پژوهش های نوین در تصمیم گیری

چکیده شناخت دقیق رفتار مشتریان و پیش‌بینی روندهای آتی آن‌ها از اولویت‌های کلیدی در سازمان‌ها و به‌ویژه صنعت بانکداری است؛ زیرا حفظ مشتریان فعلی به‌مراتب کم‌هزینه‌تر از جذب مشتریان جدید است. یکی از مهم‌ترین چالش‌ها در این حوزه، شناسایی به‌موقع علائم رویگردانی مشتریان و پیش‌گیری از آن است، به‌ویژه در مواردی که نارضایتی از خدمات یا تغییرات رفتاری تدریجی منجر به قطع تعامل با سازمان می‌شود. در این پژوهش، با تمرکز بر مدل‌سازی پویای رویگردانی مشتریان، داده‌های مربوط به تراکنش‌ها و مانده‌حساب مشتریان طی یک دوره سه‌ساله از یکی از پنج بانک بزرگ کشور جمع‌آوری و تحلیل شده است. روش پیشنهادی مبتنی بر کاوش الگوهای دنباله‌ای است که به شناسایی توالی‌های رفتاری منجر به رویگردانی کمک می‌کند. الگوهای استخراج‌شده در دو دسته اصلی طبقه‌بندی شده‌اند: الگوهای غالب که وضعیت‌هایی با ریسک بالای رویگردانی یا وفاداری پایدار را نمایش می‌دهند، و الگوهای با اطمینان بالا و پشتیبان کم که ابزار مؤثری برای رصد مشتریان در آستانه رویگردانی فراهم می‌کنند. مزیت اصلی این روش، تولید قواعد تفسیرپذیر به‌صورت اگر-آنگاه است که به‌راحتی در محیط‌های واقعی قابل درک و پیاده‌سازی هستند. این چارچوب تحلیلی می‌تواند نقش مؤثری در طراحی مداخلات هدفمند در مدیریت ارتباط با مشتری ایفا کند.

چکیده دانشجویان، به‌عنوان متخصصین آینده و ایفاکنندگان نقش‌های مهم در شبکه‌های ارتباطات اجتماعی و توسعه جامعه، با انواع مشکلات و دشواری‌های روانی مواجه هستند. تشخیص زودهنگام و مداخله به‌موقع می‌تواند از بروز مشکلات جدی‌تر جلوگیری نماید. ازاین‌رو این پژوهش با هدف ارائه چارچوبی نوآورانه برای پیش‌بینی سلامت روان دانشجویان، تلفیقی هوشمندانه از تکنیک‌های تصمیم‌گیری چندمعیاره (دیمتل1)، تحلیل مؤلفه‌های اصلی2 بهبودیافته، و یادگیری ماشین را پیشنهاد می‌دهد. ابتدا بر اساس یک مجموعه داده جامع از اطلاعات دانشجویان و با بهره‌گیری از دیمتل، روابط علّی بین عوامل مؤثر بر سلامت روان دانشجویان شناسایی شد؛ سپس با تحلیل مؤلفه‌های اصلی بهبودیافته، متغیر هدف (وضعیت سلامت روان) استخراج گردید. در مرحله مدل‌سازی، بر اساس مقایسه پنج الگوریتم یادگیری ماشین، مدل رگرسیون لجستیک با دقت 100% و قابلیت تفسیرپذیری بالا به‌عنوان مدل برتر انتخاب شد. ترکیب خروجی احتمالی این مدل با سایر الگوریتم‌ها منجر به بهبود دقت همه مدل‌ها به 100% گردید. تحلیل ضرایب نشان داد متغیرهای روانشناختی شامل اضطراب تحصیلی، افکار خودکشی و افسردگی بیشترین تأثیر منفی و متغیرهای وضعیت تأهل و علاقه به رشته اثرات محافظتی بر سلامت روان دارند. نتایج حاصل از این پژوهش می‌تواند به‌عنوان ابزاری قدرتمند جهت شناسایی زودهنگام دانشجویانی که به حمایت‌های روان‌شناختی نیاز دارند، مورداستفاده قرار گیرد.

