پایان نامه كاربرد داده كاوي در تجارت الكترونيك

فهرست

چکیده۸

تکنیکهای داده کاوی و متدلوژیهای ان

مقدمه ۹

عناصر داده کاوی ۱۵

پردازش تحلیلی پیوسته: ۱۶

قوانین وابستگی: ۱۷

شبکه های عصبی : ۱۷

الگوریتم ژنتیکی: ۱۷

نرم افزار ۱۸

کاربردهای داده کاوی ۱۸

داده کاوی و کاربرد آن در کسب و کار هوشمند بانک ۱۹

داده كاوي درمديريت ارتباط بامشتري ۲۱

کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی ۲۲

مدیریت موسسات دانشگاهی ۲۳

داده کاوی آماری و مدیریت بهینه وب سایت ها ۲۵

داده کاوی در مقابل پايگاه داده Data Mining vs database ۲۶

ابزارهای تجاری داده کاوی ۲۷

منابع اطلاعاتی مورد استفاده ۲۸

انبار داده ۲۹

مسائل کسب و کار برای داده‌کاوی ۳۱

چرخه تعالی داده کاوی چيست؟ ۳۱

متدلوژی داده‌کاوی و بهترین تمرین‌های آن ۳۵

یادگیری چیزهایی که درست نیستند ۳۶

الگوهایی که ممکن است هیچ قانون اصولی را ارائه نکنند ۳۶

چیدمان مدل ممکن است بازتاب دهنده جمعیت وابسته نباشد ۳۸

ممکن است داده در سطح اشتباهی از جزئیات باشد ۳۸

یادگیری چیزهایی که درست ولی بلااستفاده‌اند ۴۰

مدل‌ها، پروفایل‌سازی، و پیش‌بینی ۴۲

پیش بینی ۴۴

متدلوژی ۴۵

مرحله ۱: تبدیل مسئله کسب و کار به مسئله داده‌کاوی ۴۶

مرحله ۲: انتخاب داده مناسب ۴۸

مرحله سوم: پیش به سوی شناخت داده ۵۱

مرحله چهارم: ساختن یک مجموعه مدل ۵۲

مرحله پنجم: تثبیت مسئله با داده‌ها ۵۴

مرحله ششم: تبدیل داده برای آوردن اطلاعات به سطح ۵۶

مرحله هفتم: ساختن مدلها ۵۹

مرحله هشتم: ارزیابی مدل ها ۵۹

مرحله نهم: استقرار مدل ها ۶۳

مرحله ۱۰: ارزیابی نتایج ۶۴

مرحله یازدهم: شروع دوباره ۶۴

وظایف داده‌کاوی‌ ۶۵

۱- دسته‌بندی ۶۵

۲- خوشه‌بندی ۶۵

۳- تخمین ۶۶

۴- وابستگی ۶۸

۵- رگرسیون ۶۹

۶- پیشگویی ۷۰

۷- تحلیل توالی ۷۰

۸- تحلیل انحراف ۷۱

۹- نمایه‌سازی ۷۲

تجارت الکترونیک

فصل اول: مقدمه اي بر تجارت الکترونيکي ۷۳

۱- طبقه‌هاي مختلف تجارت الکترونيکي ۷۵

۲- تفاوت تجارت الکترونيکي با تجارت سنتي ۷۶

۳- نقش دولت در تجارت الکترونيک ۷۸

فصل دوم : شکل دهي موقعيت بازار ۸۰

۱- چار چوبي براي تحليل موقعيت بازار ۸۰

۱-۱- پرورش موقعيت : ۸۰

۱-۲-کشف هسته اصلي موقعيت : ۸۱

۱-۳- شناسايي مشتريان هدف : ۸۱

۱-۴- مطالعه توانمنديها و منابع شرکت : ۸۱

۱-۵- اندازه گيري جذابيت موقيت : ۸۲

۲ ) ويژگي هاي تحليل موقعيت بازار در اقتصاد جديد: ۸۲

۳_ دو نوع ارزش ( value type ) عمده ۸۴

۳_۲_ ارزش هاي جديد ( New-To-The-World value ) : 86

۴ – شناسايي نياز هاي برآورده شده و برآورده نشده ۸۸

۴-۱_ فرآيند تصميم گيري مشتري ۸۸

۴-۲_ آشکارسازي نيازهاي برآورده شده و برآورده نشده ۸۹

۵- تعيين مشتريان ويژهاي که شرکت قصد متقاعد کردن آنهارا دارد. ۹۱

۵-۱- روشهايي براي تقسم بندي بازار: ۹۱

۵-۲- تقسيم بندي قابل اجرا و معني دار ۹۲

_ تقسيم بندي قابل اجرا(Actionable Segmentation) 93

_ تقسيم بندي معني دار ۹۳

۵-۳-ترکيب مناسبي از متغير ها ۹۳

۵-۴-تناظر بازار و مشتريان هدف ۹۶

۶- تأمين منابع ۹۷

۶-۱- منابع شركت : ۹۷

۶-۲- شركاﺀ : ۹۸

٧- جذابيت يک موقعيت : ۹۹

۷-۱- شدت رقابت ۹۹

رقباي نزديک (Adjacent competitors) : ۱۰۰

بررسي رقبا : (competitor Map) 100

۷-۲- پويايي هاي مربوط با مشتريان : ۱۰۱

۷-۳- فناوري : ۱۰۱

۷-۴- سود دهي مالي : ۱۰۳

۸-ارزيابي نهايي(go/No-go) 104

مدلهاي كسب و كار ۱۰۵

آيا شركت قادر است در مورد ارزش يا ارزشهاي ارائه شده با ديگران رقابت كند؟ ۱۰۵

چگونه يك شركت يك سرويس آنلاين را توسعه مي دهد؟ ۱۰۷

يك سيستم منابع مناسب و موفق چگونه است؟ ۱۰۹

معيارهايي براي ارزيابي كيفيت يك سيستم منبع: ۱۱۲

مشاركت (Partnership): 113

مدلهاي سوددهي براي شركتهاي آنلاين چه هستند؟ ۱۱۴

۲-۱- مدلهاي مبتني بر كاربر و شركت: ۱۱۵

مدلهاي مبتني بر خلق ارزش توسط شركت: ۱۱۷

واسط مشتري ۱۲۱

۱- هفت عنصر طراحي براي واسط مشتري ۱۲۱

۲- چه چيز تعيين كننده جلوه يك وب سايت است؟ ۱۲۵

۳- محتويات وب سايت ۱۲۹

۴- تشكل ها در سايت ۱۳۲

۵- اهرمهاي مورد استفاده براي سفارشي كردن يك سايت ۱۳۶

۶- يك سايت چگونه با مشتريان خود ارتباط بر قرار مي كند؟ ۱۳۹

۷- اتصال يك وب سايت با وب سايتهاي ديگر ۱۴۲

۸- اشكال مختلف تجارت در وب سايت ۱۴۴

تبادل الكترونيكي داده ها (EDI) 147

۱- انواع خريد يک شرکت ۱۴۷

۲- خريد مواد مستقيم ۱۴۷

۳- تبادل الکترونيکي داده ها (EDI) 148

EDI هاي نسل آينده ۱۵۰

منابع. ۱۵۱

چكيده

اين پايان نامه شامل دو بخش مي باشدبخش اول در مورد داده كاوي و تكنيكها ومتدلوژي هاي ان و بخش دوم در مورد تجارت الكترونيك مي باشد.

بخش اول شامل مطالبي در مورد عناصر داده كاوي و سپس كاربردهاي داده كاوي در موارد مختلف و تفاوت داده كاوي با پايگاه داده و متدلوژي ها و مراحل داده كاوي وهمچنين وظايف داده كاوي توضيحاتي داده شده است.

بخش دوم در مورد تجارت الكترونيكي كه در ان مقدمه اي از تجارت اتكترونيك و شكل دهي موقعيت بازار را بيان نموده است.

