پایان نامه کاربرد داده کاوی در تجارت الکترونیک

فهرست

چکیده................................................................................................................................8            

تکنیکهای داده کاوی و متدلوژیهای ان

مقدمه 9

عناصر داده کاوی 15

پردازش تحلیلی پیوسته: 16

قوانین وابستگی: 17

شبکه های عصبی : 17

الگوریتم ژنتیکی: 17

نرم افزار 18

کاربردهای داده کاوی 18

داده کاوی و کاربرد آن در کسب و کار هوشمند بانک 19

داده کاوی درمدیریت ارتباط بامشتری 21

کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی 22

مدیریت موسسات دانشگاهی 23

داده کاوی آماری و مدیریت بهینه وب سایت ها 25

داده کاوی در مقابل پایگاه داده   Data Mining vs database 26

ابزارهای تجاری داده کاوی 27

منابع اطلاعاتی مورد استفاده 28

انبار داده 29

مسائل کسب و کار برای داده‌کاوی 31

چرخه تعالی داده کاوی چیست؟ 31

متدلوژی داده‌کاوی و بهترین تمرین‌های آن 35

یادگیری چیزهایی که درست نیستند 36

الگوهایی که ممکن است هیچ قانون اصولی را ارائه نکنند 36

چیدمان مدل ممکن است بازتاب دهنده جمعیت وابسته نباشد 38

ممکن است داده در سطح اشتباهی از جزئیات باشد 38

یادگیری چیزهایی که درست ولی بلااستفاده‌اند 40

مدل‌ها، پروفایل‌سازی، و پیش‌بینی 42

پیش بینی 44

متدلوژی 45

مرحله 1: تبدیل مسئله کسب و کار به مسئله داده‌کاوی 46

مرحله 2: انتخاب داده مناسب 48

مرحله سوم: پیش به سوی شناخت داده 51

مرحله چهارم: ساختن یک مجموعه مدل 52

مرحله پنجم: تثبیت مسئله با داده‌ها 54

مرحله ششم: تبدیل داده برای آوردن اطلاعات به سطح 56

مرحله هفتم: ساختن مدلها 59

مرحله هشتم: ارزیابی مدل ها 59

مرحله نهم: استقرار مدل ها 63

مرحله 10: ارزیابی نتایج 64

مرحله یازدهم: شروع دوباره 64

وظایف داده‌کاوی‌ 65

1- دسته‌بندی 65

2- خوشه‌بندی 65

3- تخمین 66

4- وابستگی 68

5- رگرسیون 69

6- پیشگویی 70

7- تحلیل توالی 70

8- تحلیل انحراف 71

9- نمایه‌سازی 72

تجارت الکترونیک

فصل اول: مقدمه ای بر تجارت الکترونیکی 73

1- طبقه‌های مختلف تجارت الکترونیکی 75

2- تفاوت تجارت الکترونیکی با تجارت سنتی 76

3- نقش دولت در تجارت الکترونیک 78

فصل دوم : شکل دهی موقعیت بازار 80

1- چار چوبی برای تحلیل موقعیت بازار 80

1-1- پرورش موقعیت : 80

1-2-کشف هسته اصلی موقعیت : 81

1-3- شناسایی مشتریان هدف : 81

1-4- مطالعه توانمندیها و منابع شرکت : 81

1-5- اندازه گیری جذابیت موقیت : 82

2 ) ویژگی های تحلیل موقعیت بازار در اقتصاد جدید: 82

3_ دو نوع ارزش ( value type ) عمده 84

3_2_ ارزش های جدید ( New-To-The-World value ) : 86

4 – شناسایی نیاز های برآورده شده و برآورده نشده 88

4-1_ فرآیند تصمیم گیری مشتری 88

4-2_ آشکارسازی نیازهای برآورده شده و برآورده نشده 89

5- تعیین مشتریان ویژهای که شرکت قصد متقاعد کردن آنهارا دارد. 91

5-1- روشهایی برای تقسم بندی بازار: 91

5-2- تقسیم بندی قابل اجرا و معنی دار 92

_ تقسیم بندی قابل اجرا(Actionable Segmentation) 93

_ تقسیم بندی معنی دار 93

