اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شماره‌ها | 1,248 |
| تعداد مقالات | 9,029 |
| تعداد مشاهده مقاله | 7,976,036 |
| تعداد دریافت فایل اصل مقاله | 4,764,863 |
بررسی اثر هوش تجاری به‌عنوان ابزار مدیریت دانش در بهبود شاخص‌های کلیدی عملکرد هولدینگهای سرمایه گذاری با رویکرد پویایی سیستم | ||
| مدیریت راهبردی دانش سازمانی | ||
| مقاله 3، دوره 2، شماره 4 - شماره پیاپی 7، بهمن 1398، صفحه 41-78 اصل مقاله (953.05 K) | ||
| نوع مقاله: مقاله پژوهشی با اصالت | ||
| نویسندگان | ||
| ابوذر شکری* 1؛ ضیاالدین قاضی زاده2 | ||
| 1دانشجوی دکتری، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران. | ||
| 2دانشیار، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه جامع امام حسین (ع)، تهران، ایران. | ||
| تاریخ دریافت: 13 مهر 1398، تاریخ بازنگری: 02 بهمن 1398، تاریخ پذیرش: 03 بهمن 1398 | ||
| چکیده | ||
| امروزه، هوش تجاری به‌عنوان یک مزیت رقابتی و عامل حیاتی در موفقیت سازمان‌ها محسوب می‌شود. هوش تجاری، داده‌ها و اطلاعات سازمان را یکپارچه کرده و امکان کنترل و ره‌یابی فرایندهای کلیدی سازمان را برای مدیران فراهم می‌نماید. در حالیکه بسیاری از پژوهشگران اشاراتی به بهبود عملکرد سازمانی با به‌کارگیری هوش تجاری در سازمان‌ها داشته‌اند، امّا مطالعه جامعی در خصوص فرآیند تأثیرگذاری هوش تجاری بر شاخص‌های کلیدی عملکردی به‌ویژه در حوزه عملکرد هولدینگهای اقتصادی صورت نگرفته است. در این راستا، پژوهش حاضر با هدف بررسی تأثیر هوش تجاری به‌عنوان ابزار مدیریت دانش بر بهبود شاخص‌های کلیدی عملکرد با رویکرد پویایی‌شناسی سیستم، در هلدینگ‌های سرمایه‌گذاری انجام گرفته است. جامعه آماری این پژوهش را 40 نفر از مدیران، کارشناسان، خبرگان و صاحبنظران علوم مدیریت اقتصادی و فناوری اطلاعات در هلدینگ‌های سرمایه‌گذاری تشکیل می‌دهند. برای گردآوری داده‌ها و استخراج شاخص‌ها ضمن مرور ادبیات موضوع و پژوهش‌های انجام‌گرفته، از طریق روش‌های کیفی و کمی، شاخص‌های مورد نظر استخراج گردیدند. به‌منظور بررسی رفتار تأثیر هوش تجاری و مدیریت دانش بر شاخص‌های کلیدی عملکرد هلدینگ سرمایه‌گذاری، از روش پویایی سیستم استفاده شده است که نتایج حاصل از شبیه‌سازی با نرم‌افزار ونسیم، حاکی از اثر قابل توجه هوش تجاری و مدیریت دانش بر شاخص‌های کلیدی عملکرد سازمان از جمله شاخص سود خالص، بازگشت سرمایه و رشد اقتصادی می‌باشد. | ||
| کلیدواژه‌ها | ||
| هوش تجاری؛ مدیریت دانش؛ شاخص‌های کلیدی عملکرد؛ هولدینگ | ||
| عنوان مقاله [English] | ||
| Survey of Business Intelligence Systems as a Knowledge Management Tool for Improving Business in Investment Holding by using Systems Dynamic Approach | ||
| نویسندگان [English] | ||
| Aboozar Shokry1؛ Ziaadin Ghazizadeh2 | ||
| 1PhD student, Faculty of Industrial Engineering, Islamic Azad University, South Tehran Branch, Tehran, Iran. | ||
| 2Associate Professor, Department of Industrial Engineering, Faculty of Engineering, Imam Hussein University, Tehran, Iran. | ||
| چکیده [English] | ||