مقدمه

از هنگامي که رايانه در تحليل و ذخيره سازي داده ها بکار رفت (۱۹۵۰) پس از حدود ۲۰ سال، حجم داده ها در پايگاه داده ها دو برابر شد. ولي پس از گذشت دو دهه و همزمان با پيشرفت فن آوري اطلاعات(IT) هر دو سال يکبار حجم داده ها، دو برابر شده و همچنين تعداد پايگاه داده ها با سرعت بيشتري رشد نمود. اين در حالي است که تعداد متخصصين تحليل داده ها با اين سرعت رشد نكرد. حتي اگر چنين امري اتفاق مي افتاد، بسياري از پايگاه داده ها چنان گسترش يافته‌اند که شامل چندصد ميليون يا چندصد ميليارد رکورد ثبت شده هستند.امکان تحليل و استخراج اطلاعات با روش هاي معمول آماري از دل انبوه داده ها مستلزم چند روز کار با رايانه هاي موجود است.[۳]

حال با وجود سيستم هاي يکپارچه اطلاعاتي، سيستم هاي يکپارچه بانکي و تجارت الکترونيک، لحظه به لحظه به حجم داده ها در پايگاه داده هاي مربوط اضافه شده و باعث به وجود آمدن حانبارهاي عظيمي از داده ها شده است.

این واقعیت، ضرورت کشف و استخراج سريع و دقيق دانش از اين پايگاه داده ها را بيش از پيش نمايان کرده است، چنان که در عصر حاضر گفته مي شود اطلاعات طلاست.

هم اکنون در هر کشور، سازمان، شرکت و غیره براي امور بازرگاني، پرسنلي، آموزشي، آماري و غیره پايگاه داده ها ايجاد يا خريداري شده است. به طوري که اين پايگاه داده ها براي مديران، برنامه ريزان، پژوهشگران جهت، تصميم گيري هاي راهبردي، تهيه گزارش هاي مختلف، توصيف وضعيت جاري خود و سایر اهداف مي تواند مفيد باشد. بسیاری از این داده ها از نرم افزارهای تجاری، مثل کاربردهای مالی، ERPها، CRMها و web log ها، می آیند. نتیجه این جمع آوری داده ها این می‌شود که در سازمانها، داده ها غنی ولی دانش ضعیف، است. جمع آوری داده ها، بسیار انبوه می‌شود و بسرعت اندازه آن افزایش می یابد و استفاده عملی از داده ها را محدود می سازد.[۲]

داده‌کاوی استخراج و تحلیل مقدار زیادی داده بمنظور کشف قوانین و الگوهای معنی دار در آنهاست. هدف اصلی داده کاوی، استخراج الگوهایی از داده ها، افزایش ارزش اصلی آنها و انتقال داده ها بصورت دانش است.

داده‌کاوی، بهمراه OLAP، گزارشگری تشکیلات اقتصادی(Enterprise reporting) و ETL، یک عضو کلیدی در خانواده محصول Business Intelligence(BI)، است.[۲Error! Reference source not found.]

حوزه‌های مختلفی وجود دارد که در آنها حجم بسیاری از داده در پایگاه‌داده‌های متمرکز یا توزیع شده ذخیره می‌شود. برخی از آنها به قرار زیر هستند: [۶Error! Reference source not found.]

