0

مقدمه: ارائه خدمات مراقبتی و بهداشتی افراد مبتلا به بیماری دیابت اطلاعات مفیدی ایجاد می کند که از این اطلاعات می توان برای شناسایی، درمان، مراقبت های بعدی و حتی پیشگیری از بیماری دیابت استفاده نمود. از طرفی کاوش و بررسی حجم زیادی از این اطلاعات، نیازمند استفاده از روش های موثر و کارآمدی برای یافتن الگوهای مربوط در این اطلاعات می باشد که استفاده از تکنیک های مختلف داده کاوی به خصوص دسته بندی و الگوهای تکرار شونده می تواند کمک شایانی در این زمینه باشد.روش ها: پایگاه های اطلاعاتی Scholar، Science Direct Google Scopus، Pubmed، با هدف یافتن مقالات، جستجو و مقالات انگلیسی منتشر شده در سال های 2005 تا 2015 مورد بررسی قرار گرفتند. مقالات به دست آمده از نظر جمعیت مورد مطالعه، مجموعه داده های مورد استفاده و روش های داده کاوی ارزیابی شدند.یافته ها: از میان 2144 مقاله به دست آمده در جستجوی اولیه، تعداد 38 مقاله مرتبط با موضوع مطالعه، انتخاب و مورد بررسی قرار گرفت. نتایج این بررسی نشان می دهد که الگوریتم های خوشه بندی، قوانین انجمنی و هوش مصنوعی از پرکاربردترین تکنیک های داده کاوی می باشند که برای تشخیص و پیش بینی احتمال ابتلا به بیماری دیابت با موفقیت مورد استفاده قرار گرفته اند.نتیجه گیری: پیاده سازی روشی که بتواند امکان ابتلا یا عدم ابتلای افراد به دیابت را مشخص کند، گام مهمی در کنترل بیماری دیابت خواهد بود. با توجه به مطالعات انجام شده، داده کاوی می تواند به عنوان روشی موثر در پیشگیری، درمان و کشف ارتباط بین بیماری دیابت و عوامل خطر آن، موجب پیشرفت های قابل توجه در حوزه تحقیقات دیابت و ارائه مراقبت های بهداشتی بهتر برای این گروه از بیماران باشد.

تقلب از پدیده های رایج و متداول در کسب و کار است و طبق بخش 24 استانداردهای حسابرسی ایران عمل فریبکارانه یک یا چند نفر از مدیران، کارکنان یا اشخاص ثالث برای برخورداری از مزیتی ناروا عبارتست از هرگونه اقدام عمدی یا غیرقانونی. بنابراین پیشگیری با کشف تقلب های با اهمیت در صورتهای مالی، همواره کانون توجه سرمایه گذاران، قانونگذاران، استاندارد گذاران، مدیران و حسابرسان بوده است.مقاله حاضر، اثربخشی تکنیک های داده کاوی در تشخیص رفتارهای متقلبانه شرکت هایی که صورت های مالی متقلبانه گزارش نموده اند را بررسی کرده تا عوامل موثر بر اینگونه رفتارها را شناسایی کرد. داده کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بارنمایی بصری داده ها می باشد که در چارچوب فرایندی، استخراج اطلاعات معتبر، از پیش ناشناخته، قابل فهم و قابل اعتماد از پایگاه داده های بزرگ امکان پذیر می گردد و استفاده از آن در تصمیم گیری در فعالیت های تجاری مهم نظیر ارتقاء کیفیت سودمندی اطلاعات از طریق شناسایی تقلب های مالی میسر می شود.این پژوهش به روش شناخت تاریخی با بهره گیری از اسناد کتابخانه ایی و به پشتوانه پیشینه و تحقیقات محققان، شواهدی لازم جهت پاسخ به سوالات تحقیق ارائه می کند. نتایج مطالعه نشان می دهد که اولا، تکنیک های داده کاوی، در شناسایی در صورتهای مالی متقلبانه سودمند هستند. ثانیا، داده کاوی، به عنوان کانون هدایت فکر در مدیریت کسب و کارها جهت کشف تقلب می تواند مورد توجه قرار گیرد.

این تحقیق با ارایه مدل جدیدی مبنی بر توسعه مدل RFM و تعیین اوزان پارامترها با مقایسات زوجی پس از خوشه بندی محصولات با تعداد خوشه های بهینه توسط شاخص دیویس بولدین، به تعیین درجه وفاداری مشتری در یک مفهوم برنده- برنده پرداخته است.موضوع به این دلیل اهمیت دارد که سازمانها برای موفقیت در کسب و کار لازم دارند مشتریانشان را به درستی درک کرده، نیازها و خواسته های آنها را پیش بینی کنند. با اجرای مدل توسعه یافته در شرکت ساپکو، نتایج نشان می دهد مدیر و کارشناسان واحد فروش قطعات یدکی به توانایی بیشتری جهت ارزیابی وفاداری مشتری در محصولات مختلف در مقایسه با یک انتخاب تصادفی در تعیین وفاداری مشتری نسبت به سایر سازمانها می رسند.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.