سیستم خبره بنگاه املاک

عنوان مقاله: سیستم خبره بنگاه املاک

قالب بندی: word

تعداد صفحات: 12

قسمتی از متن:

این تحقیق شامل 1001 پیش بینی سری های زمانی مختلف با استفاده از 24 روش مختلف است. آنها نتیجه گرفتند که روش های پیچیده تر ممکن است، نتایج بهتری از آنهایی که ساده تولید می کند، نباشد.این سطر زیر نقل قولی از انهاست در نتیجه گیری هایشان:

"اگر پیش بینی های کاربر می تواند تبعیض قابل شود در انتخاب هایش از روش های وابسته به نوع دیتا (سالیانه،فصل نامه و ماهانه) نوع رشته ای (ماکرو،میکروو یره) و افق زمان پیش بینی، انگاه که او به طور قابل ملاحظه انجام میده بهتر از زمان استفاده از یک روش واحد در تمام شرایط -با فرض البته نتایج مطالعه حاضر را می تواند تعمیم داده شود.

حتی ار تحقیقات بیشتری لازم است تا به ما دلایل مشخص تری ارائه کند که این چرا اتفاق می افتد.

یک فرضیه ممکن است پیشرفته باشد در این بیان که روش های اماری پیچیده از روش های ساده بهتر نیستند زمانیکه تصادفی بودن قابل توجهی در اطلاعات وجود دارد

در اخر،این به نظر می رسد که الگوهای فصلی می تواند با استفاده از هر دو روش ساده و اماری بسیار پیشرفته به همان خوبی پیش بینی شود ."

جزوه هوش مصنوعی

« هوش مصنوعی، دانش ساختن ماشین‌‌ ها یا برنامه‌های هوشمند است. » همانگونه که از تعریف فوق-که توسط یکی از بنیانگذاران هوش مصنوعی ارائه شده است- برمی‌آید،حداقل به دو سؤال باید پاسخ داد:

1ـ هوشمندی چیست؟

2ـ برنامه‌های هوشمند، چه نوعی از برنامه‌ها هستند؟تعریف دیگری که از هوش مصنوعی می‌توان ارائه داد به قرار زیر است:

« هوش مصنوعی، شاخه‌ایست از علم کامپیوتر که ملزومات محاسباتی اعمالی همچون ادراک (Perception)، استدلال(reasoning) و یادگیری(learning) را بررسی کرده و سیستمی جهت انجام چنین اعمالی ارائه می‌دهد.» و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:

«هوش مصنوعی، مطالعه روش‌هایی است برای تبدیل کامپیوتر به ماشینی که بتواند اعمال انجام شده توسط انسان را انجام دهد.» به این ترتیب می‌توان دید که دو تعریف آخر کاملاً دو چیز را در تعریف نخست واضح کرده‌اند.

1ـ منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان.

2ـ ابزار یا ماشینی که قرار است محمل هوشمندی باشد یا به انسان شبیه شود، کامپیوتر است. هر دوی این نکات کماکان مبهم و قابل پرسشند. آیا تنها این نکته که هوشمندترین موجودی که می‌شناسیم، انسان است کافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نکته کاملاً واضح است که بعضی جنبه‌های ادراک انسان همچون دیدن و شنیدن کاملاً ضعیف‌تر از موجودات دیگر است. علاوه بر این، کامپیوترهای امروزی با روش‌هایی کاملاً مکانیکی(منطقی) توانسته‌اند در برخی جنبه‌های استدلال، فراتر از توانایی‌های انسان عمل کنند.

پایان نامه کامپیوتر - تشخیص احساسات در چهره انسان

چکیده 

پیشرفت علم پردازش تصویر در چند دهه اخیر تا حدی بوده است که استفاده ان را در علوم و صنایع گوناگون می توان به وضوح احساس کرد. تا جایی که عدم وجود این علم در بعضی از این موارد کاملا ان مورد را بی استفاده می کند. یکی از موارد پردازش تصویر که در این پایان نامه به ان پرداخته ایم تشخیص حالت چهره است؛ بدین صورت که تصویر بعنوان ورودی به سیستم وارد می شود و نرم افزار با استفاده از متد خاصی حالت چهره را (6 حالت) بعنوان خروجی بر می گرداند. در فصل اول به مقدمه ای درباره علم بینایی ماشین و پردازش تصویر پرداخته شده است. فصل دوم توصیف تاریخچه، تحلیل، متد استفاده شده برای پیاده سازی این نرم افزار ارائه شده است. در فصل سوم مقدمه ای در دسته بندی و متدی که استفاده شده در این پروژه پرداخته شده است. فصل چهارم به نتایج و مقایسه تخصیص داده شده است.

