Tugas 3 Sistem Informasi
Keyword:
Customer Relationship Management
Judul
Jurnal: A Spasial Data Mining and Geographical Customer Relationship
Management System
Sebuah Spasial Data Mining dan Sistem CRM Geografis
Data
mining spasial telah dikembangkan untuk mendukung pengetahuan
hubungan spasial antara fitur spasial atau atribut non-spasial untuk area
aplikasi. Pada saat ini, sejumlah peneliti mencoba menggunakan data mining
untuk beberapa daerah analisis, untuk contoh, teknik sipil, lingkungan, dan
daerah pertanian. Meskipun telah dilakukan upaya itu, sampai saat ini tidak ada
sistem praktis untuk gCRMDMs. gCRMDMs digabung dengan data spasial yang sangat
besar dan sistem informasi CRM. Ini juga merupakan penemuan aturan asosiasi
untuk prediksi informasi pola belanja pelanggan dalam database besar, terdiri
atas dataset spasial dan non-spasial. Untuk tujuan ini, gCRMDMs memerlukan
teknik data mining spasial. Tapi, saat ini, dalam kasus yang ditemukan tidak
ada model yang dapat dipakai untuk gCRMDMs. Oleh karena itu, makalah ini,
mengusulkan praktikal model gCRMDMs untuk mendukung pelanggan, toko, jalan,
bangunan dan geografi yang sesuai untuk daerah perdagangan.
Sistem informasi manajemen dan
sistem penentuan posisi, atau basis data CRM di bidang aplikasi telah
meningkat. Namun, kesederhanaan analisis data kumulatif menggunakan sistem yang
ada di masa lalu, metodologi dan data statistik berdasarkan pengalaman orang
menganalisis sejumlah besar data yang tidak sesuai gCRMDMs. Berbagai informasi
pelanggan dalam skala besar dan bahan yang digunakan bersamaan dengan analisis
data spasial, sehingga kompleksitas prosesnya meliputi otak manusia yang tidak
mungkin dilakukan analisis. Cara mengatasi masalah ini, adalah sebuah teknologi
data mining spasial.
Data mining spasial adalah sebuah
metode database dan informasi pelanggan yang besar. Waktu dan ruang dari
database atau hubungan antara asosiasi dan data atribut menggunakan otomatis
sistem. Misalnya, 'Dalam 2 tahun terakhir, Chungju-si Seongseo-dong chaeopneun-street
demographic informasi untuk menganalisa arus dari waktu ke waktu diperkirakan
cukup sedikit dari toko makanan cepat saji saat ini'. Kualitas dampak
persaingan disekitar toko pada informasi dan pendapatan populasi mengambang
sebesar umur, analisis data bertahap seharusnya bersama. Analisis data
statistik harus dilakukan didahului dengan metode spasial tidaklah
memungkinkan. Tapi, kalau menggunakan data mining spasial untuk faktor
geografis dan data sosial untuk floating populasi menjadi lebih tiga dimensi
analisis itu mungkin. Selain tradisional analisis berorientasi teks tentang
keterbacaan Grafik dan format multimedia 3-D yang beredar di Indonesia yang
bisa diteruskan untuk menganalisa sistem yang ada bisa jadi didirikan dengan
diskriminasi. Di dalam kertas, kami usulkan, fitur gCRMDMs spasial berguna
untuk manajemen hubungan pelanggan secara geografis dengan model data mining.
Makalah ini menyajikan model data spasial mining gCRMDMs menggabungkan
pengembangan lebih lanjut dari sistem CRM.
Tulisan ini merancang dan
menerapkan tata ruang analisis sistem pendukung untuk gCRMDMs. Usulan sistem
memiliki karakteristik sebagai berikut:
- Fitur spasial dan data atribut dapat mengatur integrasi digunakan pengelola data spasial.
- Dapat memberikan hasil yang bermacam-macam karena menawarkan berbagai analisis operasi spasial yang dibutuhkan gCRMDMs.
Hasil percobaan menggunakan
sistem, diketahui bahwa sumber pelanggan cenderung berlokasi pada spasial
khusus dan pengaturan geografis. Lokasi ini (titik panas) tidak statis. Jadi,
untuk memprediksi pergerakan titik panas seperti itu, banyak faktor yang perlu
dilakukan, termasuk pertumbuhan ekonomi daerah, tren mode berpikir konsumen,
dll. Ada sejumlah cara besar untuk mendefinisikan satu set unit wilayah untuk pengumpulan
atau pelaporan statistik. Pilihannya bisa memiliki konsekuensi penting untuk
analisis data selanjutnya. Secara signifikan pola tata ruang yang berbeda dapat
muncul sebagai tingkat analisis spasial. Mendefinisikan spasial unit analisis
menjadi tugas penelitian kritis.
Selain itu, ada banyak teknik
statistik spasial yang perlu dieksplorasi untuk pemodelan spasial. Teknik itu
meliputi asosiasi spasial lokal, spasial autokorelasi, regresi spasial dan
spasial analisis klaster.
Sumber Jurnal:
Tidak ada komentar:
Posting Komentar