5-3-ترکیب مناسبی از متغیر ها 93

5-4-تناظر بازار و مشتریان هدف 96

۶- تأمین منابع 97

6-1- منابع شرکت : 97

6-2- شرکاﺀ : 98

٧- جذابیت یک موقعیت : 99

7-1- شدت رقابت 99

رقبای نزدیک (Adjacent competitors) : 100

بررسی رقبا : (competitor Map) 100

7-2- پویایی های مربوط با مشتریان : 101

7-3- فناوری : 101

7-4- سود دهی مالی : 103

8-ارزیابی نهایی(go/No-go) 104

مدلهای کسب و کار 105

آیا شرکت قادر است در مورد ارزش یا ارزشهای ارائه شده با دیگران رقابت کند؟ 105

چگونه یک شرکت یک سرویس آنلاین را توسعه می دهد؟ 107

یک سیستم منابع مناسب و موفق چگونه است؟ 109

معیارهایی برای ارزیابی کیفیت یک سیستم منبع: 112

مشارکت (Partnership): 113

مدلهای سوددهی برای شرکتهای آنلاین چه هستند؟ 114

2-1- مدلهای مبتنی بر کاربر و شرکت: 115

مدلهای مبتنی بر خلق ارزش توسط شرکت: 117

واسط مشتری 121

1- هفت عنصر طراحی برای واسط مشتری 121

2- چه چیز تعیین کننده جلوه یک وب سایت است؟ 125

3- محتویات وب سایت 129

4- تشکل ها در سایت 132

5- اهرمهای مورد استفاده برای سفارشی کردن یک سایت 136

6- یک سایت چگونه با مشتریان خود ارتباط بر قرار می کند؟ 139

7- اتصال یک وب سایت با وب سایتهای دیگر 142

8- اشکال مختلف تجارت در وب سایت 144

تبادل الکترونیکی داده ها (EDI) 147

1- انواع خرید یک شرکت 147

2- خرید مواد مستقیم 147

3- تبادل الکترونیکی داده ها (EDI) 148

EDI های نسل آینده 150

منابع.......................................................................................................... 151

 چکیده:

این پایان نامه شامل دو بخش می باشدبخش اول در مورد داده کاوی و تکنیکها ومتدلوژی های ان و بخش دوم در مورد تجارت الکترونیک می باشد.

بخش اول شامل مطالبی در مورد عناصر داده کاوی و سپس کاربردهای داده کاوی در موارد مختلف و تفاوت داده کاوی با پایگاه داده و متدلوژی ها و مراحل داده کاوی وهمچنین وظایف داده کاوی توضیحاتی داده شده است.

بخش دوم در مورد تجارت الکترونیکی که در ان مقدمه ای از تجارت اتکترونیک و شکل دهی موقعیت بازار را بیان نموده است.

مقدمه

از هنگامی که رایانه در تحلیل و ذخیره سازی داده ها بکار رفت (1950) پس از حدود 20 سال، حجم داده ها در پایگاه داده ها دو برابر شد. ولی پس از گذشت دو دهه و همزمان با پیشرفت فن آوری اطلاعات(IT) هر دو سال یکبار حجم داده ها، دو برابر شده و همچنین تعداد پایگاه داده ها با سرعت بیشتری رشد نمود. این در حالی است که تعداد متخصصین تحلیل داده ها با این سرعت رشد نکرد. حتی اگر چنین امری اتفاق می افتاد، بسیاری از پایگاه  داده ها چنان گسترش یافته‌اند که شامل چندصد میلیون یا چندصد میلیارد رکورد ثبت شده هستند.امکان تحلیل و استخراج اطلاعات با روش های معمول آماری از دل انبوه داده ها مستلزم چند روز کار با رایانه های موجود است.[3]

حال با وجود سیستم های یکپارچه اطلاعاتی، سیستم های یکپارچه بانکی و تجارت الکترونیک، لحظه به لحظه به حجم داده ها در پایگاه داده های مربوط اضافه شده و باعث به وجود آمدن حانبارهای عظیمی از داده ها شده است.

