Помощь студентам в учебе
Моделирование информационной системы управления предприятием на основе интеллектуального анализа данных
|
Введение 4
Глава 1 Современное состояние проблемы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных 9
1.1 Понятие Data Mining 9
1.2 Исследование методов интеллектуального анализа данных применительно к CRM-системам 11
1.3 Обзор и анализ существующих CRM-систем 14
Глава 2 Методологические основы моделирования CRM-систем на основе интеллектуального анализа данных 20
2.1 Аналитический обзор методов и технологий интеллектуального анализа данных 20
2.2 Алгоритм k-средних 23
2.3 Алгоритм С4.5 25
Глава 3 Разработка модели системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных 31
3.1 Выбор технологии для анализа бизнес-процесса управления взаимоотношениями с клиентами 31
3.2 Концептуальное моделирование бизнес-процесса управления взаимоотношениями с клиентами 32
3.3 Обоснование выбора технологии моделирования CRM-системы 38
3.4 Обоснование выбора компонентов архитектуры СКМ-системы 40
3.5 Моделирование CRM-системы 40
3.6 Обоснование выбора и описание основных средств реализации модели CRM-системы 47
Глава 4 Реализация системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных 50
4.1 Описание основного принципа работы CRM-системы 50
4.2 Реализация информационной безопасности CRM-системы 60
4.3 Расчет показателя эффективности CRM-системы 62
Заключение 64
Список используемой литературы и используемых источников 66
Приложение А. Диаграммы последовательности в нотации UML 71
Глава 1 Современное состояние проблемы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных 9
1.1 Понятие Data Mining 9
1.2 Исследование методов интеллектуального анализа данных применительно к CRM-системам 11
1.3 Обзор и анализ существующих CRM-систем 14
Глава 2 Методологические основы моделирования CRM-систем на основе интеллектуального анализа данных 20
2.1 Аналитический обзор методов и технологий интеллектуального анализа данных 20
2.2 Алгоритм k-средних 23
2.3 Алгоритм С4.5 25
Глава 3 Разработка модели системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных 31
3.1 Выбор технологии для анализа бизнес-процесса управления взаимоотношениями с клиентами 31
3.2 Концептуальное моделирование бизнес-процесса управления взаимоотношениями с клиентами 32
3.3 Обоснование выбора технологии моделирования CRM-системы 38
3.4 Обоснование выбора компонентов архитектуры СКМ-системы 40
3.5 Моделирование CRM-системы 40
3.6 Обоснование выбора и описание основных средств реализации модели CRM-системы 47
Глава 4 Реализация системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных 50
4.1 Описание основного принципа работы CRM-системы 50
4.2 Реализация информационной безопасности CRM-системы 60
4.3 Расчет показателя эффективности CRM-системы 62
Заключение 64
Список используемой литературы и используемых источников 66
Приложение А. Диаграммы последовательности в нотации UML 71
В управлении предприятием одним из главных процессов является умение взаимодействовать с клиентами. Повышение объема продаж, сокращение материальных ресурсов на обслуживание, повышение прибыли предприятия за счёт увеличения лояльности клиента, реализация управления, направленного на качественную работу с клиентами, на решение их потребностей, осуществляются с помощью CRM-систем (Customer Relationship Management Systems).
Сбор клиентских данных, а также последующий поведенческий анализ этих данных и прогнозирование, благоприятно сказываются на возрастании количества продаж и оптимизации коммуникации с клиентами. Все это становится возможным и достигается благодаря использованию передовых информационных технологий при реализации CRM - концепции.
Современный рынок программных продуктов предоставляет возможность выбора готовых решений в области CRM-систем как для маленьких и средних компаний в качестве отдельных ИС для автоматизации управления заказами клиентов, так и для крупных компаний в виде КИС известных вендоров. Стоит обратить внимание, что в малых компаниях широкие возможности функциональности CRM-систем упускаются из виду в следствие того, что преимущественно компании используют программное обеспечение в качестве АИС управления контактами, в которой структурируются только клиентские данные.
Системы управления взаимоотношениями с клиентами можно классифицировать по уровню обработки информации на две группы:
• операционный уровень, ключевая миссия которого в процессе непосредственного контакта с клиентом - повысить его лояльность;
• аналитический уровень, направленный на глубокий анализ данных о клиентской базе предприятия в целях автоматизации управленческих процессов. Например, анализ успешности продаж по периодам времени, по группам товаров (по услугам), сегментирование клиентов, классификация клиентов.
