قابلیتهای مور نیاز شرکت برای استفاده راهبردی از کلاندادهها
محورهای موضوعی : مدیریت استراتژیکمحمد زارع 1 * , حسین رحمان سرشت 2
1 - دانشجوی دکتری مدیریت بازرگانی، دانشگاه امام رضا (ع)
2 - دانشگاه علامه طباطبائی
کلید واژه: کلاندادهها, قابلیتها, شرکتهای دانشبنیان,
چکیده مقاله :
باتوجهبه اهمیت روزافزون کلاندادهها، نیاز به بهکارگیری آن در سازمانها برای دستیابی به مزیت رقابتی مشهود است ولی ذکر این نکته حائز اهمیت است که بهمنظور بهرهمندی یک سازمان از مزیتهای کلاندادهها، باید جنبههای مختلفی از نظام آمادگی کلاندادهها را در خود فراهم آورد. در این پژوهش هدف اصلی، بررسی قابلیتهای موردنیاز شرکتها برای استفاده راهبردی از کلاندادهها است که برای این منظور ابتدا با مطالعه پیشینه و مبانی نظری، الگوی قابلیتهای مربوطه به همراه شاخصهای اصلی استخراج شده و سپس برای سنجش میزان برخورداری شرکتها از قابلیتهای استفاده از کلاندادهها، پرسشنامه پژوهش در اختیار 83 نفر از مدیران شرکتهای دانشبنیان مستقر در پارک علم و فناوری یزد قرار گرفت و تحلیلها با استفاده از نرمافزار SPSS صورت گرفت. نتایج تجزیهوتحلیل دادهها نشان میدهد که شرکتهای مورد بررسی در قابلیتهای فنی و منابع انسانی از وضعیت خوبی برخوردارند اما از نظر قابلیتهای سازمانی برای استفاده راهبردی از کلاندادهها در وضعیت مناسبی نیستند و باید در جهت بهبود شاخصهای مربوط به این قابلیت اهتمام ورزند.
Given the growing importance of metadata, the need to use it in organizations to achieve a competitive advantage is obvious, but it is important to note that in order for an organization to enjoy the advantages of metadata, it must provide various aspects of the metadata readiness system. In this study, the main purpose is to investigate the capabilities required by companies for strategic use of metadata. The research questionnaire was given to 83 managers of knowledge-based companies located in Yazd Science and Technology Park and the analyzes were performed using SPSS software. The results of data analysis show that the surveyed companies are in a good position in terms of technical capabilities and human resources, but are not in a good position in terms of organizational capabilities for strategic use of metadata and should strive to improve the indicators related to this capability.
امیریان، بهاره (1395). ارزیابی بلوغ کلانداده در صنعت بیمه کشور، پایاننامه کارشناسی ارشد، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا.
- فهیمی، سید محمود (1396). بررسی بلوغ استفاده از کلانداده در صنایع مالی و بانکداری ایران، پایاننامه کارشناسی ارشد، دانشکده مدیریت، دانشگاه تهران. - همزه، امیر (1398). ارزیابی آمادگی سازمانهای بخش خصوصی در استفاده از کلانداده (مطالعه موردی سازمانهای خدماتی بخش خصوصی شهر تهران)، پایاننامه کارشناسی ارشد، دانشکده مدیریت و اقتصاد، دانشگاه تربیتمدرس.
- Adrian, C., Abdullah, R., Atan, R., & Jusoh, Y. Y. (2017, July). Factors influencing to the implementation success of big data analytics: A systematic literature review. In 2017 international conference on research and innovation in information systems (ICRIIS) (pp. 1-6). IEEE. - Barton, D., & Court, D. (2012). Making advanced analytics work for you. Harvard business review, 90(10), 78-83. - Brown, B., Chui, M., & Manyika, J. (2011). Are you ready for the era of ‘big data’. McKinsey Quarterly, 4(1), 24-35. - Chen Min, Shiwen Mao, Yunhao Liu. (2014). Big Data: Mobile Netw Appl. (19). - Chen, H., Chiang, V.C. (2012) Storey, Business intelligence and analytics: from big data to big impact, - Mis Q. 36 (2012) 1165–1188, https://doi.org/10.2307/ 41703503. - Davenport, T. H., & Patil, D. J. (2012). Data scientist. Harvard business review, 90(5), 70-76. - Dhanuka, V. (2016). Hortonworks big data maturity model. Hortonworks, (March). - Einav, L. Levin, J (2014). The data revolution and economic analysis, NBER Inno. Pol. Eco. 14 1–24, https://doi.org/10.3386/w19035. - Jelinek, M., Bergey, P. (2013). Innovation as the strategic driver of sustainability: big data knowledge for profit and survival, Ieee Eng. Manag. Rev. 41, 14–22, https://doi.org/10.1109/EMR.2013.2259978. - Joshi, M., & Biswas, P. (2018). An Empirical Investigation of Impact of Organizational Factors on Big Data Adoption. In Proceedings of First International Conference on Smart System, Innovations and Computing (pp. 809-824). Springer, Singapore. - Kaisler, S., Armour, F., Espinosa, J. A., & Money, W. (2013, January). Big data: Issues and challenges moving forward. In 2013 46th Hawaii international conference on system sciences (pp. 995-1004). IEEE. - Kalema, B. M., & Mokgadi, M. (2017). Developing countries organizations’ readiness for Big Data analytics. Problems and perspectives in management, (15, Iss. 1 (cont.)), 260-270. - Kwon, O., Lee, N., & Shin, B. (2014). Data quality management, data usage experience and acquisition intention of big data analytics. International journal of information management, 34(3), 387-394. - Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., & Hung Byers, A. (2011). Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute. - Minelli, M., Chambers, M., & Dhiraj, A. (2013). Big data, big analytics: emerging business intelligence and analytic trends for today's businesses. John Wiley & Sons. - Minelli, M., Chambers, M., & Dhiraj, A. (2013). Big data, big analytics: emerging business intelligence and analytic trends for today's businesses (Vol. 578). John Wiley & Sons. - Shah, N., Irani, Z., & Sharif, A. M. (2017). Big data in an HR context: Exploring organizational change readiness, employee attitudes and behaviors. Journal of Business Research, 70, 366-378. - Singh, J., & Singla, V. (2015). Big data: tools and technologies in big data. International Journal of Computer Applications, 112(15). - Stephens, Z. D., Lee, S. Y., Faghri, F., Campbell, R. H., Zhai, C., Efron, M. J., ... & Robinson, G. E. (2015). Big data: astronomical or genomical?. PLoS biology, 13(7), e1002195. - Suoniemi, S., Meyer-Waarden, L., Munzel, A., Zablah, A. R., & Straub, D. (2020). Big data and firm performance: The roles of market-directed capabilities and business strategy. Information & Management, 57(7), 103365.