ارائه چارچوب عوامل حیاتی برای موفقیت پروژه های داده کاوی

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,827

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTM06_190

تاریخ نمایه سازی: 12 دی 1388

چکیده مقاله:

در محیط امروزی سازمانهای بسیاری در تلاش هستند که فلج اطلاعات را شکست دهند علیرغم این که اطلاعات زیادی دراین مجموع داده ها نهفته است این اطلاعات مستقیما در اختیار کاربران قرار ندارد. بنابراین به توسعه تکنیک ها و ابزارهایی نیاز است که در تحلیل و استخراج خودکار دانش نهفته است در میان حجم عظیمی از داده ها به افراد کمک کند. داده کاوی فرایندی برای استخراج دانش نهفته در میان انبوه داده ها است هم اکنون در بسیاری از تحقیقات داده کاوی تاکید زیادی برروی الگوریتم داده کاوی نظیر نیوبیز و قواعد وابستگی و کارایی آنهاست در حالیکه مسائل اساسی از دیدگاه کسب وکار این است که تصمیم به انجام چنین پروژه هایی صحیح است یا نه ؟ در پژوهش حاضر عواملی را که سازمان ها می بایست قبل از اجرای پروژه های داده کاوی به آن توجه داشته باشند شناسایی و چارچوبی براساس این عوامل بنا شده است

کلیدواژه ها:

داده کاوی ، عوامل حیاتی موفقیت ، موفقیت پروژه داده کاوی ، کیفیت داده

نویسندگان

شعبان الهی

استادیار گروه مدیریت فناوری اطلاعات دانشگاه تربیت مدرس تهران

محبوبه نوری زاده

دانشجوی کارشناسی ارشد گروه مدیریت فناوری اطلاعات دانشگاه تربیت مدرس ت

علیرضا حسن زاده

استادیار گروه مدیریت فناوری اطلاعات دانشگاه تربیت مدرس تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Fayyad, U., P ia teاsky-Shapiro, G., apd Smytb, P., The ...
  • _ _ wih Applicauiops 32: 976-986, 2007. ...
  • Srobel, C. M. H., T. A daa minhg approach _ ...
  • _ _ Sbi, Y, Decision anaysi of data miming project ...
  • engineering aproach, Iafomatio Systcms 34- 87- I07, 2009. ...
  • Zahedi, F., Reliability f information systems based o the _ ...
  • RNemati, H. Oraganizaio _ _ Miving (ODM) _ Ihzroductio. Springer, ...
  • Tuaisiagbam, B., Data Mining: Technologies, Techniques, Tools a, d Trends, ...
  • _ M., Data Mini.: _ overview from Data base Perspefive. ...
  • David, M., Natalie, M. _ _ _ in DSSMode1 _ ...
  • David, H., Heikki, M. aud Smytb, P., Prirciples of daa ...
  • Mepa, J. , Data Mining Your Pebsite, dpDigial Press, 2003. ...
  • Hair, J. F. , Multivariate Data Aralysis, Prentice Hall, 2M5. ...
  • T.LAROSE, D.. Discovery Krowledge in Data, A WLEY ...
  • Mining, Management Imformation Systems I6(1): _ 16, 1999. ...
  • Sim, J., CRTTTCAL SUCCESS FACTORS IN DATA MNNG PROJECTS, UNIVERSITS ...
  • Amberg, M., Fisch, F., Wierer, M.. BA CKGROUND OFCR T/CAL ...
  • Rockart, J., Bullen, C., A primer _ criticad _ factors, ...
  • _ _ Critical _ [25] _ _ _ 1984. ...
  • Pipto, J., Slevin, D. _ _ Factors in Successul Project ...
  • Rockar, J., Chief Executves Define _ Irhfomation Needs, ...
  • Austin, D., Urderestamding Critical Success Factor ...
  • _ _ _ Factors, Program Mapagement, 2001. ...
  • Bracbman, R. J, Kbabaza, T., _ W., Piatetsky- ...
  • Hemiz, K B., Critical Success Factors for Data Mining Projects, ...
  • Lavarc, N., H.Motoda, T.Fawcett, R.Holte, P.Largely, a»d P.Adraans., Introductio _ ...
  • Cho, E.-J., Han , Jae Ho, Lee, C. Cbristopher , ...
  • نمایش کامل مراجع