صفحه محصول - مبانی نظری و پیشینه تحقیق داده کاوی 7

مبانی نظری و پیشینه تحقیق داده کاوی 7 (docx) 44 صفحه

دسته بندی : تحقیق

نوع فایل : Word (.docx) ( قابل ویرایش و آماده پرینت )

تعداد صفحات: 44 صفحه

قسمتی از متن Word (.docx) :

دانشگاه صنعتی امیرکبیر دانشکده فنی و مهندسی پایان‌نامه برای دریافت درجه کارشناسی ارشد رشته مهندسی فناوری اطلاعات گروه کامپیوتر عنوان پایان نامه: بکار گیری داده کاوی جهت تجزیه و تحلیل زمینه های کلیدی تاثیرگذار جهت پذیرش و پیاده سازی مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه لیلا سلیمانی‌نژاد استاد راهنما: جناب آقای دکتر محمد رحمتی استاد داور: جناب آقای دکتر سید علیرضا هاشمی گلپایگانی مهر ماه 1391 دانشگاه صنعتی امیرکبیر دانشکده فنی و مهندسی پایان‌نامه برای دریافت درجه کارشناسی ارشد رشته مهندسی فناوری اطلاعات گروه کامپیوتر عنوان پایان نامه: بکار گیری داده کاوی جهت تجزیه و تحلیل زمینه های کلیدی تاثیرگذار جهت پذیرش و پیاده سازی مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه لیلا سلیمانی‌نژاد استاد راهنما: جناب آقای دکتر محمد رحمتی استاد داور: جناب آقای دکتر سید علیرضا هاشمی گلپایگانی مهر ماه 1391 تقدیر و تشکر به نام خداوند متعال در اینجا بر خود لازم می‌دانم که نسبت به کلیه عزیزانی که در انجام این پژوهش از راهنمائی‌ها و مساعدت‌هاي با ارزش آنان اعم از استادان محترم دانشگاه، مدیران و کارشناسان ارشد سازمان‌ها و همچنین عزیزانی که از حمایت‌هاي معنوي آنها بهره‌مند بوده‌ام، کمال تشکر و سپاس را ابراز نموده و برای یکایک این عزیزان از درگاه باری تعالی آرزوی توفیق، سعادت و سربلندی روزافزون نمایم. به خصوص از استاد ارجمند جناب آقاي دکتر محمد رحمتی به سبب قبول زحمت هدایت این تحقیق و راهنمایی‌هاي با ارزششان نهایت سپاس و امتنان را دارم. لیلا سلیمانی‌نژاد مهر ماه 1391 چكيده امروزه، مدیریت ارتباط با مشتریان (Customer Relationship Management) به سودآوری بیشتر شرکت‌ها منجر می‌گردد. شرکت‌ها عموماً مدیریت ارتباط با مشتری را جهت شناخت مشتریان و فراهم آوردن محصولات و خدماتی سفارشی شده به منظور افزایش رضایت مشتریان و تحقق ارتباطات مستمر، پایدار و بلندمدت مورد استفاده قرار می‌دهند. بطور کلی ضرورت مدیریت ارتباط با مشتریان برای یک شرکت، حصول ارتباطات ارزش‌آفرین و پایدار با مشتریان می‌باشد. از این‌رو این امر در بسیاری از صنایع و کسب و کارهای مختلف با استقبال چشمگیری روبرو گردیده است. بواسطه فعالیت‌ها و اقدامات مرتبط با مدیریت ارتباط با مشتریان، مشتریان تمایلات دوچندانی جهت برقراری ارتباط با شرکت‌ها خواهند داشت. مدیریت ارتباط با مشتریان در حقیقت استراتژی‌ای یکپارچه و فرآیندی است که سازمان را قادر می‌سازد تا به شناسایی، انتخاب و حفظ مشتریان بپردازد و با ایجاد و حفظ روابط بلندمدت با مشتریان، به‌صورت سودآور به آنها خدمات‌رسانی کند. از طرفی در سال‌های اخیر، شبکه موبایل به یکی از اثربخش‌ترین و کارآمدترین ابزارهای دسترسی به مشتریان در هر زمان و مکان بدل گشته و لذا از جانب بسیاری از سازمان‌ها نوآور جهت مدیریت ارتباط با مشتریان بکار گرفته شده است. این امر تحت عنوان مدیریت ارتباط با مشتریان تحت موبایل (M-CRM) نامیده می‌شود. به‌عبارتی، M-CRM ارتباطات یک‌طرفه یا تعاملی دوطرفه است که در ارتباط با فروش، بازاریابی و فعالیت‌های خدمت به مشتری از طریق رسانه موبایل برقرار می‌شود و هدف آن ایجاد و حفظ ارتباط با مشتری است. در حقیقت M-CRM پشتیبانی و اجرای فعالیت‌ها و فرآیندهای CRM از طریق مسیر موبایل است و این پدیده، هر گونه فعالیت و فرآیندی است که یک سوی آن شرکت و سوی دیگر آن مشتری و رسانه ارتباطی میان آنها تلفن همراه می‌باشد. پژوهش حاضر از منظر اهداف، تحقیقی کاربردی و از منظر گردآوری داده‌ها، تحقیقی تبیینی می‌باشد. جامعه آماری مورد نظر در این تحقیق، شرکت‌های دارویی و نمونه آماری بکار گرفته شده جهت گردآوری، تجزیه و تحلیل داده‌های تحقیق و حصول نتایج، شرکت‌های گروه دارویی داروپخش می‌باشد. در اين تحقيق، دو گام مشخص مورد نظر قرار گرفته است: نخست شناسایی و تبیین زمینه‌های کلیدی تاثیرگذار جهت پیاده‌سازی و بکارگیری کارآمد و اثربخش مدیریت ارتباط با مشتریان تحت موبایل (M-CRM)، که بدین منظور پرسشنامه‌ای طراحی تبیین گردیده و در اختیار خبرگان و صاحب‌نظران سازمانی قرار داده شده است. از این‌رو، ابزار گردآوری داده‌های تحقیق پرسشنامه می‌باشد. در این تحقیق، جهت سنجش روایی پرسشنامه‌ از رویکرد روایی محتوایی، و جهت سنجش پایایی پرسشنامه‌ از رویکرد ضریب آلفای کرونباخ بهره گرفته شده است. به‌منظور گردآوری داده‌های تحقیق، 8 شرکت به‌عنوان شرکت‌های منتخب برگزیده و پرسشنامه تحقیق در اختیار مدیریت ارشد، مدیران سازمانی و برخی کارشناسان سازمانی آنها قرار داده شده است. به‌منظور حصول نتایج قابل اتکا سعی شده است از افراد توانمند و مجرب جهت گردآوری داده‌های تحقیق بهره گرفته شود لذا رویکرد نمونه‌برداری، غیرتصادفی و هدفمند می‌باشد. در گام دوم تحقیق، پس از گردآوری داده‌های تحقیق از واحدهای مختلف سازمانی سعی شده است تا بواسطه بکارگیری ابزار داده‌کاوی در راستای دسته‌بندی داده‌ها اقدام گردد. به‌عبارتی بکارگیری این ابزار در جهت بهبود تجزیه و تحلیل داده‌های گردآوری شده و حصول نتایج کاربردی و نامشهود می‌باشد. چراکه به‌طور کلی داده‌کاوی درصدد کشف الگوهای پنهان در انباره‌ای از داده‌های عظیم و بزرگ می‌باشد و به سازمان‌ها کمک می‌کند که بر مهمترین اطلاعات از مخزن داده‌های خود تمرکز نمایند. در این گام از تحقیق برآنیم تا با دسته‌بندی داده‌های بدست آمده از نمونه آماری نسبت به شناسایی و تبیین عمده اهداف مورد نظر از پیاده‌سازی و بکارگیری مدیریت ارتباط با مشتریان تحت موبایل در سازمان‌های مورد بررسی اقدام گردد. تبیین این اهداف به مدیریت ارشد سازمان کمک خواهد کرد تا استراتژی‌های کلان بازاریابی و مدیریت مشتریان خود را با محوریت اهداف شناسایی گردیده شکل دهد و بتواند با ایجاد همسویی و همراستایی میان کلیه فعالیت‌ها و اقدامات مرتبط با این مقوله، حداکثر بهره و استفاده را از آن بجوید. کلمات کلیدی رضایتمندی مشتریان؛ داده‌کاوی؛ مدیریت ارتباط با مشتریان؛ مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه؛ شرکت‌های دارویی فهرست مطالب TOC \o "1-3" \h \z \u فصل دوم: مبانی نظری و پیشینه تحقیق PAGEREF _Toc522524707 \h 112-5 مبانی نظری