بخشی از مقاله
نقش داده کاوی در بازاریابی و مدیریت دانش مشتری و مدیریت زنجیره تامین
چکیده:
پیشرفت در زمینه تکنولوژی اطلاعات، بازاریابی ارتباطی را در سالهای اخیر به واقعیتی انکارناپذیر تبدیل کرده است. تکنولوژیهایی مانند انبارداده ای، داده کاوی و مدیریت نرم افزار رقابت، مدیریت روابط مشتری را به عنوان حوزه جدیدی که شرکت در آن می تواند مزیت رقابتی کسب نماید معرفی نموده است. به ویژه از طریق داده کاوی، با استخراج اطلاعات پنهانی از پایگاه داده ای بزرگ، سازمانها می توانند مشتریان ارزشمند را تعیین و رفتار آینده آنها را پیش بینی کنند. ابزارهای داده کاوی به سئوالاتی از کسب و کار پاسخ می دهد که در گذشته پیگیری آنها بسیار وقت گیر بوده است. با این حال توانمندیهای موجود در داده کاوی، مدیریت روابط مشتری را به نحو بهتری ممکن می سازد لذا تاکید تحقیقات و مطالعات کنونی بر اهمیت مدیریت ارتباط با مشتری و ایجاد یک فضای کاربردی مفید برای بهره مندی از یک عملکرد ایده آل بازاریابی، با استفاده از تکنیک ها و ابزارهای داده کاوی در سیستم های پشتیبان تصمیم گیری است. در این مقاله قصد داریم با استفاده از روش های داده کاوی و تکنیک های مدیریت دانش به ارائه چهارچوبی ساده و جامع پیرامون مدیریت دانش مشتری با توجه به مدیریت زنجیره تامین بپردازیم.
کلمات کلیدی : SCMمدیریت زنجیرهتٲمین , دادهکاوی , اعتبارسنجی دوطرفه-vتایی , دانش مدار.
-1 مقدمه :
چگونگی بازاریابی و مدیریت اطلاعات مشتریان قدم نهاده است و شرکتها و سازمانهای بازرگانی و صنعتی امروزه با گسترش اینترنت وشبکه جهانی وب بطورگسترده ای قابلیت جمع آوری حجم زیادی از داده های مشتریان (خریدار و فروشنده) یک کسب وکار در یک پایگاه داده بزرگ را دارا هستند. اگرچه دانش بطور انحصاری محصول فناوری اطلاعات نیست، ولی فناوری اطلاعات بطور لاینفکی در ایجاد دانش و فرآیند مدیریت دانش از سالهای اول مشارکت داشته است. امروزه مدیریت دانش از مسئولیت های فناوری اطلاعات بشمار می رود. زیرا در جمع آوری، تبدیل دانش و انتقال داده ها، اطلاعات و دانش نقش کلیدی دارد. از منظر مدیریت دانش، هدف داده کاوی، کشف دانش سازمانی پنهان در اطلاعات خام است. اینگونه نیست که هر بینش حاصل از داده کاوی دانش می سازد، بلکه در عوض بسیاری از نتایج به دست آمده، اطلاعات مدیریت، یا هوش سازمانی است. مثلاً در سازمانهای تجاری، دانش با ارزش مورد مشتری، محصول و بازار را میتوان از طریق داده کاوی به دست آورد. داده کاوی
ابزار مفیدی برای مدیران دانش است که کشف را با تحلیل تلفیق می کنند. تلفیقی که اغلب منجر به ایجاد دانش می شود.
1
چرا که از یک سو، با در دسترس بودن حجم زیادی ازداده های مشتریان می توان با استفاده از ابزارهای داده کاوی فرصتهای حیاتی برای ایجاد مزیت رقابتی در سازمان ایجاد نمود. برای مثال وال مارت بزرگترین فروشگاه زنجیره ای آمریکا پایگاه داده ای مربوط به زنجیره تامین با 43 ترابایت دارد که بزرگ تر از پایگاه داده استفاده شده برای جمع آوری خدمات مالیات بردرآمد است [1] ، از سوی دیگر بسیاری از سازمانها دریافته اند که دانش نهفته در این پایگاه داده های عظیم، برای بهبود و گسترش سیستم های پشتیبان تصمیم گیری یک سازمان نقش کلیدی دارد. در این زمینه خصوصا دانش مربوط به مشتریان برای عملکرد تصمیمات مربوط به مدیریت زنجیره تامین، عاملی حیاتی و بحرانی می باشد. اما متاسفانه حجم زیادی از این دانش مخفی و در نتیجه بلا استفاده باقی مانده است و از طرف دیگر رقابت شدید و افزایش امکان انتخاب برای مشتریان یک فشار جدید بر تصمیم گیران بازار سازمان ایجاد کرده است و به همین دلیل نیازبه مدیریت ارتیاط با مشتریان و نیز مدیریت دانش مشتری در یک بازه زمانی طولانی بیش از پیش آشکار شده است .
