مدیریت داده

حجم بزرگ داده ها به تنهایی به مدیران سازمان ها در تصمیم سازی و تصمیم گیری هیچ کمکی نمی کند، بلکه باعث سر در گمی مدیران سازمانها نیز می-شود. بنابراین مدیریت داده های خام و تبدیل داده های خارجی و داخلی سازمان به اطلاعات و دانش با استفاده از تکنیک های گوناگون، نقش اساسی و محوری دارد. از تکنیک های معروف در این زمینه داده کاوی است، که می تواند بر روی بانک اطلاعاتی انجام شود و دانش مورد نیاز را به دست آورد. «دی اسپیس» سیستمی نرم افزاری،آرشیو دیجیتالی یا مخزن اطلاعات سازمانی « وب»، فضایی برای ذخیره سازی، بازیافت و مدیریت اطلاعات سازمان ها و مؤسسات ایجاد می کند. هدف از ارائه این مقاله استخراج دانش از سوابق و تاریخچه جستجوهای کاربران در پایگاه داده«دی اسپیس» با استفاده از الگوریتم های داده کاوی است، تا با به دست آوردن ارتباطات و وابستگی های میان عبارت های جستجو شده بتوان امکان جستجوی هوشمند را در«دی اسپیس» اضافه کرد. این کار علاوه بر افزایش سرعت و کارایی جستجوی کاربر، توانایی «دی اسپیس» را هم افزایش می دهد. با این ایده هم اینکه از جستجوهای بسیار کاربر برای مفهومی جلوگیری می شود، که در صرفه جویی در زمان بسیار مؤثر است و هم برای ایده دادن به کاربر در راستای نشان دادن عبارت هایی که با هم ارتباط منطقی دارند و در رساندن کاربر به هدف از جستجو، کمک می کند. سرانجام در بخش ارزیابی پژوهش نشان داده شده است که تعداد رکورد های بازیابی شده در «دی اسپیس» مجهز به داده کاوی بیش تر و هدف مندتر از «دی اسپیس» بدون این توانایی است و چون کاربر را در راستای جستجویش یاری داده و ایده هوشمندانه به او می دهد، رضایت مندی کاربر را نیز، به همراه دارد.

