توسعه چارچوب مبتنی بر الگوریتمهای یادگیری ماشین برای بهینهسازی پیشبینی هزینههای سازمانی
الموضوعات : Information Science
1 - Department Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran
الکلمات المفتاحية: : پیشبینی هزینههای سازمانی, یادگیری ماشین, مدل دادهمحور, بهینهسازی منابع, تحلیل دادهها, رگرسیون خطی, مدیریت مالی,
ملخص المقالة :
چکیده : در دنیای امروز، پیشبینی دقیق هزینههای سازمانی برای بهینهسازی تخصیص منابع و افزایش بهرهوری، یکی از چالشهای اصلی مدیران به شمار میرود. تغییرات سریع اقتصادی و پیچیدگی فزاینده فرآیندهای مالی، ضرورت استفاده از روشهای پیشبینی دادهمحور را بیش از پیش برجسته کرده است. این پژوهش چارچوبی مبتنی بر الگوریتمهای یادگیری ماشین ارائه میدهد که هدف آن بهبود دقت پیشبینی هزینههای سازمانی و تسهیل برنامهریزی مالی دقیقتر در سازمانها است. در این مطالعه، دادههای واقعی مالی و عملیاتی از سازمان بیمه سلامت در یک بازه زمانی پنجساله جمعآوری و پس از انجام مراحل پیشپردازش، برای آموزش مدلهای پیشبینی بهکار گرفته شد. مدل اصلی مورد استفاده در این پژوهش، رگرسیون خطی بوده و عملکرد آن با استفاده از معیارهایی نظیر ضریب تعیین، میانگین خطای مطلق و ریشه میانگین مربعات خطا ارزیابی شده است. نتایج این تحقیق نشان میدهد که مدل رگرسیون خطی توانسته است با دقت بالایی تغییرات هزینههای سازمانی را پیشبینی کرده و عوامل کلیدی مؤثر بر هزینهها را شناسایی کند. چارچوب پیشنهادی این مطالعه میتواند به سازمانها در بهبود برنامهریزی بودجه، مدیریت منابع مالی و کاهش خطاهای پیشبینی کمک کند. علاوه بر این، یافتههای تحقیق حاضر، پایهای علمی برای توسعه مدلهای پیشبینی در سایر حوزههای سازمانی فراهم میآورد و امکان ارتقای تصمیمگیریهای استراتژیک را برای مدیران تسهیل میکند.
