🔷 علوم داده...
این روزها همگی، از مهندسین و غیرمهندس حداقل یک بار کلمه ی علم داده رو شنیدند و بسیاری آلوده ی جذاب ترین مبحث قرن ۲۱، یعنی علم داده شده اند. با استفاده از علم داده میتوانید اقدام به جمع آوری، آماده سازی، پردازش، تحلیل، ذخیره سازی و مدیریت داده ها کنید.

🔷 و اما پایتان...
که این روزها همگی درگیر این هستیم پایتان صدا بزنیم و یا پایتون!؟ به جرات میتوان گفت یکی از محبوب ترین و مطرح ترین زبان برنامه نویسان مخصوصا در حوزه علم داده، نرم افزار پایتان است. پایتان به دلیل سادگی بی نظیری که دارد، اولویت برنامه نویسان و کارشناسان می باشد جهت استفاده های مختلفی نظیر: تحلیل داده ها انجام میپذیرد.

در پایتان، پکیج ها و کتابخانه های بسیاری با توجه به کاربرد وجود دارد که به بررسی برخی از پکیج های حوزه علم دادهدر ابتدای دوره، میپردازیم:

▫️ لایبرری Pandas: جهت پردازش داده، ایجاد دیتافریم ها و...

▫️لایبرری Numpy: جهت انجام محاسبات ریاضی و عددی در داده ها

▫️لایبرری های Matplotlib - SeaBorn و Bokeh: جهت مصور سازی داده

🔹و اما یادگیری ماشینی...
در روز چندین بار از مشین لرنینگ استفاده می کنید بدون اینکه متوجه این موضوع باشید. اگر در طول روز فعالیت های زیر رو انجام میدید، درواقع دارید با مشین لرنینگ سروکله میزنید بدون اینکه متوجه باشید:

▪️اگر در طول روز درخواست اسنپ، تپسی و... را می کنید.

▪️اگر در طول روز، در سایت های مختلف، از فیلتر های مختلف استفاده میکنید: بطور مثال پیدا کردن یک کالای خاص از یک برند خاص و دست یابی به آن کالا در سایتی مانند دیجی کالا با استفاده از فیلتر هایی که در سایت موجود هستند...

▪️اگر در طول روز سایت های فیلم یابی را بررسی می کنید و بشما پیشنهاد یک فیلم داده میشود و آن دقیقا فیلم محبوب شما است، (بی علت نیست)

▪️اگر در طول روز عکس های خود رو به اپلیکیشن هایی که عکسهایتان را به شکلی خاص فانتزی و کارتونی میکند،

▪️اگر در طول روز از سرچ اینستاگرام استفاده میکنید

▪️اگر در طول روز، از سرچ گوگل استفاده میکنید و ۱۰۰ ها اگر دیگه...


🔰 تمامی این ها مثال هایی از مشین لرنینگ بود که همگی ما در طول روز استفاده می کنیم.

⬅️ مشین لرنینگ مجموعه ای از الگوریتم هاست که به نوعی به دنبال کشف دانش پنهان درون داده ها است و به وسیله آن می توان به توصیف، تشریح، پیش بینی و کنترل پدیده های گوناگون در حوزه های مختلف از جمله فیلد های صنعتی، سازمانی، پزشکی، ارتباطات، کشاورزی، انرژی، اقتصادی، فناوری و نوآوری، بازرگانی و آموزشی و ... پرداخت.

⬅️ قصد داریم این الگوریتم ها رو با کمک ابزار پایتان و بصورت پروژه محور در کلاس پایتان #دانشگاه_تهران پیاده سازی کنیم.

🔹مطالب زیر دید خوبی پیرامون این موضوع بشما می دهد:


✍ مهندس امیررضا تجلی، کارشناسی ارشد مهندسی صنایع دانشگاه تهران - مدرس سازمان آموزش و پژوهش مدیریت و برنامه ریزی ریاست جمهوری

🔹لینک ثبت نام:
https://evnd.co/lXVgl

🆔 @BPERM_UT

▪️ Data Mining
🆔 @BPERM_UT

▪️Data Science in
‼️60 Seconds
🆔 @BPERM_UT

☝️ظرفیت باقیمانده ۲نفر. فرصت ثبت نام تا فردا چهارشنبه.

☝️ظرفیت باقیمانده ۲نفر. فرصت ثبت نام تا فردا چهارشنبه.