مدیریت داده های پژوهشی شامل تمام فرایندها و اقداماتی است که اطمینان حاصل می کند که داده های پژوهش به خوبی سازماندهی، مستند، حفظ، ذخیره، پشتیبان گیری، در دسترس، موجود و قابل استفاده مجدد شوند.هدف از این پژوهش ارزیابی نحوه مدیریت، شناسایی مشکلات و نیازمندی های داده های پژوهش در فرایند پژوهش در بین محققان علم اطلاعات و دانش شناسی کشور از پنج منظر، تولید و جمع آوری ، ضبط و پردازش، حفظ و تهیه پشتیبان، انتشار و به اشتراک گذاری داده ها می باشد.گردآوری داده ها از طریق یک پرسشنامه انجام شد. جامعه آماری پژوهش 96 نفر از محققان، استادان و دانشجویان تحصیلات تکمیلی در رشته علم اطلاعات و دانش شناسی دانشگاه های ایران می باشند. از نرم افزار Excel برای تجزیه و تحلیل آماری هر سوال استفاده شد و روند تجمیع و پراکندگی داده ها بصورت فراوانی و درصد نشان داده شده اند.نتایج نشان می دهد در روند تولید و جمع آوری داده ها، رایج ترین نوع داده های تولید شده داده های تجربی، بیشترین داده های تولید شده در قالب داده های متنی و داده های پردازش شده از نرم افزار ها، فراوانی تولید داده ها در طول پژوهش برای محققان بسیار بالا و بصورت ماهانه بوده است و حجم داده های تولید شده برای هر پاسخگو بطور متوسط در سطح نسبتا بالایی می باشد. در بعد ضبط و پردازش داده ها، رایج ترین روش ضبط داده ها بصورت اسناد الکترونیکی است. نرم افزارهای پردازش داده متفاوتی مورد استفاده واقع می شوند، نرم افزارهای Excel و SPSS و سپس Word بیشترین استفاده را داشته اند. برای نگهداری و تهیه نسخه پشتیبان از داده ها، اکثر پاسخ دهندگان از رایانه شخصی استفاده می کنند. مشخص شد اکثر پاسخ دهندگان از هیچ برنامه مدیریت داده های پژوهشی مناسب استفاده نمی کرده اند. جهت انتشار و به اشتراک گذاری داده ها، اکثر پاسخ دهندگان شناخت کافی از منابع بخصوص مجلات حوزه کاری خود ندارند. همچنین آنها دیدگاههای متفاوتی در زمینه ثبت داده ها توسط مجلات دارند، اما در واقع آن را اقدام خیلی خوبی می دانند این در حالیست که از مخازن و شرایط نگهداری داده ها شناخت خوبی ندارند و بیشترین آشنایی آنها روش دسترسی آزاد می باشد . در مقوله نیاز به خدمات اشتراک گذاری و مدیریت داده های پژوهشی، متفق القول به مشکلاتی نظیر عدم اشتراک گذاری داده ها، از بین رفتن داده ها، ذخیره سازی، انتشار و امنیت داده ها اشاره دارند. همچنین کتابخانه ها و مراکز پژوهشی را مناسب ترین سازمان جهت مدیریت داده ها می دانند و خدماتی نظیر سیاست گذاری، تدوین استانداردها جهت جمع آوری، ذخیره، انتشار، اشتراک و امنیت داده ها را الزامی می دانند. در نهایت، روش های خدمات ارجاعی و پاسخگویی، برگزاری کارگاه های آموزشی، شیکه های اجتماعی و برپایی سمینارها جهت تقویت مدیریت داده های پژوهشی و اشتراک گذاری داده ها را مناسب می دانند. اگرچه این نظرسنجی در رشته علم اطلاعات و دانش شناسی انجام شده است، اما می تواند الهامی برای طراحی مجموعه ای از خدمات کتابخانه ای برای رشته های دیگر، به خصوص در ارتقاء، مشاوره و آموزش مدیریت داده ها و به اشتراک گذاری پژوهشات و ذخیره سازی داده های پژوهشی، فراهم آورد .

حجم انبوه داده از یکسو و اهمیت یافتن روزافزون نقش داده در سازمان ها از سویی دیگر، مدیریت داده را اجتناب ناپذیر می کند. یکی از مسایل مهم در مدیریت داده، تعیین نقش های لازم و تقسیم مسئولیت و حقوق ناشی از آن است. الگوی تقسیم مسئولیت در یک سازمان به ساختار آن بستگی دارد و ساختار یک سازمان نیز تابع سه عنصر پیچیدگی، رسمیت و تمرکز است. در سازمان های ائتلافی، تقسیم مسئولیت و اختیارات میان واحد مرکزی و واحدهای تابعه، پیچیده تر بوده و نیازمند الگوی روشن و مدون برای تشریک مساعی و همکاری در موضوعات مختلف از جمله مدیریت داده است. در این پژوهش با استفاده از ماتریس تقسیم مسئولیت، الگویی برای همکاری و تقسیم مسئولیت های مرتبط با مدیریت داده در بدنه اصلی و زیرمجموعه های تابعه یک سازمان ائتلافی به دست آمده و با استفاده از روش دلفی به اجماع خبرگان رسانده شده و با استفاده از آن، چگونگی تقسیم مسئولیت های مدیریت داده در وزارت علوم تحقیقات و فناوری جمهوری اسلامی ایران و دانشگاه های تابعه تبیین شده است.

