دانلود تحقیق تجارت الکترونیکی تلفیقی و فرآیند - دانلود رایگان
دانلود رایگان تحقیق ، با موضوع تجارت الکترونیکی تلفیقی و فرآیند تعیین الگوهای سودمند تجاری (Data Mining) بصورت Word انجام گرفته است.برای رشته های کامپیوتر و IT مناسب است
دانلود رایگان
| دانلود تحقیق تجارت الکترونیکی تلفیقی و فرآیند تعیین الگوهای سودمند تجاری (Data Mining)این تحقیق ، با موضوع تجارت الکترونیکی تلفیقی و فرآیند تعیین الگوهای سودمند تجاری (Data Mining) بصورت Word انجام گرفته است.تحقیق برای رشته های کامپیوتر و IT مناسب است و در 19 برگه می باشد. شما می توانید این تحقیق را بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید. بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد. چکیده ما نشان می دهیم که حوزه تجارت الکترونیکی می تواند همه اجزا مورد نیاز برای یک فرآیند موفق تعیین الگوهای سودمند تجاری را فراهم سازد و در عین حال عقیده داریم که این یک حوزه موثر برای فرآیند ذکر شده است . ما براساس تجاربمان در شرکت نرم افزاری بلو مارتینی[1] در ارتباط با معماری تلفیقی توضیح خواهیم داد تا نشان دهیم که این امر بر اساس تجربه صورت گرفته است . معماری به طور قابل توجهی می تواند زمان انجام پیش پردازش ، پاک سازی و اقدامات شناخت داده ها را کاهش دهد که معمولاً این کارها حدود 80% زمان پروژه های کشف اطلاعات را در بر می گیرد . به منظور پشتیبانی از ثبت داده ها و فوق داده ها که برای فرآیند کشف مفید است ، ما تاکید می کنیم که جمع آوری داده ها در لایه سرویس دهنده کاربردی صورت بگیرد نه در سرویس دهنده وب. توضیح داده خواهد شد که پل های انتقال داده بین سیستم های پردازش گردش کار یا جریانهای رخدادی خریدار ( به طور مثال : جریان کیلیک) و محل انبار داده ها مورد نیاز است همچنین به تفصیل در ارتباط با استخراج اطلاعات ، کاری که نیازمند داشتن چندین دیدگاه از داده ها از طریق گزارش، الگوریتم های data mining تجسم و [2]OLAP می باشد ، توضیح خواهیم داد و با بیان چندین چالش در این زمینه مقاله خود را به پایان خواهیم برد. 1- مقدمه تجارت الکترونیکی در حال پیشرفت است و همگام با این پیشرفت ، شرکت ها علاقه بیشتری دارند تا در زمینه پیشرفت [3] سرمایه گذاری کنند. در کتابCOMMERCE SOFTWARE TAKESOFF ، نویسندگان تحقیق forrester نوشتند که در سال 1999 تجارت آن لاین در زمینه خرده فروشی مصرف کننده حدود 3/20 میلیارد دلار بوده است و پیش بینی شده است که تا سال 2003 به بیش از 144 میلیارد دلار برسد . حدود 2500 شرکت جهانی در سال 2000 میلادی نسبت به سال 1999 بیش از 72% در زمینه تجارت الکرونیکی سرمایه گذاری خواهند کرد . سایت های موجود از اندازه گیرهای اولیه همچون تعداد بازدید صفحات استفاده می کنند اما نیاز برای تحلیل و خصوصی سازی با توجه به نیاز های متفاوت روز به روز افزایش می یابد . در کتابMeasuring websuccess نویسندگان ادعا می کنند که افراد پیش رو از واحدهای متدی برای ایجاد خصوصی سازی استفاده می کنند و اینکه شرکت ها به هوش شبکه نیاز دارند نه به تحلیل موارد ثبت شده .ابزار data mining به کشف الگوهای داده ها کمک می کنند . تاکنون شرکتها یی که بر روی ساختار افقی وسایل الگو ساز data mining متمرکز شده بودند ، پیشرفت تجارت کمی داشتند . میزان خرید بسیاری از شرکت ها بدین قرار است : دریافت علوم فشرده توسط Gentia در حدود 3 میلیارد دلار ، هماهنگی بسیار بالا توسط yahoo در حدود 3/2 میلیون دلار ، معتدل سازی به وسیله spss در حدود 7 میلیون دلار و ماشین های متفکر بوسیله oracle در حدود چیزی کمتر از 25 میلیون دلار افزایش یافته اند . KD1 توسط Net Perception در حدود 116 میلیون دلار به دست امد . right point که قبلاً نام data mind داشت توسط E.Piphany برای حدود 400 میلیون دلار و Nero vista توسط Acro برای حدود 140 میلیون دلار به دست آمده است . تغییر این ارزیابی ها تاکید می کند که باید توجه بیشتری را بر ارزش تکنیک های الگو سازیdata mining در زمینه تجارت الکترونیکی داشته باشیم . تجارت الکترونیکی یک حوزه موثر برای data mining است. این روش ایده ال است زیرا بسیاری از مواد مورد نیاز برای data mining موفق به راحتی به دست می آید : ثبت داده ها بسیار متعدد است، مجموعه الکترونیک داده های قابل اطمینان را فراهم می سازد، افکار به راحتی به مرحله اجرا در می آید و بازگشت سرمایه اندازه گیری می شود. اگر چه برای پیشرفت در این حوزه، باید data mining در سیستم های تجارت الکترونیکی با پل های انتقال داده ها از سیستم پردازش گردش کار به محل انبار داده ها و بر عکس مجتمع شود. چنین ترکیبی به طور قابل توجهی زمان آماده سازی داده ها را کاهش می دهد که طی تحقیقات بدست آمده حدود 80 درصد زمان تکمیل یک تحلیل را بر عهده می گیرد. یک راه حل تلفیقی همچنین می تواند برای کاربران یک رابطه مستقیم بین کاربر و پردازش کامل فوق داده ها را ایجاد کند. فهرست مطالب چکیده. 1 1- مقدمه. 2 2- معماری تلفیقی.. 3 2-1- جمع کننده داده. 6 3- ثبت جریان کلیک... 6 4- ثبت رخداداهای تجاری.. 8 5- اندازه گیری میزان موفقیت خصوصی سازی.. 9 6- تحلیل.. 9 7- چالش ها12 7-1- فراگیر ساختن مدل های data mining برای کاربران تجاری.. 13 7-2- قابل دسترس ساختن تغییر شکل داده ها و ساختمان مدل برای کاربران تجاری.. 13 7-3- پشتیبانی سطوح گرانولیته چندگانه. 14 7-4- به کار بردن سلسله مراتبها14 7-4-1- اندازه گیری بهتر، جابه جایی مقدار عظیمی از داده ها15 7-4-2- پشتیبانی در الگوپردازی رخدادهای بیرونی.. 15 7-4-3- پشتیبانی تغییرات آهسته ابعاد. 15 8- شناسایی crow lers و روبوت ها15 9- خلاصه. 16 دریافت فایل جهت کپی مطلب از ctrl+A استفاده نمایید نماید |