بررسی اثر قابلیت های هوش تجاری و یادگیری شبکه بر داده کاوی برای عملکرد استارتاپ

Investigating the business intelligence capabilities’ and network learning effect on the data mining for start-up’s function

چکیده
1 مقدمه
2 روش ها
3 نتایج
4 بحث
5 نتیجه گیری
منابع

چکیده

در سال‌های اخیر، استارتاپ ها جز مفاهیم جدید در دنیای فناوری هستند و به‌ معنای سازمان‌های موقت می باشند که برای یافتن یک مدل کسب و کار تکرارپذیر و قابل ارتقا طراحی شده‌اند، حال آنکه یک راه‌حل جدید برای مسئله ارائه می‌دهند. آنچه برای موفقیت استارتاپ ها اهمیت دارد، هدفگذاری درست و معقول است. این همان چیزی است که معمولاً توسط درصد زیادی از چنین کسب و کارهایی نادیده گرفته می شود و موجب می شود در مدت زمان کوتاهی شکست بخورند. تولید محصول یا ارائه خدمات جدید، بدون برنامه ریزی امکان پذیر نیست. هدف این مطالعه بررسی عمیق‌تر این موضوع است که چگونه استارتاپ‌ ها باید مسائل و مشکلات را هنگام معرفی یک محصول یا خدمات جدید شناسایی و اولویت‌بندی کنند. ابتدا، استارتاپ‌ ها و کسب‌وکارهای مرتبط با موضوع مورد بررسی و سپس مسائل جدید و نوظهور، از جمله وضعیت داده‌کاوی بر عملکرد استارتاپ‌ها، موضوعات هوش کسب و کار(BI)، نوآوری و یادگیری شبکه ای و همچنین نقش آنها در کسب و کار استارتاپی مورد بحث قرار گرفت. نتایج نشان داد که BI می تواند یک مزیت رقابتی برای استارتاپ ها ایجاد کند. با در نظر داشتن این موضوع، این کسب و کارها ممکن است با نیازهای متنوع مشتریان در بازار سازگار شوند و به بقای خود ادامه دهند و همچنین سهم بازار بیشتری را نسبت به رقبای خود به دست آورند. علاوه بر این، استفاده از ابزارهای فناوری به شرکت ها کمک می کند تا داده های خود را به صورت یکپارچه یا ایمن در دسترس قرار دهند و با تجزیه و تحلیل داده ها، روش بهتر تصمیم گیری را برای مدیران فراهم کنند. با توجه به فرضیه ها، مشخص شد که BI به عنوان یک ابزار قدرتمند در حوزه فناوری اطلاعات، مزیت رقابتی ایجاد می کند و برای مدیران استارتاپ لازم است این ابزار را بپذیرند.

2- روش ها
2-1 نوع و روش تحقیق، روایی، نمونه آماری و اندازه نمونه
انتخاب روش تحقیق یکی از مراحل مهم تحقیق است که به اهداف، ماهیت موضوع و امکانات اجرایی آن بستگی دارد. روش تحقیق مجموعه ای از قواعد، ابزار و روش های معتبر برای بررسی حقایق، کشف مجهولات و یافتن راه حل ها برای مسائل است. هدف این تحقیق بررسی تاثیر قابلیت های BI بر کارایی کسب و کارهای استارتاپی می باشد که از نظر نوع تحقیق، توصیفی می باشد.

در این مطالعه، برای جمع آوری اطلاعات مورد نیاز از پرسشنامه استفاده شد (جدول1). پیش از شروع آغاز پرسشنامه، ابتدا هدف از جمع آوری داده ها توسط پرسشنامه و لزوم همکاری پاسخ دهندگان در ارائه داده های مورد نیاز بیان می شود.

شناسایی جامعه آماری یکی از ضروریات و اصول هر تحقیقی است. جامعه آماری در این مطالعه 1200 کسب و کار استارتاپی است. با در نظر گرفتن آمادگی استاندارد 1.96، احتمال موفقیت / شکست در نمونه گیری، 0.5 و احتمال خطای اندازه گیری 0.08 است. اندازه نمونه این تحقیق، 150 کسب و کار استارتاپی می باشد.

2-2 روش تحلیل اطلاعات
از آنجایی که تحقیق توصیفی است، در این تحقیق از روش های آماری توصیفی و استنباطی برای تجزیه و تحلیل داده ها استفاده شده است. بنابراین، برای تفسیر داده های آماری در ارتباط با فراوانی و درصد فراوانی، جداول و نمودارها و بررسی آمار توصیفی متغیرها از نرم افزار SPSS(نسخه 26: CPU i7-11600h با 32GB Ram) و برای بررسی رابطه بین متغیرهای مستقل و وابسته از نرم افزار Amos استفاده شده است. شکل 1 مدل مفهومی را نشان می دهد. این مدل مفهومی، بازنمایی از سیستمی است که در این تحقیق استفاده شده است، شامل مفاهیم مورد استفاده برای کمک به خوانندگان جهت درک موضوع این مدل می باشد. مدل مفهومی شامل 4 نقطه است، BI، NL، نوآوری و عملکرد. هر نقطه توسط یک فرآیند منطقی به یکدیگر متصل می شوند.

تأثیر هوش تجاری بر روی عملکرد مالی استارت آپ ها

The Business Intelligence impact on the financial performance of start-ups

چکیده
مخفف ها
1 مقدمه
2 بیان مشکل و روشها
2.1 تعاریف واریانس
2.2 عملکرد مالی
2.3 یادگیری شبکه
2.4 روشهای جمع آوری داده
2.5 پایایی ابزار
2.6 توسعه مدل مفهومی
3 نتایج و بحث
3.1 آمار توصیفی
3.2 آمار استنباطی
3.3 ارزیابی عوامل روایی مدل اجرایی تحقیق
3.4 چک کردن روایی برای ابزارهای سنجش
3.5 آزمون الگوی ساختاری
3.6 برازش مدل و روایی سهم
4 نتیجه گیری
منابع

چکیده

هدف هوش تجاری این است که داده های بدست آمده از منابع اطلاعاتی مختلف از مشتریان، محیط، رقبا، بازارها و غیره را بررسی، یکپارچه سازی، (به صورت منطقی) جمع آوری و (به صورت چندبعدی) تحلیل کند تا بتواند عملکرد کسب و کارها و خصوصاً استارت آپ ها را افزایش دهد. هدف تحقیق حاضر این است که تأثیر هوش تجاری بر روی عملکرد مالی استارت آپ ها را مطالعه کند. جدا از هدف عملی، روش استفاده شده بررسی توصیفی است. جمعیت آماری این مطالعه شامل مدیر عاملان و کارشناسان شرکت های استارت آپ است که در یک نمونه متشکل از 250 نفر مورد بررسی قرار گرفتند. همچنین روایی تحلیل عاملی تأییدی را با یک پرسشنامه متشکل از 43 آیتم اعتبارسنجی کردیم و برای جمع آوری داده هم از تحلیل روایی استفاده کردیم. نتایج نشان داد که هوش تجاری روی یادگیری شبکه ای در استارت آپ ها تأثیرگذار نیست اما با این حال هوش تجاری، ابتکار در استارت آپ ها را 0.99 واحد افزایش می دهد و ابتکار نیز به نوبه خود عملکرد مالی استارت آپ ها را 0.311 واحد، یادگیری شبکه برای افزایش ابتکار در استارت آپ ها را 0.632 واحد و یادگیری شبکه درباره افزایش عملکرد مالی در استارت آپ ها را 0.397 واحد افزایش می دهد. تأثیر هوش تجاری بر روی ابتکار و همچنین یادگیری شبکه نیز تأثیر ابتکار و یادگیری شبکه بر روی عملکرد مالی را تأیید کرد. لذا می توانیم نتیجه گیری کنیم که تأثیر هوش تجاری بر روی عملکرد مالی به صورت غیرمستقیم و از طریق نقش واسطه ابتکار و یادگیری شبکه در استارت آپ ها مورد مطالعه قرار گرفته است. جالب این است که این دو عامل برای افزایش عملکرد مالی ضروری هستند.

