داده کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از دادهها به منظور کشف الگوها و قوانین پنهان و معنی دار درون دادهها اطلاق میشود. داده کاوی به مفهوم استخراج اطلاعات نهان و یا الگوها و روابط مشخص در حجم زیادی از دادهها در یک یا چند بانک اطلاعاتی بزرگ می باشد. بسیاری از شرکتها و موسسات دارای حجم انبوهی از اطلاعات هستند.
تکنیک‌های داده کاوی به گونه‌ای گسترش یافته‌اند که به سادگی می‌توان آن ها را بر ابزارهای نرم‌افزاری امروزی تطبیق داده و از اطلاعات جمع آوری شده بهترین بهره را برد. در صورتی که سیستمهای داده کاوی بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به بانکهای اطلاعاتی بزرگ فراهم باشد، می‌توانند به سوالاتی از قبیل:کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا؟، در کدام مقطع زمانی؟ و بسیاری از موارد مشابه پاسخ دهند. پیاده سازی سیستم های داده کاوی در شرکت شما می تواند به تصمیمات و سیاست گذاری های شما کمک اساسی کرده و باعث افزایش بهرهوری و پیشرفت کار و شرکت شما گردد.
داده‌کاوی يك رشته جديد با كاربردهاي وسيع و گوناگون است که به عنوان ده علم برتر که منجر به ایجاد تحول در عصر تکنولوژی میشود و در تمام زمینه‌ها کاربرد دارد، معرفی میشود. داده کاوی کاربردهای بسیار زیادی در صنعت، بیمه، پزشکی، مدیریت شهری، صنایع، بانکداری، سیستم های مالی و بازاریابی و ... دارد.
داده کاوی چیست؟
داده‌کاوی به معنای کشف دانش درون داده‌هاست! کشف دانش درون دادهها آنهم در عصر اطلاعات یکی از هیجان‌انگیزترین و کلیدی‌ترین مفاهیمی است که روز به روز اهمیت بیشتری می‌گیرد.
داده‌کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از دادهها به منظور کشف الگوها و قوانین معنی‌دار گفته میشود.
داده‌کاوی، استخراج اطلاعات مفهومی، ناشناخته و به صورت بالقوه مفید از پایگاه داده می‌باشد.
داده‌کاوی استخراج نیمه اتوماتیک الگوها، تغییرات، وابستگی‌ها، نابهنجاری‌ها و دیگر ساختارهای معنی‌دار آماری از پایگاه‌های بزرگ داده می‌باشد.
چرا به سراغ داده‌کاوی رفته‌ایم؟
چون
حجم دادهها (Data) با سرعت زيادي در حال رشد است.
اطلاعات (Information) ما در مورد اين دادهها کم است.
دانش (Knowledge) ما نسبت به اين اطلاعات صفر است.
جالب اینجاست که مشکل تمام اینها یک کلمه است و آن داده‌کاوی است.
از طرف دیگرتوسعه تکنولوژيهای ذخيره و بازيابی اطلاعات امکانی است برای محقق شدن داده‌کاوی:
افزايش روزافزون حجم اطلاعات ذخيره شده
تنوع بسيار زياد در اطلاعات موجود
بانکهای اطلاعاتی
فايلهای چندرسانه‌ای (تصاوير متحرک، فايلهای صوتی)
اطلاعات متنی و فاقد ساختار
آرشيوهای اطلاعاتی، به دليل حجم بسيار زياد، غالباً به مقبره‌های اطلاعات تبديل می‌شوند. عليرغم هزينه‌های سنگين در بخش تکنولوژی اطلاعات، بسياری از تصميمها همچنان در فقر اطلاعاتی اتخاذ می‌گردند. از قابليتهای بالقوه اطلاعات ذخيره شده استفاده نمی‌شود. نياز به تبديل اطلاعات به دانش در بسياری زمينه‌ها آشکار گرديده است.
تعریف داده کاوی
داده‌کاوی را میشود به شکلهای زیر هم تعریف کرد:
داده‌کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده می‌باشد.
داده‌کاوی فرآیندی پیچیده، جهت شناسایی الگوها و مدلهای صحیح، جدید و به صورت بالقوه مفید، در حجم وسیعی از داده می‌باشد، به طریقی که این الگوها و مدلها برای انسانها قابل درک باشند.
