اگر شما مدیر یک فروشگاه زنجیره‌ای بزرگ، رئیس یک بانک، مدیر یک شرکت بیمه‌ای، رئیس یک موسسه اعتباری و مالی، صاحب یک بیمارستان یا کلینیک، صاحب مجموعه رستوران‌های زنجیره‌ای، صاحب یک هتل بزرگ و …. باشید، مطمئناً شما باید داده‌های زیادی را از مشتریان خود در دسترس داشته باشید.

اما آیا از این داده‌ها برای بهبود وضعیت کسب و کار خود استفاده می کنید؟

آیا مشتریان بالقوه خود را می‌شناسید؟ آیا نیاز مشتریان خود را می‌دانید و این که چرا شما را انتخاب کرده‌اند؟

آیا مشتریان ایده‌آل و ارزشمند خود را می‌شناسید؟ آن‌ها چه ویژگی‌هایی دارند؟

آیا می‌توانید ارزش گروه‌های مختلف مشتریان را تعیین کنید یا به همه مشتریان به یک‌چشم نگاه می‌کنید؟

وقت و منابع کسب‌وکارتان را بیشتر صرف کدام دسته از مشتریان خود می‌کنید؟

آیا مشتریان ایده‌آل و ارزشمند شما، در آینده هم مشتریان شما خواهند بود؟

آیا اگر محصول جدیدی را به آن‌ها پیشنهاد دهید، پیشنهاد شما را می‌پذیرند؟ آیا خرید خود را تکرار می‌کنند؟

آیا پیش از ریزش مشتری می‌توانید این موضوع را پیش‌بینی کنید که کدام مشتری را در آینده از دست خواهید داد؟

آیا می‌توانید تشخیص دهید که بهتر است کدام مشتری را در کمپین‌های بازاریابی شرکت دهید؟

آیا می‌توانید تشخیص دهید که مشتری کدام گروه محصولات را باهم خریداری می‌کند؟

آیا می‌توانید پیشنهادهای سفارشی به مشتریان خود ارائه کنید؟

آیا آیا الگوهای رفتاری مشتریان خود را می‌شناسید و می‌توانید رفتار آینده مشتریان خود را پیش بینی کنید؟

پاسخ به این سؤالات بسیار مهم است. به جرات می‌توان گفت که اگر در کسب و کار خود توان تحلیل داده های مشتریان را ایجاد نکنید، پاسخ شما به بسیاری از این سوالات منفی خواهد بود. توان تحلیل داده­ های مشتریان، کلید ایجاد یک مزیت رقابتی است و بالعکس، عدم توانایی تحلیل داده­ ها شما را در پشت سر رقبایتان قرار می­دهد.

یکی از متداول‌ترین فرآیندهای اجرای پروژه‌های داده‌کاوی فرآیند CRISP-DM نام دارد. استاندارد صنعتی کریسپ یک استاندارد غیراختصاصی، مستند شده و رایگان و همچنین یک مدل عمومی است که توانایی تطابق با ویژگی‌های خصوصی هر صنعت یا شرکتی را داراست و برای تدوین آن از تجربیات تعداد زیادی از کاربران داده‌کاوی و تولید‌کنندگان و ارائه‌دهندگان خدمات ابزارهای داده‌کاوی استفاده ‌شده است. فرآیند کریسپ یک چرخه ۶ مرحله‌ای است.

این نرم‌افزار محیط گرافیکی زیبا و کاربرپسندی دارد که موجب تسهیل اجرای مراحل داده‌کاوی می‌شود.

برای افرادی که به تازگی می خواهند وارد حوزه تحلیل داده ها شوند و پیش از این تجربه کار با داده‌ها را ندارند، انتخاب بسیار مناسبی است.

برای داده‌کاوی با این نرم‌افزار، نیازی به دانش برنامه­ نویسی نیست. به همین دلیل این نرم‌افزار طرفداران زیادی دارد.

این نرم افزار به دلیل سادگی یادگیری طرفداران زیادی دارد. اگر می خواهید داده کاوی را سریع یاد بگیرید با رپیدماینر شروع کنید.

این نرم‌افزار شامل مجموعه‌ای مناسبی از ابزارها و بیش از ۱۵۰۰ اپراتور برای اجرای تمام مراحل تبدیل و تجزیه‌وتحلیل داده‌ها است.

