یادگیری ماشین چیست؟
یادگیری ماشین، علم و هنر برنامه نویسی کامپیوتر است به گونه ای که کامپیوتر را قادر به یادگیری از داده ها بکند.

تعریف یادگیری ماشین از نگاه Arthur Samuel:
یادگیری ماشین رشته ای است که کامپیوتر ها را قادر به انجام کارهایی می کند که قبلا و به طور واضح برای انجام آن کار برنامه ریزی نشده اند

تعریف یادگیری ماشین از نگاه Tom Mitchell
یادگیری ماشین برنامه ای است که بر اساس تجربه ای مانند E یاد میگیرد تا فعالیتی مانند T را انجام دهد و در حین انجام این فعالیت میزان کیفیت اجرا با مقداری مانند P سنجیده می شود و این برنامه همواره سعی در بهبود مقدار P دارد.

#یادگیری_ماشین
@datatoinsight

در اینستاگرام ما را دنبال کنید:
https://www.instagram.com/datatoinsight

مدیریت انتخاب رنگ

رنگ‌های اصلی که بیشتر طراحی شما را در بر می‌گیرند باید رنگ‌های طبیعی باشند. با استفاده از تکنیک‌هایی مانند مقیاس خاکستری، احتمال تضاد و دیده شدن را در نقاط داده‌ای افزایش ‌دهید. رنگ‌های گسترده شما (تاکیدها، مهم‌ها و اخطارها) باید برند را بازتاب دهند. هر رنگ گسترده‌ای باید بسختی خرج شود تا توجه را به پیغام‌های کلیدی داده جلب کند.
توجه داشته باشید که چه زمانی از موتیف‌های متوالی، دور از هم، دسته‌بندی شده، برجسته و اخطاری استفاده کنید.


#Visual_Best_Practices
#داشبورد
#نمودار
@datatoinsight

در اینستاگرام ما را دنبال کنید:
https://www.instagram.com/datatoinsight

تفاوت #هوش_تجاری و #هوش_رقابتی چیست؟

تعدادی راه برای دیدن اختلاف بین هوش تجاری و هوش رقابتی وجود دارد.
👈 هوش رقابتی به معنی فرآیند جمع‌آوری و تحلیل هوش در مورد فضای خارجی یک #کسب‌وکار است،
مثل دورنمای بازار برای یک #صنعت خاص یا رقبای یک کسب‌وکار.

👈 تضاد هوش تجاری با هوش رقابتی آن جایی قابل فهم است که BI به معنی نگرش‌های درونی یک کسب‌وکار یا همان چیزیست که شرکت در حال انجام آن باشد است.
👈 هوش تجاری و هوش رقابتی ممکن است از نظر تکنیکی معانی متفاوتی داشته باشند، هرچند هر دو دارای ارتباط نزدیکی بوده و باید باهم عمل کنند تا بتوانند اهداف معین کسب‌وکار را ممکن سازند.
👈 برخی #هوش #رقابتی را یک زیرمجموعه از BI می‌دانند چون اطلاعات جمع‌آوری شده از فرآیندهای هوش رقابتی به داده‌های ایجاد شده از هوش تجاری بها می‌بخشند.
👈 دقت به این نکته بسیار مهم است که بسیاری از ابزار هوش تجاری، کارکردی در هوش رقابتی دارند.

در تلگرام ما را دنبال کنید.
@DataToInsight
در اینستاگرام ما را دنبال کنید.

از اینجا متن کامل مقاله را مطالعه بفرمایید.

تعریف بزرگ داده (Big Data)

موسسه Gartner در سال 2001 بزرگ داده را اینطور تعریف کرد:
#بزرگ_داده، داده هایی هستند دارای تنوع (Variety) بیشتر، با تولید در حجم (Volume) بالاتر و با سرعت (Velocity) بیشتر از همیشه. این مفهوم با عنوان 3V’s مشهور شد.

شرکت SAS نیز بزرگ داده را اینگونه تعریف کرده است:
عبارت #بزرگ_داده به داده‌هایی گفته می‌شود که بسیار بزرگ، سریع یا پیچیده هستند به طوری که با روش‌های سنتی قابل پردازش نیستند.