1 مقدمه

یک استارت آپ یک شرکت است که توسط یک کارآفرین راه اندازی می شود تا یک مدل کسب و کار مقیاس پذیر را بررسی کند، توسعه دهد، و اعتبارسنجی کند (کاتیلا، چن و پیزونکا 2012). حتی با اینکه کارآفرینی به کسب و کارهای جدیدی گفته می شود که شامل خوداشتغالی و کسب و کارهایی هستند که هرگز هدفشان ثبت شدن نیست، اما استارت آپ ها به کسب و کارهای جدیدی گفته می شود که هدفشان تکامل و فراتر رفتن از یک مؤسس منفرد است. یکی از اصول کارآفرینی، توانایی ایجاد ایده های جدید و سودمندی است که مشکلات انسان را حل می کنند (راگووانشی، آگراوال و گاش 2017). کارآفرینان – خصوصاً زمانی که منابع را به شیوه های جدید و متفاوتی ترکیب کنند که یک مزیت رقابتی را نسبت به رقبای خود بدست آورند – میتوانند در خلق ارزش بازار و بهبود عملکردهای مالی و غیرمالی موفق باشند (گازمن و کاکپرزیک 2019). در ضمن اهمیت هوش تجاری در سازمان های امروزی غیرقابل انکار است چون آنها از طریق فراهم سازی اطلاعات برای شرکت ها، توانایی نظارت بر روندها و حرکات بازار رقبا و مشتریان را ایجاد می کنند (واندا و استاین 2015). مهم است که تأثیر هوش تجاری بر روی بهبود قابلیت های یادگیری و نوآوری افراد در یک کسب و کار استارت آپ را مطالعه کنیم که در نهایت روی عملکرد مالی آن تأثیر می گذارد.

4 نتیجه گیری

تأثیر هوش تجاری بر روی عملکرد مالی استارت آپ ها در این مطالعه بررسی شده است. این روش جدا از هدف عملی، یک بررسی توصیفی است. جمعیت آماری این مطالعه مدیر عاملان (CEO) و کارشناسان شرکت های استارت آپ را پوشش می دهد که در یک نمونه متشکل از 250 نفر بررسی شدند. روایی پرسشنامه 43 آیتمی نیز با استفاده از تحلیل عاملی تأییدی ارزیابی شد و برای جمع آوری داده از تحلیل روایی استفاده شد.

Abstract

Business Intelligence goal is to investigate, integrate and logically collect and multidimensional analysis of data from varied customer information sources, environment, competitors, markets, and etc. to enhance the performance of businesses, particularly startups. This research aims to study the impact of Business Intelligence on the financial performance of start-ups. The method is descriptive-survey, aside practical purpose. The study statistical population covered CEOs and experts of startup companies who were investigated in a 250-sample people. Also, 43-item questionnaire aside set up validity with confirmatory factor analysis, and validity analysis was employed for data collection. The results indicated that Business Intelligence did not impact Network Learning in startups, however, Business Intelligence enhanced Innovativeness in startups by 0.99, also, Innovativeness enhanced the financial performance of startups by 0.311, startups intelligence on Network Learning by 0.537, Network Learning on enhancing Innovativeness in startups by 0.632, and Network Learning on financial performance enhancement in startups by 0.397. The impact of Business Intelligence on Innovativeness as well as Network Learning confirmed, also, the impact of Innovativeness and Network Learning on financial performance confirmed. Thus, it can be concluded that the impact of Business Intelligence on financial performance has been studied indirectly through the mediating role of Innovativeness and Network Learning in startups. Surprisingly, these two factors are necessary to enhance financial performance.

1 Introduction

A start-up is a company set in motion by an entrepreneur to explore, develop, and verify a scalable business model (Katila, Chen & Piezunka, 2012). Even though entrepreneurship assigns to new businesses, containing self-employment and businesses that never aim to become registered, start-ups assign to new businesses that aim to evolve beyond the solo founder. One of the principles of entrepreneurship is the ability to create new and useful ideas that solve human problems (Raghuvanshi, Agrawal & Ghosh, 2017). Entrepreneurs, especially when combining resources in new and different ways to gain a competitive advantage over competitors, can succeed in creating market value and improve financial and non-financial performance (Guzman & Kacperczyk, 2019). Meanwhile, the importance of Business Intelligence in today’s organizations is undeniable because they enable the ability to monitor market trends and movements of competitors and customers by providing information to companies (Wanda & Stian, 2015). It is important to study the impact of the Business Intelligence on improving the learning and innovation capabilities of individuals in a start-up business that ultimately affects its financial performance.

4 Conclusion

The Impact of Business Intelligence on the financial performance of Start-ups investigated in this study. The method was descriptive-survey, aside practical purpose. The study statistical population covered CEOs and experts of startup companies who were investigated in a 250-sample people. Also, 43-item questionnaire aside set up validity with confirmatory factor analysis, and validity analysis was employed for data collection.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تأثیر هوش تجاری بر روی عملکرد مالی استارت آپ ها

The Business Intelligence impact on the financial performance of start-ups

اجرای یک راه حل حسابداری هزینه هوش تجاری در یک محیط مراقبت های بهداشتی

Implementing a business intelligence cost accounting solution in a healthcare setting

چکیده

1 مقدمه

2 پیش زمینه

3 روش شناسی و ابزارها

4 توسعه راه حل هوش تجاری

5 داشبورد ها

6 بحث

7 نتیجه گیری و کار های آتی

منابع

چکیده

     محیط نظام بهداشت و درمان پرتغال یک نگرانی همیشگی برای جامعه ما محسوب می ­شود. بر این اساس، همانند بخش­ های دیگر، محیط بیمارستانی دارای ساختاری پیچیده همراه با حجم زیادی از اطلاعات می­ باشد، که این مسئله فرایند تصمیم ­گیری را دشوار می ­کند. از این رو، احساس نیاز به بهبود مدیریت خدمات و منابع سازمان ­های حوزه سلامت وجود دارد. با در نظر گرفتن این مسئله، راه ­حل شامل ایجاد تغییر و تحول در سیستم فعلی با کمک سیستم ­های اطلاعاتی است که قرار است پیاده­ سازی شوند. بنابراین، ایده پیاده­ سازی سیستم ­های اطلاعاتی که از هوش تجاری در محیط­ های بیمارستانی استفاده می ­کنند، مطرح می­ شود، تمرکز و هدف این پروژه، کمک به مدیران در تجزیه و تحلیل­ های حسابداری و حسابرسی می­باشد. در همکاری با Centro Hospitalar Universitário do Porto ، تصمیم بر این شد که استفاده از هوش تجاری، با هدف پیاده ­سازی یک راه­ حل عمومی برای طرح حسابرسی هزینه تمام شده موجود بررسی شود، هدف از این راه ­حل بهبود بازدهی و ارائه ابزار های جدید به مدیران به منظور مدیریت منابع خود و در صورت نیاز برنامه­ریزی برای آینده می ­باشد.

