ارائه مدلی جهت شناسایی مشتریان ترجیحی درسیستم برنامه ریزی منابع سازمان ERP با استفاده ازتکنیک های داده کاوی
Publish place: First National Conference on Advances in computer science and information retrieval approaches
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,267
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BPJ01_159
تاریخ نمایه سازی: 29 دی 1392
Abstract:
سیستم برنامه ریزی منابع سازمان برنامه ای کاربردی بوده و تاثیرات چشمگیری درموفقیت ورشدسازمان هادردوران کنونی دارند این سیستمها به یک عامل ضروری و حیاتی برای موفقیت سازمان ها تبدیل شده اند سیستم های برنامه ریزی منابع سازمان ازمقدارزیادی ازداده ها که دارای ویژگیهای متفاوتی هستند استفاده می کنند کارویژه اینسیستم ها بهترین استفاده ازمنابع سازمان و تجزیه و تحلیل درخواست ها و مشکلات مشتریان است با استفاده ازتکنیکهای داده کاوی میتوان ازداده های موجود دراین سیستم ها برای استخراج الگوهای جدید که درنهایت می توانند برای رشدسازمان مفید واقع شوند استفاده کرد یکی ازمهمترین مسائل مربوط به این حوزه شناخت صحیح مشتریان دائمی و موثرنسبت به مشتریان عادی است ترکیب مهارت های مدیریتی باداده کاوی میتواند تاحدودزیادی مدلهای پیش بینی و تجزیه و تحلیل مدیریت ارتباط با مشتری رابهبود دهد دراین چارچوب سعی شده است تا باارایه مدلی نحوه گردش اطلاعات درسازمان هایی که ازسیستم برنامه ریزی منابع سازمان را استفاده می کنند شرح داد سپس با استفاده ازلایه کشف دانش و قوانین ایجادشده بتوان با استفاده ازتکنیکهای طبقه بندی داده کاوی مشتریان ترجیحی را شناسایی کرد
Keywords:
Authors
کریم بیابانی
دانشجوی کارشناسی ارشدفناوری اطلاعات
میثم جعفرپورکشتلی
دانشجوی کارشناسی ارشدفناوری اطلاعات
امین قاضی زاهدی
کارشناسی ارشدهوش مصنوعی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :