ارزیابی آمادگی سازمان ها برای استقرار هوش تجاری

سلام

در ادامه مسیر برای انجام پایان نامه، به یک مقاله مفید دست پیدا کردم و دارم ترجمش میکنم

تا اینجاش رو برای بهره برداری دوستان روی وبلاگ قرار میدم.

البته ترجمه به هیچ عنوان لفظی نیست!! مفهومیه بیشتر

ادامشم بزودی ....

 Implementing Business Intelligence – A Readiness Checklist

در این مقاله زیر بنای مورد نیاز برای استقرار هوش تجاری در سازمان در قالب یک چک لیست کاربری دسته بندی شده است.

این تحقیق در ۴ زمینه مهم به بررسی موضوع پرداخته است:

１.    آمادگی داده ها

２.   اطلاعات خروجی مورد نیاز

３.   معیارها و استانداردهای دسترسی به اطلاعات

４.   آمادگی کارمندان سازمان برای تغییر

 

مشکلات در پیاده سازی های هوش تجاری در سازمان های بزرگ شامل مشکلات کاربران کسب و کار سازمان و منابع اطلاعاتی است.

سنجش و ارزیابی آمادگی سازمان برای استقرار هوش تجاری نه تنها برخی از این مشکلات را کاهش میدهد بلکه به موارد زیر نیز کمک میکند :

-          ساده کردن تناسب معنی دار و با اهمیت ارزش منابع و کاهش زمان آسیب و ضرر در پیاده سازی

-          دستیابی به مزایای برنامه ریزی شده هوش تجاری در زمان کوتاهتر.

سازمان ها زمان پر اهمیتی را برای اندیشیدن و بررسی راه کارهای پیاده سازی میگذرانند.

بیگ بنگ، جدا سازی مراحل و فازها، ایجاد نقشه راه برای جایگزینی سیستم های قدیمی موجود در سازمان و مسائلی از این قبیل. اما سازمان ها فراموش میکنند زمینه های عملیاتی که باید قبل از ورود به فاز اجرا انجام شوند را بررسی کنند. این زمینه ها در سطوح بالای سازمان عبارتند از :

-          چه اطلاعاتی مورد نیاز است ؟ صف بندی و تنظیم داده ها

-          این اطلاعات باید چگونه بازیابی شوند؟ فرآیند های گزارش گیری و قالب دهی

-          چه کسانی باید به چه اطلاعاتی دسترسی داشته باشند؟شخصی سازی امنیت اطلاعات

-          چگونه کاربران سازمان بایدآماده استفاده از ابزارهای جدید شوند؟ آمادگی کاربران

 

این مرحله شامل کار کردن روی نیازمندی های دقیق هوش تجاری نیست، شامل تحلیل های عملیاتی هم نیست. این یک مرحله پیش فعال سازی برای درگیر کردن کاربران کسب و کار سازمان و استخراج و استنباط تحلیلی گزارش ها مورد نیاز است.زمانی که این مرحله قبل از طراحی داده ها یا ابزارهای پیاده سازی به اتمام برسد، یک نگاه و دیدگاه بدون تعصب از نیازهای گزارش گیری و آمادگی سازمانی برای استقرار هوش تجاری به سازمان ارائه میدهد.

 

１.   مرتب سازی و طبقه بندی داده ها

این مرحله به شنناسایی داده های مورد نیاز اشاره دارد و باید روی نیازهای کسب و کار در مراحل مختلف با توجه به داده های در دسترس تمرکز داشته باشد. زمانی که به تازگی وارد این مرحله میشوید، میتواند برای بازبینی فرآیند های کسب و کار برای منطقی کردن مفید باشد. بعضی از این مراحل عبارتند از:

-          آماده کردن یک چک لیست از گزارشات موجود مورد استفاده، عناصر داده ای و سیستم های پایه، که شامل این داده ها هستند.