▪️قابل توجه دانشجویان کلاس پایتان #دانشگاه_تهران ، جهت تسریع در فرآیند کلاس، نصب نرم افزار پایتان و IDE ژوپیتر (زیرمجموعه توزیع آناکوندا) پیش از کلاس الزامی است. لینک دانلود نرم افزار پایتان:

https://www.python.org/downloads/

همچنین بابت ژوپیتر، با توجه به ۳۲ و یا ۶۴ بیتی بودن سیستم خودتون، آناکوندا رو از لینک زیر نصب کنید - پس از نصب در منو استارت، عبارت jupyter رو سرچ کنید و ران آپ کنید - با مرورگر فایرفاکس یا گوگل کروم ترجیحا اجرا کنید.

https://www.anaconda.com/download/

دانلود نرم افزار 1.1.456 R 3.5.1 + RStudio -


http://economya.ir/2016/08/%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D9%86%D8%B1%D9%85-%D8%A7%D9%81%D8%B2%D8%A7%D8%B1-1-1-456-r-3-5-1-rstudio/

✅ برگزاری اولین جلسه دوره مدیریت فرآیند کسب و کار با نرم افزار visual Paradigm

🔸 نخستین جلسه دوره تخصصی مدیریت فرآیند کسب و کار مرکز مطالعات مدیریت فرآیند کسب و کار و مدیریت منابع دانشگاه تهران در محل پردیس فنی دانشکده های دانشگاه تهران برگزار گردید.

🔶 #دکتر_علی_بزرگی

@bperm_ut

▪️برگزاری اولین جلسه دوره Python در علم داده و R در علم داده

🔸 نخستین جلسه python در علم داده و R در علم داده مرکز مطالعات مدیریت فرآیند کسب و کار و مدیریت منابع دانشگاه تهران در محل پردیس فنی دانشکده های دانشگاه تهران برگزار گردید.

🔶 #مهندس_امیررضاتجلی

🆔 @bperm_ut

▪️برگزاری اولین جلسه دوره Python در علم داده و R در علم داده

🔸 نخستین جلسه python در علم داده و R در علم داده مرکز مطالعات مدیریت فرآیند کسب و کار و مدیریت منابع دانشگاه تهران در محل پردیس فنی دانشکده های دانشگاه تهران برگزار گردید.

🔶 #مهندس_امیررضاتجلی

🆔 @bperm_ut

🆔 @BPERM_UT
▪️ارتباط بین
🔻مدیریت فرآیندهای کسب و کار
🔻ایزو 9001

#بخش_اول

ایزو تمایل به تمرکز روی مستندسازی به عنوان یکی از نشانه‌های اصلی بلوغ فرآیند دارد. در این رویکرد ریسک‌های زیادی وجود دارد، چرا که سازمان‌ها می‌توانند با تمرکز روی شواهد فیزیکی و ایستا مانند مستندسازی به جای توجه به شواهد پویایی چون پیشینه‌ی سنجه‌ها، معیارهای ایزو را دور بزنند. به علاوه هر سازمان جنبه‌های غیر عینی زیادی همچون ارزش‌های سازمانی، اسلوب معمول و عناصر فرهنگی دارد که به دلیل تحرک زیاد، قابل ثبت و درج در مستندات ایستا نیستند. در مقابل، مديريت فرآیندهای کسب و کار روشی موثر برای تمرکز روی انواع جریان‌های فعال در سازمان می‌باشد.

هدف دیگر ایزو، مستندسازی جامع فرآیندها به صورت سیستماتیک می‌باشد. باید توجه داشت که مستندسازی فرآیندها با وجود مورد تایید بودن به تنهایی مفید نیست. پایه‌گذاری سنجه‌های مناسب و تعریف صریح و روشن روابط بین نقش‌ها برای فرآیندهای هسته‌ای در یک کسب و کار، روش بسیار بهتری جهت رسیدن به بلوغ فرآیندها می‌باشد که این روش کل‌نگرانه توسط مدیریت فرآیندهای کسب و کار حاصل می‌گردد.

اگر شما قصد دارید به عنوان تامین‌کننده‌ای شایسته برای یک یا تعداد بیشتری از مشتریان بالقوه خود انتخاب شوید، ایزو ‌می‌تواند مزایای کلیدی زیادی را برای شما به ارمغان بیاورد. مفاهیم و چارچوب‌ها به وضوح با هر سیستم مدیریت کیفیت دیگری هماهنگ می‌شوند. با این وجود، علی‌رغم تلاش ایزو برای رسیدن به جامعیت بیشتر در این رویکرد، اجرای مفاهیم آن توسط افراد همواره به طور قابل ملاحظه‌ای به سمت مستندسازی معطوف بوده و به اندازه کافی به سیستم‌های سنجش موثر و تعریف نقش‌ها نمی‌پردازد.

