دانلود فایل پاورپوینت ترفندهای داده کاوی در روابط عمومی الکترونیک

PowerPoint قابل ویرایش
15 صفحه
8900 تومان

لطفا به نکات زیر در هنگام خرید دانلود فایل پاورپوینت ترفندهای داده کاوی در روابط عمومی الکترونیک توجه فرمایید.

1-در این مطلب، متن اسلاید های اولیه دانلود فایل پاورپوینت ترفندهای داده کاوی در روابط عمومی الکترونیک قرار داده شده است

2-به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید

4-در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد

5-در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون زیر قرار نخواهند گرفت

— پاورپوینت شامل تصاویر میباشد —-

اسلاید ۱ :

روابط عمومی الکترونیک
داده کاوی و تکنیک های آن
مدل استفاده از داده کاوی در روابط عمومی

اسلاید ۲ :

روابط عمومی

وظایف
تقویت افکار عمومی، ارزیابی و تفسیر آن در جهت منافع یک سازمان، شناساندن سازمان به مخاطبین خود و همچنین آن مخاطبین به سازمان
هفت وظیفه‌ مهم مدیریت (لوترگیولیک)
برنامه‌ریزی (Planning)
سازماندهی (Organizing)
به کار گماردن (Staffing)
هدایت (Directing)
هماهنگی (Coordinating)
گزارش‌دهی (Reporting)
بودجه‌بندی (Budgeting)

اسلاید ۳ :

تعریف

استفاده از فناوری اطلاعات و ارتباطات در فرایندهای کاری روابط عمومی

ایجاد وب سایت
توسعه وب‌لاگ
ارائه خدمات Online به مخاطبین
خبرنامه الکترونیکی

اسلاید ۴ :

حضور تکنولوژی و افزایش داده ها
استفاده از سیستم های پایگاه داده برای ذخیره داده ها

نیازمندی های جدید
تحلیل داده ها و استفاده از آن در تصمیمات
کشف اطلاعات غیرصریح و سودمند

اسلاید ۵ :

حجم بالای داده ها در سیستم
مشکل و یا فرصت مناسب؟

داده کاوی (Data Mining)
فرآیند استخراج اطلاعات غیرصریح و احتمالاً سودمندی از پایگاه‌های داده است که در گذشته ناشناخته و پنهان بوده‌اند
کاوش اطلاعات و دانش از پایگاه‌‌های داده حجیم

اسلاید ۶ :

داده‌کاوی وابسته به کاربرد بوده و کاربردهای مختلف نیازمند روش‌ها و تکنیک‌های داده‌کاوی مختلفی هستند.

کاوش قواعد وابستگی (Association Rules Mining)
کشف وابستگی‌ها و ارتباطات بین داده‌های موجود در یک پایگاه داد
نتیجه: دسته‌ای از قواعد است که به آن‌ها قواعد وابستگی گفته می‌شود

اسلاید ۷ :

دسته‌بندی (Classification)
کاوش قوانین دسته‌بندی
تعداد دسته ها یا کلاس های دسته بندی از قبل مشخص می شود
نتیجه: تولید یک درخت تصمیم یا مجموعه‌ای از قوانین دسته‌بندی، که برای فهم بهتر داده‌های موجود در پایگاه داده و همچنین دسته‌بندی داده‌هایی که در آینده به پایگاه داده اضافه می‌شوند به کار می‌رود.
خوشه‌بندی (Clustering)
گروه بندی داده ها
برخلاف دسته‌بندی تعداد کلاس‌ها در ابتدا مشخص نیست
خوشه‌بندی داده‌ها براساس اصل مفهومی حداکثرسازی شباهت‌های بین اعضای هر کلاس و حداقل‌سازی شباهت‌ها بین اعضای مربوط به کلاس‌های مختلف صورت می گیرد

اسلاید ۸ :

پیش‌بینی (Prediction)
مقادیر ممکن برای متغیرهای نامعلوم پیش‌بینی می‌شوند
استفاده از شبکه‌های عصبی و الگوریتم ژنتیک برای پیش‌بینی
تحلیل سری‌های زمانی (Time Series Analysis)
هدف: یافتن خصوصیات جالب توجه و نظم‌های مشخص در حجم بالای داده
رخداد وقایع متوالی، مجموعه وقایعی که بعد از یک واقعه مشخص به وقوع می‌پیوندند، روند‌ها و انحراف‌ها از جمله این نظم‌ها و پدیده‌های جالب توجه هستند

اسلاید ۹ :

 

خوشه‌بندی و دسته‌بندی برای بهبود بازایابی، تبلیغات و مدیریت ارتباط با مخاطبین و به‌طور خاص مشتریان
قوانین وابستگی و تحلیل سری‌های زمانی برای تشخیص رفتاری مخاطبین
الگوی تحلیل پیوندها و مسائل موجود در نظریه گراف برای نمایش و تحلیل تماس‌ها و ارتباطات بین مشتریان
شناخت نقاط ضعف سیستم با کمک فرایند‌های آماری و تکنیک تحلیل سری‌های زمانی
شناخت علت‌ها و معلول‌های موجود در سیستم با کمک قوانین وابستگی

اسلاید ۱۰ :

پیاده سازی یک مورد کاربردی و اصلاح مدل ها
استفاده از ابزار رایج در پیاده سازی مورد کاربردی
MS SQL Server 2005

مدل نهایی
نوع تحلیل مورد نظر سازمان
حجم و تنوع داده‌های موجود

مطالب فوق فقط متون اسلاید های ابتدایی پاورپوینت بوده اند . جهت دریافت کل ان ، لطفا خریداری نمایید .
PowerPointقابل ویرایش - قیمت 8900 تومان در 15 صفحه
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد