پاورپوینت تحلیل محیط بیرونی و ارزیابی عوامل خارجی در مدیریت استراتژیک

پاورپوینت تحلیل محیط بیرونی و ارزیابی عوامل خارجی در مدیریت استراتژیک

دید کلی :
پاورپوینت تحلیل محیط بیرونی و ارزیابی عوامل خارجی در مدیریت استراتژیک، تنظیم شده در 35 اسلاید زیبا و قابل ویرایش با فرمت pptx

توضیحات کامل :

پاورپوینت تحلیل محیط بیرونی و ارزیابی عوامل خارجی در مدیریت استراتژیک، تنظیم شده در 35 اسلاید زیبا و قابل ویرایش با فرمت pptx






پاورپوینت تحلیل محیط بیرونی و ارزیابی عوامل خارجی در مدیریت استراتژیک



      یکی از مراحل بسیار مهم مدیریت و برنامه ریزی استراتژیک در هر سازمانی بررسی محیط بیرونی سازمان و پارامترهای بیرونی است که خواه ناخواه بر سازمان ، تأثیر گذارند . سازمان ها درخلاء زندگی نمی کنند و ارتباط آن ها با دنیای بیرون است که به آن ها موجودیت و هویت می دهد . این دنیای بیرون را می توان کشور ، جامعه و فرهنگ آن ، دولت و قوانین آن ، مشتریان و خواسته ها ، نیاز ها و سلائق آن ها ، تأمین کنندگان ، رقبا ، کشورهای دیگر ، شرکت های بین المللی ، چند ملیتی و غیره دانست .

v      هرکدام از عوامل تأثیر گذار بیرونی ، تأثیری مثبت و سازنده و یا اثری مخرب و بازدارنده بر سازمان دارند . در نظر گرفتن همین نکته کافی است که شرکت ها و مدیران ارشد آن ها ، ضرورتا محیط بیرونی خود را با شیوه هایی صحیح ، علمی و کاربردی بررسی و عوامل مؤثر خارجی را ارزیابی نمایند و در نهایت ، فرصت ها و تهدیدهایی را که در بیرون ،  سازمان را انتظار می کشند ، مشخص نمایند . تنها در این صورت و در کنار تحلیل مناسب محیط درونی سازمان است که می توان استراتژی ها و رویکردهایی ثمر بخش و کارا را به کار گرفت تا در محیط متغیر امروز ، شرکتی بتواند گلیم خود را از آب بیرون بکشد ، تا پس از کسب اطمینان از بقاء و ادامه حیات خود در پی گسترش و توسعه کسب و کار برآید.



عناوین اسلایدها


تحلیل محیط بیرونی و ارزیابی عوامل خارجی در مدیریت استراتژیک

فرآیند بررسی عوامل خارجی

جمع آوری اطلاعات – روش ها  و منابع

نیروهای خارجی

نیروهای اقتصادی

نیروهای اجتماعی فرهنگی

متغیرهای اصلی فرهنگی و اجتماعی

نیروهای سیاسی ، دولتی و قانونی

عوامل مهم و تأثیر گذار نیروهای سیاسی، قانونی و دولتی

نیروهای فن آوری

نیروهای رقابتی

نیروهای فن آوری

تعیین عوامل مهم و موثر خارجی

 

گزارش کارآموزی حقوق در مركز امور مشاوران حقوقی، وكلا و كارشناسان قوه قضائیه

گزارش کارآموزی حقوق در مركز امور مشاوران حقوقی، وكلا و كارشناسان قوه قضائیه

گزارش کارآموزی حقوق مركز امور مشاوران حقوقی، وكلا و كارشناسان قوه قضائیه در 415 صفحه ورد قابل ویرایش با فرمت doc


مشخصات فایل
تعداد صفحات 415
حجم 0 کیلوبایت
فرمت فایل اصلی doc
دسته بندی حقوق

توضیحات کامل

گزارش کارآموزی حقوق مركز امور مشاوران حقوقی، وكلا و كارشناسان قوه قضائیه در 415 صفحه ورد قابل ویرایش با فرمت doc

 

فهرست مطالب

فصل اول
گزارشات حقوقی
دفاتر حقوقی
دادگاه‌ عمومی (حقوقی)
الزام به انتقال سند رسمی
قرار تأمین خواسته
درخواست طلاق غیابی
تخلیه
صدور حكم توقف و ورشكستگی
الزام به انجام تعهد
ابطال سند
الزام به انتقال سند
اعسار از پرداخت دیه
ابطال شناسنامه و صدور شناسنامه جدید
مطالبه طلب
استرداد اثاثیه منزل
صدور حكم تولیت
تخلیه
خلع ید
فسخ مبایعه‌نامه
تخلیه
صدور حكم اصلاحی بر اساس گزارش اصلاحی فی‌مابین طرفین
اجرای احكام مدنی
مطالبه مهریه
مطالبه خسارات وارده
مطالبه طلب
ابطال معامله ـ جلب ثالث
تخلیه ملك
تقاضای تأمین خواسته
مطالبه سهم‌الارث
فروش و افراز ملك مشاع
قطع و قمع مستحدثات ـ دستور موقت ـ خلع ید
مطالبه دیه جراحات وارده
فسخ قرارداد
الزام به مسلوب المنفعه نمودن چاه غیر مجاز و مطالبه خسارت
تعدیل اجاره بهاء
فك رهن
فسخ معامله و استرداد خودرو
رسیدگی به اخراج و مزایای قانونی (مطالبه كاركرد)
مزایده اموال منقول
فسخ نكاح و مطاله نفقه
مطالبه طلب
مطالبه نفقه
مطالبه اجرت‌المثل
الزام به تسلیم بیع
تغییر مجرای لوله آب شرب و فاضلاب
مطالبه طلب (اعمال ماده 2 محكومیت‌های مالی و حبس محكوم علیه)
اعسار از پرداخت هزینه دادرسی تجدید نظرخواهی
حكم به افراز یك قطعه زمین مشاعی
فصل دوم
گزارشات كیفری
دادگاه‌های عمومی (جزایی)
فروش مال غیر
ترك انفاق
صدور چك بلامحل
تصرف عدوانی
استفاده از سند مجعول
فروش مال غیر و كلاهبرداری
فحاشی و ورود به عنف
اعسار از پرداخت دیه
سرقت تعزیری
فروش مال غیر
ترك انفاق
قرار منع تعقیب
صدور چك بلامحل
ایجاد مزاحمت
رابطه نامشروع
خیانت در امانت
تقاضای الزام خوانده نسبت به تحویل لوازم و ابزارآلات قالب‌بندی
اجرای احكام كیفری
قتل عمد
شهادت خلاف واقع
آدم‌ربائی توأم با اذیت و آزار
اختلاس اعمال ماده 277 قانون آیین دادرسی كیفری
اعمال ماده 696 قانون مجازات اسلامی
دادگاه انقلاب
نگهداری غیر مجاز اسلحه
حمل و استفاده از مواد مخدر
آزادی مشروط
قاچاق چوب
سلاح شكاری
كشف مواد مخدر در زندان
دادگاه اطفال
سرقت
ممانعت از تحصیل كودك
ولگردی
مخدوش نمودن شناسنامه
عدم ثبت واقعه ازدواج
زنای غیر محصنه
خودداری از كمك به مصدوم صحنه تصادف
دادگاه تجدید نظر
كلاهبرداری
صدور چك وعده‌دار موضوع ماده 13
اثبات مالكیت
چك بلامحل موضوع ماده (3 و 7)
ایراد ضرب و شتم عمدی
جعل
عمل منافی عفت و فحاشی و ایراد ضرب و جرح عمدی
فصل سوم
گزارشات خوانواده
دادگاه خانواده
تقسیط محكومٌ به
طلاق (خلع)
مطالبه مهریه
الزام به ثبت واقعه ازدواج دائم
اهداء جنین
طلاق (به لحاظ حرج)
اثبات نسب
دستور موقت مبنی بر عدم خروج از كشور
طلاق (رجعی)
نفقه
طلاق ـ خلع ید
تغییر نام كوچك
قرار تأمین خواسته
فرزند خواندگی
تمكین
گواهی عدم امكان سازش
الزام به استرداد وسایل شخصی
توقیف عملیات اجرایی
مطالبه نفقه آینده
طلاق توافقی (رجعی)
طلاق توافقی (خلع)
طلاق (مبارات)
درخواست اجاره ازدواج
قرار موقوفی تعقیب
استرداد جهیزیه
الزام به تهیه مسكن علیحده
تقاضای ازدواج مجدد
فسخ نكاح
حضانت دائم
گواهی رشد
تعیین وضعیت ملاقات
بذل مدت ازدواج موقت
طلاق خلع
فصل چهارم
گزارشات امور حسبی
دایره سرپرستی
نصب امین
اعلام فوت
قیومیت
اعلام حجر
تقاضای صدور گواهی انحصار وراثت
حفظ و نگهداری اموال بلاصاحب و بلا وارث
حفظ و نگهداری اموال غائب مفقودالاثر
اعلام مفقودیت
اعلام حجر