همچنین Tom Breur در مقاله‌ای با عنوان "تحلیل قدرت آماری و بحران معاصر در علوم اجتماعی" در سال 2016 بزرگ داده را چنین تعریف کرد:
#بزرگ_داده، رشته‌ای است که در مورد راه‌های تحلیل، استخراج نظام‌مند یا برقراری ارتباط با مجموعه داده‌هایی بحث می‌کند که برای استفاده توسط برنامه‌های کاربردی سنتی بیش از اندازه بزرگ یا پیچیده هستند.

#بزرگ_داده
@datatoinsight

در اینستاگرام ما را دنبال کنید:
https://www.instagram.com/datatoinsight

در دسترس بودن

کور رنگی را در پروسه طراحی در نظر داشته باشید. زیرا حتی اگر خودتان به این بیماری دچار نباشید، باز هم 4 و نیم درصد از مردم جهان دارای کوررنگی هستند.

#Visual_Best_Practices
#داشبورد
#نمودار
@datatoinsight

در اینستاگرام ما را دنبال کنید:
https://www.instagram.com/datatoinsight

تعریف #شاخص_کلیدی_عملکرد (KPI)

باید بدانیم #KPI یکی از انواع اندازه گیری عملکرد است که به شما کمک می کنید بفهمید سازمان یا شرکت و تیم شما چگونه عمل می کند.
یک KPI خوب باید به عنوان یک قطب نما عمل کند. در واقع KPI به شما و تیمتان کمک می کند که بفهمید در مسیر درست رسیدن به اهداف استراتژیک خود حرکت می کنید یا نه.

مطالعه مقاله کامل:
https://datatoinsight.ir/what-is-key-performance-indicators-kpi/
کانال تلگرام:
@DataToInsight
صفحه اینستاگرام:
https://www.instagram.com/datatoinsight

این شکل گویای مسیر تکاملی هوش تجاری در سازمانهاست.محور عمودی میزان رقابت پذیری سازمان و محوری افقی میزان بلوغ تحلیلی سازمان را نشان می دهد.
همانطور که در شکل مشخص است سیر تکاملی یک سیستم هوش تجاری در هر سازمانی شامل 4 مرحله به شرح زیر است:
1- گام اول :توصیف وقایع که بیانگر اتفاقات و رویدادهای صورت گرفته در سازمان است(What Happened)
در این مرحله با جمع آوری ،پاکسازی، طبقه بندی و یکپارچه سازی اطلاعات تصویری از وضعیت سازمان را به نمایش می گذاریم.به عنوان مثال در قالب نموداری بیان می کنیم که روند خروج پرسنل از سازمان در سال جاری شدت گرفته است!
2- گام دوم:شرح چرایی اتفاقات و رویدادها(Why Did It Happened)
در این مرحله با بررسی و تحلیل داده های در اختیار می توانیم علت وقوع یک رویداد را کشف کنیم . مثلا در مورد خروج پرسنل که در مورد اول به آن اشاره شد ، ممکن است با بررسی نحوهپرداخت حقوق به این نتیجه بررسیم که پراخت حقوق در سال جاری شکل مناسبی نداشته و همواره با تاخیر مواجه بوده است،که این امر شدت خروج پرسنل را به همراه داشته است.
3- گام سوم:پیش بینی وضعیت در آینده(What Will Happen)
همانطور که از نام این مرحل نیز مشخص است در این مرحله پیش بینی می شود با شرایط موجود در گام اول و دوم و در صورت پایداری آنها در آینده چه اتفاقی روی خواهد داد.مثلا با روند خروج پرسنل در مهر ماه امسال با کمبود نیرو مواجه و در نتیجه در تولید کالا با مشکل روبرو خواهیم شد.
4- گام چهارم: تجویز راه حل(What is the best that could happen)
در این مرحله به این موضوع پرداخته می شود که با انجام چه اقداماتی می توان نتیجه را به دلخواه تغییر داد.مثلا اگر با دریافت وامی از بانک عقب افتادگی دوماهه حقوق پرسنل جبران شود مشکل کمبود نیرو از مهر ماه به دی ماه منتقل خواهد شد.
مطالعه مقاله کامل:
https://datatoinsight.ir/machine-learning-and-business-intelligence
کانال تلگرام:
@DataToInsight
صفحه اینستاگرام:
https://www.instagram.com/datatoinsight

شاخص کلیدی عملکرد حوزه #مشتریان

#NPS
#امتیاز_خالص_ترویج_کنندگان
یکی از دلایل موفقیت هر سازمانی میزان #رضایت_مشتریان آن است.
هر سازمانی باید از میزان رضایتمندی و وفاداری مشتریان خود مطلع باشد.
اما فرایند تعیین میزان رضایتمندی مشتریان معمولا سخت و پیچیده است.
یک KPI# ساده برای این کار وجود دارد.
شاخص NPS یا همان شاخص خالص ترویج کننده تنها شامل یک عدد است و به نسبت روشهای دیگر به سادگی محاسبه می شود.
اما NPS چیست؟

مشتریان ما تا چه حد راضی و وفادار هستند؟ این سوالی است که NPS به آن جواب می دهد.