داده‌کاوی PAGEREF _Toc522524708 \h 112-5-1 مفهوم داده‌کاوی PAGEREF _Toc522524709 \h 112-5-2 تعاریف داده‌کاوی PAGEREF _Toc522524710 \h 112-5-3 الگوریتم‌های داده کاوی PAGEREF _Toc522524711 \h 132-5-4 تکنیک‌های داده‌کاوی PAGEREF _Toc522524712 \h 142-5-5 گامهای اجرایی کشف دانش در داده‌کاوی PAGEREF _Toc522524713 \h 162-5-6 فرآیند داده‌کاوی PAGEREF _Toc522524714 \h 182-5-7 کاربردهای داده‌کاوی PAGEREF _Toc522524715 \h 212-5-8 نقش داده‌کاوی در مدیریت ارتباط با مشتریان PAGEREF _Toc522524716 \h 232-6 پیشینه تحقیق PAGEREF _Toc522524717 \h 282-7 مزایای بکارگیری داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه PAGEREF _Toc522524718 \h 362-8 محدودیت‌های بکارگیری داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه PAGEREF _Toc522524719 \h 39فهرست منابع PAGEREF _Toc522524720 \h 42منابع فارسی PAGEREF _Toc522524721 \h 42منابع لاتین PAGEREF _Toc522524722 \h 44 فصل دوم: مبانی نظری و پیشینه تحقیق 2-5 مبانی نظری داده‌کاوی 2-5-1 مفهوم داده‌کاوی در طول دهه گذشته با پیشرفت روزافزون کاربرد پایگاه دادهها، حجم دادههای ثبت شده به طور متوسط هر 5 سال 2 ‏برابر میشود. در این میان سازمانهایی موفقند که بتوانند حداقل 7% دادههایشان را تحلیل کنند. تحقیقات انجام یافته نشان داده است که سازمانها کمتر از یک درصد دادههایشان را برای تحلیل استفاده می‌کنند. بنابر اعلام دانشگاه MIT دانش نوین داده‌کاوی یکی از ده دانش در حال توسعهای است که دهه آینده را با انقلاب تکنولوژیکی مواجه میسازد. این تکنولوژی امروزه دارای کاربرد بسیار وسیعی در حوزههای مختلف است به گونهای که امروزه حد و مرزی برای کاربرد این دانش در نظر نگرفته و زمینههای کاری این دانش را بسیار گسترده میدانند. (محمدی‌پور، 1388) ‏مفهوم داده‌کاوی برای اولین بار در سال 1989 ‏توسط دکتر گئورگی پیاتتسکی شاپیرو معرفی شد. از آن زمان تاکنون کنفرانسهای سالانه منظمی در خصوص داده‌کاوی و کشف دانش برگزار گردیده است. دانش داده‌کاوی که نام آن نیز از استخراج معدن گرفته شده است با زدودن متعلقات غیرضروری دادهها و استخراج روابط سودمند در آنها، روابط پیچیده بین دادهها را آشکار کرده و راه را جهت تصمیم‌گیری هموار مینماید. پس از ورود مفهوم داده‌کاوی به حیطههایی چون مدیریت ارتباط با مشتری، اکنون داده‌کاوی در بسیاری از زمینههای مختلف کاربرد دارد. (محمدی‌پور، 1388) 2-5-2 تعاریف داده‌کاوی تاکنون تعاریف متفاوتی از داده‌کاوی ارائه شده است؛ ولیکن تعریفی که در اکثر مراجع به اشتراک ذکر شده عبارت است از "استخراج اطلاعات و دانش و کشف الگوهای پنهان از یک پایگاه دادههای بسیار بزرگ و پیچیده". داده‌کاوی یک متدولوژی بسیار قوی و با پتانسیل بالا میباشد که به سازمان‌ها کمک میکند که بر مهمترین اطلاعات از مخزن دادههای خود تمرکز نمایند. داده‏کاوی به فرایند استخراج اطلاعات نهفته، قابل فهم، قابل تعقیب از پایگاه داده‏های بزرگ و استفاده ‏از آنها در تصمیم‌گیریهای تجاری مهم اطلاق میشود. داده‌کاوی، مجموعهای از روش‌ها در فرایند کشف دانش است که برای تشخیص الگوها و رابطههای نامعلوم در دادهها مورد استفاده قرار میگیرد. (تقوا و همکاران، 1388) به‌عبارت دیگر، داده‌کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده میباشد. داده‌کاوی فرآیندی پیچیده جهت شناسایی الگوها و مدلهای صحیح، جدید و به صورت بالقوه مفید، در حجم وسیعی از داده میباشد؛ به طریقی که این الگوها و مدل‌ها برای انسان ها قابل درک باشند. داده‌کاوی به صورت یک محصول قابل خریداری نمی‌باشد، بلکه یک رشته علمی و فرآیندی است که میبایست به صورت یک پروژه تعریف گردد و در قدمهای از پیش تعیین شده و برنامه‌ریزی شده پیاده‌سازی شده و کنترل شود. در تعریفی دیگر داده‌کاوی شناسایی الگوهای صحیح، بدیع، سودمند و قابل درک از دادههای موجود در یک پایگاه داده است که با استفاده از پردازش‌های معمول قابل دستیابی نیستند. هدف اصلی داده‌کاوی؛ پیش‌بینی است. (محمدی‌پور، 1388) داده‌کاوی، عبارت است از اقتباس یا استخراج دانش از مجموعهای از دادهها است. به بیان دیگر، داده کاوی فرایندی است که با استفاده از تکنیک‌های هوشمند، دانش را از مجموعهای از دادهها استخراج میکند. دو هدف اساسی و عمده تکنولوژی داده‌کاوی؛ پیش‌بینی و تشریح است: (خلیلی‌نژاد و مینایی، 1388) ‏داده‌کاوی پیشگویی‌کننده: در این روش با استفاده از مجموعه دادهها، مدل‌هایی را برای توضیح سیستم تولید میکند که با استفاده از آنها میتوان عملکرد متغیرهای مختلف را پیش‌بینی کرد. بنابراین، هدف از داده‌کاوی پیش‌بینی کننده، تولید مدلی است که با استفاده از کد اجرایی وظایفی چون پیش‌بینی، رتبه‌بندی و تخمین را انجام دهد. ‏داده‌کاوی توصیفی: اطلاعات جدید و غیربدیهی را بر اساس مجموعههای دادهای در دسترس تولید میکند که الگوهای رفتاری متغیرها را تشریح میکند. هدف داده‌کاوی تشریحی دستیابی به درکی کامل از سیستم تحت بررسی با استفاده از الگوهای پنهان در آن و روابط درون مجموعههای دادهای است. 2-5-3 الگوریتم‌های داده کاوی ‏تکنیکهای داده کاوی کاربردهای خاصی از الگوریتمها هستند و به‌طور کلی شش تکنیک معمول برای کاوش داده وجود دارد: (امتیاز و همکاران، 1388) قوانین پیوندی: قوانین پیوندی که برای تشخیص رفتار یک رویداد و یا پروسه خاص به کار میرود. روش زنجیرهای: مانند روش پیوندی است اما در اینجا زمان را نیز در نظر میگیرند. روش طبقهبندی: مرسومترین روش داده‌کاوی است. این روش به رفتارها و ویژگی‌های گروه‌هایی که در حال حاضر ایجاد شده میپردازد. طبقهبندی، یادگیری با نظارت است. یعنی کلاسها و طبقات از پیش تعیین شدهای وجود دارند که دادهها به داخل این طبقات نگاشت میشوند. سپس خصوصیات دادههای هر طبقه را به دست آورده و از این خصوصیات برای پیش بینی نوع و طبقه دادههای بعدی استفاده میکنند. روش خوشهای: میتواند برای یافتن گروههای مختلف در دادهها به کار رود. این روش شبیه روش طبقهبندی است با این تفاوت که هیچ گروهی قبلا تعریف و مشخص نشده است. این روش اغلب از شبکههای عصبی و یا روش آماری استفاده میکند. این روش اقلام را به گروه‌هایی بر اساس شباهتهایی که ابزار کاوش داده مییابد گروه بندی میکند. خوشه بندی، که نوعی یادگیری بدون نظارت است، هیچ عامل بیرونی طبقهبندیها را تعیین نمیکند به همین دلیل به آن یادگیری بدون نظارت نیز میگویند. روش بازگشت: یک روش پیش بینی است که از دادههای کاملا شناخته شده، برای پیش بینی رویدادها در آینده بر اساس آمار و رویههای قبلی استفاده میکند. این کار را با به کار بردن فرمولهایی انجام میدهد. روش سریهای زمانی: یکی دیگر از روشهای پیش بینی است. تفاوت این روش با روش بازگشت این است که در این جا از دادههای مطلق که به زمان بستگی دارند، استفاده میشود. 