چکیده در دنیای رقابتی امروز که شرکتها با حجم انبوهی از اطلاعات مشتریان به علت رشد و پیشرفت فناوری های اطلاعاتی و ایجاد پایگاه های داده ای مختلف مواجه‌اند استفاده از ابزار مدیریت ارتباط با مشتری که بتواند به درستی و به ‌موقع نیازها و انتظارات مشتریان را شناسایی و رصد کند بیش از پیش ضرورت می‌یابد؛ یکی از تکنیک‌هایی که می‌تواند در این برهه نقشی کلیدی و اساسی ایفاکند داده‌کاوی پایگاه داده‌هاست. هدف این پژوهش تحلیل داده‌های مشتریان بر پایه مدل WRFM به کمک روش‌های داده‌کاوی غیرنظارتی است؛ پژوهشگران درصددند که با کشف الگوهای موجود به ارایه استراتژی‌های مؤثرتری برای هر گروه از مشتریان و خصوصاً مشتریان کلیدی بپردازند تا برای سازمان سودآوری و عملکرد بهتری در برداشته باشد. .جامعه آماری این پژوهش مشتریان محصولات بهداشتی و آرایشی دربازه زمانی سال‌های1397-1398 است که به‌ روش نمونه‌گیری هدفمند در دسترس تعداد 64858 نمونه از پایگاه داده مشتریان انتخاب شده است. به کمک 3 تن از خبرگان (مدیران ارشد) فروش شرکت وزن شاخص‌های مدل WRFM تعیین شده است. برای تجزیه وتحلیل داده‌ها از نرم افزار کلمنتاین وSPSS استفاده شده است. با توجه به مدل پژوهش، 4دسته مشتری: خاص و کلیدی، طلایی بالقوه، نامطمئن ازدست رفته، نامطمئن جدید شناسایی و نامگذاری شدند که برای هر یک از این دسته‌ها استراتژی‌‌های متفاوتی ارایه شده است. ضمنا نتایج نشان می‌دهد که خوشه‌بندی K- میانگین شش خوشه‌ای با خلوص 0/744درصد نسبت به دیگر روش‌ها عملکرد بهتری داشته است.

چکیده سیستم‌های خبره فازی از سیستم‌های هوشمندی هستند که بکارگیری آن‌ها می‌تواند منجر به حصول نتایج بهتری در ارزیابی عملکرد سیستم بانکی شود. هدف از پژوهش حاضر آن است تا با استفاده از متغیرهای فازی در کنار متغیرهای مالی به ارزیابی عملکرد شعب بانک‌ها پرداخت شود. در این پژوهش ابتدا با استفاده از پیاده سازی الگوریتم‌های داده کاوی بر روی داده‌های مالی شعب، به استخراج قوانین موجود در داده‌ها پرداخته شد و در گام بعدی با استفاده از قوانین موجود در داده‌های مالی و در کنار متغیرهای فازی به طراحی سیستم‌خبره فازی به منظور دستیابی به سیستمی که بتواند به طور جامع عملکرد شعب بانک را مورد بررسی قرار دهد پرداخته شده است. در طراحی سیستم‌خبره از نه متغیر فازی با عنوان مکان شعبه، وفاداری مشتریان، رضایت کارکنان، رضایت مشتری، خلاقیت و نوع آوری، ظاهر شعبه، ظاهر کاکنان، ثبات کارکنان و همچنین خروجی حاصل از نرخ‌های مالی استفاده گردیده است. به منظور استخراج قوانین موجود در داده‌های شعب از الگوریتم‌های درخت تصمیم و 0.5 c استفاده گردیده است و برای طراحی سیستم‌خبره فازی از سیستم استنتاج فازی متلب بهره گرفته شده است. نتایج حاصل از پژوهش نشان داد که با استفاده ازداده‌کاوی و سیستم‌های خبره فازی می‌توان دانش نهفته در داده‌های شعب را استخراج کرد و به صورت یک سیستم‌خبره جامع عملکرد شعب بانک را مورد ارزیابی قرار داد.