پیش زمینه
     بخش بیمارستانی در پرتغال، سیستم¬های اطلاعاتی خود را به منظور افزایش بازدهی و تاثیرگذاری کار های انجام شده، توسعه داده است. با این حال، اگرچه پروژه¬ های متعددی در ارتباط با استفاده از فناوری به منظور بهبود خدمات وجود دارد، اما تعداد اندکی از آن ¬ها از فناوری هوش تجاری بهره¬ گرفته¬ اند[6]. با آگاهی از این مسئله که بیمارستان¬ ها سیستم¬ های حسابرسی پیچیده ای دارند، عملاً هیچ گونه زیرساختی برای حمایت از مدیران در تصمیم¬ گیری بر اساس اطلاعات حسابرسی هزینه تمام شده، وجود ندارد. همانند هر بخش دیگری، بخش بیمارستانی نیز به مدیریت منابع خود نیاز دارد.

     حسابرسی تحلیلی یا حسابرسی هزینه تمام شده، اطلاعات هزینه ¬ها را با جزئیات ارائه کرده و مدیریت برای کنترل عملیات¬ های جاری و اجرای برنامه ¬های عملیاتی آتی به این اطلاعات نیاز دارد. در گام بعدی مدیریت از این اطلاعات به منظور تصمیم ¬گیری به منظور نحوه اختصاص منابع مالی به شیوه ¬ای موثرتر و سودآور تر به حوزه -های تجاری، استفاده می¬کند [7].

     با توسعه سیستم های که راه ¬حل هوش تجاری را با برنامه ¬های فعلی سازمان ¬ها ادغام می ¬کنند، امکان بهبود فرایند تصمیم¬¬ گیری به شیوه ¬ای با ثبات ¬تر برای سازمان¬ ها ایجاد می ¬شود. به وسیله این ابزار ها، جمع¬ آوری، پردازش، ذخیره¬ سازی و توزیع اطلاعات به منظور پشتیبانی از فرایند های تصمیم¬گیری و کمک به کنترل کردن شرایط امکان ¬پذیر خواهد بود. تحقق این امر، مستلزم ادغام انواعی از سیستم¬ های اطلاعاتی¬ است که برای انجام عملیات¬ های روزانه سازمان مهم و ارزشمند هستند. با این حال، این کار مشکلات متعددی نیز ایجاد می ¬کند مانند، تداخل سیستم ¬های مختلف درون سازمان. از آن¬جایی که هر یک از خدمات، یا حیطه کاری سازمان¬ ها یک سیستم بسته است، این مسئله ممکن است تبادل اطلاعات را سخت و پیچیده کند. در مسئله مورد بحث، به دلیل وسعت زیاد واحد های بیمارستانی، و نحوه ساختار یافتن آن¬ ها در واحد ها و بخش¬ های مختلف با استفاده از یک سیستم بسته، مدیریت این حجم از داده¬ های پیچیده به طور چشمگیری دشوار شده است. بنابراین نیاز است تا از وجود و ناهمگونی سیستم ¬های اطلاعاتی توزیع شده اطمینان حاصل شود تا سیستم ¬های مختلف با یکدیگر ارتباط برقرار کرده و تبادل اطلاعات را انجام دهند. برای تحقق این امر، لازم است تا از قابلیت تعامل¬ و همکاری میان اجزای مختلف سیستم اطمینان حاصل شود. قابلیت تعامل و همکاری به عنوان ظرفیت سیستم¬ های اطلاعاتی، دستگاه¬ها و اپلیکیشن ¬ها برای تعامل و برقراری ارتباط در استفاده از اطلاعات به طور هماهنگ در سطوح سازمانی، منطقه¬ ای، و ملی به منظور فراهم آوردن اطلاعات صحیح و به موقع، تعریف می ¬شود[8,9].

مروری بر ساختار سیستم هوش تجاری بر اساس داده های تصویری ساختار نیافته

A Review on the Construction of Business Intelligence System Based on Unstructured Image Data

چکیده

1. مقدمه

2. روش های پردازش عکس های دیجیتال

3.یادگیری عمیق بر پایه روش بینایی کامپیوتری

4.. بحث و روند آینده

تقدیر و تشکر

منابع

چکیده
     هوش تجاری یک مسئله قابل توجه و در حال ظهور در حاکمیت مدرن و عملکرد های سازمانی بوده است که توجه محققان و بازرگانان را به خود جذب می کند و با استفاده از داده‌های خام مشتریان دانش تاثیرگذار تصمیم گیری را برای حاکمیت شرکت های مختلف با استفاده از متد انبار داده ها و استخراج داده ها فراهم می آورد. با رشد ناگهانی حجم داده ها استفاده از داده های بدون ساختار مثل تصویر و متن در سیستم هوش تجاری از آنالیز توصیفی اولیه صورت های محاسباتی شکل گرفته است .این مقاله به بررسی روش های ذخیره سازی و آنالیز داده های تصویری در ساختار سیستم هوش تجاری می‌پردازد که شامل روش های فرایند سنتی تصاویر و یادگیری عمیق می شود در هر متد الگوریتم های خاص و سناریوهای کاربردی خلاصه خواهد شد. به طور کلی ما در این مقاله پیشرفت نوآوری ممکن در ساختار سیستم هوش تجاری و روند آینده را مورد بحث قرار خواهیم داد.

روش های پردازش عکس های دیجیتال
      در این بخش به بررسی برخی از تکنولوژی های پردازش تصویر دیجیتال استفاده شده در ساختار سیستم هوش تجاری می پردازیم که شامل تبدیل تصویر، بهبود تصویر، ترمیم تصویر و طبقه بندی تصویر می‌شود. برخی از برنامه های کلاسیک نیز برای تشریح روش های خاص پردازش و ویژگی های آن ها نمایش داده خواهد شد.

تبدیل تصویر ( IT )
     به آن دلیل که آرایه تصاویر بسیار عظیم است , دارای پیچیدگی زمانی زیادی می باشد که مستقیما در فضا پردازش می‌شود . بنابراین , روش‌های تبدیل متنوعی مانند تبدیل فوریه (مثال 1و2 ) , برای تبدیل پردازش بازه فضایی به پردازش بازه فرکانس مورد استفاده قرار میگیرد[ 19 ] . تبدیل موج هایی که به تازگی تحت مطالعه قرار گرفته ‌است , دارای ویژگی‌های مکانی خوبی در هر دو بازه فرکانس و فضا است و تاثیر گذاری خوبی در پردازش تصویر را نشان می‌دهد .