Для решения задач привлечения и удержания клиентов в ходе взаимодействия с ними предназначен операционный уровень CRM. Аналитические CRM оказывают содействие в разработке стратегии маркетинговой политики, основываясь на анализе имеющихся данных.
Сложные аналитические системы как отдельные ИС не осуществляются в связи с большими затратами на их разработку и внедрение. Такие возможности присутствуют лишь в функционале КИС. Data Mining лежит в основе таких аналитических систем.
Из вышесказанного можно сделать вывод, что задача разработки CRM-систем, которые при низкой себестоимости реализуют основные цели политики управления взаимодействием с клиентами на основе современных технологий интеллектуального анализа, является весьма актуальной.
Целью работы является разработка модели системы управления взаимоотношениями с клиентами на основе Data Mining.
Объект исследования - система управления взаимоотношениями с клиентами на основе Data Mining.
Предмет исследования - модель системы управления взаимоотношениями с клиентами на основе Data Mining.
Гипотеза исследования: использование предложенной в магистерской работе модели СRM-системы на основе интеллектуального анализа данных будет эффективно влиять на управление предприятием в целом.
Задачи исследования:
• исследовать методы и алгоритмы интеллектуального анализа данных;
• провести системный анализ методов и средств обработки информации в системах управления взаимоотношениями с клиентами;
• осуществить выбор методологических подходов к моделированию системы управления взаимоотношениями с клиентами на основе Data Mining с помощью сравнительного анализа;
• проанализировать предметную область с целью выявления объектов автоматизации и аналогов существующих систем;
• разработать модель информационной системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных;
• оценить эффективность реализованной модели CRM-системы на основе Data Mining.
Теоретическую основу исследования составляют научные труды отечественных и зарубежных исследователей в области информационных систем управления взаимоотношениями с клиентами (Буянский С.Г., Митина О.А., Bourgeois D. и др.).
Для решения поставленных в исследовании задач планируется использовать методологический аппарат, включающий в себя такие методы исследования, как:
• системный анализ;
• структурный и объектно-ориентированный анализ;
• структурное и объектно-ориентированное моделирование.
Новизна исследования заключается в разработке новой модели информационной системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных.
Практическая значимость исследования заключается в возможности практического применения предлагаемой модели для построения СRM- системы на основе интеллектуального анализа данных, эффективно влияющей на управление предприятием в целом.
Исследование проводилось с 2019 года по 2021 год.
Основные этапы исследования:
На первом этапе (констатирующем этапе) была определена тема исследования, проведен обзор отечественных и зарубежных трудов по теме исследования, выявлены проблема и актуальность данного исследования, была выдвинута гипотеза, поставлена цель и определены задачи для ее достижения, сформулированы предмет и объект исследования.
На втором этапе (поисковом этапе) был проведен анализ методологий моделирования систем управления взаимоотношениями с клиентами на основе интеллектуального анализа данных, была разработана модель GRM- системы на основе интеллектуального анализа данных, была написана и опубликована научная статья по теме исследования в международном научно-практическом журнале «Моя профессиональная карьера».
На третьем этапе (оценка эффективности) проводилась оценка эффективности и проверка адекватности предлагаемой модели системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных, были подведены итоги, сделаны выводы о результатах работы.
На защиту выносятся:
• модель CRM-системы на основе интеллектуального анализа данных;
• результаты проверки адекватности модели CRM-системы на основе интеллектуального анализа данных.
По теме исследования опубликована статья:
Фадеев С.А. Технология Data Mining как инструмент оптимизации взаимоотношений с клиентами // международный научно-практический журнал «Моя профессиональная карьера», 2020.
Диссертация состоит из введения, четырех глав, заключения и списка литературы.
Первая глава посвящена обзору актуального состояния проблемы на сегодняшний день. Изучены существующие методы интеллектуального анализа данных применительно к CRM-системам. Проведен обзор и анализ существующих CRM-систем.
Во второй главе сделан анализ методологических основ моделирования систем управления взаимоотношениями с клиентами на основе интеллектуального анализа данных. Определен набор методов для проведения интеллектуального анализа данных на основе сравнительного анализа методов Data Mining c последующим описанием их алгоритма.
В третьей главе представлена разработка модели управления взаимоотношениями с клиентами на основе интеллектуального анализа данных.
Четвертая глава посвящена процессу реализации системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных и оценке ее эффективности.
В заключении работы представлены результаты проведенного исследования.