تعداد صفحات 128 word

فهرست مطالب

فصل اول

مقدمه............................................................................................ 1

1-1مقدمه ای بر ماشین بینایی...................................................................... 2

1-1-1 بینایی ماشین(MV)

1-1-2 کاربردهای بینایی ماشین................................................................... 2

1-1-3 متدها.................................................................................... 2

1-1-4 پردازش تصویر........................................................................... 3

1-1-4-1 استخراج ویژگی........................................................................ 3

1-1-4-2 روش های قسمت بندی تصویر......................................................... 5

1-1-4-3 دسته بندی............................................................................. 6

1-1-5 روش های پردازش تصویر در بینایی ماشین................................................. 6

1-1-6 مراحل بینایی ماشین....................................................................... 8

1-1-7 روش های فشرده‌سازی تصاویر............................................................ 9

1-1-8 تصاویر رقومی(دیجیتالی)................................................................ 11

1-1-9 مقادیر پیکسلها........................................................................... 11

1-1-10 دقت تصویر........................................................................... 11

1-2 تاریخچه پردازش تصویر.................................................................... 12

1-2-1 مراحل اصلی پروسه تشخیص تصویر..................................................... 14

فصل دوم

تحلیل.......................................................................................... 23

2-1تاریخچه الگوریتم الگوی باینری محلی..................................................... 24

2-1-1 نمونه 1: دسته بندی بافته بااستفاده ازطیف بافته......................................... 24

2-1-2 نمونه 2: مطالعه تفضیلی اندازه گیری و سنجش بافته ازطریق رده بندی برپایه توزیع خصایص........... 26

2-1-3 نمونه 3: مکانیابی واستخراج چشم درتصاویرچهره انسان.............................................. 26

2-1-4 نمونه 4: تشخیص چهره: مشکل تصحیح تغییراتی که در مسیر شدت های روشنایی در تصویر ایجاد می شود..... 28

2-1-5 نمونه 5: رده بندی بافت های مقاوم به چرخش(Rotation-invariant) با استفاده از توزیعات خصایص..... 30

2-1-6 نمونه 6: توالی هیستوگرام ..................................................................... 31

2-1-7 نمونه7: تشخیص قوی حالات چهره بااستفاده از........................................................ 34

2-1-8 نمونه 8: تشخیص احساسات با استفاده از الگوهای پیشرفته دودویی محلی(LBP)، پراکندگی(Entropies) tsallis وخصایص ظاهری و سراسری در چهره......................................................................... 36

2-1-9 نمونه 9: هیستوگرام الگوی دودویی محلی چند طیفه(Multispectral Local Binary Pattern Histogram) برای عناصر و اجزای مبتنی بر بازبینی رنگ چهره............................................. 38

2-2معرفی سیستم های مشابه.............................................................................. 39

2-2-1 الگوهای باینری محلی .................................................................... 39

2-2-2 الگوهای باینری یکنواخت محلی (local uniform binary pattern)..

2-2-3 الگوهای باینری محلی مقاوم در برابر چرخش (rotation invariant local binary pattern).

2-2-4 الگوی باینری محلی چند مقیاسه (multi-scale local binary pattern).

2-2-5 الگوی باینری Gabor محلی (local gabor binary pattern)

2-2-6 مقدار سطح شیب در الگوی باینری محلی (magnitude local binary pattern)

2-3تحلیل.............................................................................................. 42

2-3-1 واحد بافته(Texture Unit) و طیف بافته(Texture Spectrum)

2-3-1-1 دسته بندی بافته(Texture Classification).