     هنگامی که ماهواره از ایستگاه پایه عبور می‌کند و در نهایت توسط مرکز پردازش آنالیز می‌شود، در بخش اپلیکیشن ها , در سیستم پشتیبانی تصمیم‌گیری هوافضا , اولین بار تصاویر جمع‌آوری‌شده در هوا برای به سیگنال‌های دیجیتالی ذخیره‌شده در نوار مغناطیسی تبدیل می‌شوند و سپس با سرعت بالا منتقل می‌شوند . در بخش ارتباطات , مقدار داده‌های تصویر بسیار بزرگ است که با در نظر گرفتن مقدار بالای انتقال سیگنال تلویزیون رنگی , که بیش از ۱۰۰ Mbps است ، برای انتقال چنین حجم بالایی از داده‌ها در زمان واقعی , باید برای فشرده‌سازی بیت اطلاعات از تکنیک‌های کدگذاری استفاده شود. [ 20 ] .

هوش تجاری و آنالیز و اثر آن بر عملکرد شرکتهای نوپای اندونزی

Business Intelligence & Analytics and Its Effect on Indonesia’s Startup Performance

چکیده

1 مقدمه

۲ متدها

3 نتایج و گفتگو

4 نتیجه گیری

تقدیر و تشکر

منابع

چکیده

     هوش تجاری توسعه یافته ترین موضوع در تحقیق مدیریت استراتژیک است. با این حال ارتباط آن با عملکرد استارتاپ در تحقیق مورد بررسی قرار نگرفته است . این تحقیق با در نظر گرفتن این مسئله که سرمایه گذاری در اندونزی یکی از بزرگترین بخش های منطقه آسیا و اقیانوسیه است، به بررسی مدلهای استارتاپ می پردازد. این مطالعه از ESM-PLS برای آنالیز رابطه میان هوش تجاری، نوآوری، یادگیری شبکه ای، عملکرد استارتاپ استفاده می کند.واحد آنالیز استفاده شده،استارتاپ ثبت شده در مرکز داده های اندونزی بود که توسط آژانس خلاق اقتصاد راه اندازی شده بود. 992 استارتاپ ثبت شده بودند که ۸۸۵ ایمیل به شرکت‌هایی که دارای ایمیل بودند ارسال شد. فقط ۳۱ استارتاپ به پرسشنامه تحقیقاتی جواب دادند که منجر به نرخ پاسخ‌دهی سه و نیم درصد شد. یافته‌های این مطالعه نشان می‌دهد با آنکه هوش تجاری ظاهراً تاثیری بر موفقیت استارتاپ ندارد، اما بر یادگیری شبکه تأثیرگذار است. تاکنون نوآوری عامل تاثیرگذار در موفقیت استارتاپ در اندونزی نشان داده شده است. این مقاله به توضیح درباره موقعیت هوش تجاری می‌پردازد. از همه تعداد گفته شده فقط ۳۱ استارتاپ پرسشنامه تحقیقی را پر کردند و نرخ پاسخ‌دهی سه و نیم درصد شد. نتایج این مطالعه نشان می‌دهد که هوش تجاری بر عملکرد استارتاپ تاثیری ندارد اما بر یادگیری شبکه اثر می گذارد .چیزی که اثبات شده است این است که نوآوری بر عملکرد شرکت های استارتاپی اندونزی تاثیر می گذارد. این مقاله به ما اجازه می دهد که درک بهتری از نقش هوش تجاری، یادگیری شبکه و نوآوری در استارتاپ را داشته باشیم. این درک بهبود یافته می تواند در تصمیم‌گیری‌ها به مدیران و مسئولین استارتاپ کمک کند. بر خلاف نتایج به دست آمده از تحقیق قبلی بر روی تاثیر هوش تجاری بر روی عملکرد استارتاپ، نتایج به دست آمده از این تحقیق از این رابطه پشتیبانی نمی‌کند. این تحقیق راه را برای نیاز به تایید تاثیر هوش تجاری بر عملکرد استارتاپ و همچنین درک بهتر ادامه مکانیسم‌ها مساعد می کند.

بررسی مطالعات اخیر
هوش تجاری و تحلیل ها
     هوش رقابتی(CI) برنامه ای رسمی جهت جمع آوری اطلاعات رقیبان شرکت استWheelen Thomas et) al 2017 (که اغلب هوش تجاری نامیده می‌شود و یکی از سریع ترین زمینه های در حال رشد در مدیریت استراتژیک است. (Wanda & Stian, 2015)

     هوش تجاری می تواند به عنوان یک عبارت کلی در نظر گرفته شود که شامل جمع آوری فعالیت ها و فرآیندها و تکنولوژی ها همچنین ذخیره سازی، آنالیز و تحلیل اطلاعات برای بهبود تصمیم گیری است.هوش تجاری دارای سه هدف اصلی است که به معنای مهیا کردن یک درک کلی از صنعت و رقیبان، شناسایی مناطق ضعیف و پیش‌بینی اقدامات بالقوه رقیبان که موقعیت شرکت را در بازار به خطر میاندازد، میباشد. David & David) (2017عملکرد هوش تجاری بهینه اطلاعات داخلی و خارجی را برای حمایت از عملکرد تجارت ترکیب می‌کند. (Baltzan, 2020).

     اما همه این مسائل از جمله ایده تحلیل داده ها و اطلاعات به صورت مدیریتی می‌شود که برای علم مختصر و مفید است. (Al-Shubiri, 2012). در زمینه مدیریت این مفهوم تحت عنوان دیگری مورد مطالعه قرار گرفته بود. (Adidam et al., 2012). بعضی از نویسندگان از عبارت هوش تجاری برای انتقال بررسی محیط استفاده می کند که بر روی این مسئله که چگونه مدیران به بررسی محیطی سازمان های خود می پردازند تمرکز دارد. شرکت ها به هوش و آنالیز رقابتی مراجعه می‌کنند (Dishman & Calof, 2008; Gudfinnsson et al 2015 ) و بیشتر بر روی رقیبان، نقاط قدرت نقاط ضعف و رفتارشان تمرکز دارند. در حالی که برخی دیگر به هوش تکنولوژی اشاره می‌کنند که برای پویایی تکنولوژیکی است. Adidam et al., 2012; Božič) (Dimovski, 2019a; Hannula & Pirttimaki, 2003; Pellissier & Nenzhelele, 2013 این اقدام به کمپانی ها اجازه می دهد که داده ها را به دانش مفید تبدیل کند (Hoppe et al., 2009), و سپس تصمیمات بهتر و سریعتری را (Chang et al., 2015; Hannula & Pirttimaki, 2003) برای بهبود عملکرد تجارت و حمایت از تصمیم گیری ها بگیرد که در همه سطح های سازمان انجام می شود برای مثال سطح استراتژیک ، سطح تاکتیکی و عملیاتی (Gudfinnsson et al., 2015; Negash & Gray, 2008).

