پایان نامه ارشد مدیریت دانش مشتری با موضوع مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده ‌کاوی عنوان شده است.امروزه در زمان استفاده از خدمت یا مصرف کالا توسط مشتری دانش قابل توجهی تبادل می شود. این دانش به عنوان منبعی مهم برای سازمان و کسب و بهره برداری از آن به یک مزیت رقابتی در سازمان ها تبدیل شده است.

 

 

 

 

دانش مشتری نوعی از دانش (یا داده و اطلاعاتی است که قابلیت تحلیل و تفسیر و نهایتاً تبدیل به دانش را دارند) در حوزه ارتباط با مشتری است که قابلیت تأثیرگذاری مستقیم یا غیر مستقیم بر عملکرد سازمانی را دارا می باشد [43]. دانش مشتری اطلاعاتی است که جهت برقراری ارتباط قوی تر با مشتری مورد نیاز است [47]. بهره گیری از دانش مشتری مزایایی را هم برای سازمان و هم برای مشتری به دنبال خواهد داشت. از جمله این مزایا می توان به بهبود محصولات و خدمات ارائه شده به مشتری، افزایش فروش، جلب رضایت مشتری، حفظ مشتری و ... اشاره نمود [34].

 

 

 

 

 

مدیریت دانش مشتری دربردارنده فرایندهایی ست که با شناسایی و اکتساب اطلاعات مشتری و نیز ایجاد و بهره برداری از دانش مشتریان، مربوط است [9]. چنین اطلاعاتی در ماورای محدوده های خارجی سازمان قرار دارند و دانشی که از آن ها استخراج می شود موجب ایجاد ارزش برای سازمان و مشتریان آن خواهد شد [32].در فرایند ایجاد دانش، مشتری به عنوان شریک سازمان شناخته می شود و از آنجا که هردو هدف مشترکی در ذهن دارند (خدمات و محصولات بهتر)، هردو طرف می توانند شرکای خوبی در فرایند ایجاد دانش باشند. 

 

 

 

 

 

 

 

 

 

 

فهرست مطالب
فصل اول 1
1 1  مقدمه 1
1 2  تعريف مسئله 4
1 3  ضرورت انجام تحقيق 10
1 4  مراحل انجام تحقيق 11
1 5  محدوده تحقيق 12
1 6  اهداف تحقيق 13
1 7  ساختار پایان‌نامه 15

 

 

فصل دوم 17
2 1  مقدمه 18
2 2  مديريت دانش 20
2 2 1  دانش چيست؟ 21
2 2 2  هرم دانش 22
2 2 3  انواع دانش 23
2 2 3 1  دانش صريح 23
2 2 3 2  دانش ضمنی 24
2 2 4  مديريت دانش چیست؟ 24
2 2 5  استراتژی‌های مديريت دانش 26
2 2 5 1  استراتژی اجتماعی سازی (تبدیل دانش پنهان به پنهان) 27
2 2 5  2  استراتژی برونی سازی (پنهان به آشکار) 28
2 2 5  3  استراتژی ترکیب سازی (آشکار به آشکار) 28
2 2 5  4  استراتژی درونیسازی (آشکار به پنهان) 29
2 2 6 معایب عدم بهره گیری از دانش در سازمان 29
2 2 7  اهداف مدیریت دانش 30
2 2 8  مدل های مديريت دانش 31
2 3  مديريت دانش مشتری 33
2 3 1  انواع دانش مشتری 35
2 3 2  مدل مدیریت دانش مشتری 40
2 4  مديريت ارتباط با مشتری 42
2 4 1  مديريت ارتباط مشتريان در نظام بانکی 46
2 4 2  مدیریت ارتباط با مشتری: اهداف، مزایا و چالش‌ها 48
2 5  مقايسه مفاهيم CKM و KM و CRM 50
2 6  تاریخچه‌ای از بانک و بانکداری 54
2 7   سير تحول فناوري اطلاعات در صنعت بانكداري 55
2 7 1 دوره اول: اتوماسيون پشت باجه 55
2 7 2  دوره دوم: اتوماسيون جلوي باجه 56
2 7 3  دوره سوم: اتصال مشتريان به حساب‌هایشان 56
2 7 4  دوره چهارم: یکپارچه‌سازی سیستم‌ها و مرتبط كردن مشتريان با تمامي عمليات بانكي 57
2 7 5  بانكداري الكترونيك 57
2 8  داده‌کاوی 58
2 8 1  مقايسه روش‌های آماری و داده‌کاوی 59
2 8 2  مفهوم داده‌کاوی 61
2 8 3  داده‌کاوی و کشف دانش 64
2 8 4  فرايند داده‌کاوی 66
2 8 5  معرفی روش‌های داده‌کاوی 73
2 8 5 1  دسته‌بندی 75
2 8 5 2  درخت تصمیم 76
2 8 5 3  شبکه‌های عصبی 77
2 8 5 4  پیش بینی 79
2 8 5 5  خوشه‌بندی 80
2 8 5 5  انواع خوشه‌بندی 81
2 8 5 5 2  معیارهای ارزیابی در خوشه‌بندی 83
2 8 5 6  تحلیل انحراف 85
2 8 5 7  قواعد وابستگی (انجمنی) 86
2 8 5 8  تحلیل توالی 86
2 8 6  نرم‌افزار داده‌کاوی 87
2 8 7  کاربردهای داده‌کاوی 88
2 8 7 1  داده‌کاوی در صنعت بانكداری 90
2 9  پیشینه تحقیق 91