این نرم‌افزار مجموعه مناسبی از اپراتورها برای فراخوانی داده ها از فرمت های مختلف را در برمی‌گیرد.

این نرم‌افزار مجموعه مناسبی از اپراتورها را برای اکتشاف در داده ها و مصورسازی داده ها را در برمی‌گیرد.

این نرم‌افزار مجموعه مناسبی از اپراتورها را برای پاکسازی و پیش پردازش داده ها را در برمی‌گیرد.

این نرم‌افزار مجموعه مناسبی از اپراتورها را برای مدل های پیش بینی و رده بندی را در برمی‌گیرد.

این نرم‌افزار مجموعه مناسبی از اپراتورها را برای مدل های خوشه بندی را در برمی‌گیرد.

این نرم‌افزار مجموعه مناسبی از اپراتورها را برای کشف قوانین انجمنی را در برمی‌گیرد.

این نرم افزار متن باز بوده و قابل توسعه است.

این نرم افزار برای شرکت هایی با اندازه بزرگ نیز قابل استفاده است.

شرکت‌کنندگان در این دوره کتاب تُندآموز رپیدماینر را به صورت هدیه دریافت می‌کنند

شقایق ابوالمکارم

مشاور و مدرس داده کاوی- دانشجوی دکتری مهندسی صنایع

سوابق کاری و تدریس

 مدرس دوره های داده کاوی با استفاده از نرم افزار RapidMiner به مدت 6 سال

مدرس دوره های داده کاوی با استفاده از زبان R- به مدت 4 سال

ارائه خدمات مشاوره داده کاوی

مشاور و مدرس داده کاوی در مرکز دانش مدیریت ارتباط با مشتری (مُدام)

پروژه ها و کارهای تحقیقاتی

 دسته بندی مشتریان شرکت پخش و توزیع موادغذایی و بررسی عوامل موثر بر هر دسته با استفاده از تکنیکهای داده کاوی

 مدل ارائه پیشنهاد پوشش بیمه ای بر اساس مشخصات مشتریان با استفاده از ترکیب روش های رده بندی و خوشه بندی

 مدل پیش بینی خرید پوشش بیمه ای توسط مشتریان با استفاده از روش های رده بندی

 مدل امتیازدهی رفتاری مشتریان بهمنظور بهبود نتایج کمپینهای بازاریابی با استفاده از تکنیکهای داده کاوی در فروشگاه خرده فروشی

 مدل پیش بینی ریسک اعتباری مشتریان بانکی با استفاده از ترکیب روش های داده کاوی و سیستم میشیگان فازی

 پیش بینی تمایل به بازگشت بیماران بر اساس امتیازات رضایتمندی و ویژگی های آن ها با استفاده از روشهای داده کاوی

 شناسایی گروه های محتلف مشتریان بانکی با استفاده از تکنیک های دادهکاوی و مدل LRFM

 مدل پیش بینی مدت زمان مورد نیاز برای فروش واحدهای مسکونی با استفاده از روش های انتخاب ویژگی دادهکاوی و رگرسیون

استخراج قوانین اگر و آنگاه به منظور پیش بینی زمان انتظار فروش واحد های مسکونی با استفاده از الگوریتمهای کشف قوانین انجمنی

کتابها

 گنج پنهان- چگونه شرکت ها به کمک داده كاوي اطلاعات مشتریان، فروش خود را افزایش می دهند؟ نویسندگان: دکتر فرشید عبدی- شقایق ابوالمکارم، انتشارات چالش، 1398

 تُندآموز RapidMiner- کتاب راهنمای دادهکاوی و تحلیل اطلاعات مشتریان، نویسندگان: دکتر فرشید عبدی- شقایق ابوالمکارم، موسسه فرهنگی داده های طلایی خلیج فارس ایرانیان، ‏‫۱۳۹۸.

