|
|
|
|
|
 |
جستجو در مقالات منتشر شده |
 |
|
2 نتیجه برای رویکرد ترکیبی
خانم پریا ترابی کهلان، خانم لیدا کلهری ندرآبادی،
جلد 28، شماره 2 - ( 12-1402 )
چکیده
در طول دهه‌های گذشته، چالش‌های زیادی برای سرشماری سنتی وجود داشته است. گردآوری اطلاعات از افراد یک کشور با استفاده از روش‌های سنتی یک عملیات عظیم و پرهزینه و یک نگرانی کلیدی است. علاوه بر این، کاهش تمایل جامعه برای پاسخ‌گویی به پرسش‌نامه‌های سرشماری و بحران‌های غیر منتظره مانند همه‌گیری کووید 19، تولید آمارهای قابل اعتماد با جزئیات جغرافیایی و محتوایی لازم را برای اداره‌های آمار ملی دشوار کرده است. اما توسعه‌ی فناوری‌های جدید و رویکردهای گردآوری داده‌ها به این معنی است که فرصت‌های نوظهوری نیز وجود دارد. تمایل روزافزون استفاده از منابع اداری در اجرای سرشماری‌ها، امکان کاهش هزینه‌ها، بهبود کیفیت داده‌ها و تولید اطلاعات مکرر را به‌صورت سالانه فراهم آورده است. مطالعه‌ی رویکردهای مختلف اتخاذشده توسط برخی از کشورهای منطقه‌ی آسیا و اقیانوسیه نشان می‌دهد که در حال حاضر از داده‌های اداری به روش‌های مختلفی برای پشتیبانی از عملیات سرشماری‌ها استفاده می‌شود. بررسی این رویکردها، برای یاری و راهنمایی کشورهایی که در حال تأمل در به‌کارگیری یا توسعه‌ی استفاده از داده‌های اداری در سرشماری هستند، بسیار مفید خواهد بود. در این مقاله ضمن مرور تعریف ثبت و انواع ثبت‌های اداری مورد استفاده در سرشماری ثبتی‌مبنا، اقدامات انجام‌شده در برخی کشورها در حرکت به سمت سرشماری ثبتی‌مبنا ارائه می‌شود.
لادن فریدی، دکتر زهرا رضائی قهرودی،
جلد 28، شماره 2 - ( 12-1402 )
چکیده
یکی ﺍﺯ نگرانیﻫﺎی ﻋﻤﺪۀ ﺍﻗﺘﺼﺎﺩی ﺑﺴﯿﺎﺭی ﺍﺯ ﺷﺮکتﻫﺎ ﺍﺯ ﺟﻤﻠﻪ ﺑﺎنکﻫﺎ ریزش مشتری است ﻭ ﺑﺎنکﻫﺎ ﺗﻮﺟﻪ ﺧﻮﺩ ﺭﺍ ﺑﺮ ﺣﻔﻆ ﻣﺸﺘﺮی ﻣﺘﻤﺮکز کرده‌اند، ﺯیرﺍ ﻫﺰینهﻫﺎی ﺟﺬﺏ یک ﻣﺸﺘﺮی ﺟﺪید ﺑﺴﯿﺎﺭ ﺑﯿﺸﺘﺮ ﺍﺯ ﻫﺰینهﻫﺎی نگهداری یک مشتری ﺍﺳﺖ. بنابراین، پیش‌بینی و الگوپردازی ریزش مشتریان دو دغدغه اقتصادی مهم برای بسیاری از شرکت‌هاست. روش‌های مختلف یادگیری ماشین، برای این اهداف پیشنهاد شده‌اند، اما انتخاب بهترین مدل برای انجام این دو امر، به دلیل وابستگی زیاد به ویژگی‌های ذاتی داده‌های ریزش، کار ساده‌ای نیست. ﺩﺭ ﺍین مقاله، چندین ﺭﻭﺵ یادگیری ﻣﺎﺷﯿﻦ ﺑﺎ رویکردهای مختلف ﺑﺎﺯﻧﻤﻮﻧﻪگیری ﺑﺮﺍی ﻣﺘﻌﺎﺩﻝﺳﺎﺯی ﺩﺍﺩﻩﻫﺎ، ﺭﻭی ﺩﺍﺩﻩﻫﺎی ﺑﺎنک پیادهﺳﺎﺯی ﺷﺪﻩ ﺍﺳﺖ. ارزیابی‌ها که براساس معیار سطح زیر منحنی و ﻧﺮﺥ ﻣﺜﺒﺖ ﺩﺭﺳﺖ گزارش شده‌اند، تأثیر روش‌های متعادل‌سازی و عملکرد روش‌های مختلف یادگیری ماشین را بررسی می‌کند. در این مطالعه، مناسب‌ترین روش‌ها در زمینه ریزش به همراه یک فرآیند مؤثر مبتنی بر رویکرد ترکیبی و خوشه‌بندی معرفی شده است. این روش‌ها می‌تواند به خدمات بازاریابی یا منابع انسانی در درک الگوهای رفتاری مشتریان و احتمال ریزش آن‌ها کمک کند.
|
|
|
|
|
|
|
|
|