2-5-4 تکنیک‌های داده‌کاوی تکنیکهای داده‌کاوی، میتواند به تحقق اهداف مورد نظر جهت استخراج یا تشخیص رفتار و ویژگی‌های مشتریان از پایگاههای داده کمک نمایند. جنبه عمومی داده‌کاوی شامل ساختن مدل از داده‌ها می‌باشد. هر یک از تکنیکهای داده‌کاوی میتواند شامل مدل‌سازیهای ذیل باشد: (تقوا و همکاران، 1388) همبستگی دسته‌بندی خوشه‌بندی پیش‌بینی رگرسیون کشف پیامدها نمایه‌سازی ‏انتخاب تکنیکهای داده‌کاوی باید مبتنی بر ویژگیهای دادهها و الزامات کسب و کار باشد. چند مورد از الگوریتمهای داده‌کاوی که بیشترین استفاده را دارند شامل، قوانین همبستگی، درخت تصمیم، الگوریتم ژنتیک، شبکههای عصبی، نزدیکترین همسایه و رگرسیون میباشد. بواسطه کندوکاو دادههای مربوط به مشتریان، به رکوردهای اطلاعاتی مشتریان ساختار داده میشود، جریان تشخیص مشتریان با اهمیت به‌صورت خودکار صورت میگیرد، باعث تغییر در شیوه تشخیص مشتریان خاص و با ارزش از لیست کلیه مشتریان و در نهایت کشف مشتریان وفادار خواهد شد. شکل 2-23: طبقه‌بندی تکنیک‌های داده‌کاوی از منظر رویکرد، تکنیک‌های اصلی و فرعی 2-5-5 گامهای اجرایی کشف دانش در داده‌کاوی به‌طور کلی گامهای اجرای داد‏ه‌کاوی د‏ر تمام منابع یکسان نیستند ولی آنچه که تقریباً د‏ر بین همه آنها به صورت مشترک وجود دارد‏، کشف دانش را د‏ارای مراحل تکراری زیر مید‏انند (محمدی‌پور، 1388): پاکسازی دادهها: از بین بردن نوین و ناسازگار دادهها یکپارچه‌سازی دادهها: ترکیب چندین منبع داده انتخاب دادهها: بازیابی دادههای مرتبط با آنالیز از پایگاه داده تبدیل کردن دادهها: تبدیل دادهها به فرمی که مناسب برای داده کاوی باشد همچون خلاصه‌سازی و همسان‌سازی داده‌کاوی: فرآیند اصلی که روالهای هوشمند برای استخراج الگوها از دادهها به کار گرفته می‌شوند ارزیابی الگو: مشخص کردن الگوهای صحیح و مورد نظر توسط معیارهای اندازه‌گیری ارائه دانش: نمایش بصری تکنیکهای بازنمایی دانش برای ارائه دانش کشف شده به کاربر شکل 2-24: ارتباطات میان گام‌های مختلف فرآیند داده‌کاوی 2-5-6 فرآیند داده‌کاوی تعدادی از متخصصین داده‌کاوی از شرکتهای مختلف گرد هم آمده و یک فرایند استاندارد برای داده‌کاوی ارائه نمودهاند که CRISP-DM نام دارد. این متدولوژی فرایند داده‌کاوی را در شش فاز تعریف کرده است: (غفاری و سلماسی، 1388) فاز درک کسب و کار فاز درک داده فاز آماده‌سازی داده فاز مدلسازی فاز ارزیابی فاز پیاده‌سازی فرایند داده‌کاوی همچون سیستم بهبود مستمر در یک چرخه صورت میگیرد که در هر جای این چرخه که باشیم ممکن است نیاز باشد به مراحل قبل برگشته و اصلاحاتی را صورت دهیم. برای مثال در فاز مدل‌سازی، به خاطر یک سری الزامات الگوریتم مورد استفاده، ممکن است لازم شود به فاز آماده‌سازی داده برگشته و تغییراتی را بر روی مجموعه داده اعمال نماییم. یا اینکه در فاز ارزیابی پی ببریم، علیرغم ساختن مدلی با دقت بالا، این مدل کارایی لازم را ندارد و میبایست به فاز مدل‌سازی برگشته و مدلی دیگر ساخت. مثال دیگر اینکه ممکن است در فاز مدل‌سازی دریابیم که نیاز به یک سری مشخصه دیگر است که در این صورت میبایست به فاز دوم که شناخت داده است برگردیم و داده جدید جمع‌آوری نماییم. از این‌رو، در هر مرحله از فرایند داده‌کاوی امکان برگشت به هر یک از مراحل پیشین آن وجود دارد. در ادامه به بررسی اجمالی گام‌های فرآیند داده‌کاوی می‌پردازیم (غفاری و سلماسی، 1388): شکل 2-25: متدولوژی CRISP-DM 2-5-6-1 فاز درک کسب و کار این فاز ابتدایی روی درک اهداف پروژه ‏و نیازمندی‌های آن و سپس تبدیل این دانش به تعریف مسأله داده‌کاوی و یک برنامه طراحی شده ‏اولیه برای دستیابی به اهداف تمرکز میکند. 2-5-6-2 فاز درک داده این فاز با جمع‌آوری داده اولیه آغاز گردیده و با فعالیتهایی که شما را قادر می‌سازد با داده آشنا شوید، مشکلات کیفیتی داده را شناسایی نمایید، اولین شناخت در داده را کشف نمایید، و ردیابی زیر‌مجموعه‌های جالبی از داده که فرضیههایی را در رابطه با اطلاعات نهان شکل دهد، پیش میرود. 2-5-6-3 فاز آماده سازی داده فاز آماده‌سازی داده، تمام فعالیتهای لازم برای ساختن مجموعه داده نهایی از دادههای خام اولیه را دربرمیگیرد. وظایف آماده‌سازی داده احتمالا در چندین نوبت شکل میگیرد و هیچگونه ترتیب معینی ندارد. وظایفی شامل جدول‌بندی، ثبت، انتخاب مشخصه، همچنین انتقال و پاکسازی داده برای ابزار مدل‌سازی. خروجی فاز آماده‌سازی داده مجموعه دادههایی هستند که توسط این فاز ساخته شدهاند و برای مدل‌سازی یا کار آنالیز اصلی پروژه استفاده میشوند. 2-5-6-4 فاز مدلسازی در این فاز تکنیک‌های مدل‌سازی مختلفی انتخاب و اعمال میگردند و پارامترهایشان به مقادیر بهینه مدرج شدهاند. بطور نمونه چندین تکنیک برای یک مساله داده‌کاوی وجود دارند. بعضی از تکنیک‌ها نیازمندی‌های خاصی را برای فرم داده دارند بنابراین برگشت به فاز آماده‌سازی داده اغلب مورد نیاز است. 2-5-6-5 فاز پیاده سازی در این مرحله از پروژه، ما یک مدل ساختهایم که به نظر میرسد کیفیت بالایی از یک پرسپکتیو آنالیز داده را داشته باشد. قبل از پیاده‌سازی نهایی مدل، مهم است به منظور اطمینان از اینکه مدل بطور مناسب به اهداف دست یابد، بطور کلی ارزیابی گردد و مراحل اجرا شده برای خلق آن بازبینی شود. یک هدف کلیدی تعیین این است که آیا جنبههای مهم مساله بمیزان کافی در نظر گرفته شدهاند. در انتهای این فاز یک تصمیم در رابطه با استفاده از نتایج داده‌کاوی میبایست اتخاذ گردد. 2-5-6-6 فاز پیاده سازی بطور کلی خلق مدل انتهای پروژه نیست. حتی اگر هدف مدل افزایش دانش داده باشد، دانش بدست آمده نیاز دارد که سازماندهی شده و به صورتی که برای مشتری قابل استفاده باشد ارائه گردد. این اغلب در اعمال مدلهای "زنده" درون فرآیند تصمیم گیری سازمان لازم است. بسته به نیازمندیها، فاز پیاده سازی میتواند به سادگی ایجاد یک گزارش یا به پیچیدگی اجرای یک فرآیند داده کاوی قابل تکرار در شرکت باشد. در بسیاری از حالات این مشتری است که مراحل پیاده سازی را متحمل می شود نه تحلیلگر داده. 2-5-7 کاربردهای داده‌کاوی داده‌کاوی در بسیاری از شاخهها همچون بازاریابی، امور مالی، بانکداری، تولید، پزشکی، مدیریت