
مطالعات مدیریت کسب و کار هوشمند (مطالعات مدیریت فناوری اطلاعات سابق)
مطالعات مدیریت کسب و کار هوشمند سال 13 تابستان 1404 شماره 52 (مقاله علمی وزارت علوم)
مقالات
حوزههای تخصصی:
این پژوهش باهدف مدل سازی پیشران ها و پیامدهای تحول دیجیتال در اکوسیستم کسب وکار صنعت فولاد کشور ایران انجام شد. پژوهش حاضر ازنظر هدف یک تحقیق کاربردی-توسعه ای است و ازنظر شیوه گردآوری داده ها نیز یک تحقیق توصیفی-پیمایشی می باشد. در راستای هدف از طرح تحقیق آمیخته اکتشافی استفاده شد. جامعه مشارکت کنندگان بخش کیفی شامل اساتید مدیریت و مدیران صنعت فولاد کشور است. با روش نمونه گیری نظری پس از 20 مصاحبه اشباع نظری حاصل شد. در بخش کمی نیز با روش تحلیل توان کوهن نمونه ای به حجم 140 نفر از مدیران و کارشناسان صنعت فولاد کشور انتخاب شدند. ابزار گردآوری داده ها، مصاحبه نیمه ساختاریافته و پرسشنامه محقق ساخته بود. روایی بخش کیفی بر اساس اعتبارپذیری، انتقال پذیری، تأییدپذیری و اطمینان پذیری بررسی شد و برای سنجش پایایی بخش کیفی ضریب هولستی 707/0 و کاپای کوهن 658/0 برآورد گردید که مطلوب است. پرسشنامه با برآورد نسبت روایی محتوایی، روایی همگرا و روایی واگرا اعتبارسنجی شد. همچنین آلفای کرونباخ، ضریب رو و پایایی ترکیبی تمامی سازه ها بالای 7/0 برآورد شد. برای تجزیه وتحلیل داده ها از روش تحلیل کیفی مضمون، روش مدل سازی ساختاری-تفسیری و روش حداقل مربعات جزئی استفاده شد. یافته های پژوهش نشان داد عوامل اکوسیستم کسب وکار، عوامل مدیریتی، بسترهای سخت افزاری و نرم افزاری عوامل پیشران هستند که بر استراتژی تحول دیجیتال تأثیر دارند. استراتژی تحول دیجیتال نیز بر تحول دیجیتال صنعت فولاد تأثیر دارد و تحول دیجیتال نیز به نوبه خود بر نوآوری دیجیتال و ارتباطات دیجیتال تأثیر دارد و عملکرد نوآورانه، عملکرد اجتماعی و عملکرد بازاریابی را تحت تأثیر قرار داده و درنهایت دستیابی به عملکرد مالی میسر می شود. کلیدواژه ها: تحول دیجیتال، اکوسیستم کسب وکار، صنعت فولاد کشور ایران.
تحلیل یادگیری زدایی مدیران در مهارت افزایی در عصر تحول دیجیتال(مقاله علمی وزارت علوم)
حوزههای تخصصی:
در جهان پر شتاب و تحول آفرین کنونی، همه شواهد حکایت از محوری بودن نقش انسان در عبور از مشکلات، گشایش تنگناها، ایجاد تکنولوژی پیشرفته و تولید فناوری های گوناگون دارد. در این عرصه مدیران سنگ زیر بنای هر سازمانی هستند و سازمان در صورت مدیریت صحیح و برخوداری از مدیران بامهارت می تواند به توانمندی و توسعه برسد. لذا در این مقاله ،سعی شده است یادگیری زدایی مدیران در مهارت افزایی در عصر دیجیتال مورد بررسی قرار گیرد. پژوهش حاضر از جمله پژوهش های jترکیبی می باشد، که داده های از طریق مصاحبه نیمه ساختار یافته با نخبگان، که به روش گلوله برفی انتخاب شده بودند، گردآوری شدند. بمنظور تجزیه و تحلیل داده ها از روش تحلیل مضمون بهره گرفته شد، در نهایت 59 مضون پایه، 11مضمون سازمان دهنده و 3 مضمون عالی بدست آمد. مضمون های بدست آمده با روش توافق جمعی و آزمون دوجمله ای مورد ارزیابی و تأیید قرار گرفتند. نتایج نشان داد که سه عامل کلیدی درک دیجیتالی شدن)داشتن چشم انداز دیجیتال، تفکر انتقادی و انعطاف پذیری شناختی)، بستر سازی دیجیتال(باز تعریف وظایف و مسئولیت ها، سازگاری و انطباق پذیری، سواد دیجیتال، ذهنیت دیجیتال) و تغییرات پیشرو(هوش عاطفی- اجتماعی ،شبکه سازی، تفکر انعکاسی) از مهارت های اساسی مدیران برای موفقیت سفر دیجیتال سازمان ها می باشد.
