جديدترين مقالات مرتبط با مدیریت فناوری اطلاعات
ارسال شده توسط احمد محمدی | 10 01, 2014 | بازدید‌ها (5416)
TPS(Transaction Processing System) یا سیستمهای پردازش رخداد:

به طور کلی در هر سازمانی یک سری رخداد وجود دارد که برای سازمان حیاتی است، لذا باید از این اطلاعات به نحو احسند استفاده شود. از نظر تنوع، این نوع سیستم­ها بیشترین تنوع را دارند. TPSها سیستم­های ساده­ای هستند و پیچیدگی خاصی ندارند و ترکیب بیشتر آنها در جمع­آوری اطلاعات می­باشد. سیستم­های پردازش رخداد معمولاً در سازمان­ها برای انجام کارهای ساده و تکراری و اموری که بصورت روزانه انجام می­گیرند، مورد استفاده قرار می­گیرد. کار با این سیستم­ها ساده و روتین است و این سیستم­ها بیشتر، رخدادهایی را ثبت می­کنند که ارتباط سازمان با بیرون از سازمان مطرح می­باشد. TPSها معمولاً سیستم­های کامپیوتری هستند. این سیستم­ها کاملاً ساخت­یافته بوده و اهداف و منابع آنها از قبل تعیین شده می­باشد. از کار افتادن TPS، گاهی مساوی با ورشکستگی سیستم است. به طور کلی TPS بستری فراهم می­کند که سایر سیستم­ها بر آن بنا می­شوند.

عملیات روزانه سازمان­ها بوسیله­ی این سیستم­ها انجام می­پذیرد. از خصوصیات اصلی این سیستم­ها داشتن ماهیت روتین، داشتن داده و اطلاعات حجیم و دارای جزئیات و عدم نیاز به تصمیم­گیری­های مدیریتی در حین كار با سیستم می­باشد.

     نمونه: سیستم دریافت و پرداخت بانك­ها

2. OAS(Office Automation System) یا سیستم­های اتوماسیون اداری:

کار اصلی این سیستم­ها مدیریت اسناد و ایجاد تسهیل در نامه نگاری و اطلاعات درون سازمان می­باشد. در این سیستمها به كمك تكنولوژی ارتباطی و با استفاده از واژه­پردازها‏‏، فایل­های الكترونیكی، نامه­های الكترونیكی، كنفرانس الكترونیكی و ... در جهت اتوماسیون اداری استفاده می­گردد. از سیستم­های اتوماسیون اداری برای برقراری مكاتبات بدون كاغذ در سازمان استفاده می­گردد. سیستم اتوماسیون اداری وظیفه­ی برقراری ارتباطات داخلی سازمان و همچنین افراد سازمان با خارج از سازمان را عهده­دار است. این ارتباط به بهبود هماهنگی فعالیت­ها و كیفی كردن كار كمك می­كند. پردازشگر­های متن، پست الكترونیك، ارسال صدا، ارسال فكس، ویدئو كنفرانس و كنفرانس صوتی از ابزارهایی هستند كه می­تواند در این مجموعه بكار رود.

 

4. MIS(Management Information System) یا سیستم­های اطلاعات مدیریت:

این سیستم­ها وظیفه­ی پشتیبانی از مدیریت میانی و بعضاً مدیریت عملیاتی را بوسیله­ی اطلاعاتی که به آن می­دهند، انجام می­دهند تا مدیر وظایفش را بهتر انجام دهد. توجه MIS به گذشته و حال است و به صورت مشخص به عملیات داخلی سازمان توجه دارد و به بیرون سازمان ارتباطی ندارد و عملیات وسیع سازمان را خلاصه می­کند. این سیستم­ها ساخت­یافته و نیمه ساخت­یافته می­باشند. با این حال MIS دارای انعطاف­پذیری بالایی نیست و توان تحلیل و پردازش وسیع و پیچیده را ندارد. همچنین این سیستم در مقابل اطلاعاتی که به مدیر ارائه می­دهد بی­تفاوت است. مدل­هایی که در MIS مورد استفاده هستند، مدل­های ساده­ای بوده و جهت گذارش­گیری استفاده می­شوند.

 

سیستم‌های اطلاعات مدیریت((MIS در سازمان‌ها از طریق مكانیزه كردن كامپیوتری تحقق می‌یابد كه ایجاد سیستم اطلاعات كامپیوتری دارای مراحل مختلفی به شرح زیر است (مدل مرحله ای نولان)

1. آشنا سازی: در این مرحله سازمان با دستگاهی به نام كامپیوتر آشنا می­شود. كاهش هزینه­ها و كاهش حجم اطلاعات روی كاغذ هدف استفاده از این دستگاه است.

2. سرایت: تعریف كاربردهای جدید برای كامپیوتر انجام می­شود و تقاضا برای استفاده از كامپیوتر افزایش می­یابد.

3. كنترل: در این مرحله مدیریت احساس می‌كند كه هزینه‌های استفاده از كامپیوتر افزایش پیدا كرده است و سعی در كنترل آن می‌كند كه شروع به استفاده از سیستمی با عنوان DSS(Decision Support System) می­كند.

([DSS]سیستم پشتیبانی تصمیم): موقعی عمل می­كند كه مسئله بروز شده باشد. این نوع سیستم ادامه یا مكمل سیستم گزارشهای مدیریت است كه از مدلهای تصمیم­گیری و پایگاه داده­هایی خاص در جهت پشتیبانی از تصمیمات نیمه ساخت­یافته یا ساخت­نیافته استفاده می كند.

4. جامعیت: سیستم‌هایی كه در دومین مرحله بطور مجزا پیاده شده بودند با هم جمع شده به این نحو كه داده­ها از یك محدوده به محدوده‌ی دیگر جریان می­یابند. سیستم‌های فرعی پردازش داده با هم جمع شده و بین سیستم‌های فرعی اطلاعات، ارتباط برقرار می­گردد.

5. اداره­ی داده: مدیریت داده از اهمیت پایگاه داده برای پردازش داده آگاه می­شود و نرم­افزاری با وظیفه­ی اداره­ی داده مطرح می­گردد.

6. بلوغ: تمام اجزای سیستم‌های اطلاعات مدیریت در جای خود قرار می­گیرند.

 

5. DSS(Decision Support System) یا سیستم پشتیبانی از تصمیم:

این سیستم­ها جهت اجرای مدل­های پیچیده­ی آماری و ریاضی، تحلیل داده­ها و پشتیبانی از تصمیم مورد استفاده قرار می­گیرند. ورودی این سیستم­ها حجم داده­های کم، پردازش همراه با تعامل با کاربر، خروجی تحلیل تصمیم  و کاربران آن پرسنل حرفه­ای سازمان می­باشند. DSSها جهت تصمیم­گیری در مواقعی که سابقه وجود ندارد، استفاده می­شوند و نتایج بدست آمده از آنها بهینه است که مدیران را در اخذ تصمیمات منحصر به فرد که غیر ساخت­یافته یا نیمه ساخت­یافته هستند، یاری می­دهد و هوشمندی مدیران یا کارکنان حرفه­ای را با قابلیت­های کامپیوتری ادغام کرده تا کیفیت تصمیمات را بهبود بخشد.

 

خصوصیات عمده­ی DSSها:

1.پیوند داده­های اطلاعاتی و مدل­ها 2.یاری دادن مدیران که با مسائل غیر ساخت­یافته روبه­رو هستند 3.پشتیبانی قضاوتهای مدیریتی به جای جایگزینی 4.هدف، بهبود اثربخشی تصمیمات بوده و ملاک کار این نیست 5.اطلاعات مورد نیاز حتی پس از شناسایی توسط مدیر باید از طریق منابع خاص تفکیک گردد 6.از ابتدا مشخص نیست که بهترین اقدام در خصوص بهترین تصمیم چیست 7.برخی از داده­های DSS از طریق TPS و برخی از طریق MIS تامین می­شود و بعضی EIS و خارج سازمان بدست می­آیند 8.از انعطاف پذیری بیشتری نسبت به MIS برخوردارند

 

برخی از منافع DSSها:

1.توانایی پشتیبانی و حل مسائل پیچیده 2.پاسخ صحیح به شرایط غیر منتظره 3.توانایی آزمایش استراتژی­های گوناگون تحت شرایط مختلف بصورت سریع و بی­طرفانه 4.درک جدید و یادگیری کاربر می­تواند به ترکیب مدل­ها تحلیل بهتر منجر شود 5.ایجاد ارتباط آسان 6.کنترل و عملکرد بهتر مدیریت 7.صرفه­جویی در منابع یا هزینه­ها 8.تصمیمات بی­طرفانه 9.افزایش بهبود 10.حمایت و پشتیبانی از گروه­ها

 

۶. EIS(Executive Information System) یا سیستم­های اطلاعاتی اجرایی:

سیستم EIS به مدیر ارشد سازمان کمک می­کند تا یک تصویر کلی از سازمان را در اختیار داشته باشد. از آنجایی که مدیر ارشد باید با استفاده از کمترین وسایل و اطلاعات، کاملترین و جامع­ترین برداشت را از وضع سازمان داشته باشد و از طرف دیگر مدیر ارشد باید معیارهایی برای ارزیابی داشته باشد و ریشه­یابی مسائل ممکن است برای مدیر ارشد با اهمیت باشد، این سیستم می­تواند بهترین کمک را به او برساند. توجه مدیر ارشد بیشتر به خارج سازمان می­باشد، از این رو باید بتواند فرصتها و تهدیدها را شناسایی کند. سیستم­های EIS بمنظور کمک به دستیابی مدیران به عوامل کلیدی موفقیت طراحی شده و با معرفی موقعیت­ها و فرصت­ها، امکان تحلیل آن را فراهم می­سازند.

ارسال شده توسط احمد محمدی | 5 01, 2014 | بازدید‌ها (1301)

 تعيين ارزش اطلاعات در توجيه سيستمهاي پشتيبان تصميم

چكيده

استفاده از سيستمهاي اطلاعاتي در سازمان و مديريت، مستلزم صرف هزينه‌هايي است كه بايد با برآورد منافع آنها، توجيه شوند. توجيه اين سيستمها در ابتدا كه تمركز آنها بر داده‌ها و خودكارسازي عمليات دستي بود، به آساني انجام مي‌گرفت اما با محور شدن اطلاعات در آنها، كار توجيه سرمايه‌گذاري لازم نيز به پيچيدگي گراييد. به همين دليل، تحليل هزينه ـ منفعت به يكي از مراحل توسعه سيستمهاي اطلاعاتي مبدل گرديد. اين تحليل بويژه درباره سيستمهاي پشتيبان تصميم، با دشواريهاي بيشتري روبه‌روست. پيچيدگي و تعامل منافع و ناممكن بودن كمّي كردن بسياري از آنها به‌علاوه مشكل تعيين ارزش اقتصادي براي اطلاعات به عنوان خروجي اصلي اين سيستمها، اصلي‌ترين اين دشواريها به شمار مي‌روند. در اين مقاله، پس از بررسي سير تحول سيستمهاي اطلاعاتي و ماهيت متغير منافع آنها، توصيف سيستمهاي پشتيبان تصميم و منافع آنها، مشكل تعيين ارزش اقتصادي براي اطلاعات مطرح و سپس با بررسي مفهوم ارزش در علم اقتصاد، مشكلات تعيين ارزش اطلاعات از ديدگاه اقتصاد اطلاعات بيان مي‌شوند. در پايان نيز با ارائة مدل فضاي اطلاعاتي، كاربرد آن در تعيين ارزش اطلاعات ارائه مي‌گردد.

كليدواژه‌ها: سيستمهاي اطلاعات، سيستمهاي پشتيبان تصميم، ارزش اطلاعات، تحليل هزينه‌ ـ منفعت، مدل فضاي اطلاعاتي.



مقدمه

تا پيش از دهة 1950، نه استادان دانشگاهي و نه مديران اجرايي، هيچ‌يك به سازمان به عنوان تصميم‎گيرنده يا پردازندة اطلاعات نمي‌نگريستند و اين ايده كه سازمانها اطلاعات را پردازش مي‌كنند، ايده‎اي نسبتاً جديد است. پيش از آن، نظريه‌هاي رهبري به بحث دربارة مهارتهاي تصميم‎گيري يا مهارتهاي ارتباطي نمي‎پرداختند و اقتصاددانان، بنگاهها را داراي اطلاعات كامل و قابليتهاي تحليلي نامحدود مي‎دانستند.

پس از اين سالها بود كه ديدگاه پردازش اطلاعات در سازمان مطرح شد و برخي از دانشمندان، مديران را به عنوان تصميم‎گيرندگاني با قابليتهاي محدود توصيف كردند. تعدادي از روانشناسان اجتماعي نيز به مطالعة حل مسئله از سوي گروههاي كوچك پرداختند و تلويحاً با گروهها به عنوان پردازشگران اطلاعات برخورد كردند. برخي از روانشناسان استفاده از برنامه‌هاي رايانه‌اي را به عنوان مدلهاي حل مسئلة انساني، آغاز كردند. تعدادي از اقتصاددانان دربارة محدوديتهاي ممكن در نظريه‎هاي اقتصادي بحث كردند. در همين سالها بود كه «مارچ» و «سايمون» سازمانها را به عنوان پردازشگران اطلاعات توصيف كردند (March and Simon 1958) و اطلاعات به عنوان توليدكنندة كليدي ثروت در جوامع پساصنعتي شناخته شد (Boisot and Canals 2004). در دهة 1970، بسياري از مطالعات دربارة سازمانها به عنوان سيستمهاي تصميم‎گيري و پردازش اطلاعات به انجام رسيد. ناظران به مشاهدة سازمانها به عنوان سيستمهايي با فعاليتهاي قابل انعطاف و همچنين ساختارهاي باثبات پرداختند و به ‌تدريج كانون تمركز در سازمانها از فعاليتهاي فيزيكي به سمت فعاليتهاي ذهني و فكري سوق يافت (Laudon and Starbuck 1996, 3923).

بدين ترتيب، مديران به عنوان افرادي مطرح شدند كه تصميم‎گيري و حل مسئله بخش عمده فعاليت آنان را تشكيل مي‌داد. «سايمون» و همكارانش، تواناييها و مهارتهايي را كه كيفيت تصميمها و راه‎حل مسائل را تعييين مي‎كنند، نه تنها در مغز و انديشه انسانها بلكه در ابزارها و ماشينهايي نيز مي‌دانند كه امروزه به نام «رايانه» شناخته مي‎شوند (Simon et al. 1987, 12). تلاشهاي اوليه براي كاربرد رايانه‎ها در سازمانها، بر داده‎ها تمركز داشتند. سپس اين تمركز به سمت اطلاعات و پشتيباني تصميم سوق يافت و امروزه بيشترين توجه به كاربردهاي رايانه‎ها، در ارتباطات و مشاوره معطوف است (McLeod 1995, 18).

استفاده از رايانه‎ها و توسعه سيستمهاي اطلاعاتي مانند هر سرمايه‎گذاري ديگري در سازمان بايد توجيه شده باشد (Alshawi, Irani, and Baldwin 2003). گزينش و پيگيري مؤثر سرمايه‌گذاريها در اين زمينه به عاملي حياتي در مانايي و كامروايي سازمانها بدل شده است (Gunasekaran, Ngai, McGaughey 2006). در دورة پردازش الكترونيكي داده‎ها[2]، هزينه‎هاي استفاده از رايانه‎ها بر اساس كاهش هزينه‎هاي نيروي انساني توجيه مي‎شدند. هر چند رايانه‎ها، آن‌طور كه برنامه‎ريزي شده بود، نتوانستند هزينه‎هاي نيروي انساني را كاهش دهند، اما به ميزان قابل‎توجهي باعث موفقيت در انجام بهتر كارها شدند كه به دستيابي به كارايي بالاتر و سرمايه‎گذاري كمتر منجر مي‎شد. اما توجيه كاربرد رايانه‎ها با پديد آمدن سيستمهاي اطلاعات ـ محور[3] به دشواري گراييد، زيرا سنجش و تعيين ارزش اطلاعات امري مشكل است. بنابراين، با وجود اينكه مديران، توجيه اقتصادي اقدامهاي خود را ترجيح مي‎دهند، اما هميشه چنين امكاني وجود ندارد، زيرا هزينه‎ها را مي‎توان با دقت نسبي برآورد كرد، اما برآورد منافع به اين صورت و با چنين دقتي امكان‎پذير نيست. اين مشكل دربارة سيستمهايي كه اطلاعات توليد مي‎كنند، بزرگتر است زيرا با موضوع تعيين ارزش براي اطلاعات مواجه هستيم (McLeod 1995, 25-26, 736).

سيستمهاي پشتيبان تصميم يكي از انواع سيستمهاي «اطلاعات ـ محور» هستند كه به مديران در حل مسائل و گرفتن تصميمهاي نيمه ساخت‌يافته ياري مي‎رسانند. اين سيستمها رايانه را به نحوي با فرايند تصميم‎گيري تركيب مي‎كنند كه جزئي از آن مي‎شود و بدين‌ترتيب به مديران اجازه مي‎دهند به جاي اينكه تنها دريافت‎كنندة ساده «اطلاعات» باشند، از آنها «استفاده» كنند (Floyed, Charles, and Davis 1989, 482). هزينه توسعه چنين سيستمهايي، در صورتي كه كوچك باشند نسبتاً ناچيز است و بنابراين توجيه آنها موضوع مهمي نيست. اما هزينه يك سيستم متوسط يا بزرگ مي‎تواند بسيار بالا باشد. بنابراين، به اين سيستمها بايد به عنوان بديلي در سرمايه‎گذاري نگاه كرد كه نه تنها بايد نتيجه‎اي مطلوب در بر داشته باشند، بلكه بايد نسبت به گزينه‎هاي ديگر سرمايه‎گذاري نيز (شامل انجام ندادن هرگونه اقدامي) مزيت داشته باشند Turban and Aronson 1998, 774)). بنابراين، در توسعه سيستمهاي پشتيبان تصميم، بايد براي سرمايه‌گذاري توجيه كافي وجود داشته باشد، زيرا از لحاظ عقلي مي‎توان با افزايش اطلاعات، تصميم بهتري گرفت. اما از ديدگاه مديريتي، پرسش بعدي اين است كه هزينه كسب اطلاعاتِ بيشتر چقدر است و نتايج بالقوة كسبِ آن چه هستند (Post and Anderson 2000, 135). با وجود اين، توجيه اين سيستمها پيش از توسعه و ارزيابي نتايج حاصل از توسعه و كاربرد آنها، از جنبه‎هايي با دشواري روبروست. از جملة اين دشواريها مي‎توان به كيفي بودن بيشتر منافع حاصل از سيستمهاي پشتيبان تصميم (Turabn, Leidner, McLean, and Wetherbe 1996, 561-562; Alshawi, Irani, and Baldwin) 2003)) كه اهميت فزاينده‌اي نيز يافته‌اند (Ward, Taylor, and Bond 1996, 215) و مشكلات موجود در تعيين ارزش اقتصادي براي اطلاعات به عنوان خروجي اصلي اين سيستمها اشاره كرد كه در ادامه به آنها پرداخته مي‎شود.



تحول سيستمهاي اطلاعاتي و ماهيت متغير منافع آنها

اولين رايانه‎ها براي محاسبة فرمولهاي علمي و كاربردهاي نظامي در طول جنگ دوم جهاني و بلافاصله پس از آن در دهة 1940 طراحي شدند، اما كاربرد تجاري آنها در اوايل دهة 1950 آغاز شد. كار آنها بر روي «داده‌ها» متمركز بود و مخصوص عملياتي پرحجم و تكراري بودند كه توجيه آنها وجود داده‌هاي پرحجم و تكراري بود. چنين سيستمهايي با عنوان «سيستمهاي پردازش داده‎ها يا عمليات» شناخته مي‎شوند.

با كاهش هزينه‎هاي سيستمهاي رايانه‎اي و افزايش قابليتهاي آنها، استفاده از سيستمهاي اطلاعاتي براي انجام كارهايي كه حجم كمتري از عمليات تكراري داشتند نيز توجيه يافت. در دهة 1960، نوع جديدي از سيستمهاي اطلاعاتي به وجود آمد كه اطلاعات مربوط به تصميمها را در حوزه‎هاي علمياتي سازمان، گردآوري، سازماندهي، خلاصه و ارائه مي‎كنند. اين سيستمها كه تمركزشان بر «اطلاعات» است، با نام «سيستمهاي اطلاعات مديريت» شناخته مي‎شوند.

استفاده از رايانه‎ها در اواخر دهة 1960 و اوايل دهه 1970 افزايش يافت و ارتباطات الكترونيكي را نيز در برگرفت اين ارتباطات، بخشي از سيستمهاي اتوماسيون اداري به شمار مي‌‎آمدند. در اوايل دهة 1970، با كاهش بيشتر هزينه‎ها و افزايش قابليتها، كاربرد پشتيباني رايانه‎اي براي تعداد روزافزوني از امور غيرمعمول توجيه يافت. در آن زمان، سيستمهاي پشتيبان تصميم متولد شدند كه هدف اصلي آنها، ارائة پشتيباني رايانه‎اي براي تصميمهاي پيچيده، غيرمعمول و نيمه ساخت‎يافته است. تمركز اصلي اين سيستمها بر پشتيباني تصميم است. استفاده گسترده از اين سيستمها، در آغاز به دليل هزينه‎هاي زياد ايجاد آنها، مقدور نبود اما با انقلاب رايانه‌هاي شخصي كه در حدود سال 1980 پديد آمد، اين وضع تغيير يافت. در اواسط دهة 1980، در رشته رايانه حوزة جديدي با عنوان «هوش مصنوعي» پديد آمد كه پاية بسياري از سيستمهاي هوشمند سيستمهاي مبتني بر دانش است. تمركز اين سيستمها بر تشخيص مسئله، پيشنهاد راه حل و يادگيري كاركنان است.

تمامي سيستمهاي ياد شده، بسيار مفيد، اما نسبتاً منفعل هستند. حتي سيستمهاي خبره به خوديِ خود، قادر به يادگيري نيستند. در اوايل دهة 1990، نوع جديدي از سيستمها پديد آمد كه قابليت يادگيري داشتند. سيستمهايي مانند «شبكه‎هاي عصبي مصنوعي» و «الگوريتم ژنتيك» از اين جمله‎اند كه قادر به يادگيري از گذشته هستند. چنين قابليتي، رايانه‎ها را قادر مي‎سازد حتي اطلاعات ناقص و مبهم را نيز پردازش كنند (Turban, Rainer, and Potter 2005, 38-39; McLeod 1995, 18-19; Watkins 1998, 58-60).

«توربان»، «گوناسكاران» و همكارانشان، بر اساس سير تحول سيستمهاي اطلاعاتي، ماهيت متغير منافع آنها را توصيف كرده‎اند. از نظر آنان سيستمهاي اطلاعاتي در ابتداي كاربرد فناوري اطلاعات، بيشتر براي افزايش كارايي استفاده مي‌شدند و سيستمهاي دستي را به خودكار تبديل مي‌كردند كه در نتيجه، هزينه‎ها كاهش مي‎يافت. منافع ناشي از چنين كاهش هزينه‎اي محدود و مشخص بودند؛ به‌علاوه، اندازه‎گيري ميزان اين منافع بيشتر به صورت مستقيم انجام مي‎پذيرفت.

در سالهاي اخير، منافع بالقوة فناوري اطلاعات، رو به افزايش مؤثري است. اين منافع، هر روز ناملموس‌تر مي‎شوند و تأثير مستقيمي بر هزينه ها ندارند، يا تأثير آنها بسيار ناچيز است. بدين‎ترتيب، نه تنها تشخيص منافع دشوارتر است، بلكه كمّي كردن آنها نيز مشكل است. افزون بر اين، منافع اين فرآيند نه فقط در قلمرو فناوري اطلاعات، بلكه در تمامي فرايند قابل مشاهده است. از اين گذشته، منافع مربوط به اثربخشي، ماهيتي هم‎افزا دارند. بدين ترتيب ممكن است يك سود عمده كه از كاربرد فناوري اطلاعات در يك زمينه حاصل مي‎شود، با منفعت بي‎اهميت ناشي از يك مورد ديگر، تركيب شود و منفعتي قابل‎توجه پديد آورد كه بسيار بيشتر از مجموع بخشهاي كم اهميت‎تر آن باشد. ويژگي ديگر منافع بسياري از سيستمهاي اطلاعاتي امروزي، اين است كه سازمانها را قادر مي‎سازند منافع ديگري را نيز از طريق آنها تحقق بخشند كه اين منافع ثانويه مي‎توانند به تنهايي توجيه‎كننده استفاده از آنها باشند.

نتيجة چنين تحولي در ماهيت منافع فناوري اطلاعات، اين است كه سازمانها بايد خلاقيت و زمان بيشتري را براي يافتن منافع ناپيداي آنها به خرج دهند و بويژه تأثيرات نامشهود آن را بر بهره‎وري كاركنان، نه تنها با دنبال كردن افزايش مشهود و بي‎واسطة بهره‌وري، بلكه با يافتن تأثيرات جانبي و با واسطة آن بررسي نمايند و به منافع هم‎افزا و قدرت‎بخش آن توجه خاصي كنند (Turban, McLean, and Wetherbe 1996, 394-395, Gunasekaran at al. 2001). «زوبوف» اين تحولات را در سه مرحله همراه با انواع منافع مربوط به آنها چنين خلاصه مي‌كند: خودكارسازي (كارايي)، آگاه سازي (اثربخشي) و دگرگون سازي (كسب و كار جديد) (Zuboff 1988, 8-12). البته بايد توجه داشت كه كاربرد سيستم يا فناوري اطلاعات به خودي خود منفعتي ندارد، اما فرصتي را براي انتفاع فراهم مي‌كند. براي بهره برداري از چنين فرصتهايي بايد در روش كار سازمان و چگونگي استفاده از اطلاعات، تغييراتي ايجاد شود (Ward, Taylor, and Bond 1996, 215).



توجيه سيستمهاي پشتيبان تصميم

اگر تمام هزينه‌ها و منافع مربوط به سيستمهاي پشتيبان تصميم، قابل كمي كردن بودند، با مقايسه اين هزينه‌ها و منافع، تحليل هزينه و بهره براي توجيه آنها به سادگي امكان‌پذير بود. در اين صورت، چنانچه منافع بيشتر از هزينه‌ها باشند، سيستم توجيه خواهد داشت (Turbam, Mclean, and wetherbe 1996, 392; Laudon and Laudon 1988, 679). با وجود اين، مشكل از آنجا ناشي مي‌شود كه بسياري از منافع، ناملموس[4] هستند (Irani 2002; Oppenheim and Stenson 2003) و منافع ناملموس را به دشواري مي‌توان تخمين زد (O'Brien 2000, 388). «پيتركين» با بررسي نتايج پژوهشهاي موردي انجام شده، منافع سيستمهاي پشتيبان تصميم را به اين شرح فهرست مي‌كند. (از ميان اين منافع، تنها پنج مورد اول را مي‌توان به آساني اندازه گيري كرد) (Keen 1993, 63-66).

1. امكان پاسخ سريع به وضعيتهاي پيش‌بيني نشده را فراهم مي‌كنند.

2. توانايي انجام تحليلهاي بدون سابقه را ايجاد مي‌كنند.

3. درهزينه‌ها صرفه جويي مي‌كنند.

4. در زمان صرفه جويي مي‌كنند.

5. ازمنابع داده‌ها، استفاده بهتري مي‌‌كنند.

6. تعداد گزينه‌هاي آزمون شده را افزايش مي‌دهند.

7. درك بهتري از حوزه كسب‌وكار ايجاد مي‌كنند.

8. ديدگاهها و يادگيريهاي جديدي ايجاد مي‌كنند.

9. ارتباطات را توسعه و بهبود مي‌دهند.

10. امكان كنترل ايجاد مي‌كنند.

11. تصميمها را بهتر مي‌كنند.

12. اثربخشي كارِ گروهي را افزايش مي‌دهند.

به دليل دشواري كمّي كردن و برآورد اين منافع، در اندكي از موارد، توسعة سيستمهاي پشتيبان تصميم براساس تحليل رسمي هزينه ـ منفعت انجام شده است. نتايج مطالعات موردي نشان مي‌دهند كه در بيشتر موارد، سيستم در پاسخ به مواردي مانند نياز به افزايش مهارتهاي مديريت، تمركز و سرعت در تحليل، استفاده از فرصت بالقوه‌اي كه يك منبع اطلاعات رايانه‌اي يا قابليت مدل‌سازي ارائه مي‌كنند، ساخته شده است. از آنجا كه هزينه‌ها و منافع اين سيستمها از پيش تشريح نشده‌اند، نتايج ايجاد (يا توسعه) آنها نيز خيلي كم ارزيابي شده است. برخي از سيستمهاي پشتيبان تصميم در دستيابي به هدفهاي خود ناكام مانده‌اند، اما در جايي كه اين سيستمها موفق بوده‌اند، به‌ندرت تحليلي رسمي از نتايج آنها به عمل آمده و بسياري از منافع آنها به اثبات نرسيده‌اند. به طوركلي، مديران، اين سيستمها را با عنوان «غيرقابل اجتناب» يا «گريزناپذير» توصيف مي‌كنند، بدون اينكه تلاش كنند براي آن ارزشي اقتصادي تعيين نمايند (Keen 1993, 66).



مشكل تعيين ارزش اقتصادي اطلاعات

هر چند رويكردهاي گوناگوني در ارزيابي سيستمهاي پشتيبان تصميم انجام شده‌اند (Phillips-Wren, Jahn, and Forgionne 2004)، اما يكي از دشواريهاي اساسي در تحليل هزينه ـ منفعت اين سيستمها، تعيين ارزش اقتصادي براي اطلاعات به عنوان خروجي آنهاست. هرچند ارزش چنين اطلاعاتي به توانايي آن در بهبود تصميمها و افزايش كارايي سازماني است (Post and Anderson 2000, 134, Oppenheim and Stenson 2003) ، اما تعيين ارزش اطلاعات از اين ديدگاه براي توجيه سيستمهاي پشتيبان تصميم چندان ساده نيست. با وجود اين، خدمات اطلاعاتي بايد بتوانند ارزش افزوده‌اي در قالب واحد پول ايجاد كنند (Fattahi and Afshar 2006).

«آهيتوو» و «نيومن» موضوع ارزش اطلاعات را از نظر تصميم‌گيري به تفصيل بيان كرده‌اند. از نظر آنان، هر تلاشي براي سنجش ارزش اطلاعات بايد با تصميمي كه با اين اطلاعات پشتيباني مي‌شود، گره بخورد. به عبارت ديگر، از نظر آنان، اطلاعات داراي ارزشي جهاني و مطلق نيست و بستگي به اين دارد كه چه كسي، چه زماني، و در چه موقعيتي از آن استفاده مي‌كند. بدين ترتيب، اطلاعات ارزشي نسبي دارد كه بر مقايسة نتايج حاصل از مجموعه‌هاي مختلف اطلاعات مبتني است. بر اين اساس، ارزش اطلاعات به سه روش تعيين مي‌شود (Ahituv and Neuman 1990, 44-52):

1. ارزش هنجاري اطلاعات[5]

فرض اساسي ارزش هنجاري اطلاعات ـ كه اغلب به عنوان «نظرية هنجاري تصميم انفرادي»[6] خوانده مي‌شودـ ، اين است كه انسان هميشه مقداري دانش اوليه دربارة وقايعي كه به تصميمهاي او مرتبطند، دارد. بازتاب اين دانش در احتمال پيش‌آمدي كه به هر واقعه نسبت مي‌دهيم، آشكار مي‌شود. اين احتمال ممكن است عيني[7] (مانند پرتاب سكه) يا ذهني[8] (مانند پيش‌گويي برندة يك مسابقه) باشد. اطلاعات اضافي (مانند همگن نبودن سكه) ممكن است ديد ما را دربارة احتمال وقوع تغيير دهد و بنابراين تصميم و نتيجة مورد انتظارمان را تغيير دهد. بنابراين اطلاعات اضافه عبارت از تغيير در نتيجه مورد انتظاري است كه حاصل تغيير در احتمال است.

امكان كاربرد اين رويكرد، كم است زيرا براي استفاده از آن بايد تمام عوامل به دقت اندازه گيري شوند كه در دنياي واقعي، بويژه دربارة احتمال وقايع، امكان‌پذير نيست. افزون بر اين، تمامي نتايج را نمي‌توان با واحد پول بيان كرد و در نتيجه امكان محاسبة رياضي آنها وجود ندارد. در اين رويكرد، تصميم گيرنده بدون عيب و نقص و خطا فرض مي‌شود در حالي كه در عمل، تمييز بين سيستم بد و تصميم بد دشوار است و تصميم بد ممكن است ناشي از درك نادرست اطلاعاتي باشد كه توسط سيستم ارائه مي‌شود. گذشته از اينها، اين مدل، فرد ـ محور است و اين در حالي است كه در سطح سازمان، افراد گوناگوني وجود دارند كه ترجيح و تصميمهاي گوناگوني دارند، بنابراين سيستمي كه براي يك فرد مناسب است، ممكن است به كار ديگري نيايد.

2. ارزش واقعي اطلاعات[9]

اطلاعات، تصميمها را پشتيباني مي‌كند، تصميمها اقدامها را موجب مي‌شوند، و اقدامها بر موفقيت استفاده كننده از اطلاعات (فرد يا سازمان) تأثير مي‌گذارند، بنابراين با اندازه‌گيري تغيير ميزان موفقيت، امكان قياسي منطقي وجود خواهد داشت و مي‌توان تأثير اطلاعات را دنبال كرد، مشروط بر اينكه اندازه‌گيري به دقت انجام شود، روابط بين متغيرها خوب تعريف شود و تأثيرات احتمالي عوامل نامربوط خنثي شده باشد. واژة معمول براي موفقيت، «عملكرد»[10] است و به تفاوت اندازه گيري شده در عملكرد براساس عوامل اطلاعاتي، ارزش واقعي اطلاعات گفته مي‌شود. در كاربرد اين رويكرد، يك مانع اساسي وجود دارد. اين مانع، ناشي از ماهيت «پس از عمل» بودن آن است. به عبارت ديگر، ارزش اطلاعات در اين رويكرد، پس از استقرار و استفاده از سيستم، قابل سنجش و ارزيابي است.

3. ارزش انتزاعي اطلاعات[11]

ارزش انتزاعي، تأثير كلي اطلاعات را بر افراد منعكس مي‌كند. اين ارزش بر اساس حدس و شهود انسان تعيين مي‌شود. در اين رويكرد، هر فردي بر اساس قضاوت ذهني خود، ارزش اطلاعات را تعيين مي‌كند. بدين ترتيب، تصميم گيرنده هزينه‌اي را كه حاضر است بابت اطلاعات خاصي بپردازد، براساس قضاوت شهودي دربارة ميزان تأثير آن بر تصميم تعيين مي‌كند.

كاربرد اين رويكرد نيز با دشواريهايي همراه است. اول اينكه ارزش انتزاعي به افراد بستگي دارد؛ بدين ترتيب نمي‌توان بدان اتكا داشت، زيرا با تغيير افراد، اين ارزش نيز تغيير مي‌كند. ديگر اينكه در بسياري از موارد، ارزش انتزاعي، نوعي متغير ترتيبي است كه قضاوت براساس آن دشوار است. در نهايت، اين رويكرد نيز ماهيتي «پس از عمل» دارد. براين اساس تنها وقتي امكان سنجش ارزش اطلاعات هست كه اطلاعات در دسترس باشد.

برخي براي تعيين ارزش اطلاعات، متغيرهاي بيشتري را دخيل كرده‌اند. «لي بووتيز» هشت تكنيك مطرح را ارائه كرده است كه براي ارزش‌گذاري اطلاعات و دانش استفاده مي‌شوند. بر اساس يكي از اين تكنيكها، ارزش اطلاعات با استفاده از فرمول زير محاسبه مي‌شود (Liebowitaz 1999, 29-35):

Iv= (At-An) – (Lt-Ln) – (Ig+If+Ir+Id+It+Is+Iu)

در اين فرمول داريم:

Iv: ارزش اطلاعات مورد نظر

At: داراييهاي ناشي از اطلاعات در هنگام ورود

An: داراييها، در صورتي كه اطلاعات وارد نشود

Lt: بدهيهاي ناشي از اطلاعات در هنگام ورود

Ln: بدهيها، در صورتي كه اطلاعات وارد نشود

Ig: هزينة توليد اطلاعات

If: هزينة پيكربندي اطلاعات

Ir: هزينة بازپيكربندي اطلاعات

Id: هزينة تكثير اطلاعات

It: هزينة انتقال و توزيع اطلاعات

Is: هزينة ذخيره‌سازي اطلاعات

Iu: هزينة بازيابي و استفاده از اطلاعات.

از نظر «ون وگن» و «دي‌هوگ» (Van Wegen and De Hoog 1996) تعيين ارزش افزودة اطلاعات و سيستمهاي اطلاعات، موضوع پيچيده‌اي است كه نيازمند پاسخ به سه پرسش است: 1ـ چه چيزي بايد ارزشگذاري شود 2ـ ارزش چگونه تعريف مي‌شود و 3ـ چگونه مي‌توان اين ارزش را اندازه‌گيري كرد. آنان براي پاسخ به اين پرسشها از رويكرد «كالاي اطلاعاتي» بهره بردند. بر اساس اين رويكرد، تعيين ارزش اطلاعات، مستقل از رسانه‌اي كه آن را دربردارد و پردازش مي‌كند، ممكن نيست. به بيان ديگر، در تعيين ارزش افزودة اطلاعات، هم محتواي اطلاعات و هم رسانه‌اي كه اطلاعات در قالب آن ريخته‌شده است، نقش دارند. هر چند اين محتواي اطلاعات است كه در تصميم‌گيري نقش دارد، اما ارزش افزودة آن به چگونگي سازماندهي[12] اطلاعات نيز وابسته است. يك مثال ساده، اهميت سازماندهي اطلاعات را روشن‌تر مي‌كند. فرض كنيد دو فرهنگ واژگان وجود داشته باشندكه يكي از آنها قالب‌بندي شده و داراي نمايه باشد. روشن است كه چنين فرهنگي داراي ارزش بالاتري براي كاربر است. از اين رو، در ارزيابي اطلاعات، دو جنبة سازماندهي محصول اطلاعاتي و ارزش اطلاعات در تصميم‌گيري بايد لحاظ گردند.

«ارزش تقاضاي»[13] يك سيستم اطلاعاتي در بازار، ميانگين ارزشي است كه از كاربرد آن در سازمان حاصل مي‌شود. بنابراين، در سازمان به وجود معياري براي اندازه‌گيري چنين ارزش افزوده‌اي، نياز است. بدين ‌ترتيب، ارزش تقاضاي يك سيستم اطلاعاتي براي يك سازمان، ناشي از ميزان سهم آن سيستم در دستيابي به اهداف آن سازمان است. با وجود اين، هدفهاي سازمانهاي مختلف، بسيار متفاوت است. هدف يك سازمان تجاري، افزايش سقف سود است. از اين رو، براي چنين سازماني، پيشينة ارزش تقاضا براي يك كالاي اطلاعاتي، برابر با افزايش سود حاصل از كاربرد، يا زيان ناشي از عدم استفاده از آن است.