توضیحات بیشتر و دانلود



صدور پیش فاکتور، پرداخت آنلاین و دانلود

نمونه قرارداد سرایداری و خدماتی

نمونه قرارداد سرایداری و خدماتی

نمونه قرارداد سرایداری و خدماتی

فرمت فایل : docx

حجم : 172

صفحات : 7

گروه : عمومی

توضیحات محصول :

قرارداد انجام خدمات نظافتی ساختمان

قرارداد خدمات سرایداری و نگهبانی

قیمت محصول : 2000 تومان

دانلود

پایان نامه داده کاوی در بانک

پایان نامه داده کاوی در بانک

هدف از پایان نامه داده کاوی در بانک با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده‌کاوی» می باشد


مشخصات فایل
تعداد صفحات185
حجم973 کیلوبایت
فرمت فایل اصلیdocx
دسته بندیرشته فناوری اطلاعات (IT)

توضیحات کامل

هدف از پایان نامه داده کاوی در بانک با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده‌کاوی» می باشد، بخش‌بندی مشتریان بانک مهر اقتصاد باهدف کشف ویژگی‌های رفتاری مشابه جهت تسهیل اتخاذ استراتژی‌های متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان این بانک می  باشد. داده‌های خام مورد نیاز جهت این مطالعه از پایگاه داده‌های بانک مهر اقتصاد استخراج شده است.

 

 

 


چارچوب کلی این تحقیق در هفت گام تنظیم شده است. در گام انتخاب متغیرها، با توجه به اهداف تحقیق و به جهت کاهش حجم داده‌ها، متغیرهای تأثیرگذار بر این مطالعه شناسایی شد و از این میان سه دسته متغیر داده هاي جمعيت آماري مشتریان، متغیرهای تراکنش‌های مالي مشتريان (R، فاصله ميان زمان آخرين تراكنش مشتري تا زمان مورد ارزيابي، F، تعداد خريدهاي مشتريان در يك بازه زماني خاص و M، ميانگين مبالغ تراکنش‌های مشتري در يك بازه زماني خاص) و متغیر K مربوط به کلیدی بودن مشتری که با نظر خبرگان بانکی تعیین می گردد، انتخاب شده است.

 

 

 

 

 

در گام آماده‌سازی داده‌ها عملیات پیش پردازشی نظیر حذف داده‌های نامناسب و نرمال سازی، جهت آماده‌سازی برای ورود به الگوریتم انجام می گیرد. این داده‌ها در یک مجموعه با هزار نمونه و در قالب جدول اکسل تنظیم شدند. در ادامه تعداد خوشه‌ها به منظور تفکیک مشتریان با استفاده از نظرات خبرگان بانکی، پنج دسته تعیین گردید. در گام بعد الگوریتم‌های خوشه‌بندی K Means، WK Means و A H Means بر روی پایگاه داده‌ها اعمال شد. در نهایت با شناسایی خوشه های مشتریانی که بیشترین شباهت را در الگوهای رفتاری خود دارند، دانشی حاصل خواهد شد که می تواند در جهت اتخاذ استراتژی  مناسب جهت جذب و نگهداری مشتری و بهبود کارآیی مالی او، توسط مدیران سازمان بکار گرفته شود.

 

 

 

 

 

 

 

 

 


فهرست مطالب
فصل اول    1
1 1  مقدمه    2
1 2  تعريف مسئله    4
1 3  ضرورت انجام تحقيق    10
1 4  مراحل انجام تحقيق    11
1 5  محدوده تحقيق    13
1 6  اهداف تحقيق    13
1 7  ساختار پایان‌نامه    15

 

 

فصل دوم    18
2 1  مقدمه    18
2 2  مديريت دانش    21
2 2 1  دانش چيست؟    21
2 2 2  هرم دانش    22
2 2 3  انواع دانش    23
2 2 3 1  دانش صريح    23
2 2 3 2  دانش ضمنی    24
2 2 4  مديريت دانش چیست؟    24
2 2 5  استراتژی‌های مديريت دانش    26
2 2 5 1  استراتژی اجتماعی سازی (تبدیل دانش پنهان به پنهان)    27
2 2 5  2  استراتژی برونی سازی (پنهان به آشکار)    28
2 2 5  3  استراتژی ترکیب سازی (آشکار به آشکار)    28
2 2 5  4  استراتژی درونیسازی (آشکار به پنهان)    29
2 2 6 معایب عدم بهرهگیری از دانش در سازمان    29
2 2 7  اهداف مدیریت دانش    30
2 2 8  مدل های مديريت دانش    31
2 3  مديريت دانش مشتری    33
2 3 1  انواع دانش مشتری    35
2 3 2  مدل مدیریت دانش مشتری    40
2 4  مديريت ارتباط با مشتری    42
2 4 1  مديريت ارتباط مشتريان در نظام بانکی    46
2 4 2  مدیریت ارتباط با مشتری: اهداف، مزایا و چالش‌ها    48
2 5  مقايسه مفاهيم CKM و KM و CRM    50
2 6  تاریخچه‌ای از بانک و بانکداری    54
2 7   سير تحول فناوري اطلاعات در صنعت بانكداري    55
2 7 1 دوره اول: اتوماسيون پشت باجه    55
2 7 2  دوره دوم: اتوماسيون جلوي باجه    56
2 7 3  دوره سوم: اتصال مشتريان به حساب‌هایشان    56
2 7 4  دوره چهارم: یکپارچه‌سازی سیستم‌ها و مرتبط كردن مشتريان با تمامي عمليات بانكي    57
2 7 5  بانكداري الكترونيك    57
2 8  داده‌کاوی    58
2 8 1  مقايسه روش‌های آماری و داده‌کاوی    59
2 8 2  مفهوم داده‌کاوی    61
2 8 3  داده‌کاوی و کشف دانش    64
2 8 4  فرايند داده‌کاوی    66
2 8 5  معرفی روش‌های داده‌کاوی    73
2 8 5 1  دسته‌بندی    75
2 8 5 2  درخت تصمیم    76
2 8 5 3  شبکه‌های عصبی    77
2 8 5 4  پیش بینی    79
2 8 5 5  خوشه‌بندی    80
2 8 5 5  انواع خوشه‌بندی    81
2 8 5 5 2  معیارهای ارزیابی در خوشه‌بندی    83
2 8 5 6  تحلیل انحراف    85
2 8 5 7  قواعد وابستگی (انجمنی)    86
2 8 5 8  تحلیل توالی    86
2 8 6  نرم‌افزار داده‌کاوی    87
2 8 7  کاربردهای داده‌کاوی    88
2 8 7 1  داده‌کاوی در صنعت بانكداری    90
2 9  پیشینه تحقیق    91

2 9 1  کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری    93

2 9 2  کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان    96

2 9 3  کاربرد داده‌کاوی در زمینه کشف تقلب    98

2 9 4  کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری    99

2 10  جمع‌بندی مطالب فصل    106

 

 