2 9 1  کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری 93

2 9 2  کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان 96

2 9 3  کاربرد داده‌کاوی در زمینه کشف تقلب 98

2 9 4  کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری 99

2 10  جمع‌بندی مطالب فصل 106

 

فصل سوم 109
3 1  مقدمه 110
3 2  روش پیشنهادی 110
3 2 1  چارچوب تحقیق 111
3 2 2  انتخاب متغیرها 113
3 2 3  آماده‌سازی و پیش‌پردازش داده‌ها 115
3 2 3 1  نرمال سازی داده‌ها 115
3 2 4  تعیین تعداد بهینه خوشه‌ها 116
3 2 5  خوشه‌بندی 117
3 2 5 1  انواع خوشه‌بندی 118
3 2 5 2  خوشه‌بندی به روش K Means 120
3 2 5 1 1  مزایای استفاده از الگوریتم خوشه‌بندی K Means 121
3 2 5 1 2   محدودیت‌های الگوریتم K Means 121
3 2 5 2  خوشه‌بندی به روش WK Means 122
3 2 5 3  خوشه‌بندی به روش A H Means 124
3 2 6  ارزیابی خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترین روش 126
3 2 7  به‌کارگیری دانش حاصل از خوشه‌بندی 128
3 3  روش‌های جمع آوری اطلاعات 128
3 4  جمع‌بندی مطالب فصل 129

 

فصل چهارم 131
4 1  مقدمه 131
4 2  معرفی بانک مهر اقتصاد 132
4 3  موضوع و فعالیت بانک 133
4 4  محاسبات تحقیق 134
4 4 1  گام انتخاب و جمع آوری متغیرهای ورودی 134
4 4 2  گام آماده‌سازی و پیش‌پردازش داده‌ها 136
4 4 3 گام تعیین تعداد بهینه خوشه‌ها 137
4 4 4  گام خوشه‌بندی داده‌ها 138
4 4 4 1  خوشه‌بندی به روش K Means 139
4 4 4 2  خوشه‌بندی به روش WK Means 141
4 4 4 3  خوشه‌بندی به روش A H Means 142
4 4 5  ارزیابی خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترین روش 142
4 4 6 گام به‌کارگیری دانش حاصل از خوشه‌بندی 144
4 5  نتایج تحقیق 147
4 6  جمع‌بندی مطالب فصل 149

 

فصل پنجم 151
5 1  مقدمه 152
5 2  خلاصه تحقیق 152
5 3  نتیجه‌گیری 154
5 4  زمینه‌های پیشنهادی، راهکارها و پیشنهاد‌ات جهت پژوهش‌های آتی 155
منابع و مآخذ 171

 

 

 

 

 

فهرست جدول‌ها
جدول 2 1 انواع مختلف تبدیلات دانش 19
جدول 2 2 مقایسه مفاهیم مدیریت دانش، مدیریت ارتباط با مشتری و مدیریت دانش مشتری 35
جدول 2 3 مقایسه روش‌های تحلیل آماری و داده‌کاوی 41
جدول 2 4 فعالیت‌های مربوط به فازهای CRISP DM و خروجی هر فعالیت 50
جدول 2 5 نمونه داده‌های مورد نیاز در یک مسئله مدل‌سازی به روش دسته‌بندی 54
جدول 2 6 معیارهای محاسبه شباهت در خوشه‌بندی 59
جدول 2 7 معیارهای محاسبه فاصله در خوشه‌بندی 60
جدول 2 8 پژوهش‌های انجام‌گرفته در زمینه کاربرد داده‌کاوی در صنعت بانکداری 71
جدول 3 1 متغیرهای تحقیق 80
جدول 4 1 نمونه ده‌تایی از داده‌های مربوط به مشتریان بانک مهر اقتصاد 95
جدول 4 2 متغیرهای نرمال شده 96
جدول 4 3 وزن نسبی متغیرهای تحقیق 100
جدول 4 5 مقادیر مجموع مربع خطاها در الگوریتم‌های مختلف خوشه‌بندی 101
جدول 4 6 دسته‌بندی مشتریان بر مبنای ویژگی‌های رفتاری مشابه 103
جدول 4 7 اطلاعات مربوط به خوشه‌بندی مشتریان بانک مهر اقتصاد به روش K Means 104

 

 

فهرست تصاویر و نمودارها
شکل 2 1 سلسله‌مراتب دانش 23
شکل 2 2 دانش صریح فقط بخش کوچکی از دانش را تشکیل می‌دهد. 24
شکل 2 3 مدل مدیریت دانش پروبست و رمهارد 32
شکل 2 4 چارچوب خوشه انگور جهت نوع شناسی دانش مشتری 38
شکل 2 5 مدل مدیریت دانش مشتری 41

شکل 2 7 گام‌های فرایند تولید دانش از پایگاه داده‌ها 64

شکل 2 8 متدولوژي فرآيند استاندارد ميان صنعتي داده‌کاوی (CRISP DM) 
شکل 2 9 دسته‌بندی کلی عملکردهای داده‌کاوی 74
شکل 2 11 نیروهای رقابتی پورتر 90
شکل 3 1 چارچوب تحقیق 112
شکل 4 1 خوشه اول، الگوریتم K Means 139
شکل 4 2 خوشه دوم، الگوریتم K Means 140
شکل 4 3 خوشه سوم، الگوریتم K Means 140
شکل 4 4 خوشه چهارم، الگوریتم K Means 140
شکل 4 5 خوشه پنجم، الگوریتم K Means 141