در رويكرد كالاي اطلاعاتي مي‌توان ميزان منافعي را كه از عملكرد مؤثر يك سيستم اطلاعاتي حاصل مي‌شود، تعيين كرد. منافعي از اين دست كه در تصميم‌گيري مؤثرند، آنهايي هستند كه هزينه‌هاي فرآيند را كاهش مي‌دهند، يا در آينده به كاهش خروج نقدينگي از سازمان منجر مي‌شوند. روش اندازه‌گيري ارزش در اين رويكرد، بر فرايند توليد، تمركز دارد و ارزش تقاضاي كالاي اطلاعاتي معادل كاهش هزينة تقريبي فرآيند توليد، بر اثر استفاده از سيستم است. در اين روش، فرآيند توليد اوليه و اصلاح شده با يكديگر مقايسه مي‌شوند.

با وجود روشهايي كه مطرح شد، تعيين ارزش اقتصادي اطلاعات به دليل ماهيتي كه دارد و تفاوتهاي آن با كالاهاي فيزيكي، همچنان يكي از دشواريها محسوب مي‌شود كه آن را در حوزة اقتصاد اطلاعات بهتر مي‌توان درك كرد.



تحول مفهوم ارزش در علم اقتصاد

«بوئيسوت»[14] تحول مفهوم ارزش را در اقتصاد، از نيمة دوم قرن نوزدهم تشريح كرده است. از آن زمان، نگاه به ارزش به عنوان يك ويژگي دروني و ذاتي انرژي ورودي فعاليتهاي توليدي، پايان يافت. پس از آن، ارزش به عنوان مقوله‌اي اقتضايي و براساس رابطة عرضه و تقاضا بنا نهاده شد. اما كالا همچنان مفهومي فيزيكي و قابل لمس داشت. در اين شرايط، دانش و اطلاعات، نقش مهمي در تبادلات اقتصادي ايفا مي‌كردند، اما اين نقش همچنان نقشي پشتيباني بود. علاوه بر اين، دانش و اطلاعات هرگز در تبادلات مركز مورد توجه نبوده و بنابراين به خودي خود، موضوع تبادل هم نبوده است، در نتيجه چيزي به عنوان كالا يا محصول اطلاعاتي وجود نداشته است.

روشن است كه كالاهاي اطلاعاتي با كالاهاي فيزيكي تفاوت دارند. دربارة كالاهاي فيزيكي مي‌توان اطلاعاتي را از قبل و بدون نياز به كسب خود كالا به دست آورد. اين اطلاعات مي‌تواند موافق انتظارهاي فرد از كالا، يا خلاف آن باشد. در مقابل، كالاهاي اطلاعاتي را نمي‌توان پيش از خريد، بازرسي كرد؛ زيرا هر اقدامي در توصيف اطلاعات، بخشي از انتقال آن به شمار مي‌آيد و هر چه اين توصيف كامل‌تر انجام شود، انتقال كامل‌تر شده است.

اطلاعات، بر خلاف كالاهاي فيزيكي، چه با خريد وچه با هر روش ديگري به دست آيد، علاوه بر اينكه در اختيار دريافت‌كننده قرار مي‌گيرد، در دست عرضه‌كننده هم باقي خواهد ماند. در اينجا پرسش اين است كه اگر دو نفر يك قلم اطلاعات را در اختيار داشته باشند كه پيش‌تر فقط از آنِ يك فرد بوده است، آيا استفاده از آن، دو برابر و در نتيجه ارزش اقتصادي آن نيز دو برابر خواهد شد؟ اين موضوع دربارة كالاهاي فيزيكي صادق نيست، زيرا فقط يك نفر مي‌تواند مالك آنها باشد و اگر مالكيت يك كالاي فيزيكي بين دو نفر مشترك باشد، هر يك بخشي از آن و نه تمام آن را دارا خواهند بود، دربارة اطلاعات، هر چند نفر كه آن را دريافت كنند، مي‌توانند به طور كامل از آن استفاده كنند.

در اقتصاد نئوكلاسيك، «مطلوبيت» و «كميابي»، اجزا و عوامل اصلي تعريف ارزش به شمار مي‌روند. نئوكلاسيكها دريافتند چيزهايي هستند مانند هوا كه بدون كميابي مي‌توانند مفيد باشند و در مقابل، چيزهايي هستند كه در عين كميابي الزاماً مفيد نيستند مانند آب در كره مريخ.

براساس نظرية نئوكلاسيك ارزش، مطلوبيت، موضوعي شخصي است و آنچه را كه يك عامل اقتصادي منفرد (فرد يا سازمان) از مصرف ميزان مشخصي از يك كالاي اقتصادي به دست مي‌آورد، مي‌سنجد. چنين مطلوبيتي در ميان عوامل اقتصادي مختلف قابل سنجش نيست، در حالي كه چندين عامل، ممكن است مبلغ واحدي را براي يك كالا پرداخت كنند، مطلوبيتهاي كسب شدة آنان متفاوت خواهد بود. در مقابل، ارزش، تا حدي رابطه‌اي است و نه تنها مطلوبيت يك كالا را، بلكه كميابي آن را نيز با در نظر گرفتن تقاضا و كالاهاي جايگزين مي‌سنجد. ديدگاه نئوكلاسيك دربارة ارزش، مبناي نظري بهتري از كلاسيكها دربارة تفاوت بين كالاهاي فيزيكي و اطلاعاتي ارائه مي‌كند. براين اساس، كالاهاي فيزيكي ذاتاً و براساس ويژگيهايي كه دارند، كمياب هستند، اما كالاهاي اطلاعاتي تنها در برخي شرايط، كمياب محسوب مي‌شوند. به عنوان مثال، دستيابي به يك فرمول شيميايي حياتي و جديد، ممكن است به صرف سالها وقت و هزينه‌هاي سنگين نياز داشته باشد، اما توليد مجدد آن مي‌تواند بسيار كم هزينه باشد و تنها با صرف چند ثانيه با كمك يك دستگاه تكثير صورت پذيرد. بنابراين، ارزش كالاهاي اطلاعاتي را نمي‌توان با روشهاي معمول دربارة كالاهاي فيزيكي تعيين كرد (Boisot 1998, 73-76).



مشكلات تعيين ارزش اطلاعات از ديدگاه اقتصاد اطلاعات

«برامان» مشكلات تعيين ارزش اطلاعات را با برررسي ويژگيهاي آنها از ديدگاه اقتصاد اطلاعات و كاربرد ابزار تحليل نئوكلاسيك در خلق، پردازش، جريان، و استفاده از اطلاعات، دسته‌بندي مي‌كند. «ماندويل» نيز پاره‌اي از اين دشواريها را تشريح كرده است (Braman 1999, 111-117; Mandeville 1999, 164) كه خلاصه‌اي از آنها عبارتند از:

1. مسئلة خلق اطلاعات

اقتصاددانان، به طور تاريخي در فرايند توليد، نقشي براي مشتري قائل نبوده‌اند، اما در توليد محصولات و خدمات اطلاعاتي، مصرف كنندگان نقشهاي متعددي ايفا مي‌كنند. اين نقشها از تعامل در شكل دادن به محصول (مانند پايگاههاي اطلاعات) تا نقش آنها به عنوان خود محصول (مانند بينندگان تلويزيون) در پرداخت معنا و بنابراين ارزش محصول نمود مي‌يابند.

2. مسئلة زمان

اقتصاد دانان نئوكلاسيك، اطلاعات را تنها زماني به شمار مي‌آورند كه به بازار وارد شود و بر آن تأثير گذارد. اين ديدگاه مستلزم پذيرش شكاف زماني بين توليد و مصرف است كه قابل شناخت و ثابت است. از اينجا، به دليل شناوري رابطة بين اطلاعات و زمان، دشواريهايي پديد مي‌آيد. نخست اينكه در ارتباطات نبايد موضوع مكان را با زمان اشتباه كرد. توليد و مصرف بسياري از محصولات و خدمات اطلاعاتي، همزمان هستند، به نحوي كه زماني براي پديد آمدن روابط بازار براي آنها وجود ندارد.

شبكه‌هاي الكترونيكي، فرايندهاي توليد پيوسته و بدون وقفه را امكان‌پذير مي‌كنند؛ چنانكه «گروههاي الكترونيكي»[15] با مشاركت يكديگر، اطلاعات را خلق مي‌كنند، به اتفاق بر متون يا ساير پروژه‌ها كار مي‌كنند، يا در گفتگوهاي همزمان شركت مي‌كنند. در چنين محيطي، مشكل است كه محصولي[16] را در نقطة واحد، كالا[17] ناميد، زيرا براساس تعريف، كالا در طول زمان و در مكانهاي گوناگون، شكل ثابتي دارد. علاوه بر اين، براي اطلاعات، مصرف نهايي قابل تصور نيست و تنها چيزي كه براي آن وجود دارد، انباشت، اشاعه، يا انتقال است. تعيين محدوده براي زمان معامله[18] نيز امكان پذير نيست. افراد به ايده‌هايي پاسخ مي‌دهند كه ممكن است هزاران سال پيش پديد آمده باشند و در مقابل، ممكن است به طور همزمان به تفكر دربارة يك موضوع واحد بپردازند.

اغلب گفته مي‌شود اطلاعات، نابود شدني[19] است. به عنوان نمونه، ارزش اطلاعات مربوط به موجودي كالا در بازار، نزد سرمايه‌گذاران در دوره‌هاي كوتاه زماني، به سرعت كاهش مي‌يابد. كانون و منشأ ارزش اطلاعات نيز مي‌‌تواند از نوعي استفاده كننده (مانند سرمايه‌گذار يا واسطه) به نوعي ديگر (مانند تحليلگر يا مورخ) متغير باشد.

اقتصاد داناني كه دربارة ديگر امكانات رفاهي مانند الكتريسته كار مي‌كنند، مي‌توانند آمار مربوط به عادتهاي مصرف را واكاوي كنند و از نتايج آن براي مقاصد برنامه‌ريزي بهره برند. اما دربارة خلق و جريان اطلاعات، تاكنون تعيين نقاط منظم براي اوج مصرف، امكان‌پذير نبوده است. اطلاعاتي كه در نقاط زماني مختلف دريافت مي‌شوند، از لحاظ ارزش، با يكديگر متفاوت هستند، چرا كه ارزش آنها از اطلاعاتي كه قبلاً دريافت شده‌اند تأثير مي‌پذيرد، ارزش اطلاعات در طول زمان، انباشت‌پذير[20] است و پذيرش هر قطعه از اطلاعات بر ارزش اطلاعاتي كه به دنبال آن دريافت مي‌شود، تأثير مي‌گذارد.

3. مسئلة مكان

در دهة 1980 توجه به اهميت مكان در علوم اجتماعي به عنوان يك مقولة تحليلي در پاسخ به تجربة جهاني شدن، آغاز شد. اين مقوله در اقتصاد اطلاعات نيز پديدار شده است، زيرا زيرساختهاي اطلاعاتي، امكان توليد غيرمتمركز اطلاعات را فراهم مي‌كنند و موضوع مكان را در بسياري موارد منتفي مي‌سازند و باعث مي‌شوند كه مصرف كننده يا مشتري، به طور كلي ناپديد و از نظر دور شود. با رشد تجارت خدمات و سرمايه‌گذاري مستقيم خارجي،[21] بر مسئلة تعيين محلي كه در آن معاملات اطلاعاتي واقع مي‌شوند، تأكيد زيادي مي‌شود. براي مثال، در پردازش داده‌ها، ممكن است شركتي كه مديريت آن در يك كشور واقع است، رايانه‌هايي در كشور ديگري داشته باشد كه داده‌هايي را از كشور سوم براي پاسخ به تقاضاهايي از كشور چهارم، پردازش مي‌كنند. در چنين وضعي، روشن نيست كه معامله در كدام يك از اين كشورها (كشور محل مصرف، محل پردازش، منبع داده‌ها، يا كشوري كه مديريت شركت در آن قرار دارد) واقع شده يا اصولاً در خود شبكه ارتباطاتِ راه دور انجام گرديده است.

4. مسئلة عينيت

برجسته‌ترين ويژگي اطلاعات كه در تحليل اقتصادي به آن توجه مي‌شود، ملموس و عيني نبودن آن است. از اين ديدگاه مي‌توان روابط متعددي را بين اطلاعات و مواد[22] قائل شد. يكي از دشواريهاي اساسي در اقتصاد اطلاعات، مشكل تمييز بين ارزش اطلاعات و ارزش موادي است كه اطلاعات به آنها مرتبط است، يا درون آنها قرار دارد. بيشتر تحليلهاي اقتصادي دربارة اطلاعات به بسته‌بندي قابل مشاهده و ملموس آن مربوط مي‌شوند، نه به خود اطلاعات. عدم تفكيك ارزش اطلاعات از ماده‌اي كه ظرف اطلاعات را مي‌سازد، يكي از دشواريهاي پيش‌روي اقتصاددانان است.

ارتباط بين اطلاعات و دنياي مواد، قابل انعطاف و بسيار نزديك است. اين ارتباط از سازمان دنياي مواد سرچشمه مي‌گيرد. يك پديدة مادي، ممكن است انواع گوناگوني از اطلاعات را پديد آورد و در مقابل، پديده هاي مادي گوناگون، ممكن است اطلاعات يكساني را به وجود آورند. بسياري از انواع اطلاعات، هرگز در قالب يك شكل مادي در نمي‌آيند، بلكه در روابط، جاي مي‌گيرند. تلاش براي كمّي كردن اين نوع اطلاعات، شامل توسعة سيستمهاي حسابداري براي كار در زمينة سرمايه فرهنگي، اجتماعي، و فكري بوده است.

5. مسئلة عدم تجانس[23]

در اقتصاد، عدم تجانس، مشكلي عام است. عدم تجانس شكل، ارزش، و كاركرد اطلاعات نيز مشكل‌زاست. تعريف واحدي براي همة انواع اطلاعات و صنايع موجود در بخش اطلاعات وجود ندارد. كالاهاي واحد، ممكن است همزمان داراي تعريفهاي چندگانه‌اي باشند كه در علم اقتصاد (كه به قابليت تصريح، تعيين محل، و ثبات شكل كالاها در مكانها و در زمانهاي مختلف نياز دارد)، قابل پذيرش نيست.

هر فرايند يا كالاي اطلاعاتي واحد، همزمان از سوي افراد گوناگون به گونه‌هاي متفاوتي ارزشگذاري مي‌شود. اين ويژگي آن با كالاهاي مادي مشترك است، اما به نظر مي‌رسد در سنجش ارزش اطلاعات، بسيار مهم باشد. در مورد اطلاعات، بيشتر ممكن است كه ارزش استفادة آنها هيچ ربطي به ارزش مبادله‌شان نداشته باشد. براي يك فرد خاص، اطلاعات يكسان در شرايط گوناگون ممكن است ارزشهاي متفاوتي داشته باشد. يك محصول اطلاعاتي خاص در يك زمان مي‌تواند كاركردهاي چندگانه‌اي در اقتصاد داشته باشد. به عنوان مثال، يك سيستم حسابداري، نه تنها يك محصول به شمار مي‌آيد، بلكه ابزاري ساخت‌يافته براي توليد ديگر محصولات با ايجاد هماهنگي، درون و بين سازمانها است.

6. مسئلة تصرف‌ناپذيري[24]

مسئلة تصرف‌ناپذيري اطلاعات، بسيار مهم است، زيرا بدون امكان تصرف و تصاحب، كالايي وجود نخواهد داشت. دوگانگي ناشي از ماهيت اطلاعات، هم به عنوان يك محصول خصوصي و هم عمومي[25]، دو مشكل ايجاد مي‌كند. تضاد اساسي در برخورد اقتصادي با اطلاعات، ناشي از اين است كه ماده‌اي كه اطلاعات در آن قرار گرفته، محصولي خصوصي است، در حالي كه اطلاعات به خودي خود، يك محصول عمومي به شمار مي‌آيد. معناي مصطلح اصطلاح «كالاي عمومي» اين است كه دسترسي به چنين كالاهايي بايد حق همة مردم باشد (مانند آب). اما در اقتصاد، اين اصطلاح به چيزي اطلاق مي‌شود كه استفاده از آن از سوي يك نفر، مانع استفادة ديگران ازآن نشود. براي اقتصاددانان، اطلاعات داراي يك جنبة كالاي عمومي است، از اين نظر كه اطلاع يك نفر از چيزي، مانع ديگران از داشتن همان اطلاع نمي‌شود.

فروش كالاهاي مادي مستلزم انتقال يك شيء از فروشنده به خريدار است، اما در مورد اطلاعات، فروشنده پس از فروش، همچنان اطلاعات را در اختيار دارد و مي‌تواند از آن استفاده كند. بنابراين، هنگام انتقال اطلاعات، بسيار مشكل است كه استفاده از آن را تنها منحصر به خريدار نمود. در اين حالت، اطلاعات را «نشت كننده»[26] مي‌دانند زيرا براي غيرخريداران نيز بسيار آسان است كه از اين اطلاعات استفاده كنند. اين مشكل با كاهش هزينه‌هاي تكثير، توليد مجدد و انتقال اطلاعات، افزايش مي‌يابد.

7. مسئلة خود انعكاسي[27]

براي خريدار، ارزش اطلاعات تا هنگامي كه اطلاعات را نداشته باشد، ناشناخته است. كالاهاي اطلاعاتي، به خوديِ خود، اطلاعات بيشتري توليد مي‌كنند. بنابراين، كالاهاي اطلاعاتي داراي نقش ماده يا حتي عامل[28] در فرايند توليد هستند، مسئله‌اي كه درباره بيشتر كالاهاي مادي يا ديگر عوامل توليد صادق نيست.





مدل فضاي اطلاعاتي

«بوئيسوت» با توجه به دشواريهاي تعيين ارزش اطلاعات، مدلي با عنوان «فضاي اطلاعاتي»[29] براي تسهيل تحليل ارزش اطلاعات و دانش ارائه مي‌كند (Boisot 1998, 42-55). اين مدل كه در اصل در سال 1995 ارائه شده و بلافاصله نيز مورداستقبال قرار گرفته بود (Ashford 1997) از سه بعد «كدبودن»[30] ، «انتزاعي بودن»[31] و «انتشار»[32] تشكيل شده است (شكل 1).

«كدبودن» اطلاعات، به ميزاني كه اطلاعات مي‌تواند شكل و فرم بگيرد، بستگي دارد. هر چه اطلاعات را بتوان به اشكال و دسته‌هاي محدودتري طبقه‌بندي كرد، ميزان «كدبودن» آن بيشتر مي‌شود و در مقابل، با تنوع شكل و طبقات، اطلاعات به سمت «كد نشده» پيش مي‌رود. بدين ترتيب هر چه كاري كمتر رمزگذاري شده باشد، براي تخصيص هر مورد به طبقه‌اي خاص، در آن كار، زمان بيشتري لازم است و در نتيجه ميزان داده‌هايي كه براي انجام كار بايد پردازش شوند نيز بيشتر خواهد بود. بنابراين بين ميزان كدبودن و پيچيدگي، ارتباط وجود دارد. براين، اساس مي‌توان اطلاعات يا دانش مورد نياز براي انجام هر كار را روي محور «كدبودن» و بر مبناي ميزان پردازش داده‌هايي كه بايد انجام شود، نشان داد. در انتهاي «كد نشدة» اين محور، كارهايي قرار دارند كه براي انجام آنها به پردازش حجم بسيار زيادي از داده‌ها نياز است. چنين كارهايي را نمي‌توان به صورت واضح بيان كرد. به عبارت ديگر، نمي‌توان اطمينان داشت كه آنچه بيان شده، در حقيقت همان كار واقعي است. در انتهاي ديگر محور، يعني «كد شده»، كارهاي ساده‌اي وجود دارند كه تنها نياز به اندكي داده براي انجام آنها هست. مقياس «كد بودن» اطلاعات، تعريف ويژه‌اي از پيچيدگي است كه به حجم اطلاعاتي اطلاق مي‌شود كه براي پردازش داده‌هاي معيّن لازم است.


شكل 1. مدل فضاي اطلاعاتي (Boisot 1988)



«انتزاعي بودن» به ميزان سازماندهي اطلاعات كه بر اساس مقاصد ما صورت مي‌گيرد، بستگي دارد. هرچه اطلاعات انتزاعي‌تر باشد، كاربرد آن عمومي‌تر و كمتر محدود به مكان، زمان و حوزه‌اي خاص است. در مقابل، هر چه اطلاعات، عيني‌تر باشد، كاربرد آن خاص و به زمان و مكان، محدودتر خواهد بود. در حقيقت، «انتزاعي بودن» شكلي از گرايش به ساده‌سازي و تقليل[33] است كه با ارائة «اندك» براي توصيف «زياد» عمل مي‌كند. بدين ترتيب، علاوه بر «كد بودن» مي‌توان اطلاعات را روي محور «انتزاعي بودن» نيز نشان داد. در يك سوي اين محور، تجارب بسيار عيني وجود دارند كه اطلاعات و دانش مربوط به آنها بيشتر، ادراكي و وابسته به زمان و مكان است. در سوي ديگر محور، انديشة انتزاعي وجود دارد كه اطلاعات و دانش مربوط به آن، بيشتر مفهومي و غير وابسته به زمان و مكان است. دانش و اطلاعات ادراكي و عيني، روشن و عميق هستند، اما بيرون از شرايط خاص مربوط، چندان به كار نمي‌آيند. از طرف ديگر، دانش و اطلاعات مفهومي و انتزاعي كاربردي عمومي دارند، اما ممكن است خسته‌كننده و بي‌جان باشند.

«انتشار» اطلاعات به ميزان دسترسي به داده‌ها و اطلاعات براي كساني كه خواهان استفاده از آنها هستند، مربوط مي‌شود. البته «انتشار» به معناي استفاده نيست. به عبارت ديگر، ممكن است اطلاعات به ميزان زيادي منتشر شده اما همچنان بلااستفاده باقي مانده باشد. «انتشار» سومين بعد مدل فضاي اطلاعاتي است.



مفهوم ارزش اطلاعات در مدل فضاي اطلاعاتي

«بوئيسوت» پس از معرفي مدل فضاي اطلاعاتي، از آن براي تعيين ارزش اطلاعات استفاده مي‌كند (Boisot 1988, 77-81). اين مدل سه بعدي مي‌تواند نقشه‌اي براي تحليل ارزش اطلاعات ارائه كند. اين نقشه با توجه به اين نكته ارائه مي‌شود كه كميابي يك كالاي اطلاعاتي، تابعي از جايگاه آن در طول بُعد «انتشار» است. هر چه اين جايگاه به سمت چپ فضاي اطلاعاتي نزديك‌تر باشد، اطلاعات كمتري در اختيار ديگر افراد جمعيت هدف خواهد بود و بنابراين كمياب‌تر است و در عوض هر چه به سمت راست حركت كنيم، اطلاعات از لحاظ كميابي به ويژگيهاي كالاي عمومي نزديك‌تر مي‌شود.

مي‌توان ديد به همان ميزان كه انتشار يك كالاي اطلاعاتي به درجة «كد بودن» و «انتزاعي بودن» آن بستگي دارد، كميابي، حاصل طبيعي اين متغير است. اطلاعاتي كه تبيين و ساخت دادن به آن دشوار باشد، چندان قابل انتشار نيست. از طرف ديگر، اطلاعاتي كه بتوان آن را در قالب چند نماد محدود فشرده ساخت، در بستر شبكه ارتباطي مناسب، در عرض چند دقيقه يا حتي چند ثانيه قابل انتشار و اشاعه است.

در اين ميان، مطلوبيت كالاهاي اطلاعاتي داراي دو بعد است. اول اينكه كالا به چه ميزاني براي كاربردي خاص مفيد است و دوم اينكه چند كاربرد بالقوه متفاوت براي آن وجود دارد. بدين ترتيب، يك كالاي اطلاعاتي هر چه به سمت «انتزاعي بودن» بيشتر برود، مطلوبيت آن افزايش خواهد يافت. چرا كه كيفيتي عام كسب مي‌كند بر تعداد كساني كه كالا برايشان مطلوب است، مي‌افزايد.

بدين ترتيب از طريق سه متغير «كد بودن»، «انتزاعي بودن»، و «انتشار»، هم كميابي و هم مطلوبيت يك كالاي اطلاعاتي در فضاي اطلاعاتي، قابل توصيف است. واضح است كه بيشترين ارزش اطلاعات در فضاي اطلاعاتي، هنگامي حاصل مي‌شود كه «انتشار» در كمترين ميزان، اما «كدبودن» و «انتزاعي بودن» آن در بيشترين ميزان خود باشند. در مقابل، كمترين ارزش چنين كالايي، هنگامي حاصل مي‌شود كه «انتشار» در بيشترين ميزان و «كدبودن» و «انتزاعي بودن» در كمترين ميزان خود باشند. در شكل 2، فضايي اطلاعاتي‌ به عنوان نقشة ارزش، ارائه شده كه درآن، نقاط حداكثر ارزش (حداكثر كميابي و مطلوبيت) و حداقل ارزش (حداقل كميابي و مطلوبيت) نشان داده شده اند.


شكل2. بيشترين و كمترين ارزش در فضاي اطلاعاتي (Boisot 1988)



منحنيهاي موجود در شكل، نقاطي را نشان مي‌دهند كه در آنها با تركيبهاي متفاوتي از سه بعد، ارزش يكساني

ارسال شده توسط احمد محمدی | 3 01, 2014 | بازدید‌ها (1351)

نقش سیستمهای پشتیبان تصمیم برای دستیابی به حسابرسی مستمر

پدیدآورنده: ایمان حطیطه 
 

مقدمه
سیستمهای پشتیبان تصمیم1 نوع خاصی از سیستمهای اطلاعاتی هستند که اطلاعات به‌دست‌آمده از منابع مختلف را با یکدیگر ترکیب، بین آنها ارتباط برقرار کرده و از این طریق به اتخاذ تصمیم مناسب به‌خصوص در مورد مسائل پیچیده، کمک می‌کنند. این سیستمها دارای قابلیتهای تحلیلی پیشرفته‌ای هستند که به کاربران اجازه می‌دهند تا از مدلهای تصمیم‌گیری مختلفی برای تحلیل اطلاعات استفاده کنند. همچنین، این سیستمها می‌توانند اطلاعات را از سیستمهای پردازش اطلاعات گرفته و در قالب مجموعه‌ای از گزارشها به کاربر بدهند (فیضی و مقدس، 1384). امروزه استفاده از سیستمهای پشتیبان تصمیم در حرفه حسابرسی به‌طور گسترده‌ای رواج پیدا کرده است؛ به‌گونه‌ای که سبب بهبود کیفیت حسابرسی، تسریع در فرایند تصمیم‌گیری، کاهش تلاش مورد نیاز برای عملکرد موثر و تعلیم افراد مبتدی برای قضاوت به شکل حرفه‌ای و ماهرانه شده‌اند.
موسسه‌های حسابرسی به‌طور معمول سیستمهای پشتیبان تصمیم را برای تعیین ریسک، راهبردهای حسابرسی، برنامه‌ریزی حسابرسی، ارزیابی کنترلها، ارزیابی علامتهای خطر، تعیین آزمونهای کنترلی و ذاتی و ارزیابی نتایج این آزمونها به‌کار می‌برند. حسابرسان نیز از این سیستمها برای وظایف متعدد خود مانند تعیین اندازه نمونه، اجرای رویه‌های تحلیلی، ارزیابی داده‌ها برای شواهد تقلب مالی و آموزش استفاده می‌کنند.
سیستمهای پشتیبان تصمیم از دیدگاه نظری، مزایایی را برای حسابرسان به همراه دارد؛ زیرا دقیقتر، بدون سویه‌تر و عینی‌تر بوده و در یکی کردن حجم بسیار زیادی از اطلاعات برای رسیدن به یک قضاوت خلاصه، نسبت به انسانها موثرترند. پس موسسه‌های حسابرسی می‌توانند از این سیستمها برای کنترل، تسهیل و حمایت از کار حسابرسی استفاده ‌کنند؛ اگر چه تحقیقهای پیشین نشان داده‌اند که حسابرسان حرفه‌ای و باتجربه بیشتر اوقات ترجیح می‌دهند تا از اطلاعات و پیشنهادهای سیستمهای پشتیبان تصمیم استفاده نکنند؛ فرصتهای سیستمهای پشتیبان تصمیم آینده برای حسابرسان با توجه به پیشرفت فناوری، توسعه نظریه‌هایی از دانش کامپیوتر و روانشناسی و تغییر رویه‌های حسابرسی در نظر گرفته شده است و اینکه چگونه فناوریهای سیستمهای پشتیبانی از تصمیم جدید ممکن است بر رویه‌های حسابرسی آینده اثر بگذارد.

چالشهای حسابرسی آینده 
پیش‌بینی‌های زیادی در رابطه با آینده حرفه حسابرسی وجود دارد. جهانی شدن و توسعه ابزار مالی پیچیده، ریسکهای اقتصادی پیچیده و همینطور موضوعهای ارزشیابی، شرایطی را به‌وجود آورده که ممکن است توانایی حسابرسان برای ارزیابی این حوزه‌ها با استفاده از مهارت و فناوریهای جاری، کافی نباشد. از سویی، هیئت نظارت بر حسابداری شرکتهای سهامی2 نیز دو هدف را برای حسابرسان در نظر گرفته است؛ آنها در مقابل جلوگیری و کشف تقلبهای مالی مسئولیت دارند، در حالی که تغییر شرایط اقتصادی، افزایش تحریف در ابزار مالی، توسعه بازارهای جهانی و تغییر رویه‌های حسابرسی، فشار بسیار زیادی را بر حسابرسان برای ارزیابی مستمر ریسکهای موجود در سطح واحد تجاری از جنبه‌های بیشمار به‌وجود آورده است. افزایش تقاضا برای بررسی بیشتر فعل و انفعالهای ریسک، مستلزم ارزیابی حجم بیشتری از داده‌ها از منابع بسیار زیاد در آینده است. بدین ترتیب، استفاده از سیستمهای پشتیبان تصمیم بیشتر مورد انتظار است.

سیستمهای پشتیبان تصمیم در حسابرسی
در مقاله با چنین طبقه‌بندی مطلب را پی خواهیم گرفت؛ سیستمهایی برای حسابرسی مشتریان، سیستمهایی برای مدیریت حسابرسی و سیستمهایی برای آموزش حسابرسی (شکل 1). شروع کار با قسمت پایین هرم است؛ جایی که سیستمهای پشتیبان تصمیم در برخی حوزه‌ها همچنان وجود دارد. سپس به سمت بالای هرم حرکت ادامه دارد. در آنجا درباره احتمالات جدید برای استفاده از این سیستم در حرفه حسابرسی به‌تفصیل بحث خواهد شد. آنگاه درباره اینکه چگونه حسابرسان به استفاده از سیستمهای پشتیبان تشویق شوند و اینکه چگونه از آن برای تعلیم ایشان استفاده شود، مقاله به پایان می‌رسد. در تحلیل نهایی، به این نتیجه‌گیری خواهیم پرداخت که با استفاده از سیستمهای پشتیبان تصمیم به‌وسیله داده‌کاوی3 در سراسر حسابرسی یکپارچه و با تهیه نقشه راه، ‌نشان داده خواهد شد که چگونه حسابرسی مستمر می‌تواند از مفهوم به‌سمت واقعیت حرکت کند.   


