دانلود تحقیق ارتقای اثر بخشی مطالعات مهندسی ارزش با استفاده از مدیریت ریسک- 12 صفحه

اختصاصی از هایدی دانلود تحقیق ارتقای اثر بخشی مطالعات مهندسی ارزش با استفاده از مدیریت ریسک- 12 صفحه دانلود با لینک مستقیم و پر سرعت .

 ارتقای اثر بخشی مطالعات مهندسی ارزش با استفاده از مدیریت ریسک

چکیده

مهندسی ارزش ابزار موثر تصمیم سازی برای مدیران می‌باشد. مطالعات ارزش فرصت‌های مناسبی برای کاهش هزینه طول عمر، بهبود کیفیت، بهبود ساخت‌پذیری، کاهش زمان ساخت، افزایش طول عمر و گاه ترکیب موارد بالا در اختیار قرارمی‌دهد. تحت فشار قرارگرفتن مدیران در پذیرش و اعمال تغییرات پیشنهادی از یک سو و مسوولیت ایشان در قبال حوزه تحت اختیار به همراه ریسک و ابهام ذاتی گزینه‌های پیشنهادی از سوی دیگر اغلب این افراد را در وضعیت دشوار قرار می دهد. از اینرو مدیران زیادی بدلیل ابهام در مورد مقدار ریسک گزینه‌های ارائه شده در مطالعات ارزش از قبول انجام این مطالعات سرباز زده یا در طول مطالعات مقاومت می‌نمایند. از اثرات این تصورات می‌توان به انتخاب گزینه‌های کم‌خطرتر و اغلب کم ارزش‌تر، رد گزینه‌های خلاقانه، عدم تناسب ریسک در تصمیم‌ها و پروژه‌ها و در نهایت تاخیر در تصمیم‌گیری اشاره کرد. در این مقاله به اثر بکارگیری مدیریت ریسک در مطالعات ارزش و شفاف‌سازی ذهن مدیران نسبت به اثرات طرح مبنا و گزینه‌های پیشنهادی و اقدامات چهارگانه حذف، تسکین، انتقال و پذیرش ریسک یا ترکیبی از اقدامات با اشاره به چند مطالعه موردی بررسی می‌شود و در نهایت روش پیشنهادی تلفیقی و تحلیل کیفی ریسک به کمک AHP را تلفیق مهندسی ارزش با مدیریت ریسک بعنوان نتیجه این نوشتار، ارائه می‌گردد.

 1- مقدمه

مدیریت ریسک و مهندسی ارزش هر دو پدیده‌های نوظهور و جدیدی در ایران هستند. در ایران از طرفی با توجه به بحران‌های مکرر و کمبود روزافزون منابع، مدیریت نوین ناگزیر از استفاده از تمامی ابزارها و توانایی‌های خویش در جهت دستیابی به اهداف می‌باشد. تقریباً تمام مدیران به‌دنبال ابزاری هستند تا خطرات و پیامدهای ناشی از تصمیمات را تا حداقل ممکن کاهش دهد. مدیریت ریسک ابزار جدیدی است که در زمان کوتاه توانسته است جایگاه مناسبی برای خود پیدا کند. غیر از ابزارهای کمی‌سازی ریسک که به‌دلیل محاسبات پیچیده مانع فراگیری همگانی آن می‌شوند، ابزارهای ساده و بررسی کیفی ریسک، ساده و برآمده از تفکر منطقی می‌باشد.

ترکیب عوامل مختلف طرح در پروژه‌های عمرانی به صورتی پیش‌بینی شده است که اغلب ریسک‌ها به عوامل غیر‌تصمیم‌گیر منتقل می‌شود. با ترکیب سه عاملی (کارفرما، مشاور و پیمانکار) که ترکیبی معمول و جا افتاده می‌باشد، ریسک‌های طراحی به مشاور طرح و ریسک‌های اجرا به پیمانکار انتقال می‌یابد. در ترکیب‌های چهارعاملی ریسک‌های مدیریتی به مدیریت طرح و ریسک‌های باقیمانده مدیریت به این دو عامل نیز انتقال می‌یابد. ظهور مهندسی ارزش و اجباری‌شدن آن در طرح‌های پرهزینه و پیچیده، به‌دلیل ماهیت دگراندیش آن و تفکر خارج از چهارچوب عادات و روش‌های معمول و پذیرفته شده، موقعیت دشواری برای کارفرما ایجاد می‌کند.

