کاربرد تکنیک‌های داده کاوی برای شناسایی شاخص‌های کلیدی عملکرد

در حال حاضر داشبوردها ابزارهای ارجح در سراسر سازمان‌ها برای نظارت بر عملکرد کسب‌وکار هستند. داشبوردها اغلب از تکنیک‌های تجسم داده مختلف تشکیل شده‌اند که در میان آن‌ها شاخص‌های کلیدی عملکرد (KPI ها) قرار دارند که نقش حیاتی در ارائه سریع اطلاعات دقیق از طریق مقایسه عملکرد فعلی در برابر هدفی که برای تحقق اهداف کسب‌وکار مورد نیاز است، ایفا می‌کنند. با این حال، KPI ها همیشه به خوبی شناخته‌شده نیستند و گاهی اوقات یافتن یک KPI مناسب برای ارتباط با هر هدف کسب‌وکار دشوار است. علاوه بر این، تکنیک‌های داده کاوی اغلب در زمان پیش‌بینی ترندها و تجسم همبستگی داده‌ها مورد استفاده قرار می‌گیرند. در این مقاله ما یک رویکرد جدید برای ترکیب این دو جنبه به منظور هدایت تکنیک‌های داده کاوی برای به دست آوردن KPI های خاص برای اهداف کسب‌وکار به روش نیمه خودکار ارایه می‌کنیم. مزیت اصلی رویکرد ما این است که سازمان‌ها نیازی به اتکا به لیست‌های KPI موجود یا تست KPI ها در طول یک سیکل ندارند زیرا آن‌ها می‌توانند رفتار خود را با استفاده از داده‌های موجود تحلیل کنند. به منظور نشان دادن کاربردی بودن رویکرد خود، پیشنهاد خ

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 fulfil 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