این پدیده نوین که مدیریت دانش مشتری نامیده می شود مستلزم این است که سازمان، محصولاتش را سازماندهی کرده و با مشتریان اعم از خریدارن و تامین کنندگان مواد اولیه نه بر پایه مشخصات عمومی از پیش فرض شده بلکه بر مبنای ترجیحات واقعی مشتریان تعامل داشته باشد [2,3] در حالیکه سازمانها در راستای اهداف مدیریت ارتباط با مشتریان رو به جلو حرکت می کند، عملکرد بازاریابی به عنوان خطوط مقدم در تعامل با مصرف کننده و تامین کننده نقش اساسی دارد.
-2 مدیریت زنجیره تامین :
در فضای رقابتی تجارت امروز دنیا، شرکتها و سازمانها باید محصولات متنوع را با توجه به درخواست مشتری در دسترس وی قرار دهند. خواست مشتری برکیفیت بالا و خدمت رسانی سریع موجب افزایش فشارهایی شده است که قبلا وجود نداشته است، در نتیجه شرکت ها بیش از این نمی توانند به تنهایی از عهده تمامی کارها برآیند. بنابراین با بهره گیری از انواع فناوری و علوم مدیریت، اقدام به ایجاد مزایای رقابتی از طریق ابزارهای مدیریت داده و مدیریت دانش و بهینه سازی روندهای سازمانی مانند تولید و یا ارتباطات سازمان می کنند.
یکی ازمهمترین علوم مدیریتی که به عنوان یکی از مبانی زیرساختی پیاده سازی کسب وکار الکترونیک دردنیا مطرح است، مدیریت زنجیره تٲمین (SCM) است. این علم در دهه 90 میلادی ظهور یافته و در این زمینه مباحث سودمندی را مطرح کرده است و اینکار را به طریقی انجام می دهد که مشتریان بتوانند خدمت قابل اطمینان و سریع را با محصولات با کیفیت در حداقل هزینه دریافت کنند. لذا با بهره گیری از این ابزار سازمان شما قادرخواهد بود روابط تجاری خود را با بهینه سازی تبادل اطلاعات با همکاران تجاری نظیر تامین کنندگان مواد اولیه، توزیع کنندگان محصولات و پیمانکاران حمل و نقل کالا توسعه دهد. بدین ترتیب بنگاه اقتصادی شما موفق خواهد شد تا در زمان بسیارکمتری محصول خود را به بازار عرضه کرده و زمان تولید و هزینه های اتلافی را پایین آورد.[4]
بنابراین در بازار رقابتی موجود، بنگاه های اقتصادی و تولیدی علاوه بر پرداختن به سازمان و منابع داخلی، خود را به مدیریت و نظارت بر منابع و ارکان مرتبط خارج از سازمان نیازمند یافته اند. علت این امر در واقع دستیابی به مزیت رقابتی با هدف کسب سهم بیشتری از بازار است. براین اساس فعالیت هایی نظیر برنامه ریزی عرضه و تقاضا، تهیه مواد، تولید و برنامه ریزی محصول، خدمت نگهداری کالا، کنترل موجودی، توزیع، تحویل و خدمت به مشتری که قبلا همگی در سطح شرکت انجام می شده اند، اینک به سطح زنجیره عرضه انتقال پیدا کرده است. مساله کلیدی در یک زنجیره تامین، مدیریت و کنترل هماهنگ تمامی این فعالیت هاست. در حالت کلی زنجیره تامین از دو یا چند سازمان تشکیل می شود که رسما ازیکدیگر جدا هستند و به وسیله جریانهای مواد، اطلاعات و جریانهای مالی به یکدیگر مربوط میشوند. این سازمانها می توانند بنگاه هایی باشند که مواداولیه، قطعات، محصول نهایی و یا خدماتی چون توزیع، انبارش، عمده فروشی و خرده فروشی تولید می کنند. حتی خود مصرف کننده
2
نهایی را نیز می توان یکی ازاین سازمانها در نظرگرفت. تعاریف مختصر و جامعی که می توان از زنجیره تامین و مدیریت زنجیره تامین ارائه داد عبارتند از :