2-3-2 مقیاس خاکستری(Gray Scal) و الگوهای باینری محلی با خصوصیت مقاوم به چرخش(Rotation Invariant LBP)

2-3-2-1 دست یافتن به تغییر ناپذیری مقیاس خاکستری در تصاویر gray scale..

2-3-2-3 بهبود ویژگی مقاوم به چرخش در تصاویر با الگوهای یکنواخت و بهتر شدن تدریجی(Quantization) زاویه های چرخش در تصویر 55

2-3-2-4 اندازه گیری واریانس(انحراف) در ویژگی مقاوم به چرخش تصاویر به واسطه ی کنتراست(تفاوت رنگ) بافت تصویر محلی 59

2-3-2-5 قاعده کلی دسته بندی غیر پارامتری..................................................... 60

2-3-2-6 انالیز چند رزولیشنه(Multiresolation Analysis)....................................

2-3-3-1 مدل یادگیری برای توصیف بافته......................................................... 63

2-3-3-2 فرمولاسیون مدل یادگیری پیشنهادی....................................................... 63

2-3-4 سطح الگوی باینری محلی (VLBP)

2-3-4-1 سطح الگوی باینری محلی پایه ای(Basic Volume Local Binary Pattern).

2-3-4-2 خاصیت مقاوم در چرخش در سطح الگوی باینری محلی(Rotation Invariant VLBP)..............

2-3-4-3 الگوهای باینری محلی از سه سطح متعامد(Local Binary Patterns From Three Orthogonal Planes)

2-3-4-4 توصیف گر محلی برای انالیز تصویر چهره...................................................... 84

فصل سوم

دسته بندی........................................................................................ 89

3-1 چکیده.................................................................................. 90

3-2 مقدمه.................................................................................... 90

3-3 مقدمه ای در دسته بندی......................................................................... 91

3-4-1 SVM.......................................................................................

3-4-2 SVM غیر خطی.................................................................................... 103

3-4-3 Svm خطی.......................................................................... 104

3-4-3-1 فرم اولیه......................................................................................... 106

3-5- 4 SVM Multiclass................................................................

3-6 استفاده از دانش قبلی در SVM..................................................................

3-7 Soft Margin(حاشیه نرم)............................................................................ 110

3-8 خصوصیات SVM.......................................................................................

3-9 رگرسیون(Regression)...........................................................................

فصل چهارم

نتایج ومقایسه.......................................................................................... 113

1-4 نتایجی برای VLBP..........................................................................

4-2 نتایجی برای LBP-TOP...............................................................................

4-4 نتیجه گیری............................................................................................... 118

پیوست ها................................................................................................. 120

پیوست الف................................................................................................................................... 121

چکیده انگلیسی.............................................................................................. 122

فهرست اشکال و نمودارها

شکل 1: 5 حالت مختلف از یک تصویر. 29

شکل 2: نرمال سازی تصویر frontal29

شکل 3: چهارچوب کلی LGBPHSبرای نمایش چهره31

شکل 4: عملگر LBPاصلی و اولیه. 34

شکل 5: تقسیم تصویر به یک بلوک 7*6. 36

شکل 6: مثالی از انتقال یک همسایگی در یک واحد بافته. 43

شکل 7: مثالی از طیف بافته که از طریق تصاویر شکل 6 محاسبه شده اند. 44

شکل 9: دسته بندی با حضور ناظر از شکل8. چهار کلاس با چهار سطح خاکستری نمایش داده شده اند.48

شکل 10: اختصاص دهی احتمال در دسته بندی برای هر عنصر از شکل 4.49

شکل 11: مجموعه همسایگی های متقارن. 50

شکل 12: مجموعه های همسایگی متقارن مدوّر برای (P,R) های مختلف... 50

شکل 13: مستقل سازی و جدا کردن پیکسل مرکزی از پیکسل های همسایگی.. 51

شکل 14: 36 دوران ثابت منحصر به فرد. 54

شکل 15: استخراج الگوها برای نمایش نقاط تیره و روشن، نواحی مسطح و لبه ها55

شکل 16: مثالی از دوران زاویه ای.. 56

شکل 17: مثالی از الگوهای یکنواخت و غیر یکنواخت.. 56

شکل 18: الگوهای یکنواخت و غیر یکنواخت.. 58

شکل 19: توزیع اتصالات.. 60

شکل 20: تصویر شماتیکی از یک مدل یادگیری.65

شکل 22: عدد خصایص در مقابل عدد کدهای LBP. 79

شکل23: سه سطح در الگوی پویا در استخراج نقاط همسایگی.. 80

شکل 25: (a) سه سطح در بافته پویا، (b) هیستوگرام LBPاز هر سطح، (c) الحاق هیستوگرام خصیصه. 82