فصل سوم    109
3 1  مقدمه    110
3 2  روش پیشنهادی    110
3 2 1  چارچوب تحقیق    111
3 2 2  انتخاب متغیرها    113
3 2 3  آماده‌سازی و پیش‌پردازش داده‌ها    115
3 2 3 1  نرمال سازی داده‌ها    115
3 2 4  تعیین تعداد بهینه خوشه‌ها    116
3 2 5  خوشه‌بندی    117
3 2 5 1  انواع خوشه‌بندی    118
3 2 5 2  خوشه‌بندی به روش K Means    120
3 2 5 1 1  مزایای استفاده از الگوریتم خوشه‌بندی K Means    121
3 2 5 1 2   محدودیت‌های الگوریتم K Means    121
3 2 5 2  خوشه‌بندی به روش WK Means    122
3 2 5 3  خوشه‌بندی به روش A H Means    124
3 2 6  ارزیابی خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترین روش    126
3 2 7  به‌کارگیری دانش حاصل از خوشه‌بندی    128
3 3  روش‌های جمع آوری اطلاعات    128
3 4  جمع‌بندی مطالب فصل    129

 

 

فصل چهارم    131
4 1  مقدمه    131
4 2  معرفی بانک مهر اقتصاد    132
4 3  موضوع و فعالیت بانک    133
4 4  محاسبات تحقیق    134
4 4 1  گام انتخاب و جمع آوری متغیرهای ورودی    134
4 4 2  گام آماده‌سازی و پیش‌پردازش داده‌ها    136
4 4 3 گام تعیین تعداد بهینه خوشه‌ها    137
4 4 4  گام خوشه‌بندی داده‌ها    138
4 4 4 1  خوشه‌بندی به روش K Means    139
4 4 4 2  خوشه‌بندی به روش WK Means    141
4 4 4 3  خوشه‌بندی به روش A H Means    142
4 4 5  ارزیابی خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترین روش    142
4 4 6 گام به‌کارگیری دانش حاصل از خوشه‌بندی    144
4 5  نتایج تحقیق    147
4 6  جمع‌بندی مطالب فصل    149

 

 

فصل پنجم    151
5 1  مقدمه    152
5 2  خلاصه تحقیق    152
5 3  نتیجه‌گیری    154
5 4  زمینه‌های پیشنهادی، راهکارها و پیشنهاد‌ات جهت پژوهش‌های آتی    155
منابع و مآخذ    171

 

 

 


فهرست جدول‌ها
جدول 2 1 انواع مختلف تبدیلات دانش    19
جدول 2 2 مقایسه مفاهیم مدیریت دانش، مدیریت ارتباط با مشتری و مدیریت دانش مشتری    35
جدول 2 3 مقایسه روش‌های تحلیل آماری و داده‌کاوی    41
جدول 2 4 فعالیت‌های مربوط به فازهای CRISP DM و خروجی هر فعالیت    50
جدول 2 5 نمونه داده‌های مورد نیاز در یک مسئله مدل‌سازی به روش دسته‌بندی    54
جدول 2 6 معیارهای محاسبه شباهت در خوشه‌بندی    59
جدول 2 7 معیارهای محاسبه فاصله در خوشه‌بندی    60
جدول 2 8 پژوهش‌های انجام‌گرفته در زمینه کاربرد داده‌کاوی در صنعت بانکداری    71
جدول 3 1 متغیرهای تحقیق    80
جدول 4 1 نمونه ده‌تایی از داده‌های مربوط به مشتریان بانک مهر اقتصاد    95
جدول 4 2 متغیرهای نرمال شده    96
جدول 4 3 وزن نسبی متغیرهای تحقیق    100
جدول 4 5 مقادیر مجموع مربع خطاها در الگوریتم‌های مختلف خوشه‌بندی    101
جدول 4 6 دسته‌بندی مشتریان بر مبنای ویژگی‌های رفتاری مشابه    103
جدول 4 7 اطلاعات مربوط به خوشه‌بندی مشتریان بانک مهر اقتصاد به روش K Means    104

 

 

 


فهرست تصاویر و نمودارها
شکل 2 1 سلسله‌مراتب دانش    16
شکل 2 2 دانش صریح فقط بخش کوچکی از دانش را تشکیل می‌دهد.    17
شکل 2 3 مدل مدیریت دانش پروبست و رمهارد    22
شکل 2 4 چارچوب خوشه انگور جهت نوع شناسی دانش مشتری    26
شکل 2 5 مدل مدیریت دانش مشتری    28
شکل 2 7 گام‌های فرایند تولید دانش از پایگاه داده‌ها    44
شکل 2 8 متدولوژي فرآيند استاندارد ميان صنعتي داده‌کاوی (CRISP DM)    47
شکل 2 9 دسته‌بندی کلی عملکردهای داده‌کاوی    52
شکل 2 11 نیروهای رقابتی پورتر    64
شکل 3 1 چارچوب تحقیق    78
شکل 4 1 خوشه اول، الگوریتم K Means    98
شکل 4 2 خوشه دوم، الگوریتم K Means    98
شکل 4 3 خوشه سوم، الگوریتم K Means    99
شکل 4 4 خوشه چهارم، الگوریتم K Means    99
شکل 4 5 خوشه پنجم، الگوریتم K Means    99


 


توضیحات بیشتر و دانلود



صدور پیش فاکتور، پرداخت آنلاین و دانلود

پایان نامه داده کاوی در بیمه

پایان نامه داده کاوی در بیمه

پایان نامه داده کاوی در بیمه با عنوان ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی شرکت سهامی بیمه ایران می باشد.


مشخصات فایل
تعداد صفحات124
حجم2637 کیلوبایت
فرمت فایل اصلیdocx
دسته بندیمهندسی نرم افزار

توضیحات کامل

پایان نامه داده کاوی در بیمه با عنوان ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی شرکت سهامی بیمه ایران می باشد.در این تحقیق توانستیم اثبات کنیم که با روشهای داده کاوی می توان مدلی هایی ارائه داد که عوامل موثر در احتمال به بار آوردن خسارت یک مشتری را با توجه به میزان تاثیر آن عوامل مشخص کند. این موضوع از طریق الگوریتم های کاهش ویژگی و وزن دهی و شبکه عصبی مهیا شد. همچنین الگوریتم های خوشه بندی نیز نتایج مشابهی را ارائه داده اند. علاوه بر این، الگوریتم های دسته بندی با تشخیص عوامل اثر گذار توانسته اند مدلی را ارائه دهند که با دقت بسیار بالایی احتمال خسارتی بودن یک بیمه نامه را تشخیص می دهد.

 

 

 الگوریتم های درخت تصمیم نیز با دقت بالایی در تشخیص عوامل موثر در خسارتی بودن یک بیمه نامه و ارائه مدل و قوانین لازم موفق عمل کرده اند. الگوریتم های مبتنی بر قانون اگرچه قوانین بسیار محدودی ارائه داده اند اما درصد تشخیص عوامل اثر گذار و دقت قوانین استخراج شده قابل اطمینان بوده است. عوامل در الگوریتم های مختلف با ضریب تشخیصی متفاوت قید شده است. عوامل اثر گذار استخراج شده عمدتاً به تنهایی موثر نبوده بلکه دارای اثرات وابسته به دیگر عوامل بوده است که این موضوع در درختهای تصمیم و قواعد تلازمی(مبتنی بر قانون) به وضوح مشخص است و بیان شده است. 

 

 

 

در این پژوهش از8 الگوریتم دسته بندی شامل KNN, Naïve bayes, Neural Network,   SVM Linear, Meta Decision Tree, Wj48, Random Forest و رگرسیون لجستیک استفاده شده است که تعداد 3 الگوریتم آن درخت تصمیم بوده است. همچنین دو الگوریتم مبتنی بر قانون  Apriori, Fp Growthو 3 الگوریتم خوشه بندی K-Means، دوگامی و Kohonen نیز مورد استفاده قرار گرفته  اند. در این قسمت نتایج الگوریتمهای دسته بند غیر درخت با هم مقایسه می شوند و به ترتیب بهترین مدلها مشخص میگردند. همچنین سه الگوریتم دسته بند درختی با هم دیگر مقایسه شده و بهترین نتایجی که خسارتی بودن یک رکورد را مشخص میکند پس از مشاوره با یک متخصص و کارشناس در امور بیمه از هر درخت استخراج می گردد و به ترتیب دقت نهایی آن الگوریتم اعلام میگردد. در خصوص الگوریتم های مبتنی بر قانون نیز دو الگوریتم با هم دیگر مقایسه شده و بهترین قوانینی که خسارتی بودن یک رکورد را مشخص میکند پس از مشاوره با یک متخصص و کارشناس در امور بیمه از هر الگوریتم استخراج و اعلام میگردد. 