✍گردآورنده:
مهندس نسترن اولادزاد عباس‌آبادی،
کارشناسی ارشد مهندسی صنایع دانشگاه تهران
پژوهشگر مرکز مطالعات مهندسی فرآیندهای کسب و کار و مدیریت منابع

📃منبع:
http://www.bpminstitute.org/resources/articles/bpm-

#Business_Process_Management #BPM
#International_Standards_Organization
#ISO


🆔@BPERM_UT

@BPERM_UT

✅ تفاوت تجزیه و تحلیل‌های توصیفی (Denoscriptive)، پیشگویانه (Predictive) و دستورالعملی (Prenoscriptive)

#بخش_اول

با در نظر گرفتن حجم عظیم اطلاعاتی که از زنجیره‌ی تامین، در اختیار کسب و کارها قرار می‌گیرد، شرکت‌ها در جست‌و‌جوی راه حل‌های تحلیلی برای استخراج مفاهیم از حجم زیاد داده‌ها هستند به گونه‌ای که در امر تصمیم‌گیری آن‌ها را مشایعت نماید. شرکت‌هایی که در صدد هستند فرآیند‌های فروش و فعالیت‌های خویش را بهینه نمایند، نیازمند توانمندی‌هایی جهت بررسی داده‌های تاریخی و پیش‌بینی رویدادهای ممکن در آینده هستند. حرکت به سمت شیوه‌هایی که فرآیندهای سازمان را بر داده کاوی منطبق می‌سازند امر دشواری است. با این حال، این حوزه از جذابیت بالایی برخوردار است زیرا نرخ بازگشت سرمایه تحت اثر بهینه‌سازی زنجیره‌ی تامین، کاهش هزینه‌های عملیاتی، بهبود خدمات مشتریان و ارتقاء معماری محصولات افزایش می‌یابد.

در چنین فضایی، نظر به وجود رویکردهای تحلیلی متنوع، انتخاب راهکار مناسب از پیچیدگی بالایی برخوردار است. با این حال، خوش‌بختانه می‌توان به صورت کلی، ابزار تحلیل را در سه دسته‌ی کلی قرار داد. حقیقت امر آن است که هیچ یک از این دسته‌بندی‌ها بر یکدیگر برتری مطلق نداشته و عملا این روش‌ها مکمل یکدیگر هستند. برای آن که یک کسب و کار بتواند درک جامعی از بازار و نحوه‌ی رقابت در آن به دست آورد، یک رویکرد تحلیلی استوار مورد نیاز است که شامل بخش‌های زیر است:

🔹تجزیه و تحلیل توصیفی:
روش تحلیلی است که در آن از روش‌های تجمیع داده‎‌ها و داده‌کاوی برای دستیابی به بینشی نسبت به گذشته و آگاهی از آن چه رخ داده است، استفاده می‌شود.

🔹تجزیه و تحلیل پیشگویانه:
روش تحلیلی است که در آن از مدل‌های آماری و روش‌های پیش‌بینی به منظور آگاهی از آینده و آن چه ممکن است روی بدهد، استفاده می‌شود.

🔹تجزیه و تحلیل دستورالعملی:
روش تحلیلی است که در آن از تکنیک‌های بهینه‌سازی و شبیه‌سازی برای تشخیص آن چه باید انجام شود و نتایج اختمالی آن استفاده می‌شود.


✍️گردآورندگان: مهندس سروش فاطمی، دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه تهران - درسا عبدالحمیدی، دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه تهران

📃 منبع:
https://halobi.com/blog/denoscriptive-predictive-and-prenoscriptive-analytics-explained/

#Denoscriptive #Predictive #Prenoscriptive
🆔 @BPERM_UT

🆔 @BPERM_UT
▪️ارتباط بین
🔻مدیریت فرآیندهای کسب و کار
🔻ایزو 9001

#بخش_دوم

امروزه، بسیاری از سازمان‌ها، گواهینامه‌هایی چون ایزو را به عنوان شانسی جهت متمایز نشان دادن برند خود در نظر ‌می‌گیرند. باید توجه داشت تا زمانی که مشتریان تغییر محسوسی در محصولات یا خدمات احساس نکنند، این گواهینامه منجر به هیچ نوع بهبود خاصی نشده و حتی ممکن است دیدگاه مشتریان را نسبت به رزومه ارائه شده سازمان بد کند.

