اعظم کشاورز حدادها؛ زهرا جلیلی بال؛ سیامک حاجی یخچالی
چکیده
انتخاب سبد بهینه از پروژهها، ازجمله تصمیمات استراتژیک در سطح مدیریت سازمانهای پروژه محورمی باشد؛ که به عنوان یکی از مراحل اصلی و موثر در مدیریت سبد پروژهها مطرح می گردد. به عبارت دیگر،پس از شناسایی و ارزیابی پروژههای مختلف، می بایست ترکیب بهینه ای از پروژه ها بر مبنای معیارهایمختلف انتخاب گردد. ازآنجایی که منابع سازمانها معمولاً ...
بیشتر
انتخاب سبد بهینه از پروژهها، ازجمله تصمیمات استراتژیک در سطح مدیریت سازمانهای پروژه محورمی باشد؛ که به عنوان یکی از مراحل اصلی و موثر در مدیریت سبد پروژهها مطرح می گردد. به عبارت دیگر،پس از شناسایی و ارزیابی پروژههای مختلف، می بایست ترکیب بهینه ای از پروژه ها بر مبنای معیارهایمختلف انتخاب گردد. ازآنجایی که منابع سازمانها معمولاً کمتر از منابع موردنیاز در پروژههای پیش روسازمانهاست، لذا انتخاب پروژهها از میان سبدی از پروژهها و تصمیمگیری در این رابطه امری اجتناب ناپذیردر سازمان محسوب میشود. لذا حیات سازمانها ارتباط تنگاتنگی با نحوه مدلسازی و رویکرد استفاده شده درسازمان، جهت انتخاب پروژهها دارد. در پژوهش های صورت گرفته در راستای انتخاب پروژه عموماً به بحثخوشه بندی پروژه ها توجه زیادی نشده است درحالی که خوشه بندی پروژه ها این امکان را فراهم می آورد کهپروژه ها به بالاترین بازدهی برسند. در این مقاله به ارائه مدلی جهت خوشه بندی، ارزیابی و انتخاب پروژه هاخواهیم پرداخت. در ابتدا پروژه ها در سبدهای مختلف با استفاده از الگوریتم K-MEANS خوشه بندیخواهند شد، سپس به ارزیابی و اولویت بندی پروژه های هر سبد با استفاده از فرایند تحلیل شبکه ای پرداختهخواهد شد. درنهایت پس از ارزیابی و اولویت بندی پروژه ها، با استفاده از مسئله کوله پشتی، پروژه ها از هر سبدانتخاب خواهد شد.
علی بنیادی نائینی؛ سعید یوسفی؛ محمدعلی فائضی راد
چکیده
چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمددادمی شوند. این موضوع هدفمند ...
بیشتر
چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمددادمی شوند. این موضوع هدفمند نمودن مطالعده بدر روی گدرو ه هدای مختلدف مشدتریان در بازارهدای رقدابتی را بدااهمیت کرده است. یکی از شیوه های کارآمد برای مطالعه مشتریان و ارائه خدمات بهینده بده آندان، گدروه بنددیبازار و خوشه بندی مشتریان در آن است. در این پژوهش به منظور هدفمند نمدودن ارائده خددمات بده مشدتریان،ابتدا به کمک تکنیک شبکه عصبی SOM مشتریان در خوشه هایی متناسب دسته بندی می شوند تا بتدوان بدرایهر مشتری با توجه به خوشه آن به ارائه خدمات مناسب پرداخت. سپس بدا مددل ارائده داده شدده در ایدن مقالدهمی توان عضویت مشتری جدید در خوشه متناسب را با استفاده از تکنیدک DEA-DA پدیش بیندی کدرد. ایدنمدل، فرآیند خوشه بندی پویا را برای سازمان رقم می زند تا به وسیله آن در هر لحظده بتدوان مشدتریان جدیدد راارزیابی نموده و خوشه متناسب آنها را با دقت مناسبی تعیین کرد.
محمد جعفر تارخ؛ کبری شریفیان
دوره 6، شماره 17 ، مهر 1386، ، صفحه 153-181
چکیده
امروزه مدیریت ارتباط با مشتری فقط یک مزیت رقابتی نیست بلکه شناسایی و جذب مشتریان وفادار و نگهداشتن آنها برای ادامه حیات در بازار رقابت، امری ضروری است. بانک ها و موسسات اعتباری در گذشته به علت محدودیت تنوع خدمات و عدم دسترسی به اطلاعات مشتریان، از روشهای ساده کیفی جهت سنجش اعتبار مشتریان خود استفاده می کردند ولی امروزه به دلیل وجود ...
بیشتر
امروزه مدیریت ارتباط با مشتری فقط یک مزیت رقابتی نیست بلکه شناسایی و جذب مشتریان وفادار و نگهداشتن آنها برای ادامه حیات در بازار رقابت، امری ضروری است. بانک ها و موسسات اعتباری در گذشته به علت محدودیت تنوع خدمات و عدم دسترسی به اطلاعات مشتریان، از روشهای ساده کیفی جهت سنجش اعتبار مشتریان خود استفاده می کردند ولی امروزه به دلیل وجود بانکداری الکترونیکی ثبت اطلاعات تراکنشی مشتریان راحت تر صورت می گیرد و همین امر موجب شده است روش های کمی جایگزین روش های کیفی شود.
در بررسی های انجام شده یکی از مشکلات بانک ملت عدم شناسایی مشتریان و عدم اتخاذ تصمیمات مناسب مدیریت و سلیقه ای بودن تصمیمات در برخورد با مشتریان می باشد. بنابراین در این تحقیق به منظور شناسایی مشتریان بانک ملت و تدوین استراتژی مناسب برای برخورد با آنها از داده کاوی و ابزار آن مانند الگوریتم ژنتیک و الگوریتم میانگین k استفاده شد. بدین منظور ابتدا بانک ملت و بانک اطلاعاتی آن در بخش های مختلف بررسی شد پس از استخراج داده از بانک اطلاعاتی و پاک سازی آن مشتریان در گروه های مختلف، با استفاده از الگوریتم میانگین k به دو روش فازی و غیر فازی گروه بندی شدند. برای تعیین تعداد بهینه خوشه ها ابتدا مجددا با استفاده از الگوریتم ژنتیک مشتریان در گروه های مختلف تقسیم بندی شده با استفاده از روابط خاص تعریف شده تعداد بهینه خوشه ها تعیین شد. برای ارزیابی کیفیت خوشه های بدست آمده از معیار سنجش تراکم خوشه ها استفاده شد. سپس با استفاده از معیارهای تازگی مراجعه هر مشتری، تکرار مراجعات آنها و ارزش پولی هر مشتری ارزش خوشه ها تعیین شد و در انتها برای تحلیل خوشه ها و تبیین استراتژی مناسب هر خوشه از هرم ارزش مشتری استفاده می شود. در انتها نیز از درخت تصمیم گیری قوانین شناسایی مشتریان جدید استخراج شد.
