درخت حوزه‌های تخصصی

علی رغم توسعه شایسته سوابق علمی و تجربی مدیریت دانش، هنوز تعداد زیادی از سازمانها، در بهره برداری اثربخش آن ناکام مانده اند. ازجمله دلایل این ناکامی، شناخت و ترجمان نامناسب از ابعاد پیشبرد مدیریت دانش سازمانی و نبود یک رویکرد کل گرای کمی و کیفی در ارزیابی مولفه های کلیدی و اهداف استراتژیک کنترلی منتج از فرایند ترجمان است. این مقاله به دنبال سنجش راهبردی مدیریت دانش سازمانی است. در این بررسی، برای سنجش راهبردی مدیریت دانش سازمانی که مبتنی بر تزریق نگاه سیستمی به روش ارزیابی متوازن و تبلور روش ترجمه سیستمی راهبرد است؛ ضمن انجام مطالعات کتابخانه ای، از مصاحبه با خبرگان و الگوریتم های کیفی و کمی مناسب نظیر روش گسترش عملکرد کیفیت و روش تاپسیس فازی استفاده گردید. بر این اساس، 13 مولفه کلیدی و 21 هدف استراتژیک کنترلی در لایه های چهارگانه سیستمی شامل ورودی، فرایند، خروجی و پیامد، احصاء و با رویکرد منطق رادار، تحلیل و وضعیت داشبوردهای پایش مدیریت دانش سازمانی مشخص شد. در انتها با انجام یک مطالعه موردی از کاربرد متدولوژی پیشنهادی در شرکتهای تابعه یک هلدینگ صنایع غذایی، مفاهیم ذکر شده به طور عمیق تری مورد توجه قرار گرفت.

امروزه، بسیاری از سازمان ها از جمله دفاتر خدمات گردشگری بر بسیاری از سیستم ها به منظور راه اندازی و بقا کسب و کار خود در این محیط پیچیده ی رقابتی متکی هستند. هوش تجاری به عنوان سیستمی مطرح است که به عنوان یک مزیت رقابتی و عامل حیاتی در موفقیت سازمان ها محسوب می شود. هوش تجاری، با استفاده از یکپارچه کردن داده ها و اطلاعات سازمان امکان کنترل و رد یابی فرایندهای کلیدی سازمان را برای مدیران فراهم کرده و مبنایی برای اخذ تصمیمات اثربخش می باشد. درمقاله حاضر پس از شناسایی ابعاد، عوامل و مولفه های هوش تجاری، با استفاده از روشهای تحلیل آماری، به آزمون فرضیه ها و در صورت پذیرش فرضیه با استفاده از آزمون همگنی واریانسِ نسبت به بررسی اختلافات معنی داری واریانس عوامل پرداخته شده است. در صورت عدم معنی دار بودن اختلاف بین واریانس ها نیز، از آزمون دانکن فازی به TOPSIS جهت دسته بندی و رتبه بندی عاملها استفاده گردیده و در نهایت با استفاده از تکنیک رتبه بندی مولفه های هوش تجاری پرداخته شده است. نتایج تحقیق حاکی از آن است که دفاتر خدمات گردشگری در کلیه ابعاد و عوامل از وضعیت قابل قبولی برخوردار بوده اند به طوری که عامل منابع انسانی در بعد داخلی و مشتریان در بعد خارجی دارای بیشترین اهمیت هستند

