الگوی سنجش هوشمندی کسب‌وکار در صنعت تلکام

نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانشگاه کردستان

2 دانشگاه الزهرا

چکیده

هدف این پژوهش، ارائه الگوی سنجش سیستم هوشمندی کسب‌­وکار با استفاده از رویکرد آمیخته است. در این مقاله، ابتدا مبانی نظری پژوهش بررسی شده و سپس، با مرور پژوهش­‌های پیشین، شاخص­‌های سنجش سیستم هوشمندی کسب‌­وکار استخراج شده است. در ادامه، متغیرهای اولیه استخراج‌­شده با روش کیفی و با گروه­‌های کانونی غربال و متغیرهای مناسب به منظور طراحی مدل و سنجش آن تایید شدند. جامعه آماری شامل مدیران، روسا و کارشناسان کسب­‌وکار یکی از اپراتورهای تلفن همراه کشور است و نمونه آماری به­ صورت سرشماری جامعه آماری انتخاب شد. در ادامه، داده‌­های کمی پژوهش با پرسشنامه جمع­‌آوری و با توجه به این­که جامعه آماری سرشماری شده بود، با روش­‌های آمار توصیفی و ماتریس اهمیت- عملکرد تحلیل شد. نتایج نشان داد که وضعیت سیستم هوشمندی کسب‌­وکار در سطح متوسط رو به بالایی است؛ اما سطح ابعاد آن باهم متفاوت‌­اند. هوشمندی فناورآنه و هوشمندی رقبا در وضعیت مطلوبی قرار دارند و وضعیت هوشمندی بازار در سطح متوسط روبه بالا و نزدیک به مطلوب است؛ اما سطح هوشمندی راهبردی ضعیف ارزیابی شد. بر اساس ماتریس اهمیت- عملکرد در مجموع هوشمندی فناورآنه، هوشمندی رقابتی و هوشمندی بازار در ناحیه قوت‌­های سیستم هوشمندی کسب­‌وکار قرار گرفتند؛ اما هوشمندی راهبردی در ناحیه ضعف­‌های کلیدی سیستم هوشمندی کسب‌­وکار است.

کلیدواژه‌ها


عنوان مقاله [English]

A Model of Business Intelligence Assessment in Telecom Industry

نویسندگان [English]

  • Arman Ahmadizad 1
  • Ebrahim Abbasi 2
  • Mahin Rahimpour 2
1 Kurdistan University
2 Alzahra University
چکیده [English]

The purpose of this study is to design a model for business intelligence system (BIS) using a mixed approach. At First, reviewing historical researches, the metrics of business intelligence system are extracted. Following; the initial variables are evaluated and selected by qulaitative method and focus group. The population consists of commercial managers and experts in a mobile operator in Iran. As the members of population were available, then all population was the sample. Data gathered by questionnaire, and descriptive statistics and matrix of importance- performance are used for analysis. The results showed that the state of business intelligence system was medium but with different dimensions. Technological and competitors intelligence are in a relatively good level and market intelligence in a medium level. The state of strategic Intelligence didn’t have a good level. Based on importance - performance matrix, Technological, competitors and market intelligence were in thearea of business intelligence strengths but the key weakness was strategic intelligence.

کلیدواژه‌ها [English]

  • Business Intelligence
  • Market Intelligence
  • Competitors Intelligence
  • Technological Intelligence
  • Strategic intelligence

 

1. بازرگان هرندی، عباس (1387). روش تحقیق آمیخته: رویکردی برتر برای مطالعات مدیریت، نشریهدانش مدیریت، دوره 21، شماره 81، 36-19.

2. حمیدی­زاده، محمدرضا و همکاران (1389). تبیین قابلیت‌های توانمندساز سیستم خبره برای ارتقای تصمیمات راهبردی سازمان. فصلنامه مطالعات مدیریت راهبردی، سال اول، شماره 1: 27-46.

3. حمیدی­زاده، محمدرضا و همکاران (1395). تبیین و ارزیابی کارایی سیستم خبره تصمیمات راهبردی. فصلنامه مطالعات مدیریت راهبردی، سال هفتم، شماره 25: 67-89.

4. Albescu F, Pungna I & Paraschiv D. (2008). Business intelligence & knowledge management Technological support for strategic management in the knowledge based economy, Journal of information economy, 8 (4), 67-82.

5. Alon, I & Higgins, M. (2005). Global Leadership Success Through Emotional and Cultural Intelligences, Business Horizons, 48, 501-512.

6. Annie Green. (2006). The starting block: enterprise (business) intelligence – evolving towards knowledge valuation, 36 (3), 267 – 277.

7. Badami V. (2002). Payback on Business Intelligence, White Paper, RCG information technology.

8. Dishman P & Pearson T. (2003). Assessing Intelligence as Learning within an Industrial Marketing Group: A Pilot Study, Industrial Marketing Management, 32, 615-620.

9. Ettore B. (1995). Managing Competitive Intelligence, Management Review, 10, 15-19.

10. Gupta S D. (2003). A strategy for intelligence, Network magazine, http://www.networkmagazineindia.com/archives.shtml.

11. Hill J & Scott. (2004). A consideration of the roles of business intelligence and e-business in management and marketing decision making in knowledge-based and high-tech start-ups, Qualitative Market Research: An International Journal, 7 (1), 48 – 57.

12. Paiva E L and Goncalo C R. (2008). Organizational knowledge and industry dynamism: an empirical analysis, International Journal of Innovation and Learning, 5 (1), 66-80.

13. Powell J Bradfod J. (2000). Targeting Intelligence Gathering in a Dynamic Competitive Environment, International Journal of Information Management, 20, 181-195.

14. Ramachandran S.D, Chong S C & Lin B. (2008). Perceived importance and effectiveness of KM performance outcomes: perspective of institutions of higher learning, International Journal of Innovation and Learning, 5 (1), 18-37.

15. Richard T H, Nory & Jones E. (2005). Knowledge management and business intelligence: the importance of integration, Journal of Knowledge Management, 9 (4), 45 – 55.

16. Roglaski S. (2003). Business Intelligence: 360° insight: The intelligence challenge, DM Review Magazine, Jan.

17. Shaw M J, Subramaniam C, Tan G W & Welge M E. (2001). Knowledge management and data mining for marketing, Decision Support Systems, 31 (1), 127-137.

18. Stephens D. (2002). Business Intelligence-The business case.,http://www.bi-solutions.co.uk.

19. Thompson S H & Choo W.Y. (2001). Assessing the Impact of Using the Internet for Competitive Intelligence, Information & Management, 30, 67-83.

20. Tan T T W & Ahmed Z U. (1999). Managing market intelligence: an Asian marketing research perspective, Marketing Intelligence & Planning, 17 (6), 298 – 306.

21. Toit A. (2003). Competitive Intelligence in the Knowledge Economy, International Journal of Information Management, 23, 111-120.

22. Trim P & Lee Y. (2008). A strategic marketing intelligence and multi-organisational resilience framework, European Journal of Marketing, 42 (7/8), 731 – 745.

23. Wang H & Wang S. (2008). A knowledge management approach to data mining process for business intelligence, Industrial Management & Data Systems, 108 (5), 622 – 634.

24. Weis S & Sub H. (2007). Reviving the Search for Social Intelligence-A Multitrait- Multi Method Study of its Structure and Construct Validity, Personality and Individual Differences, 42, 3-14.

25. Wright S & Calof J L. (2006). The quest for competitive, business and marketing intelligence: A country comparison of current practices, European Journal of Marketing, 40 (5/6), 453 – 465.