مدل پلتفرم داده بزرگ و نقش آن در کیفیت داده و هوشمندی کسب و کار

نوع مقاله: مقاله پژوهشی

نویسندگان

1 بیمه ملت

2 کارشناس ارشد تحقیقات صنعتی

چکیده

هوش کسب و کار به استناد پایگاه‌های ذخیره‌سازی داده‌ها و تحلیل آن به تصمیم‌گیری در فعالیت‌های هوشمند تجاری و کسب و کار کمک می‌کند. در این پژوهش «فناوری‌های داده بزرگ» به مجموعه‌ای از زیرساخت‌های رایانش داده، ذخیره‌سازی داده، رویکرد تجزیه‌و‌تحلیل داده، مصورسازی داده، خودکارسازی داده، امنیت و حریم خصوصی تقسیم شده است. چالش‌های ناشی از عدم کیفیت داده نیز به دو دسته چالش‌های داخلی و خارجی تقسیم شده‌اند. چالش‌های داخلی بی‌کیفیتی داده‌ها با میزان آمادگی کسب و کار و فرهنگ سازمانی مرتبط بوده که استقرار پلتفرم داده بزرگ در ایجاد آمادگی و فرهنگ سازمان تأثیرگذار خواهد بود. در پلتفرم داده بزرگ پیشنهادی با توجه به دو فاکتور شناخت حوزه‌های داده و سنجش میزان آمادگی، از هر یک از فناوری‌های داده بزرگ، نرم‌افزار و سخت‌افزار متناسب انتخاب می‌گردد. جمع‌آوری داده متغیرهای مدل به وسیله پرسش‌نامه محقق ساخته صورت گرفته و حجم نمونه نیز به صورت نمونه‌گیری در دسترس تعداد 37 نفر از مدیران و کارشناسان کسب و کار را شامل شده است. داده‌ها در روش معادلات ساختاری کمترین مربعات جزیی در فضای نرم‌افزاری اسمارت پی ال اس نگارش 3 مدل‌سازی شده و نتایج حاکی از آن است که طراحی پلتفرم داده بزرگ و چالش‌های کیفیت داده نسبت به دیگر متغیرهای مورد بررسی دارای بالاترین میزان اثر بر هوشمندسازی کسب و کار هستند. همچنین با توجه به ماتریس اهمیت – عملکرد، طراحی پلتفرم داده بزرگ، فناوری‌های داده بزرگ و سنجش میزان پذیرش کسب و کار به ترتیب دارای بیشترین درصد اهمیت و عملکرد در مدل می‌باشند.

کلیدواژه‌ها


[1]. Kučera, J., Chlapek, D., & Nečaský, M. ,2013. Open government data catalogs: Current approaches and quality perspective. Technology-Enabled Innovation for Democracy, Government and Governance, Lecture Notes in Computer Science. 8061. (pp. 152–166). Berlin Heidelberg: Springer. http://dx.doi.org/10.1007/978-3-642-40160-2_13.

[2]. S. W. Tee, P.L. Bowen, P. Doyle, F.H. Rohde, "Factors influencing organizations to improve data quality in their information systems," Accounting & Finance, vol. 47, pp. 335-355, 2007.

[3]. C. Batini, C. Cappiello, C. Francalanci, A. Maurino, "Methodologies for data quality assessment and improvement," ACM Computing Surveys (CSUR), vol. 41, p. 16, 2009.

[4]. F. G. Alizamini, M.M. Pedram, M. Alishahi, K. Badie, "Data quality improvement using fuzzy association rules," 2010, pp. V1-468-V1- 472.

 

[5]. Pipino, L.L., Lee, Y.W., &Wang, R.Y. , Apr 2002. Data quality assessment. Communications of the ACM, 45(4), 211–218. http://dx.doi.org/10.1145/505248.506010.

[6]. The 2016 global data management benchmark report,2016. Experian data quality.

[7]. Patterson, T., 2015,” The Use of Information Technology in Risk Management”, Complex Solutions Executive  IBM Corporation.

[8]. Castro, D., Korte, T.,2013, “Data Innovation 101: An Introduction to the Technologies and Policies Supporting Data-Driven Innovation”, Center for Data Innovation.