امروزه تعداد زیادی از سازمان ها جهت بهبود کیفیت تصمیم گیری خود از سیستم های هوش کسب و کار استفاده می نمایند. اگرچه بسیاری از سازمان ها به استقرار و استفاده از سیستم های هوش کسب و کار روی آورده اند، اما همه آن ها در پیاده سازی آن موفق نبوده اند. هدف این پژوهش، شناسایی عوامل حیاتی موفقیت اجرای سیستم های هوش کسب و کار در سازمان های ایران می باشد. بدین منظور، در ابتدا با مرور پژوهش های گذشته، 26 عامل حیاتی موفقیت در اجرای موفق سیستم های هوش کسب و کار شناسایی گردیده است. میزان اهمیت هر کدام از عوامل مذکور در قالب ابزار پرسشنامه از اعضای جامعه آماری تحقیق که عبارت از مدیران و کارشناسان دارای سابقه کاری حداقل 3 ساله در زمینه مشاوره و یا پیاده سازی سیستم های هوش کسب و کار در ایران پرسیده شده است. در ادامه با استفاده از تحلیل عاملی اکتشافی به شناسایی عوامل مکنون پرداخته شده است. بر مبنای نتایج حاصل از آن، عوامل سازمانی، انسانی، مدیریت پروژه و فنی به عنوان گروه های اصلی عوامل حیاتی موفقیت اجرای سیستم های هوش کسب و کار در ایران شناسایی شده اند. نتایج حاصل از این تحقیق می تواند به محققین و فعالان حوزه سیستم های هوش کسب و کار در درک بهتر مسائل و چالش های موجود در ایران بر سر راه پیاده سازی و استقرار این سیستم ها یاری رساند.

هدف این مقاله تجزیه و تحلیل های اقتصادی، پیش بینی صحیح و دقیق متغیرهای اقتصادی است. در این زمینه، روشهای مختلفی برای پیش بینی در اقتصاد وجود دارد، که از جمله آنها میتوان به مدلهای رگرسیون ، معادلات همزمان و... اشاره کرد. مدلهای سری زمانی نیز از جمله مدلهای اقتصادی می باشند که در آن پیش بینی مقادیر سری، بیش از هر چیز به عهده خودشان گذاشته می شود اما استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصاً غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضاً غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردار هستند، استفاده می شود. شبکه های عصبی، یکی از این روش های بدیع و در حال تحول است که در موضوعات متنوعی از قبیل الگوسازی، شناخت الگو، خوشه بندی و پیش بینی به کار رفته و نتایج مفیدی داشته است. در این مقاله، از شبکه های عصبی در پیش بینی سری های زمانی داده های اقتصادی استفاده کرده ایم. در این رابطه عوامل مختلف ساختاری، روش های مختلف یادگیری شبکه های عصبی و انتخاب و کاربرد مناسب داده ها در فرایند پیش بینی، مورد ارزیابی و بررسی قرار گرفته است و با مدل های ساختاری و سری زمانی مانند اتورگرسیون برداری مقایسه گردیده است. در این پژوهش، از ابزارهای محاسباتی نرم افزار MATLAB و شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران مابین سال های 1385 تا 1390 استفاده شده است. خلاصه نتیجه گیری و پیشنهادات حاکی از آن است که مدل شبکه های عصبی مصنوعی از عملکرد بهتری در پیش بینی مقادیر متغیرها برخوردار است .

نیاز به انعطاف پذیری در بحث تولید و افزایش رقابت و نیاز به پاسخگویی به تقاضای مشتریان در زمان مناسب امری ضروری در بحث تولید می باشد. دلایل متعددی بر روی سیستم تولید انعطاف پذیر اثر گذار می باشد. یکی از دلایل مهم و تاثیر گذار خطی مشی زمان بندی است که ارتباط مستقیم با قانون توزیع امکانات دارد. انتخاب این قانون می تواند بر اساس معیار های متعدد صورت گیرد، که هریک از این معیارها بر روی یکدیگر اثر گذاری متقابل دارند. لذا یک مدل فرآیند تحلیل شبکه ای جهت یافتن یک قانون توزیع امکانات مناسب لازم می باشد. همچنین به دلیل ماهیت مسأله و عدم قطعیت در فرآیند مقایسه زوجی و اثرگذاری معیارها بر روی هم و بر انتخاب قوانین توزیع امکانات نمی توان از روش قطعی برای حل این مدل استفاده نمود. لذا، مدل فرآیند تحلیل شبکه ای با مجموعه فازی بازه ای شهودی به دلیل ویژگی های موجود در تصمیم گیری چند معیاره تحت شرایط عدم قطعیت حل می گردد. سپس انتخاب قانون توزیع امکانات با توجه به نظرات خبرگان صنعت ارائه می گردد و در خاتمه رتبه بندی مناسب جهت این انتخاب پیشنهاد می شود.

