На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


Диплом Решение экономических задач в информационном обеспечении Интернет-проекта

Информация:

Тип работы: Диплом. Добавлен: 22.3.2013. Сдан: 2011. Страниц: 78. Уникальность по antiplagiat.ru: < 30%

Описание (план):


Оглавление

Оглавление
Введение…………………………………………………………………….3
Глава 1……………………………………………………………………...7
1.1. Описание интернет-проекта………………………………………...7
1.2. Задачи проекта……………………………………………………..20
Глава 2. Общее представление о методах кластерного анализа............22
2.1. Введение в кластерный анализ……………………………………22
2.2. Измерение близости объектов…………………………………….26
2.3. Характеристики близости объектов………………………………28
2.4. Методы кластерного анализа……………………………………..30
2.5. Иерархические алгоритмы………………………………………...31
2.6. Примеры использования кластерного анализа…………………..36
Глава 3. Результаты кластерного анализа……………………………....42
3.1. Кластерный анализ посещаемости интернет-магазина по городам……………………………………………………………...42
3.2. Кластерный анализ реализации по интернет-магазину………….50
3.3. Кластерный анализ посещаемости интенет-магазина по возрасту посетителей………………………………………..………………..55
3.4. Кластерный анализ сезонности посещения интернет-магазина...58
Выводы…………………………………………………………………….63
Заключение…………………

Введение

Социально-экономические процессы и явления зависят от большого числа параметров, их характеризующих, что обуславливает трудности, связанные с выявлением структуры взаимосвязей этих параметров. В подобных ситуациях, т.е. когда решения принимаются на основании анализа стохастической, неполной информации, использование методов многомерного статистического анализа является не только оправданным, но и существенно необходимым.
Многомерные статистические методы среди множества возможных вероятностно-статистических моделей позволяют обоснованно выбрать ту, которая наилучшим образом соответствует исходным статистическим данным, характеризующим реальное поведение исследуемой совокупности объектов, оценить надежность и точность выводов, сделанных на основании ограниченного статистического материала.
К области приложения математической статистики могут быть отнесены задачи, связанные с исследованием поведения финансовых рынков, производств или другой социально-экономической, как представителя большой совокупности объектов.
Многомерный экономико-статистический анализ опирается на широкий спектр методов. В данном дипломе будет рассмотрен один из наиболее используемых методов – кластерный анализ.
Кластерный анализ все чаще находит применение в маркетинговых исследованиях для развития бизнеса, в частности интернет-магазинов. Кластерным анализом пользуются и университетские специалисты, и практикующие маркетологи, решая, в первую очередь, проблему группировки. Речь может идти о продуктах, клиентах, сотрудниках – при грамотном применении кластерный анализ может работать с весьма широким спектром объектов. Однако, несмотря на высокую популярность этого аппарата, зачастую исследователь не знаком с его спецификой и особенностями применения. Это, в свою очередь, влечет разочарование в аналитических возможностях метода и необоснованный скептицизм. Как правило, при применении кластерного анализа аналитик сталкивается с двумя группами задач:
1) На основе теоретических предпосылок выбрать адекватный
алгоритм
2) Грамотно провести анализ и проинтерпретировать результаты
Кластерный анализ используется в двух основных направлениях: классификация и анализ взаимосвязей, причем подавляющее большинство исследователей использует его именно в первом направлении. Следует также заметить, что в отличие от других методов классификации, кластерный анализ не требует априорных предположений, накладываемых на выборку. По сути, метод представляет собой формализацию здравого смысла.
Огромное множество выбора дальнейшего развития интернет-магазинов заставляет руководителей анализировать все большее количество информации. Подчас успех развития зависит от объема анализируемых финансовых данных, времени, затраченного на анализ, и вида, в котором представлены результаты. В интернет-магазин покупатель приходит с определенной потребностью, вбив в строку поисковика вполне конкретный запрос. Если он нашел нужный товар по цене, которая его устраивает, при этом ему было удобно и приятно взаимодействовать с интерфейсом, и скорость доставки его также порадовала, то велика вероятность того, что он как минимум запомнит название интернет-магазина. Открыть магазин в Сети гораздо дешевле, чем в офф-лайне: не надо арендовать дорогие помещения в приличных торговых центрах, не нужен склад, не нужны продавцы. Он-лайн шопы, продающие одежду, привлекают покупателей более низкой ценой, широким ассортиментом и другими удобствами. Не нужно тратить много сил, чтобы найти подходящую вещь, не нужно тесниться в примерочных, и сравнивать цены. Достаточно воспользоваться поисковой системой. Кроме того, совершить виртуальный шопинг и заказать товар можно в любое время. Интернет-магазины работают круглосуточно. По выше указанным причинам ежедневно открываются новые интернет-магазины. В данной среде необходимо быть конкурентно способным и постоянно анализировать рынок, товар, потребителей.
Иногда требуется дополнительный анализ – например, для определения потенциальных покупателей – анализ потока запросов из различных городов РФ, сезонность продажи товара, анализ возрастной категории покупателей.
Для ответа на вопросы необходимо четко проработать систему показателей. К оцениваемым показателям эффективности кластерного проекта могут также быть отнесены:
- улучшение основных показателей реализации товаров;
- увеличение объема потока запросов;
- увеличение объема привлекаемых партнеров;
- увеличение количества посетителей из других городов;
- увеличение доли товара, которые в настоящее время не имеют достаточный спрос;
- многие другие, в зависимости от параметров развиваемого кластера и поставленных задач.
Больше, быстрее, удобнее – вот основные требования, предъявляемые постоянно развивающимся новым предприятиям к методам анализа финансовых данных.
На основании результатов кластерного анализа формируются выводы, уточняется система целей проекта и формируется план – график работ по формированию задач, выявленных при анализе. В данной работе на основании анализа были получены выводы, которые будут использоваться для дальнейшего развития интернет-магазина и привлечения новых посетителей.
Результаты финансового анализа, представленные в виде больших массивов чисел, не сильно упрощают процесс принятия решений. Можно сгруппировать результаты в таком виде, чтобы процесс принятия решений стал более эффективным. Можно визуализировать данные и результаты анализа так, чтобы аналитик разом мог охватить их взглядом.
Процедура кластеризации решает вопрос о сходстве многих анализируемых данных, характеризуемых значениями многих параметров, на основе формальных математических критериев. Это позволяет заменить длительный и трудоемкий процесс изучения и сравнения данных более быстрым вычислительным алгоритмом. Кроме того, будучи средством анализа многомерных данных, кластеризация позволяет выделить данные с близкими значениями всех параметров.
Для реализации кластерного анализа была выбрана достаточно популярная в нашей стране система Statistica..........