| Today, business intelligence is regarded as a competitive advantage and a critical factor in the success of organizations. Business intelligence integrates the organization's data and information and enables managers to control and navigate key organizational processes. researchers have referred to improving organizational performance by employing business intelligence in organizations, there has not been a comprehensive study of the process of influencing business intelligence on key performance indicators, especially in the area of economic holding performance. In this regard, the present study aimed to investigate the impact of business intelligence as a knowledge management tool on improving key performance indicators with system dynamics approach in investment holding. The statistical population of this study consists of managers, experts, experts and experts in management and economic sciences in investment holding. In order to collect data and extract the indices, while reviewing the literature on the subject and researches, the indices were extracted through qualitative and quantitative methods.In order to investigate the impact of business intelligence and KM on key indicators of investment holding performance, a system dynamics approach was used. Key functions of the organization are net profit index, return on capital and economic growth. | ||
| کلیدواژه‌ها [English] | ||
| Business Intelligence, Knowledge Management, Key Performance Indicators, Holding | ||
| مراجع | ||
|
- تقی پور درشکی، علیرضا (1390)، ارزیابی اثربخشی طراحی داشبورد مدیریت دیجیتالی شهری مبتنی بر سیستم هوش تجاری با به‌کارگیری مدل سایمون، پایان نامه کارشناسی ارشد، دانشگاه پیام نور تهران. - خشویی مهدی، بهنام (1392)، شاخص‌های ارزیابی عملکرد و داشبورد مدیریتی حوزه فناوری اطلاعات آموزش و پرورش اصفهان، پایان نامه کارشناسی ارشد، دانشگاه قم. - روحانی، سعید، زارع رواسان، احد، (1391)، مدل ارزیابی سطح هوش تجاری در سیستمهای سازمانی، فصلنامه مطالعات مدیریت فناوری اطلاعات، سال اول، شماره 2، 105-121 - زارع مهرجردی یحیی, خسروی راد فرشید (1394)، تأثیر مدیریت دانش بر مدل تعالی سازمانی (EFQM) به روش پویایی‌شناسی سامانه‌ها، کنفرانس بین المللی پژوهش های نوین در مدیریت، اقتصاد و حسابداری. - زواری، جواد (1392)، بررسی رابطهی بین پیاده‌سازی داشبورد مدیریتی با سبک تصمیمگیری و تمایل به ریسکپذیری مدیران، مطالعه موردی شرکت پارس خودرو، پایان نامه کارشناسی ارشد، دانشگاه قم. - شیر دل، سعیده (1392)، بررسی تأثیر ویژگیهای داشبورد مدیریتی بر تصمیمگیری مدیران بانک (مورد مطالعه بانک سرمایه)، پایان نامه کارشناسی ارشد، مؤسسه آموزش عالی مهر البرز. - شیرکوند، علی اکبر (1393)، سامانه داشبورد مدیریتی سازمانی مبتنی بر فناوری اطلاعات، پایان نامه کارشناسی ارشد، دانشگاه پیام نور تهران. - متقی، وحید (1395)، شناسایی شاخص‌های ارزیابی عملکرد و طراحی داشبورد مدیریتی بر مبنای هوش تجاری مطالعه موردی اداره ثبت احوال استان مرکزی، نخستین کنفرانس بینالمللی پارادایمهای نوین مدیریت هوشمندی تجاری و سازمانی، تهران، دانشگاه شهید بهشتی. - هاشمی، سید علی اکبر (1397)، طراحی مدل توسعة داشبورد سازمانی با منطق هوش تجاری در سازمان‌های دولتی، فصلنامه سازمان‌های دولتی، دوره 6، شماره 3، 49-64 - جعفری، مصطفی، «اولویت انتخاب بین دانش و مهندسی مجدد در سازمان»، تدبیر، ش 167. - رادینگ، آلن، مدیریت دانش، ترجمه محمدحسین لطیفی، تهران، سمت، 1381. - رضائیان، علی، «نقش مدیر عالی دانش در مدیریت دانش» تدبیر، ش 155.
References
- Arnott, D., Lizama, F., & Song, Y. (2017). Patterns of business intelligence systems use in organizations. Decision Support Systems, 97, 58-68.
- Barão, A., de Vasconcelos, J. B., Rocha, Á. & Pereira, R. (2017). A knowledge management approach to capture organizational learning networks. International Journal of Information Management, 37(6), 735-740.