شکل 26: شعاع وعدد نقاط همسایگی های مختلف روی سه سطح.. 83

شکل 27: جزئیات نمونه گیری برای شکل 26. با83

شکل 28: (a) بلوک های غیر همپوشانی شده (8*9)، (b) بلوک های همپوشانی شده(3*4 با سایز همپوشانی 10)86

شکل 29: خصایص در هر سطح بلوک. (a) سطوح بلوک، (b) خصایص LBPاز سه سطح متعامد، (c) خصایص برای هر سطح بلوک از طریق شکل ظاهری وحرکت با هم الحاق می شوند.87

شکل30: نمایش حالات چهره87

شکل 31. نوع اول چیدمان داده ها92

شکل 32. نوع دوم چیدمان داده ها93

شکل 33. نوع سوم چیدمان داده ها94

شکل 34. نوع چهارم چیدمان داده ها95

جدول 1. 114

جدول 2. 115

جدول 3. 116

جدول 4. 116

نمودار 1. 117

پروژه هوش تجاری و زوایای مختلف آن

چکیده

امروزه با پیشرفت فناوری، سازمان ها به دنبال راه ها و ترفندهایی می گردند که بقایشان را در این عرصه تضمین کنند. سازمان ها می دانند که دیگر بقای آنها تنها در رسیدن به وضعیت سوددهی مداوم نیست و باید به دنبال رقابت و ابزار آن باشند. همچنین می دانند که کلید موفقیت در عصر اطلاعات، اتخاذ تصمیماتی است که بدون تناقض، بهتر و سریع تر در رقابت پیش دستی کند.

یک سازمان در طول حیاتش، داده ایجاد می کند. این داده معمولا پیرامون دارایی، بازاریابی، فروش، منابع انسانی، مدیریت ارتباط با مشتری و … گروه بندی می شوند و هر بخش یک وظیفه جدا در شرکت انجام داده و داده های مرتبط به خود را جمع آوری می کند. این حقیقت سازمان ها را ملزم به جستجوی ابزارهایی برای تسهیل فرایند کسب اثربخش داده ها، پردازش و تحلیل وسیع آنها کرده است تا براساس آن پایه ای را برای کشف دانش جدید بنا نهند.

برای سالیان متوالی از سیستم های اطلاعات مدیریت موجود مانند:MIS,DSS,ES,EIS استفاده می شد اما این سیستم ها قادر به ایجاد یکپارچگی میان داده های پراکنده و ناهمگن و شناسایی مناسب وابستگی های موجود میان داده های جدید نبودند. برای اینکه سازمان ها قادر به واکنش سریع در برابر تغییرات بازار باشند، نیاز به سیستم های اطلاعات مدیریتی دارند که بتوانند از سازمان و محیط آن تحلیل های علت و معلولی مختلف انجام دهند.

بنابراین سازمان ها برای حفظ بقا همزمان با پیشرفت فناوری، باید تسلط بر فناوری های جدیدی مانند هوش تجاری را در کسب وکارها یک الزام و ضرورتی اجتناب ناپذیر تلقی کنند. سیستم های هوش تجاری ابزاری را فراهم می کنند که بر اساس آن نیازهای اطلاعاتی سازمان به شکل مناسبی پاسخ داده شود.

واژه های کلیدی:

هوش تجاری ، ERP ،  CRM، مدیریت دانش، سرویس تحلیلی، سرویس گزارش گیری فناوری اطلاعات ، هوش مصنوعی

مقدمه

فناوری‌های نوین با سرعتی سرسام‌اور در حال پیشرفت هستند. جوامع به صورت عام و بازار به صورت خاص با شتابی وصف ناپذیر به دنبال فناوری‌هایی می‌گردند که در این عرصه پر رقابت حضور و اثر بخشی‌شان را تضمین کند.