توجه به این نکته ضروری است که در فرآیند تصمیم‌گیری برای اجرای پروژه‌ها باتوجه به اینکه در کشور ما دولت، کارفرما و تصمیم‌گیر اجرای بسیاری از پروژه‌های عظیم می‌باشد، در بسیاری از مواقع محافظه‌کاری و ریسک‌گریزی غیرمنطقی مدیران دولتی سبب انتخاب گزینه‌های پرهزینه و کم ارزش گردیده است. دلیل این محافظه‌کاری و ریسک‌گریزی معقول ریشه در ریسکی که مدیران از گزینه‌های مختلف متصورند، باید جستجو نمود. این ریسک‌های تصوری به‌همراه عدم آگاهی و دانش نسبت به طرح‌های پیشنهادی و ریسک‌های عناصر مختلف این طرح‌ها سبب انتخاب گزینه‌های نابهینه و از بین رفتن فرصت‌ها می‌گردد.

 2-تحلیل و مدیریت ریسک

تعاریف مختلفی از ریسک ارائه شده است که می‌توان از مهمترین آن به موارد ذیل اشاره نمود]1[:

1. اتفاق افتادن احتمالات واقعه‌ای نامطلوب
2. رویدادی که با احتمال شناخته شده‌ای روی می‌دهد.
3. امکان حادث‌شدن واقعه‌ای نامعین از پیش برنامه‌ریزی نشده که ماهیتی منفی در آن نهفته (صدمه‌زا و مخرب) بر حسب احتمال وقوع آن واقعه و شدت عوارض و پیامدهای آن واقعه
4. معیاری برای تعیین احتمال و شدت وقوع یک پدیده مخرب که بصورت کمی توسط رابطه ذیل بیان می‌گردد:

احتمال وقوع* عواقب وقوع = ریسک

مدیریت ریسک یکی از بخش‌های اصلی و جدانشدنی حرفه مهندسی می‌باشد. این مدیریت، فرآیندی سیستماتیک جهت تعریف، تحلیل و پاسخگویی ریسک سیستم‌ها می‌باشد]2[. وظیفه مدیریت ریسک افزایش احتمالات و دوره تکرار رخدادهای مطلوب و کاهش احتمال وقوع رخدادهای نامطلوب و یا کاهش شدت اثرات منفی وقایع نامطلوب را دارا می‌باشد]1[. این فرآیند را می‌توان یک فرآیند تصمیم‌گیری، جهت انتخاب و اجرای با صرفه‌ترین تکنیک‌ها و اقدامات در رویارویی با ریسک‌های مختلف سیستم جهت به حداقل رساندن آن ریسک در سیستم دانست. مدیریت ریسک درباره حذف، کاهش، انتقال عواقب منفی حوادث و بهره‌جستن از فرصت‌های احتمالی سخن می‌گوید.

دلایلی را که معمولاً برای بکارگیری مدیریت ریسک برمی‌شمارند عبارتند از:

• حداقل‌رساندن بحران‌ها
• حداقل‌ رساندن مسایل غیر منتظره و مشکلات
• افزایش میزان موفقیت و یا کاهش شکست‌ها
• انجام هزینه‌ها و برنامه زمانی کار مطابق برآوردها و پیش‌بینی‌های صورت‌گرفته.

می‌توان فرایند مدیریت ریسک را به مراحل زیر طبقه بندی نمود]3‍[:

• برنامه‌ریزی مدیریت ریسک
• تعریف ریسک
• تحلیل کمّی و یا کیفی ریسک و رتبه‌بندی ریسک‌ها
• ارزیابی ریسک و مقایسه با ریسک‌های قابل قبول جامعه
• برنامه‌ریزی پاسخ و مقابله با ریسک
• کنترل و نظارت ریسک

مدیریت ریسک دربرگیرنده ارزیابی ریسک‌های سیستم و قیاس با ریسک‌های دیگر سیستم و با ریسک‌های قابل قبول اجتماعی است که از این ارزیابی جهت تعیین مکانیزم‌های کاهش شدت ریسک و یا مهار ریسک سیستم با در نظر گرفتن مسایل اقتصادی و فنی استفاده می گردد. ریسک قابل‌قبول اجتماعی پاسخی به نیاز جامعه برای برآورد کمّی ریسک تحمیلی و ابزاری برای برآورد ارزش جانی بدون استفاده از ارزش مادی می‌باشد]4[.