ارتباط با مشتری، ردیابی، پیش‌بینی خرابیها و آموزش سازمانی کاربرد دارد. بعضی از کاربردهای کلیدی داده‌کاوی به‌طور خلاصه به شرح ذیل است (محمدی‌پور، 1388): کاربرد‏های معمول تجاری: از قبیل تحلیل و مدیریت بازار، تحلیل سبد بازار، بازاریابی هدف، فهم رفتار مشتری، تحلیل و مدیریت ریسک مدیریت و کشف فریب: کشف فریب تلفنی، کشف فریبهای بیمهای و اتومبیل، کشف حقههای کارت اعتباری، کشف تراکنشهای ‏مشکوک مالی(پولشویی) متن‌کاوی: پالایش متن (نامه‌های الکترونیکی، گروههای خبری، جستجوی مقالات و موضوعات خاص و غیره) پزشکی: کشف ارتباط علامت و بیماری، تحلیل آرایههای DNA و تصاویر پزشکی. ورزش: آمارهای ورزشی وب‌کاوی: پیشنهاد صفحات مرتبط، بهبود ‏ماشینهای جستجوگر یا شخصی سازی حرکت در وب سایت. جدول زیر بیانگر میزان نفوذ کاربرد داد‏ه‌کاوی در صنایع مختلف است که آمار موجود ‏نشانگر استفاد‏ه از داد‏ه‌کاوی به‌عنوان یکی از مهمترین ابزار د‏ر مدیریت ارتباط با مشتریان میباشد. مدیریت ارتباط با مشتری26.1%بانکداری23.9%بازاریابی مستقیم20.3%شناسایی جرم18.8%وب‌کاوی10.1%خرده فروشی10.1%بیمه8.7%مالی و لیزینگ7.2%تجارت الکترونیک5.8%امنیت و ضد تروریسم6.3%سرمایه‌گذاری و بورس2.9% جدول 2-2: میزان نفوذ کاربرد داد‏ه‌کاوی در صنایع مختلف امروزه دانش داده‌کاوی به‌طور گسترده‌ای در علوم مختلف بکار گرفته میشود. تاکنون تعاریف متعددی در خصوص داده‌کاوی ارائه شده است. در تعریف مؤسسه گارتنر، داده‌کاوی کشف وابستگیها، الگوها و روندهای با معنی و جدید با وارسی مقادیر زیاد دادههای ذخیره شده در انبارهها با استفاده از تکنیک‌های تشخیص الگو به همراه روش‌های ریاضی و آماری میباشد. داده‌کاوی عبارت است از فرآیند استخراج اطلاعات معتبر، از پیش ناشناخته، قابل فهم و قابل اعتماد از پایگاه دادههای بزرگ و استفاده از آن در تصمیم‌گیری در فعالیتهای تجاری. به عبارت دیگر، داده‌کاوی به معنای جستجو در یک پایگاه داده برای یافتن الگوهایی میان دادهها است. داده‌کاوی یکی از مهمترین روشهایی است که به وسیله آن الگوهای مفید در دادهها با حداقل دخالت کاربر شناخته میشود و اطلاعاتی را در اختیار کاربران و تحلیلگران قرار میدهد اما براساس آنها تصمیمات مهم و حیاتی برای سازمانها اتخاذ گردد. مزیت داده‌کاوی، قابلیت فهم عمیقتر الگوهایی است که با تکنولوژیهای گزارش‌گیری موجود قابل مشاهده نیستند. (باغچه‌بند و همکاران، 1388) ریشههای پیدایش داده‌کاوی را میتوان در سه محور ذیل جستجو کرد (باغچه‌بند و همکاران، 1388): سهولت جمع‌آوری و ذخیره‌سازی دادهها توان محاسباتی بالا در پردازشگرهای امروزی نیاز به بررسی دادهها و استخراج بلادرنگ الگوها و قواعد از ویژگیهای منحصر بفرد داده‌کاوی این است که داده‌کاوی نه تنها بر فاز تحلیل، بلکه بر طراحی، مطالعه و جمع‌آوری داده‌ها نیز تاثیرگذار می‌باشد. همچنین قادر است اثر متغیرهای مختلف بر متغیرهای وابسته را بسنجد. در مسائل واقعی چندین متغیر به صورت همزمان بر روی پاسخ اثر می‌گذارند؛ از این‌رو آنالیزهای چند متغیره جوابهای دقیق‌تر و نزدیک به واقعی را فراهم میکنند. (باغچه‌بند و همکاران، 1388) 2-5-8 نقش داده‌کاوی در مدیریت ارتباط با مشتریان درک مشتری، هسته اصلی مدیریت ارتباط با مشتریان است که اساسی برای افزایش ارزش عمر مشتری است. به‌منظور تقسیم‌بندی مشتریان و فعالیتهایی برای بیشینه ساختن تغییر مشتری، نگهداری، وظیفه‌شناسی و سودبخشی دربرگرفته میشود. درک مناسب مشتری و قابلیت پیگیری قانونی منجر به افزایش ارزش عمر مشتری میشود. درک نادرست مشتری میتواند منجر به فعالیتهای پرخطر شود. به طور مشابه، فعالیتهای متمرکز نشده، همچون تلاشهای نامحدود برای دسترسی یا به دست آوردن همه مشتریها، میتواند منجر به کاهش ارزش عمر مشتری (قانون برگشت نزولی) شود. بنابراین، تکیه اساسی خود را بایستی بر روی درک صحیح مشتری و فعالیتهای مرتبط با آن گذاشت. (امتیاز و همکاران، 1388) در بررسی ادبیات موضوع مرتبط با این حوزه، نیاز به یک طبقه‌بندی از جنبههای مختلف مدیریت دانش مشتری، به منظور موشکافی چگونگی کاربرد تکنیکهای داده‌کاوی میباشد. در این راستا یکی از مدل‌های کاربردی توسط شامی و همکاران (2008) ارائه شده است. در این مدل طبقه‌بندی روی انواع دانش مشتری در سه لایه صورت گرفته است (یقینی و همکاران، 1388): در مرحله نخست، برای پشتیبانی از مشتریان در چرخه خریدشان، یک جریان دانش پیوسته که از شرکت به مشتریان هدایت میشود (دانش برای مشتری) پیش نیاز است. دانش برای مشتریان شامل اطلاعاتی در مورد محصولات، بازارها و تامین کنندگان است. این بعد دانش همچنین بر روی درک مشتری از کیفیت خدمات، تاثیر میگذارد. در همین زمان، دانش از مشتریان میباید در جهت خلق نوآوری در خدمات و محصول، تولید ایده و بهبود مستمر برای محصولات و خدمات، توسط سازمان به هم پیوند داده شود. تسخیر کردن دانش مشتری و دخیل کردن مشتریان در فرآیند نوآوری از طرق مختلفی قابل دستیابی است. برای مثال دانش مشتریان در مورد محصولات، تامین کنندگان و گرایشهای بازار میتواند از طریق مکانیزم بازخورد مناسب برای فراهم کردن یک بهبود سیستماتیک و نوآوری محصولات، استفاده شود. جمع آوری و تحلیل دانش درباره مشتری قطعا یکی از قدیمیترین اشکال فعالیت مدیریت دانش در حوزه CRM است. علاوه بر دادههای خام مشتریان و معاملات گذشته، دانش در مورد مشتری، نیازهای کنونی مشتریان، خواستههای آتی، ارتباط، فعالیت خرید و توانایی مالی را هم در نظر میگیرد. دانش درباره مشتریان در فرآیند پشتیبانی و خدمات CRM جمع آوری میشود و در فرآیند آنالیز CRM مورد تجزیه و تحلیل قرار میگیرد. (یقینی و همکاران، 1388) بر اساس مدل مذکور، سه نوع اصلی دانش مشتری وجود دارد، دانش برای مشتری، دانش از مشتری و دانش درباره مشتری، در این تقسیم‌بندی هر یک از این انواع نیز از جنبههای مختلف دانش مشتری تشکیل شدهاند که انواع عمده دانش مشتری این مدل در ادامه تشریح گردیده است (یقینی و همکاران، 1388): انواع دانش برای مشتری دانش و اطلاعات محصولات و خدمات شرکت نیازمندیهای دانشی و اطلاعاتی مشتریان فعلی نیازمندیهای دانشی و اطلاعاتی مشتریان بالقوه دانش و اطلاعات عمومی شرکت اطلاعات معرف شرکت محصولات دانشی شرکت دانش و اطلاعات محیطی شرکت دانش و اطلاعات بازار دانش و اطلاعات در خصوص محصولات و خدمات رقبا دانش و اطلاعات تکمیلی شرکت انواع عمده دانش درباره مشتری دانش، اطلاعات و داده در مورد مشتریان فعلی دادهها و اطلاعات تاریخی مشتریان دادهها و اطلاعات مربوط