پیمان نوری بروجردی

دانش هسته اصلی تولید و رشد انسانی است بطوریکه قدرت تولید جامعه بر مبنای دانش و استقرار سیستم مبتنی بر تفکر قرار دارد. این در حالی است که سیستم های حسابداری کنونی توانایی محاسبه و اندازه گیری دانش را با توجه به نقش پر رنگ آن در ارزیابی عملکرد واحدهای تجاری ندارند، لذا عدم توانمندی محاسبه و اندازه گیری آن می تواند منجر به تصمیمات غیر منطقی برای سرمایه گذاران گردد. در این مقاله ضمن معرفی چهار روش پیشنهادی کمی سنجش سرمایه فکری، در فاصله سالهای 1381 الی 1386 شرکت های پذیرفته شده بورس اوراق بهادار صنایع فلزی، 24 شرکت و در مجموع 144 سال مالی مورد استفاده قرار گرفته است که ارتباط هر یک از چهار روش را با متغیرهای مالی ارزیابی عملکرد شامل سود خالص و جریان وجه نقد بخش عملیاتی صورت گردش وجوه نقد را آزمون نموده ایم. نتایج به دست آمده حاکی از وجود همبستگی ما بین متغیرهای مالی ارزیابی عملکرد با هر یک از چهار روش پیشنهادی است بطوریکه مدل های پیشنهادی دوم و سوم به یک میزان نسبت به مدل های اول و چهارم و مدل اول نسبت به مدل چهارم به دلیل همبستگی بیشتر با متغیرهای ارزیابی عملکرد روش های مناسبتر و مفیدتری برای ارزیابی سرمایه فکری بنگاه های اقتصادی می باشند.

داده کاوی، فرایند مرتب سازی و طبقه بندی داده های حجیم و آشکارسازی اطلاعات مرتبط باهم می باشد. امروزه داده کاوی به عنوان یکی از ابزارهای بسیار مهم مدیران جهت شناخت وضعیت دقیق تر سازمان و همچنین کمک در اتخاذ تصمیمات مناسب کاربرد دارد. با استفاده از این تکنیک، داده های موجود در سازمان با بکارگیری ابزارهای نرم افزاری، مورد بررسی و تحلیل دقیق قرار می گیرد تا الگوهای پنهان و پیچیده ای که در آنها وجود دارد کشف و استخراج گردد. داده کاوی را می توان نسل سوم تکنولوژیهایی نامید که با داده سروکار دارند. در نسل اول یا نسل سنتی، فقط انجام پرس و جو های ساده امکان پذیر بود، مثلا تعداد فروش یک کالای خاص چقدر است؟ میزان خرید یک مشتری خاص در ماه جاری چه مبلغی است؟ در نسل دوم یا همان پردازش لحظه ای برخط (OLAP) امکان پرس و جوی همزمان چند بعدی فراهم گردید. در این روش به عنوان مثال به سوالاتی مانند: «میزان فروش محصولات به تفکیک فروشنده، خریدار و مسیر خاص چقدر است؟ » بصورت لحظه ای و با استفاده از مکعب تصمیم و گزارش ماتریسی پاسخ داده می شود. اما در نسل سوم یا همان داده کاوی فقط مساله پرس و جو و دریافت گزارش ها از داده ها نیست، بلکه از حجم انبوه داده ها، الگوهایی کشف می شود که هیچ وقت امکان کشف این الگوها در OLAP یا روش سنتی وجود نداشت. انواع اطلاعات و الگوهایی که از طریق داده کاوی بدست می آیند و کاربرد دارند عبارتند از: وابستگی، تسلسل و توالی، طبقه بندی، خوشه بندی و پیش بینی. برای استخراج این الگوها اغلب از روشهای نوینی مانند شبکه عصبی و درختهای تصمیم استفاده می شود. در عمل برای امکان انجام داده کاوی و استفاده از تکنیکهای فوق الذکر، ابتدا باید نسبت به ایجاد یک انبار داده مناسب اقدام کرد. یک انبارداده در حقیقت پایگاه داده ای است که داده های جاری و همچنین سوابق قبلی تراکنشها را در خود ذخیره کرده و با منابع خارج سازمان نیز ارتباط برقرار می کند. اهداف کلی این مقاله عبارتند از ارایه تعریف دقیقی از انبار داده، بررسی تکنیکها و کاربردهای داده کاوی و کاربرد آن در مدیریت، معرفی شبکه عصبی به عنوان یکی از روشهای اجرای داده کاوی و بیان مفهوم درخت تصمیم و ارتباط آن با داده کاوی.