دانلود ترجمه مقاله کاربرد روش های داده کاوی برای شناسایی شاخص های عملکرد

1. مقدمه 2. کارهای مرتبط 3. روش پیشنهادی 4. مطالعه موردی قبلی و محدودیت ها 5. مطالعه موردی جدید 6. بحث و بررسی

چکیده – هم اکنون صفحات گردآوری اطلاعات مدیریتی در سازمان ها ابزارهای ترجیحی برای نظارت بر عملکرد کسب و کار هستند. این صفحات اطلاعاتی اغلب از روش های مختلف مجسم سازی داده ها تشکیل شده اند که از آن میان شاخص های اصلی عملکرد (KPIs) هستند که نقش مهمی در ارائه سریع اطلاعات دقیق بواسطه مقایسه عملکرد کنونی در مقابل هدف مورد نیاز بازی می کنند تا اهداف کار برآورده شوند. با این حال شاخص های اصلی عملکرد همیشه بخوبی معلوم نیستند و گاهی یافتن یک شاخص اصلی عملکرد برای همراهی با هدف هر کار دشوار است. بعلاوه روش های داده کاوی اغلب هنگام پیش بینی روندها و مجسم سازی تصحیح داده ها استفاده می شوند. در این مقاله رویکرد جدیدی به ترکیب این دو جنبه برای هدایت روش های داده کاوی جهت بدست آوردن شاخص های اصلی عملکرد خاص برای اهداف کار به روشی نیمه خودکار ارائه می کنیم. مزیت اصلی رویکرد ما این است که سازمان ها نیازی به تکیه به فهرست های شاخص های اصلی عملکرد موجود یا شاخص های اصلی عملکرد آزمایشی در طول یک چرخه ندارند، چون می توانند رفتار آنها را با استفاده از داده های موجود تحلیل کنند. برای نشان دادن قابلیت این رویکرد، روش خود را برای حوزه های دوره های آنلاین انبوه برخط (MOOCs) و داده های باز استخراج شده از دانشگاه Alicante جهت شناسایی شاخص های اصلی عملکرد بکار می گیریم.

Currently dashboards are the preferred tool across organizations to monitor business performance. Dashboards are often composed of different data visualization techniques, amongst which are Key Performance Indicators (KPIs) which play a crucial role in quickly providing accurate information by comparing current performance against a target required to fulfill business objectives. However, KPIs are not always well known and sometimes it is difficult to find an appropriate KPI to associate with each business objective. In addition, Data Mining techniques are often used when forecasting trends and visualizing data correlations. In this paper we present a new approach to combining these two aspects in order to drive Data Mining techniques to obtain specific KPIs for business objectives in a semi-automated way. The main benefit of our approach is that organizations do not need to rely on existing KPI lists or test KPIs over a cycle as they can analyze their behavior using existing data. In order to show the applicability of our approach, we apply our proposal to the fields of Massive Open Online Courses (MOOCs) and Open Data extracted from the University of Alicante in order to identify the KPIs.