به نیازمندیهای آنها دانش، اطلاعات و داده در مورد مشتریان بالقوه دادهها و اطلاعات شخصی مشتریان دادهها و اطلاعات مربوط به علایق و ترجیحات آنها انواع عمده دانش از مشتری دانش و اطلاعات در حوزه شرکت دانش و اطلاعات در مورد محصولات و خدمات شرکت دانش و اطلاعات در خصوص جایگاه و وضعیت برند شرکت دانش و اطلاعات در حوزه محیط شرکت دانش و اطلاعات در مورد محصولات و خدمات رقبا دانش و اطلاعات در مورد بازار و تحولات آن شکل 2-26‏: چارچوپ دستهبندی تکنیکهای دادهکاوی در مدیریت ارتباط با مشتریان فرآیند مدیریت ارتباط با مشتری از نتایج به دست آمده توسط فرآیند داده کاوی استفاده میکند که در آن تمرکز اصلی بر روی مشتریان هستند که به موجب آن نرخهای پاسخگویی و اثر بخشی‌های شرکت رونق پیدا میکند. شکل ذیل نمایانگر کاربرد داده‌کاوی در حوزه مدیریت ارتباط با مشتریان می‌باشد (امتیاز و همکاران، 1388): شکل 2-27: نقش و جایگاه داده‌کاوی در مدیریت ارتباط با مشتریان فرآیند جمع‌آوری داده‌ها: قابلیت نمایش مناسب که توسط الگوریتمهای کاوش در مرحله بعد قابل خواندن است. این فرآیند این اطمینان را به وجود میآورد که مجموعه دادهها برای اهداف و تکنیکهای کاوشی خاص آماده هستند. در این فرآیند به‌طور عمومی میتوان از بین مشخصههای جداشدنی یا عمومی بعضی از رکوردها را اضافه و مقدار کلی را عوض نمود. فرآیند داده‌کاوی: فرآیندهای الگوریتم قبلی در این روش جستجو، مجموعه آیتمهای تکرار شونده توسط قوانین ارتباطی هستند. این الگوریتمها مبتنی بر دانش قبلی از مجموعه آیتمهای تکرار شونده هستند و توالی درست آن توسط روشهای هوشمند مرتب میشوند و با مشخصه‌های الگوریتمهای پیشین برای اصلاح کارآیی جستجو با یکدیگر همکاری میکنند. آیتمهای تکرار شونده مجموعهای از نیازمندیها برای تبدیل قوانین ارتباط قوی و ذخیره شده بر مبنای دانش هستند. قوانین ارتباط قوی، میتواند بیشترین رضایت را برای دستیابی به حداقل نیاز پشتیبانی و اطمینان در همان زمان به وجود آورد. حداقل نیاز اطمینان شامل: اولین قدم، تصمیم گیری منابع داده برای کاوش است. فرآیند مدیریت ارتباط با مشتری: انبار داده، کاوش داده، برای برآورده کردن اهدافی نظیر کشف، فروش بیشتر و بقای مشتری استفاده میشود. با اجرای الگوریتمهای کاوش داده روی جدول‌های وب مشتریان، داده کاوی میتواند ارتباط مهمی را درباره این که چه محصولاتی اغلب با هم فروخته میشوند را معلوم میکند. سپس این دانش میتواند برای تولید محصول پیشنهاد و یا ایجاد شوند. همچنین برای ایجاد یک پیشنهاد برای ویژگیهای مشتری استفاده میشود. در این مرحله، فرایند مدیریت ارتباط با مشتری از دانشی استفاده میکند که در مرحله قبلی به دست آمده است. این مرحله کاربران وب را برای تصمیم گیری در هر چه بهتر خرید کردن به صورت سریع کمک میکند. 2-6 پیشینه تحقیق اگر چه رسانه تلفن همراه به‌عنوان وسیله‌اي براي مدیریت ارتباط با مشتريان در میان صاحب نظران پذیرفته شده است، اما هنوز شاهد تحقیقات مناسب کمی در این محیط بدیع و نوآورانه هستیم. یکی از اولین آثار در مورد مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه، کتابی است که توسط نول و لمون در سال 2001 نگاشته شده است. این کتاب به تشریح این مطلب می‌پردازد که چگونه سازمان‌ها می‌توانند از تکنولوژي‌هاي بی‌سیم براي استراتژی‌ها و عملیات خود استفاده کنند. (شاهین و تیموری، 1389). اسکیرهالز و همکاران (2007) به بیان خصوصیات مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه و همچنین مزایایی که کاربرد تلفن همراه در کسب و کار و تجارت می‌تواند از لحاظ تئوریک داشته باشد، پرداختند. آنها با دید مهندسی کسب و کار، روشی را براي موبایلی کردن مدیریت ارتباط با مشتریان ارائه کردند. روش آنها داراي سه سطح می‌باشد ودر هرسطح فعالیت‌هاي فروش معرفی می‌شود. این سه سطح عبارتند از (شاهین و تیموری، 1389): استراتژي شرکت فرآیندهاي کسب و کار سیستم‌هاي اطلاعاتی در این میان، مدیریت تغییر، فعالیتی است که در همه سطوح انجام می‌شود. والسچی و همکاران (2007) به بررسی مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه در شرکت‌هاي ایتالیایی پرداختند. آنها براي بررسی کاربردهاي مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه چندین متغیر را انتخاب کردند که عبارتند از (شاهین و تیموری، 1389): نوع خدمت که شامل شش دسته می‌باشد؛ الف) اطلاعاتی: که تنها اطلاعات فراهم می‌آورند مانند رویدادهاي فرهنگی، خدمات دولتی، حمل و نقل، ب) سرویس‌هاي رزرو بلیط که ابزاري براي رزرو رستوران، هتل، بلیط و غیره می‌باشد، ج) مشاوره تعاملی، د) سرویس‌هاي پرداخت مانند پرداخت خدمات پارکنیگ، ه) بانکداري موبایلی براي پرداخت‌هاي بانکی، اطلاع از حساب‌ها و کارت اعتباري و ز) داد و ستد موبایلی. شناسایی نوع شرکت شامل عمومی، دولتی، غیر انتفاعی، حمل و نقل، تولید یا خدمات نوع فرآیندهاي پشتیبانی شامل قبل از فروش، فروش و بعد از فروش تکنولوژي پایانی شامل MMS،SMS و مرورگر روش‌هاي استفاده شامل فشاري، کششی و فشاري کششی. در روش فشاري کاربر براي عضویت در خدمت، ثبت نام می‌کند. چگونگی فعالیت شامل مسیر موبایلی یا غیر موبایلی هزینه خدمت اپراتورهاي شبکه موبایل آنها پس از تجزیه و تحلیل کاربردهاي مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه سه مزیت کلی را تشخیص دادند. این سه مزیت عبارتند از (شاهین و تیموری، 1389): رضایت مشتري بهبود فرآیندهاي درونی افزایش در آمد آنها نتیجه گرفتند که هر نوع سرویسی به دنبال نوعی مزیت می‌باشد. به‌عنوان مثال شرکت‌های دولتی به دنبال رضایت مشتري و وفاداري می‌باشند که به کاهش هزینه و زمان و افزایش بهره‌وري منجر می‌شود و همچنین، سرویس‌های مالی به دنبال افزایش درآمد با بکار بردن مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه هستند. آنها تشخیص دادند که هر چه بلوغ خدمت افزایش یابد، شرکت‌ها ابتدا به دنبال افزایش رضایت مشتري، سپس کاهش هزینه فرآیند و بعد از آن، افزایش درآمد هستند. سینیسالو و همکاران (2007) چارچوبی را برای راه‌اندازی مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه تهیه کردند. این چارچوب داراي سه سطح می‌باشد که عبارتند از (شاهین و تیموری، 1389): سطح درونی سطح بیرونی فرایند این سه سطح به شرح ذیل می‌باشند: سطح درونی: در این قسمت دو متغیر وجود دارد: سیستم مدیریت ارتباط با مشتریان و پایگاه داده‌ها. مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه باید با سیستم مدیریت