پروژه هوش تجاری و زوایای مختلف آن

پایان نامه هوش تجاری و زوایای مختلف آن یک پژوهش کامل میباشد و در 5 فصل تنظیم شده است.این پایان نامه با معرفی  هوش تجاری به تحقیق در موضوع و زوایای مختلف آن  پرداخته , و برای رشته کامپیوتر و مدیریت و IT مناسب است.شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.

پایان نامه بصورت فایل قابل ویرایش ورد(WORD) در 124 صفحه برای رشته کامپیوتر در پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا آخر ویرایش وتنظیم , سکشن بندی (section) ، نوشتن پاورقی (Footnote) و فهرست گذاری کامل شده وآماده تحویل یا کپی برداری از مطالب مفید آن است.

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

فهرست مطالب

مقدمه. 1

فصل یکم ، اشنایی با هوش تجاری

1-1- تعریف هوش تجاری‏3

1-2- اهداف زیر ساختی هوش تجاری.. 6

1-3-اهداف کاربردی هوش تجاری در سازمان‌ها8

1-4- انگیزه‌های استفاده از هوش تجاری در سازمان‌ها9

1-4-1- مشکلات تجاری.. 9

1-4-2- مشکلات تکنیکی.. 9

1-5 مشکلات راه اندازی یک سیستم هوش تجاری در سازمان‌ها10

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 داده‌ها29

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 داده‌ها40

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 سازمان‌ها52

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 شرکت‌ها54

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 ابرداده‌ها84

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 شاخص‌ها102

5-2-2- تجزیه و تحلیل ناحیه‌ها102

5-2-3- طبقه‌‌بندی شاخص‌ها103

5-2-4- مشکلات تعیین شاخص‌ها103

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

فهرست شکل‌ها

شکل 1-1- هوش تجاری.. 4

شکل 1-2- هوش تجاری در محصولات مایکروسافت... 14

شکل 1-3- نرم‌افزار Qlik View.. 15

شکل 1-4- گزارش‌گیری در Qlik View.. 16

شکل 2-1- مراحل هوش تجاری.. 22

شکل 2-2- مکعب داده. 30

شکل 2-3- شمای ستاره‌ای.. 31

شکل 2-5- معماری یک نمونه سیستم داده‌کاوی.. 38

شکل 2-6- شبکه عصبی با یک لایه نهان.. 42

شکل 2-7- W_xyوزن یال بین Xو Y.. 42

شکل 2-8- درخت تصمیم‌گیری.. 44

شکل 3-1- معماری هوش تجاری با داده‌گاه منطقی.. 72

شکل 3-2- معماری هوش تجاری با داده‌گاه مستقل.. 73

شکل 4-1- سرویس گزارش‌گیری.. 82

شکل 4-2- سرویس تحلیلی.. 88

شکل 4-3- معماری سرویس تحلیلی.. 89

شکل 4-4- سرویس یکپارچگی.. 96

شکل 5-1- روش‌های ساخت KPIدر شیرپوینت... 101

شکل 5-2- شاخص عملکرد کلیدی در شیرپوینت... 104

شکل 5-3- داشبورد مدیریتی در شیرپوینت... 107

شکل 5-4- مرکز گزارش در شیرپوینت... 109

شکل 5-5- کاتالوگ داده‌های تجاری در شیرپوینت... 111

داده کاوی، مفاهیم و کاربرد پروژه

عنوان پروژه : داده کاوی، مفاهیم و کاربرد پروژه

قالب بندی: word

قیمت: 2500 تومان

تعداد صفحات: 101

شرح مختصر:

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .

با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .

از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .

داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .

در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود .

باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است .

هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .

فهرست:

چکیده

مقدمه

فصل اول –مفاهیم داده کاوی

مدیریت ذخیره سازی و دستیابی اطلاعات

ساختار بانک اطلاعاتی سازمان

داده کاوی (Data Mining)

مفاهیم پایه در داده کاوی

تعریف داده کاوی

مراحل فرایند کشف دانش از پایگاه داده ها

الگوریتم های داده کاوی

آماده سازی داده برای مدل سازی

درک قلمرو

ابزارهای تجاری داده کاوی ToolsDM Commercial

منابع اطلاعاتی مورد استفاده

محدودیت های داده کاوی

حفاظت از حریم شخصی در سیستم‌های داده‌کاوی

فصل دوم : کاربردهای داده کاوی

کاربرد داده کاوی در کسب و کار هوشمند بانک.