سیستمهایی برای مشتریان حسابرسی
تمرکز حسابرسان داخلی بر کنترلهای داخلی و اهمیت رویه‌های کنترلی شرکتها به این می‌انجامد که آنها افزون بر ارزیابی کنترلهای داخلی، درباره ارزیابی مدیریت ریسکهای تقلب واحد تجاری در آینده هم مسئولیت داشته باشند. در نتیجه، حسابرسان با استفاده از حجم بسیار زیادی از داده‌ها از منابع چندگانه به روشهایی برای تجزیه‌وتحلیل فعل و انفعالهای پیچیده اقتصاد، سیاست، فرهنگ، صنعت و ریسکهای سطح شرکت نیاز دارند. این تغییرها نشان می‌دهند که حسابرسی مستمر درگیر مجموعه‌ای از داده‌های متراکم و پیچیده خواهد شد. مبحث را با توصیف راههایی برای جمع کردن اطلاعات مهم و مربوط از پایگاههای داده بزرگ از طریق داده‌کاوی، متن‌کاوی4 و نظارت مستمر5 آغاز می‌کنیم.
سیستمهای پشتیبان تصمیم برای داده‌کاوی و نظارت  
داده‌کاوی
نیاز به داده‌کاوی در حسابرسی به‌طرز درخور‌توجهی افزایش یافته است. از آنجا که سیستمهای برخط مانند اینترنت و ابزار مرتبط با فناوری معاملات حسابداری را پیچیده‌تر و در عین حال دستکاری در آنها را آسانتر کرده‌اند، و با توجه به اینکه نیاز به ارزیابی دقیق مجموعه داده‌های بزرگ و پیچیده نسبت به کنترلها و حسابهای شخصی در حرفه برجسته‌تر می‌شود، سیستمهای پشتیبان تصمیم از فعالیتهای داده‌کاوی که فرایندهای حسابرسی را تسریع می‌کند، حمایت می‌‌کند (Wang & Yang, 2009). داده‌کاوی شامل روشهای متفاوتی (مانند شبکه‌های عصبی، الگوریتم ژنتیک، شبکه‌های اعتقادی بیز6) برای کشف الگوهایی در مجموعه‌های بزرگِ داده است. شرکتها از داده‌کاوی طی سالیان متمادی برای انجام وظایفی چون تجزیه‌وتحلیل الگوی خرید مشتری در راه رسیدن به هدفهای بازاریابی و مدیریت کالا استفاده می‌کردند. حسابرسان مستقل بیشتر اوقات از روشهای تجزیه‌وتحلیل رقمی که زیرمجموعه‌ای از داده‌کاوی در نرم‌افزارهایی چون ای‌سی‌ال (ACL) است، استفاده می‌کنند. این تجزیه‌وتحلیل شامل بررسی الگوهایی در شمارش رقم و مبتنی بر توزیع مورد انتظار ارقام حاصل از قانون بن‌فورد7 است که معتقد بود مجموعه‌ای از ارقام مشخص نسبت به سایر ارقام در شروع شمارش بیشتر اتفاق خواهند افتاد. برای مثال، 1 به‌عنوان رقم اول شماره‌های چند‌رقمی در حدود 31 درصد مواقع رخ می‌دهد؛ در حالی که 9 در حدود 5 درصد مواقع به‌عنوان رقم اول است. مطالعه‌ها نشان داده‌اند که قانون بن‌فورد با بعضی داده‌های مالی مانند حسابهای دریافتی و پرداختی مطابقت دارد. زمانی که اشخاص معاملات نادرست ایجاد کنند یا ثبتهای نادرست بزنند، اعداد حاصل ممکن است از انتظارهای قانون بن‌فورد انحراف داشته باشند. 
تجزیه‌وتحلیل رقمی از بی‌قاعدگی در الگوهای رقمی جلوگیری خواهد کرد. این کار تولید آزمونهای حسابرسی هدف را آسانتر کرده و باعث به‌کارگیری کاراتر منابع کمیاب حسابرسی می‌شود. دولت ایالات‌متحد به‌تازگی اتکای خود بر تجزیه‌وتحلیلهای رقمی را برای کشف تقلبهای مالی شرکتی و فرارهای مالیاتی افزایش داده است؛ زیرا این روشها به ایشان اجازه می‌دهند تا تلاش خود را بر موضوعها و معامله‌ةایی متمرکز کنند که احتمال کسب درامد از آن بیشتر است.
در حالی که تجزیه‌وتحلیل رقمی منافعی را به همراه دارد و استفاده از آن در حال افزایش است، اما این روش عیبهایی نیز دارد. بسیاری از شکلهای معاملات با توزیع توصیف‌شده مطابق نیستند تا بتوان از آنها برای کشف بی‌قاعدگی‌ها استفاده کرد. به‌طور کلی باید از تجزیه‌وتحلیل رقمی در معاملات بیشتری استفاده شود تا بتوانیم تعیین کنیم که آیا بیشتر داده‌های حسابرسی از توزیع رقمی پیش‌بینی‌پذیر و انتظارپذیر پیروی می‌کنند یا نه؟ حتی اگر توزیع زیادی مشخص شود، بازهم تجزیه‌وتحلیل رقمی ممکن نیست جامع باشد؛ زیرا شرکتهای حسابرسی باید داده‌های متن بسیار زیادی را نیز ارزیابی کنند. شاید بیشترین احتمال برای رویکرد نوین داده‌کاوی در رویه‌های حسابرسی شامل تجزیه‌وتحلیل متن باشد.
متن‌کاوی
متن‌کاوی شکل ویژه‌ای از داده‌کاوی است که الگوهایی را از متن به جای ارقام استخراج می‌کند. روشهای متن‌کاوی در ایمیل، روزنامه‌ها و مجله‌ها و به‌طور کلی اینترنت کاربرد دارد. متن‌کاوی همچنین به تولید داده‌کاوی اکتشافی در کاربردهای تجاری کمک می‌کند.
داده‌کاوی اکتشافی تقریباً کاربرد بدیعی از داده‌کاوی است که به‌وسیله سیستمهای جمع‌آوری خبر به‌کار گرفته می‌شود. با استفاده از این سیستمها ممکن است در حالی‌که هیچ فرضیه مشخص قبلی برای آزمون وجود ندارد، از داده‌ها مدلهایی درست کرد. سیستمهای تجربی شامل آتنز (ATHENS) نشان دادند که به‌آسانی و با کشف کلمات کلیدی می‌توان اطلاعات جدیدی از فضای وب کشف کرد. سیستمهای دیگر با تجزیه‌وتحلیل رئوس مطالب اخبار برخطِ منتشرشده و در دسترس، می‌توانند روابط مالی مربوط میان آنها را کشف کنند.
در تحقیقی بسیار جالب کیلا و اسکیلیکورن (Keila & Skillicorn, 2005)، متن‌کاوی را در ایمیلهای شرکت انرون به‌کار بردند. آنها به این نتیجه رسیدند که تغییرهای کلمات مورد استفاده به‌وسیله مدیریت ممکن است پیش‌بینی‌کننده تغییرهای سازمانی مهم مانند کاهش وفاداری کارمندان به شرکت، تغییر نقش مدیران و واکنشهای سازمانی به تهدیدها باشد. دیگر تحقیقها همچنین نشان دادند که الگوریتمهای متن‌کاوی ممکن است از تقلب و نیرنگ جلوگیری کنند. به‌طور مشابه، حسابرسان با استفاده از روشهای متن‌کاوی و جلسه‌های گروهی می‌توانند به بررسی ویژگیهای رفتاری مدیریت، قواعد رفتاری و اخلاقی شرکت بپردازند.
به‌طور کلی، سیستمهای متن‌کاوی مزایای مهمی به همراه دارند. ایمیل منبع اصلی ارتباطهای مدیریتی است و روشهای متن‌کاوی می‌توانند تمام ایمیلها را به‌سرعت، به ارزانی و به‌طور موثر مورد بررسی قرار دهند. سیستمهای پشتیبان تصمیم متن‌کاوی جدید اجازه تجزیه‌وتحلیل ریسکهای شرکت را که نقطه ضعف اصلی امروز می‌باشد، می‌دهند. البته پرسشهایی نیز به‌وجود می‌آید. به‌طور مثال، آیا توانایی حسابرسان برای دستیابی به ایمیلها و ارتباطات شرکتِ مورد حسابرسی به‌طور قانونی محدود نشده است؟ شبکه‌های اجتماعی در صورتی که یکی از اعضای شبکه بفهمد که ارتباطشان مورد تجزیه‌وتحلیل قرار می‌گیرد، چگونه تحت تاثیر قرار خواهد گرفت؟ آیا محدودیت اخلاقی در متن‌کاوی وجود ندارد؟
سیستمهای پشتیبان تصمیم داده‌کاوی و متن‌کاوی برای حسابرسان به‌رغم دشواری در استفاده، سودمند است و باید به‌طور مستمر به‌کار گرفته شود. همچنین پیشنهاد می‌شود که سیستمهای پشتیبان تصمیم به‌صورتی طراحی شود تا بر پایگاههای داده بی‌شمار و به‌صورت مستمر نظارت کند. این بحث در ادامه بیشتر توضیح داده خواهد شد.
زیرسیستمهای نرم‌افزاری تعبیه‌شده و نظارت مستمر
بسیاری از شرکتهای حسابرسی و محققان، به‌طور تاریخی مفهوم حسابرسی مستمر را استفاده از زیرسیستمهای نرم‌افزاری تعبیه‌شده8 که برای تجزیه‌وتحلیل معاملات مشتری و نظارت بر کنترلهای عملیاتی و گزارش هر یک از معاملات و فعالیتهایی که غیرمعمول یا غیرقانونی طراحی شده است، می‌دانند. زیرسیستمهای نرم‌افزاری تعبیه‌شده نوعی از سیستمهای پشتیبان تصمیم هستند که باید به سیستم صاحبکار ضمیمه شوند.
حسابرسی مستمر حسابداران (اعم از داخلی و خارجی) را قادر می‌سازد تا اطمینان‌بخشی مکتوب خود را در مورد موضوعی با استفاده از مجموعه گزارشهای حسابرسی که همزمان یا با فاصله زمانی کمی پس از وقوع رویدادی منتشر می‌شوند، تهیه کند. حسابرسی مستمر به‌جای حسابرسی یک عکس حسابداری، به حسابرسی یک فیلم حسابداری می‌پردازد (قنبریان، 1390). همچنین، حسابرسی مستمر از طریق کاهش زمان و هزینه، افزایش انعطاف‌پذیری، کاهش اشتباهها، افزایش تمرکز بر کنترلهای داخلی و کاهش هزینه سرمایه افزایش اثربخشی حسابرسی می‌انجامد (Majdalawieh et al., 2012). نظارت مستمر به‌طورکلی شامل جمع‌آوری خودکار شواهد حسابرسی است که از عملکرد سیستمها و کنترلها با روش طراحی‌شده و پردازش مناسب معاملات اطمینان حاصل می‌کند (عرب‌مازار و مداحی، 1388). استفاده از زیرسیستمهای نرم‌افزاری در کاربردهای نظارت مستمر، گویای حرکت به‌سمت حسابرسی مستمر است.
در تحقیقهای مختلف مشخص شده است که حدود50 درصد از مدیران حسابرسی مطالعه‌شده، سیستمها را در قسمت (بخش) حسابرسی داخلی که به‌طور مستمر بر معیارهای عملکرد و ریسکهای تقلب نظارت می‌کنند، به‌کار می‌برند؛ اما حسابرسی مستمر همچنان به‌وسیله حسابرسان مستقل بعد از کارکرد حسابرسی داخلی حرکت می‌کند و تاخیر دارد. مانع اصلی فناوری زیرسیستمهای نرم‌افزاری این است که فناوری مزبور فقط می‌تواند هر چه در آن برنامه‌ریزی و تعبیه شده را جستجو کند. در نتیجه این سیستمها فقط خلاف قاعده‌هایی را کشف می‌کنند که حسابرس پیش‌بینی می‌کند و نظارت بر بی‌قاعدگیهای گسترده‌تر، احتیاج به تعداد زیادی زیرسیستم دارد. بدینسان نوع جدیدی از نظارت برای صرفه‌جویی در موضوعها مورد نیاز است. برای این هدف، بعضی از شرکتها شروع به ترکیب هوش مصنوعی با زیرسیستمهای تعبیه‌شده برای توسعه ظرفیت نظارتهای برنامه‌ریزی‌شده، کاهش تعداد زیرسیستمهای مورد نیاز و اجازه به جستجو بی‌نظمی‌ها در سطح گسترده‌تر کرده‌اند.
تحقیقهای کمی هم که در زمینه کاربرد عملی زیرسیستمهای نرم‌افزاری انجام‌شده، نشان می‌دهد که این مدل در جلوگیری از خلاف قاعده‌ها موثر بوده است؛ اما حجم بسیار زیادی از داده‌های استثنا و گزارش خطای مثبت وجود دارد. این مشکل ممکن است با به‌کار گیری داده‌کاوی و متن‌کاوی در نظارت مستمر داده‌ها به‌سرعت تعدیل شود. در این شرایط، استفاده از سیستمهای پشتیبان تصمیم نسبت به تصمیم‌گیری انسانی بسیار کاراتر و موثرتر خواهد بود.
سیستمهای پشتیبان تصمیم برای یکپارچه کردن اطلاعات
سیستمهای پشتیبان تصمیم یکپارچه، اطلاعات داخلی حاصل از زیرسیستمهای نرم‌افزاری چندگانه، داده‌های داخلی استخراج‌شده و داده‌های خارجی استخراج‌شده حاصل از سایر پایگاههای داده مورد نظارت مستمر را جمع‌آوری و آنها را در شکلی بامعنی، به‌منظور ارزیابی ریسک حسابرسی، یکپارچه می‌کند. در حالی که حسابرسان ممکن است بتوانند شرایط به نسبت ساده را خودشان ارزیابی و مورد سنجش قرار دهند، اما زمانیکه تعداد پایگاههای داده زیاد شده و حجم اطلاعات جمع‌آوری‌شده گسترش پیدا کند، برای اداره آنها ذهن مشکل خواهد داشت. پس سیستمهای پشتیبان تصمیم یکپارچه ممکن است در عمل در حسابرسی مستمر پیشرو باشد.
هرچه نظارت مداوم، ماهرانه و در سطح بالا انجام شود، ماهیت حسابرسی می‌تواند به هدفش برای ارائه اطلاعات بموقع، زودتر نایل شود. تحقیقها نشان داده‌اند که سرمایه‌گذاران، حسابداران داخلی و حسابرسان مستقل، همگی اعتقاد دارند که گزارشگری مستمر به‌همراه اطمینان‌بخشی، احتمال دارد کیفیت سود را افزایش، نوسانهای قیمت سهام را کمتر و استفاده مدیریت از تعهدهای اختیاری برای مدیریت سود را کاهش دهد. البته اطمینان‌بخشی در هر سطحی، ریسک دعوای قضایی به همراه دارد. بنابراین، سازمانها و حسابرسان باید به‌صورت سنجیده و محتاطانه در این حوزه وارد شوند. در این زمینه تحقیقها برای تعیین اینکه آیا سرمایه‌گذاران ارزشی برای این اطمینان‌بخشی قائل هستند یا نه، لازم و ضروری است.
بیان این نکته نیز ضروری است که شکل رسمی اطمینان‌بخشی برای بعضی اطلاعات  مانند شرکتهایی که اطلاعات اتکاناپذیر خود را گزارش می‌کنند، ضروری نیست؛ در این صورت بازار با کاهش قیمت سهام و سایر سازوکارهای بازار، این شرکتها را تنبیه می‌کند. اگر سرمایه‌گذاران بتوانند قابلیت اتکای خروجیهای سیستمهای پشتیبان تصمیم را بدون اطمینان‌بخشی طرف سوم تشخیص دهند، در این صورت ممکن است به‌عنوان علامتی از تکامل اطمینان‌بخشی باشد.

سیستمهایی برای مدیریت حسابرسی 
سیستمهای پشتیبان تصمیم برای حسابرسی پویا
سیستمهای پشتیبان تصمیم در خارج از حرفه حسابرسی هم کاربرد دارد؛ برای مثال در صنعت هواپیمایی محققان به‌تازگی در هوش مصنوعی9 ترکیبی از فناوری برنامه‌ریزی هوشمند10 و کنترل رفتار واکنشی11 را برای تطبیق سریع هواپیما با محیط استفاده کرده‌اند. ترکیب این دو فناوری، به هواپیما اجازه تعدیل خودکار نسبت به حوادث غیرمنتظره را می‌دهد.
حسابرسان و محققان سیستمهای اطلاعاتی ممکن است این فناوریها را به محیط حسابرسی منتقل کنند. نتیجه این کار ممکن است سیستمهای پردازش حسابرسی تطبیقی و پویایی را به‌وجود آورد که شامل رویه‌های از قبل برنامه‌ریزی‌شده، تعدیل در برنامه‌ریزی حسابرسی با توجه به اطلاعات جدید تولیدشده به‌وسیله سیستمهای داده‌کاوی و زیرسیستمها، و یا قابلیت اجرای آزمونهای رویه‌های حسابرسی نو برای حوادث غیرمنتظره باشد. در حسابرسی آینده، ابزار نظارت مستمر شامل زیرسیستمهای نرم‌افزاری، سیستمهای داده‌کاوی و سیستمهای متن‌کاوی ممکن است به‌طور مستمر اطلاعات را به این سیستمهای پردازش حسابرسی پویا منتقل کنند.
تصور بر این است که سیستمهای پشتیبان تصمیم مراحل حسابرسی را از برنامه‌ریزی اولیه تا انتها مدیریت می‌کند و تغییرهای ریسکهای واحد تجاری را در زمان واقعی خود مورد نظارت قرار می‌دهد. این سیستم، نظارت مستمر را در نتیجه چرخه حسابرسی مستمر که متناسب با محیط ریسک است، به‌وجود می‌آورد. به‌طور کلی، سیستمهای حسابرسی پویا نیز بیانگر حرکت رویه‌های حسابرسی به سمت سیستمهای منعطف و تطبیق‌پذیر می‌باشد.
در قسمت بالای هرم حسابرسی مستمر، حسابرسی یکپارچه قرار دارد که در قسمت بعد درباره آن بحث می‌شود.
سیستمهای پشتیبان تصمیم برای حسابرسی یکپارچه
تمرکز حسابرسی مالی سنتی بر این است که آیا صورتهای مالی وضعیت مالی مشتری را به‌طور منصفانه نشان می‌دهد یا نه. حسابرسی یکپارچه علاوه بر این شامل عقاید حسابرس درباره سیستم کنترل داخلی شرکت در سراسر گزارشگری مالی نیز می‌باشد. به محض اینکه شرکت از سیستمهای پردازش پویای حسابرسی استفاده ‌کند، سیستمهای پشتیبان تصمیم سطح بالا با هدف پشتیبانی از حسابرسی ایجاد خواهند شد. این سیستمها به‌طور مستمر سیستمهای پشتیبان تصمیم زیربنایی را که در هرم وجود دارد بررسی، کنترلهای داخلی و معاملات مرتبط با ادعاهای صورتهای مالی را صورت‌بندی، سطح منصفانه بودن انعکاس صورتهای مالی واحد تجاری هدف را اندازه‌گیری، و دقت و قابلیت اتکای اطلاعات غیرمالی واحد تجاری را ارزیابی می‌کنند و در نتیجه، اساس حسابرسی مستمر شکل می‌گیرد.

سیستمهای پشتیبان تصمیم و حسابرسان
استفاده از تشویق
در حالیکه بسیاری از سیستمهای توصیف‌شده در بالا ظرفیت دگرگون کردن فرایند حسابرسی، تهیه اطمینان‌بخشی مستمر و توسعه توانایی حسابرسان در ارزیابی ریسکهای پیچیده را دارند، سیستمهای طراحی‌شده باید در عمل به‌وسیله حسابرسان مورد استفاده قرار بگیرند. همانطور که در مقدمه اشاره شد، تحقیقها نشان داده‌اند حسابرسان به‌طور معمول از نتایج اتکاپذیر و باارزش سیستمهای پشتیبان تصمیم چشم‌پوشی می‌کنند و یا در مقایسه با تخصص شخصی، از استفاده از این سیستمها خودداری می‌کنند.
همچنین تحقیقها حاکی از آن هستند که سیستمهای جدید باید ویژگیهای مهم متعددی داشته باشند تا استفاده از آنها توسعه پیدا کند.
اول، سیستمهایی که فعل و انفعالی هستند احتمال دارد بیشتر مورد استفاده قرار ‌گیرند؛ اما مشکلی که وجود دارد این است که چه مقدار فعل و انفعال سودمند می‌باشد.
دوم، تا آنجا که ممکن است در سیستمهای پشتیبان تصمیم جدید نمودارهای گرافیکی به‌کار گرفته شود؛ از این‌رو که استفاده‌کنندگان به نمودارهای گرافیکی نسبت به داده‌های متنی اعتماد بیشتری داشته و این نمودارها برای بیان نتایج تجزیه‌وتحلیلها، موثرتر و کاراترند. اما مسئله‌ای که وجود دارد، چگونگی طراحی این نمودارها است. در نهایت، آموزش حسابرسان درباره چگونگی کارکرد این سیستمها، بسیار مهم است.
توسعه تخصص حسابرسی
تعلیم به استفاده‌کنندگان فرایند سیستمهای پشتیبان تصمیم بسیار مهمتر از توسعه استفاده از این سیستمها است. افراد حرفه‌ای‌ حسابرسی بیشتر برآموخته‌های تجربی خود برای توسعه تخصص تکیه می‌کنند. هرچقدر سیستمهای پشتیبان تصمیمِ قدرتمندتری از سوی شرکتهای حسابرسی به‌کار گرفته شود، استفاده از آن می‌تواند گویای بخش مهمی از تجربه حرفه‌ای و یکی از منابع کلیدی کسب تخصص به‌شمار آید. یک روش برای پیشرفت در زمینه آموزش سیستمهای پشتیبان تصمیم، بهره‌گیری از سیستمهای شبیه‌سازی‌شده است. این سیستمها به حسابرسان اجازه می‌دهند تا نتایج سیستمهای پشتیبان تصمیم جدید را قبل از عمل، در محیطی شبیه‌سازی‌شده مشاهده کنند. رویکرد مبتنی بر شبیه‌سازی در حرفه حسابرسی به علت اینکه قضاوت در آن بسیار پیچیده است بسیار باارزش است. سیستمهای شبیه‌سازی به افزایش دانش و تخصص از طریق تجربه غیرمستقیم کمک می‌کنند.

نتیجه‌گیری
در این مقاله، دیدگاه موجود درباره اینکه چگونه سیستمهای پشتیبان تصمیم موجود به تغییر و تحول در حسابرسی آینده می‌انجامند، بیان شد. حسابرسان احتمال دارد از جمع‌آوری دستی داده‌های زیاد به‌سوی مدیریت پیچیده سیستمهای پشتیبان تصمیم حرکت کنند. هدف نهایی سیستمهای پشتیبان تصمیم، حمایت از مفهوم حسابرسی مستمر است.
الآن کجا قرار داریم؟ به‌طور کلی در پایین هرم قرار داریم. شرکتهای حسابرسی از زیرسیستمهای تعبیه‌شده استفاده محدودی کرده و بعضی از نسخه‌های داده‌کاوی برای تجزیه‌وتحلیل الگوهای غیرمعمول در پایگاه داده معاملات مشتریان استفاده می‌شود و کاربرد آنها به داده رقمی و همینطور توزیع داده شناخته‌شده محدود شده است. به تحقیقهای بیشتری در این زمینه مانند تحقیقهای بیشتر در زمینه متن‌کاوی، مورد نیاز است.
با اینکه بعضی از وظایف حسابرسی داخلی در حال ادغام با سیستمهای نظارتی مستمر در سیستمهای رایانه‌ای است، اما استفاده از این سیستمها همچنان محدود است. بدین ترتیب، سیستمهای پشتیبان تصمیم چندگانه به‌جای داشتن سیستم پشتیبان تصمیم واحد و یکپارچه برای این هدف، مثل حسگرها پیشنهاد می‌شود که در زمینه‌های مختلف شرکت یکپارچه شده (مانند تولید، فروش، حسابداری و غیره) و به‌طور مستمر مراقب تخطی از کنترلها، الگوهای غیرمعمول و معاملات غیرعادی است. خروجی این سیستمهای پشتیبان تصمیم، احتمال دارد راهی یک یا چند سیستم پشتیبان تصمیم به‌هم پیوسته دیگر ‌شود، جایی که به تجزیه‌وتحلیل نتایج سیستمهای پشتیبان تصمیم پیشین می‌پردازند و تعیین می‌کنند که چه علامتهایی با ارزش‌تر هستند تا بیشتر مورد بررسی قرار گیرند و ارزیابی خلاصه‌ای را به استفاده‌کنندگان (حسابرسان) گزارش کنند و در نهایت خروجی آنها به‌سمت سیستمهای پشتیبان تصمیم حسابرسی پویا روانه خواهند شد.
در سطوح بالای سیستمهای پشتیبان تصمیم در هرم قرار دارد که هدفش ادغام تمام خروجیها از پایین هرم و حمایت از حسابرسی یکپارچه است. این نوع سیستمهای پشتیبان تصمیم می‌تواند اطلاعات مالی و غیرمالی، کنترلی و ریسکی را در تصویری جامع از مشتری یکپارچه کرده و به نمایش بگذارد. از طرفی، شکلهای جدیدی از ارائه تصویری برای نمایش مختصر این اطلاعات خلاصه که حسابرسان هم بتوانند آن را بفهمند و درک کنند، مورد نیاز است. وقتی این هرم کامل شود، مفهوم حسابرسی مستمر هم محقق می‌شود.
در نهایت، حسابرسان باید استفاده از سیستمهای پشتیبان تصمیم و اعتماد به این سیستم را که به‌طور حتم زمانبر خواهد بود، قبول کنند. البته که سیستم پشتیبان تصمیم به‌تنهایی نمی‌تواند منجر به تغییرهای شدیدی در فرایندهای حسابرسی شود؛ اما ممکن است در اضافه کردن مهارت و تخصص به افراد تازه‌کار با استفاده از تمرینهای شبیه‌سازی و نقشه‌برداری ادراکی الگوهای مختلف تصمیم، کمک کند.
در آینده و با ظاهر شدن فناوریهای جدید، پیچیده‌تر شدن روابط جهانی، پدید آمدن شکلهای جدید مالکیت خصوصی و عمومی، تقاضای سرمایه‌گذاران برای اطلاعات بموقعتر و تشدید فشارهای قانونگذاران، رویه‌های حسابرسی دستخوش دگرگونیهای فراوانی خواهد شد. سیستمهای پشتیبان تصمیم می‌توانند در افزایش کارایی و اثربخشی به حسابرسی کمک کند. حرکت حرفه حسابرسی به سمت قرن بیست‌ویکم نیازمند اتحاد و یکدلی میان محققان، شرکت‌کنندگان، سرمایه‌گذاران و قانونگذاران است.

 

ارسال شده توسط احمد محمدی | 3 01, 2014 | بازدید‌ها (1739)


  انباره داده‌ها‌، هوش تجاری و سیستم‌های پشتیبان تصمیم‌گیری
مجید گلپایگانی
عضو گروه تخصصی ERP انجمن انفورماتیك ایران

چكیده
در این مقاله با نگاهی سیستمی و از كلان به خرد، ابتدا موضوع از منظر راهبردی، اهداف سازمانی و جایگاه نیاز آن، بررسی و تأکید شده است كه برنامه‌ریزی كلان و كاهش شكاف عملكرد، نیاز به گزارش‌های تحلیلی دارد. سپس اهمیت تصمیم‌گیری، انواع آن، ویژگی‌ها و عوامل مؤثر بر تصمیم‌گیری بیان شده است و نقش مدیریت اطلاعات و انباره داده‌ها در ایجاد پایگاه دانش به‌عنوان زمینه‌ساز سیستم‌های پشتیبان تصمیم‌گیری و بستر مناسب تصمیم‌گیری در سازمان تشریح شده است. در انتها، فرایند انباره داده‌ها و شرکت‌های فعال در ارایه این‌گونه محصولات مورد بحث قرار گرفته است.

واژه‌های كلیدی: انباره داده‌ها، هوش تجاری، سیستم‌های پشتیبان تصمیم‌گیری، داشبورد اطلاعات، داده كاوی، داشبورد مدیریت عملكرد


مقدمه

داده‌ها همواره در یك سازمان وجود دارد، اما جمع‌آوری، سازماندهی، گزارش‌گیری و تحلیل كارآمد آن یا به عبارتی «معنا بخشیدن به داد‌ه‌ها» موضوع متفاوتی است. هیچ اطلاعات كارگشایی از داده‌های بدون مفهوم و معنای واقعی، حاصل نمی‌شود. این‌ اطلاعات انباشته، موجب می‌شود تا در هر سازمان، هر شخص بنا به شرایط، موقعیت و سمت سازمانی برداشت متفاوتی از اطلاعات در دست خود داشته‌‌باشد. امروزه تنوع و كثرت اطلاعات سبب شده تا بسیاری از مدیران سازمان‌های بزرگ از اتفاقات صورت گرفته در سازمان خود اطلاع دقیقی نداشته باشند. محدودیت‌های زمانی و فیزیكی موجب شده‌است تا این اطلاعات بیشتر به‌صورت نادقیق و كلی در اختیار مدیران قرارگیرد.
اینك با رشد صنعت فناوری اطلاعات و كسب تجربیات گوناگون در حوزه جمع‌آوری و ذخیره‌سازی و بازیابی اطلاعات، موضوع «معنا بخشیدن به داده‌ها» و آسان كردن فرآیند تصمیم‌سازی، هم‌زمان در مركز توجه كارشناسان فناوری اطلاعات و متخصصان علم مدیریت و كسب و كار قرار گرفته‌است. «راه‌حل انباره داده‌ها و هوش تجاری» فناوری جدیدی است كه پس از جمع‌آوری، ذخیره، پاكسازی، تجمیع، تحلیل و بازیابی اطلاعات، فرآیند تصمیم‌گیری را برای مدیران آسان می سازد.

شكاف عملكرد راهبردی

در یك نگاه كل به جزء و از منظر راهبردی، شكاف عملكرد در تعریف اهداف سازمان و راه‌های رسیدن به این اهداف معنا می‌شود. برخی از عوامل تأثیر‌گذار بر این شكاف، عوامل درونی و برخی دیگر، برون از سازمان هستند. به‌طور عمده، عوامل درونی به بحث اختصاص منابع سازمانی مانند منابع مالی، انسانی و اطلاعاتی برای رسیدن به اهداف و انتظارات آینده سازمان دلالت دارند. تحلیل شكاف و كاهش آن در جهت نیل به چشم انداز و انتظارات آینده سازمان با استفاده از ابزارهای موجود، از كلیدی‌ترین وظایف مدیران ارشد می باشد كه در شكل 1 نشان داده شده است. تحلیل شكاف بیانگر آن است كه آیا در جهت كاهش «شكاف عملكرد» گام برمی‌داریم یا خیر؟
حذف شكاف یا كاهش عملی آن، هدف سازمان است و این فرایند چرخه‌ای است كه با استفاده از بازخورد صورت می گیرد و تا مرز صفر شدن این شكاف ادامه می یابد. با توجه به تغییرات بسیار زیاد محیطی و پیچیدگی نمایش وضع سازمان در یك تصویر كلان، نیاز مبرمی به تحلیل‌های شرط و جزا است. از طرفی تحلیل به وجود اطلاعات نیاز دارد و اطلاعات از اجزای كوچكتری به‌نام داده تشكیل می‌شوند. داده‌های مجرد و بی‌معنا به كمك انباره داده‌ها به اطلاعات تبدیل می‌شود تا بتواند در مرحله بعد با استفاده از قدرت تصمیم‌گیری انسانی و دانش ضمنی افراد، تبدیل به قضاوت یا عمل شود. این امر را «هوش تجاری» می‌نامند.[2]

 

همانگونه كه عنوان شد، عواملی كه موجب این شكاف می‌شوند بعضی بیرونی و برخی درونی هستند. به منظور كاهش این شكاف و تحقق اهداف سازمانی، دسترسی به اطلاعات و به‌ویژه اطلاعات مربوط به عوامل بیرونی سازمان بسیار اهمیت دارد. این گروه از اطلاعات معمولا در حوزه‌های سیاسی، اقتصادی، اجتماعی، و فناوری است كه در برنامه‌ریزی راهبردی و تجزیه و تحلیل‌های محیطی كاربرد مهمی دارد. این اطلاعات، در بررسی‌ها و مطالعات انجام شده 80% به‌صورت غیر ساخت یافته و 20% ساخت یافته است. بدین معنی كه 20% اطلاعات از درون بانك‌های اطلاعاتی و سیستم‌های اطلاعاتی سازمانی استخراج خواهد شد و 80% از منابع اطلاعاتی دیگر(كاغذی، الكترونیكی، صوتی، تصویری و ذهن افراد) در داخل و از خارج سازمان به‌دست می‌آید.[6]

تصمیم‌گیری

تصمیم‌گیری، فصل مشترك كلیه عملیات سازمان است و در یك زنجیره وابسته و فرایند منسجم منجر به تحقق چشم‌انداز، مأموریت و اهداف سازمان می‌شود. فلسفه تصمیم‌گیری برمبنای دانایی استوار است، یعنی تصمیم باید براساس آگاهی بر تمامی جوانب امور و عملیات انجام گیرد. سیستم‌های پشتیبان تصمیم‌گیری به مدیر كمك می‌كند تا این فرایند را به‌خوبی عملیاتی كند. این كار با استفاده از كیفیت اطلاعات، انجام می‌شود و تصمیم‌گیری مؤثر بر مبنای اطلاعات صحیح، جامع، به موقع و تحلیل شده صورت می‌گیرد.
مدل‌های زیادی در زمینه مراحل مختلفی كه باید در فرایند تصمیم‌گیری طی شود مطرح شده اند كه از اصول خاصی پیروی می كنند، ولی پایه و اساس همه آن‌ها یكی است. هربرت سایمون یك الگوی تصمیم‌گیری ارایه كرده است كه مشتمل بر چهار مرحله است و عبارتند از: هوشمندی، طراحی، انتخاب و اجرا.
مرحله هوشمندی، در واقع بهره‌مندی از نظام اطلاعاتی، ارتباط با كاربران دارای این اطلاعات و استفاده از سیستم‌های اطلاعاتی است كه هر روز منتظر مشاهده علایم و نشانه‌های جدیدی برای حل مسأله و فرصت‌های به‌وجود آمده هستند. در این مرحله نیاز مبرمی به تحلیل محیط خارج سازمان است. سیستم‌های اطلاعاتی و نظام‌های گزارش‌های مدیریتی شرایطی را مهیا می‌كنند كه به هوشیاری مدیران و حل مسأله یاری می‌رساند. مرحله طراحی، همان فرایند خلاقیت و ایجاد راهكارهای مختلف حل مسأله است و بسیار به ابتكارات انسانی بستگی دارد. انتخاب این مرحله، با مخاطره و عدم قطعیت همراه است. سیستم‌های پشتیبان تصمیم‌گیری در این مرحله نیز با ارایه روند اطلاعاتی و تاریخچه‌ای از تصمیمات قبلی به مدیر در انتخاب راهكاری كه رضایت بیشتری در بر داشته باشد، كمك كند.
تصمیم‌های سازمانی بر اساس رده بندی تصمیم گیران به تصمیم‌های راهبردی، تاكتیكی و عملیاتی تفكیك می‌شوند. همچنین از نظر طبقه‌بندی، انواع تصمیم‌ها به تصمیم‌های ساخت یافته، نیمه ساخت یافته و ساخت نیافته تقسیم بندی می‌شود.. تصمیم‌های ساخت یافته، تكراری و قابل برنامه‌ریزی هستند و می‌توان آن‌ها را به‌سادگی به پردازش كامپیوتری واگذار كرد. تصمیم‌های ساخت نیافته به قضاوت‌های انسانی نیاز دارد و از منابع اطلاعاتی و گزارش‌های مختلف استفاده می‌كند. تصمیم‌های نیمه ساخت یافته به ادراك انسانی و روش‌های ریاضی نیاز دارد. شكل 2 ماتریس تصمیم‌گیری سازمانی را نشان می‌دهد.

 

ویژگی تصمیم‌های سازمانی شامل همسویی با اهداف سازمان، دامنه كاربرد در سازمان، افق زمانی تصمیم و رده سازمانی تصمیم‌گیران است. از جمله مهمترین عوامل مؤثر بر تصمیم‌گیری، دانش تصمیم گیران، منابع اطلاعاتی، ریسك تصمیم و زمان صرف شده برای اتخاذ تصمیم است كه با استفاده از روش‌های مدل سازی و بهبود فرایند تصمیم‌گیری در سازمان‌ها، می‌توان قابلیت تأثیر آن‌ها را افزایش یا كاهش داد.[1]
صرف نظر از نوع تصمیم‌گیری، همه آن‌ها به اطلاعات صحیح، دقیق و به موقع نیاز دارند و نقش سیستم‌های اطلاعاتی پشتیبان تصمیم‌گیری فراهم سازی، دسته‌بندی، تحلیل و ارایه این اطلاعات به گونه‌ای كارآمد است.

مدیریت اطلاعات و دانش

در بخش‌های قبلی بر بینش مدیران ارشد، راهبرد‌ها و اهداف و نیز اهمیت تصمیم‌گیری و الزامات آن در عصر حاضر پرداخته شد. در ابتدای این بخش به بیان تعاریف پایه در این حوزه اشاره می‌شود. شكل 3 نشان دهنده هرم سلسله مراتبی ایجاد ارزش افزوده از پایین به بالا در فرایند تبدیل داده تا تصمیم و بصیرت است. در اولین مرحله داده‌ها جمع‌آوری می‌شوند، در مراحل بعد سازماندهی و تحلیل را داریم و در آخرین مرحله تصمیم‌گیری و اقدام صورت می‌گیرد.

داده: واقعیتی است كه در كامپیوتر ذخیره، نگهداری و پردازش می‌شود. داده‌های خام اهمیت چندانی برای انسان

ندارند.
اطلاعات: توانایی درك و استنباط انسان از واقعیت است. سیستم‌های اطلاعاتی و كامپیوترها داده‌های سازماندهی
شده را به شكل قابل فهم در اختیار انسان می‌گذارند.
دانش: سازمان را قادر به تصمیم‌گیری می‌كند.


شكل 3: هرم ارزش افزوده داده تا بصیرت

 

دانش، ورودی اصلی برای تصمیم‌گیری سازمانی است و در این راستا اطلاعات پردازش شده به همراه اطلاعات و داده‌های مرتبط به‌ هم، قابلیت اثر‌گذاری بر دانش را داراست. مدیریت دانش شامل فرایند ترکیب بهینه دانش و اطلاعات در سازمان و ایجاد محیطی مناسب به‌منظور تولید، اشتراك و به‌کارگیری دانش وتربیت نیروهای انسانی خلاق و نوآور است تا سرانجام از طریق شكل‌گیری یك سازمان یادگیرنده و با برقراری جریان روان میان مخزن اطلاعات ایجاد شده با بخش‌های مختلف عملیات سازمان، این بخش‌ها با یكدیگر ارتباط بهتری داشته باشند. مدیریت دانش چارچوبی است كه در آن كلیه فرایندهای سازمانی بر پایه جریان و تبادلات دانشی تعریف و برقرار می‌شود. بنابراین، چنین نگاهی تمام فرایندهای كسب و كار را با مسأله خلاقیت، نوآوری و كاربرد دانش درگیر كرده، در نتیجه بقا و پویایی آن‌ها تضمین می‌شوند.[2]
انباره داده‌ها فضایی برای تبدیل داده به اطلاعات و دانش است. انباره داده‌ها به‌عنوان یكی از اركان اصلی سیستم‌های پشتیبان تصمیم‌گیری و مدیریت دانش، پوشش دامنه زمانی وسیع‌تری نسبت به پایگاه‌داده عملیاتی دارد. مشخصات انباره داده‌ها عبارتند از:
موضوع گرا: داده‌هایی كه اطلاعاتی درباره یك موضوع خاص ایجاد می‌كنند نه این‌که عملیات یك سیستم خاص را نمایش دهند.
یكپارچه : داده‌هایی كه از منابع مختلف در مخزن داده‌ها جمع‌آوری و براساس یك رشته روابط با یكدیگر ادغام شده‌اند.
زماندار: تمامی داده‌ها در مخزن داده‌ها در یك دوره زمانی مشخص می‌شوند.
ماندگار: داده‌ها در مخزن داده‌ها ماندگار هستند. داده‌ها اضافه می‌شوند ولی هیچ داده‌ای حذف نمی‌شود.
از نظر گستره زمانی، داده‌ها و اطلاعات موجود در محیط‌های عملیاتی در یك بازه زمانی 60-90 روزه و در انباره داده‌ها حدود 5-10 سال است. این موضوع بیانگر ویژگی‌های تحلیل روند و آینده نگری یا پیش‌بینی است. در واقع انواع داده‌های ذخیره شده در انباره داده‌ها عبارتند از: داده فعلی، داده قدیمی، داده خلاصه شده و فراداده‌ها.[3]
هوش تجاری مجموعه‌ای از فناوری‌ها، نرم‌افزارها و روش‌ها جهت تجزیه و تحلیل اطلاعات ذخیره شده در مخزن داده‌ها و افزایش بصیرت و توانمندی جمع‌بندی آن‌ها است. در همین راستا مفاهیم داده‌كاوی و پردازش اطلاعات مطرح می‌شود. داده‌كاوی، فرایند جستجو و یافتن اجزا و ارتباطات جزیی‌تر داده‌ها و اطلاعات است. پردازش اطلاعات، شناسایی الگوها و تركیب‌های مهم داده‌هایی است كه با قرار گرفتن در كنار یكدیگر پرس و جو‌ها و تحلیل‌های شرط و جزا را پاسخ می‌دهد.[7]
گزارش‌های تحلیلی به شکل‌های مختلفی در اختیار مدیران تصمیم‌گیر قرار می‌گیرد. داشبورد اطلاعات یا داشبورد مدیریت عملكرد از ابزارهای معروف در این زمینه است كه با استفاده از نمودارهای متنوع رنگی و گرافیك‌های زیبا سعی می‌شود محیط كاربری ساده و جذابی ایجاد شود. مدیران می‌توانند در صورت نیاز به جزییات بیشتر، بر روی اطلاعات كلی كه در داشبورد به نمایش در می‌آید كلیك كنند و با استفاده از تكنیك داده‌كاوی به جزییات بیشتر دست پیدا كنند. سپس به كمك آن‌ها از هر نقطه‌ای و در هر زمانی قادر خواهند بود وضعیت شاخص‌های كلیدی و عملكرد سازمان را تحت نظارت و كنترل داشته باشند.[4]

فرایند انباره داده‌ها

در شكل 4 فرایند انباره داده‌ها نشان داده شده است. همان‌گونه كه در شكل آمده است، ابتدا داده‌ها از منابع مختلف، اعم از الكترونیكی و یا كاغذی جمع آوری و پس از استخراج، تبدیل و بارگیری به مرحله بعدی كه پاكسازی و تجمیع است ارسال می‌شود معمولاً به این دو مرحله «ناحیه نمایش» گفته می‌شود. یكی از كلیدی ترین بخش‌های این مرحله پاكسازی داده‌ها به‌منظور دسترسی به «یك منبع قابل اتكا برای داده‌ها» است.
پس از آن «انبارش داده‌ها» برای ذخیره و طبقه‌بندی داده‌ها صورت می‌گیرد. این «طبقه‌بندی داده‌ها» بر اساس موضوعات مدیریتی است و جزو ویژگی‌های بارز این مرحله می باشد. در مرحله بعدی كه به «منطقه سیستم‌های پشتیبان تصمیم‌گیری» معروف است، پرس و جوها، گزارش‌ها و پردازش‌های تحلیلی برخط، «تحلیل‌های آماری و موضوعی» قرار می‌گیرند. در آخرین لایه نیز، «نمایش و ارایه» اطلاعات را در قالب داشبورد اطلاعات و مدیریت عملكرد داریم. [6]


شكل 4: فرایند انباره داده‌ها

 

وضعیت بازار و محصول
موضوع استفاده از انباره داده‌ها و هوش تجاری به ابتدای سال‌های 1990 میلادی باز می‌گردد ولی موج عظیم آن بعد از سال 2000 و در هزاره سوم شدت یافت. شرکت‌های پیشتاز در این زمینه كه محصولات آن‌ها بازارهای جهانی‌ را پوشش می‌دهد، كوگنوس، بیزینس آبجكتز، اس آ اس، هایپریون، مایكرو استراتژی، اوراكل، مایكروسافت، اس اِی پی و اینفورماتیكا می‌باشند. حجم فروش این‌گونه سیستم‌ها و نرم‌افزارها طبق پیش‌بینی‌های شركت گارتنر تا سال 2012 به بیش از 16 میلیارد دلار خواهد رسید. هزینه‌های پیاده‌سازی و استقرار این‌گونه سیستم‌ها مانند نرم‌افزارهای برنامه‌ریزی منابع سازمان ERP بسیار متنوع و گران خواهد بود. لذا در خصوص انتخاب محصول منتخب و شركت پیمانكار اجرایی و پیاده‌سازی، ملاحظات فنی، مدیریتی، آموزشی و هزینه‌ای بایستی مدنظر قرار گیرند. [7]

نتیجه گیری

با توجه به توضیحات فوق، لزوم اهمیت تولید دانش و تصمیم‌گیری بر مبنای اطلاعات در سازمان‌ها بیش از پیش مشخص می‌شود. در این‌خصوص چرخه تبدیل داده به اطلاعات و تولید دانش برای تصمیم‌سازی و تصمیم‌گیری سطوح مختلف مدیران سازمان‌ها، نقشی حیاتی دارد. با استفاده از فناوری اطلاعات، این امر به شكلی بسیار سریع، دقیق و مطمئن قابل حصول و راه‌حل اجرایی آن پیاده‌سازی و استقرار انباره داده‌ها و مدیریت اطلاعات و دانش سازمانی است. با استقرار چنین سیستم‌هایی تغییر تفكرات و ذهنیات مدیران سازمان را شاهد خواهیم بود و روش‌های تصمیم‌گیری سنتی و متكی به فرد جای خود را به روش‌های سیستمی و متكی بر اطلاعات خواهد داد.