زنجیره تامین بر تمام فعالیتهای مرتبط با جریان و تبدیل کالاها از مرحله ماده خام (استخراج) تا تحویل به مصرف کننده نهایی و نیز جریانهای اطلاعاتی مرتبط با آنها مشتمل می شود. بطور کلی زنجیره تامین، زنجیره ای است که همه فعالیتهای مرتبط با جریان کالا وتبدیل مواد، ازمرحله تهیه ماده اولیه تا مرحله تحویل کالای نهایی به مصرف کننده را شامل می شود. درباره جریان کالا دو جریان اطلاعات و جریان منابع مالی و اعتبارات نیزحضور دارد .(Laudon & Laudon, 2002)
مدیریت زنجیره تامین تلفیقی است از هنر و علم که در جهت بهبود دسترسی به مواد اولیه، ساخت محصولات و یا خدمات و انتقال آن به مشتری بکار می رود. مدیریت زنجیره تامین بر یکپارچه سازی فعالیت های زنجیره تامین و نیز جریانهای اطلاعاتی مرتبط با آنها ازطریق بهبود در روابط زنجیره درجهت دستیابی به مزیت رقابتی قابل اتکا و مستدام، مشتمل میشود لذا، مدیریت زنجیره تامین فرایند یکپارچه سازی فعالیت های زنجیره تامین و نیز جریان های اطلاعاتی مرتبط با آن ازطریق بهبود وهماهنگ سازی فعالیت ها در زنجیره تامین تولید و عرضه محصول است .
-3 داده کاوی :
داده کاوی درحقیقت فرآیند جستجو و تحلیل مجموعه عظیمی از داده ها به منظور کشف الگوهای ناشناخته جالب توجه، غیرمنتظره و با ارزش و اطلاعات جدید و مفید قابل درک از حجم عظیمی از داده ها است. و شامل انتخاب، کاوش و مدلسازی مقادیر زیادی از داده ها میشود. داده کاوی از روشهای محاسباتی شبیه به هم زیادی چون تحلیل های آماری، درخت تصمیم گیری، شبکه های عصبی، قاعده های استقرا و اصلاح و نیز تصویری کردن استفاده می کند.[5] با توجه به این موضوع که ابزارهای مورد استفاده در داده کاوی خصوصا ابزار اکتشافی چون شبکه عصبی و تصویر سازی داده تاثیر بسزایی در پیشرفت علوم کامپیوتر داشته است، داده کاوی در چند سال اخیربه عنوان ابزاری برای کشف دانش بسیارجذاب و کاربردی مدنظر قرار گرفته است، وظایف داده کاوی برای استخراج الگوها از مجموعه داده های بزرگ استفاده می شود و میتوان به صورت کلی به صورت زیر بیان کرد: [6,7]
(1) دسته بندی: در این بخش ویژگی های یک داده جدید را بررسی کرده وآن را به کلاس ها یا طبقه های از پیش تعیین شده تخصیص می دهیم. برای دسته بندی از تکنیک های شبکه عصبی و درخت تصمیم استفاده می شود.
(2) تخمین و برآورد: در این بخش تخمین و برآورد مشخصه های یک مجموعه از داده ها آزمایش شده و مقادیری به مشخصه های ناشناخته نسبت داده می شود. در این مرحله معمولا از شبکه های عصبی استفاده می شود.
(3) پیش بینی: پیش بینی رفتار آینده برای بررسی صحت دسته بندی .
(4) گروه بندی شباهت(قوانین وابستگی): ویژگی های همزمانی که در وقوع یک پدیده رخ می دهند، یا ارتباط مشخصه ها با یکدیگر در یک محیط داده شده، در این قسمت مشخص می شود به عبارتی تعیین احتمال وقوع یا عدم وقوع همزمان ویژگی هاست .
(5) خوشه بندی: معمولترین شکل داده کاوی غیر هدایت شده است که گروه های منظمی را با اطلاعات مشابه پیدا می کند، بدون اینکه مثل دسته بندی کلاسهای از پیش تعیین شده داشته باشد؛ یعنی هیچ دستور کاری در این زمینه ندارد که بگوید چه متغیرهایی باید مهمتر محسوب شوند. در این قسمت از تکنیکهای کشف الگوی آماری، شبکه عصبی و منطق فازی استفاده می شود .