داده کاوی درمدیریت ارتباط بامشتری

کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی

داده کاوی و مدیریت موسسات دانشگاهی

داده کاوی و مدیریت بهینه وب سایت ها

داده‌کاوی و مدیریت دانش

کاربرد داده‌کاوی در آموزش عالی

فصل سوم – بررسی موردی1: وب کاوی

معماری وب کاوی

مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان

محتوا کاوی وب

فصل چهارم – بررسی موردی 2 : داده کاوی در شهر الکترونیک

زمینه داده کاوی در شهر الکترونیک

کاربردهای دادهکاوی در شهر الکترونیک.

چالشهای داده کاوی در شهر الکترونیک.

مراجع و ماخذ

دانلود مجموعه مقاله ، جزوه درسی و فایل متنی با موضوع هوش مصنوعی

مجموعه ای از مقالات و فایل ها و جزوات مرتبط با موضوع هوش مصنوعی برای دانلود آماده شده است . فایلهای این مجموعه در قالب فرمت های PDF , DOC , پاورپوینت می باشد که از میان آنها می توان به موضو عات زیر اشاره کرد: 

 طراحی یک چارچوب برای ساخت پایگاه داده های مسائل کلاسیک با هوش مصنوعی

منطق فازی – شبکه های عصبی ، DSS سیستم پشتیبانی تصمیم ، CDSS ، تاریخچه هوش مصنوعی ، هوش مصنوعی دوست یا دشمن ، هوش مصنوعی رهیافتی نوین ، داده کاوی

و مقاله هایی با موضوع بررسی کاربرد هوش مصنوعی در صنعت نفت و پتروشیمی ، علوم قضایی ، ژئوفیزیک و زمین شناسی ، امورمالی و تجاری و...

 دانلود این مجموعه مفید به دانشجویان و علاقه مندان به مباحث هوش مصنوعی  توصیه می شود.

بسته ارائه شده منبع جامعی از اطلاعات مورد نیار برای تنظیم و نگارش پروژه و پایان نامه با موضوع هوش مصنوعی میباشد.

زبان : فارسی 

فرمت : PDF , PPT , DOC

حجم : 48 مگابایت

 

<< پس از ثبت ایمیل و ادامه عملیات خرید لینک دانلود برای شما ارسال می شود >>

 

بدلیل استقبال کاربران از سری اول مجموعه مقالات هوش مصنوعی دو مجموعه دیگر با همین موضوع به سایت اضافه شد:

سری سوم مجموعه مقالات هوش مصنوعی

سری دوم مجموعه مقالات هوش مصنوعی

دانلود 10 فایل با موضوع هوش مصنوعی

( ارتباط با فروشگاه: [e-mail] )

تحقیق DSS و CDSS

عنوان تحقیق: DSS و CDSS

دانشگاه امیر کبیر - دانشکده مهندسی پزشکی

قالب بندی: WORD

تعداد صفحات:30

شرح مختصر:

در این مطلب سعی شده است بطور اجمالی مقدمه ای در خصوص سیستم های پشتیبان تصیمیم در پزشکی و مفاهیم بنیادی آن ارائه گردد. ابتدا به بررسی مختصر شیوه تصمیم گیری در انسان پرداخته و سپس پس از ارئه تعریف های کلی DSS و CDSS و تاریخچه کوتاه ، دلایل استفاده از اینگونه سیستم ها در سیستم بهداشت و درمان و زمینه های کاربردی آن عنوان می گردد . سپس دسته بندی وانواع CDSS ها از جهات مختلف معرفی شده و انواع مدل های پشتیانی تصمیم که عنصر مهم یک سیستم DSS است تشریح می شوند .