داده‌کاوی به صورت یک محصول قابل خریداری نمی باشد، بلکه یک فرآیندی است که بایستی به صورت یک پروژه پیاده‌سازی شود.
داده‌کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده می‌باشد.
داده‌کاوی فرآیندی پیچیده، جهت شناسایی الگوها و مدلهای صحیح، جدید و به صورت بالقوه مفید، در حجم وسیعی از داده می‌باشد، به طریقی که این الگوها و مدلها برای انسانها قابل درک باشند.
داده‌کاوی به صورت یک محصول قابل خریداری نمی‌باشد، بلکه یک فرآیندی است که بایستی به صورت یک پروژه پیاده‌سازی شود.
فنون داده کاوی
برخی از فنون رایج بکار گرفته شده تحت عنوان داده‌کاوی عبارتند از:
ابزارهای پرس و جو
فنون آماری
مصورسازی
پردازش تحلیلی پیوسته
یادگیری مبتنی بر مورد
درختان تصمیم‌گیری
قوانین وابستگی
شبکه‌های عصبی
الگوریتم ژنتیکی
کاربردهای داده کاوی
داده‌کاوی يك رشته جديد با كاربردهاي وسيع و گوناگون است که به عنوان ده علم برتر که منجر به ایجاد تحول در عصر تکنولوژی میشود و در تمام زمینه‌ها کاربرد دارد، معرفی میشود. اصولاً هر جایی که داده وجود داشته باشد داده‌کاوی نیز معنا می‌یابد، از قبيل: امور تجاري و مالي، امور پزشكي، زيست پزشكي، تجزيه و تحليلهاي مربوط به DNA، كشف ناهنجاريها و اسناد جعلي، ارتباطات از راه دور، ورزش و سرگرمي، كتابداري و اطلاع‌رساني.
امروزه عملیات داده‌کاوی به صورت گسترده توسط تمامی شرکتهایی که مشتریان در کانون توجه آنها قرار دارند، استفاده میشود، از جمله: فروشگاه‌ها، شرکتهای مالی، ارتباطاتی، بازاریابی و غیره. استفاده از داده‌کاوی به این شرکتها کمک می‌کند تا ارتباط عوامل داخلی از جمله: قیمت، محل قرارگیری محصولات و مهارت کارمندان را با عوامل خارجی از جمله: وضعیت اقتصادی، رقابت در بازار و محل جغرافیایی مشتریان کشف نمایند.
داده‌کاوی پیش‌بینی وضع آینده بازار، گرایش مشتریان و شناخت سلیقه‌های عمومی آنها را برای شرکتها ممکن می‌سازد:
بازار هدف
پيدا کردن الگوي خريد مشتري
برنامه‌ریزی برای معرفی محصول جدید
Customer profiling
دسته‌بندي مشتريان براساس نوع خريد
آناليز نيازهاي مشتريان
تشخيص محصولات مناسب براي دسته‌هاي مختلف مشتريان
تشخيص فاکتورهايي براي جذب مشتريان جديد
تعيين الگوهاي خريد مشتريان
تجزيه و تحليل سبد خريد بازار
پيشگويي ميزان خريد مشتريان از طريق پست (فروش الکترونيکي)
پيش‌بيني الگوهاي کلاهبرداري از طريق کارتهاي اعتباري و شناسایی جرایم مالی
تشخيص مشتريان ثابت و دسته‌بندی و خوشه‌بندی مشتریان با توجه به رفتار مشابه آنها در زمینه بانکداری و بازپرداخت وام
تعيين ميزان استفاده از کارتهاي اعتباري بر اساس گروههاي اجتماعي
تحلیل اعتبار مشتریان
شناسایی فاکتورهای اصلی در ریسک بازپرداخت وام
تحلیل پاسخگویی مشتریان به ارائه خدمات جدید بانکی
پيشگويي ميزان خريد بيمه‌نامه‌هاي جديد توسط مشتريان
تحلیل ریسک و برآورد حق بیمه مشتریان بر اساس میزان ریسک هر مشتری
پیش‌بینی میزان خسارت بر اساس گروههای مشتریان
مدیریت ارتباط با بیمه‌گذاران و تدوین استراتژی بر اساس مشتریان هدف
تعیین عوامل وفاداری و یا روی‌گردانی مشتریان
شناخت نیازها و الگوهای خرید سرویسهای بیمه‌ای توسط مشتریان
شناخت تخلفات بیمه‌ای
تعيين نوع رفتار با بيماران و تعیین روش درمان بیماریها
پيشگويي ميزان موفقيت اعمال جراحي و تعيين ميزان موفقيت روشهاي درماني در برخورد با بيماريهاي سخت
بررسی میزان تاثیر دارو بر بیماری و اثرات جانبی آن