پیش بینی زمان انتظار سفارشات قطعات خودرو در زنجیره تأمین با استفاده از یادگیری ماشین(مقاله علمی وزارت علوم)
حوزههای تخصصی:
هدف این پژوهش بررسی عوامل موثر در پیش بینی زمان انتظار و ایجاد مدل پیش بینانه زمان انتظار سفارشات کانبان به جهت بهبود پایداری و تاب آوری در زنجیره تامین ناب می باشد. برای دستیابی به این هدف، مطالعه از روش داده کاوی پیروی می کند، مجموعه داده ها شامل 103023 مشاهده، ازسیستم کانبان واکسترانت زنجیره تامین با رعایت الزامات شاخص های کیفیت دیتاست در بازه 6/1402 تا 11/ 1402 استخراج شده است. ابتدا شاخص های موثر بر زمان انتظار سفارشات استخراج شده است و به جهت بهبود عملکرد و دقت پیش بینی، از فرآیندکاوی جهت شناسایی متغیرهای پرتکرار و تاثیرگذار در واریانت های اصلی و سپس در مرحله برازش مدل، از رویکرد تحلیل گام به گام تلفیقی جهت انتخاب ویژگی ها و از تنظیم پارامتر رویکردهای رگرسیونی ناپارامتریک استفاده شده است. مدل پیش بینانه با استفاده از مدل های رگرسیونی خطی چندمتغیره، چندمتغیره دارای انحنا، لاسو، الاستیک نت، درخت تصمیم تقویتی، جنگل تصادفی بوت استرپ، k- نزدیک ترین همسایه، شبکه عصبی تقویتی برازش داده شده است. عملکرد مدل های رگرسیونی برازش شده با استفاده از شاخص های ارزیابی R^2 ، RASE و اعتبارسنجی نتایج و مدل تایید شده است. نتایج نشان داد که عوامل لجستیکی در زمان انتظار سفارشات موثر بوده و الگوریتم شبکه عصبی تقویت شده بهترین مدل در پیش بینی زمان انتظار سفارشات با دقت 96 درصد و با خطا 84/5 است. سپس قابلیت پیش بینی مدل برای دیتاهای جدید در سیستم صدور سفارشات کانبان به کار گرفته شده است، نتایج و بهبودهای حاصل از بهره گیری قابلیت های داده کاوی در سیستم کانبان همگی بیان گر تاثیر معنی دار ترکیب ابزار ناب و یادگیری ماشین به جهت توانمندسازی و تاب آوری زنجیره تامین ناب می باشد.