بین المللی سازی شرکت های کوچک و متوسط (SMEها): نقش نوآوری محصول، هوش بازاری، قیمت گذاری و قابلیت های ارتباطی بازاریابی به عنوان محرک های عملکرد بین المللی SMEs

SMEs internationalization: The role of product innovation, market intelligence, pricing and marketing communication capabilities as drivers of SMEs’ international performance

چکیده

1 مقدمه

2 برررسی پیشینه پژوهش و طرح فرضیه ها

3 روش شناسی تحقیق

4 نتایج تجربی

5 نتیجه گیری ها، محدودیت ها و برای تحقیقات آتی

منابع

چکیده
      مزیت رقابتی شرکت کوچک و متوسط(SME)، به عنوان موضوع مهمی برای محققانی که با بین المللی سازی SME ها سرو کار دارند، شناخته شده است. پژوهش های گذشته به بررسی نقش مزیت رقابتی شرکت به عنوان عامل تعیین کننده عملکرد بین المللی پرداخته اند، اما مطالعات کمی وجود دارند که به تحلیل عوامل تعیین کننده مزیت رقابتی شرکت ها و نقش بالقوه واسطه ای آن در رابطه بین قابلیت های سازمانی و عملکرد بین المللی SME ها می پردازند. در این مقاله، ما چهار قابلیت صادرات (هوش تجاری، نوآوری محصول، قیمت گذاری و ارتباطات بازاریابی) را به عنوان عوامل تعیین کننده مزیت رقابتی برای SME های صادراتی فرض نمودیم. بر اساس نمونه ای از 119 SME صادراتی فعال مالزیایی و استفاده از مدلسازی معادلات ساختاری حداقل مربعات جزئی(PLS)، نتایج نشان داد که سه مورد از قابلیت های ذکر شده منجر به مزیت رقابتی می شوند. علاوه بر این، نتایج نشان داد که مزیت رقابتی، بین قابلیت قیمت گذاری و عملکرد بین المللی SME ها، تنها نقش میانجی دارد. نتایج اصلی این بررسی می تواند برای SME ها و استارتاپ هایی که می خواهند از فرصت های موجود در بازارهای خارجی برخوردار شوند، سودمند باشد.

برررسی پیشینه پژوهش و طرح فرضیه ها
     نقش مزیت رقابتی در موفقیت شرکت به طور گسترده در پیشینه پژوهش مورد بحث قرار گرفته است( بارنی، 1991؛ گرانت، 1991؛ پورتر، 1985). برای رقابتی ماندن در بازارهای خارجی، شرکت صادراتی باید به مزایای خاصی دست یابد که ضرورتا باید ارزشمند و کمیاب باشد (لی و لو، 2018). به ویژه، برای ارزیابی پایداری مزیت رقابتی شرکت، چهار معیار پیشنهاد شده است که عبارتند از: دوام پذیری، آشکارپذیری، انتقال پذیری، تکرار پذیری (گرنت،1991). طبق دیدگاه مبتنی بر منابع (RBV) قابلیت های یک شرکت پیچیده هستند (بارنی، 1991). قابلیت ها انباشته شده هستند و توسط ساختارها و روابط متقابل منابع داخلی و خارجی سازمان شکل می گیرند که تقلید از آنها دشوار است (گرنت، 1991؛ سوتو-آکاستا و مرونو-سردان، 2008، 2009). به عبارت دیگر، قابلیت ها زمانی که با داوم باشند،آشکار و قابل انتقال نباشند و تکرار از آن دشوار باشد، می توانند منبع مزیت رقابتی باشند.

     علیرغم اینکه بیشتر پژوهش ها در زمینه قابلیت ها به بررسی رابطه بین قابلیت های سازمانی و عملکرد شرکت بدون حضور مزیت رقابتی پرداخته است، برخی نویسندگان به طور مثال، ویراواردنا(2003) با انجام تحقیقی بر 234 شرکت تولیدی به ارزیابی نقش قابلیت بازاریابی و مزیت رقابتی پرداخت. یافته های ویراواردنا(2003) نشان داد که یک رابطه مثبت بین قابلیت بازاریابی و مزیت رقابتی وجود دارد. نویسندگان دیگری مانند زو و همکاران (2003) به مطالعه رابطه بین چهار قابلیت و مزیت رقابتی برای عملکرد مالی صادرات پرداختند، آنها دریافتند که قابلیت های توزیع، ارتباطات و توسعه محصول با عملکرد مالی صادرات رابطه مثبت دارد در حالیکه، قابلیت قیمت گذاری ندارد. کامبوج و همکاران (2015) به بررسی روابط بین قابلیت بازاریابی، مزیت رقابتی و عملکرد شرکت پرداختند. در حالیکه نویسندگانی ماننر رائو و همکاران (2018) نقش میانجی مزیت رقابتی بر روابط بین جهت گیری کارآفرینانه، منابع ناملموس و ظرفیت جذب را تحلیل نمودند. بنابراین، گرچه تحقیق طی دهه های اخیر افزایش یافته است، درک عوامل تعیین کننده مزیت رقابتی و نیز نقش میانجی مزیت رقابتی بر انواع مختلف قابلیت ها نیاز به تحقیقات بیشتری دارد.

      عملکرد بین المللی SME ها را می توان از طریق عملکرد مالی و استراتژیک اندازه گیری کرد (فلاحت و همکاران، 2018؛ سیلوا و همکاران، 2017؛ پاپا و همکاران، 2018). مزایای رقابتی را می توان پیش بینی کننده عملکرد بین المللی SME ها در نظر گرفت(رائو و همکاران، 2018). بلسکاپاسوا (2014) به مرور ادبیات عوامل تعیین کننده عملکرد بین المللی پرداخت و آنها را بدین گونه خلاصه نمود: ویژگی های مدیریت و ادراک، استراتژی صادرات، آمیخته بازاریابی، تجربه صادرات، دانش صادرات، روابط کسب کار، ویژگی های شرکت و ویژگی های بازار داخلی و صادرات. فام و همکاران (2017) در شرایط خاص شرکت های صادراتی در بازارهای نوظهور دریافتند بین قابلیت یادگیری هوش تجاری، قابلیت نوآوری محصول و قابلیت قیمت گذاری و قابلیت ارتباطات بازاریابی با عملکرد بین المللی رابطه مثبت وجود دارد.

چالش های هوش تجاری برای نشر بازی مستقل

Business Intelligence Challenges for Independent Game Publishing

1.مقدمه

2. آثار مربوطه

2.1. مدل کسب و کار بازی

2.2. بازی مستقل

2.3.نشربازی (منتشر کردن بازی)

2.4. هوش کسب و کار

2.5.منطق تجزیه و تحلیل بازی

3.روش تحقیق

3.1. طرح مصاحبه

3.2. آماده سازی مصاحبه

3.3. جمع آوری داده ها

3.4.تحلیل داده

4. نتایج

4.1. چالش های بازاریابی

4.2. چالش های جمع آوری داده ها

4.3. چالش های منطق تجزیه و تحلیل داده ها

4.4. نقش مدل کسب و کار

4.5. چالشهای مهم- خلاصه

5. بحث

6. نتیجه گیری و تحقیقات آتی

با توسعه مستمر صنعت بازی، تحقیق در حوزه بازی نیز بیشتر شده است. بسیاری از حوزه های میان رشته ای دانش و نظریه، برای ارتقاء توسعه صنعت بازی به کار رفته اند. تکنولوژی های هوش کسب و کار در توسعه بازی برای طراحی و بهینه سازی بازی استفاده می شود. با این وجود، تلاش های تحقیقاتی سیستماتیک کمی بر حوزه نشر بازی تمرکز داشته است، به ویژه درباره نشر بازی مستقل. در این مقاله داده های جمع آوری شده از مجموعه ای از مصاحبه ها با تعداد کمی توسعه دهندگان بازی مستقل را تحلیل میکنیم. نتایج نشان میدهند که بیشتر توسعه دهندگان بازی مستقل از هوش کسب و کار برای نشر شخصی بازی استفاده می کند، گرچه، سه چالش مهم شناسایی شده است: ابتدا، چگونه ترویج بازاریابی را انجام دهیم و بازده سرمایه گذاری را بهبود دهیم؛ دوم، چگونه داده های مربوط به نشر بازی را جمع آوری کنیم؛ و سوم، چگونه داده ها را تحلیل کنیم تا نشر شخصی بازی را هدایت کنیم. مصاحبه های ما نیز نشان می دهند که مدل کسب و کار به کار گرفته شده برای یک بازی به طور معناداری بر نقش تجزیه تحلیل بازی تاثیر می گذارد. این مطالعه تحقیقات مربوط به اینکه چگونه تحلیل های بازی را می توان برای نشر بازی، به ویژه نشر شخصی بازی مستقل به کار برد، توسعه می دهد.