مطالعه کامل مقاله:
https://datatoinsight.ir/net-promoter-score-nps/
کانال تلگرام:
@DataToInsight
صفحه اینستاگرام:
https://www.instagram.com/datatoinsight

داشبورد هایی با قابلیت تعامل

وقتی یک داشبورد طراحی می‌کنید، باید مخاطبین خود را در نظر داشته باشید. به این فکر کنید که چگونه می‌توانید با آن ها به صورت پویا ارتباط برقرار کنید. کاربران توانمند می‌دانند چگونه کلیک و امتحان کنند، ولی کاربران جدید ممکن است این دانش یا اعتماد به نفس را نداشته باشند. کار شما این است که به آن ها کمک کنید تا آگاهانه تصمیم بگیرند، نه تصادفی.


#Visual_Best_Practices
#داشبورد
#نمودار
@datatoinsight

در اینستاگرام ما را دنبال کنید:
https://www.instagram.com/datatoinsight

شاخص کلیدی عملکرد حوزه #مشتریان

نرخ #حفظ_مشتری یا CRR چیست؟
تحقیقات نشان داده است که هزینه یافتن مشتری جدید خیلی بیشتر از هزینه حفظ مشتری فعلی است زیرا:
1⃣ یافتن و جذب مشتری بسیار هزینه بر است.حفظ و نگهداری ارتباط با مشتری فعلی بسیار ارزان تر از پیدا کردن مشتری جدید است.
2⃣ پس از انتخاب شرکت شما توسط مشتری برای خرید محصول یا خدمت، فروش مجدد کالا و خدمات به وی خیلی راحت تر خواهد بود.

https://datatoinsight.ir/customer-retention-rate-kpi-crr

کانال تلگرام:
@DataToInsight
صفحه اینستاگرام:
https://www.instagram.com/datatoinsight

فونت‌ها

تایپوگرافی مهم است. ممکن است وسوسه انگیز باشد که از اندازه و انواع مختلف فونت در داشبورد خود استفاده کنید. این کار را نکنید؛ در عوض، برای تایپوگرافی خود یک سلسله مراتب واضح تعریف کنید.

#Visual_Best_Practices
#داشبورد
#نمودار
@datatoinsight

در اینستاگرام ما را دنبال کنید:
https://www.instagram.com/datatoinsight

ثبات

داشبورد های خود را بررسی مجدد کنید تا مطمئن شوید یک رنگ (مثلا قرمز) سه چیز مختلف را معنی ندهد. رنگ‌های یکسان و تکرار شده می‌توانند یک رابطه را بیان کنند، وقتی یک از آن ها حضور ندارد.

#Visual_Best_Practices
#داشبورد
#نمودار
@datatoinsight

در اینستاگرام ما را دنبال کنید:
https://www.instagram.com/datatoinsight

پالت‌های رنگ سفارشی

پالت‌های شرکت خودتان را بسازید تا موجب متحدالشکل بودن داشبورد هایتان شود و همچنین چراغ راهنمایی برای کاربران جدید باشد.



#Visual_Best_Practices
#داشبورد
#نمودار
@datatoinsight

در اینستاگرام ما را دنبال کنید:
https://www.instagram.com/datatoinsight

شاخص کلیدی عملکرد حوزه #مشتریان

قطعاً شاخص #رضایت_مشتری مشهورترین #شاخص_کلیدی_عملکرد #غیرمالی شرکتها است.
در مقالات قبلی #NPS و #CRR را بررسی کردیم. هر دو #شاخص مربوط به #مشتریان بود.

بدیهی است که هر چقدر میزان رضایت مشتریان بیشتر باشد احتمال #وفاداری آنها نیز بیشتر شده و در نتیجه احتمال خرید مجدد این مشتریان نیز بیشتر شده و در نهایت #سود سازمان نیز بیشتر می شود.

