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

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 125

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JOEM-8-0_005

تاریخ نمایه سازی: 28 فروردین 1401

Abstract:

هوش کسب و کار به استناد پایگاه های ذخیره سازی داده ها و تحلیل آن به تصمیم گیری در فعالیت های هوشمند تجاری و کسب و کار کمک می کند. در این پژوهش «فناوری های داده بزرگ» به مجموعه ای از زیرساخت های رایانش داده، ذخیره سازی داده، رویکرد تجزیه و تحلیل داده، مصورسازی داده، خودکارسازی داده، امنیت و حریم خصوصی تقسیم شده است. چالش های ناشی از عدم کیفیت داده نیز به دو دسته چالش های داخلی و خارجی تقسیم شده اند. چالش های داخلی بی کیفیتی داده ها با میزان آمادگی کسب و کار و فرهنگ سازمانی مرتبط بوده که استقرار پلتفرم داده بزرگ در ایجاد آمادگی و فرهنگ سازمان تاثیرگذار خواهد بود. در پلتفرم داده بزرگ پیشنهادی با توجه به دو فاکتور شناخت حوزه های داده و سنجش میزان آمادگی، از هر یک از فناوری های داده بزرگ، نرم افزار و سخت افزار متناسب انتخاب می گردد. جمع آوری داده متغیرهای مدل به وسیله پرسش نامه محقق ساخته صورت گرفته و حجم نمونه نیز به صورت نمونه گیری در دسترس تعداد ۳۷ نفر از مدیران و کارشناسان کسب و کار را شامل شده است. داده ها در روش معادلات ساختاری کمترین مربعات جزیی در فضای نرم افزاری اسمارت پی ال اس نگارش ۳ مدل سازی شده و نتایج حاکی از آن است که طراحی پلتفرم داده بزرگ و چالش های 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، فناوری های داده بزرگ و سنجش میزان پذیرش کسب و کار به ترتیب دارای بیشترین درصد اهمیت و عملکرد در مدل می باشند.

Keywords:

کیفیت داده , پلتفرم داده بزرگ , هوشمندی کسب و کار , چالش های بی کیفیتی داده

Authors

نجمه ملایی

بیمه ملت

عباس طهماسبی

کارشناس ارشد تحقیقات صنعتی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Kučera, J., Chlapek, D., & Nečaský, M. ,۲۰۱۳. Open government ...
  • S. W. Tee, P.L. Bowen, P. Doyle, F.H. Rohde, "Factors ...
  • C. Batini, C. Cappiello, C. Francalanci, A. Maurino, "Methodologies for ...
  • F. G. Alizamini, M.M. Pedram, M. Alishahi, K. Badie, "Data ...
  • Pipino, L.L., Lee, Y.W., &Wang, R.Y. , Apr ۲۰۰۲. Data ...
  • The ۲۰۱۶ global data management benchmark report,۲۰۱۶. Experian data quality ...
  • Patterson, T., ۲۰۱۵,” The Use of Information Technology in Risk ...
  • Castro, D., Korte, T.,۲۰۱۳, “Data Innovation ۱۰۱: An Introduction to ...
  • Eastwood, M., Vesset, D. and Morris, D.H. (۲۰۰۵), “Delivering value ...
  • Armbrust, M., Armando Fox, Rean Griffith, Anthony D. Joseph, Randy ...
  • Combs, M., (۲۰۱۴, ۱۱/۱۹/۲۰۱۴). Study Shows Big Return on Big ...
  • McKinsey Global Institute report,’Big Data : the next frontier for ...
  • Ginsberg, J., Mohebbi, H., Patel, R., Brammer, L., Smolinski, M., ...
  • Rivera, J., (۲۰۱۴, ۱۱/۱۹/۲۰۱۴). Gartner Survey Reveals That ۷۳ Percent ...
  • Herschel, R.T. and Jones, N.E. (۲۰۰۵), “Knowledge management and business ...
  • روحانی، سعید. حسینی، سمیه. تحلیل های عظیم داده، نقشه راه ...
  • BIG DATA WORKING GROUP, ۲۰۱۴, “Big Data Taxonomy”,cloud security alliance ...
  • علی اکبری و همکاران، پی دی اف مقالات همایش داده ...
  • محسنین، شهریار، اسفیدانی، رحیم، ۱۳۹۶، معادلات ساختاری مبتنی بر رویکرد ...
  • Cepeda, G., Nitzl, C., and Roldán, J. L. (۲۰۱۷). Mediation ...
  • Hair, J. F., Hollingsworth, C. L., Randolph, A. B., and ...
  • Hair, J. F., Hult, G. T. M., Ringle, C. M., ...
  • Rigdon, E. E., Sarstedt, M., & Ringle, C. M. (۲۰۱۷). ...
  • آذر، عادل ، غلامزاده، رسول، ۱۳۹۵، مدلسازی معادلات ساختاری کمترین ...
  • حنفی زاده، پیام و زارع رواسان، احد (۱۳۹۱)، روش تحلیل ...
  • Hair, F., Marko, J.S., Lucas, H., and Volker, G.K., ۲۰۱۴. ...
  • نمایش کامل مراجع