1.مقدمه 

هوش کسب و کار (BI) در توسعه بازی برای طراحی و بهینه سازی بازی به کار رفته است [1]. گرچه، تلاش های تحقیقاتی سیستماتیک کمی بر حوزه نشر بازی تمرکز داشته است، به ویژه درباره نشر بازی مستقل. در اصل این حوزه هنوز در دوران اولیه تکامل خود قرار دارد و دانش موجود نیز بسیار پراکنده است[2]. هدف ما شناسایی و اصلاح مشکلات عمده ای است که توسعه دهندگان بازی مستقل در نشر بازی خود با آن مواجه هستند. با این حساب، توسعهدهندگان بازی مستقل وظایف بسیار زیادی دارند[3]؛ آنها باید خودشان را مدیریت کنند. همچنین، با افزایش تعداد بازی های موبایلی، شاهد افزایش تعداد استودیوهای بازی مستقل هستیم. با این وجود؛ بیشتر استودیوهای بازی مستقل که در توسعه بازی شایستگی های زیادی دارند، فاقد تجربه کافی در زمینه نشر بازی هستند[4]. 

6. نتیجه گیری و تحقیقات آتی

تحقیق ما مبتنی بر مصاحبه ها با استودیو های بازی مستقل مختلف برای شناسایی شکافهای تحقیق بالقوه برای نشر بازی مستقل می باشد. گرچه تغییرات زنجیره ارزش بازی، نشر شخصی بازی مستقل را امکان پذیر ساخته است، چگونه توسعه دهندگان بازی مستقل کسب و کار نشر شخصی بازی را انجام می دهند، هنوز هم مشخص نیست. مجموعه مصاحبه هایی را با توسعه دهندگان بازی مختلف انجام دادیم تا چالشهای مهم نشر بازی مستقل را پیدا کنیم. بررسی مصاحبه ما نشان میدهد که با ظهور زنجیرههای ارزش بازی جدید توسعه دهندگان بازی مستقل توانستند خودشان کسب و کار نشر را مدیریت کنند. آنها از تکنولوژی های BI  برای نشر شخصی بازی خود استفاده کردند، با این حال هنوز هم چالشهایی وجود دارد.

With the continuous development of the game industry, research in the game field is also deepening. Many interdisciplinary areas of knowledge and theory have been used to promote the development of the game industry. Business intelligence technologies have been applied to game development for game design and game optimization. However, few systematic research efforts have focused on the field of game publishing, particularly with regard to independent (indie) game publishing. In this paper, we analyse data collected from a set of interviews with small indie game developers. The results indicate that most of the indie game developers have already used business intelligence for game self-publishing, although three main challenges have been identified: first, how to conduct marketing promotion and improve the return on investment (ROI); second, how to collect game publishing data; and third, how to analyse the data in order to guide game self-publishing. Our interviews also reveal that the business model applied to a game significantly impacts the role of game analytics. The study expands and advances the research on how game analytics can be used for game publishing, particularly for indie game self-publishing.

1. Introduction

Business intelligence (BI) has been applied to game development for game design and game optimization [1]. However, few systematic research efforts have focused on the field of game publishing, particularly with regard to independent game publishing. In essence, the field is in its infancy and the available knowledge is heavily fragmented [2]. We aim to identify and remedy the primary problems faced by indie game developers during their game publishing. This means that indie game developers have many tasks [3]; they must manage themselves. Also, as more and more mobile games appear, we see an increasing number of indie game studios. However, most indie game studios that are competent at game development lack experience of game publishing [4].

6. Conclusion and Future Research

Our research is based on interviews with different indie game studios to identify the potential research gaps for indie game publishing. Although game value chain changes make indie game self-publishing possible, how indie game developers do the game self-publishing business is still unclear. We conducted a set of interviews with indie game developers to find out the main challenges for indie game publishing. Our interview study shows that with the emergence of new game value chains, indie game developers can handle the publishing business themselves. They have already used BI technologies for game self-publishing, but there are still challenges. The main challenges include how to conduct market promotion based on ROI data analysis, how to collect useful and valuable game data, and how to analyse these data and guide their game optimization and game self-publishing process.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

چالش های هوش تجاری برای نشر بازی مستقل

Business Intelligence Challenges for Independent Game Publishing

چارچوب مدیریت هوش تجاری در دانشگاه: مطالعه موردی دانشگاه دو لا کاستا

Business intelligence governance framework in a university: Universidad de la costa case study

چکیده
1- مقدمه
2- اصول تئوری
2-1 هوش تجاری (BI)
2-1 BI در دانشگاه ها
3- نظارت BI
3-1 نظارت BI در شرکت ها
4- مدل بلوغ BI
4-1 مدل بلوغ تحلیلی TDWI
5- روش تحقیق
6- نتایج و تحلیل
6-1 نتایج سازمانی
6-2 زیر ساختار
6-3 مدیریت داده ها
6-4 تحلیل ها
6-5 نظارت
6-6 چارچوب نظارتی
7- نتیجه گیری ها

چکیده

دانشگاه ها و شرکت ها دارای فرآیندهای تصمیم گیری هستند که به آنها اجازه می دهد تا به اهداف سازمانی دست پیدا کنند. در حال حاضر، تحلیل داده ها نقش مهمی در ایجاد دانش، بدست آوردن الگوهای مهم و پیش بینی استراتژی ها ایفا می کنند.این مقاله طراحی چارچوب نظارت هوش تجاری را برای دانشگاه دو لا کاستا ارائه کرده است که به آسانی برای سازمان های دیگر هم قابل استفاده است. برای این منظور، تشخیص انجام شده به منظور شناسایی میزان بلوغ تحلیلی انجام شده است. با استفاده از این چشم انداز، مدلی برای تقویت فرهنگ سازمانی ، زیر ساختارها، مدیریت داده، تحلیل داده و نظارت ارائه شده است.این مدل در بر گیرنده تعریف چارچوب نظارتی، اصول هدایت کننده، استراتژی ها، نهادهای تصمیم گیرنده و نقش ها می باشد. بنابراین، این چارچوب برای استفاده از کنترل های موثر جهت اطمینان از موفقیت پروژه های هوش تجاری و دست یابی به اهداف برنامه توسعه همراه با چسم انداز تحلیلی سازمان ارائه شده است.