Работа изложена на 78 страницах и включает 49 рисунков, 7 таблиц, 41 источник.
Сбор клиентских данных, а также последующий поведенческий анализ этих данных и прогнозирование, благоприятно сказываются на возрастании количества продаж и оптимизации коммуникации с клиентами. Все это становится возможным и достигается благодаря использованию передовых информационных технологий при реализации CRM - концепции.
Современный рынок программных продуктов предоставляет возможность выбора готовых решений в области CRM-систем как для маленьких и средних компаний в качестве отдельных ИС для автоматизации управления заказами клиентов, так и для крупных компаний в виде КИС известных вендоров. Стоит обратить внимание, что в малых компаниях широкие возможности функциональности CRM-систем упускаются из виду в следствие того, что преимущественно компании используют программное обеспечение в качестве АИС управления контактами, в которой структурируются только клиентские данные.
Системы управления взаимоотношениями с клиентами можно классифицировать по уровню обработки информации на две группы:
• операционный уровень, ключевая миссия которого в процессе непосредственного контакта с клиентом - повысить его лояльность;
• аналитический уровень, направленный на глубокий анализ данных о клиентской базе предприятия в целях автоматизации управленческих процессов. Например, анализ успешности продаж по периодам времени, по группам товаров (по услугам), сегментирование клиентов, классификация клиентов.
Для решения задач привлечения и удержания клиентов в ходе взаимодействия с ними предназначен операционный уровень CRM. Аналитические CRM оказывают содействие в разработке стратегии маркетинговой политики, основываясь на анализе имеющихся данных.
Сложные аналитические системы как отдельные ИС не осуществляются в связи с большими затратами на их разработку и внедрение. Такие возможности присутствуют лишь в функционале КИС. Data Mining лежит в основе таких аналитических систем.
Из вышесказанного можно сделать вывод, что задача разработки CRM-систем, которые при низкой себестоимости реализуют основные цели политики управления взаимодействием с клиентами на основе современных технологий интеллектуального анализа, является весьма актуальной.
Целью работы является разработка модели системы управления взаимоотношениями с клиентами на основе Data Mining.
Объект исследования - система управления взаимоотношениями с клиентами на основе Data Mining.
Предмет исследования - модель системы управления взаимоотношениями с клиентами на основе Data Mining.
Гипотеза исследования: использование предложенной в магистерской работе модели СRM-системы на основе интеллектуального анализа данных будет эффективно влиять на управление предприятием в целом.
Задачи исследования:
• исследовать методы и алгоритмы интеллектуального анализа данных;
• провести системный анализ методов и средств обработки информации в системах управления взаимоотношениями с клиентами;
• осуществить выбор методологических подходов к моделированию системы управления взаимоотношениями с клиентами на основе Data Mining с помощью сравнительного анализа;
• проанализировать предметную область с целью выявления объектов автоматизации и аналогов существующих систем;
• разработать модель информационной системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных;
• оценить эффективность реализованной модели CRM-системы на основе Data Mining.
Теоретическую основу исследования составляют научные труды отечественных и зарубежных исследователей в области информационных систем управления взаимоотношениями с клиентами (Буянский С.Г., Митина О.А., Bourgeois D. и др.).
Для решения поставленных в исследовании задач планируется использовать методологический аппарат, включающий в себя такие методы исследования, как:
• системный анализ;
• структурный и объектно-ориентированный анализ;
• структурное и объектно-ориентированное моделирование.
Новизна исследования заключается в разработке новой модели информационной системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных.
Практическая значимость исследования заключается в возможности практического применения предлагаемой модели для построения СRM- системы на основе интеллектуального анализа данных, эффективно влияющей на управление предприятием в целом.
Исследование проводилось с 2019 года по 2021 год.
Основные этапы исследования:
На первом этапе (констатирующем этапе) была определена тема исследования, проведен обзор отечественных и зарубежных трудов по теме исследования, выявлены проблема и актуальность данного исследования, была выдвинута гипотеза, поставлена цель и определены задачи для ее достижения, сформулированы предмет и объект исследования.
На втором этапе (поисковом этапе) был проведен анализ методологий моделирования систем управления взаимоотношениями с клиентами на основе интеллектуального анализа данных, была разработана модель GRM- системы на основе интеллектуального анализа данных, была написана и опубликована научная статья по теме исследования в международном научно-практическом журнале «Моя профессиональная карьера».