منابع

[1] گزارش پروژه«تجزیه وتحلیل فرایند تصمیم‌گیری»، مدیریت توسعه سیستم‌ها و فناوری اطلاعات، سازمان گسترش و نوسازی صنایع ایران، 1384
[2] گزارش پروژه«طراحی پایگاه داده تحلیلی و هوش تجاری»، مدیریت توسعه سیستم‌ها و فناوری اطلاعات، سازمان گسترش و نوسازی صنایع ایران، 1384

[3] Adel man Sid, Moss Larrisa, Abai Majid,"Data Strategy", 2005
[4] Echerson Wayne W. ,"Performance Dashboards", 2005
[5] Few Stephen," Information Dashboard Design", 2006
[6] Inmon William H. ,"Building the data warehouse", 4th Edition, 2005
[7] Moss Larrisa, Shaku Atre,"Business Intelligence Roadmap", 2003

 

 

ارسال شده توسط احمد محمدی | 2 01, 2014 | بازدید‌ها (1331)
 
سیستم پشتیبانی حمل و نقل عمومی
 
یک تصمیم سیستم پشتیبانی برای بخش حمل و نقل عمومی ( SIGGESC  project)
چکیده :
SIGGESC یک سیستم اطلاعات جغرافیایی GIS است که به بخش حمل و نقل عمومی معطوف شده است
SIGGESC امکان هماهنگی و برنامه ریزی را برای خطوط اتوبوس فراهم می آورد وبه  فرآیندهای صدور مجوز کمک می کند .
این پروژه نه تنها ارزش افزوده بر IMTT را سبب شده است بلکه برای شرکت های پرتغالی حمل و نقل مسافر با ایجاد یک سیستم اطلاعاتی یکپارچه این امکان را فراهم می آورد که فرآیندهای کاری خودکار و روزمره  شوند. بهره وری بیشتر در بازرسی و فرآیندهای صدور مجوز ایجاد شود و مرجع اطلاعاتی در سیستم حمل و نقل جاده ای مسافران سازماندهی شود . این پایگاه داده مجموعه ای از منابع و شاخص ها و پارامتر ها را برای فرآیند نظارتی فراهم می آورد.
کلمات کلیدی : سیستم های پشتیبانی تصمیمات مکانی-سیستم اطلاعات جغرافیایی (GIS )-کاربردهای وب جی آی اس (web GIS ) – حمل و نقل عمومی- برنامه ریزی حمل و نقل
معرفی :
نهادهای مسئول برنامه ریزی و مدیریت حمل و نقل در سطح ملی به خصوص با توجه به مقررات وسایل حمل و نقل موجود  در حال مبارزه با مشکلات مرتبط با اطلاعات موجود از لحاظ کمیت و کیفیت هستند.
داده های جغرافیایی دیجیتالی (عددی ) در حال افزایش اهمیت می باشند به عنوان نتیجه پیشرفت تکنولوژی اطلاعات که ابزار حمایتی جدید را برای تصمیم گیری و فرآِند مساله در حوزه مکانی فراهم می آورد.
به گفته بالتر در سال 2008 سیستم اطلاعات جغرافیایی برای حمل ونقل GIS-T اتصال دهنده میان سخت افزار و نرم افزار و اطلاعات و مردم وسازمان ها و موسسات  برای جمع آوری و ذخیره سازی و آنالیز و ارتباط نوع خاصی از اطلاعات درباره زمین است . نوع خاصی از اطلاعات سیستم حمل و نقل و ناحیه جغرافیایی هستند که این سیستم ها را تحت تاثیر قرار می دهند یا تحت تاثیر آن قرار می گیرند.
در واقع GIS_T  نشان دهنده یکی از مهم ترین کاربردهای GIS است. و همانطور که میلر در سال 2001 اظهار داشت کاربردهای GIS_T دامنه گسترده ای از حمل ونقل را در بر می گیرد.
تحلیلگران حمل و نقل و تصمیم گیران از ابزارهای GIS برای برنامه ریزی زیر ساختارها طراحی ومدیریت و برنامه ریزی حمل و نقل عمومی و عملیات و تجزیه وتحلیل و کنترل ترافیک و تجزیه و تحلیل ایمنی حمل و نقل و ارزیابی اثرات زیست محیطی و خطرات کاهش و پیکربندی و مدیریت سیستم های تدارکات پیچیده استفاده می کنند . موارد نامبرده فوق تنها بخشی از کاربردها در این حوزه می باشد.
سیستم های حمل و نقل هوشمند از جمله سیستم بزرگراه وسیله نقلیه هوشمند و سیستم خودکار موقعیت خودرو به خصوص بخش بلند پروازانه ای ازGIS و تکنولوژی های مرتبط سیستم های بسیار متنوع حمل و نقل می باشد.
با این محتوا و با همکاری میان IMTT و ISEGI-UNL سیستم GIS که معطوف بر بخش حمل و نقل عمومی بود گسترش داده شد.
SIGGESC اولین پایگاه داده اطلاعات عددی شامل خطوط اتوبوسرانی برای اقلیم پرتغال بود.
همه اسناد موجود برای مسیرهای اتوبوس چاپ شده بودند یا نقشه هایی بودند که با دست رسم شده بودند . سرانجام با توجه به پروژه SIGGESC هم اکنون یک پایگاه داده یکپارچه و قابل اعتماد که سازماندهی , نظارت , همکاری و برنامه ریزی را با توجه به مسائل حمل و نقل عمومی پشتیبانی می کند موجود است .همچنین به  فرایندهای صدور مجوز کمک می کند . علاوه بر این SIGGESC به ساخت و ساز از یک پایگاه داده ساخت یافته , سازمان یافته  با پایگاه داده به روز شده با اطلاعات مربوط به حمل و نقل عمومی کمک می کند که منجر به تقویت روابط و به اشتراک گذاری اطلاعات میان شرکت های اتوبوس و IMTT می شود.
سابقه:
سیستم پشتیبان تصمیم مکانی (SDSS ) از سیستم پشتیبان تصمیم(DSS ) تکامل یافته است که شامل محتویات مکا ن- زمینی می شود. این سیستم برای کاربران یک محیط تصمیم گیری که قادر به تجزیه و تحلیل اطلاعات جغرافیایی است فراهم می آورد.
فن آوری های متعددی وجود دارد که می تواند تصمیم گیری های مکانی را حمایت نماید مثل سیستم اطلاعات جغرافیایی GIS ,سیتم خبره ES ,سنجش از راه دور RS و DSS
این نوع از چارچوب عبارتند از :1- قابلیت مدلسازی تحلیلی 2-سیستم مدیریت پایگاه داده 3- صفحه نمایش گرافیکی 4- ابزارهای گزارش دهی 5- دانش تصمیم گیرندگان
یکی از معمول ترین کاربردهای SDSS در GIS_T در زمینه مدل سازی حمل و نقل یا مشکلات مسیریابی حمل و نقل می باشد . خواننده علاقمند به یک بررسی کامل و گسترده از کاربردهای SDSS می تواند به کتاب منتشر شده Sugumaran
 (2010) رجوع نماید.
پروژه   SIGGESC از نیاز به یک پایگاه داده مکانی استاندارد شامل تمام خطوط اتوبوس در پرتغال از 133 شرکت حمل و نقل و 5000 خط اتوبوسرانی آغاز شد .
این پروژه شامل توسعه سیستم پشتیبانی مکانی براساس یک رابط GIS است که به منظور کمک به نظم دهی , نظارت , هماهنگی و برنامه ریزی خطوط اتوبوس موسسه پرتغالی برای جابه جایی و حمل و نقل زمینی یا همان موسسه IMTT
به کار می رود .
استفاده از سیستم اطلاعات جغرافیایی برای مدیریت خطوط اتوبوس شرکت های اتوبوسرانی با انتشار بخش نامه N32/2009 از سوی وزارت کارهای عمومی و حمل و نقل و ارتباطات MOPTC اجباری شد.
شرکت های اتوبوس با استفاده از الحاقات SIGGESC (برنامه های دسکتاپ و وب جی آی اس ) خطوط اتوبوس را به وسیله وارد کردن اطلاعات مکانی  در برنامه ها ایجاد نمودند . به این صورت که نقاط معرف ایستگاه های اتوبوس
و خطوط نشان دهنده مسیرهای اتوبوس می باشند. آنها همچنین اطلاعات الفبای عددی مثل صفات داده های مکانی 
و برنامه زمانی متناظر با خطوط اتوبوس را وارد نمودند .
علاوه بر آن عملکردها کاربر می تواند از SIGGESC برای جستجو میان داده های معرفی شده , ایجاد گزارش و مدیریت خطوط اتوبوس و شبکه های خود استفاده کنند .
اولین نسخه از نرم افزار دسکتاپ SICO3 در سال 2002 توسعه داده شد . این نسخه تنها مجاز به معرفی و بارگیری از خطوط اتوبوس توسط شرکت ها بود .
قبل از آنکه برنامه میان همه شرکت های اتوبوس منتشر شود آزمون های آزمایشی با دو شرکت Vimeca و Scotturb که از شهرداری های Oeirs وCascais بودند انجام شد.
این برنامه از آن سال تکامل یافت و تا سال 2008 تشکیل شده از مجموعه ای از زیر سیستم ها یا برنامه های کاربردی مدولار شامل موارد زیر بود :
SICO توسعه یافته در سال 2002
SICO توسعه یافته در سال 2003و 2004و 2005و 2006
سرانجام در سال 2008 پنج مدل فوق به یک برنامه واحد SICO  v5.0. تبدیل شدند . در سال 2009 تیم SIGGESC  با هدف افزایش بهره وری در اعمال نظارت و همچنین در فرآیندهای صدور مجوز کاربرد web و web GIS را توسعه داد.
هم اکنون SIGGESC شامل دو مدل برنامه است:
نرم افزار دسکتاپ SIC_GIS
پرتال SIGGESC  - نرم افزار web و web GIS
معماری SIGGESC
با مهاجرت و تکامل SIGGESC به جدید ترین فن آوری ها و راه حل های مرتبط با وب , نسخه فعلی نرم افزار ارتباطات میان شرکت های اتوبوس و IMTT  را از طریق افزایش و بهبود تعامل میان آنها پشتیبانی می کند . به عنوان مثال با به اشتراک گذاشتن داده های مکانی توسط آپلود نمودن آنها به پرتال SIGGESC.
همانطور که گفته شد برنامه های کاربردی SIGGESC کنونی از یک نرم افزار GIS desktop(SICO) و نرم افزارweb  و web GIS تشکیل شده است.
SICO به کاربران اجازه می دهد تا داده های مکانی والفبایی را برای خط اتوبوس و ایستگاه اتوبوس و مسیر و برنامه زمان بندی خلق و ویرایش نمایند. این نرم افزار همچنین کاربران را قادر می سازد تا به طور خودکار و به صورت پویا گزارش را خلق نمایند و خطوط اتوبوس را به پرتال SIGGESC آپلود نمایند . از سوی دیگر نرم افزار وب سایت و web GIS رابط ارجح برای تعامل میان شرکت های اتوبوسرانی و IMTT است.
 در واقع کاربران SICO ( شرکت های اتوبوس ) خطوط اتوبوس را در این دسکتاپ GIS ثبت می کنند و این همچنین کاربران را قادر می سازد تا اطلاعات وارد شده را جستجو کنند و سپس آنها را از طریق آپلود  کردن خطوط اتوبوس
به پرتال SIGGESC ,به IMTT بفرستند.
کاربران SIGGESC همیشه از کمک و راهنمایی یک مرکز تخصصی  برخوردارند تا بتوانند هر مساله ای که ممکن است در حین استفاده از برنامه رخ دهد را حل نمایند . پس از آپلود نمودن , کاربر به پرتال SIGGESC دسترسی پیدا می کند تا درخواست صدور مجوز رسمی شود . به عنوان مثال برای درخواست یک خط اتوبوس جدید ارسال اسناد و مدارک عددی (دیجیتال) برای تکمیل فرآیند صدور مجوز لازم است.
همچنین در پرتال SIGGESC کاربران می توانند اطلاعات مکانی و الفبایی را به وسیله گزارش های اتوماتیک ایجاد و جستجو نمایند . در نهایت کادر فنی IMTT برای بازرسی و نظارت بر روند صدور مجوز خطوط اتوبوس می توانند درخواست اپراتور را بپذیرند یا رد نمایند .
هدف دو بخش زیر بررسی ویژگی های موجود در هر دو برنامه کاربردی SIGGESC است.
دسکتاپ برنامه SICO
نرم افزار دسکتاپ GIS ایجاد شده برای پروژه SIGGESC (SICO شکل 4) در سال 2002 با    Map Object 2.1 c ایجاد شد که از آن زمان تا به حال در حال تحول است . نسخه فعلی SICO علاوه بر تجزیه تحلیل مکانی که در اغلب کاربردهای معمول GIS حضور دارند همچنین شامل ابزارهای سفارشی ساخته شده هستند که منحصرا مربوط به خدمات عمومی حمل و نقل جاده ای مسافر است.
کاربران باید هر دو اطلاعات مکانی و الفبایی را با توجه به خطوط اتوبوس خودشان ایجاد و ویرایش نمایند . برای انجام این کار آنها باید ایستگاه های اتوبوس و مسیرها را با ویژگی های مربوطه به آنها وارد نمایند (شکل 5)
در SICO این امکان وجود دارد که داده های الفبایی متنوع را با توجه به ایستگاه های اتوبوس معرفی نمائیم همانند خصوصیات فیزیکی مثلا اگر یک محافظ در ایستگاه اتوبوس وجود دارد و یا اگر آن یک ایستگاه اصلی در میان سایر خصوصیا ت است .
نقطه ها نشان دهنده استگاه های اتوبوس و خط ها بیانگر مسیر اتوبوس می باشند همچنین در SICO این امکان وجود دارد که برنامه زمانی را وارد نمایند.
داده های الفبایی  در SICO در یک پایگاه داده MS Access ذخیره می شوند در حالی که یک shapfile داده های مکنی را ثبت می کند (نقطه ها برای ایستگاه و خط ها برای مسیر ) تا قابلیت همکاری و سازگاری با سایر سیستم های اطلاعات جغرافیایی و برنامه های کاربردی فراهم گردد.
استفاده از SICO یک مزیت برای شرکت های اتوبوس است که با آن می توانند شبکه اتوبوس را برنامه ریزی و مدیریت نمایند . چون این امکان برای آنها فراهم می آید که بتوانند خروجی و گزارش خودکار و پویا را خلق نمایند ( این گزارشات در بخش 4.1  نشان داده خواهد شد .
آن SICO) ) همچنین به کاربران اجازه می دهد که بتوانند اطلاعات خطوط اتوبوس را مستقیما به پرتال  SIGGESC آپلود نمایند تا توسط IMTT  آنالیز و اعتبارسنجی شود .
کاربرد های وب – پرتال SIGGESC
جدیدترین نرم افزار توسعه یافته برای پروژه SIGGESC  , پرتال SIGGESC است که مهم ترین برنامه برای تعامل میان شرکت های اتوبوس و IMTT است.
در این نرم افزار Web  و Web GIS این امکان برای کاربران وجود دارد که گزارشات پویا را در فرمت های مختلف همانند xls,pdf,html خلق نمایند و بتوانند اطلاعات مکانی و جغرافیایی را جستجو نمایند و اطلاعات مربوط به پروژه خود را ( همانند آموزش و برنامه های کاربردی) دانلود نمایند .
پرتال همچنین دارای ویژگی های خاص برای کاربران شرکت های اتوبوس است . همانند امکان رسمی نمودن یک درخواست مجوز به IMTT . که در آن به منظور اتمام فرآیند درخواست مجوز می توان مدارک لازم را آپلود نمود . از طرف دیگر کادر فنی IMTT می توانند اطلاعات آپلود شده را تجزیه و تحلیل نمایند .
در پرتال SIGGESC یک برنامه Web GIS وجود دارد که شامل تمام اطلاعات خطوط اتوبوس با اطلاعات مکانی و الفبایی کامل آنهاست .
علاوه بر ابزارهای تجزیه تحلیل مکانی مثل Zoom و Pan و Search ابزارهای پیشرفته تجزیه تحلیل (همانند امکان انتخاب خطوط اتوبوس موجود در یک بافر) هم وجود دارد
RDBMS به علت قابلیت اطمینان و مقیاس پذیری و انعطاف پذیری و ویژگی های مربوط به آن انتخابی برای بسیاری از سناریو ها است .
برای مدیریت داده های مکانی و تعامل بین آنها از سرور نرم افزار Arc GIS استفاده شده است .
این نرم افزار در ردیف استفاده از GIS  نصب شده است و مسئول ایجاد خدمات مکانی تحت وب است که با برنامه های مختلف GIS در تعامل می باشد .
در اجزای پایگاه داده Arc SED را خواهیم یافت . این نرم افزار Arc SED را به کار می گیرد تا بتواند اطلاعات مکانی را در میان انبوهی از موتورهای پایگاه داده ذخیره نماید .
در مورد سرور مایکروسافت SQL (2008) که هم اکنون از داده های مکانی پشتیبانی می کند , امکان دارد که از داده های بومی استفاده نماید اما Arc SED هنوز نیازمند ایجاد اتصال به دسکتاپ و اجزای سرور است .
شکل 10 معماری پرتال سیستم SIGGESC است که یک نمونه معماری 3 لایه می باشد .
در لایه های داده مایکروسافت SQL 2008 ذخیره داده را فراهم می آورد و Esri Arc SDE داده های مکانی را مدیریت می کند . در لایه چارچوب شبکه را خواهیم داشت و سرور Arc GIS خدمات تحت وب را برای داده های مکانی و الفبایی فراهم می کند .
این سرویس وب می تواند تعامل ایجاد کند (در مورد داده های الفبایی با استفاده از ویژگی های شبکه NET و در مورد داده های مکانی با استفاده از قابلیت های سرور Arc GIS  ;).
نتایج
استفاده از SIGGESC توسط بسیاری از شرکت های اتوبوسرانی پرتغالی طی چند جلسه آموزشی تثبیت و منتشر شد .
تاکنون تیم دخیل در این پروژه حدود 40 جلسه آموزشی برنامه SIGGESC را سازماندهی و بسط داده اند .
در نتیجه حدود 90 شرکت آموزش دیده در 123 شرکت . که این به این معنی است که تقریبا 73 درصد از آن ها قادرند با برنامه SIGGESC کار کنند .
از آنجا که در بسیاری از شرکت ها بیش از یک تکنیسین مشغول به کار در SIGGESC وجود دارد , بنابراین در حال حاضر حدود 200 کاربر SIGGESC وجود دارد .
علاوه بر توسعه برنامه های کاربردی و آموزش , تیم مسئول پروژه SIGGESC تحکیم ونگهداری از SIGGESC را تضمین می نماید و با ایجاد مرکز تخصصی دائمی به کاربران کمک می نماید تا هر گونه شک و سوال مرتبط با برنامه کاربردی و پروژه برطرف گردد.
این تیم تضمین می دهد که به هر مساله ای در حداکثر 8 ساعت پاسخ دهد و در عرض 24 ساعت آن را حل و فصل نماید و هدف از آن تضمین استفاده کاربران از SIGGESC به طور پیوسته می باشد .
در طول مدت 2 سال شرکت های اتوبوس اطلاعاتشان را به پرتال وارد نمودند . در مناطق Lisbon  و Oporto ( منطقه هدف اولویت برای این پروژه ) 85 درصد از خطوط اتوبوس در SIGGESC ثبت شدند که شامل 1473 خط اتوبوس و8.3663 کیلومتر از مسیرهای اتوبوس و 34.148 ایستگاه اتوبوس می شود .
در بخش های زیر چند نمونه از خروجی های مستقیم نشان داده خواهد شد که می تواند به طور مستقیم از برنامه های کاربردی SIGGESC تولید شود و چند خروجی که در پایگاه داده SIGGESC تولید شده اند .
گزارش ها
همانطور که قبلا گفته شد هر دو برنامه کاربردی GIS تحت وب و دسکتاپ توانایی تولید گزارشات خودکار و پویا را دارا می باشند که ارزش زیادی برای شرکت های اتوبوس دارد . به خصوص برای آنهایی که به مهارت فنی لازم یا نرم افزار و سخت افزار ضروری برای پیگیری و محاسبه برخی گزارش ها نیاز ندارند.
بسیاری از گزارش ها که با برنامه های کاربردی تولید می شوند اسناد ضروری هستند که باید به منظور تکمیل فرایند صدور مجوز به  IMTT ارسال شوند همانند نقشه خط اتوبوس , برنامه زمانی و جدول کرایه (طبق شکل 11 و 12 و13 ) . این گزارشات در فرمت های pdf و xls و html صادر می شوند
علاوه بر گزارشات ضروری که شرکت های اتوبوس باید آن را به IMTT  ارسال نمایند گزارشات خودکار دیگری هم وجود دارد که به شرکت ها کمک می کند که وظایف روزانه خودشان  را برنامه ریزی و مدیریت نمایند مثل نمودار ایستگاه اتوبوس و گزارش خصوصیات  ایستگاه  اتوبوس (شکل 14 و 15)
خروجی های ایجاد شده با پایگاه داده SIGGESC
یکی از مزایای استفاده از پایگاه داده  SIGGESC سازگاری و قابلیت همکاری آن با بسیاری از برنامه های معمول GIS
است که امکان پشتیبانی و توسعه مطالعات و تجزیه و تحلیل و برنامه ریزی و ارزیابی گزینه های سرمایه گذاری را فراهم می آورد . برای مثال با مربوط ساختن اطلاعات مکانی و الفبایی خطوط اتوبوس با میزان تراکم مناطق , فعالیت ,اطلاعات سرشماری و غیره
نقشه های زیر نمونه ای از آن چیزی است که توسط پایگاه داده SIGGESC قابل تولید می باشد (شکل 16 )
در حال حاضر SIGGESC تصمیم سیستم پشتیبانی پرتغالی برای بخش حمل و نقل عمومی جاده ای مسافران می باشد و تقریبا هر شرکت اتوبوسرانی در پرتغال که در حوزه IMTT کار می کند برنامه های کاربردی را دارد و از آن استفاده می کند .
این سیستم پشتیبانی تصمیم گیری از فرآیند صدور مجوز در IMTT حمایت می کند تا برنامه ریزی و نظارت بر خطوط اتوبوس شفاف تر و کارآمد تر شود . دیگر مزیت آن این است که سرانجام یک پایگاه داده جامع و یکپارچه  با ثبت همه خطوط اتوبوس وجود دارد و دسترسی به این اطلاعات در اختیار مردم قرار دارد (از طریق پرتال SIGGESC )
برای انتشار این پایگاه داده و ارائه آن به عموم مردم در آینده می توان ویژگی های خطوط اتوبوس را به نقشه های گوگل وارد نمود تا کاربران بتوانند برای یک سفر با استفاده از حمل و نفل عمومی برنامه ریزی نمایند.
برنامه های کاربردی می توانند با اضافه شدن ویژگی های جدید بر پایه آخرین روند فن آوری مثل وب 2 و مشارکت عمومی نمو یابند
نتایج
برای انتشار این پایگاه داده و ارائه آن به عموم مردم به طور کلی, در آینده  می توان خصوصیات هر خط اتوبوس (ایستگاه اتوبوس , مسیر حرکت و برنامه زمانی ) موجود در پایگاه داده SIGGESC مربوط به هر شرکت اتوبوسرانی را به نقشه های حمل و نقل گوگل اضافه نمود تا کاربران بتوانند یک سفر با حمل و نقل عمومی را برنامه ریزی نمایند.همچنین برنامه های کاربردی می توانند با آخرین روند فن آوری تکامل یابند همانند وب 2 و مشارکت عمومی . به عنوان مثال با ایجاد امکان ورود اطلاعات عددی و الفبایی  توسط  کاربران به SIGGESC Web GIS  و گرفتن بازخور ها در مورد برخی از ایستگاه های اتوبوس , مسیر یا برنامه , مثلا اطلاع یافتن از اینکه ایستگاه اتوبوس دیگر وجود ندارد و یا اطلاع از اینکه یک خط اتوبوس از مسیر متفاوتی می رود . پایگاه داده SIGGESC همچنین می تواند مطابق با دستورالعمل INSPIRE برای دسترسی به نهادهای مختلف عمومی  از طریق services  Web map(Wms) منتشر شوند . به گفته باتلر (2008) GIS-T میتواند نقش محوری در فضای جدید برای کاربری عمومی زمین و تصمیم گیری برای حمل و نقل ایفا کند .
ارسال شده توسط احمد محمدی | 1 01, 2014 | بازدید‌ها (954)
سیستم پشتیبانی حمل و نقل عمومی یک تصمیم سیستم پشتیبانی برای بخش حمل و نقل عمومی ( SIGGESC  project)
چکیده :
SIGGESC یک سیستم اطلاعات جغرافیایی GIS است که به بخش حمل و نقل عمومی معطوف شده است
SIGGESC امکان هماهنگی و برنامه ریزی را برای خطوط اتوبوس فراهم می آورد وبه  فرآیندهای صدور مجوز کمک می کند .
این پروژه نه تنها ارزش افزوده بر IMTT را سبب شده است بلکه برای شرکت های پرتغالی حمل و نقل مسافر با ایجاد یک سیستم اطلاعاتی یکپارچه این امکان را فراهم می آورد که فرآیندهای کاری خودکار و روزمره  شوند. بهره وری بیشتر در بازرسی و فرآیندهای صدور مجوز ایجاد شود و مرجع اطلاعاتی در سیستم حمل و نقل جاده ای مسافران سازماندهی شود . این پایگاه داده مجموعه ای از منابع و شاخص ها و پارامتر ها را برای فرآیند نظارتی فراهم می آورد.
کلمات کلیدی : سیستم های پشتیبانی تصمیمات مکانی-سیستم اطلاعات جغرافیایی (GIS )-کاربردهای وب جی آی اس (web GIS ) – حمل و نقل عمومی- برنامه ریزی حمل و نقل
معرفی :
نهادهای مسئول برنامه ریزی و مدیریت حمل و نقل در سطح ملی به خصوص با توجه به مقررات وسایل حمل و نقل موجود  در حال مبارزه با مشکلات مرتبط با اطلاعات موجود از لحاظ کمیت و کیفیت هستند.
داده های جغرافیایی دیجیتالی (عددی ) در حال افزایش اهمیت می باشند به عنوان نتیجه پیشرفت تکنولوژی اطلاعات که ابزار حمایتی جدید را برای تصمیم گیری و فرآِند مساله در حوزه مکانی فراهم می آورد.
به گفته بالتر در سال 2008 سیستم اطلاعات جغرافیایی برای حمل ونقل GIS-T اتصال دهنده میان سخت افزار و نرم افزار و اطلاعات و مردم وسازمان ها و موسسات  برای جمع آوری و ذخیره سازی و آنالیز و ارتباط نوع خاصی از اطلاعات درباره زمین است . نوع خاصی از اطلاعات سیستم حمل و نقل و ناحیه جغرافیایی هستند که این سیستم ها را تحت تاثیر قرار می دهند یا تحت تاثیر آن قرار می گیرند.
در واقع GIS_T  نشان دهنده یکی از مهم ترین کاربردهای GIS است. و همانطور که میلر در سال 2001 اظهار داشت کاربردهای GIS_T دامنه گسترده ای از حمل ونقل را در بر می گیرد.
تحلیلگران حمل و نقل و تصمیم گیران از ابزارهای GIS برای برنامه ریزی زیر ساختارها طراحی ومدیریت و برنامه ریزی حمل و نقل عمومی و عملیات و تجزیه وتحلیل و کنترل ترافیک و تجزیه و تحلیل ایمنی حمل و نقل و ارزیابی اثرات زیست محیطی و خطرات کاهش و پیکربندی و مدیریت سیستم های تدارکات پیچیده استفاده می کنند . موارد نامبرده فوق تنها بخشی از کاربردها در این حوزه می باشد.
سیستم های حمل و نقل هوشمند از جمله سیستم بزرگراه وسیله نقلیه هوشمند و سیستم خودکار موقعیت خودرو به خصوص بخش بلند پروازانه ای ازGIS و تکنولوژی های مرتبط سیستم های بسیار متنوع حمل و نقل می باشد.
با این محتوا و با همکاری میان IMTT و ISEGI-UNL سیستم GIS که معطوف بر بخش حمل و نقل عمومی بود گسترش داده شد.
SIGGESC اولین پایگاه داده اطلاعات عددی شامل خطوط اتوبوسرانی برای اقلیم پرتغال بود.
همه اسناد موجود برای مسیرهای اتوبوس چاپ شده بودند یا نقشه هایی بودند که با دست رسم شده بودند . سرانجام با توجه به پروژه SIGGESC هم اکنون یک پایگاه داده یکپارچه و قابل اعتماد که سازماندهی , نظارت , همکاری و برنامه ریزی را با توجه به مسائل حمل و نقل عمومی پشتیبانی می کند موجود است .همچنین به  فرایندهای صدور مجوز کمک می کند . علاوه بر این SIGGESC به ساخت و ساز از یک پایگاه داده ساخت یافته , سازمان یافته  با پایگاه داده به روز شده با اطلاعات مربوط به حمل و نقل عمومی کمک می کند که منجر به تقویت روابط و به اشتراک گذاری اطلاعات میان شرکت های اتوبوس و IMTT می شود.
سابقه:
سیستم پشتیبان تصمیم مکانی (SDSS ) از سیستم پشتیبان تصمیم(DSS ) تکامل یافته است که شامل محتویات مکا ن- زمینی می شود. این سیستم برای کاربران یک محیط تصمیم گیری که قادر به تجزیه و تحلیل اطلاعات جغرافیایی است فراهم می آورد.
فن آوری های متعددی وجود دارد که می تواند تصمیم گیری های مکانی را حمایت نماید مثل سیستم اطلاعات جغرافیایی GIS ,سیتم خبره ES ,سنجش از راه دور RS و DSS
این نوع از چارچوب عبارتند از :1- قابلیت مدلسازی تحلیلی 2-سیستم مدیریت پایگاه داده 3- صفحه نمایش گرافیکی 4- ابزارهای گزارش دهی 5- دانش تصمیم گیرندگان
یکی از معمول ترین کاربردهای SDSS در GIS_T در زمینه مدل سازی حمل و نقل یا مشکلات مسیریابی حمل و نقل می باشد . خواننده علاقمند به یک بررسی کامل و گسترده از کاربردهای SDSS می تواند به کتاب منتشر شده Sugumaran
 (2010) رجوع نماید.
پروژه   SIGGESC از نیاز به یک پایگاه داده مکانی استاندارد شامل تمام خطوط اتوبوس در پرتغال از 133 شرکت حمل و نقل و 5000 خط اتوبوسرانی آغاز شد .
این پروژه شامل توسعه سیستم پشتیبانی مکانی براساس یک رابط GIS است که به منظور کمک به نظم دهی , نظارت , هماهنگی و برنامه ریزی خطوط اتوبوس موسسه پرتغالی برای جابه جایی و حمل و نقل زمینی یا همان موسسه IMTT
به کار می رود .
استفاده از سیستم اطلاعات جغرافیایی برای مدیریت خطوط اتوبوس شرکت های اتوبوسرانی با انتشار بخش نامه N32/2009 از سوی وزارت کارهای عمومی و حمل و نقل و ارتباطات MOPTC اجباری شد.
شرکت های اتوبوس با استفاده از الحاقات SIGGESC (برنامه های دسکتاپ و وب جی آی اس ) خطوط اتوبوس را به وسیله وارد کردن اطلاعات مکانی  در برنامه ها ایجاد نمودند . به این صورت که نقاط معرف ایستگاه های اتوبوس
و خطوط نشان دهنده مسیرهای اتوبوس می باشند. آنها همچنین اطلاعات الفبای عددی مثل صفات داده های مکانی 
و برنامه زمانی متناظر با خطوط اتوبوس را وارد نمودند .
علاوه بر آن عملکردها کاربر می تواند از SIGGESC برای جستجو میان داده های معرفی شده , ایجاد گزارش و مدیریت خطوط اتوبوس و شبکه های خود استفاده کنند .
اولین نسخه از نرم افزار دسکتاپ SICO3 در سال 2002 توسعه داده شد . این نسخه تنها مجاز به معرفی و بارگیری از خطوط اتوبوس توسط شرکت ها بود .
قبل از آنکه برنامه میان همه شرکت های اتوبوس منتشر شود آزمون های آزمایشی با دو شرکت Vimeca و Scotturb که از شهرداری های Oeirs وCascais بودند انجام شد.
این برنامه از آن سال تکامل یافت و تا سال 2008 تشکیل شده از مجموعه ای از زیر سیستم ها یا برنامه های کاربردی مدولار شامل موارد زیر بود :
SICO توسعه یافته در سال 2002
SICO توسعه یافته در سال 2003و 2004و 2005و 2006
سرانجام در سال 2008 پنج مدل فوق به یک برنامه واحد SICO  v5.0. تبدیل شدند . در سال 2009 تیم SIGGESC  با هدف افزایش بهره وری در اعمال نظارت و همچنین در فرآیندهای صدور مجوز کاربرد web و web GIS را توسعه داد.
هم اکنون SIGGESC شامل دو مدل برنامه است:
نرم افزار دسکتاپ SIC_GIS
پرتال SIGGESC  - نرم افزار web و web GIS
معماری SIGGESC
با مهاجرت و تکامل SIGGESC به جدید ترین فن آوری ها و راه حل های مرتبط با وب , نسخه فعلی نرم افزار ارتباطات میان شرکت های اتوبوس و IMTT  را از طریق افزایش و بهبود تعامل میان آنها پشتیبانی می کند . به عنوان مثال با به اشتراک گذاشتن داده های مکانی توسط آپلود نمودن آنها به پرتال SIGGESC.
همانطور که گفته شد برنامه های کاربردی SIGGESC کنونی از یک نرم افزار GIS desktop(SICO) و نرم افزارweb  و web GIS تشکیل شده است.
SICO به کاربران اجازه می دهد تا داده های مکانی والفبایی را برای خط اتوبوس و ایستگاه اتوبوس و مسیر و برنامه زمان بندی خلق و ویرایش نمایند. این نرم افزار همچنین کاربران را قادر می سازد تا به طور خودکار و به صورت پویا گزارش را خلق نمایند و خطوط اتوبوس را به پرتال SIGGESC آپلود نمایند . از سوی دیگر نرم افزار وب سایت و web GIS رابط ارجح برای تعامل میان شرکت های اتوبوسرانی و IMTT است.
 در واقع کاربران SICO ( شرکت های اتوبوس ) خطوط اتوبوس را در این دسکتاپ GIS ثبت می کنند و این همچنین کاربران را قادر می سازد تا اطلاعات وارد شده را جستجو کنند و سپس آنها را از طریق آپلود  کردن خطوط اتوبوس
به پرتال SIGGESC ,به IMTT بفرستند.
کاربران SIGGESC همیشه از کمک و راهنمایی یک مرکز تخصصی  برخوردارند تا بتوانند هر مساله ای که ممکن است در حین استفاده از برنامه رخ دهد را حل نمایند . پس از آپلود نمودن , کاربر به پرتال SIGGESC دسترسی پیدا می کند تا درخواست صدور مجوز رسمی شود . به عنوان مثال برای درخواست یک خط اتوبوس جدید ارسال اسناد و مدارک عددی (دیجیتال) برای تکمیل فرآیند صدور مجوز لازم است.
همچنین در پرتال SIGGESC کاربران می توانند اطلاعات مکانی و الفبایی را به وسیله گزارش های اتوماتیک ایجاد و جستجو نمایند . در نهایت کادر فنی IMTT برای بازرسی و نظارت بر روند صدور مجوز خطوط اتوبوس می توانند درخواست اپراتور را بپذیرند یا رد نمایند .
هدف دو بخش زیر بررسی ویژگی های موجود در هر دو برنامه کاربردی SIGGESC است.
دسکتاپ برنامه SICO
نرم افزار دسکتاپ GIS ایجاد شده برای پروژه SIGGESC (SICO شکل 4) در سال 2002 با    Map Object 2.1 c ایجاد شد که از آن زمان تا به حال در حال تحول است . نسخه فعلی SICO علاوه بر تجزیه تحلیل مکانی که در اغلب کاربردهای معمول GIS حضور دارند همچنین شامل ابزارهای سفارشی ساخته شده هستند که منحصرا مربوط به خدمات عمومی حمل و نقل جاده ای مسافر است.
کاربران باید هر دو اطلاعات مکانی و الفبایی را با توجه به خطوط اتوبوس خودشان ایجاد و ویرایش نمایند . برای انجام این کار آنها باید ایستگاه های اتوبوس و مسیرها را با ویژگی های مربوطه به آنها وارد نمایند (شکل 5)
در SICO این امکان وجود دارد که داده های الفبایی متنوع را با توجه به ایستگاه های اتوبوس معرفی نمائیم همانند خصوصیات فیزیکی مثلا اگر یک محافظ در ایستگاه اتوبوس وجود دارد و یا اگر آن یک ایستگاه اصلی در میان سایر خصوصیا ت است .
نقطه ها نشان دهنده استگاه های اتوبوس و خط ها بیانگر مسیر اتوبوس می باشند همچنین در SICO این امکان وجود دارد که برنامه زمانی را وارد نمایند.
داده های الفبایی  در SICO در یک پایگاه داده MS Access ذخیره می شوند در حالی که یک shapfile داده های مکنی را ثبت می کند (نقطه ها برای ایستگاه و خط ها برای مسیر ) تا قابلیت همکاری و سازگاری با سایر سیستم های اطلاعات جغرافیایی و برنامه های کاربردی فراهم گردد.
استفاده از SICO یک مزیت برای شرکت های اتوبوس است که با آن می توانند شبکه اتوبوس را برنامه ریزی و مدیریت نمایند . چون این امکان برای آنها فراهم می آید که بتوانند خروجی و گزارش خودکار و پویا را خلق نمایند ( این گزارشات در بخش 4.1  نشان داده خواهد شد .
آن SICO) ) همچنین به کاربران اجازه می دهد که بتوانند اطلاعات خطوط اتوبوس را مستقیما به پرتال  SIGGESC آپلود نمایند تا توسط IMTT  آنالیز و اعتبارسنجی شود .
کاربرد های وب – پرتال SIGGESC
جدیدترین نرم افزار توسعه یافته برای پروژه SIGGESC  , پرتال SIGGESC است که مهم ترین برنامه برای تعامل میان شرکت های اتوبوس و IMTT است.
در این نرم افزار Web  و Web GIS این امکان برای کاربران وجود دارد که گزارشات پویا را در فرمت های مختلف همانند xls,pdf,html خلق نمایند و بتوانند اطلاعات مکانی و جغرافیایی را جستجو نمایند و اطلاعات مربوط به پروژه خود را ( همانند آموزش و برنامه های کاربردی) دانلود نمایند .
پرتال همچنین دارای ویژگی های خاص برای کاربران شرکت های اتوبوس است . همانند امکان رسمی نمودن یک درخواست مجوز به IMTT . که در آن به منظور اتمام فرآیند درخواست مجوز می توان مدارک لازم را آپلود نمود . از طرف دیگر کادر فنی IMTT می توانند اطلاعات آپلود شده را تجزیه و تحلیل نمایند .
در پرتال SIGGESC یک برنامه Web GIS وجود دارد که شامل تمام اطلاعات خطوط اتوبوس با اطلاعات مکانی و الفبایی کامل آنهاست .
علاوه بر ابزارهای تجزیه تحلیل مکانی مثل Zoom و Pan و Search ابزارهای پیشرفته تجزیه تحلیل (همانند امکان انتخاب خطوط اتوبوس موجود در یک بافر) هم وجود دارد
RDBMS به علت قابلیت اطمینان و مقیاس پذیری و انعطاف پذیری و ویژگی های مربوط به آن انتخابی برای بسیاری از سناریو ها است .
برای مدیریت داده های مکانی و تعامل بین آنها از سرور نرم افزار Arc GIS استفاده شده است .
این نرم افزار در ردیف استفاده از GIS  نصب شده است و مسئول ایجاد خدمات مکانی تحت وب است که با برنامه های مختلف GIS در تعامل می باشد .
در اجزای پایگاه داده Arc SED را خواهیم یافت . این نرم افزار Arc SED را به کار می گیرد تا بتواند اطلاعات مکانی را در میان انبوهی از موتورهای پایگاه داده ذخیره نماید .
در مورد سرور مایکروسافت SQL (2008) که هم اکنون از داده های مکانی پشتیبانی می کند , امکان دارد که از داده های بومی استفاده نماید اما Arc SED هنوز نیازمند ایجاد اتصال به دسکتاپ و اجزای سرور است .
شکل 10 معماری پرتال سیستم SIGGESC است که یک نمونه معماری 3 لایه می باشد .
در لایه های داده مایکروسافت SQL 2008 ذخیره داده را فراهم می آورد و Esri Arc SDE داده های مکانی را مدیریت می کند . در لایه چارچوب شبکه را خواهیم داشت و سرور Arc GIS خدمات تحت وب را برای داده های مکانی و الفبایی فراهم می کند .
این سرویس وب می تواند تعامل ایجاد کند (در مورد داده های الفبایی با استفاده از ویژگی های شبکه NET و در مورد داده های مکانی با استفاده از قابلیت های سرور Arc GIS  ;).
نتایج
استفاده از SIGGESC توسط بسیاری از شرکت های اتوبوسرانی پرتغالی طی چند جلسه آموزشی تثبیت و منتشر شد .
تاکنون تیم دخیل در این پروژه حدود 40 جلسه آموزشی برنامه SIGGESC را سازماندهی و بسط داده اند .
در نتیجه حدود 90 شرکت آموزش دیده در 123 شرکت . که این به این معنی است که تقریبا 73 درصد از آن ها قادرند با برنامه SIGGESC کار کنند .
از آنجا که در بسیاری از شرکت ها بیش از یک تکنیسین مشغول به کار در SIGGESC وجود دارد , بنابراین در حال حاضر حدود 200 کاربر SIGGESC وجود دارد .
علاوه بر توسعه برنامه های کاربردی و آموزش , تیم مسئول پروژه SIGGESC تحکیم ونگهداری از SIGGESC را تضمین می نماید و با ایجاد مرکز تخصصی دائمی به کاربران کمک می نماید تا هر گونه شک و سوال مرتبط با برنامه کاربردی و پروژه برطرف گردد.
این تیم تضمین می دهد که به هر مساله ای در حداکثر 8 ساعت پاسخ دهد و در عرض 24 ساعت آن را حل و فصل نماید و هدف از آن تضمین استفاده کاربران از SIGGESC به طور پیوسته می باشد .
در طول مدت 2 سال شرکت های اتوبوس اطلاعاتشان را به پرتال وارد نمودند . در مناطق Lisbon  و Oporto ( منطقه هدف اولویت برای این پروژه ) 85 درصد از خطوط اتوبوس در SIGGESC ثبت شدند که شامل 1473 خط اتوبوس و8.3663 کیلومتر از مسیرهای اتوبوس و 34.148 ایستگاه اتوبوس می شود .
در بخش های زیر چند نمونه از خروجی های مستقیم نشان داده خواهد شد که می تواند به طور مستقیم از برنامه های کاربردی SIGGESC تولید شود و چند خروجی که در پایگاه داده SIGGESC تولید شده اند .
گزارش ها
همانطور که قبلا گفته شد هر دو برنامه کاربردی GIS تحت وب و دسکتاپ توانایی تولید گزارشات خودکار و پویا را دارا می باشند که ارزش زیادی برای شرکت های اتوبوس دارد . به خصوص برای آنهایی که به مهارت فنی لازم یا نرم افزار و سخت افزار ضروری برای پیگیری و محاسبه برخی گزارش ها نیاز ندارند.
بسیاری از گزارش ها که با برنامه های کاربردی تولید می شوند اسناد ضروری هستند که باید به منظور تکمیل فرایند صدور مجوز به  IMTT ارسال شوند همانند نقشه خط اتوبوس , برنامه زمانی و جدول کرایه (طبق شکل 11 و 12 و13 ) . این گزارشات در فرمت های pdf و xls و html صادر می شوند
علاوه بر گزارشات ضروری که شرکت های اتوبوس باید آن را به IMTT  ارسال نمایند گزارشات خودکار دیگری هم وجود دارد که به شرکت ها کمک می کند که وظایف روزانه خودشان  را برنامه ریزی و مدیریت نمایند مثل نمودار ایستگاه اتوبوس و گزارش خصوصیات  ایستگاه  اتوبوس (شکل 14 و 15)
خروجی های ایجاد شده با پایگاه داده SIGGESC
یکی از مزایای استفاده از پایگاه داده  SIGGESC سازگاری و قابلیت همکاری آن با بسیاری از برنامه های معمول GIS
است که امکان پشتیبانی و توسعه مطالعات و تجزیه و تحلیل و برنامه ریزی و ارزیابی گزینه های سرمایه گذاری را فراهم می آورد . برای مثال با مربوط ساختن اطلاعات مکانی و الفبایی خطوط اتوبوس با میزان تراکم مناطق , فعالیت ,اطلاعات سرشماری و غیره
نقشه های زیر نمونه ای از آن چیزی است که توسط پایگاه داده SIGGESC قابل تولید می باشد (شکل 16 )
در حال حاضر SIGGESC تصمیم سیستم پشتیبانی پرتغالی برای بخش حمل و نقل عمومی جاده ای مسافران می باشد و تقریبا هر شرکت اتوبوسرانی در پرتغال که در حوزه IMTT کار می کند برنامه های کاربردی را دارد و از آن استفاده می کند .
این سیستم پشتیبانی تصمیم گیری از فرآیند صدور مجوز در IMTT حمایت می کند تا برنامه ریزی و نظارت بر خطوط اتوبوس شفاف تر و کارآمد تر شود . دیگر مزیت آن این است که سرانجام یک پایگاه داده جامع و یکپارچه  با ثبت همه خطوط اتوبوس وجود دارد و دسترسی به این اطلاعات در اختیار مردم قرار دارد (از طریق پرتال SIGGESC )
برای انتشار این پایگاه داده و ارائه آن به عموم مردم در آینده می توان ویژگی های خطوط اتوبوس را به نقشه های گوگل وارد نمود تا کاربران بتوانند برای یک سفر با استفاده از حمل و نفل عمومی برنامه ریزی نمایند.
برنامه های کاربردی می توانند با اضافه شدن ویژگی های جدید بر پایه آخرین روند فن آوری مثل وب 2 و مشارکت عمومی نمو یابند
نتایج
برای انتشار این پایگاه داده و ارائه آن به عموم مردم به طور کلی, در آینده  می توان خصوصیات هر خط اتوبوس (ایستگاه اتوبوس , مسیر حرکت و برنامه زمانی ) موجود در پایگاه داده SIGGESC مربوط به هر شرکت اتوبوسرانی را به نقشه های حمل و نقل گوگل اضافه نمود تا کاربران بتوانند یک سفر با حمل و نقل عمومی را برنامه ریزی نمایند.همچنین برنامه های کاربردی می توانند با آخرین روند فن آوری تکامل یابند همانند وب 2 و مشارکت عمومی . به عنوان مثال با ایجاد امکان ورود اطلاعات عددی و الفبایی  توسط  کاربران به SIGGESC Web GIS  و گرفتن بازخور ها در مورد برخی از ایستگاه های اتوبوس , مسیر یا برنامه , مثلا اطلاع یافتن از اینکه ایستگاه اتوبوس دیگر وجود ندارد و یا اطلاع از اینکه یک خط اتوبوس از مسیر متفاوتی می رود . پایگاه داده SIGGESC همچنین می تواند مطابق با دستورالعمل INSPIRE برای دسترسی به نهادهای مختلف عمومی  از طریق services  Web map(Wms) منتشر شوند . به گفته باتلر (2008) GIS-T میتواند نقش محوری در فضای جدید برای کاربری عمومی زمین و تصمیم گیری برای حمل و نقل ایفا کند .
ارسال شده توسط احمد محمدی | 1 01, 2014 | بازدید‌ها (1463)
سیستم پشتیبان تصمیم گیری در جذب فناوری اطلاعات
 

