بخشی از پاورپوینت
--- پاورپوینت شامل تصاویر میباشد ----
اسلاید 1 :
روابط عمومي الکترونيک
داده کاوي و تکنيک هاي آن
مدل استفاده از داده کاوي در روابط عمومي
اسلاید 2 :
روابط عمومي
وظايف
تقويت افکار عمومي، ارزيابي و تفسير آن در جهت منافع يک سازمان، شناساندن سازمان به مخاطبين خود و همچنين آن مخاطبين به سازمان
هفت وظيفه مهم مديريت (لوترگيوليك)
برنامه‌ريزي (Planning)
سازماندهي (Organizing)
به كار گماردن (Staffing)
هدايت (Directing)
هماهنگي (Coordinating)
گزارش‌دهي (Reporting)
بودجه‌بندي (Budgeting)
اسلاید 3 :
تعريف
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 :
حضور تکنولوژي و افزايش داده ها
استفاده از سيستم هاي پايگاه داده براي ذخيره داده ها
نيازمندي هاي جديد
تحليل داده ها و استفاده از آن در تصميمات
کشف اطلاعات غيرصريح و سودمند
اسلاید 5 :
حجم بالاي داده ها در سيستم
مشکل و يا فرصت مناسب؟
داده کاوي (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 :
داده‌کاوي وابسته به کاربرد بوده و کاربردهاي مختلف نيازمند روش‌ها و تکنيک‌هاي داده‌کاوي مختلفي هستند.
کاوش 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 :
دسته‌بندي (Classification)
کاوش قوانين دسته‌بندي
تعداد دسته ها يا کلاس هاي دسته بندي از قبل مشخص مي شود
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.
خوشه‌بندي (Clustering)
گروه بندي داده ها
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 مي گيرد
اسلاید 8 :
پيش‌بيني (Prediction)
مقادير ممکن براي متغيرهاي نامعلوم پيش‌بيني مي‌شوند
استفاده از شبکه‌هاي عصبي و الگوريتم ژنتيک براي پيش‌بيني
تحليل 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 :
خوشه‌بندي و دسته‌بندي براي بهبود بازايابي، تبليغات و مديريت ارتباط با مخاطبين و به‌طور خاص مشتريان
قوانين وابستگي و تحليل سري‌هاي زماني براي تشخيص رفتاري مخاطبين
الگوي تحليل پيوندها و مسائل موجود در نظريه گراف براي نمايش و تحليل تماس‌ها و ارتباطات بين مشتريان
شناخت نقاط ضعف سيستم با کمک فرايندهاي آماري و تکنيک تحليل سري‌هاي زماني
شناخت علت‌ها و معلول‌هاي موجود در سيستم با کمک قوانين وابستگي
اسلاید 10 :
پياده سازي يک مورد کاربردي و اصلاح مدل ها
استفاده از ابزار رايج در پياده سازي مورد کاربردي
MS SQL Server 2005
مدل نهايي
نوع تحليل مورد نظر سازمان
حجم و تنوع داده‌هاي موجود
