فایل ورد کامل ابهام ‌زدایی تحلیل ابر داده‌ها در هوش تجاری از طریق لنزهای آمیخته بازاریابی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل ابهام ‌زدایی تحلیل ابر داده‌ها در هوش تجاری از طریق لنزهای آمیخته بازاریابی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۶ صفحه

جهت‌های پژوهشی آینده
ما استفاده از چارچوب آمیختگی بازاریابی را برای هدایت پژوهش در مدیریت ابر داده در راستای هوش بازاریابی پیشنهاد کردیم. ما به شناسایی منابع داده، روش‌ها و برنامه‌های کاربردی در چشم‌اندازهای بازاریابی متفاوت پرداختیم. در آینده به بحث در مورد موضوعات چالشی مرتبط با مدیریت ابر داده‌ها در بافت چشم‌اندازهای بازاریابی متفاوت خواهیم پرداخت. براساس این چارچوب، به جهت‌های پژوهشی آتی در مدیریت ابرداده می‌پردازیم.
۱- چگونگی انتخاب منابع داد متناسب برای اهداف خاص. مقدار داد موجود در حال افزایش است. روش‌های فعلی به ما امکان پردازش تمام داده‌های موجود را به شیوه‌ای به موقع نخواهد داد. بنابراین، انتخاب داده در واقع تصمیم مهمی برای مدیریت هوش بازاریابی محسوب می‌شود. چگونگی انتخاب داده که می‌تواند بیشترین ارزش را برای تصمیم‌گیری تجاری ارائه نماید مستلزم پژوهش آتی در همترازی بین اهداف هوش بازاریابی و داده محسوب می‌شود.
۲- چگونگی انتخاب روش‌های تحلیل داده‌ای مناسب. روش‌های بسیاری وجود دارند که می‌توانند برای پردازش داده مورد استفاده قرار گیرند. با توجه به مجموع داد خاص، بسیاری روش‌ها می‌توانند کاربردی باشند. رگرسیون و دسته‌بندی به طور معمول برای پیش‌بینی مورد استفاده قرار می‌گیرد در حالی که خوشه‌بندی و کاوش قانون تداعی برای تشریح مورد استفاده قرار می‌گیرد. علاوه بر این، ابر داده‌ها موضوعاتی نظیر تشریح نامتوازن داده و تعداد زیاد متغیرها را به همراه دارد و در عین حال نمی‌تواند به طور کارآمد از طریق روش‌های فعلی کاوش داده مدیریت شود. ما به بهبود روش‌های فعلی برای افزایش کارآمدی و دقت نیاز داریم.

عنوان انگلیسی:Demystifying Big Data Analytics for Business Intelligence Through the Lens of Marketing Mix~~en~~

۳ Future research directions

We propose to use a marketing mix framework for guiding research in big data management for marketing intelligence. We identify the data sources, methods, and applications in different marketing perspectives. We further discuss the challenging issues related to big data management in the context of various marketing perspectives. Based on the framework, we highlight future research directions in big data management. 1. How to select appropriate data sources for particular goals. The amount of available data is increasing. Current techniques do not allow us to process all data available in a timely manner. Thus, data selection is a critical decision for managing marketing intelligence. How to select data that can provide the most value to business decision-making requires future research on the alignment between data and marketing intelligence goals. 2. How to select appropriate data analysis methods. There are many types of methods that can be used to process data. Given a particular data set, many methods may be applicable. Regression and classification are usually used for prediction, while clustering and association rule mining are used for description. Further, big data brings issues such as imbalanced data distribution and large number of variables, which cannot be efficiently handled by existing data mining methods. We need to improve existing methods to increase the efficiency and accuracy.

$$en!!