توسعه سیستم تصمیم یار برای تجزیه و تحلیل اطلاعات مشتریان با تمرکز بر استنتاج موردگرا در محیط b2b

برای یک سازمان در فضای اقتصاد مبتنی بر دانش، مدیریت سرمایه های فکری و تجربی به منظور رقابت و بقا ضروری می باشد. گرچه انتقال و ارایه دانش ملموس و غیر ملموس مشکل است، اما حافظه موجود سازمان و پایگاه های اطلاعاتی سازمان، شامل منابع گرانبهایی به منظور آشکارسازی ثروت دانشی سازمان می باشند. دانش از استنتاج داده ها و اطلاعات بدست می آید، دانش بطور فعالی در عملکرد، حل مساله، تصمیم گیری، یادگیری و آموزش موثر است.طرح ها و اقدامات بازاریابی مربوط به گذشته، شامل دانش و تجارب و مستندات ارزشمندی می باشند، این اقدامات و طرح ها توسط مدیران بازاریابی و فروش سازمان توسعه داده شده و اجرا شده اند. گرچه تجارب بطور شفاهی قابل انتشار و به اشتراک گذاری هستند، اما دانش هنگامی مفید است که در زمان مناسب، در موقعیت مناسب و توسط فردی مناسب فراهم گردد.بنابراین نگهداری سیستماتیک سوابق و موارد گذشته در یک سیستم کامپیوتری، فراهم آوری مکانیزمی به منظور بازیافت موثر و فراهم آوری مکانیزم تطبیق برای مدیران بازاریابی، اجباری و بسیار سودمند می باشد. این موضوع گامی بسیار مهم در جهت پیاده سازی مدیریت دانش بازاریابی و مدیریت ارتباطات مشتریان در سازمان می باشد.هدف این تز، ارایه یک سیستم استنتاج موردگرا در حیطه بازاریابی و فروش می باشد، تا اقدامات بازاریابی و فروش در یک پایگاه موارد ذخیره شده و به منظور اشتراک و انتشار در مورد شرایط خاص یک مشتری مورد استفاده قرار گیرند.استنتاج موردگرا شامل بازیافت، استفاده مجدد، تجدید نظر و نگهداری موارد می باشد و ثابت کرده است که روشی موثر در بازیافت اطلاعات و دانش مربوط به موقعیت های قبلی می باشد. استنتاج موردگرا بطور گسترده ای در حوزه های مختلف حل مساله، بطور تیوری و کاربردی مورد استفاده قرار گرفته است.سیستم استنتاج موردگرا پیشنهادی، شامل دو محور جدید در حیطه های مجموعه های نادقیق و سیستم استنتاج فازی می باشد، که به منظور افزایش انعطاف پذیری و عملکرد سیستم طراحی شده اند. به منظور آنالیز پایگاه موارد، الگوریتمی بر اساس مجموعه های ناموزون جهت بررسی ضریب اهمیت ویژگی ها با توجه به وابستگی بین آن ها، ارایه می گردد و در گام بعدی محاسبه بردار وزن بر اساس سیستم استنتاج فازی صورت می پذیرد.سیستم فوق الذکر، بعلت محوریت استنتاج موردگرا و توسعه آن در مجموعه های نادقیق و سیستم های فازی با نام rough-fuzzy cbr و اختصار rfcbr معرفی می گردد. یافته ها و جنبه های تیوریکِ جدید این تز عبارتند از:طراحی و توسعه سیستم مدیریت ارتباطات مشتریان هوشمند، بر اساس متدولوژی استنتاج مورد گرا محاسبه و تحلیل ضریب اهمیت ویژگی ها با توجه به اطلاعات درون پایگاه موارد بر اساس مجموعه های نادقیق ارایه یک متدولوژی به منظور محاسبه بردار وزن فرایند بازیافت بر اساس سیستم استنتاج فازی یافته ها و جنبه های کاربردیِ جدید این تز عبارتند از: برپایی سیستم تصمیم یار در حیطه بازاریابی مورد به مورد ارایه نرم افزاری بر مبنای متدولوژی استنتاج مورد گرا برای مساله آنالیز مشتریان در صنعت فولاد