معرفی روشهای دادهکاوی ۷۳
۲ ۸ ۵ ۱ دستهبندی ۷۵
۲ ۸ ۵ ۲ درخت تصمیم ۷۶
۲ ۸ ۵ ۳ شبکههای عصبی ۷۷
۲ ۸ ۵ ۴ پیش بینی ۷۹
۲ ۸ ۵ ۵ خوشهبندی ۸۰
۲ ۸ ۵ ۵ انواع خوشهبندی ۸۱
۲ ۸ ۵ ۵ ۲ معیارهای ارزیابی در خوشهبندی ۸۳
۲ ۸ ۵ ۶ تحلیل انحراف ۸۵
۲ ۸ ۵ ۷ قواعد وابستگی (انجمنی) ۸۶
۲ ۸ ۵ ۸ تحلیل توالی ۸۶
۲ ۸ ۶ نرمافزار دادهکاوی ۸۷
۲ ۸ ۷ کاربردهای دادهکاوی ۸۸
۲ ۸ ۷ ۱ دادهکاوی در صنعت بانکداری ۹۰
۲ ۹ پیشینه تحقیق ۹۱
۲ ۹ ۱ کاربرد دادهکاوی در بخشبندی و مدلسازی رفتاری مشتریان در صنعت بانکداری ۹۳
۲ ۹ ۲ کاربرد دادهکاوی در ارزیابی اعتبار مشتریان ۹۶
۲ ۹ ۳ کاربرد دادهکاوی در زمینه کشف تقلب ۹۸
۲ ۹ ۴ کاربرد دادهکاوی در تحلیل رویگردانی مشتری ۹۹
۲ ۱۰ جمعبندی مطالب فصل ۱۰۶
فصل سوم ۱۰۹
۳ ۱ مقدمه ۱۱۰
۳ ۲ روش پیشنهادی ۱۱۰
۳ ۲ ۱ چارچوب تحقیق ۱۱۱
۳ ۲ ۲ انتخاب متغیرها ۱۱۳
۳ ۲ ۳ آمادهسازی و پیشپردازش دادهها ۱۱۵
۳ ۲ ۳ ۱ نرمال سازی دادهها ۱۱۵
۳ ۲ ۴ تعیین تعداد بهینه خوشهها ۱۱۶
۳ ۲ ۵ خوشهبندی ۱۱۷
۳ ۲ ۵ ۱ انواع خوشهبندی ۱۱۸
۳ ۲ ۵ ۲ خوشهبندی به روش K Means 120
۳ ۲ ۵ ۱ ۱ مزایای استفاده از الگوریتم خوشهبندی K Means 121
۳ ۲ ۵ ۱ ۲ محدودیتهای الگوریتم K Means 121
۳ ۲ ۵ ۲ خوشهبندی به روش WK Means 122
۳ ۲ ۵ ۳ خوشهبندی به روش A H Means 124
۳ ۲ ۶ ارزیابی خوشهها به روش مجموع مربع خطاها و انتخاب بهترین روش ۱۲۶
۳ ۲ ۷ بهکارگیری دانش حاصل از خوشهبندی ۱۲۸
۳ ۳ روشهای جمع آوری اطلاعات ۱۲۸
۳ ۴ جمعبندی مطالب فصل ۱۲۹
فصل چهارم ۱۳۱
۴ ۱ مقدمه ۱۳۱
۴ ۲ معرفی بانک مهر اقتصاد ۱۳۲
۴ ۳ موضوع و فعالیت بانک ۱۳۳
۴ ۴ محاسبات تحقیق ۱۳۴
۴ ۴ ۱ گام انتخاب و جمع آوری متغیرهای ورودی ۱۳۴
۴ ۴ ۲ گام آمادهسازی و پیشپردازش دادهها ۱۳۶
۴ ۴ ۳ گام تعیین تعداد بهینه خوشهها ۱۳۷
۴ ۴ ۴ گام خوشهبندی دادهها ۱۳۸
۴ ۴ ۴ ۱ خوشهبندی به روش K Means 139
۴ ۴ ۴ ۲ خوشهبندی به روش WK Means 141
۴ ۴ ۴ ۳ خوشهبندی به روش A H Means 142
۴ ۴ ۵ ارزیابی خوشهها به روش مجموع مربع خطاها و انتخاب بهترین روش ۱۴۲
۴ ۴ ۶ گام بهکارگیری دانش حاصل از خوشهبندی ۱۴۴
۴ ۵ نتایج تحقیق ۱۴۷
