کارایی شبکه دو مرحله‌ای ترکیبی در تحلیل پوششی داده‌های فازی
چکیده
هدف: این پژوهش با هدف بررسی تاثیر هوش تجاری و قابلیت‌های تحلیل داده بر بهبود تصمیم‌گیری و عملکرد سازمانی انجام شده است. با توجه به اهمیت روزافزون داده‌ها در محیط‌های رقابتی، سازمان‌ها نیازمند بهره‌گیری از ابزارهای هوش تجاری و تحلیل داده هستند تا بتوانند تصمیم‌های سریع‌تر و دقیق‌تری اتخاذ کنند.
روش‌شناسی پژوهش: این تحقیق از نوع توصیفی–پیمایشی است. داده‌ها از طریق پرسشنامه استاندارد بین مدیران و کارشناسان سازمان‌های فعال در حوزه فناوری اطلاعات جمع‌آوری شد. برای آزمون فرضیات و تحلیل روابط بین متغیرها از مدل‌سازی معادلات ساختاری و نرم‌افزار SmartPLS استفاده گردید.
یافته‌ها :نتایج نشان داد هوش تجاری تاثیر مثبت و معناداری بر قابلیت‌های تحلیل داده دارد و این دو متغیر به صورت مستقیم و غیرمستقیم موجب ارتقای کیفیت تصمیم‌گیری و بهبود عملکرد سازمانی می‌شوند. همچنین مشخص شد که بهره‌گیری صحیح از تحلیل داده می‌تواند اثرگذاری هوش تجاری بر عملکرد سازمانی را تقویت کند.
اصالت/ارزش افزوده علمی :نوآوری این تحقیق در ارایه مدلی جامع است که نقش هم‌زمان هوش تجاری و تحلیل داده را در بهبود تصمیم‌گیری و عملکرد سازمانی تبیین می‌کند. این مطالعه علاوه بر گسترش مبانی نظری در حوزه سیستم‌های اطلاعاتی، راهنمای عملی مناسبی برای مدیران سازمان‌ها در جهت سرمایه‌گذاری مؤثر بر هوش تجاری و تحلیل داده ارایه می‌دهد.
کلمات کلیدی:
هوش تجاری، تحلیل داده، تصمیم‌گیری، عملکرد سازمانی، مدل‌سازی معادلات ساختاریمراجع
- [1] Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429–444. https://doi.org/10.1016/0377-2217(78)90138-8
- [2] Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science, 30(9), 1078–1092. https://doi.org/10.1287/mnsc.30.9.1078
- [3] Ostovan, S., Mozaffari, M. R., Jamshidi, A., & Gerami, J. (2020). Evaluation of two-stage networks based on average efficiency using DEA and DEA-R with fuzzy data. International journal of fuzzy systems, 22(5), 1665–1678. https://doi.org/10.1007/s40815-020-00896-9
- [4] Färe, R., & Grosskopf, S. (1997). Intertemporal production frontiers: With dynamic DEA. Journal of the operational research society, 48(6), 656. https://doi.org/10.1057/palgrave.jors.2600779
- [5] Hamidzadeh, F., Pishvaee, M. S., & Zarrinpoor, N. (2024). A novel two-stage network data envelopment analysis model for kidney allocation problem under medical and logistical uncertainty: A real case study. Health care management science, 27(4), 555–579. https://doi.org/10.1007/s10729-024-09683-6
- [6] Zadeh, L. A. (1965). Fuzzy sets. Information and control, 8(3), 338–353. https://doi.org/10.1016/S0019-9958(65)90241-X
- [7] Zimmermann, H. J. (1975). Description and optimization of fuzzy systems. International journal of general system, 2(1), 209–215. https://doi.org/10.1080/03081077508960870
- [8] Wang, Y. M., Luo, Y., & Liang, L. (2009). Fuzzy data envelopment analysis based upon fuzzy arithmetic with an application to performance assessment of manufacturing enterprises. Expert systems with applications, 36(3), 5205–5211. https://doi.org/10.1016/j.eswa.2008.06.102
- [9] Hatami-Marbini, A., Saati, S., & Sajadi, S. M. (2018). Efficiency analysis in two-stage structures using fuzzy data envelopment analysis. Central european journal of operations research, 26(4), 909–932. https://doi.org/10.1007/s10100-018-0545-8
- [10] Cooper. (1962). Programming with linear fractional functionals. Naval research logistics quarterly, 9(3), 181–186. https://doi.org/10.1002/nav.3800090303
- [11] Amirteimoori, A., Azizi, H., & Kordrostami, S. (2020). Double frontier two-stage fuzzy data envelopment analysis. International journal of uncertainty, fuzziness and knowledge-based systems, 28(01), 117–152. https://doi.org/10.1142/S0218488520500063
دانلود
چاپ شده
شماره
نوع مقاله
ارجاع به مقاله
شماره 1