7- نتیجه گیری ها

این تحقیق امکان می دهد تا چارچوب معرفی شده نظارتی BI را برای موقعیت ها و نیازهای دانشگاهی طراحی کنیم و آنها را تشویق کنیم تا اقدامات مربوط به پروژه های هوشمند تجاری را انجام دهند و نیاز های دریافت اطلاعات صادقانه را تامین کنند، این اطلاعات می توانند داده های مهم برای تصمیم گیری های ایجاد ارزش شوند. چارچوب طراحی شده می تواند در سایر موقعیت ها تکثیر شود. تائید شده است که اهمیت زیاد مرکز هوش تجاری (BICG) همراه با افزایش مهارت ها و توانایی ها در سه محور می تواند به صورت چند وجهی نمودار شود. این سه محور عبارتند از : تجاری، تحلیلی و IT که می توانند مسئولیت مدیریت درست دولت های BI را در سازمان های داخلی همراه داشته باشند. ارگان کلیدی در طراحی چارچوب های ایجاد شده BI باید تلاش کند تا به اهداف و نتایج دینامیک دست پیدا کند که کار تیمی را تحریک می کنند، بنابراین می توانند دانش تحلیلی جدید تولید کنند.

Abstract

Universities and companies have decision-making processes that allow to achieve institutional objectives. Currently, data analysis has an important role in generating knowledge, obtaining important patterns and predictions for formulating strategies. This article presents the design of a business intelligence governance framework for the Universidad de la Costa, easily replicable in other institutions. For this purpose, a diagnosis was made to identify the level of maturity in analytics. From this baseline, a model was designed to strengthen organizational culture, infrastructure, data management, data analysis and governance. The proposal contemplates the definition of a governance framework, guiding principles, strategies, policies, processes, decision-making body and roles. Therefore, the framework is designed to implement effective controls that ensure the success of business intelligence projects, achieving an alignment of the objectives of the development plan with the analytical vision of the institution.

7- Conclusions

This research allowed us to design a BI governance proposal totally aligned to the context and needs of the universities, encouraging the generation of Business Intelligence project initiatives, to satisfy the prevailing need for truthful information, which can be transformed to indispensable input for making decisions that generate value. A framework designed in such a way that it can be replicable in other institutions. It was identified the great importance that has a Center of Competences in Business Intelligence (BICC) multifaceted or multifunctional with skills and competences in three verticals: Business, Analytics and IT, capable of carrying the responsibility of a correct management of BI Government in the interior of the Institution. Key organ in the design of the BI Governance Framework created, to achieve dynamically targets and results that stimulate the work teams, thus achieving the generation of new frontiers of analytical knowledge.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

چارچوب مدیریت هوش تجاری در دانشگاه: مطالعه موردی دانشگاه دو لا کاستا

Business intelligence governance framework in a university: Universidad de la costa case study

ارزیابی هوش تجاری بر اساس مشخصات رفتار مشتری با استفاده از ایده مبتنی بر سرگرمی در هند: یک مطالعه موردی

Business intelligence appraisal based on customer behaviour profile by using hobby based opinion mining in India: a case study

چکیده

1. مقدمه

2. مروری بر مطالعات انجام شده

3. روش تحقیق

3.1 پیش بینی الگوی خرید مشتری بر اساس همبستگی

3.2 افزایش مجموعه داده ها با استفاده از GA

3.3 مدلهای رگرسیون متعدد برای بدست آوردن نتایج مناسب تر

4. تحلیل تجربی و نتایج

4.1 ارزیابی با استفاده از تحلیل همبستگی

4.2 ارزیابی با استفاده از مدل رگرسیون متعدد

5. نتیجه گیری

چکیده

این تحقیق به درک دینامیک های رفتار مشتری کمک می کند. در تحلیل های تجاری، نادیده نگرفتن این حقیقت بسیار مهم است که تعامل بین انسان ها در برگیرنده یک بعد عاطفی می باشد. روش انجام تحقیق شامل موارد زیر است 1) روش های پیش بینی الگوی خرید مشتری بر اساس همبستگی، 2) افزایش مجموعه داده ها با استفاده از الگوریتم های ژنتیک و 3) مدلهای چند رگرسیونی. این تحقیق بیانگر این است که چگونه سرگرمی یک مشتری دارای ارتباط مستقیم با الگوهای خرید و میزان رضایت می باشد. ما از تکنیک های هوش تجاری (BI) استفاده کردیم و نتیجه گیری کردیم که با استفاده از روش چند رگرسیونی امکان ارزیابی میزان رضایت مشتری تا حد بالای امنیت 90% وجود دارد. ابزار BI می توانند برای دست یابی به پیشرفت های قابل توجه در حوزه های خاص بر اساس نوآوری های آزاد استفاده شوند. هدف این مقاله، ارائه راهنمای کاربردی در حوزه نوآوری با استفاده از ترکیبی ار روش ها و تکنیک های بین رشته ای می باشد.

1- مقدمه

نظریه اصلی هوش تجاری (BI)، تشخیص رفتار مشتری و پیش بینی الگوهای خرید برای ارتقای تجارت و همچنین ثبات محیطی بهتر است. تصمیم گیری موثر بر اساس BI برای اطمینان از رقابت پذیر بودن رشد پایدار لازم است (جیم & کیم 2018). به هر حال، در مطالعات انجام شده، هیچ تعریف جامع و پذیرفته شده ای برای BI وجود ندارد. BI نقش ضروری در حوزه هایی چون عملکرد نمایندگان فروش، وفاداری مشتری، و عملکرد محصول ایفا می کند (آنتاناسولیاس & چانتالاس 2019). کاربردهای قابل توجه BI نیز در حوزه های شغلی مختلف از سلامت و خطوط هوایی تا IT و شرکت های مخابراتی می باشند (واتسون 2009). سبوتارن در سال 2011 بیان کرد که BI با تکنیک های کامپیوتری مورد استفاده در آماده سازی، کاوش و تحلیل داده های تجاری مثل درآمد فروش محصول / دپارتمان های فروش یا هزینه ها و درآمد مرتبط در ارتباط است. لارسون و چانگ در سال 2016 بیان کردند که BI شامل زنجیره ارزش اطلاعات برای گردآوری اطلاعات خام، تبدیل این داده ها به اطلاعات مفید، مدیریت تصمیم گیری، ارائه نتایج تجاری و افزایش ارزش مشارکت می باشد.

5- نتیجه گیری

ابتدا، داده های ثبت شده بر اساس وزن ها و با استفاده از تکنیک همبستگی دسته بندی شدند که در بخش 3.1 تشریح شده است. با توجه به نتایج و تحلیل ها بدیهی است که با استفاده از مجموعه بزرگی از داده ها، امکان ارتقای دقت نتایج وجود دارد. چون کار گردآوری داده ها از طریق ارتباط با مردم زمان بر و دشوار است، تصمیم گرفته شده است تا میزان داده ها با استفاده از GA افزایش داده شود که در بخش 3.2 توضیح داده شده است. تکنیک های GA با عملیات مختلف و جهش های متفاوت مورد استفاده قرار می گیرند. داده هایی که جدید گروآوری شده اند جهش داده می شوند تا ویژگی های آنها همانند تکنیک های GA اصلاح شوند. تکنیک GA یک چارچوب منسجم برای استفاده از وظایف هوش مصنوعی از جمله دسته بندی، یادگیری و بهینه سازی است. نتایج نشان می دهد که از میان تمام گزارشات، 0.6 درصد پذیرفته نشده اند زیرا داده ها نامناسب بوده اند و فیلترینگ آنها دستی بوده است. 