انتخاب بهترین تکنیک‌ها برای مدیریت ریسک یکی از مراحل پر اهمیت فرآیند تصمیم‌گیری می‌باشد. در مرحله نظارت بر بهبود برنامه مدیریت ریسک، مدیریت توانایی بررسی روش بکارگیری و اجرای تکنیک‌های انتخاب شده را بدست می‌دهد(شکل1).

منشا ریسک‌ها را می‌توان در وجود محدودیت و نقص در آگاهی، دانش، تجربه، اطلاعات و وجود عدم قطعیت در آینده دید. عدم قطعیت در هر سیستمی به عنوان یک واقعیت شناخته شده است.

محدودیت جدی برای اعمال مناسب عدم قطعیت‌ها در تحلیل ریسک وجود دارد. این محدودیت‌ها تحلیل ریسک را میان روش‌های قطعی (عدم قطعیت ناچیز) و روشهای فازی (بدون کنترل برعدم قطعیت) قرار می‌دهد. در حقیقت تحلیل ریسک به‌عنوان تلفیقی از قضاوت مهندسی و علم، امکان ارزیابی همسنگ شرایط نامطلوب را فراهم می‌سازد و امکان بررسی عمیق‌تر و همه جانبه‌تر ایمنی سیستم‌ها را ممکن می‌سازد و در گستره وسیعی تمامی عواملی که ایمنی سیستم را تهدید نموده و یا آنرا بهبود می‌بخشد، شامل می‌گردد. گام‌های مختلف تحلیل و بررسی ریسک یک پدیده شامل موارد ذیل می‌باشد:

• شناسایی تمام ریسک‌های وقایع نامطلوب اثرگذار در یک سیستم( استفاده از چک‌لیست، مشابهت با سیستم‌های مشابه، طوفان ذهنی و …)
• برآورد احتمال رخداد واقعه‌های نامطلوب
• برآورد عواقب شکست و یا خسارات ناشی از واقعه نامطلوب.
• محاسبه ریسک

1. اولویت بندی ریسک‌های مؤثر بر سیستم

برای مقایسه و رتبه بندی ریسک‌ها می‌توان از مکانیسم ماتریس رتبه بندی ریسک و یا درخت حوادث بهره جست(شکل2و3)]5[.

آپدیت و ارتقای اندرویدم به نسخه 6

اختصاصی از هایدی آپدیت و ارتقای اندرویدم به نسخه 6 دانلود با لینک مستقیم و پر سرعت .

سمینار ارشد برق پس پردازش با استفاده از پراکندگی مجازی برای ارتقای لبه

اختصاصی از هایدی سمینار ارشد برق پس پردازش با استفاده از پراکندگی مجازی برای ارتقای لبه دانلود با لینک مستقیم و پر سرعت .

 

 

 

 

 

پس پردازش با استفاده از پراکندگی مجازی برای ارتقای لبه

فرمت PDF

تعداد صفحات 106

پاورپوینت اثربخشی تلاشهای ده ساله برای ارتقای کیفیت فرایندهای سترون سازی در مراکز و بیمارستانهای شهر تبریز

اختصاصی از هایدی پاورپوینت اثربخشی تلاشهای ده ساله برای ارتقای کیفیت فرایندهای سترون سازی در مراکز و بیمارستانهای شهر تبریز دانلود با لینک مستقیم و پر سرعت .

 

 

 

 

 

 

 

 

32 اسلاید

پروژه داده کاوی در جهت ارتقای وبهبود آموزش عالی

اختصاصی از هایدی پروژه داده کاوی در جهت ارتقای وبهبود آموزش عالی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : WORD (قابل ویرایش)