تشخیص و پیش‌بینی انواع بیماریها مانند تشخیص و یا پیش‌بینی انواع سرطان
تجزیه و تحلیل داده‌های موجود در سیستمهای اطلاعات سلامت
تحلیل عکسهای پزشکی
برخی خدمات اختصاصی شرکت در زمینه داده کاوی:
پیدا کردن بازار هدف
پيدا کردن الگوي خريد مشتري
برنامه‌ریزی برای معرفی محصول جدید
دسته‌بندي مشتريان براساس نوع خريد
آناليز نيازهاي مشتريان
تشخيص محصولات مناسب براي دسته‌هاي مختلف مشتريان
تشخيص فاکتورهايي براي جذب مشتريان جديد
تعيين الگوهاي خريد مشتريان
تجزيه و تحليل سبد خريد بازار
پيشگويي ميزان خريد مشتريان از طريق پست (فروش الکترونيکي)
پيش‌بيني الگوهاي کلاهبرداري از طريق کارت هاي اعتباري و شناسایی جرایم مالی
تشخيص مشتريان ثابت و دسته‌بندی و خوشه‌بندی مشتریان با توجه به رفتار مشابه آنها در زمینه بانکداری و بازپرداخت وام
تعيين ميزان استفاده از کارت هاي اعتباري بر اساس گروه هاي اجتماعي
تحلیل اعتبار مشتریان
شناسایی فاکتورهای اصلی در ریسک بازپرداخت وام
تحلیل پاسخگویی مشتریان به ارائه خدمات جدید بانکی
پيشگويي ميزان خريد بيمه‌نامه‌هاي جديد توسط مشتريان
تحلیل ریسک و برآورد حق بیمه مشتریان بر اساس میزان ریسک هر مشتری
پیش‌بینی میزان خسارت بر اساس گروه های مشتریان
مدیریت ارتباط با بیمه‌گذاران و تدوین استراتژی بر اساس مشتریان هدف
تعیین عوامل وفاداری و یا روی‌گردانی مشتریان
شناخت نیازها و الگوهای خرید سرویس های بیمه‌ای توسط مشتریان
شناخت تخلفات بیمه‌ای
تعيين نوع رفتار با بيماران و تعیین روش درمان بیماری ها
پيشگويي ميزان موفقيت اعمال جراحي و تعيين ميزان موفقيت روشهاي درماني در برخورد با بيماري هاي سخت
بررسی میزان تاثیر دارو بر بیماری و اثرات جانبی آن
تشخیص و پیش‌بینی انواع بیماری ها مانند تشخیص و یا پیش‌بینی انواع سرطان
تجزیه و تحلیل داده‌های موجود در سیستمهای اطلاعات سلامت
تحلیل عکسهای پزشکی
تجزيه و تحليلهاي مربوط به DNA
كشف ناهنجاري ها و اسناد جعلي
کتابداری و اطلاع رسانی
وضع آینده بازار
گرایش مشتریان و شناخت سلیقه‌های عمومی
اطلاعات تماس
وبسایت : www.itresearches.ir
دفتر : تهران - اقدسیه – نرسیده به مینی سیتی – جنب بانک پاسارگاد – پلاک 113 – طبقه 4
اصفهان - چهارباغ بالا - مجتمع پارسیان - طبقه 3 - واحد 511
دفتر ارمنستان : ایروان، مرکز تجاری سیتادل، شماره 205
شماره تماس : 021284282
بخش برنامه نویسی : 02128429090
بخش محصولات مایکروسافت : 02128429091
دفتر اصفهان : 03195014947
دفتر ارمنستان : 0037460640221
ایمیل-مدیریت : Iran@itresearches.co.uk
ایمیل-پشتیبانی : support@itresearches.ir
ایمیل-ارتباطات : info@itresearches.ir
فروش لایسنس های مایکروسافت : sales@itresearches.ir
تکنیک‌های داده کاوی به گونه‌ای گسترش یافته‌اند که به سادگی می‌توان آن ها را بر ابزارهای نرم‌افزاری امروزی تطبیق داده و از اطلاعات جمع آوری شده بهترین بهره را برد. در صورتی که سیستمهای داده کاوی بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به بانکهای اطلاعاتی بزرگ فراهم باشد، می‌توانند به سوالاتی از قبیل:کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا؟، در کدام مقطع زمانی؟ و بسیاری از موارد مشابه پاسخ دهند. پیاده سازی سیستم های داده کاوی در شرکت شما می تواند به تصمیمات و سیاست گذاری های شما کمک اساسی کرده و باعث افزایش بهرهوری و پیشرفت کار و شرکت شما گردد.