(6) نمایه سازی: توصیف آن چیزی که در یک پایگاه داده پیچیده در جریان است .
3
-4 فرآیند مدیریت دانش :
باید توجه داشت که کشف دانش و یادگیری یک فرآیند تکرار پذیراست که در بدنه چارچوب مدیریت دانش گسترده است. و تا زمانیکه صلاحیت مدل تایید شود ادامه دارد. این روش سیستماتیک به منظور نگهداری، اصلاح و استفاده از این مدلها برای تصمیم گیری موثر در آینده بسیارمهم می باشند. این فرآیند تکرار پذیر شامل مراحل زیر است:[8,9] (1) هدف از داده کاوی ( اهداف تصمیم گیری): باید قبل از داده کاوی اهداف شناسایی و دانش اولیه جمع آوری شوند چراکه
اگر قبل از شناسایی هدف بخواهیم تکنیکهای داده کاوی را به کار بگیریم به الگوهای نامشخص و بی معنی خواهیم رسید.
(2) جمع آوری داده ها: می دانیم که تکنیک های داده کاوی معمولا روی کل پایگاه داده انجام میشود، ولی ممکن است با استخراج یک نمونه آماری نماینده از داده ها نیز کار کند. در این مرحله تصمیم گیری می کنیم که عملیات کاوش روی نمونه ای از داده ها صورت گیرد یا از کل پایگاه داده استفاده شود و با توجه به این موضوع داده های مورد نیاز برای داده کاوی از پایگاه داده جمع آوری میشوند.
(3) پیش پردازش داده ها: این مرحله دارای بخشهای مختلفی است که به سه بخش اساسی زیر اشاره می شود:
انتخاب داده ها: دراین مرحله باید داده ها انتخاب و بررسی شوند که آیا برای هدف مورد نظر مناسب هستند و یا خیر؟ پاکسازی داده ها: بعد از انتخاب داده ها، داده ها بایستی آماده شوند. در این مرحله داده های پرت متعادل سازی میشوند، که برای اینکار می توان نقاط پرت را حذف کرد و یا مقدار رکورد میانگین معادل را به جای آن قرار داد. البته در برخی از مواقع با توجه به هدف داده کاوی مانند یافتن تقلب، نه تنها این داده را حذف نمی کنیم بلکه بر روی آنها توجه اساسی می شود.
تبدیل و انتقال داده ها: دراین مرحله تغییراتی بر روی داده ها صورت می گیرد مثلا فرمت تاریخ، واحد پول و... به صورت مشخصی تبدیل می شوند. همچنین تبدیل واحدها ، تبدیل مقیاس ها، تبدیل داده های عددی به کاراکتر و بالعکس باید انجام شود.
(4) داده کاوی: در این مرحله، وظایف داده کاوی که در پیش گفته شد روی داده ها صورت می گیرد.
(5) تصویری کردن: در این مرحله به بررسی داده ها با استفاده از تصویری کردن که یکی از مهم ترین اجزای هر فعالیت داده کاوی است (زیرا انسانها در پردازش اطلاعات تصویری موفق تر هستند و یک شکل تصویری می تواند در عرض چند ثانیه اطلاعات زیادی را به ما بدهد و می توان اطلاعات مهمی را از آن استخراج کرد)، می پردازیم. البته اینکار میتواند هم پیش از عملیات کاوش به منظور محسوس شدن داده ها به منظور تعیین متغیرها و شاخصهای مناسب، مورداستفاده واقع شود و هم پس ازعملیات کاوش به منظور بررسی الگوهای به دست آمده.
(6) ارزیابی مدل: پس ازمراحل فوق مدل حاصل شده ارزیابی میشود و صلاحیت آن تایید می گردد. در داده کاوی مهم است که مطمئن شویم دانش به دست آمده از داده کاوی قابل اعتماد است یا خیر. برای آزمون مدل به دست آمده می توان از روشهای آزمون آماری و اعتبار سنجی دو طرفه-v تایی استفاده نمود .
(7) کشف و استخراج دانش: پس از تعیین صلاحیت مدلهای حاصل شده، اطلاعات به دست آمده از این مدلها توسط خبرگان به دانش مفید و جالب توجه تبدیل می شود .