گسترش فناوری اطلاعات در عرصه‌های سازمانی به سرعت لایه‌های مختلفی از کاربرد برای سازمان‌ها پدید اورده است که از امور جزیی و کوچک دفتری مانند تایپ و... در فرایند‌های عملیاتی گرفته تا کنترل و مدیریت پیچیده‌ترین فرایندهای تصمیم‌گیری در فرایند‌های استراتژیک سازمان. یکی از این سطوح کاربرد که دو دهه است به صورت جدی مطرح شده و هم‌اینک بسیاری از جنبه‌های ان پیاده‌سازی شده‌است، فناوری سیستم‌های هوش تجاری است. می توان گفت هوش تجاری هم‌اینک بالاترین سطح از کاربرد فناوری اطلاعات در سازمان‌هاست.

در این پایان‌نامه در فصل اول به معرفی هوش تجاری می‌پردازیم و دلایل استفاده از ان را بررسی می‌کنیم.

در فصل دوم ابزارها و مفاهیمی را که در هوش تجاری استفاده می‌شود، تشریح می‌کنیم.

در فصل سوم معماری هوش تجاری بررسی می‌شود و یک نمونه معماری کاندیدا برای ادامه پروژه و بخش پیاده سازی پروژه معرفی می‌شود.

در راستای پیاده سازی این پروژه از BIDSاستفاده شده‌است که در فصل چهارم به معرفی سرویس‌های مختلف ان می‌پردازیم.

در فصل پنجم هم به پیاده سازی بخش‌های مختلف هوش تجاری در شیر پوینت می‌پردازیم.

فصل اخر به جمع‌بندی مطالب و نتیجه‌گیری اختصاص دارد.

تعریف هوش تجاری‏

تعاریف زیادی برای هوش تجاری وجود دارد، اما به طور کلی هوش تجاری به عنوان یک رویکرد جدید در معماری سازمانی مطرح شده است که این معماری بر اساس سرعت در تحلیل اطلاعات به مدیران جهت اتخاذ تصمیمات دقیق و هوشمند کسب و کار در حداقل زمان ممکن کمک می کند. هوش تجاری یک چارچوب کاری شامل فرایندها، ابزار و فناوری های مختلف است که برای تبدیل داده به اطلاعات و اطلاعات به دانش مورد نیاز هستند، که با استفاده از همین دانش مدیران قادر به تصمیم گیری بهتر می شوند و در نتیجه عملکرد سازمان خود را بهبود می بخشند.

با پیاده سازی راهکارهای هوش تجاری فاصله موجود بین مدیران میانی و مدیران ارشد از دیدگاه ارتباط اطلاعاتی از میان خواهد رفت و اطلاعات مورد نیاز مدیران در هر سطح، در لحظه و با کیفیت بالا در اختیار آنها قرار خواهد گرفت. همچنین کارشناسان و تحلیل گران می توانند با استفاده از امکانات ساده، فعالیتهای خود را بهبود بخشند و به نتایج بهتری دست پیدا نمایند.