طراحی چارچوبی برای توسعه تخریب خلاق داده محور(مقاله علمی وزارت علوم)
حوزههای تخصصی:
خاستگاه تغییرات فناورانه مدرن، زمینه را برای درک تحولات فناورانه، بررسی تاثیر فناوری های دیجیتال جدید، و بررسی پدیده اختلال دیجیتال در صنایع و مشاغل فراهم می کند. آنچه قابل توجه است نقش داده ها در تحولات فناورانه و در نتیجه تخریب خلاقی است که تحول دیجیتال و مدل ها و استراتژی های کسب وکار جدید، نوآوری و قابلیت ها در سطوح جهانی، ملی، شرکتی و محلی را در منجر می شود. هدف اصلی پژوهش حاضر طراحی چارچوبی برای توسعه تخریب خلاق داده محور است. روش تحقیق، به صورت کیفی با رویکرد داده بنیاد و نظریه اشتراوس و کوربین و رهیافت نظام مند انجام گرفت؛ جامعه آماری تحقیق شامل کسانی که دانش نظری در رابطه با تئوری های کارآفرینی به ویژه تخریب خلاق و کسانی که تجربه کافی در حوزه کسب و کارهای داده محور داشته باشند. برای تحلیل داده های کیفی، مراحل کدگذاری باز، محوری و انتخابی را طی کرده و در نهایت الگوی پارادایمی گراندد تئوری در بر دارنده 5 بعد اصلی و 21 بعد فرعی شامل عوامل علی(فناوری، شخصییتی و رفتاری، چارچوب نهادی) عوامل زمینه ساز(داده های رفتاری،داده های متنی، داده های روانشناختی، اطلاعات دموگرافیک، داده های جغرافیایی، میل به تخریب)، عوامل مداخله گر(فناوری سازمانی، درجه ای که ارزش جدید خلق می شود، اثربخشی و مدیریت هزینه)، راهبردها(راهبرد توسعه خلاقیت، راهبرد مبتنی بر ساختار، راهبرد بازتعریف مدل کسب و کار، راهبرد حس کردن و شکل دادن، راهبرد شناسایی و توقیف، راهبرد تغییر شکل و پیکربندی مجدد) و پیامدها( فناورانه، اجتماعی- اقتصادی) شکل گرفت.
روشی برای بیشینه سازی بهره وری مالی بسته های اینترنت اپراتورهای تلفن همراه(مقاله علمی وزارت علوم)
حوزههای تخصصی:
شاید بتوان گفت که مهمترین هدف اپراتورهای تلفن همراه، بیشینه کردن بهره وریشان است. فارغ از هزینه های عملیاتی و سرمایه گذاری، بهره برداری حداکثری از منابع موجود می تواند آنها را به این هدف نایل کند. بدین منظور، اپراتورها برای پر کردن ظرفیت های خالی شبکه خود در ساعات کم بار بودن آن، بسته های داده با قیمت های مناسب ارائه می دهند تا کاربران را برای استفاده از شبکه در این ساعات، تشویق کنند. آنها این بسته ها را بر اساس میزان متوسط بار ترافیکی کل شبکه خود در ساعات مختلف روز تنظیم می کنند. اما به این نکته مهم توجه نمی کنند که در نواحی مختلف جمعیتی یک شهر، الگوی ترافیکی در ساعات مختلف متفاوت است. در این مقاله، به صورت اتوماتیک، نواحی مختلف جمعیتی تشخیص داده شده اند. این کار به کمک خوشه بندی روی الگوی ترافیکی انجام شده است. با تشخیص نواحی جمعیتی و با توجه به الگوی ترافیکی ناحیه مربوطه، برای کاربران، نسبت به منطقه ای که بیشتر در آن حضور دارند، نحوه تخصیص بسته مناسب بررسی و تحلیل شده است. در ادامه، دیگر کاربردهای قابل استفاده این خوشه بندی برای ارائه سرویس های مختلف بیان شده است و نهایتا نتیجه گیری انجام گشته است.