هدف: تعیین پرکاربرد ترین مؤلفه های مدیریت داده های پژوهشی از دید کتابداران کتابخانه های دانشگاهی علوم پزشکی قطب 7 کشور بوده است. روش پژوهش: در پژوهش حاضر از روش آمیخته (کیفی-کمی) استفاده شده است. داده های بخش کیفی متشکل از 20 نفر از خبرگان رشته، انتخاب و فرم های نظرسنجی با هدف اجماع نظرات، در 3 راند برای ایشان ارسال و ارزیابی انجام شد. در بخش کمی پرسشنامه محقق ساخته، نظرات 127نفر از کتابداران کتابخانه های دانشگاهی مورد نظر گردآوری شد. داده های کمی بوسیله آزمون های t ، فریدمن، تحلیل عاملی و مدل یابی معادلات ساختاری با نرم افزار PLS، تجزیه وتحلیل شدند. یافته ها: 6 مؤلفه در مدیریت داده پژوهشی از میان مؤلفه های دوازده گانه شناسایی شده در فازهای دلفی، پرکاربردترین آنها در کتابخانه های دانشگاهی علوم پزشکی قطب 7 کشور بوده اند که به ترتیب شامل: زیرساخت داده؛ نقش نظارتی؛ استفاده مجدد؛ بودجه؛ سازماندهی؛ اشتراک گذاری) بوده اند. میانگین بارهای عاملی 6 مؤلفه مذکور در کتابخانه های دانشگاهی مورد پژوهش، بالاتر از 6/0 (قابل قبول) بود. ضریب آلفای کرونباخ، پایایی ترکیبی و مقدار AVE برابر با 5/0 بوده، لذا تمامی معیارها در متغیرهای پنهان، در محدوده قابل قبول بوده اند. نتایج آزمون های t و فریدمن در بخش کمی نشان داد که از نگاه کتابداران در مقوله های فوق الذکر تفاوت معناداری نسبت به سایر مؤلفه ها وجود دارد. نتیجه گیری: بنابر نظر کتابداران کتابخانه های دانشگاهی علوم پزشکی قطب 7 کشور، مؤلفه های زیرساخت داده، نقش نظارتی، استفاده مجدد، بودجه، سازماندهی و اشتراک گذاری، کاربردی ترین مؤلفه ها در مدیریت داده های پژوهشی در اینگونه کتابخانه ها هستند که می توان از آنها به عنوان معیاری برای اجرای پژوهش های آتی و نیز جهت ساخت ابزاری برای انجام پژوهش های مرتبط استفاده کرد.

 امروزه فناوری های جدید، مجموعه های متنوعی از داده ها را در علوم مهندسی تولید می کنند. علم داده، ابزارهای لازم برای ذخیره سازی، تجزیه و تحلیل و مدیریت این مجموعه داده ها را ارائه کرده و سبب ایجاد تحولی جدی در توسعه علم و فناوری گردیده است. در آینده ای نزدیک تقریباً در همه حوزه ها، مشاغل سنتی به سرعت با مشاغل داده محور جایگزین می شوند. نبودن نیروی انسانی کارآمد و آموزش دیده مانعی جدی برای مدیریت داده های حجیم در سازمان ها، بنگاه ها و دستگاه های اجرایی است. در نتیجه، آموزش و به کارگیری علم داده در مقطع کارشناسی و تحصیلات تکمیلی در رشته های مهندسی و از جمله مهندسی شیمی اجتناب ناپذیر است. در این مقاله، به بررسی اهمیت ایجاد دروس مرتبط با علم داده، آموزش روش های ارزیابی داده های کلان و نقش این آموزش ها در توسعه مهندسی شیمی در دانشگاه و صنعت پرداخته می شود. برای این منظور، دروس علم داده در دانشگاه های برتر مورد بررسی قرار می گیرد و در نهایت پیشنهادهایی برای ایجاد دروس علوم داده در برنامه آموزشی مهندسی شیمی در ایران ارائه می شود. هم چنین سرفصل هایی به منظور نحوه ارائه این درس یا دروس پیشنهاد می گردد. ارائه این آموزش ها به مهندسین شیمی، می تواند آن ها را به منظور کسب فرصت های شغلی و نحوه مواجهه با داده های حجیم و کلان در صنایع شیمیایی یاری نماید.