فهرست مطالب

مقدمه. 1

فصل یکم

اشنایی با هوش تجاری

1-1- تعریف هوش تجاری‏.. 3

1-2- اهداف زیر ساختی هوش تجاری.. 6

1-3- اهداف کاربردی هوش تجاری در سازمان‌ها 8

1-4- انگیزه‌های استفاده از هوش تجاری در سازمان‌ها 9

1-4-1- مشکلات تجاری.. 9

1-4-2- مشکلات تکنیکی.. 9

1-5 مشکلات راه اندازی یک سیستم هوش تجاری در سازمان‌ها 10

1-6- نرم‌افزار‌های موجود هوش تجاری.. 12

1-6-1- بررسی نرم‌افزار Qlik View.. 14

1-6-2- نسخه های مختلف Qlik View.. 17

1-7- وضعیت هوش تجاری در جهان.. 18

فصل دوم

ابزار‌ها و مفاهیم در هوش تجاری

2-1- مراحل هوش تجاری.. 21

2-2- ETL.. 22

2-3- انبارداده DW... 25

2-3-1- معماری مدل‌سازی داده. 25

2-4- سیستم پردازش تحلیلی برخط OLAP. 28

2-4-1- مدل چند بعدی داده‌ها 29

2-4-2- حجم داده‌ای.. 30

2-4-3- مدل داده رابطه‌ای.. 30

2-4-4- عملیات بر روی حجم‌های داده‌ای.. 32

2-4-5- سرورهای OLAP. 33

2-5- پردازش ترکنش برخط OLTP. 35

2-6- داده‌کاوی.. 36

2-6-1- دلیل پیدایش داده‌کاوی.. 37

2-6-2- مراحل کشف دانش.... 37

2-6-3- توصیف داده‌ها در داده‌کاوی.. 40

2-6-4- مدل‌های پیش‌بینی داده‌ها 40

2-6-5- مدل‌ها و الگوریتم‌های داده‌کاوی.. 41

2-7- مدیریت ارتباط با مشتریCRM... 46

2-7-1- موضوعات مورد بحث در CRM... 48

2-7-2- انواع CRM... 51

2-7-3- مزایای مدیریت ارتباط با مشتری برای مشتریان.. 51

2-7-4- مزایای مدیریت ارتباط با مشتری برای سازمان‌ها 52

2-7-5- مراحل ارائه خدمت در مدیریت ارتباط با مشتری.. 52

2-8- برنامه ریزی منابع سازمانیERP. 52

2-8-1- اهداف اصلی ERP. 53

2-8-2- دلایل عمده استفاده از ERP در شرکت‌ها 54

2-8-3- هزینه‌های پنهان ERP. 55

2-8-4- مزایای ERP. 56

2-8-5- معایب ERP. 57

2-9- عامل هوشمندIA.. 57

2-9-1- بررسی حضور عامل‌های نرم‌افزاری هوشمند در جنبه‌های مختلف تجارت الکترونیک... 58

