دانلود ترجمه مقاله راه حل های هوش هوش تجاری در بانکداری و کاربردهای کلان داده – ۲۰۱۷

• فهرست مطالب:

چکیده

۱٫ مقدمه

۲٫ بررسی ادبیات

۳٫ راه حل های هوش تجاری

۴٫ پیاده سازی های هوش تجاری با ابزارهای استخراج داده ها

۵٫پیاده سازی BI با سیستم پشتیبانی تصمیم

۶٫ پیاده سازی BI در ابر (کلود)

۷٫ پیاده سازی BI از طریق مجازی سازی داده ها

۸٫بحث و نتایج

بخشی از ترجمه:

بحث و نتایج به منظور کسب سود از داده های بزرگ، شرکت ها باید با مدیریت حجم تقریبا غیر قابل تصور داده های بدون ساختار مقابله کنند. فقط اگر آنها این کار را بخوبی انجام دهند، قادر خواهند بود به سرعت به تغییرات بازار پاسخ دهند، و از آخرین اطلاعات مربوط به روند و تقاضای مشتری برای ایجاد خدمات کاملا جدید استفاده کنند. از سوی دیگر، نگهداری و بهبود صنعت بانکداری و خدمات مالی به دلیل داشتن معامله امن و تبادل محیطی که با اقتصاد جهانی نامطمئن، مقررات سختگیرانه و انتظارات مشتری مواجه است، متخصصان بانکی باید طرح هایی را برای اجرای راهبرد برای حفظ اعتماد مشتریان موجود همراه با جذب مشتریان جدید توسعه دهند. برای موفقیت در سرمایه گذاری های بانکی و مالی، بانک ها باید با کمک ابزار هوشمند، مشتریان سودآور و همچنین بهبود در سطح عملیاتی را شناسایی و پشتیبانی کنند. ابزارهای هوش تجاری، چشم انداز گذشته، فعلی و آینده برای استفاده کارکنان را فراهم می کند، زیرا رقابت امروز از طریق BI هدایت می شود، به این ترتیب شرکت ها با استفاده از ابزارهای BI به رقابت بالا دست خواهند یافت. اینترنت به سرعت در حال ایجاد مقدار زیادی اطلاعات است. راه حل های BI باید از مقدار گسترده ای از این داده ها استفاده کنند و در دستیابی به مزایای رقابتی مانند روابط بهتر مشتریان و برنامه ریزی موثر منابع کمک کنند. چندین راه حل در حوزه اطلاعات کسب و کار وجود دارد، اما در این مقاله ما بیشتر پوشش مشکلات داده های بزرگ و به خصوص بانک ها رادرحالیکه یکی از حساس ترین شرکت ها در تغییرات بازار هستند مورد بررسی قرار می دهیم . هر یک از روش های ذکر شده در بالا به مزایا و معایب آن می پردازد، بنابراین می تواند در شرایطی که بهترین تطبیق را با آنها دارد انتخاب شود.

• بخشی از مقاله انگلیسی:

DISCUSSTION AND CONCLUSIONS

In order to draw benefit from big data, companies need to confront the management of an almost unimaginable volume of unstructured data. Only if they do so, they will be able to respond quickly to market changes, utilize the latest information on trends and customer demand to develop entirely new services. On the other hand, maintaining and improving banking industry and financial services is due to having a secure transaction and exchanging environment facing with an uncertain global economy, strict regulations and customer expectations, banking professionals have to develop schemes for strategy implementation to conserve existing customers trust along with absorbing new customers. To be successful in the banking and financial investments, banks should recognize and support profitable customers as well as making improvements at the operational level with the help of intelligent tools. Business intelligence tools, provides past, current and future perspective for the staff’s usage because competitiveness today is driven through BI so the companies will achieve high competitiveness that utilizing BI tools. The Internet is rapidly creating vast amounts of data. BI solutions have to utilize this vast amount of data and help in achieving competitive advantages such as better customers’ relationships and effective resource planning. Several solutions in business intelligence domain exist but in this article we review ones which are more applicable in covering big data problems and especially banks as they are one of the most sensitive enterprises towards market changes and have to employ adaptation. Each of the methods mentioned above face to its advantages and disadvantages so could be chosen in conditions which best fitted them.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد