آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,192 |
| تعداد مقالات | 8,579 |
| تعداد مشاهده مقاله | 6,988,690 |
| تعداد دریافت فایل اصل مقاله | 4,032,534 |
مدل‌سازی چالش‌های استقرار فرهنگ سازمانی داده‌محور در سازمان‌های دولتی ایران (نمونه پژوهش: سازمان‌های تابع وزارت دفاع) | ||
| مدیریت دانش سازمانی | ||
| دوره 4، شماره 4 - شماره پیاپی 15، اسفند 1400، صفحه 111-149 اصل مقاله (1.58 M) | ||
| نوع مقاله: مطالعه موردی | ||
| نویسندگان | ||
| غلامرضا توکلی1؛ محمد محمد ظاهری2؛ محمد مظاهری طاری* 3 | ||
| 1دانشیار، گروه مدیریت صنعتی، دانشگاه صنعتی مالک اشتر، تهران، ایران | ||
| 2پژوهشگر، دانشگاه صنعتی مالک اشتر، تهران، ایران | ||
| 3کارشناسی ارشد، دانشگاه صنعتی مالک اشتر، تهران، ایران | ||
| تاریخ دریافت: 04 اسفند 1400، تاریخ بازنگری: 23 اسفند 1400، تاریخ پذیرش: 20 اسفند 1400 | ||
| چکیده | ||
| در عصری که توجه به اطلاعات و داده در سازمان‌ها، منجر به رشد عملکرد و ذهنیت مثبت نسبت به سازمان می‌شود، در سازمان‌های بزرگ دولتی شاهد کم‌توجهی به داده و داده‌محوری هستیم که این موضوع منجر به بی‌بهره شدن سازمان از مزایای سازمان داده‌محور خواهد شد. پژوهش حاضر با هدف شناسایی و مدل‌سازی چالش‌های استقرار فرهنگ داده‌محور در سازمان‌های دولتی ایران به‌منظور رفع موانع و استقرار فرهنگ داده‌محور در سازمان‌های مذکور انجام شده است. منظور از سازمان‌های دولتی در پژوهش حاضر (محدوده پژوهش) سازمان‌های تابع وزارت دفاع (ودجا) می‌باشد. این پژوهش کاربردی-توصیفی در پارادایم تفسیرگرایی و با رویکردی آمیخته (کیفی-کمی) انجام شده است. داده‌ها با استفاده از روش‌های مطالعه منابع دانشی موجود، مصاحبه نیمه ساختاریافته و پرسش‌نامه ساختاری تفسیری گردآوری و با استفاده از روش‌های تحلیل محتوای کیفی جهت‌دار و مدل‌سازی ساختاری تفسیری تحلیل شدند. جامعه آماری پژوهش حاضر در هر دو بخش کمی و کیفی این پژوهش، شامل خبرگان فرهنگ سازمانی و علم داده در سازمان‌های دفاعی بودند که با روش نمونه‌گیری هدفمند و تا رسیدن به اشباع نظری 16 مصاحبه انجام شد. خروجی تحلیل محتوا به‌منظور بررسی روایی ابعاد و مؤلفه‌های استخراج شده در اختیار خبرگان گذاشته شد و جرح‌وتعدیل لازم صورت گرفت و پایایی خروجی تحلیل محتوا با روش هولستی سنجیده شد که ضریب آن 0.8 حاصل گردید. نتیجه منجر به طراحی مدل چالش‌های استقرار فرهنگ داده‌محور در سازمان‌های دفاعی گردید. یافته‌ها نشان داد که 8 بعد سازمانی، تصمیم‌گیری، بافتار داده، فرهنگ محیطی، مدیریتی، استراتژیک، لجستیکی، فردی-شخصیتی به‌عنوان چالش‌های مهم و کلیدی در مسیر استقرار فرهنگ داده‌محور هستند که این ابعاد مدل یکپارچه مذکور را شکل می‌دهند و این ابعاد با یکدیگر در تعامل هستند. نتایج همچنین نشان داد که مؤثرترین و تأثیرگذارترین بعد فرهنگ محیطی می‌باشد و ابعاد لجستیک، بافتار داده و مؤلفه‌های فردی- شخصیتی اثرپذیرترین ابعاد احصا شدند. | ||
| کلیدواژه‌ها | ||
| فرهنگ سازمانی"؛ " سازمان داده‌محور"؛ " فرهنگ سازمانی داده‌محور"؛ " سازمان دولتی"؛ سازمان‌های دفاعی | ||
| عنوان مقاله [English] | ||
| Modeling the Challenges of Establishing a Data-Driven Organizational Culture in Iranian Government Organizations (Case Study: Organizations under the Ministry of Defense) | ||
| نویسندگان [English] | ||
| Gholamreza Tavakoli1؛ Mohammad mohammad zaheri2؛ mohammad Mazahery Tari3 | ||
| 1Associate Professor, Department of Industrial Management and Faculty Member of Malek Ashtar University of Technology, Tehran, Iran | ||
| 2PhD, Researcher of Malek Ashtar University of Technology, Tehran, Iran | ||
| 3MA., Malek Ashtar University of Technology, Tehran, Iran | ||
| چکیده [English] | ||