ارتباط با مشتریان کلی شرکت یکپارچه شود. پایگاه داده می‌تواند شامل شماره موبایل مشتریان، مشخصات مشتریان، اطلاعات رفتاري و موارد مورد نیاز دیگر باشد. این اطلاعات می‌تواند در طبقه‌بندي مشتریان به کار گرفته شود. سطح بیرونی: این سطح داراي دو متغیر محدودیت‌هاي مقرراتی و ساختار تکنولوژیکی تلفن همراه است. برنامه‌های مدیریت ارتباط با مشتریان باید در محدوده قوانین باشند؛ به‌عنوان مثال، اجازه کاربران برای ارسال پیام باید وجود داشته باشند. سطح فرآیندهای مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه: این سطح داراي چندین متغیر می‌باشد که عبارتند از (شاهین و تیموری، 1389): الف) یک سرور مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه براي ارسال، دریافت و ذخیره پیام‌ها که با استفاده از آن عنوان پیام، افراد و محیط پیام‌ها مشخص می‌شود؛ ب) یک شماره کوتاه براي SMS که شرکت می‌تواند صاحب آن شود یا آن را اجاره کند؛ ج) اپراتورها؛ د) مدیریت؛ ه) هزینه SMS که می‌تواند رایگان یا بر اساس هر پیامک باشد؛ و) فعالیتی که از طریق موبایل انجام می پذیرد. رانجان و باتناگار (2008) چارچوبی برای مدیریت ارتباط با مشتریان از دیدگاه داده‌کاوي ارائه نمودند. چارچوب آنها داراي سه عنصر اصلی می‌باشد. این عناصر عبارتند از (Ranjan & Bhatnagar, 2008): تکنولوژي و سرویس‌هاي موبایل: این عنصر خود مولفه‌های ذیل را شامل می‌گردد: رسانه‌هاي تلفن همراه، خدمات تلفن همراه، مرورگر و رابط گرافیکی: رسانه‌های تلفن همراه همچون PDA از جمله اثربخش‌ترین طرق برقراری ارتباط برای کاربران تلفن همراه می‌باشد. آنها نیازمند مرورگری سازگار جهت دسترسی به اطلاعات مورد نظر از سرورها از طریق پروتکل‌های شبکه‌ای مختلف می‌باشند. سرور مبتنی بر وب: سرور مبتنی بر وب از طریق پروتکل HTTP به‌عنوان ارائه دهنده صفحات وب استا و پویا عمل می‌نماید. این سرور همچنین به ارائه محتویات پویا از طریق بکارگیری موتور اسکریپت‌نویسی به‌منظور پردازش ورودی‌های کاربر و حصول خروجی‌های مورد نیاز کاربران نهایی می‌پردازد. سرور نرم‌افزار: سرور نرم‌افزار از کد منطقی برخوردار می‌باشد که تعاملات با پایگاه داده‌ها را تسهیل می‌نماید. همچنین در زمینه‌های تعیین هویت کاربران و مقولات امنیتی نیز مورد بهره‌برداری قرار می‌گیرد. سیستم‌هاي ذخیره‌سازی و دسترسی به داده‌ها: این عنصر خود مولفه‌های ذیل را شامل می‌گردد: انباره داده‌هاي منطقی مشتریان: انباره داده‌هاي منطقی مشتریان تکنیک‌هایی همچون داده‌کاوی و هوشمندی کسب و کار را به‌منظور خلق پرسش‌هایی در ارتباط با داده‌های مربوط به مشتریان بکار می‌گیرد. انباره داده‌های مشتریان دربرگیرنده اطلاعات ناشناخته و سری است که از پایگاه داده عملیاتی مشتریان استخراج گردیده است. در حقیقت کلیه این اطلاعات نخست در انباره داده‌ها تجمیع گردیده و سپس بواسطه بکارگیری ابزارهایی ویژه همچون داده‌کاوی الگوهای پنهان و روابط نامشخص میان آنها استخراج و تبیین می‌گردد. ابزارهاي داده‌کاوي و الگوریتم‌های پیچیده مدلسازی جهت تجزیه و تحلیل داده‌های کاربران: داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه می‌بایست بلادرنگ باشد. به‌جهت ضرورت انجام تجزیه و تحلیل‌های آنی بر روی داده‌های مشتریان، این امر بسیار حیاتی می‌باشد. ضرورت تحرک و سیالیت، امکان تحقق داده‌کاوی به‌صورت بلادرنگ را در حوزه مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه مسیر می‌سازد. بدین منظور الگوریتم‌ها و تکنیک‌های مختلفی جهت انجام داده‌کاوی و شناسایی اطلاعات ناشناخته و مخفی از پایگاه داده‌های مشتریان قابل بکارگیری می‌باشد. این اطلاعات به مدیران ارشد جهت اتخاذ تصمیمات کاربردی به‌منظور رشد و توسعه سازمان کمک‌های شایانی می‌کند. به منظور انجام داده‌کاوی بر روی داده‌های تجمیع شده از فرآیند ETL بهره گرفته می‌شود. این فرآیند سه مولفه کلیدی استخراج، انتقال و بارگذاری را شامل می‌شود. پایگاه داده شامل داده‌های مرتبط با مشتریان: پایگاه داده مشتریان شامل کلیه اطلاعات مرتبط با مشتریان می‌باشد. مرکز پایش اطلاعات مشتریان، مرکز اطلاعاتی به‌منظور به دست آوردن اطلاعات مشتریان از منابع خارجی: اطلاعات ذخیره شده در مرکز اطلاعاتی برای استفاده عمومی توسط کسانیکه به این اطلاعات نیاز دارند، می‌باشد. این اطلاعات مشتریان امکان حصول دانش از سایرسازمان‌ها را میسر می‌نماید. در حقیقت مرکز اطلاعات به‌عنوان یک منبع اطلاعاتی برون سازمانی عمل می‌کند. چارچوب ارائه شده توسط رانجان و باتناگار (2008) برای مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه از دیدگاه داده‌کاوي مطابق شکل ذیل در قالب سه مولفه اصلی قابل شکل‌دهی می‌باشد. داده‌های مشتریان از منابع داده‌ای مختلف همچون منابع داخلی و خارجی گردآوری می‌گردد. این داده‌ها در پایگاه داده‌ها ذخیره‌سازی می‌شود. در ادامه پایگاه داده‌های مشتریان برای فرآیند ETL انتخاب می‌شود. انجام این فرآیند داده‌ها را به‌منظور ورود به انباره داده‌های مشتریان، آماده می‌سازد. این انباره داده‌ها، به‌عنوان انباره داده‌های عملیاتی نیز نامیده می‌شود که دسترسی به اطلاعات مورد نیاز مدیران در خصوص مشتریان را امکان‌پذیر می‌نماید. سپس این داده‌ها توسط ابزارهای داده‌کاوی به‌منظور شکل‌دهی پایگاه داده‌ای مطلوب برای مقاصد تحلیلی مورد بهره‌برداری قرار می‌گیرد. درنهایت تلفن‌های همراه مدیران و کاربران مشخص برخوردار از قابلیت دسترسی به اطلاعات از طریق رابط گرافیکی و مرورگر سازگار در تلفن‌های خود امکان دسترسی را پیدا خواهند کرد. آنها به سرور وب متصل شده و از طریق سرور نرم‌افزار به اطلاعات حاصله از انباره تحلیلی داده‌ها یا انباره عملیاتی داده‌ها بسته به نیازمندی‌های خود دسترسی می‌یابند. شکل 2-28: چارچوب مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه از منظر داده‌کاوی 2-7 مزایای بکارگیری داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه عمده‌ترین مزایای بکارگیری داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه عبارتند از (Ranjan & Bhatnagar, 2008): افزایش دسترسی‌پذیری به مشتریان با تحلیل‌های بهتر: قابلیت تحرک و جابجایی‌پذیری امکان دسترسی به مشتریان توسط مدیران اجرایی سازمان‌ها را افزایش می‌دهد. این امر فرآیندهای تحلیل را نیز به‌علت دسترسی به داده‌های بیشتر بهبود و ارتقاء می‌بخشد. بهبود استراتژی بازاریابی: استراتژی بازاریابی نیز بهبود می‌یابد، زیرا مدیران قادر خواهند گردید در