نام پژوهشگر: پرنا فیضی

بکارگیری شبکه عصبی خودسازمانده کوهونن در خوشه بندی مشتریان شرکت سیمان سفید ارومیه
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده مدیریت 1391
  پرنا فیضی   مقصود سلیمانپور

در طول دهه گذشته تعامل شرکت ها با مشتریانشان به طور قابل توجهی تغییر کرده است به طوری که تداوم کسب و کار با مشتری تضمین بلند مدت ندارد. به همین دلیل برای موفقیت یک سازمان لازم است، سازمان مشتریان خود را به درستی درک کرده، نیازها و خواسته های آن ها را پیش بینی کند و با مجهز شدن به این اطلاعات، سلامت کاری خود را بهبود بخشد. بسیاری از سازمان ها از جمله شرکت سیمان سفید ارومیه، داده های بسیار زیادی را درباره مشتریان، تأمین کنندگان و شرکای تجاریشان جمع آوری و ذخیره می کنند ولی ناتوانی این سازمان ها برای کشف دانش پنهان با ارزش در این داده ها سبب می شود که این داده ها به دانش تبدیل نشوند و این کار عملاً بیهوده باشد. با توجه به موقعیت استراتژیک شرکت سیمان سفید ارومیه در منطقه غرب کشور و ظرفیت محدود تولید، توجه و تمرکز بر مشتریان و شناسایی و درک کامل آن ها با استفاده از استخراج اطلاعات ناشناخته از بانک اطلاعاتی سازمان می تواند راه گشای بسیاری از مشکلات موجود بر سر راه این بنگاه تولیدی باشد. در این راستا بهره گیری از فرآیند داده کاوی می تواند وسیله ای برای رسیدن به نتایج مطلوب در جهت نزدیک تر شدن به مشتریان وفادار و سودآور باشد. بنابراین هدف اصلی از انجام این پژوهش، خوشه بندی مشتریان شرکت سیمان سفید ارومیه با استفاده از شبکه های عصبی خود سازمانده کوهونن می باشد. به منظور انجام این پژوهش، داده های مربوط به مشتریان شرکت در فاصله سال های 1389 تا 1390 به صورت اسنادی از پایگاه داده شرکت جمع آوری شد. داده های مذکور که مشتمل بر 3391 رکورد در قالب 4 متغیر محل مشتری، مقدار خرید، نوع بسته بندی و گروه مشتری بود، جهت خوشه بندی در نظر گرفته شد. سپس با استفاده از شبکه های عصبی بدون ناظر کوهونن، خوشه بندی با استفاده از نرم افزار کلمنتاین انجام گرفت. به این ترتیب مشتریان شرکت در 10 خوشه بر اساس شباهت های موجود خوشه بندی شدند. مهم ترین خوشه از بین خوشه های بدست آمده شامل 36.5% از مشتریان شرکت بود که تنها متشکل از عاملین فروش شمال غرب کشور بوده که در مقادیر کمتر از 100 تن، اقدام به خرید سیمان پاکتی 25 کیلوئی نموده اند. با شناسایی این مشتریان توصیه هایی جهت اتخاذ سیاست های مناسب جهت حفظ مشتریان وفادار و جذب مشتریان سودآور ارائه گردید.