دانلود فایل پاورپوینت بررسی تکنیک های داده کاوی در روابط عمومی الکترونیک

بخشی از پاورپوینت

اسلاید 1 :

سرفصل ارائه

lروابط عمومي الکترونيک

lدادهکاوي و تکنيکهاي آن

lمدل استفاده از دادهکاوي در روابط عمومي

اسلاید 2 :

روابط عمومي

lوظايف

• تقويت افکار عمومي، ارزيابي و تفسير آن در جهت منافع يک سازمان، شناساندن سازمان به مخاطبين خود و همچنين آن مخاطبين به سازمان

lهفت وظيفه‌ مهم مديريت (لوترگيوليك)

• برنامه‌ريزي (Planning)
• سازماندهي (Organizing)
• به كار گماردن (Staffing)
• هدايت (Directing)
• هماهنگي(Coordinating)
• گزارش‌دهي(Reporting)
• بودجه‌بندي(Budgeting)

اسلاید 3 :

روابط عمومي الکترونيک

lتعريف

l

استفاده از فناوري اطلاعات و ارتباطات در فرايندهاي کاري روابط عمومي

• ايجاد وب سايت
• توسعه وب‌لاگ
• ارائه خدمات Online به مخاطبين
• خبرنامه الکترونيکي
• ...

اسلاید 4 :

مساله چيست؟

lحضور تکنولوژي و افزايش دادهها

lاستفاده از سيستمهاي پايگاه داده براي ذخيره دادهها

lنيازمنديهاي جديد

• تحليل دادهها و استفاده از آن در تصميمات
• کشف اطلاعات غيرصريح و سودمند

اسلاید 5 :

دادهکاوي

lحجم بالاي دادهها در سيستم

• مشکل و يا فرصت مناسب؟

l

lدادهکاوي (Data Mining)

• فرآيند استخراج اطلاعات غيرصريح و احتمالاً سودمندي از پايگاه‌هاي داده است که در گذشته ناشناخته و پنهان بوده‌اند
• کاوش اطلاعات و دانش از پايگاه‌‌هاي داده حجيم

اسلاید 6 :

تکنيکهاي دادهکاوي

lداده‌کاوي وابسته به کاربرد بوده و کاربردهاي مختلف نيازمند روش‌ها و تکنيک‌هاي داده‌کاوي مختلفي هستند.

lکاوش قواعد وابستگي(Association Rules Mining)

• کشف وابستگي‌ها و ارتباطات بين داده‌هاي موجود در يک پايگاه داد
• نتيجه: دسته‌اي از قواعد است که به آن‌ها قواعد وابستگي گفته مي‌شود

اسلاید 7 :

lدسته‌بندي(Classification)

• کاوش قوانين دسته‌بندي
• تعداد دستهها يا کلاسهاي دستهبندي از قبل مشخص ميشود
• نتيجه: توليد يک درخت تصميم يا مجموعه‌اي از قوانين دسته‌بندي، که براي فهم بهتر داده‌هاي موجود در پايگاه داده و همچنين دسته‌بندي داده‌هايي که در آينده به پايگاه داده اضافه مي‌شوند به کار مي‌رود.

lخوشه‌بندي(Clustering)

• گروهبندي دادهها
• برخلاف دسته‌بندي تعداد کلاس‌ها در ابتدا مشخص نيست
• خوشه‌بندي داده‌ها براساس اصل مفهومي حداکثرسازي شباهت‌هاي بين اعضاي هر کلاس و حداقل‌سازي شباهت‌ها بين اعضاي مربوط به کلاس‌هاي مختلف صورت ميگيرد

اسلاید 8 :

lپيش‌بيني(Prediction)

• مقادير ممکن براي متغيرهاي نامعلوم پيش‌بيني مي‌شوند
• استفاده از شبکه‌هاي عصبي و الگوريتم ژنتيک براي پيش‌بيني

lتحليل سري‌هاي زماني(Time Series Analysis)

• هدف: يافتن خصوصيات جالب توجه و نظم‌هاي مشخص در حجم بالاي داده
• رخداد وقايع متوالي، مجموعه وقايعي که بعد از يک واقعه مشخص به وقوع مي‌پيوندند، روند‌ها و انحراف‌ها از جمله اين نظم‌ها و پديده‌هاي جالب توجه هستند

اسلاید 9 :

دادهکاوي در روابط عمومي الکترونيک

lخوشه‌بندي و دسته‌بندي براي بهبود بازايابي، تبليغات و مديريت ارتباط با مخاطبين و به‌طور خاص مشتريان

lقوانين وابستگي و تحليل سري‌هاي زماني براي تشخيص رفتاري مخاطبين

lالگوي تحليل پيوندها و مسائل موجود در نظريه گراف براي نمايش و تحليل تماس‌ها و ارتباطات بين مشتريان

lشناخت نقاط ضعف سيستم با کمک فرايند‌هاي آماري و تکنيک تحليل سري‌هاي زماني

lشناخت علت‌ها و معلول‌هاي موجود در سيستم با کمک قوانين وابستگي

اسلاید 10 :

lپيادهسازي يک مورد کاربردي و اصلاح مدلها

lاستفاده از ابزار رايج در پيادهسازي مورد کاربردي

• MS SQL Server 2005

l

lمدل نهايي

• نوع تحليل مورد نظر سازمان
• حجم و تنوع داده‌هاي موجود