 

 

 

 

 

 

 


فهرست مطالب

فصل اول:  مقدمه
1-1    تعریف داده کاوی    4
1-2    تعریف بیمه    4
1-3    هدف پایان نامه    5
1-4    مراحل انجام تحقیق    5
1-5    ساختار پایان نامه    6

 

 


فصل دوم: ادبیات موضوع و تحقیقات پیشین
2-1    داده کاوی و یادگیری ماشین    8
2-2    ابزارها و تکنیک های داده کاوی    9
2-3    روشهای داده کاوی    11
2-3-1    روشهای توصیف داده ها    12
2-3-2    روشهای تجزیه و تحلیل وابستگی     12
2-3-3    روشهای دسته بندی و پیشگویی    12
2-3-4    درخت تصمیم    13
2-3-5    شبکه عصبی    14
2-3-6    استدلال مبتنی بر حافظه    14
2-3-7    ماشین های بردار پشتیبانی    15
2-3-8    روشهای خوشه بندی     16
2-3-9    روش K-Means    16
2-3-10    شبکه کوهنن    16
2-3-11    روش  دو گام    17
2-3-12    روشهای تجزیه و تحلیل نویز    17
2-4    دسته های نامتعادل]صنیعی آباده 1391[.    18
2-4-1    راهکار مبتنی بر معیار    18
2-4-2    راهکار مبتنی بر نمونه برداری    19
2-5    پیشینه تحقیق    20
2-6    خلاصه فصل    23

 

 


فصل سوم: شرح پژوهش
3-1    انتخاب نرم افزار    26
3-1-1    Rapidminer    26
3-1-2    مقایسه RapidMiner   با سایر نرم افزار های مشابه    27
3-2    داده ها    31
3-2-1    انتخاب داده    31
3-2-2    فیلدهای مجموعه داده صدور    31
3-2-3    کاهش ابعاد    31
3-2-4    فیلدهای مجموعه داده خسارت    37
3-2-5    پاکسازی داده ها    37
3-2-6    رسیدگی به داده های از دست رفته    37
3-2-7    کشف داده دور افتاده    39
3-2-8    انبوهش داده    41
3-2-9    ایجاد ویژگی دسته    41
3-2-10    تبدیل داده    41
3-2-11    انتقال داده به محیط داده کاوی    42
3-2-12    انواع داده تعیین شده    42
3-2-13    عملیات انتخاب ویژگیهای موثرتر    43
3-3    نتایج اعمال الگوریتم PCA و الگوریتم های وزن دهی    44
3-4    ویژگی های منتخب جهت استفاده در الگوریتمهای حساس به تعداد ویژگی    46
3-5    معیارهای ارزیابی الگوریتمهای دسته بندی    47
3-6    ماتریس درهم ریختگی    47
3-7    معیار AUC    48
3-8    روشهای ارزیابی الگوریتم های دسته بندی    49
3-8-1    روش Holdout    49
3-8-2    روش Random Subsampling    50
3-8-3    روش Cross-Validation    51
3-8-4    روش Bootstrap    51
3-9    الگوریتمهای دسته بندی    52
3-9-1    الگوریتم KNN    53
3-9-2    الگوریتم Naïve Bayes    54
3-9-3    الگوریتم Neural Network    54
3-9-4    الگوریتم   SVM   خطی    56
3-9-5    الگوریتم   رگرسیون لجستیک    58
3-9-6    الگوریتم  Meta Decision Tree    59
3-9-7    الگوریتم درخت Wj48    61
3-9-8    الگوریتم درخت Random forest    63
3-10    معیارهای ارزیابی الگوریتم های مبتنی بر قانون(کشف قوانین انجمنی)    65
3-10-1    الگوریتم FPgrowth    66
3-10-2    الگوریتم Weka Apriori    67
3-11    معیارهای ارزیابی الگوریتمهای خوشه بندی    67
3-12    الگوریتم های خوشه بندی    69
3-12-1    الگوریتم K-Means    69
3-12-2    الگوریتم Kohonen    73
3-12-3    الگوریتم دوگامی    77

 

 


فصل چهارم: ارزیابی و نتیجه گیری
4-1    مقایسه نتایج    83
4-2    الگوریتمهای دسته بندی    84
4-3    الگوریتم های دسته بندی درخت تصمیم    84
4-4    الگوریتم های خوشه بندی    96
4-5    الگوریتم های قواعد تلازمی(مبتنی بر قانون)    98
4-6    پیشنهادات به شرکت های بیمه    99
4-7    پیشنهادات جهت ادامه کار    101

 

 

منابع و مأخذ
    فهرست منابع فارسی    102
    فهرست منابع انگلیسی    103

 

 

 

فهرست جدول‌ها 
جدول شماره 3-1:  نتایج رای گیری استفاده از نرم افزارهای داده کاوی    24
جدول شماره 3-2: فیلدهای اولیه داده های صدور    26
جدول شماره 3-3: فیلدهای نهایی داده های صدور    27
 جدول شماره 3-4: فیلدهای  حذف شده داده های صدور و علت حذف آنها    28
جدول 3-5:  فیلدهای استخراج شده از داده های خسارت    28
جدول 3-6: نتایج  نمودار boxplot    31
جدول 3-7: انواع داده استفاده شده    33
جدول 3-8: نتایج حاصل از اجتماع فیلدهای با بالاترین وزن در الگوریتمهای مختلف    37
جدول 3-9: ماتریس در هم ریختگی رکوردهای تخمینی(Predicted  Records)    38
جدول 3-10: قوانین استخراج شده توسط الگوریتم Fpgrowth    55
جدول 3-11: قوانین استخراج شده توسط الگوریتم Weka Apriori    55
جدول 3-12: تنظیمات پارامترهای الگوریتم K-Means    57
اجرا برای 9 خوشه در الگوریتم K-Means    60
جدول 3-13: تنظیمات پارامترهای الگوریتم Kohonen    64
جدول 3-14: تنظیمات پارامترهای الگوریتم دوگامی    69
جدول 4-1: مقایسه الگوریتم های دسته بند    70
جدول 4-2: مقایسه الگوریتم های دسته بند درخت تصمیم    70
جدول 4-3: ماتریس آشفتگی قانون شماره 1    71
جدول 4-4: ماتریس آشفتگی قانون شماره 2    72
جدول 4-5: ماتریس آشفتگی قانون شماره 3 الف    72
جدول 4-6: ماتریس آشفتگی قانون شماره 3 ب    72
جدول 4-7: ماتریس آشفتگی قانون شماره 3 ج    73
جدول 4-8: ماتریس آشفتگی قانون شماره 3 د    73
جدول 4-9: ماتریس آشفتگی قانون شماره 3 ه    73
جدول 4-10: ماتریس آشفتگی قانون شماره 3 و    74
جدول 4-11: ماتریس آشفتگی قانون شماره 3 ز    76
جدول 4-12: ماتریس آشفتگی قانون شماره 4    76
جدول 4-13: ماتریس آشفتگی قانون شماره 5    77
جدول 4-14: ماتریس آشفتگی قانون شماره 6 الف    77
جدول 4-15: ماتریس آشفتگی قانون شماره 6 ب    78
جدول 4-16: ماتریس آشفتگی قانون شماره7    78
جدول 4-17: ماتریس آشفتگی قانون شماره8    79
جدول 4-18: مقایسه الگوریتم های خوشه بندی    79
جدول 4-19: فیلدهای حاصل از الگوریتم های خوشه بندی    80
جدول 4-20: نتایج الگوریتم های FpGrowth, Weka Apriori    81
    

 

 

 

