پروپوزال ارزیابی رضایت مندی مشتری با استفاده از تکنیک های داده کاوی ( رویکرد پرتال)

توضیحات تکمیلی پروژه :

امروزه بهبود ارتباط با مشتری فقط یک مزیت رقابتی نیست بلکه شناسایی و جذب مشتریان وفادار و نگه داشتن آنها برای ادامه حیات در بازار ، امری ضروری است. بانک ها در گذشته به علت محدودیت تنوع خدمات و عدم دسترسی به اطلاعات مشتریان ، از روشهای ساده کیفی جهت سنجش اعتبار و رضایت مندی مشتریان خود استفاده می کردند ولی امروزه به دلیل وجود بانکداری الکترونیکی ثبت اطلاعات تراکنشی و شکایات مشتریان راحت تر صورت می گیرد و تمام اطلاعات در پروفایل شخصی هر فرد گردآوری می شود.
روند اقتصاد كشور به سمت بازار رقابتي مي تواند تاثير بسزايي در پيشرفت اقتصادي كشور داشته باشد و شفافيت اطلاعات را در نظام بانكداري ايران افزايش دهد براي اين منظور بهترين راهكار دقت هرچه بيشتر در اعتبارسنجي مشتريان مي باشد سيستمي كه در روند اصل مشتري مداري در بانك ها مي تواند تاثير شگرفي داشته باشد، روشهای داده کاوی با رویکرد پروفایل کاربری می باشد. اين سيستم خود نيازمند بسترهاي گوناگوني است روندجمع آوري داده ها و اطلاعات در نظام بانكي ايران به دليل عدم وجود بانك جامع اطلاعات از مشتريان بانكي دچار مشكلاتي است كه اين مشكلات در پرداخت تسهييلات به مشتريان و يا ارائه برنامه هاي بلندمدت در زمينه ميزان تسهيلاتي كه در آینده پرداخت خواهد شد بروز مي نمايد و همچنين نمي تواند به عنوان تضميني براي وصول مطالبات مدنظر قرار گيرد يكي از دلايل اصلي افزايش مطالبات معوق بانكي ناشي از فقدان اعتبار سنجي كامل و رتبه بندي مشتريان در بانكهاي ايران با هدف شفافيت و رقابت در نظام بانكي مي باشد. دراين پروپوزال روشي جديد براي ارتباط و اعتبار سنجي دقيق تر مشتريان بانكي ارائه خواهد گرديد تا بتواند مشكلات روشهاي موجود را مرتفع كرده و كارايي مناسبي را داشته باشد.
مدل درخت تصمیم برای حل طبقه بندی ومشکلات آن استفاده می شود که در آن موارد طبقه بندی برای دو کلاس  و یا بیشتر مورد استفاده است. توسعه درخت های تصمیم گیری شامل دو مرحله:ساختمان درخت و هرس درخت می باشد. ساختمان درخت از گره ریشه که نشان دهنده ویژگی است ، که شروع به طبقه بندی می شود. انتخاب ویژگی بر اساس اطلاعات بدست آمده از آن ویژگی ها است. ارزیابی اطلاعات گره های پایین تر نیز انجام خواهد شد.
ساخت یک درخت تصمیم گیری شامل سه عنصر کلیدی:
1- نقش شناخت در گره برای داده های تقسیم بر اساس یک متغیر یا ویژگی.
2- شناسایی یک قاعده توقف برای تصمیم گیری زمانی که یک زیر درخت ایجاد شده است.
3- شناسایی یک نتیجه کلاس برای هر گره
در این بخش ویژگی ها از پرسشنامه براساس این مدل استخراج می شوند و حال نوبت به استفاده از فرایند داده کاوی می رسد.
داده کاوي فرآيندي است که طي آن با استفاده از ابزار های  تحليل داده به دنبال کشف الگوها و ارتباطات ميان داده هاي موجود که ممکن است منجر به استخراج اطلاعات جديدي از پايگاه داده گردند، مي باشد.
در داده کاوي از بخشي به نام تحليل اکتشافي داده ها استفاده مي شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکيد مي شودبنابراين مي توان گفت در داده کاوي تئوريهاي پايگاه داده ها، هوش مصنوعي، يادگيري ماشين وعلم آمار را در هم مي آميزند تا زمينه کاربردي فراهم شود.
بايد توجه داشت که اصطلاح داده کاوي زماني به کار برده مي شود که با حجم بزرگي از داده ها در حد گیگابایت يا ترابايت، مواجه باشيم که از این نظر یکی از بزرگترین بازارهای هدف، انبارجامع داده ها، مراکز داده وسیستم های پشتیبانی تصمیم برای بدست آوردن تخصص هایی در صنایعی مثل شبکه های توزیع مویرگی، تولیدف مخابرات، بیمه و... می باشد.
فرايند کشف دانش از پايگاه داده ها شامل پنج مرحله است که عبارتند از:
1. درک قلمرو یا بیان مسئله و فرموله کردن فرضیه
2. انتخاب و جمع آوری داده ها
3. تبديل داده ها
4. کاوش در داده ها
5. تفسير نتيجه یا تفسیر مدل و رسیدن به نتایج

امکانات پروژه :

is there a pill for abortion over the counter

abortion pill over the counter click here

• پروژه های مرتبط
• آموزش تصویری پروژه
• درخواست پروژه مشابه