در سالهای اخیر ورود سامانههای ""برنامهریزی منابع سازمانی"" ) ERP ( به سازمانهای کوچک و متوسط ) SMEs ( موردتوجه شرکتهای ایرانی قرارگرفتهاند. نیاز روزافزون به این ابزار و وجود چالشها در مسیر اجرا، مطالعه، شناخت و بررسی ابعاد مدیریتی این سامانهها را ضروری میسازد. هوشمندی رقابتی بهعنوان یکی از مفاهیم نوین مدیریتی موجب تسریع جریان تبادل اطلاعات و دانش در سازمان شده و اثربخشی تفکر راهبردی و سیستم تصمیمگیری را بهبود میدهد. در این پژوهش به بررسی ارتباط مزایای سامانههای برنامهریزی منابع سازمان با هوش رقابتی و پشتیبانی تصمیمگیری در حوزه فعالیت کسبوکارهای کوچک و متوسط پرداخته شده است، نمایندگیهای شرکت بیمه معلم استان تهران بهعنوان مطالعه موردی انتخاب شد و با استفاده از تحلیلهای آماری، فرضیههایی در زمینه وجود و شدت ارتباط میان مؤلفههای مزایای ERP و  کارشناسی ارشد مدیریت اجرایی، دانشگاه علامه طباطبایی، تهران ) نویسنده مسئول ( Mehran_emba@yahoo.com هوش رقابتی شرکت بررسی و تائید شدند. نتایج مطالعه مقیاسهایی را برای مدل اثر مزایای ERP بر ظرفیتهای CI ارائه کرده است.

عدم وجود معیاری مناسب برای اندازه گیری عدم تقارن اطلاعاتی بین مدیرانی که اقدام به پیش بینی سود می نمایند و تحلیل گران آماری که از طریق روش های آماری اقدام به پیش بینی سود می نمایند،مساله اصلی تحقیق حاضر می باشد.هدف از تبیین عوامل موثر بر عدم تقارن اطلاعاتی سود بودجه شده مدیران با سایر روش های پیش بینی سود، شناسایی میزان عدم تقارن اطلاعاتی بین افراد درون سازمانی و افراد برون سازمانی می باشد. مبنای نظری تحقیق حاضر به تئوری نمایندگی و تئوری عدم تقارن اطلاعاتی مرتبط می باشد. براساس تئوری عدم تقارن اطلاعاتی،مدیران شرکت ها، مزیت اطلاعات نهانی از درون شرکت دارند.[20] تحقیق حاضر با اقتباس از همین مبنای نظری،قصد دارد از طریق شناسایی عوامل برتری صحت نسبی پیش بینی سود مدیریت بر سایر روش های پیش بینی سود اعم از روش های آماری و نوین اقدام به ارائه معیاری برای اندازه گیری عدم تقارن اطلاعاتی بین مدیران پیش بینی کننده سود و تحلیل گران آماری نماید. کمک تحقیق حاضر به ادبیات تحقیقات پیش بینی سود عباتند از: 1)معین شدن شرایط و موقعیت هایی را که بیشترین مزیت اطلاعاتی برای مدیران دارد یا شرایطی که نتایج و آثاری برای دارندگان اطلاعات نهانی و افشای اختیاری دارد، برای سرمایه گذاران،تحلیل گران و ذینفعان برون سازمانی با شناخت عوامل موثر بر عدم تقارن اطلاعاتی سود 2)سنجش میزان صحت و دقت پیش بینی های سود مدیریت در مقایسه با صحت پیش بینی سود براساس روش پیش بینی آماری خطی و غیرخطی توسط سرمایه گذاران(افراد برون سازمانی) 3)ارائه معیاری برای اندازه گیری عدم تقارن اطلاعاتی بین افراد درون سازمانی و برون سازمانی . ارائه چنین معیاری برای اندازه گیری عدم تقارن بین دو دسته افراد مذکور به دلیل بهتر شدن روش های تجربی پیش بینی سود دارای اهمیت می باشد.