تعداد صفحات:100

فهرست مطالب:
فصل اول : داده کاوی
1.    مقدمه..........................................................................................................................10
2.    سابقه داده کاوی.........................................................................................................11
3.    معرفی دانش داده کاوی.............................................................................................12
1.3.داده کاوی (Data Mining) چیست ؟..................................................................13
2.3.تعریف داده کاوی.....................................................................................................15
3.3.مفهوم داده کاوی.....................................................................................................15
4.    ریشه های داده کاوی................................................................................................17
5.    فنون داده کاوی........................................................................................................18
6.    مراحل داده کاوی......................................................................................................19
7.    عوامل ایجاد داده کاوی.............................................................................................21
8.    مزایای داده کاوی......................................................................................................22
9.    مراحل فرایند کشف دانش از پایگاه داده ها............................................................22
10.    جایگاه داده کاوی در علوم مختلف..........................................................................24
11.    کاربردهای داده کاوی...............................................................................................25
12.    عملکردهای جاری داده کاوی..................................................................................27
13.    داده کاوی در تولید چهار نوع دانش مفید است.....................................................27
14.    داده کاوی موفق.......................................................................................................28
15.    نمونه های از سیستم های داده کاوی.....................................................................28
1.15.مثال تفهیمی در مورد داده کاوی.......................................................................29
16.    نرم‌ افزارهای داده‌کاوی...........................................................................................30
1.16. معرفی نرم افزار داده کاوی...............................................................................30
17.    محدودیت های داده کاوی......................................................................................31
فصل دوم : آموزش عالی
1.    تاریخچه آموزش عالی در ایران...............................................................................33       
1.1.پیش از اسلام........................................................................................................33
2.1. دوران اسلامی......................................................................................................33
3.1. دوره معاصر..........................................................................................................34
4.1. اولین دانشگاه جامع ایران.....................................................................................35
5.1. آغاز آموزش عالی علوم پزشکی نوین.....................................................................36
6.1. دوران پهلوی دوم و توسعه....................................................................................36
7.1. آموزش عالی در حال حاضر...................................................................................37
8.1. دستاوردهای نظام آموزش عالی در ایران................................................................38                                                                    
2.    دکتراقبالی پدر آموزش عالی در ایران.....................................................................39
           1.2. زندگینامه دکترعلی اقبالی.....................................................................................43                    2.2. تالیفات و ترجمه‌های دکتر علی اقبالی در طی فعالیت‌های دانشگاهی............................47
3.    خصوصی سازی آموزش عالی و بررسی اثرات اقتصادی،اجتماعی آن....................49
4.    ارزیابی آموزش عالی...................................................................................................50
1.4.    پیشینه ارزشیابی آموزش عالی در کشورهای مختلف...........................................52
5.    کارآفرینی در نظام آموزش عالی................................................................................55
1.5.تاریخچه آموزش کارآفرینی در دانشگاه ها................................................................57
2.5. مفهوم کارآفرینی در آموزش عالی...........................................................................58
3.5.اهداف ومحتوای آموزش کارآفرینی..........................................................................58
4.5.اهداف آموزش کارآفرینی........................................................................................60
5.5.محتوای آموزش کارآفرینی......................................................................................60
6.5.دانشگاه کارآفرین....................................................................................................61
6.    آینده آموزش عالی.....................................................................................................63
فصل سوم : تاثیر داده کاوی درارتقای  اموزش عالی                                                   
1.    مقدمه....................................................................................................................68
2.     کاربرد دادهکاوی در آموزش عالی......................................................................69
3.    کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی...........................69
4.      مدیریت و خدمات کتابخانه................................................................................70
5.    مدیریت موسسات دانشگاهی...............................................................................71
6.    مسائل جهانی در آموزش عالی.............................................................................72  
1.6. اهداف آموزشی................................................................................................72                                                                                                       2.6. منابع مالی.......................................................................................................75                                                                                                                          3.6. همبستگی اجتماعی.........................................................................................76                                                                                                               
7.    محدودیت های داده کاوی درآموزش عالی........................................................78
فصل چهارم : نمونه های ازتاثیر داده کاوی در ارتقا و بهبود سیستم آموزش عالی
1.    مقدمه...................................................................................................................82
2.    فرآیندهای سیستم آموزش................................................................................84
3.    ایجاد انواع)گونه های( معنا داری از دانشجویان...............................................86
4.    کاربردهای خوشه بندی.......................................................................................87
5.    پیش بینی ثبت نام................................................................................................91
6.    پیش بینی ثبت نام با استفاده از شبکه های عصبی مصنوعی..........................92
7.    انتخاب دانشجویان مناسب برای شرکت در کلاس های جبرانی.......................93
8.    برنامه ریزی تحصیلی- پیش بینی گذراندن دروس............................................95
9.    نتیجه گیری..........................................................................................................97
10.    منابع...................................................................................................................100