Abstract

This research study contributes towards understanding the customer’s behaviour dynamics. In business analysis, it is very important not to ignore the fact that the interaction between human beings implicitly includes an emotional dimension. The research methodology includes the following: (1) customer purchase pattern prediction methods based on correlation; (2) augmentation of data set by using genetic algorithms; and (3) multiple regression models. The analysis indicates how the hobby of a customer is directly related to the purchase patterns and satisfaction level. We applied business intelligence (BI) techniques and concluded that, by using multiple regression method is possible to evaluate the level of customer satisfaction up to the upper limit of security of about 90%. BI tools could be used to employ significant achievements in specific fields based on open innovations. This paper aims at providing further practical guidance in this innovative research field by using a mix of interdisciplinary methods and techniques.

1- Introduction

The core idea of business intelligence (BI) is to recognise the behavior of the customer and to predict their purchase pattern for improvement of the business as well as for a better environmental sustainability. Efficient decision making based on BI is essential to ensure competitiveness for sustainable growth (Jin & Kim, 2018). However, in literature, there is no universally accepted definition of BI. BI plays an essential role in areas such as sales representatives’ performance, customer loyalty, and product performance (Athanasoulias & Chountalas, 2019). Remarkable BI applications have also been reported in a wide variety of occupational fields, from health care and airlines to major IT and telecommunication firms (Watson, 2009). Cebotarean (2011) suggested that BI is related to computer-based techniques used in spotting, digging-out, and analyzing business data, such as sales revenue by products and/or departments, or by associated costs and incomes. Larson and Chang (2016) argued that BI includes an information value chain for gathering raw data, turning these data into useful information, management decision making, driving business results, and raising corporate value.

5- Conclusions

Initially, the data records are clustered on the basis of weights using correlation technique, which is explained in the section 3.1. It is observed from the result and analysis that, with the huge data records, it is still possible to improve the accuracy of the result. As the data collection through communicating with the people is tedious and time consuming, it is decided to enhance the data using GA and is demonstrated in the section 3.2. The techniques of GA are applied with different bits of crossover operations and mutation. The newly generated data record is further mutated to modify its characteristics as per the GA procedure. GAs provide a well-established framework for implementing artificial intelligence tasks such as classification, learning, and optimisation. The results revealed that out of total records, 0.6 percentages are rejected due to improper data and also due to manual filtering.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

ارزیابی هوش تجاری بر اساس مشخصات رفتار مشتری با استفاده از ایده مبتنی بر سرگرمی در هند: یک مطالعه موردی

Business intelligence appraisal based on customer behaviour profile by using hobby based opinion mining in India: a case study

تأثیر توانایی هوش تجاری، یادگیری شبکه و نوآوری در عملکرد راه اندازی

The influence of Business Intelligence capacity, network learning and innovativeness on startups performance

چکیده

مقدمه

پیشینه نظری و فرضیه ها

هوش تجارت

یادگیری شبکه

نوآوری

عملکرد راه اندازی

توسعه فرضیات

روش

نمونه

متغیرها و اندازه ها

جهت گیری روش رایج

نتایج

ملاحظات نهایی، محدودیت ها و جهت های آینده

چکیده

این مقاله یک مدل برای بررسی اثرات مستقیم و غیر مستقیم هوش تجارت (BI) بر عملکرد را از طریق یادگیری شبکه (NL) و نوآوری (INNOV) ارائه می دهد. بررسی بر اساس یک نمونه 228 تایی استارت آپ از کشورهای مختلف اروپایی است. ما آن روابط را با استفاده از مدل سازی اروپایی ساختاری بدست می آوریم.
نتایج این مطالعه اثرات مثبت میان متغیرهای مختلف را مورد توجه قرار می دهد و ما می توانیم نتیجه بگیریم که توانایی هوش تجارت تاثیر مهمی بر یادگیری شبکه، نوآوری و عملکرد دارد. از این یافته می توان نتیجه گرفت که برخی رسیدگی ها باید برای توانایی های هوش تجارت در استارت آپ در نظر گرفته شود. آن می تواند بر عملکرد شرکت تاثیر بگذارد. همچنین، تاثیر یادگیری شبکه از طریق BI قابل ملاحظه است و تاثیر مثبتی روی عملکرد دارد.
همانطور که را اندازی ها معمولا با کمبود منابع مبارزه می کنند و گروه با درخواست های متعدد روبرو می شود، به نظر می رسد که ارائه شیوه های هوش تجارت یک چالش جدید برای مقابله با آن است. اما از آنجا که اطلاعات یک منبع مهم برای تصمیم گیری بهتر است، آن می تواند نتیجه بخش باشد.

ملاحظات نهایی، محدودیت ها و جهت های آینده

هوش تجارت بطور عادی یک توانایی است که شرکت ها را توسعه می دهد و کشف می کند که ممکن است متأثر از اطلاعات موجود باشد. این یک متغیر سازمانی داخلی در نظر گرفته شود و همانطور که در ادبیات قبلی بیان شده است، این می تواند عملکرد مؤثری داشته باشد. BI ابعاد یادگیری شبکه و نوآوری را افزایش می دهد. از این، یک تأثیر مثبت در رفتارهای بهتر عملکرد بدست می آید. این تأثیرات توسط نتایج پشتیبانی می شود. اگرچه ادبیات یک رابطه مثبت بین نوآوری و عملکرد را نشان می دهد (Wiklund & Shepherd,2003)، نتایج هیچ رابطه معناداری را نشان نمی دهد. این می تواند به دلیل ماهیت نمونه یا به دلیل اینکه این رابطه نسبتا غیر مستقیم است، باشد. معمولا این مطالعات به تمرکز روی شرکت های با رکورد بازاری تمایل دارد، که منجر به دسترسی بهتر به این رابطه می شود.

Abstract

This paper proposes a model to investigate the direct effects of Business Intelligence (BI) on performance, and the indirect effects, through network learning (NL) and innovativeness (INNOV). The investigation is based on a sample of 228 startups from different European countries. We explore those relationships using Structural Equation Modeling.
The results of this study point to positive effects among the different variables and we can conclude that Business Intelligence capacities have an impact on network learning, innovativeness and performance. From these findings, it can be argued that some attention must be made to the business intelligence capacities in startups, given the impact it can have on firm performance. Also, the network learning effect through BI is significative and presents a positive influence in performance.
As startups usually are struggling with lack of resources and the team faces multiple attention demands it seems that proposing business intelligence practices is a new challenge to overcame, but as information is a key resource for better decision making it can payoff.

Final considerations, limitations and future directions

Business Intelligence is normally a capability that firms develop and explore that can influence the information available. It can be considered an internal organizational variable and as stated in previous literature, it can influence performance. BI can enhance the dimensions of network learning and innovativeness. From this, a positive impact results in better performance behaviors. These effects are supported by the results. Despite the literature suggesting a positive relationship between innovativeness and performance (Wiklund & Shepherd, 2003), the results show no significant relation. This can be due to the nature of the sample or this relationship is rather indirect. Usually these studies tend to focus on stablished companies, with an established market record that can better access this relation.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تأثیر توانایی هوش تجاری، یادگیری شبکه و نوآوری در عملکرد راه اندازی

The influence of Business Intelligence capacity, network learning and innovativeness on startups performance