فهرست شکل‌ها 
شکل شماره3-1: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی    33
شکل 3-2:  نتایج الگوریتمPCA     34
شکل 3-3:  نتایج الگوریتم SVM Weighting در ارزشدهی به ویژگی ها    35
شکل 3-4: نتایج الگوریتم Weighting Deviation  در ارزشدهی به ویژگی ها    35
شکل 3-5: نتایج الگوریتم Weighting Correlation در ارزشدهی به ویژگی ها    36
شکل 3-6:  نمای کلی استفاده از روشهای ارزیابی    41
شکل 3-7:  نمای کلی استفاده از یک مدل درون یک روش ارزیابی    42
شکل 3-8:  نمودار AUC الگوریتم KNN    42
شکل 3-9:  نمودار AUC الگوریتم Naïve Bayes    43
شکل 3-10:  تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی    44
شکل 3-11:  نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net    44
شکل 3-12:  تبدیل ویژگی های غیر عددی به عدد در الگوریتم  SVM  خطی    45
شکل 3-13 :  نمودار AUC الگوریتم  SVM Linear    46
شکل 3-14 :  نمودار AUC الگوریتم  رگرسیون لجستیک    47
شکل 3-15 : نمودار AUC الگوریتم  Meta Decision Tree    48
شکل 3-16 : قسمتی از نمودارtree الگوریتم  Meta Decision Tree    49
شکل 3-17 :  نمودار radial الگوریتم  Meta Decision Tree    49
شکل 3-18: نمودار AUC الگوریتم  Wj48    50
شکل 3-19 :  نمودار tree الگوریتم  Wj48    51
شکل 3-20 :  نمودار AUC الگوریتم  Random forest    52
شکل 3-21 :  نمودار تولید 20 درخت در الگوریتم  Random Forest    53
شکل 3-22 :  یک نمونه درخت تولید شده توسط الگوریتم  Random Forest    53
شکل 3-23 : رسیدن درصد خطا به صفر پس از 8مرتبه    57
شکل 3-24 : Predictor  Importance for K-Means    58
شکل 3-25 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم K-Means    59
شکل 3-26 : کیفیت خوشه ها در الگوریتمMeans K-    60
شکل 3-27 : Predictor  Importance for Kohonen    61
شکل 3-28 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم Kohonen    62
شکل 3-29 : کیفیت خوشه ها در الگوریتمMeans K-    63
شکل 3-30 : تعداد نرون های ورودی و خروجی در Kohonen    63
شکل 3-31 : Predictor  Importance for  دوگامی    64
شکل 3-32 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم دوگامی    65
شکل 3-33 : کیفیت خوشه ها در الگوریتم دوگامی    66
شکل4-1: نمودارنسبت تخفیف عدم خسارت به خسارت    75


 
 


توضیحات بیشتر و دانلود



صدور پیش فاکتور، پرداخت آنلاین و دانلود

فصل دوم پایان نامه داده کاوی در بانک

فصل دوم پایان نامه داده کاوی در بانک

هدف از فصل دوم پایان نامه داده کاوی در بانک با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده‌کاوی» می باشد


مشخصات فایل
تعداد صفحات105
حجم630 کیلوبایت
فرمت فایل اصلیdocx
دسته بندیرشته فناوری اطلاعات (IT)

توضیحات کامل

هدف از  فصل دوم پایان نامه داده کاوی در بانک با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده‌کاوی» می باشد.

 

 


با بکارگیری تکنیک های هوشمند داده‌کاوی مشتریان بانک مهر اقتصاد در پنج دسته و با توجه به بیشترین شباهت در الگوی رفتاری گروه بندی شدند.خوشه‌بندی مشتریان بر مبنای چارچوب ارائه شده در این تحقیق به ما کمک می کند تا مشتریانی که دارای الگوهای رفتاری مشابه بر حسب متغیرهای تراکنشی مشتریان و ممتغیرهای جمعیت آماری هستند را در گروه های واحدی در نظر گرفته و بر مبنای ویژگی‌های اکثریت مشتریان هر گروه، سرویس های متناسب با این ویژگی ها را به روش‌های متفاوت به مشتریان پیشنهاد نمود.

 

 

 

 


می توان با بررسی خوشه‌ها، خوشه هایی که بیش‌ترین تعداد مشتریان کلیدی در آن ها قرارگرفته‌اند شناسایی نمود. با این امکان مشتریان مستعد کلیدی شدن شناخته می شوند و با خدمت رسانی هر چه بیشتر به این گروه ها منجر به حفظ و ادامه ارتباط مؤثر آن ها با بانک گردید.با بررسی خوشه هایی که بیش‌ترین مشتریان کلیدی را در خود جای داده اند و شناسایی اکثریت مشتریان در این خوشه‌ها از منظر نوع شغل، محل منطقه بانکی و جنسیت و ... و با نظر کارشناسان و خبرگان بانکی می توان خدمات بانکی ویژه و متناسب با این گروه ها را طراحی نموده و از طریق پیامک و یا به طور رودررو به این افراد معرفی نمود.

 

 

 

 

 

 

 


فهرست مطالب
 

فصل دوم    18
2 1  مقدمه    18
2 2  مديريت دانش    21
2 2 1  دانش چيست؟    21
2 2 2  هرم دانش    22
2 2 3  انواع دانش    23
2 2 3 1  دانش صريح    23
2 2 3 2  دانش ضمنی    24
2 2 4  مديريت دانش چیست؟    24
2 2 5  استراتژی‌های مديريت دانش    26
2 2 5 1  استراتژی اجتماعی سازی (تبدیل دانش پنهان به پنهان)    27
2 2 5  2  استراتژی برونی سازی (پنهان به آشکار)    28
2 2 5  3  استراتژی ترکیب سازی (آشکار به آشکار)    28
2 2 5  4  استراتژی درونیسازی (آشکار به پنهان)    29
2 2 6 معایب عدم بهرهگیری از دانش در سازمان    29
2 2 7  اهداف مدیریت دانش    30
2 2 8  مدل های مديريت دانش    31
2 3  مديريت دانش مشتری    33
2 3 1  انواع دانش مشتری    35
2 3 2  مدل مدیریت دانش مشتری    40
2 4  مديريت ارتباط با مشتری    42
2 4 1  مديريت ارتباط مشتريان در نظام بانکی    46
2 4 2  مدیریت ارتباط با مشتری: اهداف، مزایا و چالش‌ها    48
2 5  مقايسه مفاهيم CKM و KM و CRM    50
2 6  تاریخچه‌ای از بانک و بانکداری    54
2 7   سير تحول فناوري اطلاعات در صنعت بانكداري    55
2 7 1 دوره اول: اتوماسيون پشت باجه    55
2 7 2  دوره دوم: اتوماسيون جلوي باجه    56
2 7 3  دوره سوم: اتصال مشتريان به حساب‌هایشان    56
2 7 4  دوره چهارم: یکپارچه‌سازی سیستم‌ها و مرتبط كردن مشتريان با تمامي عمليات بانكي    57
2 7 5  بانكداري الكترونيك    57
2 8  داده‌کاوی    58
2 8 1  مقايسه روش‌های آماری و داده‌کاوی    59
2 8 2  مفهوم داده‌کاوی    61
2 8 3  داده‌کاوی و کشف دانش    64
2 8 4  فرايند داده‌کاوی    66
2 8 5  معرفی روش‌های داده‌کاوی    73
2 8 5 1  دسته‌بندی    75
2 8 5 2  درخت تصمیم    76
2 8 5 3  شبکه‌های عصبی    77
2 8 5 4  پیش بینی    79
2 8 5 5  خوشه‌بندی    80
2 8 5 5  انواع خوشه‌بندی    81
2 8 5 5 2  معیارهای ارزیابی در خوشه‌بندی    83
2 8 5 6  تحلیل انحراف    85
2 8 5 7  قواعد وابستگی (انجمنی)    86
2 8 5 8  تحلیل توالی    86
2 8 6  نرم‌افزار داده‌کاوی    87
2 8 7  کاربردهای داده‌کاوی    88
2 8 7 1  داده‌کاوی در صنعت بانكداری    90
2 9  پیشینه تحقیق    91
2 9 1  کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری    93
2 9 2  کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان    96
2 9 3  کاربرد داده‌کاوی در زمینه کشف تقلب    98
2 9 4  کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری    99
2 10  جمع‌بندی مطالب فصل    106

 


منابع و مآخذ    

 

 

 


فهرست جدول‌ها
جدول 2 1 انواع مختلف تبدیلات دانش    19
جدول 2 2 مقایسه مفاهیم مدیریت دانش، مدیریت ارتباط با مشتری و مدیریت دانش مشتری    35
جدول 2 3 مقایسه روش‌های تحلیل آماری و داده‌کاوی    41
جدول 2 4 فعالیت‌های مربوط به فازهای CRISP DM و خروجی هر فعالیت    50
جدول 2 5 نمونه داده‌های مورد نیاز در یک مسئله مدل‌سازی به روش دسته‌بندی    54
جدول 2 6 معیارهای محاسبه شباهت در خوشه‌بندی    59
جدول 2 7 معیارهای محاسبه فاصله در خوشه‌بندی    60
جدول 2 8 پژوهش‌های انجام‌گرفته در زمینه کاربرد داده‌کاوی در صنعت بانکداری    71

 

 

 


فهرست تصاویر و نمودارها
شکل 2 1 سلسله‌مراتب دانش    16
شکل 2 2 دانش صریح فقط بخش کوچکی از دانش را تشکیل می‌دهد.    17
شکل 2 3 مدل مدیریت دانش پروبست و رمهارد    22
شکل 2 4 چارچوب خوشه انگور جهت نوع شناسی دانش مشتری    26
شکل 2 5 مدل مدیریت دانش مشتری    28
شکل 2 7 گام‌های فرایند تولید دانش از پایگاه داده‌ها    44
شکل 2 8 متدولوژي فرآيند استاندارد ميان صنعتي داده‌کاوی (CRISP DM)    47
شکل 2 9 دسته‌بندی کلی عملکردهای داده‌کاوی    52
شکل 2 11 نیروهای رقابتی پورتر    64

 


 


توضیحات بیشتر و دانلود



صدور پیش فاکتور، پرداخت آنلاین و دانلود

پروپوزال داده کاوی در بانک

پروپوزال داده کاوی در بانک

هدف از پروپوزال داده کاوی در بانک با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده‌کاوی»می باشد


مشخصات فایل
تعداد صفحات34
حجم83 کیلوبایت
فرمت فایل اصلیdocx
دسته بندیرشته فناوری اطلاعات (IT)

توضیحات کامل

هدف از  پروپوزال داده کاوی در بانک با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده‌کاوی»می باشد.هرچند ممکن است استخراج دانش از حجم عظیم داده‌های برجای‌مانده از تعاملات سازمان ها و به خصوص تعاملات بانک ها با مشتریانشان، در نگاه اول بسیار سخت و گاهی ناممکن به نظر برسد، اما با بهره گیری از ابزارهای نوین تحلیل داده‌ها همچون داده‌کاوی و استفاده از دانش های روز دنیا همچون مباحث مدیریت دانش و مدیریت ارتباط با مشتری می توان این داده‌ها را به گنجینه‌ای گران‌بها تبدیل نمود.

 

 

این گنجینه همان دانش استخراج‌شده از طریق کند و کاو این داده هاست.می توان فن‌های داده‌کاوی را ابزارهای پشتیبان تصمیم دانست که مدیران سازمان را قادر می سازد که به جای تأثیرپذیری از محیط، بر بازار و عوامل آن تأثیرگذار باشند.رتبه بندی مشتریان با بخش‌بندی آن ها سعی در کشف الگوهای رفتاری مشابه حاکم بر آن بخش دارد. کشف این الگوها می تواند در مسیر اتخاذ تصمیمات راهبردی سازمان بکار گرفته شود. 

 

 

 

 

 

 


فهرست مطالب
فصل اول    1
1 1  مقدمه    2
1 2  تعريف مسئله    4
1 3  ضرورت انجام تحقيق    10
1 4  مراحل انجام تحقيق    11
1 5  محدوده تحقيق    13
1 6  اهداف تحقيق    13
1 7  ساختار پایان‌نامه    15

منابع و مآخذ    


توضیحات بیشتر و دانلود



صدور پیش فاکتور، پرداخت آنلاین و دانلود

پایان نامه داده کاوی در بیمه

پایان نامه داده کاوی در بیمه

پایان نامه داده کاوی در بیمه با عنوان ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی شرکت سهامی بیمه ایران می باشد.


مشخصات فایل
تعداد صفحات124
حجم2637 کیلوبایت
فرمت فایل اصلیdocx
دسته بندیمهندسی نرم افزار

توضیحات کامل

پایان نامه داده کاوی در بیمه با عنوان ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی شرکت سهامی بیمه ایران می باشد.در این تحقیق توانستیم اثبات کنیم که با روشهای داده کاوی می توان مدلی هایی ارائه داد که عوامل موثر در احتمال به بار آوردن خسارت یک مشتری را با توجه به میزان تاثیر آن عوامل مشخص کند. این موضوع از طریق الگوریتم های کاهش ویژگی و وزن دهی و شبکه عصبی مهیا شد. همچنین الگوریتم های خوشه بندی نیز نتایج مشابهی را ارائه داده اند. علاوه بر این، الگوریتم های دسته بندی با تشخیص عوامل اثر گذار توانسته اند مدلی را ارائه دهند که با دقت بسیار بالایی احتمال خسارتی بودن یک بیمه نامه را تشخیص می دهد.

 

 

 الگوریتم های درخت تصمیم نیز با دقت بالایی در تشخیص عوامل موثر در خسارتی بودن یک بیمه نامه و ارائه مدل و قوانین لازم موفق عمل کرده اند. الگوریتم های مبتنی بر قانون اگرچه قوانین بسیار محدودی ارائه داده اند اما درصد تشخیص عوامل اثر گذار و دقت قوانین استخراج شده قابل اطمینان بوده است. عوامل در الگوریتم های مختلف با ضریب تشخیصی متفاوت قید شده است. عوامل اثر گذار استخراج شده عمدتاً به تنهایی موثر نبوده بلکه دارای اثرات وابسته به دیگر عوامل بوده است که این موضوع در درختهای تصمیم و قواعد تلازمی(مبتنی بر قانون) به وضوح مشخص است و بیان شده است. 

 

 

 

در این پژوهش از8 الگوریتم دسته بندی شامل KNN, Naïve bayes, Neural Network,   SVM Linear, Meta Decision Tree, Wj48, Random Forest و رگرسیون لجستیک استفاده شده است که تعداد 3 الگوریتم آن درخت تصمیم بوده است. همچنین دو الگوریتم مبتنی بر قانون  Apriori, Fp Growthو 3 الگوریتم خوشه بندی K-Means، دوگامی و Kohonen نیز مورد استفاده قرار گرفته  اند. در این قسمت نتایج الگوریتمهای دسته بند غیر درخت با هم مقایسه می شوند و به ترتیب بهترین مدلها مشخص میگردند. همچنین سه الگوریتم دسته بند درختی با هم دیگر مقایسه شده و بهترین نتایجی که خسارتی بودن یک رکورد را مشخص میکند پس از مشاوره با یک متخصص و کارشناس در امور بیمه از هر درخت استخراج می گردد و به ترتیب دقت نهایی آن الگوریتم اعلام میگردد. در خصوص الگوریتم های مبتنی بر قانون نیز دو الگوریتم با هم دیگر مقایسه شده و بهترین قوانینی که خسارتی بودن یک رکورد را مشخص میکند پس از مشاوره با یک متخصص و کارشناس در امور بیمه از هر الگوریتم استخراج و اعلام میگردد. 

