ارائه ي يك مدل تركيبي داده كاوي در يك شركت توليد كننده ي دستگاه هاي خودپرداز

Presenting a hybrid data mining model in a Manufacturer of ATM

از گذشته بسياري از سازمان ها هزينه هاي زيادي را صرف ذخيره ي حجم عظيمي از داده ها مي كنند. به گفته ي دانشگاه ام آي تي داده ها در سازمان ها هر پنج سال يكبار دو برابر مي شود اما استفاده از داده هاي انباشته سازمان ها سه دهم درصد مي باشد. زيرا تجزيه و تحليل حجم زيادي از داده ها و كسب اطلاعات از آن ها به صورت دستي تقريباً امكان پذير نبوده است. امروزه پيدايش ابزارهايي مانند داده كاوي امكان استخراج اطلاعات و دانش از حجم عظيمي از داده ها را فراهم كرده است. در اين مقاله يك مدل داده كاوي تركيبي با استفاده از داده هاي شركتي ارائه شده است كه مونتاژ و فروش دستگاه هاي خودپرداز را به بانك هاو مؤسسات مالي بر عهده دارد. هدف اين مقاله ارائه ي يك سيستم پشتيبان تصميم گيري براي مديران شركت مي باشد تا بتوانند از دانش استخراج شده از داده هاي خام در تصميم گيري ها و تعيين استراتژي ها استفاده نمايند. مراحل اجراي اين پژوهش بر اساس روش كريسپ بوده و براي مدلسازي از نرم افزار كلمنتاين استفاده شده است. نتايج نشان داده است كارشناسان فني شركت، بر روي زمان تعمير دستگاه هاي مشابه عملكرد متفاوتي دارند كه مي تواند ناشي از تجربه ي كارشناسان و يا نحوه ي آموزش آن ها باشد. همچنين دستگاه هاي مشابه در استان هاي متفاوت كد مشكل هاي متفاوتي را منجر شده اند كه مي تواند ناشي از شرايط آب و هوايي و يا فرهنگ استفاده از دستگاه باشد. شركت مي تواند در تصميمات مديريتي و تعيين استراتژي هاي خود از خروجي اين مدل استفاده نمايد.

A large number of organizations have spent plenty of money to restore data over the past years. Based on the findings of Massachusetts Institute of Technology organizations data double every five years. However the rate of using data is 0/3 since manual analyzing and extracting knowledge form it is almost impossible. Nowadays data mining tools have greatly facilitated the process of knowledge extraction form a considerable amount of data these tools are aimed at gaining information from the raw data. This article tries to preset a hybrid model by using data gathered from an ATM manufacturing company whose customers are banks and financial institutions. The aim of this study is presenting a Decision Support System for chief executive officers of companies to use the extracted knowledge in decision making and determining appropriate strategies. The steps of the research are based on CRISP DM and Clementine which is a data mining software is used for modeling. The results show that the company technicians perform differently regarding fixing the ATMs this might be caused by factors such as technician experiences and their quality of training. Moreover the same ATMs in different provinces cause different problems that might be caused by the weather or the way an ATM is used. The company can benefit from the outputs of the model in its strategic management decisions.