Список литературы

1. Мандель И.Д. Кластерный анализ. – М.: Финансы и статистика.
1988. – 176с.
2. Гильберт А. Как работать с матрицами/Пер. с нем. – М.:
Статистика, 1981. – 157с.
3. Клиот-Дашинский М.И. Алгебра матриц и векторов. Л.: Изд-во
Ленинградского ун-та, 1974. – 160с.
4. Б.Болч, К.Дж. Хуань. Многомерные статистические методы для
экономики/Пер. с англ. – М.: Статистика, 1979. – 317с.
5. Г.Стренг. Линейная алгебра и ее применения/Пер. с англ. – М.:
Мир, 1980. – 454с.
6. Леонов В.П. Обработка экспериментальных данных на
программируемых микрокалькуляторах. /Под ред. Б.А.Гладких, – Томск: ТГУ, – 1990, – 376 с.
7. Дюк В.А. Компьютерная психодиагностика. – СПб., изд-во
«Братство», 1994. – 364с.
8. Дюк В.А. Информационные технологии в медико-биологических
исследованиях. – СПб.: Питер, 2–003. – 528 с.
9. Анализ данных на ЭВМ. (На примере системы
СИТО)/Александров В.В., Алексеев А.И., Горский Н.Д. – М.: Финансы и статистика, 1990. – 192с.
10. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация
многомерных наблюдений. – М.: Статистика, – 1974, – 240 с.
11. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д.
Прикладная статистика: Классификация и снижение размерности. – М.: Финансы и статистика, 1989. – 607с.
12. Александров В.В., Горский Н.Д. Алгоритмы и программы
структурного метода обработки данных. – Л.: Наука, – 1983, – 208с.
13. Дюран Б., Оделл П. Кластерный анализ. – М.: Статистика, – 1977,
– 128 с.
14. Классификация и кластер. /Под ред. Дж. Вэн Райзина. – М.: Мир,
1980, –390 с.
15. Компьютерная биометрика /под ред. В.Н.Носова, – МГУ, – 1990,
– 232с.
16. Перегудов Ф.И., Тарасенко Ф.П. Основы системного анализа:
Учеб. 2–е изд., доп. – Томск: Изд-во НТЛ, 1997. – 396с.
17. Типология и классификация в социологических исследованиях.
Отв. ред. В.Г.Андреенков, Ю.Н.Толстова. М.: Наука, 1982 – 296с.
18. Факторный, дискриминантный и кластерный анализ: Пер с
англ./Дж. – О.Ким, Ч.У.Мьюллер, У.Р.Клекка и др.; Под ред. И.С.Енюкова. – М.: Финансы и статистика, 1989. – 215с.
19. Хемометрика/ Шараф М.А, Иллмэн Д.Л., Ковальски Б.Р. Пер. С
англ. – Л., Химия, 1989. – 272с.
20. Терентьев П.В. Метод корреляционных плеяд//Вестник ЛГУ. –
1959ю – №9 – с.137–141.
21. Браверман Э.М., Мучник И.Б. Структурные методы в обработке
эмпирических данных. М.: Наука, – 1983.
22. Миркин Б.Г. Группировки в социально-экономических
исследованиях. М.: Финансы и статистика.
23. Загоруйко Н.Г., Елкина В.Н., Емельянов С.В., Лбов Г.С. Пакет
прикладных программ ОТЭКС (для анализа данных). – М.: Финансы и статистика, 1986. – 160с.
24. Енюков И.С. Методы, алгоритмы, программы многомерного
статистического анализа: пакет ППСА. – М.: Финансы и статистика, 1986. – 232с.
25. Сильвестров Д.С. Программное обеспечение прикладной
статистики: Обзор состояния. Тенденции развития. – М.: Финансы и статистика, 1988. – 240с.
26. Методы анализа данных: Подход, основанный на методе
динамических сгущений: Пер. с фр./Кол. Авт. Под рук. Э.Дидэ; Под ред. И с предисл. С.А.Айвазяна и В.М.Бухштабера. – М.: Финансы и статистика, 1985. – 357с.
27. Жамбю М. Иерархический кластер-анализ и соответствия: Пер. с
фр. М.: Финансы и статистика, 1988. – 342с.
28. Статистические методы для ЭВМ/Под ред. К.Энслейна,
Э.Рэлстона, Г.С.Уилфа: Пер с англ./Под ред. М.Б.Малютова. – М.: Наука, 1986. – 464с.
29. Патрик Э. Основы теории распознавания образов: Пер с англ./
Под ред. Б.Р.Левина. – М.: Сов. Радио, 1980. – 408с.
30. Фомин Я.А., Тарловский Г.Р. Статистическая теория
распознавания образов. – М.: Радио и связь, 1986. – 264с.
31. Айвазян С.А., Бухштабер В.М. Анализ данных, прикладная
статистика и построение общей теории автоматической классификации// Методы анализа данных/ Пер. с фр. – М.: Финансы и статистика, 1985. – Вступ. ст. – с. 5–22.
32. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация
многомерных наблюдений. М.: Статистика, 1974. – 240с.
33. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. –
М.: Наука, 1973. – 416с.
34. Елисеева И.И., Рукавишников В.О. Гр


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.