فصل اول : داده کاوی
مقدمه
جامعه مبتنی بر اطلاعات را می توان به عنوان جامعه ای تعریف نمود که بخش غالب اجتماع به جای کارهای فیزیکی در گیرکارهای فکری هستند. در چنین جامعه ای بیشترین توجه به فعالیت های اطلاعاتی از قبیل فراهم آوری، پردازش، تولید، ثبت، انتقال، اشاعه و مدیریت اطلاعات مبذول می گردد و بیشترین هزینه ها صرف فرایندهای اطلاعاتی می شود. با گسترش سیستم های پایگاهی و حجم بالای داده های ذخیره شده در این سیستم ها، به ابزاری نیاز است تا بتوان این داده ها را پردازش کرد و اطلاعات حاصل از آن را در اختیار کاربران قرار داد. معمولا کاربران پس از طرح فرضیه ای بر اساس گزارشات مشاهده شده به اثبات یا رد آن می پردازند، در حالی که امروزه به روش هایی نیاز داریم که به اصطلاح به کشف دانش بپردازند، یعنی روش هایی که با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند. یکی از روش های بسیار مهمی که با آن می توان الگوهای مفیدی را در میان داده ها تشخیص داد، داده کاوی است. این روش که با حداقل دخالت کاربران همراه است اطلاعاتی را در اختیار آنها و تحلیل گران قرار می دهد تا براساس آنها تصمیمات مهم و حیاتی در سازمانشان اتخاذ نمایند. باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها، در حد مگا یا ترابایت، مواجه باشیم. در تمامی منابع داده کاوی بر این مطلب تاکید شده است. هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکل تر می شود و نقش داده کاوی به عنوان یکی از روش های کشف دانش، آشکارتر می گردد. داده کاوی از چندین رشته علمی به طور همزمان بهره می برد. از این میان می توان به آمار، تکنولوژی پایگاه داده، هوش مصنوعی، شبکه های عصبی، سیستم های مبتنی بر دانش، بازیابی اطلاعات و ... نام برد که بدون شک آمار مهمترین آنها به حساب می آید.
   