-          شناسایی کارکردهای کسب و کار و شروع بررسی از پایین به بالا برای تعیین گزارش های مورد نیاز ذینفعان مختلف در هریک از بخش های کارکردی سازمان.

-          هم اندیشی با کاربران کسبو کار برای شناسایی اطلاعات گزارش ها شامل ۰ اجباری۰ و ۰مناسب برای ایجاد۰ . روش ۵ سوال، روش مناسبی برای سنجش در این مرحله است.

-          جداسازی گزارشات و عناصر داده ای، که در زمان مناسبی مورد استفاده قرار نمیگیرند وعلامت گذاری آنها برای عقلانی کردن و توجیه داده ها .

-          نشانه گذاری داده های اضافی برای نیازهای گزارشات درخواست شده.در حال حاضر  این داده ها ممکن است در نرم افزارهای کاربردی که با کاربران ارتباط مستقیم برقرار میکنند وجود داشته باشند نه در سیستم های تراکنشی اصلی سازمان. به عنوان مثال، سیستم های POS  شاید مشتریان را به عنوان یک مشتری پر تراکنش بر اساس جزئیات عضویت آنها شناسایی کند در حالی که ممکن است این اطلاعات بر مبنای یک سیستم گزارش ساز از تراکنش ها قابل استخراج نباشد.

-          شناسایی درجه تازگی مورد برای گزارش گیری ها. تمام اطلاعات نیازمند بروز رسانی لحظه ای نیستند. اغلب گزارشات میتوانند به صورت روزانه، هفتگی یا ماهانه ذخیره سازی شوند.

-          ارزیابی دیدگاه بومی در مقابل دیدگاه متمرکز برای چرخه های تولید گزارشات. اگر یک سازمان در محل هایی گشترده شده است که به لحاظ منطقه زمانی متفاوتند، داده های باید بصورت بسته هایی برای گزارشات محلی اماده شوند و چرخه های بازیابی و تازه سازی خاص باید برای دستیابی به نیازهای گزارشاتی محلی مورد نیاز استفاده شوند.

-          ساخت داده های مرجع به ازای قالب های مورد نیاز ابزارهای جدید هوش تجاری. اغلب فقدان داده های مرجع درست و کامل میتواند در نتایج گزارشات اشتباه خودنمایی کند.ساخت داده های مرجع میتواند با سخت ترین و زمان بر ترین تلاش ها بدست آید ولی ایجاد آمادگی با ایجاد این داده ها، پیاده سازی هوش تجاری را ساده میکند و وسعت زیادی به آن میبخشد. این مرحله شامل جمع آوری داده ها یی که در مجموعه های کوچک در سیستم های جزیره ای متفاوت وجود دارند نیز میباشد.

-          شناسایی مجموعه های اطلاعاتی  با مینیمم و ماکزیمم دوره های زمانی برای اینکه کدام داده تاریخی باید نگهداری شوند؟

·         توسط ابزارهای جدید هوش تجاری ، قالب های گزارش تغییر خواهند کرد.این یک زمان مناسب برای سنجیدن موارد زیر است:

-          دسته بندی اطلاعات مورد نیاز برای تحلیل های آنلاین هستند  و اطلاعاتی که باید

گزارشات دوره ای بازیابی شوند.

-          نمایش داده ها – نیاز به چارت ها و گراف ها.

-          راه هایی برای هایلایت کردن استثنا ها در گزارش ها. این استثنا ها میتواند به عنوان هشدارهایی مقتضی برای کاربران کسب و کار بکار گرفته شوند.

 

شخصی سازی امنیت اطلاعات

این یک مرحله سریع شامل موارد زیر است :

-          شناسایی مجموعه داده هایی که باید دسترسی به آنها محدود شود.

-          نگاشت کمیته های کاربران به انواع گروه های دسترسی که باید به آنها داده شود.

آماده سازی کاربران

-          شناخت کمیته های بالقوه کاربری

-          شناخت قهرمان پروژه  برای هریک از کارکرد های پروژه. قهرمانان پروژه باید کاربران کلیدی بالقوه و ترجیحا اعضای معتبر سازمان باشند.