۴ ۶ جمعبندی مطالب فصل ۱۴۹
فصل پنجم ۱۵۱
۵ ۱ مقدمه ۱۵۲
۵ ۲ خلاصه تحقیق ۱۵۲
۵ ۳ نتیجهگیری ۱۵۴
۵ ۴ زمینههای پیشنهادی، راهکارها و پیشنهادات جهت پژوهشهای آتی ۱۵۵
منابع و مآخذ ۱۷۱
فهرست جدولها
جدول ۲ ۱ انواع مختلف تبدیلات دانش ۱۹
جدول ۲ ۲ مقایسه مفاهیم مدیریت دانش، مدیریت ارتباط با مشتری و مدیریت دانش مشتری ۳۵
جدول ۲ ۳ مقایسه روشهای تحلیل آماری و دادهکاوی ۴۱
جدول ۲ ۴ فعالیتهای مربوط به فازهای CRISP DM و خروجی هر فعالیت ۵۰
جدول ۲ ۵ نمونه دادههای مورد نیاز در یک مسئله مدلسازی به روش دستهبندی ۵۴
جدول ۲ ۶ معیارهای محاسبه شباهت در خوشهبندی ۵۹
جدول ۲ ۷ معیارهای محاسبه فاصله در خوشهبندی ۶۰
جدول ۲ ۸ پژوهشهای انجامگرفته در زمینه کاربرد دادهکاوی در صنعت بانکداری ۷۱
جدول ۳ ۱ متغیرهای تحقیق ۸۰
جدول ۴ ۱ نمونه دهتایی از دادههای مربوط به مشتریان بانک مهر اقتصاد ۹۵
جدول ۴ ۲ متغیرهای نرمال شده ۹۶
جدول ۴ ۳ وزن نسبی متغیرهای تحقیق ۱۰۰
جدول ۴ ۵ مقادیر مجموع مربع خطاها در الگوریتمهای مختلف خوشهبندی ۱۰۱
جدول ۴ ۶ دستهبندی مشتریان بر مبنای ویژگیهای رفتاری مشابه ۱۰۳
جدول ۴ ۷ اطلاعات مربوط به خوشهبندی مشتریان بانک مهر اقتصاد به روش K Means 104
فهرست تصاویر و نمودارها
شکل ۲ ۱ سلسلهمراتب دانش ۲۳
شکل ۲ ۲ دانش صریح فقط بخش کوچکی از دانش را تشکیل میدهد. ۲۴
شکل ۲ ۳ مدل مدیریت دانش پروبست و رمهارد ۳۲
شکل ۲ ۴ چارچوب خوشه انگور جهت نوع شناسی دانش مشتری ۳۸
شکل ۲ ۵ مدل مدیریت دانش مشتری ۴۱
شکل ۲ ۷ گامهای فرایند تولید دانش از پایگاه دادهها ۶۴
شکل ۲ ۸ متدولوژی فرآیند استاندارد میان صنعتی دادهکاوی (CRISP DM)
شکل ۲ ۹ دستهبندی کلی عملکردهای دادهکاوی ۷۴
شکل ۲ ۱۱ نیروهای رقابتی پورتر ۹۰
شکل ۳ ۱ چارچوب تحقیق ۱۱۲
شکل ۴ ۱ خوشه اول، الگوریتم K Means 139
شکل ۴ ۲ خوشه دوم، الگوریتم K Means 140
شکل ۴ ۳ خوشه سوم، الگوریتم K Means 140
شکل ۴ ۴ خوشه چهارم، الگوریتم K Means 140
شکل ۴ ۵ خوشه پنجم، الگوریتم K Means 141
توضیحات بیشتر و دانلود
صدور پیش فاکتور، پرداخت آنلاین و دانلود
قوانین ارسال دیدگاه در سایت