داده‌کاوی يك رشته جديد با كاربردهاي وسيع و گوناگون است که به عنوان ده علم برتر که منجر به ایجاد تحول در عصر تکنولوژی میشود و در تمام زمینه‌ها کاربرد دارد، معرفی میشود. داده کاوی کاربردهای بسیار زیادی در صنعت، بیمه، پزشکی، مدیریت شهری، صنایع، بانکداری، سیستم های مالی و بازاریابی و ... دارد.
داده کاوی چیست؟
داده‌کاوی به معنای کشف دانش درون داده‌هاست! کشف دانش درون دادهها آنهم در عصر اطلاعات یکی از هیجان‌انگیزترین و کلیدی‌ترین مفاهیمی است که روز به روز اهمیت بیشتری می‌گیرد.
داده‌کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از دادهها به منظور کشف الگوها و قوانین معنی‌دار گفته میشود.
داده‌کاوی، استخراج اطلاعات مفهومی، ناشناخته و به صورت بالقوه مفید از پایگاه داده می‌باشد.
داده‌کاوی استخراج نیمه اتوماتیک الگوها، تغییرات، وابستگی‌ها، نابهنجاری‌ها و دیگر ساختارهای معنی‌دار آماری از پایگاه‌های بزرگ داده می‌باشد.
چرا به سراغ داده‌کاوی رفته‌ایم؟
چون
حجم دادهها (Data) با سرعت زيادي در حال رشد است.
اطلاعات (Information) ما در مورد اين دادهها کم است.
دانش (Knowledge) ما نسبت به اين اطلاعات صفر است.
جالب اینجاست که مشکل تمام اینها یک کلمه است و آن داده‌کاوی است.
از طرف دیگرتوسعه تکنولوژيهای ذخيره و بازيابی اطلاعات امکانی است برای محقق شدن داده‌کاوی:
افزايش روزافزون حجم اطلاعات ذخيره شده
تنوع بسيار زياد در اطلاعات موجود
بانکهای اطلاعاتی
فايلهای چندرسانه‌ای (تصاوير متحرک، فايلهای صوتی)
اطلاعات متنی و فاقد ساختار
آرشيوهای اطلاعاتی، به دليل حجم بسيار زياد، غالباً به مقبره‌های اطلاعات تبديل می‌شوند. عليرغم هزينه‌های سنگين در بخش تکنولوژی اطلاعات، بسياری از تصميمها همچنان در فقر اطلاعاتی اتخاذ می‌گردند. از قابليتهای بالقوه اطلاعات ذخيره شده استفاده نمی‌شود. نياز به تبديل اطلاعات به دانش در بسياری زمينه‌ها آشکار گرديده است.
تعریف داده کاوی
داده‌کاوی را میشود به شکلهای زیر هم تعریف کرد:
داده‌کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده می‌باشد.
داده‌کاوی فرآیندی پیچیده، جهت شناسایی الگوها و مدلهای صحیح، جدید و به صورت بالقوه مفید، در حجم وسیعی از داده می‌باشد، به طریقی که این الگوها و مدلها برای انسانها قابل درک باشند.
داده‌کاوی به صورت یک محصول قابل خریداری نمی باشد، بلکه یک فرآیندی است که بایستی به صورت یک پروژه پیاده‌سازی شود.