مروزه، بسیاری از سازمانهای ارائه دهنده خدمات برای زنده ماندن و پیش افتادن از سایر رقبا در جهان باید رقابت کنند. این سازمانها تکنیک ها و ابزارهای جدید را برای شناسایی و اولویت بندی معیارهای مهم به کار میگیرند تا رضایت مشتریان را به دست بیاورند. بانک ها، به عنوان یکی از سازمانهای ارائه دهنده خدمات از این قاعده مستثنی نیستند. کیفیت نقش اساسی در صنعت بانکداری دارد و رضایت و ارضاء مشتری به عنوان یکی از اهداف اصلی در این زمینه در نظر گرفته میشود. شناخت و آگاهی از نیازهای مشتریان و نیازمندیهای آنها ارائه خدمات رضایت بخش به مشتریان را تسهیل میکند. می توان گفت درک بهتر، شناسایی دقیق و اولویت بندی نیازهای مشتریان کلید موفقیت برای مدیران بانک در صنعت بانکداری در نظر گرفته میشود .گسترش ارتباطات الکترونیکی و دسترسی تعداد زیادی از مردم جهان به شبکهی جهانی اینترنت، بستری مناسب برای برقراری مراودات تجاری و اقتصادی فراهم نموده است .این امر موجب افزایش رقابت در صنعت بانکداری شده و ارائهی خدمات بانکداری الکترونیکی را به همراه داشته است. سوالی که در این پژوهش مطرح میشود این است که آیا از این مدل مفهومی میتوان برای ارزیابی کیفیت خدمات الکترونیک استفاده کرد و الویت شاخصهای کیفیت خدمات الکترونیک به چه صورت است. نوآوری این پژوهش یکپارچهسازی روشهای برای ارزیابی (FAHP) مدل کانو و فرآیند تحلیل سلسله مراتبی فازی ،(QFD) گسترش عملکرد کیفیت کیفیت خدمات الکترونیک میباشد. این مطالعه یک روش جدید برای شناسایی و تجزیه و تحلیل اولویتهای نیازمندیهای مشتریان بانک پیشنهاد میدهد. نتایج نشان می دهد که اولویت های مشتریان ب ان ک قبل و بعد از ادغام مدل کانو در ماتریسبرنامهریزی خانه کیفیت متفاوت است.

زمان و عدم قطعیت در فرآیند برنامه­ریزی استراتژیک نقش مهمی را ایفا می­کنند. در دنیای متغیر امروزی داشتن استراتژی متناسب با شرایط متغیر محیطی از اهمیت بالایی برخوردار بوده و رویکردهای کلاسیک تدوین استراتژی، قابلیت پاسخگویی سریع و مناسب به نیاز سازمان­ها، در محیط متغیر امروزی را ندارند. درخت تصمیم فازی که حاصل ترکیب الگوریتم ID3 و تئوری مجموعه­های فازی می­باشد، مدلی سیستماتیک ارائه می­کند که سازمان­ها با استفاده از آن می­توانند در برابر تغییرات محیطی، واکنش سریع و مناسب داشته باشند. مزیت دیگر این رویکرد، توانایی کار آن با متغیرهای کلامی است که دانش حاصل از آن برای انسان از قابلیت درک بالایی برخوردار می­باشد. این رویکرد به دلیل فازی بودن توانایی برخورد با عدم قطعیت را داشته و با در نظر گرفتن حالت­های مختلف در پایگاه داده، واکنش مناسب در برخورد با تغییرات محیطی دارد. این رویکرد ابتدا صفات اصلی دخیل در امر تدوین استراتژی را شناسایی کرده و اقدام به ایجاد پایگاه داده و تشکیل درخت با محاسبه آنتروپی صفات می­کند تا پایگاه قوانین حاصل شود. در نهایت با فازی ­سازی ورودی­ها (صفات) و خروجی­ها (استراتژی­ها)، سیستم استنتاج فازی اولویت­بندی استراتژی­ها را ارائه می­دهد.