بسیاری از فلسفه‌های مربوط به مدیریت فرآیندهای کسب و کار بر اساس مفهوم سیستم‌های سازگار می‌باشد. تا حدی می‌توان ادعا کرد که مستندسازی تفصیلی کاملا با این دیدگاه در تناقض است. همین تضاد اغلب در سازمانی که قصد کمینه کردن تغییرات به اندازه شش سیگما را دارد، قابل ملاحظه است. منطق این اتفاق بسیار ساده است: وقتی زمان قابل توجهی صرف بهبود و کنترل دقیق فرآیندها می‌شود، هر تلاشی در راستای تغییر فرآیندها -در پاسخ به نیاز به تغییر- به نوبه خود مانعی برای اعمال هر گونه تغییر می‌شود. بنابراین، ممکن است سازمان‌ها به جای مانیتورینگ پیوسته محیط کار و فضای سازمان، صرفا روی بهبودهای شبه کایزن (kaizen_like) در غالب یک اسکوپ محدود تمرکز کنند.

باید توجه داشت مستندسازی آن روشی نیست که به افراد فرآیند‌ها را آموزش می‌دهد. یادگیری افراد با تمرین، آشنایی با ساختار ابزار و الگوهای مرتبط با فرآیندها و مهم‌تر از همه تماشای افرادی که پیوسته تلاش در مدیریت فرآیندها دارند، میسر است. طبق تحقیقات، سازمان‌ها انتظاری افراطی از مستندسازی فرآیندها و روشمند سازی شیوه‌های بهبود و طراحی فرآیند دارند. در صورت سهل‌انگاری یک سازمان، ساختار پشتیبانی کننده‌ی مدیریت کیفیت ایزو محور، می‌تواند منجر به مصرف بیشتر منابع و عدم رضایت مشتریان، در مقایسه با ساختار مدیریت کیفیت در چارچوب کنترل و بهبود عملکرد شود.

✍گردآورنده:
مهندس نسترن اولادزاد عباس‌آبادی،
کارشناسی ارشد مهندسی صنایع دانشگاه تهران
پژوهشگر مرکز مطالعات مهندسی فرآیندهای کسب و کار و مدیریت منابع

📃منبع:
http://www.bpminstitute.org/resources/articles/bpm-

#Business_Process_Management #BPM
#International_Standards_Organization
#ISO


🆔@BPERM_UT

🆔 @BPERM_UT


✅ تفاوت تجزیه و تحلیل‌های توصیفی (Denoscriptive)، پیشگویانه (Predictive) و دستورالعملی (Prenoscriptive)

#بخش_دوم


☑️ تجزیه و تحلیل توصیفی، بینشی به گذشته:

تجزیه و تحلیل توصیفی یا آماری به تشریح و خلاصه سازی داده‌های خام می‌پردازد و بر آن است داده‌های خام را به طریقی، برای انسان قابل تقسیر نماید. نکته‌ی مثبت این رویکرد در آن است که امکان یادگیری از رفتار‌های گذشته را برای کسب و کارها فراهم می‌سازد و امکان درک اثر وقایع گذشته را بر آینده ایجاد می‌نماید.

روش‌های توصیفی در نشان دادن مواردی نظیر کل موجودی در انبار، میانگین هزینه به ازای هر مشتری، تغییرات سالیانه فروش و ... مناسب هستند. مثال‌های معمول این روش در کسب و کارها، شامل گزارش‌های تولید گذشته‌ی شرکت، اطلاعات مالی گذشته، فرآیندها، فروش، موجودی و مشتریان هستند.

📢 از روش مذکور در مواقعی استفاده می‌شود که کسب و کارها نیازمند نیل به درک جامعی از آن چه در شرکت روی می‌دهد هستند و همچنین زمانی که نیت توصیف جنبه‌های مختلف یک کسب و کار است.


