تصمیم کاوی در فرآیندهای فناوری اطلاعات- مطالعه موردی فرآیند تبدیل شناسایی ایده های جدید (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
فرآیندهای دانش بنیان جزء جدایی ناپذیر فرآیندهای کسب و کار شرکتهای فعال در حوزه فناوری اطلاعات هستند. در این صنعت، فرآیندهای دانش بنیان که مبتنی بر دانش نیروی ماهر اجرا می شوند و در زنجیره ارزش شرکتهای فعال این حوزه نقشی اساسی ایفا می کنند. مهمترین عنصر در فرآیندهای دانش بنیان، تصمیم گیری های صورت گرفته در این فرآیندها است. از این رو مساله شناسایی قواعد و مدلهای تصمیم فرآیندهای دانش بنیان دارای اهمیت به سزایی است. در این مقاله یکی از مهمترین فرآیندهای موجود در صنعت نرم افزار (فرآیند شناسایی و تصمیم گیری در خصوص ایده های مطرح شده) مورد بررسی قرار می گیرد و با استفاده از لاگ های تصمیم گیری موجود در یکی از بزرگترین شرکتهای نرم افزاری کشور، به تحلیل این فرآیند با استفاده از نظریه مجموعه های ژولیده پرداخته می شود. بر اساس این نظریه و با بهره گیری از الگوریتم کاست سریع، روشی گام به گام برای تحلیل داده ها و شناسایی قواعد تصمیم گیری ارایه می شود. این الگوریتم در گام نخست خصیصه های حیاتی مورد استفاده در نقطه تصمیم را شناسایی نموده و سپس مدل تصمیم گیری را به صورت قواعد اگر-آنگاه ارایه می کند. نتایج ارزیابی نشان می دهد که در نتیجه بهره گیری از این مدل حجم مورد نیاز برای مراجعه مستقیم به تصمیم گیرندگان کاهش قابل توجهی خواهد داشت و فرآیند تصمیم گیری و در نتیجه مدت زمان کل فرآیند کاهش قابل ملاحظه ای خواهد یافت.Decision mining in information technology processes - a case study of the new idea discovery process
Effective knowledge-based processes are essential for companies operating in the information technology industry. These processes rely on the expertise of skilled workers and play a crucial role in the value chain of such organizations. Decision-making is a critical element of knowledge-based processes, highlighting the need to identify decision rules and models accurately. In this paper, we examine the process of identifying and deciding on proposed ideas in the software industry, analyzing decision logs from a leading software company. The Rough sets theory and fast Reduction algorithm are employed to provide a step-by-step approach to data analysis and decision mining. The algorithm identifies vital features used in decision-making and presents the decision model as if-then rules, utilizing existing equivalence rules between data. The results demonstrate that this model can significantly reduce the direct involvement of decision-makers and the duration of the decision-making process.
تبلیغات