تهیه و تنظیم:  پایگاه مقالات علمی مدیریت www.SYSTEM.PARSIBLOG.com
چکیده: سازمانهای پویا و متحولی که در زمینه تکنولوژی رایانه پیشرفت کرده اند، مجموعه بالقوه ای از برنامه های کاربردی  DSS را ایجاد کرده اند.برای برنامه ریزی استراتژیک سازمان یا نقشه راه ، درک درستی از برنامه های کاربردیDSS  حائز اهمیت است.این تحقیق می کوشد تا تعریفی از DSS، جذب فناوری اطلاعات و پویایی جذب  DSS ارائه کند.آنچه که به عنوان ابزارهای DSS جذب برنامه های کاربردی سازمان میشود شامل آنهایی است که به عنوان برنامه های کاربردی یک بارهDSS  (غیر تکراری) در سطح برنامه ریزی استراتژیک وارد سازمان میگردد.انتقال فناوری تا جاگیری ابزارها در برنامه های کاربردی پشتیبان تصمیم ساختار یافته (SDS) یا سیستم های فرایند تبادل (TPS) ادمه دارد.بنابراین مدیران باید آنها را به عنوان یک سیستم SDS/TPS ببینند نه به عنوان یک سیستم DSS. شناسایی نقشه راه جذب فناوری اطلاعات، به انتقال فناوری کمک می کند و آن را به رسمیت می شناسد. این به معنای قابل قبول بودن ایجاد این انتقال است.
واژه های کلیدی: DSS، سیستم پشتیبان تصمیم گیری ،جذب فناوری اطلاعات ، توسعه نرم افزاری.

 


مقدمه
چه موقع یک سیستم پشتیبان تصمیم گیری واقعا یک  DSSنیست؟ غالبا یک برنامه کاربردی که شامل تصمیم گیری به هر روشی است به عنوان DSS طبقه بندی می شود.پیشرفتهای پویای در زمینه تکنولوژی رایانه در برنامه های کاربردی مثل DSS موثر می باشد.در نتیجه این پیشرفتها بوده که این برنامه های کاربردی همواره در حال تغییر می باشند.این موضوع سبب شده است که تقریبا متوقف کردن چنین تغییراتی برای برنامه های کاربردی DSS غیر ممکن باشد.بدیهی است که ماهیت تغییرات DSS  به موازات پیشرفت توسعه تکنولوژی رایانه در جریان می باشد.کدون[9] گزارش می دهد که قانون مور ( دو برابر شدن قدرت رایانه در هر هیجده ماه )دست کم برای 5 سال دیگر سر می رسداین امر نشان دهنده این است که سیستم های اطلاعاتی پیشرفت خود را در دستورالعمل های جدید و متنوع ادامه خواهد داد.
در حالی که برخی از برنامه های کاربردی DSS به طور گسترده ای مورد قبول واقع شده اند ، برخی دیگرانیز احتمالا در جریان تغییرات تکنولوژیکی منسوخ شده اند.این ماهیت پویای فناوری سیستم های اطلاعاتی عموما، و برنامه های کاربردی DSS خصوصا، باعث می گردد که مدیران عالی اطلاعاتی و دیگران مدیران در مواجه با یک تعریف واضح و روشن از مجموعه برنامه های ثابت و کاربردی DSS  به مشکل بر بخورند.با این حال شناسایی برنامه های کاربردی DS در برنامه ریزی استراتژی های سازمانی برای استقرار فناوری اطلاعات مهم است.تجزیه وتحلیل این تحقیق یک چهارچوب را ژیش روی فناوری اطلاعات قرار می دهد که شانل تکامل مستمر و استفاده از ابزارهای DSS است.هدف بررسی یک چشم انداز برنامه ریزی برای استقرار آینده ابزارهای DSS و برنامه های کاربردی آن است که تکامل فناوری اطلاعات را امکان پذیر می سازد.یک چهارچوب برنامه ریزی برای سیستم های اطلاعاتی حرفه ای مستلزم شناسایی نقشه راه جذب فناوری از طریق ایفای نقش DSS  می باشد.این تحقیق شامل بررسی تعریف DSS ، مراحل و پویایی جذب فناوری اطلاعات و در آخر خلاصه و نقشه راه جذب فناوری می باشد.
تعریف سیستم پشتیبان تصمیم گیری(DSS  ):
یک تعریف عملیاتی از یک سیستم DSS برای شناسایی و طبقه بندی ابزارهای DSS و برنامه های کاربردی و به تبع آن بررسی نقشه هرا جذب فناوری حائز اهمیت می باشد.
DSS با بکار گیری رایانه برای موارد زیر تعریف می شود:
1 – کمک به مدیران برای فرایند تصمیم گیری در وظایف نیمه ساختار یافته
2 – برای پشتیبانی و بهتر از آن جایگزینی قضاوتهای مدیریتی. و
3 – به منظور بهبود اثربخش تصمیم گیری به جای کارایی آن( کین و اسکات مورتون،8ص1)
همچنین دیگران(10، 12 و 13 )تعاریفی را برای DSS ارائه کرده اند.اگرچه برخی تفاوتهای جزیی در تعاریف آنان وجود دارد،اما یک بررسی از این تعاریف نشان می دهد که به طور کلی آنها تعریف کین و مورتون را حمایت می کنند.با این حال تعریف کین و اسکات مورتون به عنوان تعریف عملیاتی برای این تجزیه و تحلیل مورد استفاده قرار گرفت آنها توضیح اضافی  DSS  را به شرح زیر ارائه نمودند:سوال کلیدی برای کسی که در مورد DSS  کار می کند این است : "چه نوع تصمیم خاصی یا چه فرایند تصمیم گیری وجود دارد که برای پشتیبانی از آن باید تلاش کرد؟" تصمیم ممکن است تکراری و همیشگی و یا لحظه ای و یک باره باشد .تمرکز پشتیبان تصمیم گیری بر این فرض استوار است که مشکلی که مدیران با آن مواجهند بی اهمیت نیست و نمی تواند بصورت خودکار بروز کند.  این دیدگاه نیازمند توسعه ابزارهای روش شنلاسی برالی تصمیم گیریهای کلیدی میران و تعریف اطلاعاتی است که میتواند یا باید در دسترس مدیران باشد البته در طول زمان سطح درک ما افزایش می یابد و شاید بسیاری ازمشکلاتی که ما امروزه به طور مرحله ای و سیستمی با آن مواجهیم به یک کاربر یا راینه واگذار گردد.
نمونه بارز این روند ، سود سپرده است .بیشتر بانک ها و شرکتهای وام دهنده روشهای ساده ای دارند که بر اساس داده های آماری و گزارشهای اعتباری پشتیبانی شده استوار می باشد که جایگزین قضاوتهای اولیه مدیران ارشد وام دهنده می گردد.مادامی که مشکل صرفا ساختار یافته بوده و مدیران در درک و سطح نیازمندیهایشان به بلوغ رسیده به به عنوان یک سیستمDSS  باید همواره به عنوان کاربر سازگار و یاد گیرنده رشد و تکامل داشته باشد.این ماهیت خود   است که بر ساخت نوعی از نرم افزار دلالت دارد که بتواند در سازمان به اجرا درآمده و باقی بماند.(ص58-59)
گوری و اسکات مورتون (7) چهارچوبی را برای ویژگی های نیمه ساختار یافته این تعریف سیستم پشتیبان تصمیم  گیری ارائه نمودند.انها کار سیمون و نویل را با با جهارجوبی از فرایند تصمیم گیری ساختار یافته و غیر ساختار یافته ارتباط دادند.یک مشکل کاملا ساختار یافته موردی است که  تمام سه مرحله فرایند تصمیم گیری (هوش ، طراحی و انتخاب ) برای آن ساختار یافته است. برای یک مشکل کاملا  ساختار نیافته  مراحل تصمیم گیری کاملا ساختار نیافته می باشد.   برای یک مشکل نیمه ساختار یافته یک یا دو مورد (نه همه آنها ) از مراحل تصمیم گیری ساختار نیافته می باشد. آنها سیستم های اطلاعاتی را به عنوان سیستم های ساختار یافته تصمیم گیری((SDS  که قویا ساختار یافته می باشند تعریف می کنند، در حالی که سیستم های نیمه ساختار یافته و ساختار نیافته را به عنوان  DSS معرفی می کنندمبادله اطلاعات از این طبقه بندی ساختار یافته و ساختار نیافته حذف گردید.فعالیت مبادله اطلاعات در یک سازمان یعنی اینکه در آن سازمان رایانه مورد نظر به امر مبادله داده های سر راست (البته نه از طریق تصمیم خارجی )اختصاص داده می شود.مثل فرایند حقوق و دستمزد.هر دو فرایند SDS  و مبادله اطلاعات قویا ، محصول پردازش اطلاعات یا فعالیتهای سیستم فرایند  تبادل(TPS) می باشد.این دیدگاه بیان میدارد که هر سیستم اطلاعاتی که به عنوان SDS/TPS نباشد ، بیشتر به عنوان DSSشناخته می شود (پاور 12،ص19).بنابراین تعریف یک DSS  دارای شرایط 1 طبقات استفاده و 2 – حرکت در طول زنجیره ساختار یافته / ساختار نیافته می باشد.به علاوه DSS  به معنای واقعی به دو دسته تقسیم می گردد : DSS  نهادی (سازمانی) که با تصمیم های با ماهیت دوره ای و تکراری در تعامل می باشد و DSS  موقت که با تصمیمات خاص که معمولا قابل پیش بینی نبوده و  دوره ای نیستند( لحظه ای هستند) در تعامل می باشد(5و8 ص58)." تغییر مشکلات به سمت ساختاریافتگی از زمان شروع دانش مدیریت در  حال پیشرفت بوده است "(8ص92).ظهور DSS این حرکت را بیشتر از گذشته تسهیل می کند . تکامل و حرکت DSS  به سمت قابلیت های جداسازی شده SDS/TPS  شاخص بزرگی از تغییرات به سمت ساختار یافتگی در این طیف است.
مطابق این تجزیه و تحلیل ، برنامه کاربردی DSSS از ابزارDSS متمایز می باشد.ابزار DSS  همچنین به عنوان ژنراتور DSS  شناخته می شود .که شامل نرم افزارهای رایانه ای است که از آن در ایجاد برنامه  کاربردی مخصوص DSS  استفاده می گردد.ابزار یک فناوری توانمند است. برنامه کاربردی سیستمی است که واقعا کار را انجام می دهد و اطلاعات مورد نیاز تصمیم گیرنده را ذخیره می کند .ناحیه DSS تغییرات ساختاری خیلی عمیقی مثل ابزارهای فناوری را دارا می باشد(6).سیستم های پشتیبانی تصمیم گیری امروزی ، از انواع کامپیوتر هایی استفاده می کنند که بر اساس ابزارها ، ایجاد بر نامه های کاربردی پیشرفته DSS را ممکن می سازد.(11)ابزار سیستم اطلاعاتی که در یک زمان توسط تمرکز اولیه برای ساختن DSS مورد استفاده قرار می گیرد، در زمان بعد ممکن است در درجه اول به عنوان استفاده اش از SDS/TPS برای یافت گردد.از انجا که در ابتدا ابزار برای استفاده در ساختمان یک DSS  ساخته شده است ، گمان نمی رود که تمام سیستم های اطلاعاتی متعاقبا با استفاده از ابزارهای  DSS ساخته شده باشند.در واقع تعریف اساسی از DSS بایستی در تبیین آن به کار رود نه در کاربرد آن.
مراحل جذب فناوری اطلاعات:
مدیران سیستم های اطلاعاتی باید انتظار داشته باشند که تکنولوژی جدید ایجاد شده یا تکامل یافته کامپیوتری اغلب به راه های مختلف جذب سازمان خواهد شد.اپل گیت ، مک فارلن و مکنزی (1، ص 226) فرایند جذب تکنولوژی های اطلاعات در حال ظهور در سازمان را به طور خلاصه بیان می کنند..این مثال شامل یک سری مراحل است که طی آن فناوری جدید شناسایی شده ، جذب شده و نهادینه می گردد.آنها چهار مرحله را شرح دادند: 1 - شناسایی تکنولوژی 2 – آموزش تکنولوژی و سازگاری 3 – کنترل سازگاری با اصول عقلانی مدیریت 4 – انتقال تکنولوژی بلوغ/ توسعه. مرحله شناسایی تکنولوژی ، ابزارهای سیستم های اطلاعاتی جدید را بررسی کرده ، آن ابزارها را مورد آزمایش قرار داده و منجر به مطلوبیت دستیابی به تکنولوژی می گردد.
مرحله آموزش فنآوری و سازگاری یا انطباق ، شامل کسب دانش چگونگی گسترش تکنولوژی در فرصت های بالاتر از سیستم های اطلاعاتی پروژه های ارزیابی شده اولیه می باشد. مرحله سوم ،شامل  ادامه تکامل برنامه های کاربردی تکنولوژی و توسعه کنترل ها به منظور راهنمایی طرح ها و اجرای سیستم هایی است که این تکنولوژی را بکار میگیرند. مرحله چهارم (انتقال تکنولوژی بلوغ/ توسعه ) وقتی رخ می دهد که تکنولوژی سراسر سازمان را در بر بگیرد. در خلال مرحله اول ( شناسایی تکنولوژی ) پروژه های آزمایشی معمولا در سطح بر نامه ریزی استراتژیک سازمان اجرا می گردد.خصوصا جایی که یک پروژه واحد به عنوان ضامن کلیدی اجرایی به انجام برسد.هنگامی که مرحله انتقال تکنولوژی بلوغ / توسعه رخ داده است تکنولوژی عموما در همه سازمان و خصوصا در سطح کنترل عملیاتی توسط بسیاری از کاربران در سازمان مورد استفاده قرار می گیرد.
مشابه آنچه که برای توسعه ابزارهای دیگر سیستم های اطلاعاتی وجود دارد ، این مراحل جذب نیز نقش اصلی را به عنوان ابزار کار در توسعه و کاربرد DSS در سازمانها ایفا می کند.
جذب ابزارهای فناوری اطلاعات،  زمانی که برای اولین بار وارد یک سازمان در مراحل 1 و 2 شود می تواند در درجه اول به عنوان یک ابزار DSS مطرح باشد تا پس از آن به طرف مرحله SDS/TPS  و سپس مرحله چهارم گسترش یابد. با این نوع جذب حیطه  SDS/TPS  گسترش یافته ،  شاخص های اصلی فناوری های   DSS  به مرحله 4 رسیده و به عنوان یک TPS  استقرار یافته که شامل تعدادی از کاربران و چگونگی نحوه پشتیبانی سیستم می باشد.این گسترش از زمان اولین نرم افزار پردازش داده ها در سال 1950 شروع شده است .
افزایش قدرت محاسباتی و کاهش هزینه برای قابلیت پردازش آن ، یک کلید محرکه سوق دهنده تکنولوژی و ابزارهای اولیه کاربرد DSS  به سوی برنامه های کاربردی SDS/TPS می باشد.این تکامل احتمالا به عنوان فصول قانون مور (9) رخ داده و در ادامه شرح تکامل فناوری رایانه می باشد.برای مثال جذب نرم افزار صفحه گسترده را به عنوان یک ابزار پر طرفدار در نظر بگیرید. در اولین روزهای استفاده  از نرم افزار VISI CALC تعداد کمی کامپیوتر شخصی در سازمان وجود داشت. VISI CALCابتدا برای پشتیبانی از مدیران اجرایی در سطح برنامه ریزی استراتژیک بکار گرفته شد(مرحله 1).از آنجایی که این تکنولوژی با استفاده سازمان از آن تکامل می یابد ، برنامه صفحه گسترده اکسل مایکرو سافت (یا نظیر آن ) هم اکنون صرف نظر از سطح هر یک از کاربران سازمان ، بر روی دسکتاب کامپیوتر آنان قرار دارد(مرحله 4). بنابراین یک ابزار صفحه گسترده که زمانی فقط برای استفاده مدیریت ارشد سازمان بوده است ، امروزه یک ابزار روزمره برای تمام کاربران رایانه ها می باشد.وقتی فناوری اطلاعات در مرحله 1 به عنوان یک ابزار کاربردی DSS  معرفی گردید ، بر اساس الگوی استفاده سازمان به مرحله 4 رسیده سپس می بایست سیستم برای آنچه که  برای ان در نظر گرفته شده است به رسمیت شناخته شود.به این معنا که برنامه SDS/TPS  جایگزین خوبی برای نرم افزار DSS می باشد.
پویایی جذب فناوری اطلاعات
پس از این که تکنولوژی توسعه یافت و از طریق مراحل جذب ارتقاء پیدا کرد ، این تکنولوژی از مرحله معرفی اولیه تا استفاده گسترده و فراگیر نهادی و سازمانی تکامل می یابد. بخشی از تکنولوژی که با DSS  معرفی می شود احتمالا به استقرار SDS/TPS می انجامد.
یک سیستم اطلاعاتی تکنولوژیکی ( TEIS ) یک سیستم SDS/TPS  می باشد که شامل ابزارهای استقرار یافته و تکنیک هایی است که از مرحله 1 تا 4 فرایند توسعه  DSS  تکامل یافته است. با توجه به ایده  پا ور (12) ، " DSS  در بسیاری از سیستم های عامل تعاملی TP)) به صورت متفاوت وجود دارد.برای مثال یک سیستم پر طرفدار که گسترش یافته است برنامه ریزی منابع سازمانی (ERP) است .برنامه ریزی منابع سازمانی (ERP) حتی اگر نشان دهنده اصلاح تصمیم گیری و برنامه ریزی باشد نمی تواند به عنوان DSS  مطرح باشد . به طور کلی برنامه ریزی منابع سازمانی (ERP) ، یک سیستم  TPS ادغام شده می باشد که جریان اطلاعات را بین قسمت های وظیفه ای یک کسب و کار تسهیل می کند "(8). به عبارت دیگر ، بسیاری از سیستم هایی که در رده DSS  قرار می گیرند به عنوان سیستم پیشرفته فناوری اطلاعات (TEIS) مطرح هستند که نشان دهنده استقرار تصمیم گیری در سیستم اطلاعات می باشد.این یک پیشرفت طبیعی ابزارهای DSS  به سوی ابزارهای SDS/TPS میباشد.آنچه که به عنوان لبه برش DSS  شناخته می شود فقط به عنوان یک SDS/TPS  روزمره است.بهتر است مدیران امروزه برای داشتن یک مجموعه مشخص از ابزارها برنامه ریزی کنند و در 5 سال  آینده نیز برای یک مجموعه کاملا متفاوت از ابزارها برنامه ریزی نمایند (3) .هیچ دلیلی برای انتظار این پیشرفت سیستم های فرایندی SDS/TPS که به زودی فرا میرسد وجود ندارد.
برنامه های کاربردی سیستم اطلاعات را می توان یک زنجیره از SDS/TPS تا DSS  در نظر گرفت .شکل 1 نشان می دهد که انتقال تکنولوژی DSS  تک منظوره وسیله ای برای تسهیل فعالیتهای جذب را از مرحله 1 تا 2 فراهم میکند و محیطی را که در آن یک پروژه به عنوان کلید پشتیبان اجرایی مطرح است آماده می کند.سپس ابزار DSS  در سطوح پایین تر در درون سازمان مورد استفاده قرار می گیرد

ابزارهای DSS                                                                                              موقتی و یک باره

 

 

                                                                                                                  نهادی و سازمانی                                                                                                                                         
                                                
شکل 1 – جذب تکنولوژی ابزار های DSS
این تا حد زیادی پایه کاربردی را که در مقیاس بزرگ با DSS  در ارتباط است توسعه می دهد.در حال حاضر DSS  به سوی SDS/TPS توسعه یافته است و در سازمان مستقر شده  و تکامل  آن حفظ شده است . توان تکنولوژی به مرحله چهارم از فرایند انتقال بلوغ /توسعه رسیده و برنامه کاربردی توسعه یافته و مستقر شده است و از قدرت تکنولوژی برای ابزار اولیه DSS  استفاده می کند.که این توانایی  شامل ETIS  است که نمایانگر مشخصات یک سیستم SDS/TPS  می باشد.
تمایز بین DSS  و SDS/TPS  بسیار حائز اهمیت است  چرا که کلیدهای متعدد و متفاوتی بین توسعه و بقای یک سیستم DSS  در مقایسه با دیگر سیستم های SDS/TPS  به شرح زیر وجود دارد(8، ص 98) :
1 – افراد مشغول در ساخت DSS نیازمند مهارتها و نگرش های مختلف نسبت به ساخت SDS/TPS   می باشند.
2 – تکنولوژی که از DSS  پشتیبانی می کند در خصوص نگهداری و بهره برداری موثر سیستم با SDS/TPS  متفاوت است.
3 – مدل هایی که در تصمیم گیری در سیستم DSS به مدیران کمک می کنند ممکن است با الگو های بهینه سازی سیستم SDS/TPS  به طور قابل ملاحظه ای متفاوت باشد.
4 – فرایندهایی که به وسیله سیستم DSS  به دنبال روشهای تکمیلی  توسعه یافته است ، نسبت به تحویل نهایی محصول سیستم SDS/TPS  (که ناشی از استفاده های مکرر از آن است متفاوت می باشد.
اگر چه تکنولوژی پیشرفت کرده است اما ویژگی هایش معتبر باقی مانده است.یک رده از DSS  مشخص را به عنوان سیستم اطلاعات اجرایی (EIS ) ، در نظر بگیرید که دارای قابلیت های خود جداسازی شده در نرم افزار  SAP R/3 یک شرکت  یاشد (2 ، ص319 و 320 ).نرم افزار ERP  سازمان نرم افزاری است که ابتدا سازمان را با مجموع ه ای از  قابلیتهای TPS   مواجه می کند.این شاخصی از استقرار تکنولوژی DSS  در سیستم TPS  و نشان دهنده پویایی جذب تکنولوژی است.در اینجا ERP  یک TEIS  است که شامل ظرفیت  EIS بوده و در ابتدا به عنوان یک نوع از DSS مطرح بوده و توسعه یافته است اما سیستم نرم افزار SAP R/3 یک DSS  نیست.( نکته: نرم افزار SAP R/3  نرم افزار نسخه سوم SAP  است که برنامه ریزی منابع سازمان را انجام می دهد).
یکی دیگر از نمونه های TEIS  ،برنامه اکسپرس آمریکا (American Express application)از تکنولوژی سیستم خبره می باشد(4).ابزارهای سیستم خبره ابزارهای اولیه برای ساختن یک سیستم DSS  خاص است .این مثال نشان دهنده توسعه و بکارگیری و پشتیبانی از TEIS  است.هنگامی که ابزارهای DSS  در این شیوه در ابعاد بزرگ به کار گرفته شوند، آنها قادر هستند از طریق فرایند های اجرا و نگهداری ، استفاده از SDS/TPS  را تنظیم کنند. پشتیبانی مداوم و نگهداری از یک سیستم DSS  به یک سیستم TPS  قابل تغییر است در نتیجه این مثال یک  سیستم DSS  نیست.
ولز و هس (14) 0DSS  ذخیره داده ها را تشریح کردند که در سازمانهای ارائه دهنده خدمات مالی کاربرد دارد.آنها این مورد را به عنوان یک DSS  ذخیره داده ها در مقیاس بزرگ توصیف می کنند که در دسته DSS  های سازمانی (نهادی ) تقسیم بندی می گردد.این برنامه کاربردی DSS  توسط 1500 نفر از مشاوران مالی مورد استفاده قرار می گیرد .این برنامه هر هفته برای 60 نفرا زمشتریان متقاضی، خدمات ارائه می کند.این برنامه به عنوان نرم افزار CRM  (مدیریت ارتباط با مشتری ) شناخته می شود. این نرم افزار اطلاعات مورد نیاز برای پشتیبانی مشاوران اراده نمی کند و اگر مشاوران احساس کنند که محصول تولید شده مناسب نیست ، آنگاه از دیگر سیستم های خروجی و منابع برای شکل دادن به توصیه های مختلف استفاده می کنند. بر اساس تعریف سیستم باید اطلاعاتی را ارائه کند که  تصمیم گیری را پشتیبانی نماید .این گزارش DSS  ذخیره داده ها ، نتایجی را که بر اساس  یک سیستم SDS  ساخته شده و تعبیه شده است ارائه می کند. ابزار ذخیره داده ها (DW) در توسعه سیستم به کار گرفته میشود و این ابزار غالبا در سیستم DSS  استفاده می گردد . به هر حال این استفاده از ابزار نتایج را در SDS  بهتر از  DSS  نشان می دهد.این کار نشان می دهد که TEIS  یک سیستم  SDS   است و DSS  نیست.
جذب ابزارهای DSS  به سمت SDS/TPS  موجب تغییر اهداف برخی از ویژگی های DSS  می گردد.این خوب است یا بد؟اگر اطلاعات بهتر که منجر به پشتیبانی فعالیتهای مدیران یک سازمان میشود ارائه شده باشد ، این وجه خوب قضیه است .به هر حال این حالت وضوح و شفافیت تشخیص  این موضوع را که نقطه پایان SDS/TPS  و آغاز DSS کجاست بیشتر با مشکل مواجه می کند . حد وسط مرحله ای که در این خصوص وجود دارد این است که جابجایی تکنولوژی به طور مداوم ، به برنامه های کاربردی هردو سیستم  DSS  و SDS/ TPS  اجازه گسترش و توسعه می دهد.
خلاصه بحث
DSS   فناوری اطلاعاتی است که در یک سازمان به شیوه مشابه سایر تکنولوژی های اطلاعات  جذب می گردد. با این حال هنگامی که در ابتدا یک تکنولوژی به عنوان فناوری DSS  معرفی می گردد به مرحله بلوغ یا انتقال تکنولوژی توسعه یافته می رسد، این استقرار اولیه به عنوان ابزارهای DSS  احتمالا مهاجرت به سمت  تکنولوژی SDS/TPS  را تکمیل کرده است.مدیران سیستم های اطلاعاتی باید انتظار ایجاد و توسعه تکنولوژی جدید رایانه ای را داشته باشند.این تکنولوژی اغلب در سازمان به عنوان ابزارهای DSS مستقر شده که باعث ورود سازمان به سطح برنامه ریزی استراتژیک می گردد. پس از آنکه موفقیت این مرحله به اثبات رسید ، احتمالا استفاده از برنامه های DSS  در سطوح پایین تر  سلسله مراتب سازمان امکان پذیر است یعنی  جایی که این برنامه ها در مقیاس بزرگ DSS  نهادی یا سازمانی بویا همه  ویژ گیهای SDS/TPS  مورد استفاده قرار گیرد.
ابزار DSS  به عنوان بخشی جدایی ناپذیر از SDS/TPS  مطرح می گردد و در نتیجه به طور خلاصه  نرم افزار  به عنوان DSS  نهادی شناخته می گردد. این ادغام در مقیاس بزرگ به کار گرفته میشود سپس به گسترش یکپارچه سیستم نیاز دارد و بقا و نگهداری آن  مستلزم  وجود سایر برنامه های کاربردی در مقیاس بزرگ است .رابطه بین سازندگان سیستم و کاربران آن هم اکنون مانند SDS/TPS  است، و چنین جذب و یکپارچه سازی قابل قبول است . در نتیجه مجموعه ابزارهای DSS  و برنامه های نرم افزاری پویا بوده و می بایست قابلیت سازگاری را با تغییرات پیشرفت تکنولوژی اطلاعات که  به منظور استفاده از ساختمان و استقرار DSS  رخ می دهد داشته باشد. به رسمیت شناختن این فرایند جذب فناوری اطلاعات ، یک راهنمایی و نقشه راه را برای تغییرات به منظور نگهداری و حمایت از یک سیستم TEIS  ارائه می کند که این TEIS  از مرحله DSS به مرحله SDS/TPS  توسعه یافته است.سپس این برنامه های کاربردی برای تمرکز بر روی فعالیتهای تصمیم گیری ساختار نیافته  و نیمه  ساختار یافته ، به تعریف اصلی خود بر می گردند.بدیهی است که هر برنامه کاربردی که از ابزار سیستم های اطلاعاتی جدید  نوظهور استفاده نماید ، نبایستی   بلا فاصله  به عنوان  یک سیستم DSS  از ؟آن نام برد.

منابع
1. Applegate, L. M., McFarlan, F. W., and McKenney, J.L. (1999). Corporate information
systems management: Text and cases. Boston: Irwin/McGraw-Hill.
2. ASAP World Consultancy (1996). Special Edition Using SAP R/3, Indianapolis, IN: Que
Corporation.
3. Darling, C.B. (1996, April 15). Build an app dev framework for DSS, Datamation, 82-87.
4. Ditlea, S. (1992, December 1). How AMEX leverages technology assets, Datamation, 95-96.
5. Donovan, J. & Madnick, S. (1977). Institutional and ad hoc DSS and their effective use,
Database, 8(3), 79-88.
6. Eom S. B. (1999). Decision support systems research: current state and trends, Industrial
Management & Data Systems, 99(5), 213-220.
7. Gorry, G. A., & Scott Morton, M. S. (1989). A framework for management information
systems. Sloan Management Review, 31(3), 49-61.
8. Keen, P. G. W., & Scott Morton, M. S. (1978). Decision support systems: An organizational
perspective. Reading, MA: Addison-Wesley.
9. Kren, Lawrence (2002). Upholding Moore’s Law. Machine Design, 74(2), s30.
10. Marakas, G. M. (2003). Decision support systems in the 21st century (2nd ed.) Upper Saddle
River, NJ: Prentice-Hall.
11. Nemhauser, G. L. (1993, May). The age of optimization: solving large-scale real world
problems, TIMS/ORSA Joint National Meeting, Chicago, IL (May 7).
12. Power, D. J. (2002). Decision support systems: Concepts and resources for managers.
Westport, CN: Quorum Books.
13. Sprague, R. H., & Carlson, E. D. (1982). Building Effective Decision Support Systems,
Englewood Cliffs, NJ: Prentice Hall.
14. Wells, J. D. & Hess, T. J. (2002). Understanding decision-making in data warehousing and
related decision support systems: an explanatory study of customer relationship
management application, Information Resources Management Journal, 15(4), 16-32


مولفین:
راجر ال .هین ، دانشگاه مرکزی میشیگان
مونیکا سی. هولمز ، دانشگاه مرکزی میشیگان
جیمز پی . اسکات ، دانشگاه مرکزی میشیگان

 
ارسال شده توسط احمد محمدی | 31 12, 2013 | بازدید‌ها (971)

 

آیا فناوری اطلاعات می تواند منجر به کاهش خطاهای پزشکی شود؟

نویسنده : احمد رجب زاده

خطاهای پزشکی جزئی از نتایج اجتناب ناپذیر عملکرد انسانی است ، تنها با بررسی خطاها به عنوان منبع اطلاعات می توان تجربیات مناسبی را برای بهبود سلامت بیمار کسب کرد. خطاهای پزشکی پیامدهای بالینی و اقتصادی چشمگیری دارند. استفاده از انواع مختلف فناوری های  اطلاعاتی مي تواند  با پيشگيري از خطاها و اشتباهات پزشكي، ارزيابي خطاها و نظام مراقبت ، موجب کاهش قابل توجه میزان خطاهای پزشکی و ارتقاء کیفیت خدمات ارائه شده به بیماران گردد.