✍️گردآورندگان: مهندس سروش فاطمی و درسا عبدالحمیدی، کارشناسی ارشد مهندسی صنایع دانشگاه تهران

📃 منبع:
https://halobi.com/blog/denoscriptive-predictive-and-prenoscriptive-analytics-explained/

#Denoscriptive #Predictive #Prenoscriptive
🆔 @BPERM_UT

🆔 @BPERM_UT


✅ تفاوت تجزیه و تحلیل‌های توصیفی (Denoscriptive)، پیشگویانه (Predictive) و دستورالعملی (Prenoscriptive)

#بخش_سوم


☑️ تجزیه و تحلیل پیشگویانه، آگاهی از آینده:

این روش مبتنی بر توانایی پیشگویی رویدادهای محتمل در آینده است و شرکت‌ها را مجهز به بینشی عملی بر پایه داده می‌نماید. پر واضح است که روش‌های آماری قادر نیستند رویدادهای آینده را با قاطعیت 100درصد پیش‌بینی کنند. دلیل این امر آن است که اساس تجزیه و تحلیل پیشگویانه احتمالات است.

داده‌های ذخیره شده در سیستم‌های ERP، CRM، HR و POS به منظور شناسایی الگوها در داده‌‌ها با یکدیگر ادغام شده و در نهایت از مدل‌های آماری به منظور شناسایی ارتباطات میان مجموعه‌ی داده‌ها استفاده می‌شود.

برخی کاربردهای این رویکرد عبارتند از: پیشگویی رفتار مشتریان و الگوی خرید آن‌ها، پیش‌بینی روند فعالیت‌های فروش، پیش‌بینی تقاضا برای ورودی‌های زنجیره‌ی تامین، پیش‌بینی سطح موجودی‌ها و شناسایی قواعد انحمنی در سبد فروش.


📢 از روش مذکور در مواقعی استفاده می‌شود که نیاز به دستیابی به دانشی از آینده باشد.


✍️گردآورندگان: مهندس سروش فاطمی و درسا عبدالحمیدی، کارشناسی ارشد مهندسی صنایع دانشگاه تهران

📃 منبع:
https://halobi.com/blog/denoscriptive-predictive-and-prenoscriptive-analytics-explained/

#Denoscriptive #Predictive #Prenoscriptive
🆔 @BPERM_UT

🆔 @BPERM_UT
▪️ارتباط بین
🔻مدیریت فرآیندهای کسب و کار
🔻ایزو 9001

#بخش_سوم

بکارگیری اصول پایه‌ای مدیریت فرآیندهای کسب و کار شامل سنجش، پرورش و کاربران فرآیند متخصصی است که توانایی مدلسازی جریان‌ کاری/ رفتاری مطلوب را داشته و می‌توانند خروجی سیستم را به سمت خدمات یا محصولات مطلوب‌تر سوق دهند.

اصولا تلاش برای کسب گواهی ایزو تنها به سازمان‌های تازه‌کاری پیشنهاد می‌شود که یک پایگاه جدید و قابل توجه از مشتریان دارند. حتی در این شرایط، سازمان باید توجه داشته باشد که بکارگیری یک راهبرد جامع‌نگر جهت برنامه‌ریزی بهبود عملکرد و تعریف فرآیندها پیش از شروع یک برنامه مستندسازی کلی، امری ضروری است.
برنامه‌های مستندسازی از این قبیل بسیار گران قیمت و زمانبر بوده و گاها می‌توانند منجر به قطع فرآیندهای سازمان شوند. چارچوب ایزو آگاهی قابل توجهی به افراد جهت رسیدن به نتیجه مطلوب نمی‌دهد. رویکرد مدیریت فرآیندهای کسب و کار نیز شرط کافی را برای رسیدن به نتیجه قابل قبول ارائه نمی‌کند، با این وجود نسبت به ایزو بسیار جامع‌تر است.

اگر تصمیم به گرفتن گواهی ایزو برای سازمان خود دارید توصیه زیر را جدی بگیرید:
منابعی که می‌توانند جهت بهبود فرآیندها مورد استفاده قرار گیرند را برای مستندسازی به هدر ندهید. از تجربه دیگران استفاده کنید و مطمئن شوید "تماشای جنگل را بخاطر دیدن درختان از دست نمی‌دهید". توجه خود را به سیستم پویای موجود در سازمان معطوف کنید و توجه داشته باشید که سیستم‌ها ارگان‌های زنده‌ای هستند که پیوسته در حال تغییرند.یکی از بهترین روش‌ها برای انجام این کار از بین موارد فوق الذکر، تمرکز روی سنجه‌های عملکرد می‌باشد.

