لطفا صبر کنید ...

نقش هوش تجاری در مدیریت ارتباط با مشتری (بخش سوم)

راه حل‌‏های کلیدی هوش تجاری

استخراج اطلاعات و تحلیل فرآیند تجارت، دو مسئله اساسی است که در تکنیک‌‏ها و الگوریتم‌‏های هوش تجاری بسیار کاربرد دارد. از هوش شبکه معنایی، جهت مؤثرتر بودن تکنیک‏‌های استخراج اطلاعات استفاده شده است. یک سیستم هوش تجاری باید بتواند نیازهای تجاری را به سطح بالای ساختار هوش تجاری تبدیل کند. در ساختار هوش تجاری سازمان‌ها، دو جنبه مهم را باید در نظر گرفت: یکپارچگی منابع عظیم داده‌‏های ناهمگن و تدارک قابلیت‏‌های تحلیلی برای بررسی دقیق داده‌‏ها. عموماً ساختار هوش تجاری ترکیب شده از انتقال داده‏‌ها، انبار داده‏‌ها، تحلیل داده‏‌ها و گزارش می‌‏باشد؛ راه حل‏‏‌های کلیدی ارائه شده توسط هوش تجاری را می‏‌توان به صورت زیر برشمرد:

  • بکارگیری یک قالب هوش تجاری و مدیریت پیاده‌‏سازی و به‏‌روزرسانی آن
  • تست و ارزیابی روش انتخابی و در صورت نیاز بازخورد آن
  • استخراج روابط و اطلاعات برای دستیابی به داده‏‌های مرتبط
  • گسترش توانایی‌‏های تحلیلی هوش تجاری با بکارگیری هوش مصنوعی و تکنیک‏‌های استخراج داده
  • بررسی کیفیت اطلاعات به دست آمده و ارتباطشان با منبع
  • تمرین‏‌های مستمر برای مدیریت اطلاعات به دست آمده
  • تحلیل کمی و کیفی برای تصمیم‌‏گیری بهتر
  • مدیریت دانش و هوش تجاری به منظور تسهیل فرآیند تحلیل

برای طراحی یک دامنه کاربردی در هوش تجاری از قالب‌‏ها و مدل‎ها استفاده می‌‏شود. از مدل‏سازی و تحلیل یک سازمان تجاری، در دو سطح تاکتیکی و استراتژی پشتیبانی می‌‏شود. وقتی ساختار قابل استفاده مجدد است که رفتار و ساختار مشترکی را برای تمامی دامنه‏‌های کاربردی در حوزه‌‏های واحد ارائه کند. به همین دلیل، قالب‏‌ها عموماً پیوندی از ساختار اطلاعات و پیاده‎سازی هستند. در این راستا عموماً از دو روش بررسی طراحی مانند قالب‏‌های هوش تجاری و مدیریت هوش تجاری استفاده شده است.

نویسندگان: الهه شیرزادیانی، حمیدرضا ندرلو

از شرکت پردازش موازی سامان تولید کننده محصولات تدبیر و سیستم حسابداری مالی، اداری، بازرگانی و حسابداری صنعتی

بخش اول

بخش دوم


طراحی و پیاده‌سازی شده در شرکت پردازش موازی سامان

کلیه حقوق مادی و معنوی وب‌سایت برای صاحبان آن محفوظ است © ۲۰۱۲ - ۲۰۲۵