این واقعیت، ضرورت کشف و استخراج سریع و دقیق دانش از این پایگاه داده ها را بیش از پیش نمایان کرده است، چنان که در عصر حاضر گفته می شود اطلاعات طلاست.

هم اکنون در هر کشور، سازمان، شرکت و غیره برای امور بازرگانی، پرسنلی، آموزشی، آماری و غیره پایگاه داده ها ایجاد یا خریداری شده است. به طوری که این پایگاه داده ها برای مدیران، برنامه ریزان، پژوهشگران جهت، تصمیم گیری های راهبردی، تهیه گزارش های مختلف، توصیف وضعیت جاری خود و سایر اهداف می تواند مفید 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.[2]

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.[2Error! 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: [6Error! 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.

(( بررسی دقت پیش‌بینی کنندگی شاخص سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران توسط مدلهای هوش مصنوعی))

توجه بسیار مهم:

این فایل قدیمی میباشد و به هیچ عنوان جهت ارائه به مراکز آموزش عالی (( با توجه به کددار بودن پایان نامه ها)) مجاز نبوده و قابل پذریش در هیچ  نهاد و دانشگاهی نمیباشد. هدف از این فایل ، فقط جهت راهنمایی و استفاده از ان به عنوان منبع می باشد. شایان ذکر است این فایل با رضایت صاحب آن در سایت قرارداده شده است

فایل به صورت ورد می باشد و امکان ویرایش دارد. این فایل به صورت کامل صفحه بندی شده و دارای فهست مطالب و .... می باشد. این پایان نامه کامل و جامع می باشد

چکیده:

پیش‌بینی شاخص قیمت سهام و جهت حرکت آن به عنوان یکی از چالش برانگیزترین کاربردهای سری‌های زمانی مورد توجه قرار گرفته است. اگرچه پژوهش‌های تجربی بسیاری در ارتباط با موضوع پیش‌بینی شاخص قیمت سهام صورت گرفته است، اما بیشتر دستاوردهای تجربی، در ارتباط با بازارهای مالی توسعه یافته می‌باشد و پژوهش‌های اندکی در ارتباط با بازارهای مالی در حال توسعه صورت گرفته است. با توجه به توان تحلیلی بالای تکنولوژی داده‌کاوی و با وجود قدرت پردازش بی‌نظیر آن، می‌توان از این تکنولوژی برای تحلیل مسائل بیشماری در دنیای واقعی، از جمله پیش‌بینی استفاده نمود. هدف اصلی این پژوهش پیش‌بینی شاخص کل قیمت بورس اوراق بهادار تهران با استفاده از تکنیک‌های داده‌کاوی می‌باشد. جهت مدل‌سازی تکنیک داده‌کاوی از چهار روش شاخص هوش مصنوعی، که شامل شبکه‌های عصبی مصنوعی، الگوریتم ژنتیک، الگوریتم فازی و روش ترکیبی می‌باشد استفاده شده است. در این پژوهش از داده‌های شاخص کل قیمت بورس اوراق بهادار تهران با نام اختصاری تپیکس[1] استفاده شده است. یکی از اصلی‌ترین شاخص‌های بورس اوراق بهادار تهران است. بازه جمع آوری داده‌ها از سال1390 تا سال 1392 بوده است. سپس با استفاده از داده‌های شاخص کل قیمت سهام بوسیله کد نویسی در محیط نرم‌افزار متلب محاسبه مقادیر سی شرکت از شاخص‌های تکنیکال صورت پذیرفته است. در مورد پروژه علمی انتخابی برای سی شرکت داخل شبکه انجام شده است که به عنوان نمونه برای بانک صادرات مقادیر واقعی 0.00022 و روش ترکیبی 0.00014 است که نسبت به سه روش قبلی به مقادیر واقعی نزدیک‌تر است. مقادیر مربوط به سی شرکت محاسبه شده، به عنوان ورودی شبکه عصبی مصنوعی در نظر گرفته شده و پیش‌بینی مربوط به شاخص کل، مدل ‌سازی گشته است و از الگوریتم ژنتیک و الگوریتم فازی نیز استفاده شده است. در نهایت به این نتیجه رسیدیم که با استفاده از روش ترکیبی به بهبود عملکرد مدل بدست آمده پرداخته شده است.