جریان برقراری تعاملات با مشتریان به تجزیه و تحلیل داده‌های آنها بپردازند. در نتیجه این امر به جهت انجام تجزیه و تحلیل داده‌ها درست در حضور مشتریان و به‌صورت بلادرنگ، احتمال از دست دادن اطلاعات مرتبط با مشتریان از جانب سازمان کاهش چشمگیری خواهد یافت. بهبود پیش‌بینی استراتژی بازاریابی جدید: در نتیجه مشاهده تحلیل داده‌های مشتریان بواسطه تلفن همراه، استراتژی بازاریابی به طریقی بهتر و اثربخش‌تر پیاده‌سازی خواهد گردید. این امر بدان معناست که مشتریان واقعی که حقیقتاً خواهان بکارگیری خدمات سازمان بوده ارتباط و تعامل تزدیکی را با سازمان شکل داده و لذا صحت و کارآمدی پیش‌بینی اطلاعات از تحلیل داده‌های مشتریان برای سازمان ارتقاء خواهد یافت. کاهش زمان زنجیره تامین: زمان یکی از مولفه‌های کلیدی در توسعه و گسترش سازمان‌ها در محیط‌های کسب و کار امروزی محسوب می‌شود. تعاملات نزدیکبا مشتریان توسط مدیران از طریق مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه، چرخه زمان فرآیند تولید را کاهش خواهد داد. در نتیجه بکارگیری سیستم mCRM، ایده‌های مشتریان به سهولت توسط سازمان گردآوری گردیده و بواسطه تجزیه و تحلیل قابلیت‌های کاربری این ایده‌ها بواسطه بکارگیری تکنیک‌های داده‌کاوی، مدیران کسب و کار می‌توانند آنها را جهت شکل‌دهی استراتژی‌های سازمانی مورد بهره‌برداری و استفاده قرار دهند. به‌طور کلی تحلیل‌های زنجیره تامین بواسطه بکارگیری تکنیک‌های داده‌کاوی در سیستم مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه، قابلیت‌های کارکردی مطلوب‌تر و اثربخش‌تری خواهد یافت. بهبود پیشرفت‌های تکنولوژیکی گسترش توانمندی‌های حوزه فناوری اطلاعات به‌عنوان مولفه‌ای جهت ارتقای کیفیت تولیدات: شبکه بی‌سیم سازمان، پیاده‌سازی سیستم مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه را امکان‌پذیر می‌سازد. این امر نیازمند برخورداری از زیرساخت‌های فناوری اطلاعات مطلوب و کارآمدمی‌باشد. مزایای برخورداری از قابلیت‌های فناوری اطلاعات در حوزه‌های کارکردی سازمان، به بهبود و ارتقای کیفیت محصولات تولیدی آن سازمان منجر خواهد گردید. بهبود جذب مشتریان: قابلیت تحرک‌پذیری، مدیران ارشد سازمان را قادر می‌سازد تا مکان‌های مختلفی را مورد بازدید قرار داده و با افراد گوناگون و متعددی ارتباط برقرار نمایند. این امر سازمان را نسبت به شکل‌دهی پایگاه مشتریان جدید توانمند خواهد نمود. فرآیند جذب مشتریان می‌تواند بواسطه بکارگیری مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه ارتقاء و بهبود یابد. از طرفی، بکارگیری داده‌کاوی نیز تحلیل حجم بالایی از داده‌های مشتریان را ممکن ساخته و در نتیجه استراتژی‌های بازاریابی بیشتری را به‌منظور جذب مشتریان جدید مطرح می‌سازد. افزایش فروش متقاطع: فروش متقاطع سازمان به‌طور چشمگیری تحت تاثیر قضاوت گروه‌های مشتریان و توالی محصولات می‌باشد. مدلسازی الگوریتم‌های داده‌کاوی امکان بخش‌بندی پایگاه مشتریان را بر اساس ترجیحات آنها در مورد محصولات سازمان فراهم می‌آورد. این امر زمینه‌ساز بهبود فروش متقاطع سازمان نیز خواهد بود. تکنیک‌هایی همچون خوشه‌بندی، دسته‌بندی و مرتبط‌سازی در رفع چالش‌های فروش متقاطع کاربرد دارد. بهبود کارآمدی: بهبود کارایی سازمان مستقیماً تحت تاثیر فاصله میان تولیدکننده و مشتری می‌باشد. مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه، این فاصله را به میزان چشمگیری کاهش می‌دهد. در نتیجه مشتریان می‌توانند ایده‌های کاربردی‌تری را در راستای ارتقای کیفیت محصولات و بواسطه برقراری تعاملات مستمر با مدیران سازمان مطرح نمایند. بهبود رتبه‌بندی مشتریان: تکنیک‌های تحلیلی داده‌کاوی جهت رتبه‌بندی اثربخش‌تر مشتریان سازمان قابل بکارگیری خواهد بود. ابزارهای داده‌کاوی به مدیران سازمانی جهت دسته‌بندی مشتریان بر اساس رتبه آنها کمک می‌نماید، که در نتیجه به اتخاذ تصمیمات استراتژیک کارآمدتر و اثربخش‌تر توسط مدیران سازمان منجر خواهد گردید. 2-8 محدودیت‌های بکارگیری داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه عمده‌ترین محدودیت‌های بکارگیری داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه عبارتند از (Ranjan & Bhatnagar, 2008): حریم خصوصی: تحلیل داده‌های کاربران از طریق ابزارهای داده‌کاوی همواره با چالش افشای اطلاعات محرمانه مشتریان روبرو خواهد بود. این اطلاعات می‌بایست همواره خصوصی و محرمانه باقی بماند. هزینه‌های زیرساختی پیاده‌سازی mCRM: نیازمندی‌های سخت‌افزاری پیاده‌سازی مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه از طریق بکارگیری ابزارهای داده‌کاوی، زیرساخت‌های تکنولوژیکی و اطلاعاتی منحصربفردی را می‌طلبد. هزینه‌های تحقق این سیستم برای بسیاری از سازمان‌ها بسیار هنگفت می‌باشد. ضمن آنکه این امر در سازمان‌هایی که از زیرساخت‌ها و توانمندی‌های ضعیف‌تری در حوزه فناوری اطلاعات برخوردار می‌باشند، به‌مراتب شرایط دشوارتری را به همراه خواهد آورد. میزان آگاهی کاربران از تکنولوژی‌های نوین: پیشرفت‌های تکنولوژیکی وابسته به آموزش سریع و اثربخش کارکنان به عنوان استفاده‌کنندگان از سیستم، می‌باشد. این امر نیازمند پیش شناخت و برخورداری از دانش اولیه در حوزه فناوری اطلاعات از جانب کاربران چارچوب مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه بر اساس راهکار داده‌کاوی می‌باشد. امنیت: داده‌کاوی مرتبط با مشتریان، داده‌هایی محرمانه می‌باشد. ولیکن از آنجاکه بستر جابجایی این داده‌ها در mCRM شبکه بی‌سیم است مکانیزم‌های امنیتی اثربخشی می‌بایست تعریف و بکار گرفته شود. حتی در صورت استقرار مکانیزم‌های امنیتی، همواره احتمال بروز مشکلات در این سیستم‌های امنیتی برای سازمان‌ها وجود خواهد داشت. از طرفی دیگر، از آنجاکه تحلیل داده‌های مشتریان بواسطه داده‌کاوی سبب شناسایی اطلاعات ناشناخته و مخفی خواهد گردید، از این‌رو، نقض هنجارهای امنیتی در این گونه موارد بسیار محتمل می‌باشد. فقدان بکارگیری اثربخش اطلاعات استخراج شده: اطلاعات تحلیلی حاصله از mCRM می‌بایست برای مدیران بکار گیرنده آنها قابل فهم و درک باشد. فقدان این امر می‌تواند کیفیت بکارگیری اطلاعات را در سازمان‌ها نزول دهد. یافتن پارامتر مناسب جهت تحلیل داده‌های مشتریان: کیفیت تحلیل داده‌های مشتریان به‌شدت به پارامتر انتخابی جهت انجام تحلیل‌ها بستگی دارد. چنانچه پارامتر یا عوامل در نظر گرفته شده برای تحلیل ناکارآمد باشد، نتایج تحلیل‌ها کارایی