چکیده در دهه اخیر، توانایی بشر برای تولید و ذخیره داده‌ها به‌سرعت افزایش یافته است. با افزایش حجم داده‌های ذخیره‌شده، نیاز به روشی که بتوان با استفاده از آن به تحلیل اطلاعات و دانش موجود در داده‌ها پرداخت بیشتر از پیش احساس می‌شود. فنون داده‌کاوی و روش‌های تصمیم‌گیری چند شاخصه در دهه‌های اخیر هرکدام به شکلی کمک‌رسان مدیران در عرصه تصمیم‌گیری بوده‌اند. در پژوهش حاضر، با تلفیق فرآیند داده‌کاوی و روش‌های تصمیم‌گیری چند‌شاخصه، روشی برای خوشه‌بندی کارگاه‌های صنعتی ارائه شده است. در روش پیشنهادی، ابتدا فرآیند داده‌کاوی بر اساس روش‌های تجزیه‌وتحلیل سلسله مراتبی، K-means و شبکه عصبی کوهونن صورت گرفته و سپس عملکرد مدل طراحی‌شده جهت تعیین تعداد خوشه بهینه با شاخص‌های اعتبارسنجی مجموع خطای مربعی و واریانس بین خوشه‌ای سنجیده شده است. بخش صنایع غذایی به‌عنوان مورد مطالعاتی پژوهش موردبررسی قرار گرفته و بر اساس یافته‌های به‌دست‌آمده، چهار خوشه به‌عنوان تعداد خوشه بهینه کارگاه‌های صنعتی این بخش معرفی شده است. خوشه‌های به‌دست‌آمده بر اساس متغیرهای توزیع جمعیت، سطح درآمد و ارزش‌افزوده فعالیت‌های صنعتی در خوشه‌ها نام‌گذاری شد‌ه‌اند و در پایان، پیشنهاد‌هایی در دو بخش کاربردی و پژوهشی برای تصمیم‌گیرندگان و سیاست‌گذاران این صنعت و سایر محققان این حوزه ارائه شده است.

چکیده تسهیلات بانکی به‌عنوان یکی از پراهمیت ترین کارکرد بانک ها از اهمیت بالایی برخوردار است. اهمیت شناسایی مشتریان تسهیلاتی اگر بیشتر از مشتریانی سپرده گزار نباشد به هیچ وجه کمتر نخواهد بود. در پژوهش‌های صورت گرفته، اهمیت این مشتریان بطور نسبی کمتر موردتوجه قرار گرفته است. هدف اصلی پژوهش حاضر، کاستن از مشکلات ارائه تسهیلات مناسب به مشتریان و طراحی سیستم توصیه گر تسهیلات بانکی با استفاده از داده های قبلی مربوط به تسهیلات ثبت شده در یک بانک منتخب و بزرگ کشور می باشد. راهکار ارائه شده، با دریافت داده های تسهیلات و اطلاعات حساب مشتری، گروه های مشتریان را در طی فرآیند آموزش و اعتبارسنجی، فراگرفته و بر مبنای آن، امکان پیش بینی شرایط مشتری برای دریافت تسهیلات آتی را فراهم می نماید. به منظور طراحی راهکار توصیه گر، روش های داده کاوی مناسب به همراه رویکرد اعتبارسنجی متناسب با هر روش انتخاب گردید و سیستم نهایی با خطای اندک، جهت گیری مناسب بانک نسبت به متقاضیان دریافت تسهیلات را معین نموده است که به تصمیم گیری مدیران برای ارائه دقیق تر تسهیلات، یاری خواهد رساند. این سیستم به بانک ها کمک می کند تا با شناسایی انواع مشتریان تسهیلاتی خود، تصمیمات مرتبط با هر گروه را به منظور ایجاد حداکثر سود و کاهش هزینه های وصول مطالبات اتخاذ نمایند و رویکرد متناسبی را برای هر مشتری در پیش گیرند. در نهایت، سیستم به سرپرستان بانک نیز ارائه گردید و بازخوردهای مطلوبی برای بهبود و ارتقاء راهکار دریافت شد.