افزایش مناسب در استفاده از فناوری اطلاعات در بهداشت و درمان و معرفی سیستم های پشتیبانی از تصمیم گیری بالینی و ارتباط بهتر بین این سیستم ها، منجر به ساده سازی فرایندها شده که موجب بهبودی قابل توجهی در ایمنی بیمار می گردد(1).

مجموعه مقالات و پژوهش ها دو فناوری مهم را برای کاهش و جلوگیری از خطاهای پزشکی بویژه خطاهای دارویی معرفی کرده اند

 الف) CPOE  (Computerized physician/Provider Order Entry)ثبت کامپیوتری دستورات پزشکان و ارائه دهندگان خدمات سلامت

ب)CDSS   (Clinical decision support system)سیستم پشتیبان تصمیم گیری بالینی

سیستم CPOE    همراه با  سیستم CDSS می تواند یادآوری هایی را در زمانی که پزشک دستورات را وارد می کند تولید کند یادآوری ها می تواند در موقعیت های ذیل کمک کند .

1)      تداخلات بین داروهای  همزمان که ممکن است توسط چندین پزشک دستور داده شده باشد.

2)      تداخلات بالقوه بین تست های آزمایشگاهی و داروهای خاص

3)      دستور داروهایی که باید بر اساس نتایج تست های آزمایشگاهی تغییر کند

4)      آلرژی ها

5)      شرایط بالقوه سمی نیازمند توجه ( مثال سطوح بالای دارویی در نتایج آزمایشگاه دستور یک دز بالا)

این سیستمها نیز می تواند بر اساس داده  های بالینی موجود در داخل سیستم  به صورت خودکار دستور درمانی مشخصی را برای بررسی پزشک قبل از اجرای آن  پیشنهاد دهد(2).

 اگرچه شناخت ماهیت فن آوری و قابلیت های آن لازم و ضروری است اما باید ملاحظاتی را نیز بر آن اعمال کرد تا موثر تر واقع شده  و در نهایت مورد قبول سیاست گذاران و دست اندرکاران مراقبت سلامت قرار گیرد.این ملاحظات می تواند شامل موارد زیر باشد.

-آموزش ارائه دهندگان مراقبت سلامت برای افزایش سلامت با افزون بر دانش آنان درباره خطاهای پزشکی و پیامد های جامانده از اثرات مضر دارو.

- استاندارد نمودن زبان نسخه نویسی با استفاده از نام کامل داروها و مسیر ورود دارو به بدن.

- آموزش بیماران و خانواده آنان درباره رژیم های دارویی.

- تهیه فهرست مزایا و نقش پر اهمیت فناوری های موجود .

- بومی سازی نرم افزارهای مربوط (3).

لذا سیستم های اطلاعاتی بکار گرفته شده در صنعت  سلامت در صورتی که از سیستم پشتیبان تصمیم گیری بالینی استفاده کنند و همگام با اجرای چنین سیستم هایی مزایا استفاده از آن برای ارائه دهندگان مراقبت بویژه پزشکان جهت کاهش مقاومت آنها شرح داده شود نقش موثری در کاهش خطاهای پزشکی خواهد داشت.

منابع :

1.            Bates D, Cohen M, Leape L, Overhage JM, Shabot MM, Sheridan T. Reducing the frequency of errors in medicine using information technology. Journal of the American Medical Informatics Association. 2001;8(4):299-308.

2.            Sittig DF, Ash J. Clinical information systems: overcoming adverse consequences: Jones & Bartlett Learning; 2009.

3.            Rezaeehachesoo P, Habibi S, Fozonkhah S. Information technology, an effective tool in reducing and preventing medical errors: suggestions for improvement. Health Information Management. 2008;4(1):89~ 98.

 

 

 

Normal 0 false false false EN-US X-NONE AR-SA
ارسال شده توسط احمد محمدی | 31 12, 2013 | بازدید‌ها (1902)


 

پرونده هاي الكترونيكي و نقش متخصصان اطلاعات بهداشتي درماني (HIM)

 

بدنبال فشار روز افزون جهت كاهش هزينه و ارتقاء سطح كيفيت و اثر بخشي خدمات، نياز به داده هاي مراقبت بهداشتي بيش از هر زمان ديگري احساس مي شود. به گونه اي كه ديگر پرونده هاي كاغذي و سيستمهاي دستي جهت برآوردن نيازهاي پزشكي مدرن امروز كافي نيستند. دنياي مراقبت بهداشتي امروز با شكل گيري صنعت تجاري جديدي با عنوان تكنولوژي اطلاعات بهداشتي كه از نرم افزارهاي حمايت از تصميم گيري تا پرونده هاي الكترونيكي را در بر مي گيرد درحال تجربه كردن تغييرات چشمگيري است . در اين ميان پرونده هاي الكترونيكي به عنوان ابزاري هستند كه مراكز مراقبتي براي رويارويي با چالش هاي موجود برگزيده اند. با ايجاد نسخه هاي قابل خواند كامپيوتري پرونده هاي دستي يا همان EHR (پرونده هاي الكترونيك سلامت) , تحول جديدي در نظام مراقبتي ايجاد شده است. اما شواهد نشان مي دهد كه حركت به سمت اين سيستمها با تاخير همراه بوده است كه در اين زمينه متخصصان عواملي مانند فراهم بودن استانداردهاي انفورماتيكي، سيستمهاي نامگذاري، فهرست واژگان و سيستمهاي كدگذاري مورد نياز HER ، حمايت از محرمانگي و امنيت اطلاعات، فرهنگ سازي در بين سازمانها و متخصصان مراقبت بهداشتي و ملزومات سازمانهاي اعتبار سنجی را ازجمله آيتمهاي تاثيرگذار در ايجاد پرونده الكترونيك سلامت ميدانند. در اين راستا نقش متخصصان مديريت اطلاعات جزء لايتجزاي تمام اين عوامل خواهد بود. اگرچه در آينده كامپيوتر و سيستمهاي مكانيزه اعمال كدگذاري و طبقه بندي را انجام خواهند داد، اما در اين ميان نقش متخصصان HIM در زمينه تفسير، تحليل مجموعه داده ها، فهرست واژگان باليني و سيستمهاي طبقه بندي بيش از هر زمان ديگري بروز مي كند. از سوي ديگر متخصصان HIM (مدارك پزشكي) با آشنايي با استاندارد هاي سازمان اعتبار سنجی، چگونگي مديريت اطلاعات در سازمانها را مد نظر قرار مي دهند. در حاليكه به دليل اشنايي با اصول محرمانگي و رازداري اطلاعات بهداشتي علاوه بر حفظ امنيت فيزيكي اطلاعات، مي توانند با استفاده از تكنولوژيهاي امنيتي مانند پيگيري دسترسي و ساير ابزار پايش دسترسي به پرونده ها، نقش موثري در حفظ امنيت و محرمانگي اطلاعات ايفا كنند. اما در نهايت اينكه، ايجاد و راه اندازي سيستمهاي EHR به نحو چشمگيري با نقش كاربران انها در هم تنيده شده است. در اين ميان نيز متخصصان HIM و كامپيوتر و شركتهاي نرم افزاري مي بايد از طريق برنامه هاي آموزشي و توجيهي در وقت، افزايش رضايت مراجعین بستر مناسب جهت بكارگيري اين سيستمها را فراهم آورند.

پس ازآنجا كه بتدريج متخصصان سيستمهاي مديريت اطلاعات پست مديران سيستمهاي EHR را در بخش تكنولوژي اطلاعات به خود اختصاص خواهند داد. لذا مي بايست دانش و تخصص خود را در زمينه تعريف، ضبط، مديريت استفاده و تحليل و تفسير داده ها و از همه مهمتر استراتژيهاي اطلاعات بهداشتي افزايش دهند كه تحقق اين امر در گرو تغيير شرح شغل متخصصان HIM و ارائه خدمات آموزشي جهت ارتقاء دانش، تخصص و مهارت آنان خواهد بود.

هر موسسه درمانی در درمان موفق خود نیاز به مدارك پزشكی دارد. مداركی می تواند جوابگوی موسسات درمانی باشد كه مستند، ‌درست ، كامل، و علاوه بر این چند رسانه ای بوده و نیاز روافزون جامعه پزشكی،‌ پزشكی قانونی،‌و امور آموزشی و پژوهشی را بر آورده سازد،‌ در تولید، ‌سازماندهی،‌ حفاظت و اشاعه آن بر اساس اساسنامه ها و مقررات مربوطه با تكنولوژی نوین نیز هماهنگی داشته باشد.

نقش مدیر اطلاعات بهداشتی نقش حیاتی در مراكز مراقبت بهداشتی است ،‌ زیرا اطلاعات به دست آمده دارای یك اهمیت كاملا منحصر به فرد است،‌ علاوه بر این فقدان یا كاهش اطلاعات بهداشتی ممكن است مراقبت بهداشتی بیمار را به مخاطره بیندازد.

در نظام پزشكی، مدیریت اطلاعات بهداشتی و مدارك بهداشتی تبادل داده های بالینی و تفكیك و تحلیل این داده ها به منظور ارائه اثر بخش و كارا مستلزم داده های كامل بوده و در این راستا رعایت استانداردهای كامل اطلاع رسانی از اهمیت خاصی برخوردار می باشد.

مدیر مدارك پزشكی نه تنها به عنوان مدیر مدارك انجام وظیفه می نماید، بلكه اطلاعات بهداشتی را برای تامین بسیاری از نیاز های بیماران ، پزشكان، ‌و نمایندگی های معتبر و قانونی و بیمه شخص ثالث تهیه می كند.

معرفی رشته فناوری اطلاعات سلامت( HIT)

کارشناسی پیوسته رشته فناوری اطلاعت سلامت (Health( B.Sc Information Technologyفارغ التحصیلان این مقطع قادر خواهند بود تصدی و مدیریت بخش فناوری اطلاعات سلامت را در کلیه موسسات ارائه خدمات بهداشتی و درمانی به عهده گرفته و در زمینه ایجاد و اداره سیستم های اطلاعات سلامت با استفاده از فن آوری اطلاعات ایفای نقش نمایند.

۲- رسالت رشته:(Mission)
رسالت این رشته عبارت است از:
- تربیت افراد کارآزموده ای که بتوانند تصدی و مدیریت بخش فناوری اطلاعات سلامت مشتمل بر جمع آوری و پردازش داده ها ( سازماندهی، طبقه بندی و محاسبات آماری) و ذخیره سازی
و بازیابی اطلاعات بر عهده گیرند
- تحلیل شاخص های بهداشتی
- مشارکت در کارشناسی، طراحی و پیاده سازی نظام
Health /Hospital Information System  را به عهده بگیرند.

۳ – ارزشهای حاکم بر رشته: (Values)
با توجه به مبانی الهی و دینی در جامعه ما، ارزشهای اخلاقی و اعتقادی جزء لاینفک آموزش می باشد.
در همین راستا فارغ التحصیلان این رشته، صرفنظر از سن، جنس، رنگ، نژاد، فرهنگ و مذهب بیماران در راستای ارتقای سطح کمی و کیفی خدمات بهداشتی درمانی گام برداشته و جهت ارتقا کیفیت درمان و دفاع از حقوق بیماران با تاکید بر محرمانگی، اطلاعات مراقبت بهداشتی ایشان را به نحو مطلوب سازماندهی و مدیریت می نمایند.

۴- چشم انداز: (Vision)
در ده سال آینده دانش آموختگان این رشته، نیروی مورد نیاز غالب مراکز بهداشتی درمانی و حوزه های ستادی آن را در کشور تامین و از نظر استانداردهای مدیریت اطلاعات در مقایسه با کشورهای منطقه بالاترین رتبه را کسب نمایند.

۵- اهداف کلی: (Aims)
هدف کلی این برنامه عبارت است از تربیت افراد کارآمدی که بتوانند در زمینه های زیر فعالیت داشته باشند.
۱- مدیریت بخش فناوری اطلاعات سلامت مشتمل بر جمع آوری و پردازش داده ها ( سازماندهی، طبقه بندی و محاسبات آماری) و ذخیره سازی و بازیابی اطلاعات
۲- تامین اطلاعات مورد نیاز جهت دفاع از حقوق بیمار/ مراجعه کننده، موسسات و کارکنان بهداشتی درمانی از طریق حفظ مستندات اطلاعات مراقبت بهداشتی
۳- تامین اطلاعات مورد نیاز به منظور بهره برداریها ی آموزشی، پژوهشی، خدماتی و آماری مرتبط به رشته های مختلف پزشکی
۴- بکارگیری فن آوری اطلاعات در حوزه مدیریت اطلاعات سلامت
۶- نقش های دانش آموختگان در نظام بهداشتی(Role definition):
دانش آموختگان این دوره دارای نقش های خدماتی، آموزشی، مدیریتی و پژوهشی می باشند.
۷- وظایف حرفه ای دانش آموختگان(Task Analysis):

1- وظایف آموزشی
الف- آموزش کارکنان مرتبط با بخش فناوری اطلاعات سلامت
ب- آموزش کارکنان جدید در زمینه روند گردش امور در بخش فناوری اطلاعات سلامت

۲- وظایف خدماتی
الف- تحلیل و سازماندهی اطلاعات و کدگذاری اطلاعات پزشکی بیماران در مراکز بهداشتی درمانی دولتی و خصوصی و مطب ها
ب- کدگذاری مالی اطلاعات پزشکی( تعرفه خدمات تشخیصی و درمانی) و تعیین مغایرت ها
ج- تحلیل شاخص های آمار بیمارستانی( مرگ و میر، بیماری، مالی و …) و ارائه به مدیران مربوط و کاربران مجاز
د- ارائه اطلاعات پزشکی به کاربران مجاز با رعایت موازین قانونی
ه- اجرای مصوبات مربوط به اطلاعات پزشکی بیماران
و- مشارکت در امور مربوط به خدمات ماشینی اطلاعات سلامت
ی- مشارکت در طراحی فرم های اطلاعات سلامت

۳- وظایف مدیریتی
الف- مدیریت بخش فناوری اطلاعات سلامت

۴- وظایف پژوهشی
الف- انجام پژوهشهای کاربردی در حوزه سیستمهای اطلاعاتی بهداشت و درمان
ب- مشارکت در طراحی و جمع آوری اطلاعات پژوهشی در حوزه بهداشت و درمان

 

سیستم اطلاعات بیمارستانی (HIS)

تارسیدن به یك EHR كامل یا پرونده الكترونیكی سلامت برای هر بیمار و كمك به تصحیح و ارتقاء سیستم ارجاع الكترونیكی بیماردر سطح بهداشتی درمانی كشورمان فاصله زیادی داریم. این راه ، همت همه افراد مرتبط با این كار را می طلبد. HIS هموارترین راه بسوی EHRمی باشد. كارشناسان و متخصصین علوم پزشكی ، علوم كامپیوتر و مدیریت در انجام این رسالت شاخص ترین نیروها بحساب می آیند.
برای نوشتن یك HIS ، تیمی متشكل از تحلیلگر سیستم ، مهندس نرم افزار ، كارشناس مدارك پزشكی ، كارشناس ارشد مدیریت بهداشتی درمانی ، كارشناس امور مالی و پزشك عمومی پیشنهاد می شود.

HIS
چیست ؟
سیستم اطلاعات بیمارستانی. در معنای گسترده تر HIS را سیستم اطلاعاتی بهداشتی هم می گویند. واقعیت آن است كه امروزه یك بیمارستان نمی تواند همچنان بصورت سنتی كار پروسه پرونده بستری یا سرپائی بیمار را انجام دهد. پائین آوردن زمان پذیرش ، زمان ترخیص ، زمان انتقال بیمار ، زمان ORDER نویسی و درخواستهای پاراكلینیكی ، زمان اخذ جوابها ، زمان مراجعه به اطلاعات قبلی پرونده ، بالا بردن میزان دقت در درج اطلاعات و درخواستها كه در حالت دستی ناخوانا و ... هست ، تسریع ارتباطات بین بخشی و در نهایت بالابردن میزان رضایت بیمار ، ارائه خدمات بهتر ، دریافت آمار و گزارشات روزانه و زمانی ، اطلاع از وضعیت درآمد و هزینه بیمارستان ، تعدیل نیروها و غیره مسائلی هستند كه نیاز بیمارستان به HIS را دو چندان می كنند. برای افزایش دقت و تسریع در ارائه خدمات به بیمار ، تسریع در تشكیل و گردش پرونده دربیمارستان ، بازیابی سریع پرونده برای اهداف گوناگون همچون تحقیقات و مطالعه دانشجویان ذیربط و امكان استفاده آسان از مدارك پزشكی و ... وجود HIS درهر بیمارستانی ضروری است. HIS تمامی این مسائل را برای بیمارستان حل می كند و بیمارستان را از یك سازمان سنتی به یك مركز مدرن درمانی تبدیل می كند.
اما HIS باید بر اساس استانداردهای معتبرجهانی باشد. یك HIS اگر بدون توجه به استانداردهای فناوری و علوم پزشكی جهانی نوشته شده باشد و فقط LOCAL كار كند جوابگوی آینده بیمارستان نخواهد بود. استانداردهای HL7 (پروتوكل استاندارد بین المللی تبادل اطلاعات بهداشتی ودرمانی) و DICOM (استاندارد انتقال تصاویر پزشكی ) ازجمله استانداردهای لازم برای یك HIS می باشد. همچنین از جمله خصوصیات لازم برای یك HIS ، به WEB BASE بودن آن می توان اشاره كرد. یك HIS باید دارای بانك اطلاعاتی غنی بر اساس آخرین متد مانند SQL و دارای قابلیت نصب روی آخرین سیستم عامل مثل WIN XP و VISTA باشد.
برای تهیه و راه اندازی HIS در یك بیمارستان از كجا باید شروع كرد؟
برای راه اندازی سیستم HIS سه گزینه مهم باید مد نظر قرار گیرد:

1.
بسترسخت افزاری و شبكه
2.
نرم افزار ( HIS )
3.
كاربران
قبل از پرداختن به سه مورد مذكور، بیمارستان باید یك تیم برای پیگیری این كار تشكیل دهد. مدیر بیمارستان در راس این تیم خواهد بود. در این تیم رئیس امور مالی ، مترون بیمارستان یا یك پرستار ، مدیر دفتر كیفیت ، یك كارشناس كامپیوتر و یك كارشناس مدارك پزشكی حداقل افراد خواهند بود. كارشناس ارشد یا كارشناس مدارك پزشكی بعنوان مدیر سیستم HIS انتخاب می شود. ( بسته به توانائی نیروی موجود در بیمارستان ، مدیر سیستم انتخاب می شود.
تیم مذكوركار تحقیقاتی خود را بر اساس یك برنامه ریزی منسجم با برقراری جلسات منظم ، شروع می كند. اولین كار ، پیدا كردن یك مشاور باتجربه برای پیشبرد اهداف تیم می باشد. دستور كار این تیم ، مطالعه وضعیت و شرایط فیزیكی و میزان پذیرش HIS از طرف پرسنل بیمارستان و نیز مطالعه و بررسی تغییر سیستم دستی موجود در بیمارستان به سیستم الكترونیكی HIS و یافتن یك HIS استاندارد می باشد. در جریان گذاشتن مسئولین كلیه واحدها و ایجاد زمینه برای تغییر سیستم در آینده ، بستر نگرش فرهنگ سازمانی به سیستم جدید را ایجاد خواهد كرد. در كنار كار فرهنگ سازی و آماده نمودن پرسنل برای تغییر سیستم و حتی مشاركت دادن پرسنل كه كاربران آینده سیستم جدید خواهند بود ، از طریق درخواست پیشنهاد و غیره ، می توان كار تحقیق روی سخت افزار را نیز آغاز كرد.

1.
بسترسخت افزاری و شبكه
قرارداد با یك شركت معتبر برای راه اندازی یك شبكه در بیمارستان ، مطابق با آخرین تكنولوژی موجود در كشور اولین گام در جنبه سخت افزاری سیستم هست در این شبكه آینده نگری های خاص و امكان UPGRADE نمودن آن در آینده نیز باید مد نظر قرار گیرد . برای داشتن یك شبكه استاندارد و BACKBONE مناسب ، از نظرات مشاور و امكانات شركت طرف قرارداد باید نهایت بهره را برد. تهیه توپوگرافی شبكه براساس نقشه ساختمانی بیمارستان لازم هست. در این كار باید تعداد NODE های لازم و نیز تعداد NODE های فعال برآورد شود. با توجه به سیال بودن برخی واحدها در بیمارستان و احتمال تغییر مكانهای متعدد لازم است تقریبا كلیه اتاقهای بیمارستان با صلاحدید مشاور و تیم ، دارای NODE شبكه حتی بصورت غیر فعال باشند. شاید در این مرحله كه مقدمه تغییر سیستم می باشد ، لازم باشد در چند مكان تغییر كاربری داده شود. بهتر است یك واحد جدید بنام "مدیریت سیستم HIS " یا " مركز فناوری اطلاعات بیمارستان " به چارت سازمانی بیمارستان اضافه شود. این واحد محل قرار گرفتن SERVER ، ADMINISTRATOR ، RACK مركزی و حتی UPS های مركزی خواهد بود.
كار بعدی در این مرحله برآورد تعداد NODE های فعال و خریداری كامپیوتر به همین تعداد و نیز لوازم جانبی كامپیوتر می باشد. البته خریداری سخت افزار بویژه SERVER ، می تواند بعد از انتخاب نرم افزار و بر اساس سازگاری با نرم افزار نیز باشد.

2.
نرم افزار ( HIS )
با توجه به عدم آشنائی مسئولین دانشگاههای علوم پزشكی و بیمارستانهای كشور از HIS ، كه ناشی از عدم برنامه ریزی استراتژیك شفاف از طرف واحد زیربط در وزارت محترم بهداشت و درمان ( لااقل تا این لحظه ) می باشد ، همچنین نبود واحد فناوری اطلاعات در بیمارستانهای كشور ، این مرحله مهمترین مرحله بحساب می آید. از نظر اینجانب دو روش برای تهیه نرم افزار پیشنهاد می شود كه هیئت رئیسه و بویژه مدیر بیمارستان باید با كمك تیم HIS بیمارستان تصمیم بگیرد كه كدام روش با سیاستهای مدیریتی بیمارستان سازگار است.

1.
خرید یك نرم افزار( HIS ) آماده
برای این كار تیم فوق الذكر باید تحقیق كند و اطلاعات كافی از سیستم های موجود داخل كشور كسب كند. تعداد نرم افزارهای ( HIS ) موجود داخلی از تعداد انگشتان دو دست فراتر نرفته. بنابر این ارتباط با شركتهای تولید كننده ( ASP ها) ، HIS زیاد دشوار نیست.
برای این كار می توان یك فراخوان خرید HIS داد تا شركتها خود به سراغ شما بیایند و یا به تك تك شركتها مراجعه نمود. در هر حال نباید صرفا به DEMO نرم افزار از طرف شركت اكتفا نمود چرا كه دموی برنامه ایده آل هست و با برنامه در عمل فاصله دارد. بهترین حالت این است كه از شركت بخواهیم خود ، موفق ترین سایت یا بیمارستان تحت پوشش خود را معرفی نماید. تیم HIS بیمارستان به سایت مذكور مراجعه می كند و به دقت یك سایت تجربه شده را مورد بازدید و بررسی قرار می دهد. مشاهده سیستم از نزدیك ، مصاحبه با كاربران و مدیران عملیاتی و تشكیل جلسه و بحث و گفتگو با مدیران میانی و ارشد بیمارستان و حتی دانشگاهی كه سیستم را راه اندازی كرده اند و استفاده از تجارب و نظریات آنها بسیار به نتیجه گیری و تصمیم گیری در مورد آن HIS كمك خواهد كرد. برای چند نرم افزار منتخب می توان این مرحله را انجام داد و پس از مقایسه فنی ، استانداردها ، USERFRIENDSHIP بودن ، نوع قرارداد پشتیبانی ، اعتبار شركت ارائه دهنده و نیز بودجه صرف شده می توان بهترین برنامه را انتخاب و باشركت مربوط قرارداد بست.


2.
داشتن یك HIS در انحصار دانشگاه و بیمارستان
در این روش دانشگاه بجای تحقیق روی برنامه های آماده روی شركتهای نرم افزاری بومی تحقیق كرده و معتبرترین و باتجربه ترین شركت محلی را انتخاب می كند و یك قرارداد استراتژیك فی ما بین منعقد می شود. بیمارستان شما پایلوت قرارمی گیرد و شركت یك دفتر در بیمارستان برای چند سال ایجاد می كند و برنامه نویسان شركت در بیمارستان مقیم بوده و در ارتباط با تیم HIS بیمارستان شروع به تحلیل سیستم و برنامه نویسی می كنند. بعد از آماده بودن اولین فاز از برنامه ، تست برنامه با همكاری تیم ، آغاز می شود و این كار فاز به فاز انجام می شود و بر اساس خواست بیمارستان تغییرات لازم در برنامه داده می شود تا به فاز نهائی برسد. تنها عیب این روش در كنار مزایای زیاد آن ، زمانبر بودن آن می باشد. با اتمام برنامه نویسی و تست نهائی ، برنامه بطور واقعی راه اندازی می شود. موفقیت برنامه در این روش كمك بزرگی به دانشگاه می كند چراكه صاحب یك HIS می شود كه می تواند آن را در بیمارستانهای تابعه خود نیز نصب و راه اندازی كند و مهمتر از آن ، می تواند در صدد LINK بیمارستانهای خود برآید. از مزایای این روش این است كه دانشگاه از یك سیستم یكپارچه در بیمارستانهای خود استفاده می كند و جابجائی نیروها در سطح دانشگاه و بین بیمارستانها مشكلی ایجاد نمی كند. از طرفی سیستم ارجاع بیمار در سطح بیمارستانهای دانشگاه و حتی در سطح استان الكترونیكی و سهل الوصول می شود.

3.
كاربران
كاربران صاحبان و نگهدارنده های واقعی نرم افزار محسوب می شوند و بازیگران واقعی سیستم می باشند. بدون همكاری كاربران ، هیچ سیستمی جواب نخواهد داد. مهمترین مسئله در این خصوص ، مقاومت كاربران می باشد. آنچه مسلم است این است كه هر تغییری مقاومتی در پی دارد و تغییر سیستم دستی به سیستم الكترونیكی مانند HIS ، با مقاومت شدیدتری توام است كه ناشی از دلایلی ذیل است :
1.
عادت كاربران به سیستم دستی
2.
ترس از اینكه با سیستم الكترونیكی نتوانند كار كنند
3.
ترس از از دست دادن موقعیت فعلی با رسیدن سیستم جدید
4.
ترس از از دست دادن گروه مورد علاقه فعلی
5.
عدم اطمینان از مقاصد مسئولین در تغییر سیستم .
6.
و ...
بنابراین برای غلبه بر مقاومت كاركنان باید تدابیر ویژه ای از قبل از راه اندازی سیستم باید اتخاذ نمود.كاربران قبل از راه اندازی سیستم آگاهی از تغییر سیستم داشته باشند تا در مرحله راه اندازی مقاومتشان به حداقل برسد. می توان قبل از راه اندازی سیستم كلاسهای آشنائی با سیستمهای كامپیوتری برای كاركنان دایر كرد. برگزاری كلاسهای ICDL برای كاركنان موثرترین گزینه می باشد.
بعد از راه اندازی سیستم ، آموزش كامل نرم افزار به كاربران باید توسط مدیر سیستم و همكاران وی در واحد HIS و با همكاری شركت ارائه دهنده نرم افزار داده شود. یك برنامه مدون آموزشی نیز باید از طرف مدیر سیستم تهیه و به واحدها و بخشها ارائه شود تا آموزش مستمر در طول سال نیز داشته باشد. هرچه آگاهی كاربران نسبت به برنامه و كار با آن و پیامهای برنامه ، همچنین آگاهی كاربران نسبت به كامپیوتر ، بیشتر باشد سیستم موفق تر خواهد بود. یكی از مهمترین مسائل در مورد كاربران ایجاد و حفظ انگیزه در كاربران برای ادامه كار با سیستم ، تا زمان وابستگی كامل آنها به سیستم می باشد. این كار باید از طرف مدیریت بیمارستان صورت گیرد. بویژه در زمانهای آزمایشی برنامه و موازی كاری دستی – الكترونیكی سیستم ، كه كار كاربران زیادتر از زمان قبلی است ، حمایتهای تشویقی زیادی را می طلبد.

مسائل پزشكي ،اخلاقي و قانوني:

غفلت

«غفلت» يعني ناتواني در ارائه همان مراقبتي كه شخص ديگري با سطح آموزش يكسان ارائه ميدهد . براي جلوگيري از غفلت بايد طبق استانداردها عمل كنيد .رعايت نكردن استاندارد مراقبت ممكن است منجر به آسيب بيشتربه بيمارشود .براي تشخيص غفلت بايد چهار عامل زير را در نظر داشته باشيد :

1-   وظيفه . اين وظيفة تكنسين پايه است كه عاقلانه و با توجه به استانداردهاي آموزشيعمل كند .

2-   نقضوظيفه . نقض وظيفه موقعي بوجود مي آيد كه تكنسين پايه طبق استاندارد مراقبت مربوطهو طوري كه از او انتظار مي رود عمل نكند .

3-   زيان ها . زيان زماني به وجود مي آيد كه بيمار از نظر فيزيكي يا روحي به طور قابلملاحظه اي آسيب ببيند .

4-     علت  . بايد علت و معلول مناسبي براي اتهام غفلت وجود داشته باشد . بعنوان مثال ،‌ هنگامي كه سعي مي كنيد بيمار را بلند كنيد او را مي اندازيد كه منجر به  شكستگي پاي بيمار مي شود . اگر شخصي وظيفه اي داشته باشد و آنرا درست انجام ندهد و باعث آسيب به شخص ديگري شود ، ممكن است بر عليه تكنسين پايه ،‌ اورژانس و يا مديريت پزشكي بخاطراين غفلت اقامة‌ دعوا شود .

همه اين چهار عامل وجود مدرك قانوني غفلت را محرز مي كنند .

انصراف

«انصراف» به معني پايان يك طرفه مراقبت از سوي تكنسين پايه ،‌ بدون رضايت بيمار و بدون هيچ آينده نگري براي واگذاري‌ مراقبت او به شخص ديگري با مهارتهاي پزشكي يكسان و يا بالاتر مي باشد .همينكه تكنسين پايه ،‌ مراقبت را شروع مي كند ، وظيفه اي را بر عهده مي گيرد كه نبايد  تا زماني كه يك شخص با همان مهارتها اين مسئوليت را بعهده بگيرد متوقف شود .

عملي انجام ندهيد كه بيمار در خطر آسيب قرار بگيرد و در نتيجه شما متهم به غفلت شويد . ترك يا انصراف از مراقبت ، ‌موضوعي جدي است كه از نظر اخلاقي و قانوني مي تواند منجر به اتهامات  جنايي ومدني عليه تكنسين شود  .

براي مثال فرض كنيد كه به صحنه  تصادف اتومبيلي رسيده ايد و شروع به مراقبت دو بيمار مي كنيد. در همين هنگام رهگذري به شما مي گويد كه  تصادف اتومبيل ديگري در پايين جاده اتفاق افتاده و5 نفر مجروح شده اند . شما مراقبت از دو نفر مجروح حادثه اول را به رهگذر مي سپاريد وبه سوي سانحه ديگر مي رويد . در اينجا انصراف روي داده زيرا شما مراقبت از بيماران را به شخصي با مهارتي در سطح خود يا بالاتر از خود نسپرده ايد . پرسشهاي كلي زير را هنگامي كه با تصميم گيري در چنين مواردي مواجه مي شويد در نظر بگيريد :

·          عملكرد شما چه مشكلاتي را ممكن است به بار آورد ؟

·          آيا اين تصميم منجر به قصور شما نسبت به وظيفه تان مي شود ؟

·          آيا در صورت ترك صحنه ممكن است متهم به انصراف از مراقبت بيمار شويد ؟

·          آيا استاندارد مراقبت را نقض مي كنيد ؟

·          آيا محتاطانه عمل مي كنيد ؟

 

 

پست in سیستم های پشتیبان تصمیم گیری DSS | نظرات (1) | بازتاب (0)

ارسال شده توسط احمد محمدی | 31 12, 2013 | بازدید‌ها (2823)

معماری زیرساختها واستانداردهای پرونده الکترونیک سلامت

زهرا زندش

Zahra 1359 @ yahoo.com

مقدمه:

صنعت مراقبت بهداشتی یکی از مهم ترین صنایع جهان است یکی از مهم ترین فعالیتهای صنعت مراقبت بهداشتی مدیریت اطلاعات است . امروزه ارتباط سنتی منحصر به پزشک – بیمار با ارتباط دیگری جایگزین شده است که در آن یک تیم مراقبت بهداشتی در رشته های مختلف وموسسات مراقبت درمانی مسئول سلامت بیمار هستند .این زمینه جدید مستلزم سطح بالای قابلیت عملیات بین بخشی و تسهیم داده ها در میان متخصصین است.

به این دلیل فناوری اطلاعات یک ابزار فوق العاده مفید برای صنعت مراقبت بهداشتی است . اما قبل از اینکه راه خلهای فناوری اطلاعات بتواند به صورت موفقیت آمیزی در محیط مراقبت بهداشتی گسترش یابد مباحث زیادی وجود دارد که باید بر آنها چیره شداین مباحث به موضوعات متنوع و وسیعی مربوط می شود . یکی از این موضوعات توانایی مبادله اطلاعات بهداشتی درمانی در سراسر سیستم مراقبت بهداشتی درمانی به صورت یکپارچه است که با توسعه معماری استاندارد پرونده الکترونیکی می تواند تحقق یابد .

هزینه معمول مراقبت بهداشتی در کشورهای عضو سازمان توسعه همکاریهای اقتصادی درحدود 5/8 درصد تولید ناخالص ملی است و در ایالات متحده آمریکا بزرگترین هزینه کننده مراقبت بهداشتی در حدود 14 درصد است بیش از 350 بیلیون دلار آمریکایی تقریبا" یک سوم کل بودجه بهداشتی آمریکا به تنهایی هر سال در ایالات متحده صرف تولید اداره وبازیابی اطلاعات مراقبت بهداشتی می شود. تقریبا" بزرگترین جز این هزینه زیاد مدیریت اطلاعات مربوط به داده های بالینی است  . متاسفانه صنعت مراقبت بهداشتی یکی از عقب مانده ترین صنایع در پذیرش فناوری اطلاعات برای پشتیبانی از وظایف عظیم مدیریت اطلاعا ت مراقبت بهداشتی است . سایر اطلاعات خاص صنایع نظیر اطلاعات مالی وبیمه ای نوعا" 10-5 درصد کل بودجه ها را صرف فناوری اطلاعات می کنند درحالیکه بخش مراقبت بهداشتی تنها 1-3 درصد کل بودجه را در20 سال گذشته صرف فناوری اطلاعات کرده است .

اولین تلاشها در زمینه کامپیوتری کردن پرونده بیماران در دهه 1960 انجام شده است . اما عمدتا" محدود به ثبت اطلاعات دموگرافی وسایر اطلاعات اداری بیمار بوده است . معرفی پرونده های بالینی کامپیوتری در دهه هفتاد آغاز شد ودر بعضی کشورها در دهه نود توسعه یافت.

رشد مراقبت مدیریت شده وحرفه مراقبت بهداشتی فشار بیشتری بر روی متخصصین پزشکی برای حفظ اطلاعات پزشکی به شکل الکترونیکی وارد می کند تا مبادله بین حوزه های مختلف از جمله ارائه دهندگان مراقبت مدیران , بیمه گران, قانونگذاران, محققان ودادگاهها تسهیل شود.

پرونده های بهداشتی الکترونیکی (EHRs )در بر گیرنده اطلاعات بالینی بیماران هستند. بنابراین بخش حیاتی یک سیستم مراقبت بهداشتی را تشکیل می دهند . یک سیستم (EHR ) ذخیره وانتقال الکترونیکی اطلاعات بیماران را امکان پذیر می سازد. بسیاری از بیمارستانهای مدرن پرونده های کامپیوتری دارند . اما این سیستم ها معمولا" اختصاصی هستند و اغلب تنها توسط یک بخش خاص بیمارستان به خدمت گرفته می شوند بیمارستانها می توانند دهها سیستم انفرادی داشته باشند که قابلیت عملیات با یکدیگر را ندارند . شرح اطلاعات سلامتی یک بیمار می تواند در سراسر تعدادی سیستم های مجزا انتشار داشته باشد که کسب تاریخچه بالینی کامل بیمار را برای متخصصان بالینی مشکل می کند.

تلاشهای توسعه یک پرونده الکترونیکی سلامت در بساری از مناطق جهان طی سالهای در دست اقدام قرار دارد .

موضوعات مهمی از این تلاشها فراگرفته شده است اما همه تلاشهای انجام شده برای ایجا استانداردها به منصه ظهور نرسیده است.

استانداردهای فعلی برای مبادله اطلاعات بین سیستم های بالینی پیام رسانی داده ها ی میدانی را تحت پوشش قرار می دهد اما نیاز یه مبادله داده های معتبر سلسله مراتبی ساختمند و بالینی را برآورده نمی کند . در انگلستان 90% پزشکان عمومی کامپیوتر دارندو اکثریت اطلاعات بالینی پرونده های آنها در این سیستم ها قرار دارد. متخصصین بالینی بطور فزاینده ای به پرونده های پزشکی ذخیره شده در این سیستم ها وابسته می شوند. اما برای انتقال یا سهیم شدن در مراقبت به طور موثر قابلیت انتقال یا توزیع اطلاعات مربوطه از پرونده بهداشتی الکترونیکی اهمیت دارد . سهیم شدن در دسترسی به یک پرونده بهداشتی مشترک یا توزیع شده, قابلیت آینده است اما در حال حاضر این مسیر نیازمندیهای شناخته شده را به روش هزینه اثر بخش بر آورد نمی کند.