مطلوب و قابل قبولی نخواهد داشت. فهرست منابع منابع فارسی امتیاز، سیاوش؛ کیوان‌پور، محمدرضا؛ پناه، امیر؛ دسته‌بندی تطبیقی روش‌های وب‌کاوی و حوزه مدیریت ارتباط با مشتری؛ ارائه شده در سومین کنفرانس داده‌کاوی ایران؛ 1388 امیری، یاسر؛ بررسی کیفیت خدمات مدیریت ارتباط با مشتری و تدوین برنامه بهینه CRM در نظام بانکداری با استفاده از تکنیک TOPSIS (مطالعه موردی: بانک تجارت شیراز)؛ فصلنامه مدیریت صنعتی دانشکده علوم انسانی دانشگاه آزاد اسلامی واحد سنندج؛ سال چهارم؛ شماره 10؛ زمستان 1388 باغچه‌بندی، هاجر؛ نیک‌نفس، علی‌اکبر؛ رنجبر، حجت‌الله؛ تقی‌زاده، کاوه؛ کاربرد روش‌های داده‌کاوی در پیش‌بینی مقدار مس در معادن؛ ارائه شده در سومین کنفرانس داده‌کاوی ایران؛ 1388 تقوا، محمدرضا؛ الفت، لعیا؛ حسینی بامکان، سیدمجتبی؛ بکارگیری تکنیک‌های داده‌کاوی جهت بهبود مدیریت ارتباط با مشتریان در صنعت بانکداری؛ ارائه شده در سومین کنفرانس داده‌کاوی ایران؛ 1388 جراحی، محمدحسین؛ سعیدا اردکانی، سعید؛ زارعیان، محمد؛ بررسی نقش فناوری اطلاعات در استقرار مدیریت ارتباط با مشتری به‌صورت الکترونیکی (eCRM)؛ فصلنامه تخصصی پارک‌ها و مراکز رشد (رشد فناوری)؛ شماره 21؛ 1388 خلیلی‌نژاد، مهدیه؛ مینایی بیدگلی، بهروز؛ شناسایی رفتار مشتریان با استفاده از ترکیب قوانین انجمنی؛ ارائه شده در سومین کنفرانس داده‌کاوی ایران؛ 1388 دهمرده، نظر؛ شهرکی، علیرضا؛ لکزائی، محمود؛ شناسایی و رتبه‌بندی عوامل تاثیرگذار در فرآیند پیاده‌سازی سیستم مدیریت ارتباط با مشتری (CRM) مطالعه موردی: شرکت سهامی مخابرات استان سیستان و بلوچستان؛ فصلنامه مدیریت صنعتی دانشکده علوم انسانی دانشگاه آزاد اسلامی واحد سنندج؛ سال پنجم؛ شماره 11؛ بهار 1389 سیدی، سید مسعود؛ موسوی، سید علیرضا؛ حیدری، شهاب؛ ارزیابی عوامل موثر بر عملکرد مدیریت ارتباط با مشتری و ارائه الگوی مناسب و جدید اندازه‌گیری (مطالعه موردی: در صنعت الکترونیک)؛ فصلنامه تحقیقات مدیریت آموزشی؛ شماره دوم؛ زمستان 1388 شاهین، آرش؛ تیموری، احسان؛ الگویی برای عوامل تاثیرگذار و تاثیرپذیر در مدیریت ارتباط با مشتری از طریق تلفن همراه: مطالعه‌ای در آژانس‌های مسافرتی شهر اصفهان؛ فصلنامه علوم مدیریت ایران؛ سال پنجم؛ شماره 18؛ تابستان 1389 طاهرپور کلانتری، حبیب‌الله؛ طیبی طلوع، احمد؛ رابطه مدیریت ارتباط با مشتری (CRM) با عملکرد؛ چشم‌انداز مدیریت بازرگانی؛ شماره 1؛ بهار 1389 عباسی، محمدرضا؛ ترکمنی، محمد؛ مدل نظری اجرای مدیریت ارتباط با مشتری (CRM)؛ بررسی‌های بازرگانی؛ شماره 41؛ خرداد و تیر 1389 غفاری، باهره؛ سلماسی، ناصر؛ شناسایی مشترکان تلفن همراه که تمایل به ترک شرکت دارند به روش خوشه‌بندی؛ ارائه شده در سومین کنفرانس داده‌کاوی ایران؛ 1388 کرامتی، عباس؛ مشکی، هانیه؛ نظری شیرکوهی، سلمان؛ شناسایی و اولویت‌بندی فاکتورهای ریسک پیاده‌سازی پروژه مدیریت ارتباط با مشتری در ایران؛ فصلنامه پژوهشنامه بازرگانی؛ شماره؛ تابستان 1388 کرامتی، محمدعلی؛ نیکزاد شهریور، مسعود؛ ارزیابی عوامل کلیدی موفقیت استراتژی مدیریت ارتباط با مشتری در صنعت نساجی (با رویکرد فازی)؛ مجله علمی پژوهشی علوم و تکنولوژی نساجی؛ سال چهارم؛ شماره اول؛ پائیز و زمستان 1387 محرابی، جواد؛ بابای اهری، مهدی؛ طاعتی، مریم؛ ارائه الگوی یکپارچه پیاده‌سازی مفهوم مدیریت ارتباط با مشتری (CRM) در بانک ملت؛ مجله مدیریت توسعه و تحول؛ شماره 4؛ سال 1389 محمدی‌پور، حمید؛ انتخاب بهترین روش نظرسنجی از مشتریان لوازم خانگی با استفاده از رویکرد داده‌کاوی؛ ارائه شده در سومین کنفرانس داده‌کاوی ایران؛ 1388 موتمنی، علیرضا؛ جعفری، ابراهیم؛ بررسی زمینه‌های پیاده‌سازی مدیریت ارتباط با مشتری (CRM) در صنعت هتلداری ایران؛ چشم‌انداز مدیریت؛ شماره 30؛ بهار 1388 میرفخرالدینی، سیدحیدر؛ حاتمی نسب، سید حسن؛ طالعی‌فر، رضا؛ تبیین وضعیت مدیریت ارتباط با مشتری الکترونیک (e-CRM)؛ نشریه کاوش‌های مدیریت بازرگانی؛ سال اول؛ شماره دوم؛ پائیز و زمستان 1388 یقینی، مسعود؛ سخایی، ندا؛ شهبازنژاد، حمیدرضا؛ بررسی و طبقه‌بندی تکنیک‌های داده‌کاوی برای استخراج دانش مشتری در سیستم‌های کسب و کار مبتنی بر وب؛ ارائه شده در سومین کنفرانس داده‌کاوی ایران؛ 1388 منابع لاتین Camponovo, G., Pigneur, Y., Rangone, A., & Renga, F. (2005). Mobile customer relationship management: An explorative investigation of the Italian consumer market. Proceedings of the 4th International Conference on Mobile Business (ICMB 2005). Los Alamitos: CA, Sydney, IEEE Computer Society, 42-48. Hartel M, Bulander R & Decker M (2006) A literature survey on objectives and success factors of mobile CRM projects. Proceedings of Second European Conference on Mobile Government: 222–232. Lee, T. M., & Jun, J. K. (2007). Contextual perceived value? Investigating the role of contextual marketing for customer relationship management in a mobile commerce context. Business Process Management Journal, 13(6), 798-814. Lunenburg, F. C.; Ibry, B. J. (2008); “Writing a successful thesis or dissertation”; Corwin Press; PP. 167-175, 178-183, 194. Ranjan, J., & Bhatnagar, V. (2008). A hole framework for mCRM: Data mining perdpective. Infoemation Mnagement & Security, 17(2), 151-165. Sangle, Purnima; Awasthi, Preety (2011); Consumer's expectations from mobile CRM services: a banking context; Business Process Management Journal, Vol. 17 Iss: 6, pp.898 – 918 Saunders, M.; Lewis, P.; Thornhill, A. (2009); “Research Methods for Business Students (fifth edition)”; FT: Prentice Hall; PP. 113-115, 124-127, 138-151. Schierholz, R., Kolbe, L. M., & Brenner, W. (2007). Mobilizing customer relationship management: A journey from strategy to system design. Business Process Management Journal, 13(6), 830-852. Sinisalo, J., Salo, J., Karjaluoto, J., & Leppaniemi, M. (2007). Mobile customer relationship management: Underlying issues and challenges. Business Process Management Journal, 13(6), 771-787. Valsecchi, M., Renga, F. M., & Rangone, A. (2007). Mobile customer relationship management: An exploratory analysis of Italian applications. Business Process Management Journal, 13(6), 755-777.