سا بقه داده کاوی
داده کاوی و کشف دانش در پایگاه داده ها از جمله موضوع هایی هستند که همزمان با ایجاد و استفاده از پایگاه داده ها در اوایل دهه 80 برای جستجوی دانش در داده ها شکل گرفت .شاید بتوان لوول (1983) را اولین شخصی دانست که گزارشی در مورد داده کاوی تحت عنوان « شبیه سازی فعالیت داده کاوی » ارائه نمود. همزمان با او پژوهشگران و متخصصان علوم رایانه، آمار، هوش مصنوعی ، یادگیری ماشین و . . . نیز به پژوهش در این زمینه و زمینه های مرتبط با آن پرداخته اند .پژوهش جدی روی موضوع داده کاوی از اوایل دهه 90 شروع شد. پژوهش ها و مطالعه های زیادی در این زمینه صورت گرفته، همچنین سمینارها، دوره های آموزشی و کنفرانس هایی نیز برگزار شده است. نتایج پایه های نظری داده کاوی در تعدادی از مقاله های پژوهشی آورده شده است. مثلاً سال 1991 پیاتتسکی و شاپیرو  ( استقلال آماری قاعده ها در داده کاوی) را بررسی نموده اند. سال 1995 هافمن و نش( استفاده از داده کاوی و داده انبار توسط بانک های آمریکا) را بررسی نموده و بیان کردند که چگونه این سیستم ها برای بانک های آمریکا قدرت رقابت بیشتری ایجاد می کنند. چت فیلد مشکلات ایجاد شده توسط داده کاوی را بررسی نمود و همچنین مقاله ای تحت عنوان ( مدل های خطی غیر دقیق داده کاوی و استنباط آماری) ارایه نمود. هندری نیز دیدگاه اقتصاد سنجی روی داده کاوی را تهیه کرد. در این سال انجمن داده کاوی همزمان با اولین کنفرانس بین المللی (کشف دانش و داده کاوی) شروع به کار کرد. این کنفرانس توسعه یافته چهار دوره آموزشی بین المللی در پایگاه های داده درسال 1989 تا 1994 بود. انجمن مذکور، یک سازمان علمی به نام acm- sigkdd را ایجاد نمود. سال 1996 ایمیلنسکی و منیلا دیدگاهی از داده کاوی به عنوان (پرس و جو کننده از پایگاه های استنتاجی) را پیشنهاد کردند. فایاد، پیاتتسکی – شاپیرو، اودوراسامی( پیشرفت های کشف دانش و داده کاوی )را عنوان کردند. در سال 1997 منیلا خلاصه ای از (مطالعه روی اساس داده کاوی) ارایه نمود. باربارا و همکاران نیز دیدگاه (کاهش داده ها روی داده کاوی) را در گزارش کاهش داده های نیوجرسی ارایه نمودند. همچنین می توان برای کاربرد داده کاوی در مدیریت مالی می توان، تحلیل داده های مالی و مدل سازی مالی بنینگاه و چاچ کز و هیگینز را ملاحظه کرد فریدمن نیز مقاله ای در ارتباط با مفهوم آمار و داده کاوی ارایه نمود. سال 1998 هند مقاله ای تحت عنوان( داده کاوی : آمار یا بیشتر؟ ) ارائه نمود. کلینبرگ پائودیمیتریو و راغان دیدگاه (اقتصاد سنجی روی داده کاوی و عملکرد داده کاوی )را به عنوان یک مسئله بهینه ارایه نمودند. در این سال نیز کنفرانس های ناحیه ای و بین المللی در مورد داده کاوی برگزار شد که از جمله می توان به کنفرانس آسیا و اقیانوسیه درباره کشف دانش و داده کاوی اشاره کرد. سال 2000 هند و همکاران و اسمیت بحث های مقایسه ای بین آمار و داده کاوی را ارایه کردند. سری و استاوا، کولی، رش پاند و تن (استفاده از وب در کاوش داده ها و کاربردهای آن) را ارایه کردند. سال 2002 کلادیو کانورسانو و همکاران (مدل آمیخته چندگانه جمع پذیر تعمیم یافته) برای داده کاوی را بررسی نمودند. پائلو و گیانلوکاپاسرون، ( داده کاوی ساختارهای پیوند برای مدل رفتار مصرف کننده) را ارایه نمودند.
معرفی دانش داده کاوی
دانش داده کاوی فرآیند کشف دانش پنهان درون داده ها است که با برخورداری از دامنه وسیع زیرزمینه های تخصصی با توصیف، تشریح، پیش بینی و کنترل پدیده های گوناگون پیرامونی، امروزه دارای کاربرد بسیار وسیع در حوزه های مختلف از جمله صنعتی، پزشکی، ارتباطات، کشاورزی، انرژی، علوم اجتماعی، فرهنگی، سیاسی، اقتصادی، بازرگانی، نظامی، آموزشی و ... است بطوری که  امروزه مرز و محدودیتی برای کاربرد این دانش در نظر گرفته نشده و زمینه های کاری این دانش را در تمامی عرصه های برخوردار از داده می دانند. در طول دهه گذشته حجم زیادی از داده ها در پایگاه داده ها انباشته و ذخیره شده اند و نتیجه این انباشتگی این است که سازمان ها در داده غنی ولی در کسب دانش بسیار ضعیف می باشند. امروزه میزان داده های در دسترس هر 5 سال دو برابر می شود و سازمانی توانا است که قادر باشد حداقل 7 درصد از اطلاعاتش را مدیریت نماید. تحقیقات انجام یافته نشان از آن دارد که سازمان ها امروزه کمتر از یک درصد از داده هایشان را برای تحلیل استفاده می نمایند. بعبارت دیگر امروزه سازمان ها در اطلاعات غرق شده اند در حالیکه گرسنه دانش هستند چرا که سازمان ها داده های زیادی را در تصرف خود دارند درحالیکه هنوز با فقدان دانش پنهان درون داده ها مواجه هستند.