-1-4 مطالب مهم در مدیریت دانش :
دراقتصاد الکترونیک امروزی، دانش به عنوان یک ابزار یاری دهنده مدنظر قرارگرفته است و اجرای مدیریت دانش، یک سازمان را در گسترش وتوسعه محصولات جدید و تصمیم گیریهای مهم در زمینه مدیریت استراتژیک حمایت می کند. اولین مطلب مهم در مدیریت دانش، سازمان دهی، انتشار و پالایش دانش است. در زمینه مدیریت دانش یک وظیفه مهم
4
تبدیل دانش مخفی به دانش صریح و آشکار است که با استفاده از روش داده کاوی می توان دانش مربوط به مشتری (تامین کننده و مصرف کننده) را از بخشهای مختلف بازار به دست آورد و یا اینکه توسط خبرگان بدست آورده و اصلاح روشن نمود. دانش جمع آوری شده میتواند بوسیله شاخص گذاری اجزای دانش، تصفیه بر اساس محتوا و برقراری ارتباط و پیوستگی میان اجزای دانش، سازماندهی شود. این دانش سپس در یک پایگاه دانش به صورت یکپارچه درآمده در زمینه های مختلف سیستم پشتیبان تصمیم گیری منتشر می گردد. درک و بصیرت به دست آمده در این زمینه ها برای اصلاح دانش موجود به کار برده شده و به مرحله سازمان دهی دانش بازخورد می شود.
دومین مطلب مهم در مدیریت دانش یکپارچه سازی دانش بدست آمده از منابع مجزا می باشد. به طور مثال دانش سیستم های پشتیبان تصمیم گیری بازاریابی از سه منبع اصلی دانش مشتری حاصل از خرده فروش، دانش مصرف کننده حاصل از تحقیقات بازاریابی و دانش بازارحاصل از افرادخبره ناشی می شود .
این دانش بطور گسترده ایی توسط بنگاه یا سازمان میان شرکای زنجیره تامین بنگاه همچون تامین کنندگان و خرده فروشان به اشتراک گذاشته میشود. امروزه تکنولوژی اطلاعات و اینترنت برای اشتراک چنین دانشی توانمند و پیشرفته شده است. یکی از مثالهای معمول از این نوع عملیات به اشتراک گذاری دانش، مشارکت میان شرکتهای P&G (Procter & Gamble) وWall-Mart می باشد. تیم تجارت P&G وWall-Mart مفاهیمی مثل بزرگراه داده
های مشترک و کارت امتیاز مشترک را به منظور تسهیم دانش میان این دو سازمان به کار می گیرند. این تسهیم دانش برای هر دو شرکت مفید وسودمند واقع شده است. [10] علاوه براین وال مارت با ایجاد و گسترش یک ابزار خاص، دانش را میان شرکای فروشنده و حمل کننده خود به اشتراک می گذارد وP&G بطور پیوستهسیستم خدمت رسانی خود را به مشتریان دیگر گسترش داده است . لذا همانطورکه یک بنگاه شرکای زنجیره تامین خود را گسترش می دهد، دانش حیاتی بازاریابی با محدودیت های سنتی سازمانی در تقابل قرار می گیرد. در این زمینه مالکیت و دستیابی به دانش بازاریابی، استاندارد تبادل دانش و تسهیم درخواست ها از عوامل بسیارمهم در موفقیت سازمان و بنگاه می باشند.
حرکت از بازاریابی انبوه به بازاریابی همراه ارتباط با مشتری نیاز به بازاریابانی دارد که با استراتژی های خاص برای هر مشتری منحصرا بر اساس مشخصات خودش تصمیم گیری کنند. به کمک ابزارهای سنتی، این کار بسیار پیچیده، پرزحمت وطاقت فرساست که نیاز به بازاریابان بسیاری دارد. در اینصورت تصمیمات بازاریابی و ارتباط با مشتری، درمحیط پیچیده و همواره درحال تغییر ترجیحات مشتریان امروز، باید بر اساس دانش فردی مخصوص به هر مشتری شکل گیرد. که ابزارهای داده کاوی این امکان را فراهم می کنند. این سطح دانش مشتری همراه با تکنولوژی تعاملی امروز مثل اینترنت، می تواند به بازاریابی و مدیریت ارتباط موفق، روبه رشد و توسعه ی با مشتری منجر شود؛ البته استراتژیهای بازاریابی مشتری مدار تاثیرگذار، نیازمند اداره نظام مند دانش حاصل از مشتری است. فرآیند یکپارچه سازی کامل تصمیمات بازاریابی بادانش حاصل ازمشتری را بازاریابی مبتنی بردانش گویند، در بخش بعد بیان می کنیم که چگونه بازاریابان می توانند از این دانش بهره مند شوند.