یک سیستم پرونده الکترونیک سلامت قابلیت عملیات بین بخشی , پتانسیل بهبود شرایط مراقبت بهداشتی را دارد .این سیستم به متخصصان بالینی امکان می دهد که قادر به دسترسی به هنگام تر وکاملتر به تصویر سابقه بالینی بیمار باشند . بنابراین متخصصان می توانند تصمیمات مراقبت بهداشتی آگاهانه تری اخذ نمایند.برای اینکه قایبلیت تبادل بین پرونده های الکترونیکی به واقعیت تبدیل شود یک استاندارد عمومی در خصوص معماری EHR مورد نیاز است.

بنابراین چنانچه اطلاعات بالینی به خارج از سازمان یا بخشی که در آنجا تولید شده است انتقال یابد , استاندارد سازی معماری پرونده الکترونیک سلامت حیاتی است .

معماری پرونده الکترونیک سلامت به عنوان اصولی تعریف شده است که ساختارها ی منطقی پرونده مراقبت بهداشتی برمبنای اصول شکل می گیرد . معما ری قواعدی را وضع می کند که تبادل شرکا را با توافق بر روی محتوا امکان پذیر می سازداصلاح یا توسعه استاندارد مبادله برای در برگیری داده ها یا جزئیات جدید یا ترکیبات داده ها را امکان پذیر می سازد وبه شرکا امکان می دهد مفاهیم بسیار جزئی نظیر کدهای حسابداری یا لغات کنترل شده در همه سطوح را تعیین وکدگذاری کنند .

با توجه به موارد مذکور این مطالعه جهت بررسی جنبه های معماری پرونده الکترونیک سلامت و اهمیت آن در تبادل داده ها انجام گیرد.

روش پژوهش:

این پژوهش به روش مرور منظم مقالات علمی ( مرور سیستماتیک ) واز نوع کتابخانه ای بوده و بر اساس منابع اینترنتی در خصوص معماری پرونده الکترونیک سلامت به بررسی جنبه های معماری پرونده الکترونیک سلامت می پردازد . این منابع از پایگاههای اطلاع رسانی معتبر و شناخته شده از جمله سایت دانشگاه کوینزلند  استرالیا , شبکه اطلاعرسانی بهداشتی دولت استرالیا استانداردهای انفورماتیک اروپایی در انگلستان , گروه کاری ستانداردهای اروپا , کنفرانسهای علمی دانشگاه کمبریج انگلستان و گروه عمومی کاربرد کامپیوتر(GPCG ) به دستآمده است و سایتهای ناشناخته و شخصی مورد استفاده قرار نگرفته است . مقالات بررسی شده مربوط به انتشارات سالهای 2004 -01997 بوده ودر 4 دسته کلی تعاریف معماری  EHRو الزلمات معماری EHR   , گروهبندی شدند.

 

معماری:

در فناوری اطلاعات , خصوصا" کامپیوتر واخیرا" شبکه ها ,

·         معماری عبارت از اصطلاحی است که هم برای فرآیند وهم نتایج تفکر بیرونی وتعیین ساختار کلی , اجزا منطقی و وابستگی های منطقی یک کامپیوتر ، سیستم عامل آن ،یک شبکه یا مفاهیم دیگر ، به کار می رود .

·         معماری عبارت است از قادر سازی متخصصین بالینی برای تصمیم گیری درباره اینکه چه چیزی را ثبت کنند و به چه شکلی آن را ثبت کنند .

·         معماری از ذرک تنوع ضروری محتوا و شکل پرونده ها پشتیبانی می کند.

·         معماری نه ویژگی یک سیستم است نه هدف آن حرکت به سمت پرونده مراقبت بهداشتی استاندارد شده است.

 

معماری فناوری اطلاعات(ITA ):

دفتر مدیریت و بودجه آمریکا ، 3 معمار ی فناوری اطلاعات را به عنوان مستند سازی ارتباطات بین کارها و فرآیند های مدیریت و فناوری اطلاعات به منظورتضمین موارد زیر توصیف می کند.

·         تنظیم احتیاجات سیستم های اطلاعات با فرآیندهایی که رسالت موسسه را پشتیبانی می کند.

·         کفایت عملی بودن، تکرار اطلاعات و امنیت سیستم اطلاعات

·         به کارگیری و حفظ مجموعه استانداردهایی که موسسه توسط آنها ارزیابی شده و سیستم های جدید را کسب می کند .

علاوه بر این ، معماری فناوری اطلاعات ارتباطات بین کاری که یک موسسه انجام می دهد ، اطلاعات مورد استفاده موسسه و فناوری اطلاعات مورد نیاز موسسه را توصیف می کند.

 

معماری سیستم ها(SA ):

معماری سیستم ها به این سوال پاسخ می دهد که چگونه اجزا سیستم می تواند از دیدگاه اطلاعات و فناوری به طور موثر تری به اجرا در آید . طرح توسعه معماری سیستم در اهداف وسیع تر کاری در معماری یک ارتباط بهداشتی مشارکت خواهد کرد . معماری ارتباط بهداشتی ، حرفه ،ساختار، فرآیندها ، زیر بناهای فناوری ارتباطات محاسبه گری و منافع حرفه ای و اطلاعاتی را تعریف می کند که مجموعه سیستم ارتباط بهداشتی را تشکیل می دهند .

 

 

 

 

پرونده الکترونیک سلامت: (EHR  )

هر نوع اطلاعات مربوط به سلامت جسمی یا روانی یا وضعیت  یک فرد که در سیستم های الکترونیکی ثبت می شود و برای کسب، انتقال، دریافت، ذخیره، باز یابی، اتصال و دستکاری داده های چند رسانه ای به منظور فراهم کردن مراقبت بهداشتی اولیه و خدمات بهداشتی  مربوطه مورد استفاده قرار می گیرد .

پرونده الکترونیک سلامت شامل یادداشتهای بهداشتی  درمانی دوران عمر یک فرد است که در داخل سیستم بهداشتی درمانی ایجاد وبه صورت خصوصی ومحرمانه نگهداری می شود . این پرونده بصورت الکترونیکی برای ارائه کنندگان مجاز خدمات در هر مکان وزمان به منظور حمایت وپشتیبانی از ارتقا کیفیت خدمات وی باید در دسترس باشد

پرونده الکترونیک سلامت یک سیستم اطلاعات الکترونیکی ایمن وقابل توسعه است که استفاده کنندگان مجاز در مراکز بهداشتی درمانی در هر زمان به اطلاعات گذشته بیمار دسترسی دارند و اطلاعات درمانی جدید بیمار را نیز به آن اضافه می نمایند.

دسترسی به اطلاعات کامل بیمار در بهبود مراقبتهای بالینی و کاهش اشتباهات پزشکی بسیار مهم است . پرونده الکترونیک سلامت یک مجموعه متمرکز بلند مدت از اطلاعات مراقبت سلامت یک فرد است که برای تمام ارائه کنندگان خدمات در هر مرکز و در هر زمان قابل استفاده باشد و به عنوان قسمت اصلی یک سیستم اطلاعات سلامت یکپارچه محسوب می شود .سیستم هایی که دارای پرونده الکترونیک سلامت هستند این قابلیت را دارند که در حالیکه موجب بهبود سطح سلامت بیمار می شوند ، صدها ساعت در زمان صرفه جویی کنند وهزینه های مراقبت را نیز کاهش دهند . یک پرونده الکترونیک سلامت موجب تصمیم گیری بهتر در سیر درمان و توسعه نتایج درمانی  شده وداده های بهتری را برای بهداشت عمومی و تحقیقات جمع آوری می کند ، اما فقط زمانی این اتفاق می افتد که برای ایجاد وتوسعه آن یک روش استاندارد انتخاب شده باشد.

 

تفاوت بین پرونده الکترونیک سلامت و پرونده الکترونیک بیمار :

واژه های پرونده الکترونیک بیمار (EPR ) و پرونده الکترونیک سلامت ( EHR   ) در اکثر موارد بجای همدیگر بکار برده می شوند و ممکن است درذهن افراد اغتشاش بوجود آورد . به منظور تفکیک مرزهای این دو پرونده به مفاهیم زیر توجه نمایید .

 

 

تعریف پرونده الکترونیک بیمار(EPR):

پرونده الکترونیک بیمار مدرکی است که عمدتا" مراقبتهای دوره ای ارائه شده بوسیله مراکز درمانی را توصیف می کند و در بیمارستان و سایر مراکز ارائه خدمات درمانی مثل واحد های تخصصی و یا مراکز بهداشت ذهنی نیز ایجاد می شود .

واژه پرونده الکترو نیک سلامت برای توصیف مفهوم پرونده طولامی مدت وضعیت سلامت از گهواره تا گور بکار برده می شود و اطلاعات مراجعات بیمار به مراکز مراقبتهای اولیه و زیر مجموعه های اطلاعاتی نتایج مراقبتهای دوره ای در پرونده های الکترونیکی هر دو را باهم تلفیق می کند . در شکل زیر ارتباط پرونده الکترونیک بیمار و پرونده الکترونیک سلامت باهمدیگر به تصویر کشیده شده است.

 

 

ارکان پرونده الکترونیک سلامت:

با توجه به تعارفی که ارائه شد پرونده الکترونیک سلامت دارای الکترونیک سلامت دارای ارکان مهمی است که توجه به آنها توسط آند سته از مراکز بهداشتی درمانی که اقدام به ایجاد آن نموده اند آنها را در مسیر حرکت به سوی تکامل آن یاری خواهد نمود . موارد زیر در اکثر تعاریف ارائه شده آمده است واز آنها می توان به عنوان ارکان پرونده الکترونیک سلامت یاد نمود.

  • یک سیستم اطلاعات الکترونیکی است.
  • ایمن ومحرمانه باشد وبرای افراد مجاز قابل دسترس باشد
  • در هر زمان ومکان قابل دسترس باشد
  • از بدو تولد فرد تا پایان عمر وی نگهداری شود
  • تمام اطلاعات بهداشتی درمانی یک فرد در آن متمرکز شود.

گرچه موارد فوق را می توان به عنوان ارکان پرونده الکترونیک سلامت در زمان طراحی در نظر گرفت ولی هنوز سوالاتی به شرح زیر وجود دارد که پاسخ به آنها باید قبل از هر گونه اقدام مشخص گردد:

  1. پرونده الکترونیک سلامت جزو کدام دسته از سیستمهای بیمارستانی است ؟
  2. آیا پرونده الکترونیک سلامت یک سیستم الکترونیکی تک وظیفه ای است ؟
  3. آیا پرونده الکترونیکی سلامت یک سیستم جامع اطلاع رسانی است ؟
  4. آیا پرونده الکترونیک سلامت جزئی از یک سیستم جامع بالینی است ؟

روشن شدن این سوالات ویافتن پاسخی مدلل و منطقی برای آن راهنمای کارشناسان ومدیران در طراحی، انتخاب وپیاده سازی ساختاری مناسب در زمینه پرونده الکترونیک سلامت خواهد بود . با توجه به بررسیهای به عمل آمده در مقالات مختلف نظریات زیر مارا در دسترسی به پاسخ سوالات فوق کمک خواهد نمود .

به نظر می رسد که یکی ازز اولین سیستمهای بالینی مورد استفاده ، پرونده الکترونیکی بیمار است و به منظور دسترسی مستقیم تیم درمانی به اطلاعات دقیق و به موقع ایجاد می شود.

سیستمهای اطلاعات بالینی یکپارچه دارای اجزای زیراست:

  • پرونده الکترونیکی بیمار
  • سیستم نشان دهنده سیر درمان
  • سیستم حمایت از تصمیم گیری بالینی
  • سیستم مدیریت تصویر برداری / تکنولوژی ارتباط تصویری
  • سیستم پزشکی از راه دور
  • آموزش بیماران ،کارمندان و مشتریان از طریق کامپیوتر

چندی پیش سیستم های اطلاعات مراقبتی از نرم افزار های جداگانه ای ساخته می شدند اکثر این نرم افزار ها در زمینه داده های مالی ، اجرایی ودستورات پزشکی طراحی شده بود.

با توسعه نرم افزار ، سخت افزار هم اکنون سیستم های اطلاعات بالینی بیمارستانی بگونه ای طراحی می شوند که تمام وظایف را با یکپارچگی بیشتر در مسائل بالینی و وظایف ارتباطی انجام می دهند.

در این تصویر بیشتر بر مفهوم پرونده الکترونیک بیمار تکیه شده است زیرا که سیستم مذکور یک سیستم اطلاعات جامع بالینی است که در محیط های درمانی (بیمارستانی) مورد استفاده قرار می گیرد .اطلاعات این پرونده معمولا" برا یهمیشه نباید نگهداری شود و دوره نگهداری آن به قوانین موجود هر سیستم در خصوص مدت زمان نگهداری پرونده های بیمارستانی بر میگردد. البته باید ترتیبی اتخاذ گردد که خلاصه ای از این پرونده به پرونده الکترونیک سلامت دارئمی بیمار ارسال و در آن نگهداری شود ، زیرا که این کار موجب یکپارچگی اطلاعات هر فرد در سیستم بهداشت ودرمان خواهد  شد

 

پرونده الکترونیک به عنوان هسته اصلی یک سیستم جامع بالینی

 

 

معماری پرونده الکترونیک سلامت(EHR )

معماری پرونده الکترونیک سلامت یک مدل یا چهارچوب اطلاعاتی برای بنای پرونده الکترونیک سلامت است . این معماری توسط کمیته استانداردهای اروپایی به این شرح تعریف شده است:

معماری یک پرونده الکترونیک سلامت مدلی از جنبه های عام ضروری در هر پرونده الکترونیک سلامت است به این منظور که پرونده بتواند قابل ارتباط ، کامل و پرونده ای اخلاقی قانونی مفید و موثر در مراقبت باشد. و در سراسر سیستم ها ، کشورها و در طول زمان یکپارچه باقی بماند .

معماری اینکه هرکسی چه چیزی را در پرونده الکترویک سلامت خود ذخیره کندو چگونه هر سیستم پرونده الکترونیک سلامت اجرا شود را تعیین یا دیکته نمی کند . فضاهای آن انواع داده هایی که می تواند در پرونده وجود داشته باشد از جمله مواردی که در پرونده های کاغذی قرینه ای ندارند را محدود نمی کند .جزئیات نظیر اندازه فیلدها که از پایگاه داده های فیزیکی گرفته شده است ، ارتیاطی بامعماری پرونده الکترونیک سلامت ندارند.

 

توزیع ومبادله داده ها درپرونده الکترونیک سلامت:

پرونده الکترونیک سلامت ، مهمترین جز مدیریت اطلاعات در سیستم های مراقبت بهداشتی یکپارچه کامپیوتری است. پرونده الکترونیک سلامت  زیر بنای ضروری را فراهم می کند تا پذیرش و استفده موثر از سیستم های جدید مراقبت بهداشتی و ابزار های مدیریت اطلاعات نظیر مراقبت یکپارچه ، پزشکی مبتنی برسند پشتیبان تصمیم گیری مبتنی بر کامپیوتر ، برنامه ریزی مراقبت و مسیرهای کلنیکی و تحلیل نتایج ، امکان پذیر شود . هنگامی که EHR به اجرا گذاشته شد ، معمولا" به روش ناهماهنگ و بدون هیچ استانداری انجام می شد . این موضوع بزرگترین مشکل را در مدیریت اطلاعات بهداشتی سراسر جهان ایجاد کرده و داده های بالینی کم کیفیت موجب عدم اتصال به جزایر اطلاعات می شد.

بزرگترین  بحث دردنیای جدید ارائه مراقبت بهداشتی یکپارچه ، فراهم کردن اطلاعات جامع ، معتبر، مرتبط، قابل دسترس ، و به هنگام برای هر عضو تیم مراقبت بهداشتی چه در مراقبت اولیه وچه در مراقبت ثانویه است . بعضی مواقع حتی توزیع داده های کلینیکی مراقبت اولیه بین دو برنامه نرم افزاری مختلف بر روی یک کامپیوتر شخصی که امکان مبادله داده ها بین سایر بیمارستانها و موسسات مراقبت بهداشتی را فراهم می کند ،مشکل یا غیر ممکن است. الزامات مراقبت یکپارچه برای توزیع ومبادله اطلاعات بیمار می تواند با استاندارد سازی معماری منطقی پرونده الکترونیک سلامت به بهترین نحو برآورد شود. معماری در این زمینه به معنای ساختار پرونده الکترونیکی بیش از شکل خاص داده های درون پرونده است .

بنابراین ، معماری یک مدل رسمی از چهار چوب و جنبه های عام پرونده الکترونیک سلامت است و شکل خاص داده ها مهم نیست بلکه آنها موضوع استانداردسازی نیستند. در عوض با یک معماری منطقی استاندارد شده و الزامات یا تغییرات استاندارد شد یه اشکال کاملا" شناخته شده نظیر CORBA  XML,  وغیره توانایی عملیات بین بخشی در سطح فنی بدون داشتن استاندارد در آن سطح ، تضمین شده است . استاندارد سازی معماری ، انعطاف پذیری بیشتری را امکان پذیر خواهد ساخت و با تغییر پذیری احتیاجات رشته های مختلف مراقبت بهداشتی قابل تطبیق خواهد بود.

 

الزامات پرونده الکترونیک سلامت:

سیستم های بالینی ممکن است با ذهنیت متخصصین بهداشتی خاصی طراحی شود ، اما یک معماری EHR باید نیازهای همه متخصصین بهداشتی را برآورده کند . این نیازمندیها برای پرونده الکترونیک سلامت ضروری هستند ودر انفورماتیک بهداشتی به عنوان پایه توسعه پرونده الکترونیک خوب سلامت و سیستم های پرونده الکترونیک سلامت بطور وسیعی پذیرفته شده اند . نکات کلیدی این نیازمندیها عبارتند از :

1.جامعیت:

پرونده الکترونیک سلامت عبارت است از جمع آوری مشاهدات مختلف و ساختارهای داده ها که توسط افراد متعددی در طول زمان در محل های متفاوت ایجا شده است . پرونده الکترونیک یلازم است مخزنی برای اطلاعات مرتبط با پزشکان در آینده باشد و حیات طولانی مراقبت را به صورت ایده ال فراهم کند، بنابراین یک پرونده الکترونیک باید ، توانایی حمایت از محدوده وسیع رشته های مراقبت بهداشتی ، مجموعه ها و انواع داده های ساختمند وهم ورود داده های متن آزاد و حمایت از ارزیابی و تحلیل داده های پر معنی را داشته باشد.

2. ارتباط:

بیماران از یک مکان به مکان دیگری حرکت می کنند وبا بسیاری از فراهم کنندگان مراقبت بهداشتی در بیمارستانها و مراکز مراقبت اولیه مشاوره می کنند از طرفی متخصصین بالینی و محققین نیازمند اطلاعات جمع آوری شده در باره بیمارن جهت بررسی عملکرد و مطالعات مبتنی بر جمعیت هستند . بنابراین EHR  نیازمند ایجاد ارتباط و تشویق آن است . این ارتباط که در منبع دیگری تحت عنوان توانایی عملیات بین بخشی به آن اشاره شده در واقع توانایی توزیع و مبادله داده ها در سطح معنی شناسایی است که پردازش داده ها توسط سیستم ها ی پرونده الکترونیکی را امکان پذیر می کند . توانایی عملیات بین بخشی در معنی شناسی یک پیش نیاز اساسی برای سیستم های پشتیبان تصمیم گیری پیچیده در بین مجموعه های مختلف کلینیکی است .

3. قابليت انتقال:

قابليت انتقال به معنای توانايي حرکت و ترکيب پرونده الکترونيک سلامت بین افراد وموسساتی که از نظر سخت افزار نرم افزار ( سيستم های عامل ، زبانهای برنامه نويسی ، پايگاه داده ها ) وزبانهای ملی ( سيستم های کدگذاری ، زبانهای طبيعی) مستقل هستند .

يک    EHR  مستلزم دسترسی برروی بسياری از برنامه های محاسبه گر ( ترکيب  سيستم های سخت افزاری وسيستم عامل) هم آنهايي که قابل دسترس هستند و هم برنامه های آينده است.

4. ايمنی و محرمانگی:

قابليت ذخيره اطلاعات وارتباط بطور آزاد مسئوليت محرمانگی وپاسخگويی را به دنبال دارد .بنابراين پرونده الکترونيک سلامت بايد توانايي پشتيبانی از محرمانگي ، قوانين ونيازهای اخلاقی از طريق ثبت معتقدانه اقدامات کلينيکی ، اختيار کاربر، کنترل دسترسی ، کنترل متن ومميزی مستمر را داشته باشد.

 5. تحول:

توانايی حمايت از حيات طولانی پرونده الکترونيکی از طريق توانايي سازگاریقبلی وبعدی هم  با پرونده های الکترونيک وهم با سيستم های پرونده الکترونيکی بايد وجود داشته باشد .به عبارتی نرم افزار جديد بايد قادر به انجام فرآيند ويرايش قديمی تر پرونده الکترونيکی باشدو نرم افزار قديمی بايد قادر به انجام فرآيند ويراش جديدتر پرونده الکترونيکی باشد. به منظور اطمينان از اين که هم پرونده الکترونيکی وهم نرم افزار پرونده های الکترونيکی در طول زمان بادوام باقی بماند، سبک توسعه يافته پرونده الکترونيک خوب سلامت(GEHR ) ، استفاده از الگوهای اصلی را پيشنهاد می کند.

اين راهبرد امکان ميدهد تعريف ساختار های بالينی قانونی بين تعاريف هسته و تعاريف بيرونی از هم جدا شود بطورِکه هسته بطور مستقيم ، تنها مفاهيم پايه واساسی را نظير انواع داده های بالِنی ، تبادلات ، تصديق امضاها ، عناوين وغيره را اجرا کند، در حاليکه ابتدا توسط مدلهای شبيه الگوهای اصلی بيرونی از مفاهيم سطح بالا نظير انواع تبادلات ، مشکل بخش و ساختارهای عنوان ترجيحی ، گرفته شده اند.

تنها راه برآورد کردن اين الزامات استاندارد سازی پرونده الکترونيک سلامت در سطح معماری است . اين معماری بايد بر حسب يک مدل اطلاعاتی تعريف شود که حداقل ويژگيهای اطلاعاتی عام اطلاعات بالينی يک پرونده الکترونيک سلامت را شرح دهد و مطابق با معماری استاندارد بوده و تو سط سيستم EHR  فابل فهم باشد.

 

استانداردهاي اصلي مرتبط با معماري پرونده الكترونيك سلامت:

متخصصان كميته اروپايي استانداردها (CEN)  كه يك كميته بين المللي استانداردهاست،استانداردسازي چهار موضوع اصلي مربوط به استانداردهاي پرونده الكترونيك سلامت را تعيين كرده اند.اين چهار موضوع عبارتند از : معماري ،ارتباط ،اصطلاح شناسي و ايمني . در همين ارتباط سازمان بين المللي استانداردها (ISO) كه هدف آن ترويج گسترش استانداردسازي جهاني و فعاليتهاي مربوطه است ،كميته فني را تحت عنوان 512 TC  براي استانداردهاي انفورماتيك بهداشتي تشكيل داده است .

كميته فنيISO   512 ، يك سيستم ارتباطي با ساير سازمانها ي مجموعه سازي استانداردها برقرار ميكند تا در مورد موضوعات همپوشان و هماهنگي محتوا گفتگو كند. اين كميته 5 گروه كاري در سطوح استانداردسازيHER  ،پيام رساني ،ارائه مفهوم بهداشتي ،ايمني و كارتهاي بهداشتي تشكيل داده است. به دليل طبيعت جامع پرونده الكترونيك سلامت ، آنها با اغلب سطوح استانداردسازي مرتبط هستند. كميته اروپايي استاندارد) CEN ( در ارتباط با استانداردهاي اختصاصي معماري پرونده الكترونيكي، استانداردهاي اروپايي را منتشر كرده است.

 

پيش استانداردهاي اروپايي معماري پرونده الكترونيك سلامت :

استاندارد12265

  معماري عمومي EHR ،به عنوان يك پيش استاندارد در سال 1996 پذيرفته شد) 12265ENV ( در اين پيش استاندارد اروپايي اصول پايه معماري براي بيان محتوا و ساختار پرونده هاي الكترونيكي سلامت را تعيين مي كند و بنياني براي استاندارد معماري مرجع جهت مبادله پرونده هاي الكترونيك (بطور كامل يا بخشي از پرونده ) بين سيستم

ارسال شده توسط احمد محمدی | 31 12, 2013 | بازدید‌ها (2394)

به نام خداوند بخشنده مهربان

 

هوش تجاري در SQL Server 2008

Business Intelligence Development Studio

(SSAS)

احمد محمدي

Ahmad.Mohammadi.A@gmail.com

پاييز 1392

چکيده

در اين  سعي شده است بصورت کاملا عملي به بيان امکانات و ابزار هاي داده کاوي و هوش تجاري درsql server  پرداخته و توضيحي در خصوص لغات و اصلاحات مورد استفاده خواهيم داد .

همچنين در آموزشي يک مدل داده کاوي ايجاد مي نماييم که اين عمليات از طريق سرويس هاي آناليز   sql server 2012 انجام مي دهيم .که در آن الگوريتم هاي سرويس آناليز نظير درخت تصميم آموزش داده مي شود که براي ايجاد مدل داده کاوي مورد استفاده قرار مي گيرند.در نهايت بعد از ايجاد مدل و تنظيم ساختار يک تست روي مدل اجرا مي گردد.

 

 مقدمه

امروزه با پيشرفت فناوري، سازمان ها به دنبال راه ها و ترفندهايي مي گردند که بقايشان را در اين عرصه تضمين کنند. سازمان ها مي دانند که ديگر بقاي آنها تنها در رسيدن به وضعيت سوددهي مداوم نيست و بايد به دنبال رقابت و ابزار آن باشند. همچنين مي دانند که کليد موفقيت در عصر اطلاعات، اتخاذ تصميماتي است که بدون تناقض، بهتر و سريع تر در رقابت پيش دستي کند.

يک سازمان در طول حياتش، داده ايجاد مي کند. اين داده معمولا پيرامون دارايي، بازاريابي، فروش، منابع انساني، مديريت ارتباط با مشتري و ... گروه بندي مي شوند و هر بخش يک وظيفه جدا در شرکت انجام داده و داده هاي مرتبط به خود را جمع آوري مي کند. اين حقيقت سازمان ها را ملزم به جستجوي ابزارهايي براي تسهيل فرايند کسب اثربخش داده ها، پردازش و تحليل وسيع آنها کرده است تا براساس آن پايه اي را براي کشف دانش جديد بنا نهند.

براي ساليان متوالي از سيستم هاي اطلاعات مديريت موجود مانند: MIS,DSS,ES,EIS استفاده مي شد اما اين سيستم ها قادر به ايجاد يکپارچگي ميان داده هاي پراکنده و ناهمگن و شناسايي مناسب وابستگي هاي موجود ميان داده هاي جديد نبودند. براي اينکه سازمان ها قادر به واکنش سريع در برابر تغييرات بازار باشند، نياز به سيستم هاي اطلاعات مديريتي دارند که بتوانند از سازمان و محيط آن تحليل هاي علت و معلولي مختلف انجام دهند.

بنابراين سازمان ها براي حفظ بقا همزمان با پيشرفت فناوري، بايد تسلط بر فناوري هاي جديدي مانند هوش تجاري را در کسب وکارها يک الزام و ضرورتي اجتناب ناپذير تلقي کنند. سيستم هاي هوش تجاري ابزاري را فراهم مي کنند که بر اساس آن نيازهاي اطلاعاتي سازمان به شکل مناسبي پاسخ داده شود.

واژه هوش تجاري توسط گروه گارتنر 1در اواسط ده? 1991 رواج پيدا کرد. با اين حال، اين واژه اخيراً

رواج بسيار زيادي يافته است و در سيستم هاي گزارش دهي MIS ده? 1971 ريشه دارد. در آن دوران، سيستم هاي گزارش دهي ايستا، دو بعدي و فاقد قابليت تحليل بودند. در اوايل ده? 1981 ، مفهوم سيستم اطلاعات اجرايي ( EIS ) به وجود آمد. اين مفهوم سيستم هاي پشتيباني کامپيوتري را به سطوح مديران عالي و اجرايي برد. اين سيستم ها از قابليت گزارش دهي پويا و چند بعدي )ادهاک 4 يا بر مبناي خواسته(، پيش بيني، تجزيه و تحليل روند، پرداختن به جزئيات، دسترسي به وضعيت و عوامل کليدي موفقيت برخوردار بودند. تا اواسط ده? 1991 بسياري از محصولات تجاري از اين ويژگي ها برخوردار بودند. سپس برخي از محصولات جديد تحت نام هوش تجاري پا به عرصه گذاشتند. امروزه همگي به اين نتيجه رسيده اند که کلي? نيازهاي اطلاعات مديران اجرايي در قالب يک سيستم اطلاعات مبتني بر هوش تجاري قابل پاسخ است. بنابراين، مفهوم اصلي سيستم اطلاعات اجرايي به هوش تجاري تغيير يافت.

هوش تجاري، شامل ابزارها، تکنولوژي ها و فرايندهاي تبديل داده ها به اطلاعات و تبديل اطلاعات به دانش مورد نياز براي بهينه سازي تصميم گيري در سازمان است . امروزه با اطمينان کامل مي توان ادعا کرد که استفاده از راه حل هوش تجاري مي تواند قدرت رقابت پذيري يک سازمان را افزايش دهد و آن را از ديگر سازمان ها متمايز نمايد. اين راه حل اين امکان را به سازمان ها مي دهد تا با به کارگيري اطلاعات موجود از مزاياي رقابتي و پيشرو بودن بهره برداري نمايند و درک بهتر تقاضاها و نيازمندي هاي مشتريان و مديريت ارتباط با آنان را ميسر مي سازند.

مفهوم هوش تجاري:

تعاريف زيادي براي هوش تجاري وجود دارد، اما به طور کلي هوش تجاري به عنوان يک رويکرد جديد در معماري سازماني مطرح شده است که اين معماري بر اساس سرعت در تحليل اطلاعات به مديران جهت اتخاذ تصميمات دقيق و هوشمند کسب و کار در حداقل زمان ممکن کمک مي کند. هوش تجاري يک چارچوب کاري شامل فرايندها، ابزار و فناوري هاي مختلف است که براي تبديل داده به اطلاعات و اطلاعات به دانش مورد نياز هستند، که با استفاده از همين دانش مديران قادر به تصميم گيري بهتر مي شوند و در نتيجه عملکرد سازمان خود را بهبود مي بخشند.

با پياده سازي راهکارهاي هوش تجاري فاصله موجود بين مديران مياني و مديران ارشد از ديدگاه ارتباط اطلاعاتي از ميان خواهد رفت و اطلاعات مورد نياز مديران در هر سطح، در لحظه و با کيفيت بالا در اختيار آنها قرار خواهد گرفت. همچنين کارشناسان و تحليل گران مي توانند با استفاده از امکانات ساده، فعاليتهاي خود را بهبود بخشند و به نتايج بهتري دست پيدا نمايند.

احساس نياز به وجود يک سيستم هوش تجاري در سازمان براي اولين بار در سطوح بالاي مديريتي احساس مي شود و از بالاي هرم ساختار سازماني به بخش هاي زيرين منتقل مي گردد. مهم ترين نياز يک مدير، تصميم گيري است. فرآيند تصميم گيري مي تواند به سه بخش کلي تقسيم شود که عبارتند از:

1) دسترسي، جمع آوري و پالايش داده ها و اطلاعات مورد نياز.

2) پردازش، تحليل و نتيجه گيري براساس دانش.

3) اعمال نتيجه و نظارت بر پيامد هاي اجراي آن.

در هر يک از موارد فوق، سازمان هاي قديمي که از هوش تجاري استفاده نمي کنند، داراي مشکلاتي هستند که اغلب به دليل حجيم بودن داده ها، پيچيدگي تحليل ها و ناتواني در ردگيري پيامدهاي تصميم گرفته شده، به وجود مي آيند. هوش تجاري با کمک به حل مشکلات فوق، به دليل ساختاري که در سازمان به وجود مي آورد، خالق فرصت هاي جديدي براي سازمان است.

هوش تجاري يک چارچوب کاري شامل فرايندها، ابزار و فناوري هاي مختلف است که براي تبديل داده به اطلاعات و اطلاعات به دانش مورد نياز هستند، که با استفاده از همين دانش مديران قادر به تصميم گيري بهتر مي شوند و در نتيجه عملکرد سازمان خود را بهبود مي بخشند.

بنابراين هوش تجاري مجموعه اي از مهارت ها، فناوري ها و سيستم هاي کاربردي است  که براي جمع آوري، ذخيره سازي ، تحليل و ايجاد دسترسي کارآمد به انبارهاي داده جهت کمک به سازمان ها براي تصميم گيري صحيح مورد استفاده قرار مي گيرد.

پس از آن که داده ها در انبارهاي داده و بازارهاي داده گردآوري و سازمان دهي شدند، مي توان آن ها را براي تحليل هاي آتي به کار گرفت. تحليل داده ها شامل طبقه بندي، خوشته بندي، آناليزهاي آماري، پيش بيني هاي رياضي، تحليل هاي هوشمند مبتني بر شبکه هاي عصبي و الگوريتم هاي ژنتيک مي باشد.

هوش تجاري شما را براي تصميم گيري در همه عوامل موثر بر سازمان يا شرکت توانمند مي سازد.

مجموعه اي از ابزارها کاربران را قادر مي سازند تا داده ها را براي کشف الگوها، ارتباطات و چشم اندازهاي جديدي که براي هدايت تصميم گيري ها سودمند هستند، تحليل کنند. به اين ابزارهاکه براي يکپارچه سازي، تحليل و فراهم نمودن دسترسي به انبوه داده ها براي کمک به اتخاذ تصميمات بهتر مورد استفاده قرار مي گيرند، هوش يا هوشمندي تجاري، اطلاق مي شود.

ابزارهاي اصلي هوشمندي تجاري شامل نرم افزار ارائ? پرسش و گزارش گيري، ابزارهاي تحليل چند بعدي داده (پردازش تحليلي آنلاين  ) و داده کاوي است.

وقتي به مفهوم هوشمندي در انسان ها فکر مي کنيم، عموماً مقصود ما قابليت افراد براي ادغام دانش فرا گرفته شده به اطلاعات جديد و تغيير رفتارها است، به گونه اي که موجب توفيق آن ها در انجام وظايف يا انطباق با شرايط جديد مي شود. به طور مشابه، هوش تجاري اين قابليت را به سازمان ها مي دهد تا اطلاعات را جمع آوري کنند؛ در مورد رقبا، مشتريان و عمليات داخلي خود دانش ايجاد کنند و رفتار تصميم گيري خود را به منظور دستيابي به سوددهي بالاتر و ساير اهداف تجاري تغيير دهند.

 

مراحل هوش تجاري

اگر مراحل هوش تجاري را به صورت شکل زير در نظر بگيريم، منابع داده در مرحله اول جمع آوري مي شوند. اين منابع مي تواند داده هاي انواع پايگاه داده يا اطلاعات نرم افزارهاي موجود را در بر بگيرد.

اطلاعات جمع آوري شده طي فرايند  ETLدر پايگاه داده تحليلي يا همان انبار داده(Data Warehouse) بارگذاري مي شود.

داده در پايگاه داده تحليلي در بخش هاي مجزايي به نام داده گاه (Data Mart) قرار مي گيرد.

در مرحله بعد هوش تجاري وارد عمل شده و روي اطلاعات طبقه بندي شده تجزيه و تحليل انجام مي دهد.

در نهايت اطلاعات جهت انتشار به ابزارهاي سطح بالا تحويل داده مي شود.

 

 

تکنيک هاي مورد استفاده در هوش تجاري

 

در عصري که زمان، کليد اصلي در تجارت است، شرکت ها به استفاده از ابزارهاي اطلاعاتي روي آورده اند تا بتوانند اطلاعات مورد نظر را به سرعت از منابع استخراج کنند. هوش تجاري در امر تصميم گيري در سطوح مختلف سازمان به ويژه سطوح مديران ارشد با تحليل اطلاعات و روش هاي پرس و جو تسهيلات زيادي را فراهم مي کند که متداول ترين اين روش ها به قرار زير است:

 On-Line Analytical Processing (OLAP)

 On-Line Transaction Processing (OLTP)

 Data Warehousing (DW)

 Data Mining (DM)

 Intelligent Decision Support System (IDSS)

 Intelligent Agent (IA)

 Knowledge Management System (KMS)

 Supply Chain Management (SCM)

 Customer Relationship Management (CRM)

Enterprise Resource Planning (ERP )

 Enterprise Information Management (EIM)

لازم به ذکر است، صرف وجود تمام اين تکنيک ها در سطح سازمان بدون در نظر داشتن فرهنگ سازمان و رويکرد سيستمي موجود بين کارکنان نمي‌تواند اثبات کننده هوشمندي کسب و کار آن سازمان باشد.

 

 آشنايي با داده‌کاوي :

OLAP و Data Mining دو راهکاري هستند که در SSAS براي مديرت داده ها و کشف دانش معرفي شده است. در اينجا به معرفي اجمالي داده کاوي(DataMining) مي پردازيم.

داده‌کاوي علمي نوين و جذاب براي کشف دانش از داده ها مي باشد. با توجه به رقابتي شدن بازار و تلاش سازمان ها براي رقابت و بدست آوردن درآمد بيشتر، استفاده از داده‌کاوي امري مهم تلقي مي شود. استفاده از داده هاي پيشين و نتيجه گرفتن از آن ها جهت بهبود عملکرد آينده، يکي از ايده‌آل‌ترين روش ها براي کمک به سازمان ها مي‌باشد. از سوي ديگر با توجه به قابليت حضور داده‌کاوي در تمام عرصه‌ها و همچنين وجود بنيان قوي علوم آمار، کامپيوتر، هوش مصنوعي و الگوشناسي در نهان داد‌ه‌کاوي موجب فراگير شدن اين دانش در تمامي سطوح گرديده است.

داده‌کاوي عملي بسيار ظريف بوده که اگر در آن تحليل داده‌ها بصورت دقيق انجام نگيرد، ممکن است باعث استدلال نادرست گردد. از طرفي الگوريتم هاي دادهکاوي نيز پيچيدگي زيادي دارند، خوشبختانه نرم افزارSQL Server Business Intelligence Development Studio سبب گرديده که از پيچيدگي محتواي الگوريتم‌هاي داده‌کاوي دور گرديم و با خيالي آسوده عمليات داده‌کاوي را انجام دهيم. 

آشنايي با  Analysis Services :

تحليل در قلب هوش تجاري است و با آن، مي توان به داده هاي خود مفهوم بخشيد.

SQL Server  شامل موتور بسيار قدرتمندي براي ساخت ساختمان هاي داده چند بعدي است که به شما اجازه مرتب کردن ، تجميع و تحليل داده ها را مي دهد و تحت عنوان   SQL Server Analysis Services

شناخته مي شود. جمع آوري اطلاعات صرفاً به منظور گردآوري آن ها موجب هدر دادن وقت، پول و نيروي انساني است، زماني گردآوري اطلاعات مفيد خواهد بود که بتوان از اين اطلاعات براي کشف تمايلات، شناسايي مشکلات و ساماندهي کمبودها، که ارزش تجاري به همراه دارد استفاده کرد.