داده‌کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده می‌باشد.
داده‌کاوی فرآیندی پیچیده، جهت شناسایی الگوها و مدلهای صحیح، جدید و به صورت بالقوه مفید، در حجم وسیعی از داده می‌باشد، به طریقی که این الگوها و مدلها برای انسانها قابل درک باشند.
داده‌کاوی به صورت یک محصول قابل خریداری نمی‌باشد، بلکه یک فرآیندی است که بایستی به صورت یک پروژه پیاده‌سازی شود.
فنون داده کاوی
برخی از فنون رایج بکار گرفته شده تحت عنوان داده‌کاوی عبارتند از:
ابزارهای پرس و جو
فنون آماری
مصورسازی
پردازش تحلیلی پیوسته
یادگیری مبتنی بر مورد
درختان تصمیم‌گیری
قوانین وابستگی
شبکه‌های عصبی
الگوریتم ژنتیکی
کاربردهای داده کاوی
داده‌کاوی يك رشته جديد با كاربردهاي وسيع و گوناگون است که به عنوان ده علم برتر که منجر به ایجاد تحول در عصر تکنولوژی میشود و در تمام زمینه‌ها کاربرد دارد، معرفی میشود. اصولاً هر جایی که داده وجود داشته باشد داده‌کاوی نیز معنا می‌یابد، از قبيل: امور تجاري و مالي، امور پزشكي، زيست پزشكي، تجزيه و تحليلهاي مربوط به DNA، كشف ناهنجاريها و اسناد جعلي، ارتباطات از راه دور، ورزش و سرگرمي، كتابداري و اطلاع‌رساني.
امروزه عملیات داده‌کاوی به صورت گسترده توسط تمامی شرکتهایی که مشتریان در کانون توجه آنها قرار دارند، استفاده میشود، از جمله: فروشگاه‌ها، شرکتهای مالی، ارتباطاتی، بازاریابی و غیره. استفاده از داده‌کاوی به این شرکتها کمک می‌کند تا ارتباط عوامل داخلی از جمله: قیمت، محل قرارگیری محصولات و مهارت کارمندان را با عوامل خارجی از جمله: وضعیت اقتصادی، رقابت در بازار و محل جغرافیایی مشتریان کشف نمایند.
داده‌کاوی پیش‌بینی وضع آینده بازار، گرایش مشتریان و شناخت سلیقه‌های عمومی آنها را برای شرکتها ممکن می‌سازد:
بازار هدف
پيدا کردن الگوي خريد مشتري
برنامه‌ریزی برای معرفی محصول جدید
Customer profiling
دسته‌بندي مشتريان براساس نوع خريد
آناليز نيازهاي مشتريان
تشخيص محصولات مناسب براي دسته‌هاي مختلف مشتريان
تشخيص فاکتورهايي براي جذب مشتريان جديد
تعيين الگوهاي خريد مشتريان
تجزيه و تحليل سبد خريد بازار
پيشگويي ميزان خريد مشتريان از طريق پست (فروش الکترونيکي)
پيش‌بيني الگوهاي کلاهبرداري از طريق کارتهاي اعتباري و شناسایی جرایم مالی
تشخيص مشتريان ثابت و دسته‌بندی و خوشه‌بندی مشتریان با توجه به رفتار مشابه آنها در زمینه بانکداری و بازپرداخت وام
تعيين ميزان استفاده از کارتهاي اعتباري بر اساس گروههاي اجتماعي
تحلیل اعتبار مشتریان
شناسایی فاکتورهای اصلی در ریسک بازپرداخت وام
تحلیل پاسخگویی مشتریان به ارائه خدمات جدید بانکی
پيشگويي ميزان خريد بيمه‌نامه‌هاي جديد توسط مشتريان
تحلیل ریسک و برآورد حق بیمه مشتریان بر اساس میزان ریسک هر مشتری
پیش‌بینی میزان خسارت بر اساس گروههای مشتریان
مدیریت ارتباط با بیمه‌گذاران و تدوین استراتژی بر اساس مشتریان هدف
تعیین عوامل وفاداری و یا روی‌گردانی مشتریان
شناخت نیازها و الگوهای خرید سرویسهای بیمه‌ای توسط مشتریان