-          اگر در حال حاضر سازمان از یک راه حل برای گزارشات خود استفاده میکند، شناسایی الگوهای کاربردی و فراوانی آنها.

 

 

مقالات جدید

 

سلام

اخیرا با همه مشغله هایی که برام پیش اومده ۲ تا کار پژوهشی مروری انجام دادم که تقریبا یک سالی میشد که ذهنم درگیرشون بود.

یکی تحت عنوان :

ضرورت ها، پیش نیازها، چالشها و مراحل  استقرار هوش تجاری درسازمانها

که خلاصه اون به شرح ذیل است :

مدیران شرکت های خصوصی و سازمان های دولتی برای استقرار هوش تجاری اعلام نیاز میکنند، چراکه از طرق مختلف با ابزارها و فواید استقرار هوش تجاری در سازمانشان آگاه  گشته اند و درک خوبی از میزان تاثیر این سیستم ها بر رشد، بقاء، مدیریت بیهینه و دستیابی به اهداف سازمانی و بدست آوردن مزیت های رقابتی در بازار متلاطم موجود سازمان بدست آورده اند. اما بررسی وشناخت مزایای استقرار هوش تجاری در سازمان به تنهایی نمیتوند منجر به استقرار موفق و استفاده کامل از هوش تجاری در سازمان ها شود و مطالعات هنوز نشان دهنده ضعف هایی در شناخت،استقرار و استفاده صحیح از هوش تجاری در سازمان ها است.آنچه در این مقاله به بررسی آن پرداخته شده است، بررسی ضرورت های موجود برای استقرار هوش تجاری، پیش نیازهای استقرار هوش تجاری از بعد فنی و زیرساخت ها و از بُعد نیروی انسانی متخصص و روش سنجش میزان آمادگی سازمان برای استقرار هوش تجاری، بررسی چالش های پیش روی سازمان ها دراستقرار هوش تجاری و آشنایی با مراحل استقرار هوش تجاری در سازمان هاست. نتایج این تحقیق میتواند اطلاعات بسیار مفیدی را دراختیار تصمیم گیرندگان و مدیران فناوری اطلاعات در سازمان ها قرار دهد تا شناخت کامل تری نسبت به ابعاد هوش تجاری پیدا کنند تا هزینه ها و احتمال شکست در استقرار هوش تجاری را کاهش دهند. در بخش پایانی، به بررسی دلایل عمده شکست پروژه های هوش تجاری پرداخته شده است.

 

 

و دومی که بنظرم خیلی جالب تر و آینده دار تر هست :

مدیریت دانش در دولت الکترونیکی

چكيده

در این پژوهش ابتدا به بررسی دلایل توجه به مدیریت دانش و ضرورت مدیریت دانش در دولت الکترونیکی پرداخته شده است و پس از ارائه نتایج تحقیقات پیشین در خصوص میزان آمادگی دولت جمهوری اسلامی ایران برای بکارگیری مدیریت دانش، ضرورت توجه بیشتربه این مقوله مطرح شده است. در بخش اصلی مقاله پس از تحلیل چهارچوب دانشی دولت الکترونیکی که شامل ۲ زیرسیستم و ۳ لایه دانشی است، نتایج بررسی های صورت گرفته در خصوص مدلهای مفهومی استقرار مدیریت دانش بر مبنای دولت الکترونیکی به صورت یک سیستم که شامل ۳ زیر سیستم جمع‌آوری دانش، سازماندهی دانش و کاربرد دانش است ارائه شده است. در بخش پایانی نیز سازمانی به عنوان سازمان مدیریت دانش دولت الکترونیکی به عنوان متولی استقرار نظام مدیرت دانش در سطح دولت الکترونیکی پیشنهاد شده است.