 

 

 

 

 

 

 


فهرست مطالب

فصل اول:  مقدمه
1-1    تعریف داده کاوی    4
1-2    تعریف بیمه    4
1-3    هدف پایان نامه    5
1-4    مراحل انجام تحقیق    5
1-5    ساختار پایان نامه    6

 

 


فصل دوم: ادبیات موضوع و تحقیقات پیشین
2-1    داده کاوی و یادگیری ماشین    8
2-2    ابزارها و تکنیک های داده کاوی    9
2-3    روشهای داده کاوی    11
2-3-1    روشهای توصیف داده ها    12
2-3-2    روشهای تجزیه و تحلیل وابستگی     12
2-3-3    روشهای دسته بندی و پیشگویی    12
2-3-4    درخت تصمیم    13
2-3-5    شبکه عصبی    14
2-3-6    استدلال مبتنی بر حافظه    14
2-3-7    ماشین های بردار پشتیبانی    15
2-3-8    روشهای خوشه بندی     16
2-3-9    روش K-Means    16
2-3-10    شبکه کوهنن    16
2-3-11    روش  دو گام    17
2-3-12    روشهای تجزیه و تحلیل نویز    17
2-4    دسته های نامتعادل]صنیعی آباده 1391[.    18
2-4-1    راهکار مبتنی بر معیار    18
2-4-2    راهکار مبتنی بر نمونه برداری    19
2-5    پیشینه تحقیق    20
2-6    خلاصه فصل    23

 

 


فصل سوم: شرح پژوهش
3-1    انتخاب نرم افزار    26
3-1-1    Rapidminer    26
3-1-2    مقایسه RapidMiner   با سایر نرم افزار های مشابه    27
3-2    داده ها    31
3-2-1    انتخاب داده    31
3-2-2    فیلدهای مجموعه داده صدور    31
3-2-3    کاهش ابعاد    31
3-2-4    فیلدهای مجموعه داده خسارت    37
3-2-5    پاکسازی داده ها    37
3-2-6    رسیدگی به داده های از دست رفته    37
3-2-7    کشف داده دور افتاده    39
3-2-8    انبوهش داده    41
3-2-9    ایجاد ویژگی دسته    41
3-2-10    تبدیل داده    41
3-2-11    انتقال داده به محیط داده کاوی    42
3-2-12    انواع داده تعیین شده    42
3-2-13    عملیات انتخاب ویژگیهای موثرتر    43
3-3    نتایج اعمال الگوریتم PCA و الگوریتم های وزن دهی    44
3-4    ویژگی های منتخب جهت استفاده در الگوریتمهای حساس به تعداد ویژگی    46
3-5    معیارهای ارزیابی الگوریتمهای دسته بندی    47
3-6    ماتریس درهم ریختگی    47
3-7    معیار AUC    48
3-8    روشهای ارزیابی الگوریتم های دسته بندی    49
3-8-1    روش Holdout    49
3-8-2    روش Random Subsampling    50
3-8-3    روش Cross-Validation    51
3-8-4    روش Bootstrap    51
3-9    الگوریتمهای دسته بندی    52
3-9-1    الگوریتم KNN    53
3-9-2    الگوریتم Naïve Bayes    54
3-9-3    الگوریتم Neural Network    54
3-9-4    الگوریتم   SVM   خطی    56
3-9-5    الگوریتم   رگرسیون لجستیک    58
3-9-6    الگوریتم  Meta Decision Tree    59
3-9-7    الگوریتم درخت Wj48    61
3-9-8    الگوریتم درخت Random forest    63
3-10    معیارهای ارزیابی الگوریتم های مبتنی بر قانون(کشف قوانین انجمنی)    65
3-10-1    الگوریتم FPgrowth    66
3-10-2    الگوریتم Weka Apriori    67
3-11    معیارهای ارزیابی الگوریتمهای خوشه بندی    67
3-12    الگوریتم های خوشه بندی    69
3-12-1    الگوریتم K-Means    69
3-12-2    الگوریتم Kohonen    73
3-12-3    الگوریتم دوگامی    77

 

 


فصل چهارم: ارزیابی و نتیجه گیری
4-1    مقایسه نتایج    83
4-2    الگوریتمهای دسته بندی    84
4-3    الگوریتم های دسته بندی درخت تصمیم    84
4-4    الگوریتم های خوشه بندی    96
4-5    الگوریتم های قواعد تلازمی(مبتنی بر قانون)    98
4-6    پیشنهادات به شرکت های بیمه    99
4-7    پیشنهادات جهت ادامه کار    101

 

 

منابع و مأخذ
    فهرست منابع فارسی    102
    فهرست منابع انگلیسی    103

 

 

 

فهرست جدول‌ها 
جدول شماره 3-1:  نتایج رای گیری استفاده از نرم افزارهای داده کاوی    24
جدول شماره 3-2: فیلدهای اولیه داده های صدور    26
جدول شماره 3-3: فیلدهای نهایی داده های صدور    27
 جدول شماره 3-4: فیلدهای  حذف شده داده های صدور و علت حذف آنها    28
جدول 3-5:  فیلدهای استخراج شده از داده های خسارت    28
جدول 3-6: نتایج  نمودار boxplot    31
جدول 3-7: انواع داده استفاده شده    33
جدول 3-8: نتایج حاصل از اجتماع فیلدهای با بالاترین وزن در الگوریتمهای مختلف    37
جدول 3-9: ماتریس در هم ریختگی رکوردهای تخمینی(Predicted  Records)    38
جدول 3-10: قوانین استخراج شده توسط الگوریتم Fpgrowth    55
جدول 3-11: قوانین استخراج شده توسط الگوریتم Weka Apriori    55
جدول 3-12: تنظیمات پارامترهای الگوریتم K-Means    57
اجرا برای 9 خوشه در الگوریتم K-Means    60
جدول 3-13: تنظیمات پارامترهای الگوریتم Kohonen    64
جدول 3-14: تنظیمات پارامترهای الگوریتم دوگامی    69
جدول 4-1: مقایسه الگوریتم های دسته بند    70
جدول 4-2: مقایسه الگوریتم های دسته بند درخت تصمیم    70
جدول 4-3: ماتریس آشفتگی قانون شماره 1    71
جدول 4-4: ماتریس آشفتگی قانون شماره 2    72
جدول 4-5: ماتریس آشفتگی قانون شماره 3 الف    72
جدول 4-6: ماتریس آشفتگی قانون شماره 3 ب    72
جدول 4-7: ماتریس آشفتگی قانون شماره 3 ج    73
جدول 4-8: ماتریس آشفتگی قانون شماره 3 د    73
جدول 4-9: ماتریس آشفتگی قانون شماره 3 ه    73
جدول 4-10: ماتریس آشفتگی قانون شماره 3 و    74
جدول 4-11: ماتریس آشفتگی قانون شماره 3 ز    76
جدول 4-12: ماتریس آشفتگی قانون شماره 4    76
جدول 4-13: ماتریس آشفتگی قانون شماره 5    77
جدول 4-14: ماتریس آشفتگی قانون شماره 6 الف    77
جدول 4-15: ماتریس آشفتگی قانون شماره 6 ب    78
جدول 4-16: ماتریس آشفتگی قانون شماره7    78
جدول 4-17: ماتریس آشفتگی قانون شماره8    79
جدول 4-18: مقایسه الگوریتم های خوشه بندی    79
جدول 4-19: فیلدهای حاصل از الگوریتم های خوشه بندی    80
جدول 4-20: نتایج الگوریتم های FpGrowth, Weka Apriori    81
    

 

 

 

