کتاب های دکتر فرشید عبدی

عنوان کتاب : کتاب گنج پنهان: چگونه شرکت­ ها به کمک داده­ کاوی اطلاعات مشتریان، فروش خود را افزایش می دهند؟

شما دارای گنجینه ­ای از طلا هستید که می­‌تواند میزان فروشتان را چند برابر کند ولی از آن بهره‌ای نمی‌برید. در داده ­های مشتریان گنجی نهفته است که از طلا نیز باارزش‌تر می­ باشد. کافیست برای دستیابی به این گنج پنهان علاوه بر CRM، دانش مربوط به تحلیل داده ­ها را نیز فراگرفت و با ابزارهای استخراج این گنج نهان آشنا شد.
خوشبختانه برای دستیابی به این گنج لازم نیست حتماً یک متخصص آمار، برنامه­ نویس حرفه‌­ای کامپیوتر و یا دانشمندِ داده باشید.
کتاب گنج پنهان به شما کمک می­ کند تا نگاه و تفکری تحلیلی به داده ­های مشتریان خود داشته باشید. و بتوانید از طریق تحلیل داده های مشتریان خود به افزایش فروش دست یابید.

امروزه بسیاری از کسب­‌وکارها در حجم زیادی از داده­های مشتری غرق شده­اند. این حجم زیاد از اطلاعات به ‌صورت خام، نه‌ تنها منفعتی برای کسب‌وکارها ندارد، بلکه برای جمع­آوری و ذخیره آن، هزینه و زمان زیادی صرف می‌شود

یکی از معضلات اساسی این است که اکثر کسب­وکارها با کمبود نیروهای متخصصی که در حوزه تحلیل داده­ها، آموزش‌دیده باشند مواجه هستند؛ بنابراین نمی­توانند این داده­ها را به‌راحتی به اطلاعات و سپس به دانش و خرد تبدیل نمایند. به همین دلیل مطالعه این کتاب توصیه می‌گردد.

کتاب «گنج پنهان» در تلاش است تا توان تحلیل داده­های مشتریان را در شما ایجاد کند. این کتاب به شما کمک می­کند تا نگاه و تفکری تحلیلی به داده­های مشتریان خود داشته باشید.

توان تحلیل داده‌­ها، کلید ایجاد مزیت رقابتی است و بالعکس، عدم توانایی در تحلیل داده­‌ها شما را دنباله‌رو رقبایتان قرار می­دهد.

خوانندگان در کتاب گنج پنهان با چه مباحثی آشنا خواهند شد؟

• با مفاهیم ابتدایی مدیریت ارتباط با مشتریان
• لزوم استفاده از داده­ کاوی در مدیریت ارتباط با مشتریان
• جزئیات مراحل اجرای پروژه­ های داده ­کاوی
• ایده‌هایی از به‌کارگیری روش‌های داده‌کاوی در حوزه ­های مختلف کسب‌وکار
• ایده­هایی برای تفکر درباره اینکه چگونه تحلیل داده‌ها منجر به افزایش فروش می­گردد.
• الگوریتم­های مختلف داده­ کاوی و نحوه عملکرد این الگوریتم ­ها

فهرست مطالب کتاب گنج پنهان

• مقدمه
• هدایای همراه کتاب
• بخش اول  (ایستگاه اول تا چهارم)  : آشنایی با مدیریت ارتباط با مشتریان و داده‌کاوی
• فصل(ایستگاه) ۱: آشنایی با مدیریت ارتباط با مشتریان
• فصل(ایستگاه) ۲: آشنایی با داده­ کاوی
• فصل(ایستگاه) ۳: آشنایی با فرآیند اجرای داده­ کاوی
• فصل (ایستگاه) ۴: آغاز به­ کارگیری داده­ کاوی
• بخش دوم  (ایستگاه پنجم  تا هفتم) : داستان ‌هایی از کاربرد داده‌کاوی در حل مسائل کسب‌وکار
• فصل (ایستگاه) ۵: داستان اول – مسئول کافی ‏شاپ و چالش کاهش مشتریان
• فصل (ایستگاه) ۶: داستان دوم – فروشگاه ‌های زنجیره ‌ای و بازاریابی پیش ‏بینانه
• فصل (ایستگاه) ۷: داستان سوم – کاربرد داده‌ کاوی در بانک و کسب عنوان شعبه برتر

در بخش اول (فصل اول تا چهارم)

در بخش اول با مدیریت ارتباط با مشتری و داده کاوی آشنا خواهید شد.

• فصل اول بر اساس گفتگوی میان مشاورCRM و مدیر کسب و کاری است که با چالش کاهش فروش و سود در کسب و کار خود مواجه شده است. مدیر کسب و کار برای حل مشکل هر راهی به ذهنش می رسیده امتحان کرده ولی نتیجه ای نگرفته، تا اینکه با فلسفه سی ار ام  آشنا می شود و این گونه کتاب گنج پنهان آغاز می شود. شما در این فصل و با مطالعه گفتگوی میان این دو شخصیت کتاب با اهمیت مدیریت ارتیاط با مشتریان آشنا خواهید شد. با شما درباره عصر مشتری محوری سخن می­گوییم، درباره اینکه می‌بایست مشتری را همچون پادشاهی بدانیم که اگر نباشد، نه سودآوری و نه بقا و رشدی وجود نخواهد داشت.