На третьем этапе (оценка эффективности) проводилась оценка эффективности и проверка адекватности предлагаемой модели системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных, были подведены итоги, сделаны выводы о результатах работы.
На защиту выносятся:
• модель CRM-системы на основе интеллектуального анализа данных;
• результаты проверки адекватности модели CRM-системы на основе интеллектуального анализа данных.
По теме исследования опубликована статья:
Фадеев С.А. Технология Data Mining как инструмент оптимизации взаимоотношений с клиентами // международный научно-практический журнал «Моя профессиональная карьера», 2020.
Диссертация состоит из введения, четырех глав, заключения и списка литературы.
Первая глава посвящена обзору актуального состояния проблемы на сегодняшний день. Изучены существующие методы интеллектуального анализа данных применительно к CRM-системам. Проведен обзор и анализ существующих CRM-систем.
Во второй главе сделан анализ методологических основ моделирования систем управления взаимоотношениями с клиентами на основе интеллектуального анализа данных. Определен набор методов для проведения интеллектуального анализа данных на основе сравнительного анализа методов Data Mining c последующим описанием их алгоритма.
В третьей главе представлена разработка модели управления взаимоотношениями с клиентами на основе интеллектуального анализа данных.
Четвертая глава посвящена процессу реализации системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных и оценке ее эффективности.
В заключении работы представлены результаты проведенного исследования.
Работа изложена на 78 страницах и включает 49 рисунков, 7 таблиц, 41 источник.
Целью работы является разработка модели системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных.
В ходе проведенного исследования получены следующие основные результаты:
• обзор и анализ трудов как зарубежных, так и отечественных исследователей по предмету исследования подтвердил недостаточность работ, направленных на решение проблемы моделирования систем управления взаимоотношениями с клиентами на основе интеллектуального анализа данных, что обосновало актуальность представленной темы исследования;
• проведен аналитический обзор и сравнительный анализ на основе классификации методов интеллектуального анализа данных по задачам, в ходе которых оптимальными для кластеризации клиентов выбран метод k-means, для осуществления классификации - метод С4.5;
• для анализа бизнес-процесса управления взаимоотношениями с клиентами использовались технологии IDEF0 и DFD. Обоснована необходимость разработки модели системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных;
• разработана и реализована модель системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных. В процессе разработки модели использован объектно-ориентированный подход;
• выполнена оценка эффективности системы управления взаимоотношениями с клиентами на основе интеллектуального анализа для проверки адекватности разработанной модели.
Произведенный расчет свидетельствует, что функциональная эффективность системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных превышает 0,5, что соответствует требованиям к системам управления.
Таким образом, в работе решена актуальная научно-практическая проблема моделирования системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных.
Гипотеза исследования подтверждена.
Результаты магистерской диссертации представляют научно-практический интерес и предоставляют возможности применения предлагаемой модели для построения GRM-системы на основе интеллектуального анализа данных, эффективно влияющей на управление предприятием в целом.
В ходе проведенного исследования получены следующие основные результаты:
• обзор и анализ трудов как зарубежных, так и отечественных исследователей по предмету исследования подтвердил недостаточность работ, направленных на решение проблемы моделирования систем управления взаимоотношениями с клиентами на основе интеллектуального анализа данных, что обосновало актуальность представленной темы исследования;
• проведен аналитический обзор и сравнительный анализ на основе классификации методов интеллектуального анализа данных по задачам, в ходе которых оптимальными для кластеризации клиентов выбран метод k-means, для осуществления классификации - метод С4.5;
• для анализа бизнес-процесса управления взаимоотношениями с клиентами использовались технологии IDEF0 и DFD. Обоснована необходимость разработки модели системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных;
• разработана и реализована модель системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных. В процессе разработки модели использован объектно-ориентированный подход;
• выполнена оценка эффективности системы управления взаимоотношениями с клиентами на основе интеллектуального анализа для проверки адекватности разработанной модели.
Произведенный расчет свидетельствует, что функциональная эффективность системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных превышает 0,5, что соответствует требованиям к системам управления.
Таким образом, в работе решена актуальная научно-практическая проблема моделирования системы управления взаимоотношениями с клиентами на основе интеллектуального анализа данных.
Гипотеза исследования подтверждена.
Результаты магистерской диссертации представляют научно-практический интерес и предоставляют возможности применения предлагаемой модели для построения GRM-системы на основе интеллектуального анализа данных, эффективно влияющей на управление предприятием в целом.