| In the era where paying attention to information and data in organizations leads to the growth of performance and a positive attitude towards the organization, in large government organizations we see a lack of attention to data and data-driven, which will lead to the benefit of the organization-based organization. The present study was conducted to identify and model the challenges of establishing a data-driven culture in Iranian government organizations in order to remove barriers and establish a data-driven culture in these organizations. Government organizations in the present study (scope of research) means organizations subordinated to the Ministry of Defense (VDJA). This applied-descriptive research has been done in the paradigm of interpretivism and with a mixed approach (qualitative-quantitative). Data were collected using existing knowledge resource study methods, semi-structured interviews and interpretive structural questionnaires and analyzed using oriented qualitative content analysis and interpretive structural modeling. The statistical population of the present study in both quantitative and qualitative parts of this study included experts in organizational culture and data science in defense organizations, which was conducted by purposive sampling method and until the theoretical saturation of 16 interviews. The content of the content analysis was provided to the experts in order to check the validity of the extracted dimensions and components, and the necessary adjustment was performed. The reliability of the content analysis output was measured by the Holstie method with a coefficient of 0.8. The result led to the design of a model of challenges to establishing a data-driven culture in defense organizations. Findings showed that the eight dimensions of organizational, decision making, data context, environmental culture, management, strategic, logistics, individual - personality are important and key challenges in establishing a data-driven culture that these dimensions form the integrated model. They interact with each other. The results also showed that the most effective and influential dimension is environmental culture and the dimensions of logistics, data texture and individual-personality components were the most effective dimensions. The structural-interpretive model itself has the required reliability and validity and there is no reason to examine them. | ||
| کلیدواژه‌ها [English] | ||
| "Organizational culture", "Data-driven organization", "Data-driven organizational culture", "Government organization "Defense organizations | ||
| مراجع | ||
|
آذر، عادل، فرهاد خسروانی و رضا جلالی. (1392) .تحقیق در عملیات نرم، رویکردهای ساختاردهی مسئله، تهران: سازمان مدیریت صنعتی.
امیری کرمانشاهی، مجتبی (1372). فرهنگ و سازمان. تحول اداری پاییز 1372 - شماره 4 و 5 (8 صفحه - از 77 تا 84 )
بی لاوسن، رابرت و زنگ شن، (1379). روان‌شناسی سازمانی، رفتار سازمانی مبانی و کاربردها (ترجه رمضان حسن‌زاده). تهران: ساوالان.
دیاناسی، فیزی (1383). مدیریت اقتضایی متناسب بافرهنگ سازمانی انواع و تغییر فرهنگ (ترجمه ناصر میر سپاسی). تهران: میر.
رابینز، استیفن (1378). رفتار سازمانی، مفاهیم، نظریه‌ها و کاربردها (ترجمه علی پارسیان و سید محمد اعرابی) تهران: دفتر پژوهش‌های فرهنگی.
شاین، ادگار (1380). مدیریت فرهنـگ سـازمانی و رهبـری (ترجمـه بـرزو فرهـی بوزجانی و شمس‌الدین نوری نجفی). تهران: سیمای جوان.
مشبکی، اصـغر (1379). مدیریت رفتار سازمانی: تحلیل کـاربردی، ارزش از رفتـار انسانی. تهران: نشر ترمه.
یزدخواستی، علی و مرادی، سارا (1394). مفهوم‌شناسی فرهنگ سازمانی. همایش ملی پژوهش‌های علوم مدیریت، شهر تهران.
Reference:
Agarwal, A., Shankar, R., & Tiwari, M. K. (2007). Modeling agility of supply chain. Industrial marketing management, 36(4), 443-457.