کتابخانه دیجیتال: یک مجموعه سازماندهی شده از اطلاعات دیجیتال که بصورت متن در پایگاه‌داده‌های بزرگی ذخیره می شوند.
آرشیو تصویر: شامل پایگاه‌داده بزرگی از تصاویر به شکل خام یا فشرده.
اطلاعات زیستی: بدن هر انسانی از ۵۰ تا ۱۰۰ هزار نوع ژن یا پروتئین مختلف ساخته شده است. اطلاعات زیستی شامل تحلیل و تفسیر این حجم عظیم داده ذخیره شده در پایگاه‌داده بزرگی از ژنهاست.
تصاویر پزشکی: روزانه حجم وسیعی از داده‌های پزشکی به شکل تصاویر دیجیتال تولید می‌شوند، مانند EKG، MRI، ACT، SCAN و غیره. اینها در پایگاه‌داده‌های بزرگی در سیستم‌های مدیریت پزشکی ذخیره می شوند.
مراقبت‌های پزشکی: بجز اطلاعات بالا، یکسری اطلاعات پزشکی دیگری نیز روزانه ذخیره می‌شود مانند سوابق پزشکی بیماران، اطلاعات بیمه درمانی، اطلاعات بیماران خاص و غیره.
اطلاعات مالی و سرمایه‌گذاری: این اطلاعات دامنه بزرگی از داده‌ها هستند که برای داده‌کاوی بسیار مطلوب می‌باشند. از این قبیل داده‌ها می‌توان از داده‌های مربوط به سهام، امور بانکی، اطلاعات وام‌ها، کارت‌های اعتباری، اطلاعات کارت‌های ATM، و کشف کلاه‌برداری‌ها می باشد.
ساخت و تولید: حجم زیادی از این داده‌ها روزانه به اشکال مختلفی در کارخانه‌ها تولید می‌شود. ذخیره و دسترسی کارا به این داده‌ها و تحلیل آنها برای صنعت تولید بسیار بااهمیت است.
کسب و کار و بازاریابی: داده‌ لازم است برای پیش‌بینی فروش، طراحی کسب و کار، رفتار بازرایابی، و غیره.
شبکه راه‌دور: انواع مختلفی از داده‌ها در این صنعت تولید و ذخیره می شوند. آنها برای تحلیل الگوهای مکالمات، دنبال کردن تماس‌ها، مدیریت شبکه، کنترل تراکم، کنترل خطا و غیره، استفاده می‌شوند.
حوزه علوم: این حوزه شامل مشاهدات نجومی، داده زیستی، داده ژنومیک، و غیره است.
WWW: یک حجم وسیع از انواع مختلف داده که در هر جایی از اینترنت پخش شده‌اند.

در بیشتر این حوزه‌ها، تحلیل داده‌ها یک روال دستی بود. یک تحلیلگر کسی بود که با داده‌ها بسیار آشنا بود و با کمک روش‌های آماری، خلاصه‌هایی تهیه و گزارشاتی را تولید می‌کرد. در یک حالت پیشرفته‌تر، از یک پردازنده پیچیده پرسش استفاده می‌شد. اما این روش‌ها با افزایش حجم داده‌ها کاملا بلااستفاده شدند.

واژه های «داده‌کاوی» و «کشف دانش در پایگاه داده»[۱] اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند. کشف دانش به عنوان يک فرآيند در شکل۱ نشان داده شده است.

کشف دانش در پایگاه داده فرایند شناسایی درست، ساده، مفید، و نهایتا الگوها و مدلهای قابل فهم در داده ها می‌باشد. داده‌کاوی، مرحله‌ای از فرایند کشف دانش می‌باشد و شامل الگوریتمهای مخصوص داده‌کاوی است، بطوریکه، تحت محدودیتهای مؤثر محاسباتی قابل قبول، الگوها و یا مدلها را در داده کشف می کند[۳Error! Reference source not found.]. به بیان ساده‌تر، داده‌کاوی به فرایند استخراج دانش ناشناخته، درست، و بالقوه مفید از داده اطلاق می‌شود. تعریف دیگر اینست که، داده‌کاوی گونه‌ای از تکنیکها برای شناسایی اطلاعات و یا دانش تصمیم‌گیری از قطعات داده می‌باشد، به نحوی که با استخراج آنها، در حوزه‌های تصمیم‌گیری، پیش بینی، پیشگویی، و تخمین مورد استفاده قرار گیرند. داده‌ها اغلب حجیم، اما بدون ارزش می‌باشند، داده به تنهایی قابل استفاده نیست، بلکه دانش نهفته در داده ها قابل استفاده می باشد. به این دلیل اغلب به داده کاوی، تحلیل داده ای ثانویه[۲] گفته می‌شود.

[۱] Knowledge Discovery in Database

[۲] Secondary Data Analysis