فهرست شکل‌ها 
شکل شماره3-1: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی    33
شکل 3-2:  نتایج الگوریتمPCA     34
شکل 3-3:  نتایج الگوریتم SVM Weighting در ارزشدهی به ویژگی ها    35
شکل 3-4: نتایج الگوریتم Weighting Deviation  در ارزشدهی به ویژگی ها    35
شکل 3-5: نتایج الگوریتم Weighting Correlation در ارزشدهی به ویژگی ها    36
شکل 3-6:  نمای کلی استفاده از روشهای ارزیابی    41
شکل 3-7:  نمای کلی استفاده از یک مدل درون یک روش ارزیابی    42
شکل 3-8:  نمودار AUC الگوریتم KNN    42
شکل 3-9:  نمودار AUC الگوریتم Naïve Bayes    43
شکل 3-10:  تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی    44
شکل 3-11:  نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net    44
شکل 3-12:  تبدیل ویژگی های غیر عددی به عدد در الگوریتم  SVM  خطی    45
شکل 3-13 :  نمودار AUC الگوریتم  SVM Linear    46
شکل 3-14 :  نمودار AUC الگوریتم  رگرسیون لجستیک    47
شکل 3-15 : نمودار AUC الگوریتم  Meta Decision Tree    48
شکل 3-16 : قسمتی از نمودارtree الگوریتم  Meta Decision Tree    49
شکل 3-17 :  نمودار radial الگوریتم  Meta Decision Tree    49
شکل 3-18: نمودار AUC الگوریتم  Wj48    50
شکل 3-19 :  نمودار tree الگوریتم  Wj48    51
شکل 3-20 :  نمودار AUC الگوریتم  Random forest    52
شکل 3-21 :  نمودار تولید 20 درخت در الگوریتم  Random Forest    53
شکل 3-22 :  یک نمونه درخت تولید شده توسط الگوریتم  Random Forest    53
شکل 3-23 : رسیدن درصد خطا به صفر پس از 8مرتبه    57
شکل 3-24 : Predictor  Importance for K-Means    58
شکل 3-25 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم K-Means    59
شکل 3-26 : کیفیت خوشه ها در الگوریتمMeans K-    60
شکل 3-27 : Predictor  Importance for Kohonen    61
شکل 3-28 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم Kohonen    62
شکل 3-29 : کیفیت خوشه ها در الگوریتمMeans K-    63
شکل 3-30 : تعداد نرون های ورودی و خروجی در Kohonen    63
شکل 3-31 : Predictor  Importance for  دوگامی    64
شکل 3-32 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم دوگامی    65
شکل 3-33 : کیفیت خوشه ها در الگوریتم دوگامی    66
شکل4-1: نمودارنسبت تخفیف عدم خسارت به خسارت    75


 
 


توضیحات بیشتر و دانلود



صدور پیش فاکتور، پرداخت آنلاین و دانلود

فصل دوم پایان نامه داده کاوی در بیمه

فصل دوم پایان نامه داده کاوی در بیمه

فصل دوم پایان نامه داده کاوی در بیمه با عنوان ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی شرکت سهامی بیمه ایران می باشد.


مشخصات فایل
تعداد صفحات48
حجم1596 کیلوبایت
فرمت فایل اصلیdocx
دسته بندیمهندسی نرم افزار

توضیحات کامل

فصل دوم پایان نامه داده کاوی در بیمه با عنوان ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی شرکت سهامی بیمه ایران می باشد.

 


 عمده روشهای داده کاوی عبارتند از روشهای توصیف داده ها، روشهای تجزیه و تحلیل وابستگی، روشهای دسته بندی و پیشگویی، روشهای خوشه بندی، روشهای تجزیه و تحلیل نویز. می توان روش های مختلف کاوش داده را در دو گروه روش های پیش بینی و روش های توصیفی طبقه بندی نمود. روش های پیش بینی در متون علمی به عنوان روش های با ناظر  نیزشناخته می شوند. روش های دسته بندی ، رگرسیون  و تشخیص انحراف  از روشهای یادگیری مدل در داده کاوی با ماهیت پیش بینی هستند. در الگوریتم های دسته بندی مجموعه داده اولیه به دو مجموعه داده با عنوان مجموعه داده های آموزشی  و مجموعه داده های آزمایشی  تقسیم می شود که با استفاده از مجموعه داده های آموزشی مدل ساخته می شود و از مجموعه داده های آزمایشی برای اعتبار سنجی و محاسبه دقت مدل ساخته شده استفاده می شود. هررکورد شامل یک مجموعه ویژگی است. 

 

 


یکی از ویژگی ها، ویژگی دسته نامیده می شود و در مرحله آموزش براساس مقادیر سایر ویژگی ها برای مقادیر ویژگی دسته، مدل ساخته می شود. روشهای توصیفی الگوهای قابل توصیفی را پیدا میکنند که روابط حاکم بر داده ها را بدون در نظرگرفتن هرگونه برچسب و یا متغیرخروجی تبیین نمایند. درمتون علمی روشهای توصیفی با نام روشهای بدون ناظر   نیز شناخته می شوند ]صنیعی آباده 1391[. 

 

 

 


عمده پژوهشهایی که درخصوص داده های بیمه ای صورت گرفته کمتر به سمت پیش بینی سود و زیان شرکتهای بیمه بوده است. در موارد مشابه نیزپیش بینی خسارت مشتریان انجام شده که هدف دسته بندی مشتریان بوده است. موضوع این پژوهش اگرچه از نوع همسان با تحقیقات گفته شده است اما در جزئیات بیمه شخص ثالث را پوشش می دهد که درکشور ما یک بیمه اجباری تلقی می شود. همچنین تعداد خصیصه هایی که در صدور یا خسارت این بیمه نامه دخالت دارند نسبت به سایر بیمه های دیگر بیشتر بوده ضمن اینکه  بررسی سود یا زیان بیمه شخص ثالث با استفاده از دانش نوین داده کاوی کارتقریبا جدیدی محسوب می شود. 

 

 

 

 

 

 

 


فهرست مطالب

فصل اول:  مقدمه
1-1    تعریف داده کاوی    4
1-2    تعریف بیمه    4
1-3    هدف پایان نامه    5
1-4    مراحل انجام تحقیق    5
1-5    ساختار پایان نامه    6

 

 


فصل دوم: ادبیات موضوع و تحقیقات پیشین
2-1    داده کاوی و یادگیری ماشین    8
2-2    ابزارها و تکنیک های داده کاوی    9
2-3    روشهای داده کاوی    11
2-3-1    روشهای توصیف داده ها    12
2-3-2    روشهای تجزیه و تحلیل وابستگی     12
2-3-3    روشهای دسته بندی و پیشگویی    12
2-3-4    درخت تصمیم    13
2-3-5    شبکه عصبی    14
2-3-6    استدلال مبتنی بر حافظه    14
2-3-7    ماشین های بردار پشتیبانی    15
2-3-8    روشهای خوشه بندی     16
2-3-9    روش K-Means    16
2-3-10    شبکه کوهنن    16
2-3-11    روش  دو گام    17
2-3-12    روشهای تجزیه و تحلیل نویز    17
2-4    دسته های نامتعادل]صنیعی آباده 1391[.    18
2-4-1    راهکار مبتنی بر معیار    18
2-4-2    راهکار مبتنی بر نمونه برداری    19
2-5    پیشینه تحقیق    20
2-6    خلاصه فصل    23

 

 

 

منابع و مأخذ
    فهرست منابع فارسی    
    فهرست منابع انگلیسی    

 

 


 
 


توضیحات بیشتر و دانلود



صدور پیش فاکتور، پرداخت آنلاین و دانلود

پروپوزال داده کاوی در بیمه

پروپوزال داده کاوی در بیمه

موضوع پروپوزال داده کاوی در بیمه با عنوان ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی شرکت سهامی بیمه ایران می باشد


مشخصات فایل
تعداد صفحات18
حجم1571 کیلوبایت
فرمت فایل اصلیdocx
دسته بندیمهندسی نرم افزار

توضیحات کامل

پروپوزال داده کاوی در بیمه با عنوان ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی شرکت سهامی بیمه ایران می باشد

 


در پروپوزال این پایان نامه با استفاده از روشهای داده کاوی با استفاده از بخشی از داده های صدور و خسارت یک سال شرکت بیمه  مدل شده و از روی آنها یک الگو ساخته می شود. در واقع به این طریق به الگوریتم یاد داده می شود که ارتباطات بین داده ها،  منجر به چه نتایجی می شود. سپس بخشی از داده ها که در مرحله قبل از آن استفاده نشده بود به مدل ایجاد شده داده می شود ونتایج توسط معیارهای علمی مورد ارزیابی قرار میگیرند. بمنظور آزمایش عملکرد می توان داده های دیگری به مدل داده  شود و نتایج حاصله با نتایج واقعی موجود مقایسه  شوند. 

 

 

 

 

 


فهرست مطالب

فصل اول:  مقدمه
1-1    تعریف داده کاوی    
1-2    تعریف بیمه    
1-3    هدف پایان نامه    
1-4    مراحل انجام تحقیق    
1-5    ساختار پایان نامه    

منابع و مأخذ
    فهرست منابع فارسی    
    فهرست منابع انگلیسی    

 

 


 
 


توضیحات بیشتر و دانلود



صدور پیش فاکتور، پرداخت آنلاین و دانلود
صفحه قبل 1 2 3 4 5 6 7 8 9 10 11 12 13 صفحه بعد