مدلی برای کاهش ریزش مشتریان با استفاده از مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی در صنعت بیمه(مقاله علمی وزارت علوم)
حوزههای تخصصی:
مطالعه حاضر از نظر هدف یک مطالعه کاربردی-توسعه ای است که درصدد ارایه الگوی کاهش ریزش مشتریان با استفاده از مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی در صنعت بیمه می باشد. از منظر روش گردآوری داده ها یک پژوهش پیمایش مقطعی است. برای نیل به هدف از طرح پژوهش آمیخته اکتشافی (کیفی-کمی) استفاده شد. در بخش کیفی از روش تحلیل مضمون و در بخش کمی از روش حداقل مربعات جزئی استفاده شد. جامعه مشارکت کنندگان بخش کیفی شامل مدیران شرکت بیمه ایران بودند که 17 نفر با روش نمونه گیری هدفمند انتخاب شدند. در بخش کمی نیز جامعه آماری متشکل از مدیران و کارشناسان بیمه ایران و مدیران نمایندگی های بیمه ایران در استان گیلان، با روش اندازه اثر و تحلیل توان، 130 نفر به روش نمونه گیری خوشه ای-تصادفی انتخاب شدند. ابزار گردآوری داده ها در بخش کیفی، مصاحبه نیم ساختاریافته و در بخش کمی، پرسشنامه محقق ساخته بود . یافته های پژوهشی نشان داد عوامل فنی هوش مصنوعی، عوامل مدیریتی هوش مصنوعی و بازاریابی رابطه ای بر مدیریت ارتباط با مشتریان تاثیر می گذارند. مدیریت ارتباط با مشتری با اثرگذاری بر شخصی سازی خدمات و مشتری گرایی منجر به بهبود تجربه مشتریان می شود. این عامل خود با اثرگذاری بر وفاداری مشتریان، رضایت مشتریان و مشارکت مشتریان به کاهش ریزش مشتریان منتهی می گردد. بنابراین مشخص شد هوش مصنوعی یک سازه زیربنایی است که از منظر فنی و مدیریتی می تواند به بهبود مدیریت ارتباط با مشتری در نمایندگی های بیمه ایران کمک کرده و سبب کاهش رویگردانی و ریزش مشتریان شود.
تغییر مدل کسب و کار استارتاپ ها از طریق رویکرد مبتنی بر الگو مدل کسب وکار(مقاله علمی وزارت علوم)
حوزههای تخصصی:
تغییر مدل کسب وکار استارتاپ ها برای تطبیق با نیازهای متغیر بازار و افزایش رقابت پذیری ضروری است، اما بیشتر مطالعات پیشین بر شرکت های مستقر متمرکز بوده اند. همچنین برخلاف مطالعات پیشین که بیشتر به عوامل تاثیر گذار بر نوآوری مدل کسب وکار پرداخته اند، این پژوهش به طور ویژه بر فرآیند تغییر مدل کسب وکار مبتنی بر الگوهای مدل کسب وکار تمرکز دارد. در جهت برطرف کردن این شکاف علمی، هدف این مطالعه ارائه چارچوبی برای درک بهتر تغییر مدل کسب وکار استارتاپ ها بود. برای تحقق این هدف، از روش مرور نظام مند استفاده شد و پس از تعیین سؤال پژوهش، استراتژی جست وجو و غربالگری، ۹۵ مقاله معتبر منتشرشده بین سال های ۲۰۰۰ تا ۲۰۲۴ مورد تحلیل قرار گرفت. در ابتدا، چارچوب مفهومی اولیه بر اساس ادبیات نظری شکل گرفت و سپس با استفاده از تحلیل مضمون قیاسی-استقرایی توسعه داده شد. مضامین فراگیر شناسایی شده شامل تازگی، کارایی، قفل درونی، مکملی، و انطباق بودند که در چهار بعد تغییر مدل کسب وکار شامل محتوا، ساختار، حاکمیت و جریان تحلیل شدند. هر یک از این مضامین شامل مضامین پایه مختلف هستند که نشانگر نحوه تغییر اجزای مدل کسب وکار استارتاپ ها هستند. این پژوهش با شناسایی الگوی جدید «انطباق» در کنار چهار الگوی متداول (تازگی، کارایی، قفل درونی و مکملی) و افزودن بعد «جریان» به ابعاد سه گانه محتوا، ساختار، حاکمیت، نوآوری مدل کسب وکار استارتاپ ها را از منظر گسترده تری بررسی می کند. نتایج نشان داد که این مضامین به صورت هم افزا عمل کرده و نقش اساسی در ایجاد مزیت رقابتی و پایداری کسب وکار ایفا می کنند.