✍گردآورنده:
مهندس نسترن اولادزاد عباس‌آبادی،
کارشناسی ارشد مهندسی صنایع دانشگاه تهران
پژوهشگر مرکز مطالعات مهندسی فرآیندهای کسب و کار و مدیریت منابع

📃منبع:
http://www.bpminstitute.org/resources/articles/bpm-

#Business_Process_Management #BPM
#International_Standards_Organization
#ISO

🆔@BPERM_UT

#MBA-Data Science
#MBA-Process Management
با اعطای گواهینامه رسمی از دانشگاه تهران (نماد آموزش عالی کشور) و مورد تایید وزارت علوم (قابل ترجمه)
#دوره سال ۹۸
متقاضیان دوره های فوق منتظر باشند.
بزودی از همین طریق اطلاع رسانی خواهد شد...
@BPERM_UT

▪️تفاوت دو عنوان

▫️Data analysis و Data analytics

🆔 @BPERM_UT

▪️ تفاوت
🔻 مهندسی فرآیند کسب و کار
🔻 مدیریت فرآیند های کسب و کار

1⃣ در مهندسی فرآیند کسب و کار، به طراحی و پیاده سازی متدها و روش های عملیاتی در سازمان ها پرداخته می شود. در این جایگاه، مهندسان به توسعه کسب و کار توسط متدولوژی های مختلف و ایجاد راه کار های مستمر روی می آورند.

هدف مهندسین، بهبود عملکرد در طی دراز مدت همراه با کاهش هزینه ها و همچنین توسعه زیرساخت های موجود در کسب و کار ها می باشد.

تمرکز اصلی مهندسی فرآیند کسب و کار بر روی توسعه فرآیندها، کشف مشکلات با استفاده از ابزار های موجود، توانایی حل مسئله های سازمانی و عارضه یابی است که این کار با استفاده از پیاده سازی تکنولوژی برای ایجاد فرآیند های موثر توسط مهندسین صورت می پذیرد. علاوه بر این موارد، ماینیتورینگ فرآیند ها نیز توسط مهندسین فرآیند کسب و کار انجام می شود.

از توانمندی مهندسین نیز می توان به قدرت تجزیه و تحلیل داده ها و فرآیند ها و همچنین مهارت های نرم افزاری آن ها همچون: مایکروسافت اکسل، اسکیوال سرور اشاره کرد و همچنین اکثر مهندسین فرآیند کسب و کار، تحت عنوان مشاور در سازمان ها فعالیت می کنند.

2⃣ اما مدیریت فرآیند کسب و کار، مجموعه ای از فعالیت ها و تکنیک هاست که خروجی آنها مبتنی بر نیاز های مشتری می باشد. در واقع معیار و هدف آن بر اساس نیاز های مشتری بنا شده است و تلاش سازمان بر آن است تا این معیار به نیاز های مشتری نزدیک و نزدیک تر باشد.

هدف مدیریت فرآیند کسب و کار بهبود کیفیت خدمات و محصول درجهت جلب رضایت مشتری است. درواقع پس از بهبود رویکرد های TQM و BPR، مدیریت فرآیند کسب و کار نسخه ای تکامل یافته جهت چابکی و یکپارچه سازی سازمان است.

از ارکان اصلی آن نیز میتوان به طراحی، اجرا، پایش و بهبود فرآیند نیز اشاره کرد.

همچنین افرادی که در جایگاه مدیریت فرآیند کسب و کار فعالیت می کنند جهت مدیریت، طراحی، مدلسازی، شبیه سازی و سیستم سازی فرآیند و همچنین دسته بندی، شناسایی و بررسی فرآیند کسب و کار از ابزار های زیر استفاده می کنند:
▫️Process Maker
▫️Visual Paradigm
▫️Bizagi Process Modeler

درآمد حاصل از هر ۲ پوزیشن شغلی نیز بسته به نوع سازمان از ۵۰ هزار دلار در سال الی ۹۰ هزار دلار در سال متغیر خواهد بود.


منبع: Learn.org

گردآورنده: مهندس امیررضا تجلی، کارشناسی ارشد مهندسی صنایع دانشگاه تهران

🆔 @BPERM_UT

🔹 با بهترین آرزوها به استقبال سال جدید می رویم...

🔹 مرکز مطالعات مهندسی فرآیند کسب و کار و مدیریت منابع دانشگاه تهران سال نو را به شما تبریک عرض می نماید.

🆔 @BPERM_UT

◾️ نشست کاربرد علم داده‌ در صنعت و کسب و کار

🗓 ۱۱ اردیبهشت ماه ۹۸

⏰ ۹ الی ۱۲

🔰 سخنران: مهندس امیررضا تجلی

جهت کسب اطلاعات بیشتر و ثبت نام با آیدی زیر در ارتباط باشید:

@karnoAlzahramanage

🆔 @BPERM_UT