[9]. Eastwood, M., Vesset, D. and Morris, D.H. (2005), “Delivering value in business intelligence”, HP White Paper, available at: http://research.ittoolbox.com/white-papers/lg.asp?grid ¼ 3374 (accessed March 13, 2007).

[10]. Armbrust, M., Armando Fox, Rean Griffith, Anthony D. Joseph, Randy Katz, Andy Konwinski, Gunho Lee, David Patterson, Ariel Rabkin, Ion Stoica, Matei Zaharia, 2010. "A View of Cloud Computing," Commun. ACM, Vols. vol.53, no. 4, pp. 50-58.

[11]. Combs, M., (2014, 11/19/2014). Study Shows Big Return on Big Data. Available: http://www.veristorm.com/content/study-shows-big-return-big-data.

[12]. McKinsey Global Institute report,’Big Data : the next frontier for innovation, Competition and Productivity”May 2011.

[13]. Ginsberg, J., Mohebbi, H., Patel, R., Brammer, L., Smolinski, M., Brilliant, L., Detecting influenza epidemics using search engine query data. Nature , 457(7232): 1012-1014,2008.

[14]. Rivera, J., (2014, 11/19/2014). Gartner Survey Reveals That 73 Percent of Organizations Have Invested or Plan to Invest in Big Data in the Next Two Years. Available: http://www.gartner.com/newsroom/id/2848718.

[15]. Herschel,  R.T.  and  Jones,  N.E.  (2005),  “Knowledge  management  and  business  intelligence: the importance of integration”, Journal of Knowledge Management, Vol. 9 No. 4, pp. 45-55.

[16]. روحانی، سعید. حسینی، سمیه. تحلیل های عظیم داده، نقشه راه پیاده‌سازی،فناوری و ابزارها. انتشارات نیاز دانش. چاپ اول. 94.

[17]. BIG DATA WORKING GROUP, 2014, “Big Data Taxonomy”,cloud security alliance.

[18]. علی اکبری و همکاران، پی دی اف مقالات همایش داده‌های عظیم، 1393.

[19]. محسنین، شهریار، اسفیدانی، رحیم، 1396، معادلات ساختاری مبتنی بر رویکرد حداقل مربعات جزئی به کمک نرم‌افزار Smart-PLS ، نشر کتاب مهربان ، چاپ دوم، تهران.

[20] Cepeda, G., Nitzl, C., and Roldán, J. L. (2017). Mediation Analyses in Partial Least Squares Structural Equation Modeling: Guidelines and Empirical Examples., in Partial Least Squares Path Modeling: Basic Concepts, Methodological Issues and Applications, H. Latan and R. Noonan (eds.), Springer: Cham, pp. 173-195.

[21] Hair, J. F., Hollingsworth, C. L., Randolph, A. B., and Chong, A. Y. L. An Updated and Expanded Assessment of PLS-SEM in Information Systems Research. Industrial Management & Data Systems, Volume 117(2017), Issue 3, pp. 442-458.

[22].    Hair, J. F., Hult, G. T. M., Ringle, C. M., and Sarstedt, M. (2017). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), 2nd Ed., Sage: Thousand Oaks.

[23] Rigdon, E. E., Sarstedt, M., & Ringle, C. M. (2017). On Comparing Results from CB-SEM and PLS-SEM. Five Perspectives and Five Recommendations. Marketing ZFP, 39(3), 4-16.

[24]. آذر، عادل ، غلامزاده، رسول،  1395، مدلسازی معادلات ساختاری کمترین مربعات جزئی PLS-SEM، نشر نگاه دانش، تهران

[25]. داوری، علی و رضازاده، آرش (1397)، مدل سازی معادلات ساختاری با نرم‌افزار PLS ،چاپ دوم، انتشارات جهاد دانشگاهی، تهران.

[26]. حنفی زاده، پیام و زارع رواسان، احد (1391)، روش تحلیل ساختارهای چند سطحی با استفاده از نرم‌افزار smart pls ، انتشارات ترمه، تهران.

 

[27]. Hair, F., Marko, J.S., Lucas, H., and Volker, G.K., 2014. Partial least squares structural equation modeling (PLS-SEM) An emerging tool in business research. European Business Review, 26 (1), 106-121.