اکثر تحقیقات انجام شده در حوزه مدیریت سود به بررسی انگیزه ها و عوامل موثر بر سطح مدیریت سود پرداخته اند، ولی از این متغیرها به طور مستقیم برای پیش بینی سطح مدیریت سود استفاده نشده است. در نتیجه تنها همبستگی بین مدیریت سود و این متغیرها بررسی شده است. از این رو، طراحی یک مدل برای پیش بینی سطح مدیریت سود به منظور کاهش ریسک بحران های مالی ناشی از مدیریت سود و کمک به سرمایه گذاران، اعتبار دهندگان و سایر استفاده کنندگان از اطلاعات صورت های مالی، برای اجتناب از تحمل زیان های عمده در بازار سرمایه ضروری به نظر می رسد. در این پژوهش با استفاده از متغیرهای موجود در ادبیات مدیریت سود و بکارگیری مدل شبکه های عصبی مصنوعی سطح مدیریت سود پیش بینی شده است. شبکه با استفاده از اطلاعات سال های 1379 تا 1387 مورد آزمون و آموزش قرار گرفت و در نهایت ساختار مطلوب با دقت 0.94 درصد در مرحله آموزش و 0.69 درصد در مرحله آزمون انتخاب شد.

مؤسسات اعتباری برای در اختیار قرار دادن انواع تسهیلات اعطایی به مشتریان خود ، نیاز به انجام بررسی های کاملی به منظور شناخت متقاضیان از ابعاد کیفی و کمّی دارند، تا از این طریق، ارزیابی کاملی از سنجش توان بازپرداخت و محاسبه احتمال عدم بازپرداخت تسهیلات و خدمات تأمین مالی از سوی آنان، به عمل آید، این بررسی ها را به طور عام اعتبارسنجی گویند. هدف از انجام این تحقیق رتبه بندی گروه های مشتریان و تعیین بخش های برتر از آنها می باشد تا با استفاده از آن شرکت کارگزاری بتواند عملیات تخصیص اعتبار را به نحوی مکانیزه انجام دهد. در اینجا پس از پیش پردازش اولیه از داده ها ،آنها به شکل مدل RFM پردازش می شوند. سپس با استفاده از شبکه عصبی SOM به عنوان یکی از الگوریتم های خوشه بندی، مشتریان به 10 خوشه تبدیل خواهند شد. در ادامه با استفاده از مدل پیشنهادی، خوشه ها رتبه بندی می شوند. خوشه های برتر شناسایی و عملیات اعطای تسهیلات برای اعضای این خوشه ها انجام می شود. در نهایت سه خوشه 5، 1 و 7 به عنوان خوشه های برتر تعیین شدند که به عنوان مشتریان هدف می باشند. ضریب تسهیلات اعطایی به این سه خوشه برتر به ترتیب 0.271 ، 0.173 و 0.556 می باشد.

طی دهه های اخیر، انرژی در کنار سایر عوامل تولید نقش تعیین کننده ای در رشد اقتصادی کشورها داشته و اهمیت آن همچنان رو به افزایش است. وابستگی روزافزون به انرژی موجب تعامل این بخش با سایر بخشهای اقتصادی شده و سرعت در روند رشد و توسعه ی اقتصادی را وابسته به سطح مصرف انرژی کرده است، به طوری که طی دهه های اخیر، رشد اقتصادی جهان و روند صنعتی شدن، موجب افزایش تقاضا و مصرف انرژی شده است. در این صورت به منظورکنترل پارامترهای عرضه و تقاضای انرژی و برنامه ریزی صحیح در هدایت مصرف آن بایستی مصرف انرژی را به صورت دقیق پیش بینی نمود. هدف از این مقاله کاربست مدل ترکیبی شبکه های عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی مصرف انرژی ایران می باشد. لذا در این بررسی، از داده های سالانه مصرف انرژی کشور به عنوان متغیر خروجی مدل پیش بینی و از داده های سالانه جمعیت کل کشور، تولید ناخالص داخلی، واردات و صادرات به عنوان متغیرهای ورودی مدل های پیش بینی استفاده شده است. در پایان به منظور مقایسه نتایج پیش بینی مدل ترکیبی مذکور با مدل های شبکه ی عصبی و رگرسیون چند متغیره، از شاخص های ارزیابی خطای استاندارد نسبی (RSE)، میانگین خطا (ME) و مجذور میانگین مربعات خطا (RMSE) استفاده شد. نتایج ارزیابی نشان داد که الگوی ترکیبی شبکه های عصبی و الگوریتم ژنتیک (ANN-GA)، نسبت به سایر مدل ها دارای بالاترین دقت در پیش بینی مصرف انرژی کشور می باشد.