امروزه با توجه به تنوع زیاد مخاطبین، مشتریان، بازارها، تنوع و پیچیدگی خدمات و محیطهای کسب و کار، دسترسی به اطلاعات مناسب برای تصمیم گیری صحیح ضروری می باشد. از این‌رو استفاده از راهکارهای مناسب برای طبقه بندی و تولید اطلاعات از میان انبوهی از داده ها برای سازمان ها امری ضروری و حیاتی است. علم داده کاوی پاسخی به این نیاز به منظور کشف دانش پنهان داده‌ها و تامین اطلاعات مورد نیاز مدیران می‌باشد. دانش داده کاوی ابزاری است که مدیران را قادر می سازد تا سریع تر نسبت به آینده عمل نمایند، فعال باشند بجای آنکه واکنش پذیر باشند و بدانند و مطمئن باشند بجای آنکه حدس بزنند. واضح است که با داشتن این قابلیت، سازمان ها قادر می باشند دانش ارزشمندی را از داده هایشان بدست آورند.                        
دانش داده کاوی سازمانها را قادر می سازد تا از سرمایه داده هایشان بهره برداری نمایند. این ابزار برای پشتیبان فرایند تصمیم گیری استفاده می گردد. داده کاوی با پردازش جامع داده و انجام فرایند تصمیم سازی از طریق استخراج دانش با ارزش از داده، تصمیم گیری را برای مدیران سازمان تسهیل می نماید.
 داده کاوی (Data Mining) چیست؟
امروزه پایگاه‌هاى داده‌ها بسیار بزرگ شده‌اند و حجم برخى از آنها به بیش از یک ترابایت (هزار گیگابایت) رسیده است. درون این حجم از داده‌ها اطلاعات راهبردى مهمى به صورت مخفى وجود دارد. اما سؤال اینجاست که چگونه مى‌توانید از این حجم بزرگ داده‌ها یک نتیجه‌ى مفید به دست آورید؟
تازه‌ترین راه حل براى استخراج اطلاعات مخفى از درون بانک‌هاى اطلاعاتى، داده‌کاوى  یا Data Mining است که روشى پربازده و نسبتاً کم‌هزینه مى‌باشد. پیش از این سازمان‌هاى نوآورِ جهانى، از داده‌کاوى براى مکان‌یابى وجذب مشترى‌هاى با ارزش‌تر و طراحى مجدد محصولاتشان با هدف فروش بیشتر و کاهش ضررهاى ناشى از اشتباهات یا کلاه‌بردارى‌ها استفاده کرده‌اند.
داده‌کاوى فرایندیست که از ابزارهاى متنوع تحلیل داده‌ها، براى کشف الگوهـا و ارتباط‌هاى پنهان موجود در داده‌ها استفاده مى‌کند. نتایج داده‌کاوى براى پیش‌بینى رفتار و تحلیل روندهاى آینده استفاده مى‌شود.
در فرایند داده‌کاوى با نگاه به گذشته مى‌توان درباره‌ى آینده، پیش‌بینى‌هایى را انجام داد و به سؤال‌هاى تجارى ‌پاسخ گفت که روش‌هاى سنتى حل آنها بسیار زمان‌بر بوده و یا حتى در مواردى غیرممکن مى‌نمودند. امروزه در بسیارى از شرکت‌ها و سازمان‌هاى نوآور از داده‌کاوى براى یافتن و جذب مشترى‌هاى با ارزش‌تر، فروش بیشتر، کاهش ضررهاى ناشى از خطاهاى تجارى یا کلاهبردارى‌ها و طراحى مجدد محصولات استفاده مى‌شود.
اولین و ساده‌ترین قدم در داده‌کاوى، توصیف داده‌هاست. این کار به طور خلاصه شامل بررسى خواص آمارى داده‌ها (مانند متوسط و انحراف استاندارد)، بررسى گرافیکى از طریق گراف‌ها و چارت‌ها و جستجو براى یافتن پیوندهاى پر معنى بالقوه در میان متغییرها (مانند مقادیرى که اغلب با هم رخ مى‌دهند) است. در فرایند داده‌کاوى جمع‌آورى و انتخاب داده‌هاى صحیح، بسیار مهم هستند.
پس از توصیف داده‌ها، در مرحله‌ى بعد باید براساس الگوهایى که از نتایج معلوم به دست آمده‌اند یک مدل پیش‌بینى ساخت و آن را بر روى نتایج خارج از نمونه‌ى اولیه آزمایش کرد. هرگز نباید یک مدل خوب را با واقعیت اشتباه گرفت (زیرا نمى‌توان نقشه‌ى مسیر را نماینده‌ى کامل مسیر واقعى دانست) اما این مدل مى‌تواند راهنماى خوبى براى فهمیدن برخى فرصت‌ها و تهدیدها باشد.
گام آخر داده‌کاوى این است که صحت مدل را به طور تجربى تعیین کنیم. براى نمونه، از یک پایگاه داده‌ها که اطلاعاتى در مورد مشترى‌ها را در خود نگاه مى‌دارد، مدلى براى پیش‌بینى پاسخ مشترى‌ها به پیشنهاد خرید محصولات در آینده ساخته شده است. آیا مى‌توان به پیش‌بینى‌هاى این مدل اعتماد کرد؟ براى پاسخ به این پرسش مى‌توان با برخى از مشترى‌هاى احتمالى پیشنهاد را مطرح و نتیجه را بررسى کرد.