 

 

امیدوارم بتونم بزودی متن کامل مقاله ها رو روی وبلاگ قرار بدم تا دوستان بتونن مطالعه کنن و نظرات تکمیلی رو به من ارائه کنند.

 

 

کاربردهای داده کاوی روی سیستم های اطلاعاتی بین سازمانی

سلام در حال حاضر داده کاوی، و فرآیندهای کشف دانش در سازمان ها گسترش یافته اند و برای سازمان ها صرفه جویی و سود آوری بسیار خوبی داشته اند و به مدیران کمک های بسیار زیادی برای اتخاذ بهترین تصمیم ها نموده اند. معمولا سازمان ها یا شرکت های تجاری به سمت استفاده از این ابزارها رفته اند. به عنوان مثال شرکت های صنعتی و تولیدی خدماتی که در طول یک زنجیره تامین و یا زنجیره ارزش قرار دارند و دسترسی به داده های مرتبط و حجیم دارند. اما در کشور ما، با توجه به اینکه هنوز دیدگاه زنجیره ارزش و شراکتهای استراتژیک، به صورت عملی جا نیافتاده است و هنوز رقابت ها میان سازمان ها و شرکت ها وجود دارد در حالی که این رقابت باید میان زنجیره های ارزش ایجاد شود و همکاری های مبتنی بر اعتماد از بالاترین مرحله تامین کنندگان اولیه تا مشتریان نهایی شکل بگیرد. اتفاقی که در کشورهای صنعتی و پیشرفته دنیا افتاده است. اما مشکل به اینجا ختم نمیشود. ما باید سیستم های اطلاعاتی غیر تجاری را نیز یکپارچه کنیم و از اطلاعات آنها بهره برداری استراتژیک کنیم. یک مثال می آورم : تصور کنید که سیستم اطلاعات بانک های کشور با سیستم اطلاعات قوه قضائیه کشور یکپارچه شود. به این ترتیب در سطح معمولی این قدرت به بانک ها داده میشود که به راحتی وضعیت سوابق تخلفات و جرائم یک مشتری را قبل از اعطاء وام بررسی نمایند. اما در سطح تصمیم سازی و آینده نگری و پیش بینی و تخمین رفتارهای مشتریان، میتوان توسط داده کاوی به اطلاعات و دانش ارزشمندتری نسبت به مشتریان دست یافت. به عنوان مثال، برای مشتریانی که هیچ سابقه تخلفی ندارند، میتوان با استفاده از تکنینک های داده کاوی، احتمال مجرم بودن فرد در آینده را با توجه به اطلاعات مشتریان مجرم که در گذشته در سیستم اطلاعاتی وجود دارد، پیش بینی کرد و از بسیاری از جرم ها پیشگیری کرد. این کار با استفاده از تکنیک های خوشه بندی، کلاسه بندی ، ایجاد درخت تصمیم یا شبکه های عصبی، قابل پیاده سازی است. در آینده مثال های بیشتری را بررسی میکنیم.

مدیریت دانش

 

سلام

همانطور که میدانیم مباحث مربوط به مدیریت دانش که این روزها بسیار مورد اقبال سازمان ها قرار گرفته اند، بیشتر در حوزه درون سازمانی مورد مطالعه قرار گرفته اند و اگر نگاهی به محیط سازمان داشته باشند، نوع نگاه چندان استراتژیک نیست و به دنبال کسب بهبود در حوزه فعالیت سازمان است.

در اینجا به نظر میرسد، مدیر عالی دانش در سطح دولت بتواند پیوند خوب و رابطه معنا داری میان دانش های پراکنده بین سازمانی ایجاد کند.

چه در حوزه خلق دانش، چه ذخیره دانش، چه تسهیم دانش و چه کاربرد دانش

ولی آنچه که بیش از پیش نوآورانه مینماید، استفاده از مدیریت دانش در حوزه کاربرد دانش و بین سازمانی است.

نظر شما چیست؟ آیا راجع به این بحث ایده ای دارید ؟