2-9-2- عامل‌های نرم‌افزاری در خرید اینترنتی.. 59

2-10- سیستم پشتیبان تصمیم‌گیریDSS. 59

2-10-1- مزایای DSS. 60

2-10-2- چارچوب توسعه‌یافته DSS. 60

2-10-3- اجزای DSS. 64

2-11- مدیریت زنجیره تامین SCM... 65

2-11-1- فازهاى اصلى مدیریت زنجیره تامین.. 66

2-11-2- بررسى فناوری تولید و براورد نحوه تامین دانش فنى مورد نیاز. 66

2-11-3- پنج عملکرد براى مدیریت در برابر چالش‌هاى زنجیره تامین.. 67

2-12- سیستم مدیریت دانش KMS. 68

2-12-1- تعریف مدیریت دانش.... 68

2-12-2- اهداف مدیریت دانش.... 69

فصل سوم

معماری هوش تجاری

3-1- داده‌گاه. 70

3-2- ویژگی‌های اساسی یک معماری خوب برای هوش تجاری.. 73

3-3- کارکرد BI در سطوح مختلف سازمان.. 74

3-4- زیر ساخت‌های سخت‌افزاری مورد نیاز برای هوش تجاری.. 76

3-5- فاکتورهای مهم در ایجاد شرایط مطلوب برای هوش تجاری.. 77

3-6- نکات پایه‌ای مهم در ساخت یک سیستم BI در سازمان.. 78

فصل چهارم

سرویس‌های هوش تجاری در BIDS

4-1- سرویس‌های گزارش‌گیری.. 81

4-1-1- اجزای سرویس‌های گزارش‌گیری.. 82

4-1-2- سرور گزارش... 83

4-1-3- کاتالوگ ابرداده‌ها 84

4-1-4- طراح گزارش... 84

4-1-5- برنامه وبی مدیریت گزارش... 85

4-1-6- امنیت سرویس‌های گزارش‌گیری.. 86

4-1-7- ابزار پیکربندی سرویس‌های گزارش‌گیری.. 87

4-2- سرویس‌های تحلیلی.. 87

4-2-1- امکانات SSAS 2005. 89

4-2-2- معماری.. 89

4-2-3- مدل ابعادی یکپارچه‌شده (UDM) 90

4-2-4- XML/A, XML و سرویس‌های وب.. 90

4-2-5- سرعت، مقیاس‌پذیری و تداوم. 91

4-2-6- استفاده‌پذیری.. 91

4-2-7- برنامه نویسی.. 92

4-2-8- پروژه‌های سرویس‌های تحلیلی.. 94

4-3- سرویس‌های یکپارچگی.. 94

4-3-1- ویژگی‌های جدید SSIS. 96

4-3-2- مبانی SSIS. 97

فصل پنجم

هوش تجاری در شیر پوینت

5-1- معرفی شیرپوینت... 100

5-2- شاخص‌های عملکرد کلیدی KPI. 100

5-2-1- تعیین شاخص‌ها 102

5-2-2- تجزیه و تحلیل ناحیه‌ها 102

5-2-3- طبقه‌‌بندی شاخص‌ها 103

5-2-4- مشکلات تعیین شاخص‌ها 103

5-2-5- کاربرد شاخص‌ها در هوش تجاری.. 104

5-2-6- عناوین کلیدی هوشمندی در کسب‌و‌کار. 105

5-2-7- عامل کلیدی موفقیت... 105

5-3- داشبورد‌های مدیریتی.. 106

5-4- مرکز گزارش... 107

5-4-1- و یژگی‌ها و مزایای یکپارچگی.. 108

5-5- سرویس اکسل.. 109

5-5-1- اهداف اصلی مایکروسافت از انتشار سرویس اکسل.. 110

5-6- کاتالوگ داده‌های تجاری.. 110

جمع‌بندی و نتیجه‌گیری.. 112

منابع و مراجع.. 113

مقاله سیستم مدیریت اطلاعات MIS

دانلود مقاله سیستم مدیریت اطلاعات MIS

این فایل در قالب Word قابل ویرایش، آماده پرینت و ارائه به عنوان پروژه پایانی می باشد

قالب: Word

تعداد صفحات: 31

توضیحات:

چکیده

این مقاله سیستم های اطلاعات مدیریت را پوشش می‌دهد. از آنجا که mis ترکیبی از سه پدیده سیستم، اطلاعات و مدیریت می‌باشد، ابتدا این موارد را بررسی می‌کند. به علت تاثیرات قابل توجه سیستم های اطلاعاتی بر روی mis مبحث دیگر مقاله می‌باشد.

مقدمه

امروزه تجارت ثانیه به ثانیه دگرگون می‌شود و ساختاری پیچیده تر به خود می گیرد. در این شرایط، مدیران با انبوهی از اطلاعات مواجه هستند که این اطلاعات باید تحلیل، قابل فهم، نگهداری و بازیابی گردد. وقتی مدیر یک سازمان می خواهد تصمیم بگیرد، داده‌های که اغلب مفید نیستند، در اختیارشان قرار می گیرد. این داده‌ها باید پالایش و به اطلاعات مفید تبدیل شود. اینجاست که نیاز به سیستم های اطلاعات مدیریت احساس می‌شود.

دانش سیستم های اطلاعات مدیریت، اطلاعات مربوط به زمان گذشته و حال را گردآوری می‌کند، امکان پیش‌بینی را فراهم می آورد و اطلاعات مورد نیاز مدیران را در اختیارشان قرار می‌دهد تا بتوانند تصمیمات مقتضی را اتخاذ کنند.

فهرست:

مقدمه

مفهوم اطلاعات

تفاوت اطلاعات و داده

گزارش اطلاعات درسازمان ها

سیستم های اطلاعاتی و مدیریت بر اطلاعات

پیچیدگی روزافزون فعالیت ها

بهبود کارایی رایانه ها و تخصصی شدن به کارگیری آن

مفاهیم سیستم ها

مدل عمومی سیستم ها

سیستم های اطلاعاتی

انواع سیستم های اطلاعاتی

سیستم پردازش داد و ستد

هوش مصنوعی

سیستم پشتیبانی تصمیم

سیستم اتوماسیون اداری

سیستم مدیریت دانش

سیستم پشتیبانی مدیران ارشد

سیستم مدیریت اطلاعات

سیر تاریخی سیستم های اطلاعات مدیریت

مدیران واحد MIS سازمان ها

ویژگی های MIS

ارزش های بنیادی MIS

منابع