تصمیم گیری و سیستم های کمک تصمیم گیری :

تصمیم گیری چیست ؟ برای پاسخ به این سوال ابعاد مختلفی را می توان درنظر گرفت . ساده ترین تعبیر در مورد تصمیم گیری عمل انتخاب است . این تعبیر یعنی انتخاب یک گزینه از گزینه های ممکن که به باور تصمیم گیر ، بهترین نتیجه را به همراه دارد ، کارکرد اصلی فرآیند تصمیم گیری است . به تعبیر دیگر ، تصمیم گیری یافتن راه حل بهینه برای مساله است و دستیابی به پاسخ بهینه ، منطق کلی کار را تشکیل می دهد . رویکرد سوم هوشمندی را به مفاهیم قبلی می افزاید و با تشریح کارکرد شبکه های عصبی ، یادگیری را بخشی از فرایند تصمیم گیری به شمار می آورد.

فهرست مطالب:

 مقدمه

 تصمیم گیری چیست؟

 انواع تصمیم و مراحل تصمیم گیری

 سیستم پشتیبان تصمیم گیری چیست؟

 اجزای سیستم پشتیبان تصمیم گیری

 اجزای مدیریت داده

 اجزای مدیریت مدل

 ویژگیها و توانایی­های سیستمDSS

 دلایل استفاده از سیستمهای DSS

 سیستم پشتیبان تصمیم گیری در پزشکی–تاریخچه

 دلایل استفاده از CDSS

 فناوری های اصلی حمایت از تصمیم

 طبقه بندی DSS

 انواع و دسته بندی CDSS

 انواع مدل­های پشتیبانی تصمیم ) کمی و کیفی )

 جدول تصمیم و فلوچارت

l Knowledge base پزشکی

 محدودیت های CDSS

هوش مصنوعی و کاربرد های آن در DSS

 نتیجه گیری

 ذکر منابع

پروپوزال تشخیص تردد های مرزی به کمک شبکه ای از روبات های حسگربی سیم

عنوان پروپوزال: تشخیص تردد های مرزی به کمک شبکه ای از روبات های حسگربی سیم

رشته تحصیلی: مهندسی کامپیوتر گرایش: هوش مصنوعی

قالب بندی: word

تعداد صفحات: 17

قسمتی از متن:

هر حسگر در اینجا دارای یک حسگرصوتی میکروفون خواهد بود که در طول زمان به شکل متناوب از سیگنال ورودی نمونه برداری می کند این نمونه گیری توسط واحد مبدل انالوگ به دیجیتال انجام خواهد شد. هر دسته نمونه به عنوان یک بردار به بخش نرم افزاری دسته بندی کننده وارد می شوند واین واحد با توجه به خصوصیات بردار صوتی آنرا به یکی از دسته های صوت عادی و صوت غیر عادی(تردد) دسته بندی می کند.

واحد نرم افزاری دسته بندی کننده از قبل به کمک بردار های صوتی آموزشی تعلیم می بیند .این کار نوعی تعلیم با نظارت یک دسته بندی کننده خاص مثل شبکه عصبی یا درخت تصمیم گیری است که نیاز مند استفاده از تکنیک های هوش مصنوعی است. در شکل 6 دو نمونه صوتی مختلف که یکی دارای الگوی خاص و دیگری بدون الگوست نمایش داده شده است.

شکل6- دو نوع صوت مختلف

 5-اهمیت و ارزش تحقیق:

شبکه‌های حسگر بی‌سیم یکی از پرکاربردترین ابزارهای موجود در زندگی امروزه بشر می‌باشند که از جمله کاربردهای آن می‌توان به مسائل نظامی اشاره کرد. نظارت بر تجهیزات، مهمات و تجهیزات خودی، نظارت بر مناطق جنگی، زیر نظر گرفتن نیروها و منطقه دشمن، جمع‌آوری اطلاعات مربوط به خرابی مناطق جنگی، تشخیص حملات شیمیایی و هسته‌ای از کاربردهای نظامی این وسایل هستند. حسگر های روباتیک می توانند مجهز به دوربین های تصویر برداری شوند تا با تهیه عکس از تجهیزا ت و مهمات دشمن آنها را به مر کز ارسال نمایند.