- Bembenek, B., & Piecuch, T. (2014). Knowledge management in industry clusters as an indication of entrepreneurship. In CBU International Conference Proceedings... (Vol. 2, p. 5).
- Calvo-Mora, A., Navarro-García, A., & Periañez-Cristobal, R. (2015). Project to improve knowledge management and key business results through the EFQM excellence model. International Journal of Project Management, 33(8), 1638-1651.
- Claver-Cortes, E., Zaragoza-Saez, P., & Pertusa-Ortega, E. (2007). Organizational structure features supporting knowledge management processes. Journal of Knowledge Management, 11(4), 45-57.
- Coelho, D., Miranda, J., Portela, F., Machado, J., Santos, M. F., & Abelha, A. (2016). Towards of a Business Intelligence Platform to Portuguese Misericórdias. Procedia Computer Science, 100, 762-767.
- Dalmarco, G., Maehler, A. E., Trevisan, M., & Schiavini, J. M. (2017). The use of knowledge management practices by Brazilian startup companies. RAI Revista de Administração e Inovação, 14(3), 226-234.
- Guimarães, J. C. F., Severo, E. A., & de Vasconcelos, C. R. M. (2018). The influence of entrepreneurial, market, knowledge management orientations on cleaner production and the sustainable competitive advantage. Journal of Cleaner Production, 174, 1653-1663.
- Erevelles, S., Fukawa, N., & Swayne, L. (2016). Big Data consumer analytics and the transformation of marketing. Journal of Business Research, 69(2), 897-904.
- Gandhi, S. (2004). Knowledge management and reference services. The journal of academic librarianship, 30(5), 368-381.
- H. Davenport, T. (2014). How strategists use “big data” to support internal business decisions, discovery and production. Strategy & Leadership, 42(4), 45-50.
- Hellebrandt, T., Heine, I., & Schmitt, R. H. (2018). Knowledge management framework for complaint knowledge transfer to product development. Procedia Manufacturing, 21, 173-180.
- Hwang, Y., Lin, H., & Shin, D. (2018). Knowledge system commitment and knowledge sharing intention: The role of personal information management motivation. International Journal of Information Management, 39, 220-227.
- Ismail Al-Alawi, A., Yousif Al-Marzooqi, N., & Fraidoon Mohammed, Y. (2007). Organizational culture and knowledge sharing: critical success factors. Journal of knowledge management, 11(2), 22-42.
- Kimble, C., & Milolidakis, G. (2015). Big data and business intelligence: Debunking the myths. Global Business and Organizational Excellence, 35(1), 23-34.
- Kubina, M., Koman, G., & Kubinova, I. (2015). Possibility of improving efficiency within business intelligence systems in companies. Procedia Economics and Finance, 26, 300-305.
- Mahdi, O. R., Nassar, I. A., & Almsafir, M. K. (2018). Knowledge management processes and sustainable competitive advantage: An empirical examination in private universities. Journal of Business Research.
- Narayanan, V. (2014). Using big-data analytics to manage data deluge and unlock real-time business insights. The Journal of Equipment Lease Financing (Online), 32(2), 1.
- Porter, M. E., & Kramer, M. R. (2006). Strategy and society: the link between corporate social responsibility and competitive advantage. Harvard business review, 84(12), 78-92.
- Ram, J., Zhang, C., & Koronios, A. (2016). The implications of big data analytics on business intelligence: A qualitative study in China. Procedia Computer Science, 87, 221-226.
- Singh Sandhawalia, B., & Dalcher, D. (2011). Developing knowledge management capabilities: a structured approach. Journal of Knowledge Management, 15(2), 313-328.
- Trieu, V. H. (2017). Getting value from Business Intelligence systems: A review and research agenda. Decision Support Systems, 93, 111-124.
- Tseng, S. M. (2011). The effects of hierarchical culture on knowledge management processes. Management research review, 34(5), 595-608.
- Wang, L., & Alexander, C. A. (2015). Big data driven supply chain management and business administration. American Journal of Economics and Business Administration, 7(2), 60.
- Zhang, Y., Liu, S., Tan, J., Jiang, G., & Zhu, Q. (2018). Effects of risks on the performance of business process outsourcing projects: The moderating roles of knowledge management capabilities. International Journal of Project Management, 36(4), 627-639. | ||
|
آمار تعداد مشاهده مقاله: 2,932 تعداد دریافت فایل اصل مقاله: 1,281 |
||