باز همان جمله تکراری سراغ ما می آید که جذب مشتریهای جدید به مراتب پرهزینه تر از حفظ و نگهداری مشتریان فعلی است. در نتیجه این شاخص اهمیت بسیار زیادی دارد.

یکی از مهمترین مزایای اندازه گیری رضایت مشتری، تعیین فاصله بین ارائه خدمات و محصولات فعلی شرکت با #انتظارات و #توقعات مشتریان است.

مطالعه ادامه مقاله:
https://datatoinsight.ir/csi-customer-satisfaction-index-csat/

کانال تلگرام:
@DataToInsight
صفحه اینستاگرام:
https://www.instagram.com/datatoinsight

بسیاری از متخصصان SQL Server را به صورت "سی کو ال سرور" تلفظ می کنند. این تلفظ ریشه در تاریخچه زبان SQL دارد. زبان SQL برای اولین بار توسط دو دانشمند در IBM به نام های Donald Chamberlin و Raymond Boyce ساخته شد. نام این زبان در ابتدا SEQUEL بود که بعد ها به دلیل مسایل برندینگ به SQL تغییر کرد.

مطالعه مقاله در: https://datatoinsight.ir/what-is-sql

کانال تلگرام: @DataToInsight

صفحه اینستاگرام: https://www.instagram.com/datatoinsight

متدولوژی استقرار CRISP-DMدر سیستم های یادگیری ماشین

گام اول : فهم کسب و کار Business Understanding

گام دوم : فهم داده Data Understanding

گام سوم: آماده سازی داده ها Data Preparation

گام چهارم : مدل سازی Modeling

گام پنجم: ارزیابی مدل Evaluation

گام ششم: استقرار Deployment

مطالعه مقاله در : https://datatoinsight.ir/crisp-dm-methodology-in-machine-learning/

کانال تلگرام : @DataToInsight

صفحه اینستاگرام: https://www.instagram.com/datatoinsight

#سود_خالص چیست؟
Net profit
هدف اصلی هر شرکتی کسب سود است. سود خالص نشان می دهد که پس از کسر هزینه ها و مخارج چقدر از درآمد شرکت باقی می ماند.
سود خالص را بطور کلی می توان:
1⃣ جهت رشد و توسعه شرکت در حساب سود انباشته نگهداری کرد.
2⃣ به عنوان سود نقدی بین سهامداران تقسیم کرد. (DPS یا سود نقدی سهام)
بدیهی است که یک مدیر باید آگاهی کامل از سود دهی فعالیتهای شرکت داشته باشد.

فرمول محاسبه سود خالص
برای محاسبه سود خالص به شیوه زیر عمل می کنیم:
1⃣ از درآمدهای عملیاتی شرکت، بهای تمام شده آن را کم می کنیم.
2⃣ آنچه حاصل شده است را سود ناخالص شرکت می نامیم.
3⃣ بعد از کسر هزینه های سربار و سایر هزینه های غیر مستقیم و در نظر گرفتن سایر درآمدهای عملیاتی، سود و زیان عملیاتی بدست می آید.
4⃣ آنچه تا به اینجا حاصل شده است را EBIT یا درآمد قبل از کسر مالیات بهره و مالیات نیز می گویند. (Earnings before interest and taxes)
5⃣اگر از عدد حاصل شده هزینه های مالی و مالیات را کم کنیم، سود خالص (Net Profit) بدست می آید.

مطالعه ادامه مقاله در:
datatoinsight.ir
کانال تلگرام:
@DataToInsight
صفحه اینستاگرام:
instagram.com/DataToInsight

دیتابیس System R اولین تلاش شرکت IBM برای پیاده سازی یک پایگاه داده رابطه ای بود. زبان SEQUEL (که به SQL تغییر نام داد) برای کار با این پایگاه داده طراحی شد. طی سال های 1986 و 1987 دو موسسه ANSI و ISO وظیفه استاندارد سازی این زبان را به عهده گرفتند.

مطالعه مقاله در: https://datatoinsight.ir/what-is-sql

کانال تلگرام: @DataToInsight

صفحه اینستاگرام: https://www.instagram.com/datatoinsight

#نرخ_رشد_بازار چیست و چگونه محاسبه می شود؟

مطالعه مقاله در سایت:
https://datatoinsight.ir/market-growth-rate/

@datatoinsight