مقالات

رویکرد جدید استفاده از نمودار ایشیکاوا برای تبیین ساختار علیت مدیریت دانش، یادگیری سازمانی و نوآوری- یازدهمین کنفرانس بین المللی مهندسی صنایع- 17 و 18 دی ماه 1393

 گروه بندی مشتریان شرکت بیمه ای با استفاده از تکنیک های داده کاوی- دوازدهمین کنفرانس بین المللی مهندسی صنایع- 5 و 6 بهمن 1394

 مدل امتیازدهی رفتاری مشتریان به‌منظور بهبود نتایج کمپین‌های بازاریابی با استفاده از تکنیک‌های داده‌کاوی- شانزدهمین کنفرانس بین المللی مهندسی صنایع- 2 و 3 بهمن 1398

    Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, Hybrid soft computing approach based on clustering, rule mining, and decision tree analysis for customer segmentation problem: Real case of customer-centric industries, Applied Soft Computing, 2018

  Farshid Abdi, Kaveh Khalili-Damghani, Shaghayegh Abolmakarem , Solving customer insurance coverage sales plan problem using a multi-stage data mining approach, Kybernetes, 2018

      Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, Solving customer insurance coverage recommendation problem using a two-stage clustering-classification model, International Journal of Management Science and Engineering Management, 2018

    Farshid Abdi, Shaghayegh Abolmakarem, Customer Behavior Mining Framework (CBMF) using clustering and classification techniques, Journal of Industrial Engineering International, 2018

      Shaghayegh Abolmakarem, Farshid Abdi, Kaveh Khalili-Damghani, Insurance customer segmentation using clustering approach, International Journal of Knowledge Engineering and Data Mining, 2016

      Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, Profiling of Customers based on Clustering and Fuzzy Inference System- SUBMITTED

    Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, A Hybrid Genetic Based Machine Learning Approach for Bank Customers Credit Scoring Assessment- SUBMITTED

در ادامه نظرات برخی از شرکت‌کنندگان در دوره‌های قبلی ارائه شده است

جناب آقای مختاری

برگزاری این دوره بسیار کاربردی که قطعاً نمونه مشابه ندارد، باعث خوشحالی و امیدواری بنده بود. کیفیت برگزاری دوره و مدرس محترم از سطح بالایی برخوردار هستند که موجب جذب مخاطبان شده و حتما منتظر برگزاری دوره های بیشتر از سوی این مجموعه هستیم. 

جناب آقای نیما مومنی

ضمن تشکر از همه اساتید و کارشناسان محترم تیم مدام و ضمن تشکر از سرکار خانم دکتر ابوالمکارم دوره، دوره ی خوبی بود برای آشنایی بهتر دانش پژوهان پیشنهاد می گردد طول دوره به میزان یک یا دو جلسه اضافه شود. برای انجام یک کار پروژه ای کامل از پیش پردازش تا مدلسازی با تعیین هدف مشخص برای کسب و کار مشخص مثلا می توان هر یک از دانش پژوهان پروژه ها و بانک داده های خود را مطرح فرمایند و استاد نسبت به راهنمایی برای تهیه مدل مورد نظر هر دانش پژوه اقدام نماید.

سرکار خانم مریم امیری

دوره برگزار شده رپیدماینر بسیار مفید و کاربردی بود. حوصله و صبر استاد در پاسخگویی سوالات در همه سطوح، ستودنی است. با سپاس از همه زحمات و لطف شما.

جناب آقای عابدی

با توجه به اینکه مدرس کلاس خانم دکتر ابوالمکارم پروژه های عملی انجام داده بودند کلاس خیلی مفید بود و بسیاری از تجربیات و مشکلات در پاکسازی داده ها و یا استفاده از توابع مطرح شد که بسیار سودمند بود. 

جناب آقای حسین محمدی

من به شخصه از شرکت در کلاس داده کاوی لذت بردم.  خانم دکتر مکارم علاوه بر دانش بالا و تجربه کاری مفید، بیان و لحن زیبایی دارند که فضای کلاس را دلنشین تر برای شرکت کنندگان کرده است.

جناب آقای خشایار دماوندی

نظر به برگزاری دوره برای 2 قشر علاقمندان به یادگیری نرم افزار و محتوی دوره به منظور استفاده در مبانی آکادمیک و یا مباحث کاربردی در صنایع مختلف، پیشنهاد می گردد که دوره در 2 قالب آموزش برای دانشجویان و کارکنان صنایع ارائه گردد.

پیشنهاد دوم در خصوص برگزاری دوره در نوبت دوم بر اساس اطلاعات هر یک از دانش پذیران در صنعت خود و یا مطالعات خود به صورت کارگاهی یا حتی مشاوره ای محتوی را اخذ نموده و به ایشان ارائه گردد.

از صبر و تسلط استاد این دوره کمال تشکر را دارم.