شناخت تخلفات بیمه‌ای
تعيين نوع رفتار با بيماران و تعیین روش درمان بیماریها
پيشگويي ميزان موفقيت اعمال جراحي و تعيين ميزان موفقيت روشهاي درماني در برخورد با بيماريهاي سخت
بررسی میزان تاثیر دارو بر بیماری و اثرات جانبی آن
تشخیص و پیش‌بینی انواع بیماریها مانند تشخیص و یا پیش‌بینی انواع سرطان
تجزیه و تحلیل داده‌های موجود در سیستمهای اطلاعات سلامت
تحلیل عکسهای پزشکی
برخی خدمات اختصاصی شرکت در زمینه داده کاوی:
پیدا کردن بازار هدف
پيدا کردن الگوي خريد مشتري
برنامه‌ریزی برای معرفی محصول جدید
دسته‌بندي مشتريان براساس نوع خريد
آناليز نيازهاي مشتريان
تشخيص محصولات مناسب براي دسته‌هاي مختلف مشتريان
تشخيص فاکتورهايي براي جذب مشتريان جديد
تعيين الگوهاي خريد مشتريان
تجزيه و تحليل سبد خريد بازار
پيشگويي ميزان خريد مشتريان از طريق پست (فروش الکترونيکي)
پيش‌بيني الگوهاي کلاهبرداري از طريق کارت هاي اعتباري و شناسایی جرایم مالی
تشخيص مشتريان ثابت و دسته‌بندی و خوشه‌بندی مشتریان با توجه به رفتار مشابه آنها در زمینه بانکداری و بازپرداخت وام
تعيين ميزان استفاده از کارت هاي اعتباري بر اساس گروه هاي اجتماعي
تحلیل اعتبار مشتریان
شناسایی فاکتورهای اصلی در ریسک بازپرداخت وام
تحلیل پاسخگویی مشتریان به ارائه خدمات جدید بانکی
پيشگويي ميزان خريد بيمه‌نامه‌هاي جديد توسط مشتريان
تحلیل ریسک و برآورد حق بیمه مشتریان بر اساس میزان ریسک هر مشتری
پیش‌بینی میزان خسارت بر اساس گروه های مشتریان
مدیریت ارتباط با بیمه‌گذاران و تدوین استراتژی بر اساس مشتریان هدف
تعیین عوامل وفاداری و یا روی‌گردانی مشتریان
شناخت نیازها و الگوهای خرید سرویس های بیمه‌ای توسط مشتریان
شناخت تخلفات بیمه‌ای
تعيين نوع رفتار با بيماران و تعیین روش درمان بیماری ها
پيشگويي ميزان موفقيت اعمال جراحي و تعيين ميزان موفقيت روشهاي درماني در برخورد با بيماري هاي سخت
بررسی میزان تاثیر دارو بر بیماری و اثرات جانبی آن
تشخیص و پیش‌بینی انواع بیماری ها مانند تشخیص و یا پیش‌بینی انواع سرطان
تجزیه و تحلیل داده‌های موجود در سیستمهای اطلاعات سلامت
تحلیل عکسهای پزشکی
تجزيه و تحليلهاي مربوط به DNA
كشف ناهنجاري ها و اسناد جعلي
کتابداری و اطلاع رسانی
وضع آینده بازار
گرایش مشتریان و شناخت سلیقه‌های عمومی
اطلاعات تماس
وبسایت : www.itresearches.ir
دفتر : تهران - اقدسیه – نرسیده به مینی سیتی – جنب بانک پاسارگاد – پلاک 113 – طبقه 4
اصفهان - چهارباغ بالا - مجتمع پارسیان - طبقه 3 - واحد 511
دفتر ارمنستان : ایروان، مرکز تجاری سیتادل، شماره 205
شماره تماس : 021284282
بخش برنامه نویسی : 02128429090
بخش محصولات مایکروسافت : 02128429091
دفتر اصفهان : 03195014947
دفتر ارمنستان : 0037460640221
ایمیل-مدیریت : Iran@itresearches.co.uk
ایمیل-پشتیبانی : support@itresearches.ir
ایمیل-ارتباطات : info@itresearches.ir
فروش لایسنس های مایکروسافت : sales@itresearches.ir