•  فصل دوم تحلیل گر داده به گفتگوی میان مشاورCRM و مدیر کسب و کار می پیوندد تا به سوالات مدیر کسب و کار در مورد داده کاوی و اهمیت تحلیل داده های مشتریان پاسخ دهد. در این فصل از ضرورت استفاده از داده کاوی در مدیریت ارتباط با مشتری برای شما سخن خواهیم گفت.
• فصل سوم طی گفتگوی میان مشاورCRM، تحلیل گر داده و مدیر شما را با یکی از معروف ترین فرآیندهای اجرای پروژه های داده کاوی (فرآیند کریسپ) آشنا خواهسم کرد. انتخاب یک فرآیند مطلوب برای انجام هر کاری به شما کمک می‌کند تا بیشترین بهره را از زمان، داده‌ها و دیگر منابع خود ببرید.
• فصل چهارم طی گفتگوی میان مشاورCRM، تحلیل گر داده و مدیر کسب و کار به صورت کاملا کاربردی با جزئیات مراحل اجرای تحلیل داده‌ها با استفاده از روش داده‌کاوی آشنا خواهید شد. در این فصل درباره ی انواع داده ها، آماده سازی و پاکسازی داده ها، انواع مدلسازی در داده کاوی و ارزیابی مدل های داده کاوی، بکارگیری این مدل ها و …. برای شما سخن خواهیم گفت.

بخش دوم  (فصل پنجم تا هفتم)

ایده‌هایی به‌صورت داستانی از به‌کارگیری روش‌های داده‌کاوی در مدیریت ارتباط با مشتریان برای شما ارائه می­‌نماید تا راهنمای مناسبی برای تحلیل داده‌ها و اطلاعات مشتریان باشد.

• فصل پنجم با صاحبان یک کافی شاپ همراه خواهید بود که با چالش کاهش مشتریان مواجه شده اند و برای حل مشکل خود تصمیم به تحلیل داده های مشتریان خود گرفته اند. برای این منظور از مشاورسی ار ام  و تحلیل گر داده کمک گرفته اند. نتایجی از به کارگیری داده کاوی به منظور افزایش فروش در این کافی شاپ در این فصل برای شما ارائه شده است.
• فصل ششم با داستان به کارگیری روش‌های داده‌کاوی در بخش‌های مختلف یک فروشگاه زنجیره ای با شما همراه خواهیم بود. در این داستان مدیر یک فروشگاه زنجیره ای به منظور حل مشکل کاهش فروش و سودآوری تصمیم به استفاده از داده‌کاوی برای تحلیل داده های مشتریان گرفته است. این داستان را مطالعه بفرمایید و از نتایج کاربردی آن برای موفقیت در کسب و کار خود استفاده نمایید.
• فصل هفتم با داستان به کارگیری روش های داده کاوی در بانک با شما همراه خواهیم بود. داستان رئیس یک شعبه بانک که به منظورکسب عنوان شعبه برتر تصمیم به تحلیل داده های مشتریان با استفاده از روش های داده کاوی نموده است.

این کتاب برای شما مناسب است اگر:

• از جمله مدیران و صاحبان کسب‌وکارهایی هستید که قصد دارید از طریق جمع‌آوری داده‌های مشتریانتان و تحلیل آن‌ها، به فروش بیشتر دست‌یابید.
• از جمله کارشناسانی هستید که در حوزه مدیریت ارتباط با مشتریان فعالیت می‌کنید، با داده‌ها سروکار دارید و در پی یادگیری روش‌های تحلیل این داده‌ها هستید.
• از جمله دانشجویان و فارغ‌التحصیلانی هستید که می‌خواهید با به‌کارگیری دانش داده‌کاوی کاربردی، خود را برای یافتن شغل در حوزه مدیریت ارتباط با مشتری آماده سازید.

در این کتاب برای شما هدیه ای آموزشی در نظر گرفته ایم.

مجموعه­ ای از فیلم­ های آموزشی «داده ­کاوی و تحلیل داده­ های مشتریان با استفاده از نرم‌افزار رپیدماینر (RapidMiner)»

محتوای این فیلم ­های آموزشی به شرح زیر می­ باشد:

• ورود داده­‌ها به نرم ­افزار رپیدماینر، درک داده­ ها و مصورسازی داده­‌ها
• تشخیص نقاط دورافتاده، مدیریت داده­ های از دست رفته و حذف رکوردهای تکراری
• پیش پردازش هایی از قبیل یکپارچه ­سازی داده­ ها، انتخاب زیرمجموعه ­ای از ویژگی­ ها و نرمال ­سازی­
• نحوه مدل سازی با نظارت (رده­بندی/ پیش­بینی) در نرم­ افزار و بکارگیری الگوریتم­ های مختلف رده ­بندی مانند درخت­ های تصمیم، شبکه ­های عصبی و …
• نحوه به‌کارگیری الگوریتم ­های خوشه ­بندی مانند k-means
• نحوه به‌کارگیری الگوریتم کشف قوانین انجمنی