Azar, A., & Bayat, K. (2008). Designing trade based on- process model by interpretive structural modeling, Journal of Information Technology Management.
Azar, A. (2010). Modeling agility of supply chain, using interpretive structural modeling approach-Structural, Journal of Humanities TeacherManagment Research in Iran, 14(4) ,138, 13.(in Persian).
Anderson, C. (2015). Creating a data-driven organization: Practical advice from the trenches. O'Reilly Media, Inc.
Balabonienė, I., & Večerskienė, G. (2015). The aspects of performance measurement in public sector organization. Procedia-social and behavioral sciences, 213, 314-320.
Bean, R., & Davenport, T. H. (2019). Companies are failing in their efforts to become data-driven. Harvard Business Review, 5-8.
Berndtsson, M., Forsberg, D., Stein, D., & Svahn, T. (2018). Becoming a data-driven organisation. In 26th European Conference on Information Systems (ECIS2018), Portsmouth, United Kingdom, 23-28.
Berndtsson, M., Forsberg, D., Stein, D., and Svahn, T. (2018). Becoming a Data-Driven Organisation. ECIS 2018 Proceedings, pp, 1-9.
Boyce, A. S., Nieminen, L. R. G., Gillespie, M. A., Ryan, A. M., & Denison, D. R. (2015). Which comes first, organizational culture or performance? A longitudinal study of causal priority with automobile dealerships. Journal of Organizational Behavior, 36(3), 339–359.
Carillo, K. D. A., Galy, N., Guthrie, C., & Vanhems, A. (2019). How to turn managers into data-driven decision makers: Measuring attitudes towards business analytics. Business Process Management Journal.
Davenport, T. H., & Bean, R. (2018). Big companies are embracing analytics, but most still don’t have a data-driven culture. Harvard Business Review, 6, 1-4.
de Medeiros, M. M., Hoppen, N., & Maçada, A. C. G. (2020). Data science for business: Benefits, challenges and opportunities. The Bottom Line.
Halper, F., Stodder, D.: What it takes to be data-driven. TDWI, vol. Q4 (2017).
Janićijević, N. (2011). Methodological Approaches in the research of Organizational Culture.Economic Annals, LVI (189), pp.69–100.
Lane,J.E. Viesasis sektorious: savokos, modeliai ir poziuriai. Vilnus: Margi rastai, 2005. ISBN 9986-09-228-0.
Mandel, M. (2017). The Economic Impact of Data: Why Data Is Not Like Oil. Progressive Policy InstituteRetrieved from https://www.progressivepolicy.org/ wp-content/uploads/ 2017/07/PowerofData Report_ 2017.pdf
Nair, S. (2021). Is your Bussiness Masquerading as data-driven?. Harvard Business Review.
Parkins, D. (2017). The world’s most valuable resource is no longer oil, but data. https://www.progressivepolicy.org/ wp-content/uploads/ 2017/09/PowerofData Report_ 2017.pdf.
Storm, M., & Borgman, H. (2020). Understanding challenges and success factors in creating a data-driven culture. In Proceedings of the 53rd Hawaii International Conference on System Sciences.
Smalskys v. (2010). Viesasis valdymas: vadovelis. Vilnus.Mykolo Riomerio universitetas.
Schein, E. (2004). Organizational Culture and Leadership. Thousand Oaks, CA: Sage Publications.
Redman,T. (2021). Become more data-driven by Breaking These Bad Habits. Harvard Business Review.
Svensson, R. B., & Taghavianfar, M. (2020). Toward Becoming a Data-Driven Organization: Challenges and Benefits. In International Conference on Research Challenges in Information Science (pp. 3-19), Cham.
Thomas, H., & Davenport, T.H. (2020). How CEO can Lead Data-driven culture. Harvard Business Review.
Waller,D. (2020). 10 steps to creating a data-driven culture. Harvard Business Review.
Wang, S., & Krisch, U. (2019). A foundation for building a data-driven culture. Applied Marketing Analytics, 4(3), 238-252.
Whiteman,H. (2020). 7 ways HR can Build a Farier, Data-informed culture. Harvard Business Review.
Windt, B., Borgman, H., & Amrit, C. (2019). Understanding leadership challenges and responses in data-driven transformations. | ||
|
آمار تعداد مشاهده مقاله: 317 تعداد دریافت فایل اصل مقاله: 403 |
||