SQL Server Analysis Services از يک موتور OLAP براي ساخت و ذخيره سازي پايگاه داده هاي چند بعدي استفاده مي کند.

هدف از اين تحقيق، بررسي مطالبي درباره اصول فناوري OLAP ، ابزارهاي مورد استفاده براي ساخت

پايگاه داده هاي OLAP و اجزاي مورد استفاده در آن مي باشد. هم چنين در حين بررسي مفاهيم تئوري در رابطه با SSAS ، روند ايجاد يک پروژه در SSAS از ابتدا به شکل گام به گام به صورت شماتيک ارائه مي شود؛ که در اين راستا از انبار? داد? نمون? ماکروسافت با عنوان dventureWorksDW2008R2 و از نرم افزار SQL Server 2008 R2 (Enterprise Data Management & Business Intelligence Software) استفاده شده است.

آشنايي با: OLAP 

پايگاه داده هاي OLAP حول مفهوم مکعب 9 ساخته مي شوند. مکعب ها، اشياي چند بعدي هستند که ساختارهاي آن ها با اشياي سلسله مرتبه اي تحت عنوان ابعاد 11 تعريف مي شوند. نمونه اي از پر استفاده ترين بعدها، بعد تاريخ است. واحد هاي زماني درصورت نياز مي توانند بر طبق سطح يا عمق داده اي که در پايگاه داده ذخيره خواهد شد، تقسيم بندي يا ترکيب شوند. مثلاً بعد Date ممکن است شامل يک سطح دهه، يک سطح سال، يک سطح فصل و الي آخر باشد که در نهايت به روز ختم مي شود )يا در صورت لزوم کمتر(.

 

مفهوم مهم ديگر هنگام کار با مکعب ها، شناخت اين مساله است که بيشتر داده هاي دستيابي شده، تجميع مي شوند يا حداقل مي توانند تجميع شوند. اين بدان معني است که هنگام ساخت يک مکعب، نيازي به ذخيره سازي کليه محاسبات احتمالي روي داده ها نيست، بلکه در عوض مي توانيد روشي را تعريف کنيد که پايين ترين سطح داده ها ترکيب شوند تا بتوانيد به پاسخ مورد نظر دست يابيد.

مثلاً، اگر تعداد فروش روزانه خود را رديابي کنيد، ولي بخواهيد بدانيد کل فروش فصل گذشته چقدر بوده است، برطبق روشي که مکعب مربوطه طراحي شده است، مي تواند به طور خودکار کل فروش روزانه رابراي 91 روز گذشته با هم جمع کند. بسته به چگونگي تعريف بعد Date ، هم چنين مي  توانيد داده مشابهي را بررسي کنيد که به ماه يا هفته تقسيم شده است، بدون اينکه مجبور به انجام محاسبات پيچيده اضافي باشيد.

مکعب هاي OLAP هم چنين مي توانند مقادير خلاصه شده و داده هاي پايين ترين سطح را ذخيره کنند.

اين امر بازيابي اطلاعات را آسان تر مي کند. مثلاً داده هاي 91 روز آخر فروش، زيرا آن مجموع هم اکنون در مکعب به عنوان يک مقدار محاسبه شده ذخيره شده است.

اصطلاحات OLAP   :

تاکنون، تعدادي از واژه هاي کليدي مورد استفاده در محيط هاي OLAP به شما معرفي شدند، ولي در

اين بخش، فهرستي ساخت يافته تر از واژه ها و تعاريفي ارائه مي شود که معمولاً مورد استفاده قرار مي

گيرند.

شناخت اجزاي مختلف يک راه حل OLAP کمک شاياني در مديريت بهتر پايگاه داده هاي OLAP مي

کند. در اين قسمت واژه ها و تعاريف مذکور در يک جدول ارائه مي شوند.

پايگاه داده OLAP:کانتينري براي اشياي متفاوتي که در يک راه حل Analysis Services وجود

دارد، مي باشد که علاوه بر ابعاد و مکعب هاي مذکور در صفحات قبل، اين

قسمت هم چنين شامل اشياي ديگري از قبيل منابع داده مي باشد که در اين

فهرست معرفي خواهند شد.

منبع داده:داده ها از يک پايگاه OLAP سرچشمه نمي گيرند، بلکه در عوض از پايگاه داده هاي ديگري استفاده مي کنند که اغلب يک پايگاه داده رابطه اي، منبع آن مي باشد. پشتيباني هاي مايکروسافت از تامين کننده هاي OLE DB موجود براي اتصال به 1 Microsoft SQL Server و پايگاه داده هاي جديدتر و هم چنين SQL Native Client براي Analysis Services استفاده مي کنند. برخي از پايگاه داده هاي شخص ثالث مي توانند به عنوان منبع داده استفاده شوند، مادامي که يک درايور OLE DB مناسب داشته باشيد.

 

بعد: بلوک هاي سازنده ساختار يک مکعب مي باشند. ابعاد برطبق جداول يا ديدگاه هاي منبع داده بوده و حاوي صفاتي خواهند بود که بر طبق ستون هاي اين جداول يا ديدگاه ها باشند. هر چند ابعاد براي ساخت مکعب ها استفاده مي شوند، تعريف ابعاد در مکعب ذخيره نمي شود مگر آن که، آن ها به مکعب اضافه شوند. تعريف ابعاد نيز در کلکسيون بعد پايگاه داده OLAP ذخيره مي شود. اين امر به يک بعد واحد اجازه مي دهد در يک يا چند مکعب استفاده شود.

 

سلسله مراتب:          دو نوع سلسله مرتبه در SQL Server Analysis Services وجود دارد. سلسله مراتب صفات با استفاده از خصوصيات بعد براي تعريف يک ساختار سلسله مرتبه اي ساخته مي شود. از طرف ديگر، سلسله مراتب تعريف شده کاربر به طور دستي با تعريف متدي که در آن مکعب مي تواند در بعد خاص برش داده شود، ساخته مي شود. علاوه بر مثال سلسله مرتبه تاريخ بخش قبل، مثال ديگري که ممکن است استفاده کنيد بعد مکان جغرافيايي است که به شما اجازه مي دهد داده هاي خود را در صورت لزوم براساس قاره، کشور، ايالت، استان، بخش و شهر تحليل کنيد.

 

سطح  موقعيتي در يک سلسله مرتبه را شناسايي مي کند که آيتم هاي مجزا )تحت عنوان اعضا( به آن تعلق دارند.

عضو    اشيا يي در سلسله مرتبه اي که يک يا چند نمونه از داده واقعيت را نشان مي دهد، مي باشند.

مثلاً سلسله مرتبه مکان جغرافيايي ممکن است سطح کشور را تعريف کند که شامل اعضاي ايالات متحده، کانادا و ژاپن مي باشد. سطح شهر ممکن است شامل اعضاي سياتل، ونکوور و توکيو باشد.

 

معيارها معيارها، داده واقعيت کميت پذير در پايگاه داده شما را نشان مي دهند.

)معيارها قابل اندازه گيري اند(.

 

گروه هاي معيار براي مرتبط کردن ابعاد با معيارها از جداول واقعيت مرتبط استفاده مي شود، درست مانند زماني که تعداد متمايزي به عنوان رفتار تجميعي براي داده واقعيت استفاده مي شوند. اين گروه ها موجب بهينه شدن پردازش تجميع مي شوند.

مکعب  اشياي اصلي ايجاد شده در پايگاه داده OLAP مي باشد. دو جزء اصلي براي مکعب وجود دارد: ابعاد که براي تعريف ساختار مکعب استفاده مي شوند و معيارها که حاوي داده واقعيتي )واقعي( هستند که توسط مکعب به آن ها مراجعه مي شود و بلوک هاي سازند? پايگاه داده هاي OLAP شما هستند.

 

شاخص هاي کليدي

عملکرد :محاسبات داده گروه معيار که براي مقايسه عملکرد واقعي در برابر ارزش هدف تعيين شده استفاده مي شوند. مثلاً، دپارتمان فروش ممکن است دو هدف را براي کمک به شناسايي عمکلرد فروش تعريف کند. اولين هدف، تنظيم ارزش هدف براي تعداد واحدهاي فروخته شده و دومين هدف، شناسايي درآمد متصور از تمام فروش هاست. هر يک از اين اهداف مي توانند به عنوان شاخص

کليدي عملکرد دنبال شوند و شما مي توانيد فروش هاي ساليانه واقعي خود را با اهداف تعريف شده مقايسه کنيد .

OLAP به زبان ساده

OLAP  مجموعه‌اي از مکعب‌ها (Cubes) است. داخل اين مکعب‌ها داده‌هايي قرار دارند که از پيش انتخاب شده‌اند. ارتباطات بين ابعاد از قبل تعريف شده و همه ابعاد (نتايج) از قبل محاسبه و پيش‌بيني شده است. هنگامي که يک مکعب ايجاد مي‌شود، يک واسط کاربر نهايي که مي‌تواند يک داشبورد باشد براي يک فرد واقعي پياده‌سازي مي‌شود که کاربر نهايي(مديران و تصميم گيرندگان سازمان) بتواند با جواب‌هاي داخل مکعب تعامل داشته باشد.

اما فرض کنيد در يک مکعب براي تحليل فروش در يک سازمان مقدار و مبلغ فروش را بر اساس ابعادِ مناطق فروش، فروشنده (بازارياب)، مشتري و ماه داشته باشيم. زماني که اين مکعب فرضي ساخته مي‌شود، نرم‌افزار مبتني بر OLAP کليه ترکيبات عناصر داده‌ها را محاسبه و ذخيره مي‌کند، کاربر نهايي به اين داده‌ها از طريق داشبوردها و يا يک سري فرم‌ها مثلا Pivot Table  ها يا انواع ديگر فرم‌ها دسترسي خواهد داشت.

 در اين مثال فرضي کاربر نهايي محدود به تحليل در محدوده ابعاد از قبل تعريف شده مثل مناطق، نمايندگي‌ها، مشتري‌ها و ماه است. اگر کاربر بخواهد درباره فروش هفتگي، روزهاي هفته يا محصولات فروخته شده (و يا صدها ترکيب ديگر از داده‌ها) اطلاعاتي کسب کند ديگر شانسي براي بدست آوردن آن ندارد، بايد صبر کند که مکعب ديگري از اطلاعات مورد نياز او ايجاد شود که اين يعني محدودسازي و کاهش بهره‌وري و اثربخشي براي تصميم‌گيران آن سازمان. به عبارت ديگر کاربر نهايي بايد نيازهاي خود را از پيش شناخته و براي اين نيازها Cubeها، جداول حقايق (Fact) و ابعاد (Dimension) مورد نياز را پياده سازي کند تا با کنار هم قرار دادن گزارشات مختلف تا حدودي به دانش استخراج شده و مورد نياز خود دست پيدا کند.OLAP  برخي از قابليت‌هاي تحليل را فراهم مي‌کند، اما تقريبا مي‌توان گفت در کشورهاي  پيشرفته يک رويکرد قديمي است و متاسفانه در کشور ما همچنان ناشناخته! يا کمتر شناخته شده است. در حال حاضر انواع مختلف OLAPوجود دارد، مثل MultiDimensional OLAP (MOLAP) که به آن MMD نيز گفته مي‌شود و  Relational OLAP ROLAP  ياRDBMS  و سيستم هاي OLAP از نوع HOLAP.

کارکردن با : SSAS 

همانند ساير خدمات هوش تجاري، مي توان هم از Business Intelligence Development و هم از

SQL Server Management Studio  براي مديريت جنبه هاي مختلف  SQL Server Analysis Services

استفاده کرد.  BIDS  در اصل براي ايجاد و مديريت ابعاد، ساخت مکعب ها، تعريف KPI ها و ساير وظايف مربوط به مرتب کردن و ساختاردهي داده ها استفاده مي شود.

ايجاد پروژه: 

با ايجاد يک پروژه Analysis Services جديد شروع کنيد. در BIDS بايد پروژ? جديدي را ايجاد کنيد

که از الگوي پروژه Analysis Services استفاده مي کند. هم چنين ممکن است توجه داشته باشيد که

يک گزينه براي وارد کردن پايگاه داده SSAS موجود در پروژه جديد وجود دارد. براي مثال، پروژه اي به

نام Adventure Works 2008 Data Warehouse ايجاد خواهيم کرد .

 

تعريف منبع داده:

پس از ايجاد پروژه، مرحله بعدي، ايجاد منبع داده اي است که توسط پايگاه داده OLAP استفاده خواهد شد. در اين جا نياز به پايگاه داده AdventureWorksDW2008R2 داريد که مي توانيد از سايت

مايکروسافت دانلود کنيد. مراحل زير را انجام دهيد:

1.       با کليک راست روي پوشه Data Source در Solution Explorer شروع کنيد و New Data Source را انتخاب کنيد. اين امر موجب اجراي ويزارد New Data Source مي شود. همانند اکثر

ويزاردهاي SQL ، اولين صفحه ويزارد، به طور طبيعي صفحه مقدماتي است و مي توان با کليک بر

روي Next از آن رد شد.

2.       صفحه بعدي ويزارد به شما اجازه تعريف اتصال داده را مي دهد. ممکن است هم اکنون اتصالات داده تعريف شده اي داشته باشيد، ولي با توجه به تجربه اي که پس از اجراي پروژه توسط اينجانب به دست آمد بهتر است ابتدا با کليک بر روي Delete اتصال فعلي را حذف کرده و سپس با کليک بر روي New اتصال جديدي را درپنجره باز شده با نام Connection Manager ايجاد کرد.

3.ايجاد اتصال داده مورد نظر

 

4.       همانگونه که در شکل 2-5  مشاهده مي کنيد، مي توانيد خصوصيات اتصال جديد را انتخاب کنيد. از جمله تامين کننده OLE DB ) که در اين مثال بايد Native Client 10.0 SQL Server باشد(.سپس در قسمت Server Name يک نقطه ).( قرار مي دهيم )بدين وسيله از پايگاه داده محلي        استفاده مي کند( و سپس از کومبوباکس پايين پنجره نام پايگاه داده مورد استفاده را مشخص مي کنيم. )در اين جا AdventureWorksDW2008R2 مي باشد.( براي بازگشت به ويزارد، OK را کليک کنيد.

5.       پس از داشتن اتصال داده مناسب براي ادامه ويزارد، روي Next کليک کنيد. در اين مورد، مي توانيد حساب و رمز عبور را Windows

ارسال شده توسط احمد محمدی | 29 12, 2013 | بازدید‌ها (2292)
طراحی سیستم مبتنی بر دانش براي برنامه ریزي استراتژیک: دیدگاه کارت امتیازي متوازن

احمد محمدی
دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات
زمستان 1392

چکیده:
کارت امتیازي متوازن ابتدا توسط کاپلان و نورتون طراحی شد.کارت امتیازي متوازن _ آنچه را که بر عملکرد تاثیرگذار است را اندازه گیري می کند. در مجله Harward Business Rewiew کارت امتیازي متوازن (BSC) ؛ دیدگاه منسجمی از عملکرد کلی و اهداف استراتژیک سازمان ارائه می کند. BSC مقیاس هاي مالی را با سایر شاخص هاي کلیدي عملکرد ادغام می کند تا دیدگاهی ایجاد کند که هر دو جنبه مالی و غیر مالی را استفاده کند BSC  ابزار مفیدي براي برنامه ریزي استراتژیک و انتقال استراتژي است که در استقرار استراتژي مشارکت دارند. استقرار موفق استراتژي بر پایه برنامه ریزي موثر استراتژیک است- با توجه به اینکه برنامه ریزي استراتژیک یکی از موارد حیاتی در کسب وکار است. این تحقیق شیوه منسجمی براي ابزار BSC و سیستم مبتنی بر دانش به کمک شیوه فرایند تحلیل سلسله مراتبی(AHP)، ارائه می کند و سپس سیستم ذهنی مبتنی بر دانش BSCرا براي برنامه ریزي استراتژیک ایجاد می کند که استراتژي هاي عملیاتی یا مدیریتی شرکت را بر پایه این دیدگاهها تنظیم یا انتخاب می کند . عملکرد رشد و یادگیري، فرایند داخلی / کسب وکار، مشتري و مالی. این سیستم در تعیین وزنهاي خاص استراتژي کمک می کند . سیستم ذهنی مبتنی بر دانش BSC برنامه ریزي استراتژیک خودکار کارا را تسهیل می کند.

1-مقدمه
محققان و دانشمندان که در زمینه برنامه ریزي استراتژیک و حسابداري مدیریت فعالیت دارند، در دهه اخیر توجه رو به افزایشی به تاثیر BSC بر عملکرد سازمان و برنامه ریزي استراتژیک داشته اند. BSCکه توسط کاپلان و نورتون(1992)طراحی شد ،از توالی 4 دیدگاه یادگیري ورشد، دیدگاه فرایند کسب وکار داخلی، دیدگاه مشتري و دیدگاه مالی پیروی می کند. خروجی اصلی ( عملکرد) که در هر دیدگاه اندازه گیري می شود ،به عنوان شاخص هاي راهبردي مقیاس هاي خروجی هاي اصلی در دیدگاه بعد، استفاده می شود. از زمان توسعه اولیه BSC توسط کاپلان و نورتون، این شیوه توسط سازمانهاي تولیدي وخدماتی، سازمانهاي غیر انتفاعی،موسسات دولتی و سایر صنایع دنیا استفاده شده است. شرکتها به صورت رو به افزایشی از سیستمهاي اندازه گیري عملکرد جدید استفاده می کنند تا مقیاس هاسی غیر مالی را ثبت کنند. تحقیق مرتبط شامل تحقیق  Andrews (1996), Banker, Chang, and Pizzini (2004),
Banker, Potter, and Srinivasan (2000), Frigo (2002), Said,  و .HassabElnaby, and Wier (2003)
از زمان معرفی در اوایل دهه 1990 ، از یک ابزار اندازه گیري عملکرد ، به یک ابزار مدیریت استراتژیک تحول یافته است. متودولوژي BSC زیر بنایی براي فعالیتهاي  مدیریت استراتژیک ایجاد می کند.کارت امتیازي چهار فرایند جدید مدیریتی را معرفی می کند که به صورت جداگانه و در ترکیب با یکدیگر در ایجاد ارتباط بین اهداف بلندمدت استراتژیک و فعالیتهاي کوتاه مدت مشارکت دارند. با ترکیب دیدگاههاي مالی، مشتري، فرایند داخلی و یادگیري ورشد BSC، به مدیران کمک  می کند که روابط مختلف وتاثیرات علت و معلولی را شناسایی کنند.
این شناخت در برتري یافتن مدیران بر نکات سنتی با توجه به موانع عملیاتی و در نهایت بهبود تصمیم گیري و حل مسائل کمک می کند. مرور اجرایی و استراتژیک می تواند تیم مدیریت را در مرور برنامه استراتژیک، فرایند برنامه ریزي کمک کند که شامل مقیاس هاي BSCو نقشه هاي استراتژي است. برنامه ریزي استراتژیک در  کسب وکار بسیار مهم است،. یک برنامه استراتژیک از برنامه عملیاتی متفاوت است.
یک برنامه استراتژیک باید مفهومی، داراي چشم انداز و جهت دار باشد. با توجه به پیچیدگی و اهمیت برنامه ریزي استراتژیک ، سیستم مبتنی بر دانش(KBS) غالبا ، براي حمایت از تصمیم گیري استفاده می شود. سیستم هاي مبتنی بر دانش،(KBS)  ابزار مبتنی بر کامپیوتر هستند که تصمیم گیري مدیریتی را با ارائه گزینه هاي موثر مختلف ساده تر می کنند. در دهه 1990 ، سیستم هاي هوشیار مبتنی بر دانش نقش مهمی در ابزارهاي حمایتی تصمیم گیري داشتند. اما مطالعات کمی KBS را در برنامه ریزي استراتژیک نشان می دهد که استراتژي را بر پایه دیدگاهها ي BSC  تعیین یا انتخاب می کند. KBSمی تواند به عنوان ابزار برنامه ریزي استراتژیک براي برنامه ریزي یا تعیین استراتژي بر پایه اطلاعات تصمیم گیري استفاده شود. KBS براي پیشنهاد مراجع براي کمک به تصمیم گیرندگان در تصمیم گیري هاي  صحیح و در برخورد با موقعیت هاي پیچیده و مقادیر زیاد اطلاعات کمک می کند سیستم هوشیار مبتنی BSC مبتنی بر دانش (BSCKBS)، براي توسعه سیستم برنامه ریزي استراتژیک و براي استقرار سیستم هاي کسب وکار و حمایت از نیازها طراحی شده است. متعاقبا KBS کاربرد مبتنی بر دانش را طراحی می کند و استراتژي  هاي مدیریت را بر پایه ارزیابی از استراتژي و چشم انداز کسب و کار ایجاد می کند.بر پایه موضوعات بالا، این کار دو هدف مرتبط دارد: 1- براي پشنهاد چارچوب منسجم براي ابزار BSC و سیستم KBS به کمک فرایند تحلیل سلسله مراتبی و -2  توسعه سیستم KBSBSC براي برنامه ریزي استراتژیک که استراتژي شرکت را از  دیدگاههاي زیر تعیین یا انتخاب می کند: رشد و یادگیري، فرایند داخلی کسب وکار، مشتري و عملکرد مالی. به کمک شیوه AHP در تحلیل ها، این کار بررسی می کند که مدیریت چگونه اهداف و مقیاس ها را به کمک سلسله مراتب BSC می تواند انتخاب کند. این کار دو موضوع مهم رار مورد توجه قرار می دهد: تعیین اهداف و انتخاب مقیاس هاي مناسب.
مدیران شرکت به خوبی آگاه هستند که استقرار سریع تغییرات مشکل است. اما برنامه ریزي استراتژیک براي اجراي استراتژي مهم است. این تحقیق کاربرد AHP در اولویت بندي مقیاس ها و استراتژي ها در چارچوب BSCرا شرح می  دهد و تلاش می کند که سیستم پشتیبان تصمیم گیري هوشمند مدیریت و برنامه ریزي استراتژیک BSCرا براي برنامه ریزي استراتژیک ایجاد کند، یعنی سیستم مبتنی بر دانش BSC
.(BSCKBS)
ادامه این تحقیق به این ترتیب است: بخش 2 به صورت مختصرKBS و کاربردهاي مرتبط را مرور می کند. بخش 3 به صورت خلاصه دیدگاه BSC و تحقیقات مرتبط را مرور می کند.  بخش 4تئوري AHP و تحقیقات مرتبط را بیان می کند. سپس در بخش 5، معماري BSCKBS و مفاهیم مرتبط بیان می شود. در نهایت نکان انتهایی و خلاصه فصل در بخش 6 ارائه می شود.
-2 سیستم مبتنی بر دانش و کاربردها
2-1 مفهوم سیستم مبتنی بر دانش KBS
تکنولوژي کاربر کامپیوتر با تکنولوژي بالا، سیتم مبتنمی بر دانش KBS را به عنوان یک سیستم کامپیوتري که براي تسهیل حل مسائل نیروي انسانی از طریق ترکیبی از هوش مصنوعی و پایگاهی از دانش مربوط به حوزه خاص تعریف می کند. سیستمهاي مبتنی بر دانش، بر پایه روش ها وتکنیکهاي هوش مصنوعی (AI) هستند. اقلام اصلی سیتم هاي مبتنی بر دانش عبارتند از : مکانیزمهاي مبتنی بر دانش و علت یابی. KBS مانند سیستمهاي حل مساله، براي کسب اطلاعات از یک  سیستم مبتنی بر دانش تلاش می کند و از این اطلاعات در کسب نتایج مفید و براي تصمیم گیري استفاده می کند. KBS سیستمهاي مبتنی بر کامپیوتر هستند که دانش  را در غالب شیوه هایی براي حل مساله و به منظور کمک به انسانها در حل مساله  ارائه می کنند. در عملKBS ، خلاصه اي براي سیستم مبتنی بر دانش است در ادبیات KBSBSC، Dhaliwal and Benbasat (1996) فرض کردند که چهار جزئ اصلی KBS عموما به این ترتیب هستند: مبناي دانشی، موتور واسط، ابزار مهندسی دانش، و واسطه خاص کاربر. (2002)Albermani & Chau پیشنهاد کردند که KBS سه جزء پایه اي اصلی دارد: پایگاه دانش، مکانیسمهاي محتوا و واسط کاربر. بنابراین پایگاه دانش، مرکز اصلی KBS است و شامل دانش تخصصی حوزه است که از طریق انواع تکنیکهاي نمایش جمع آوري شده است.( مانند شبکه ها، چارچوبها و منطق هاي سمانتیک)، تکنی یا شیوه اي که بسیار استفاده می شود، قانون تولید اگر ( شرط)، آنگاه (عمل) است.
2.2 کاربرد KBS
 در طول دهه 1990 ، محققان و دانشمندان اهمیتKBS را شناسایی کردند و مفاهیم  مرتبط با آن یکی از مهمترین مباحث مرتبط با ابزار پشتیبان تصمیم گیري یا سیستم هاي اطلاعات مدیریت شد. KBSاز زمان توسعه در مطالعات و مباحث مختلفی  استفاده شد که شامل ارزیابی عملکرد، وام تجاري ،طراحی استراتژي پشتیبانی، تولید کشاورزي، ادغام و تحصیل یا طراحی براي زلزله ، پویایی هاي سیستم، انتخاب تجهیزات حمل ونقل، مدیریت خدمات مشتري و کسب دانش است. براي مثال، Wang 2007  چارچوب ارزیابی با نام DSSPE ، براي ارزیابی موسسات دولتی (SOE )، به کمک مدلهاي DEA پیشنهاد کرد که شامل زیر سیستمهاي پایگاه  اطلاعاتی مدیریت، زیر سیستم مبتنی بر مدل، زیر سیستم کسب دانش و زیر سیستم دیالوگ استKumra در سال 2006 ، شیوه تخصصی مبتنی بر سیستم MRA را براي تامین اعتبار وامهایی که به صورت تجاري براي بیش از 10 سال در موسسات مختلف مالی شرح داد. Chaw 2005 فرض کرد که سیستم مبتنی بر دانش KLSS براي کاربرد در هنگ کنگ، منطقه Peal Delta River مناسب بود که اثربخشی تنظیم استراتژي پشتیبانی را با ادغام تکنیکهاي مانند جمع آوري داده ها، پردازش تحلیلی آن لاین، مدیریت چندبعدي پایگاه داده ها و علت یابی مبتنی بر مورد را تقویت می کند. Pomar & Pomar  سیستم پشتیبانی تصمیم گیري مبتنی بر دانش به نام CULLSOW را براي شناسایی خوکهاي چاق با قدرت کمتر را در شرکتهاي تجاري خوك طراحی کردند. متعاقبا KBS ، اخیرا موفقیت قابل توجهی در مطبوعات مدیریت اطلاعات فعلی کسب کردند.
3- کارت امتیازي متوازن
3.1 دیدگاه کارت امتیازي متوازن (BSC)
فرایند کارت امتیازي متوازن در اولین نسخه اي که توسط اپلان و نورتون طراحی شد، شامل چهار دیدگاه است: رشد و یادگیري، فرایند داخلی ،مشتري ومالی.  BSCشیوه استراتژیک و سیستم مدیريت عملکرد است که سازمانها براي استقرار چشم انداز و استراتژي استفاده می کنند. مدل BSC شامل چهار فرایند جدید مدیریتی است  که به صورت جداگانه و در ترکیب با یکدیگر در ایجاد ارتباط بین اهداف بلند مدت و اهداف استراتژیک با اقدامات کوتاه مدت است. شرکتها و صنایع زیادي BSC را استفاده کرده اند که نیاز هاي مختلف مدیریتی را پاسخ دهند.مدل BSCچیزي  بیش از مجموعه اي از مقیاس هاي مالی و غیر مالی است و ترجمه اي از استراتژي واحدهاي کسب وکار به مقیاس هاي مرتبطی که اهداف استراتژیک بلندمدت و مکانیسم ها را براي دستیابی و کسب بازخورد با توجه به آن اهداف تعریف میکند. بنابراین کاپلان و نورتون ابزار جدید قدرتمندي طراحی کردند. نقشه استراتژي که شرکتها می توانند براي تشریح ارتباط و ایجاد ارزش با درجه بسیار بالاي دقت و وضوح استفاده شوند. نقشه استراتژي براي ایجاد ارتباط بین فرایندها با نتایج مطلوب استفاده کنند. براي ارزیابی ، اندازه گیري و بهبود فرایندهایی که براي موفقیت حیاتی تر هستند و هدف گذاري سرمایه گذاري ها در سرمایه انسانی، اطلاعاتی و سازمانی. مدل BSC چهار دیدگاه مرتبط را بر فعالیتهایی که با احتمال  زیادي براي بسیاري از سازمانها حیاتی هستند و براي تمام سطوح درون سازمانی ضروري هستند: 1- سرمایه گذاري در ظرفیت هاي رشد و یادگیري، 2- بهبود
کارایی هاي فراین داخلی، 3- ارائه ارزش مشتري و 4- افزایش موفقیت مالی.
3.1.1 دیدگاه رشد و یادگیري
کاپلان و نورتون 1992 ، مدل BSC  بر فعالیتهایی که دیدگاه رشد و یادگیري را  توسعه می دادند، بنا نهادند. این دیدگاه توانایی کارکنان سیستم هاي اطلاعاتی و جهت دهی سازمانی را براي مدیریت کسب وکار و انطباق با تغییرات ایجاد می کند. موفقیت فرایند بسته به کارکنان توانمند و با انگیزه و اطلاعات به موقع و صحیح دارد.
3.1.2 دیدگاه فرایند داخلی
مدل علی BSC  فرض می کند که توانمندي هاي کارکنان موجب بهبود فرایندهاي  داخلی می شود. کاپلان و نورتون فعالیتهاي زنجیره ارزش اصلی شرکت را به چهار- حوزه فرایندهاي سطح بالا تقسیم کرده اند: 1- وآوري، 2- مدیریت مشتري 3 عملیات 4-قوانین و محیط.هر یک از این حوزه ها می تواند شامل فرایندها و فرایندهاي اصلی باشد. نمودار دایره اي سازمانی به این ترتیب به شیوه هاي مختلفی قابل تقسیم است.
3.1.3 دیدگاه مشتري
دیدگاه مشتري نتایج مرتبط با تحویل مفروضات متفاوت ارزش را شناسایی می کند. این نتایج شامل سهم بازار در بخش خاص مشتري، اختصاص حساب به مشتریان هدف، کسب و جهت دهی مشتریان در بخش هاي هدفمند و سودآوري مشتري است. بسیاري از مطالعات رابطه آشکاري بین رضایت مشتري و عملکرد نشان دادند. مانند تحقیق Jones, Sasser, and ، Banker et al. (2000), Heskett,

Schlesinger (1994), Ittner and Larcker (1998)
 
3.1.4 دیدگاه مالی
مقیاس هاي عملکرد مالی نشان می دهد که آیا استراتژي شرکت ، استقرار و اجراي آن در بهبود خطوط پایینی مشارکت دارند یا نه. بعد مالی شامل سه مقیاس بسیار مهم براي سهامدار است. بازگشت سرمایه و جریان نقدي، ترجیحات کوتاه مدت را نشان می دهد در حالیکه پیش بینی اطمینان مدیران شرکت براي کاهش عدم اطمینان تاریخی مرتبط با تغییر غیر منتظره در عملکرد را نشان می دهد.در نهایت سودآوري پروژه به عنوان واحد اصلی برنامه ریزي و کنترل تاکید دارد.در حالیکه حجم فروش به کاهش عدم اطمینان در باره عملکرد کمک می کند.
KBS 3.2و BSC
طبق تحقیق کاپلان و نورتون1992  مدل BSC  به عنوان چارچوبی براي تسهیل  انعطاف پذیري استراتژي کسب وکار در مقیاس هاي عملکرد استراتژیک تعریف و طراحی شده که نتیجه کلیدي ( عملکرد) مقیاس ها در هر دیدگاه شاخص هاي کلیدي در دیدگاه بعدي می شوند. در طول دهه گذشته محققان علاقمند به BSC  بحث کردند که مدل  BSCابزار ارتباطی موفق است و در دستیابی به جهت گیري ها و برنامه ریزي هاي استراتژیک کمک میکند. مدل BSC در هم سو سازي افراد و فرایندها با استراتژي سازمانی کمک می کند. طراحان استراتژیک از فرایند منحصر به فرد مدیریت که به عنوان جریانی براي هم سو سازي مقیاس هاي عملکرد بااستراتژي کسب وکار عمل می کند، استفاده می کنند.
ادبیات گذشته در زمینه BSC در این بخش مرور می شود. Bernard & Nellپیشنهاد کردند که استقرار وسیع BSC نیازمند پشتیبانی IT است. تنها مطالعات کمی درباره KBS یا DSS را با BSC در نظر گرفته اند مانند تحقیق، al. (2005), Martinsons et al. (1999), Sohn  Berler et
 (2003), Sundararajan et al. et. (1998).
براي مثال Berler 2005 مدل اطلاعاتی براي مدیریت دانش ، KM و بر مبناي استفاده از شاخص هاي کلیدي عملکرد KPI در سیستم هاي بهداشتی استفاده کردند. علاوه بر این Sohn  2003،رابطه بین استراتژي هاي شرکت ، نیروهاي محیطی و مقیاس هاي عملکرد BSC را به کمک AHP مطالعه کردند.بر  پایه شواهد تجربی آنها، یک سیستم پشتیبان تصمیم گیري براي بازیابی اوزان BSC شرکت، با ویژگی هاي مشابه پیشنهاد می شود Martinson  1999 کارت امتیازي  متوازن براي سیستم اطلاعاتی طراحی کرد که فعالیتهاي سیستم اطلاعاتی را از دیدگاههاي زیر اندازه گیري و ارزیابی می کرد: ارزش کسب و کار ، جهت گیري کاربر، فرایند داخلی و امادگی براي آینده. هر چند 1998 Sundaraarjam کاربرد سیستم پشتیبان تصمیم گیري را براي تصمیم گیري عملیاتی در صنعت پردازش غذایی پیشنهاد کرد. تحقیق بالا نشان داد که BSCبه عنوان ابزار مهم پشتیبان تصمیم گیري در مدیریت استراتژیک ظهور کرده است.

-4 فرایند تحلیل سلسله مراتبی
4-1 روش فرایند تحلیل سلسله مراتبی  AHP
AHP براي انعکاس تفکر واقعی انسانها در اوائل دهه 1970 و در پاسخ به نیازهاي تخصیص منابع کمیاب و برنامه ریزي ارتش ایجاد شد. AHP فرایند تصمیم گیري منعطف و قدرتمندي براي کمک به افراد در تعیین اولویت ها و انتخاب بهترین تصمیمات در موقعیتهایی است که براي در نظر گرفتن جنبه هاي کیفی و کمی یک تصمیم ضروري است. با کاهش تصمیمات پیچیده به مجموعه اي از مقایسات یک به یک شرکتها نتایج را بررسی می کنند. AHP ابزار سلسله مراتبی ارائه سیستم است.  و تصمیم گیرندگان را در ساختاردهی یک تصمیم به اجزا کوچکتر از یک هدف تا هدف بلندمدت ، هدف فرعی و در نهایت اعمال جایگزین کمک می کند. تصمیم گیرندگان مقایسات جفتی ساده را در سلسله مراتب و براي اولویت بخشیدن به گزینه ها ارائه می کنند. مساله تصمیم، می تواند شمال عوامل سیاسی، اجتماعی، تکنیکی و اقتصادي باشد. AHP به افراد در انطباق با محیطهاي محرك، منطقی ، غیر منطقی و مخاطره آمیز و پیچیده کمک میکند. AHP به منظورهاي زیر قابل  استفاده است: پیش بینی خروجی ها، برنامه ریزي براي آینده پیش بینی شده و مطلوب، تسهیل تصمیم گیري گروهی، اجراي کنترل بر تغییرات در سیستم تصمیم گیري گروهی، تخصیص منابع،انتخاب بین گزینه ها، اجراي مقایسات تحلیل هزینه / منفعت، ارزیابی کارکنان و تعیین افزایش دستمزد. AHP چارچوب جامع، منطقی و ساختاري که امکان درك تصمیمات پیچیده را از
طریق شکافتن مسائلی که در ساختارهاي سلسله مراتبی قرار دارند ،تسهیل می کند.
دخالت دادن تمام معیارهاي مرتبط تصمیم گیري و مقایسه جفتی آنها به تصمیم گیرندگان اجازه می دهد که ارتباط بین اهداف را مشخص کنند. AHP به صورت صریح دانش و تخصص افراد در محیطهاي خصوصی را از طریق استفاده از قضاوتهاي ذهنی آنها، در مواقعی که پایه اطلاعاتی ضعیف است، به کار می گیرد.
هر چند، AHPاطلاعات اندازه گیري شده واقعی را ( مانند بازده) با یکدیگر ادغام کرده و این گونه اطلاعات را در دسترس قرار می دهد.
کاربرد AHP  بر پایه چهار اصل زیر است :
-1 تجزیه: یک مساله تصمیم گیري پیچیده به سلسله مراتبی تقسیم می شود که در هرسطح آن اجزا قابل مدیریت کمی وجود دارند و هر یک به نوبه خود تجزیه می شوند.
-2 اولویت بندي: شامل مقایسات جفتی اجزا مختلف است که در یک سطح با توجه به اقلام در سطح بالاتر قرار گرفته اند.
-3 ترکیب: اولویتها از طریق اصل ترکیب سلسله مراتبی براي ارزیابی کلی گزینه ها طبقه بندي می شوند.
-4 تجزیه و تحلیل حساسیت: ثبات خروجی با آزمون بهترین گزینه در برابر تغییرات از نوع "WHAT_IF"  در اولویت معیارها تعیین می شود
BSC 4.2و AHP
با توجه به توانایی AHP در کمک به سازمانها یا شرکتها درانتخاب بین گزینه هاي  مختلف چشم اندازي و ماموریتی، انتخاب بین استراتژي هاي مختلف، و تخصیص منابع براي استقرار استراتژي هاي سازمانی و اهداف ؛ به صورت موفقیت آمیزي در مطالعات مربوط به BSC شامل تحقیقات زیر بررسی شده است:
Fletcher and Liberatore and Miller ؛ Smith (2004), Leung, Lam, and Cao (2006), (2003), Stewart and Mohammed ، (1998), Reisinger, Cravens,Tell (2001).
Leung, Lam, and Cao (2006) ازAHP  و فرایند شبکه هاي تحلیلی ANP براي تسهیل استقرار BSC استفاده کردند Fletcher and Smith (2004) سیستم ارزش افزوده داخلی را با BSC به کمک متدولوژي AHP ارتباط داده اند تا  سیستم جامع اندازه گیري براي ارزیابی عملکرد کلی سازمان طراحی کنند.
 2003 Reisinger ، AHP  را به عنوان مکانیزمی براي اولویت بندي مقیاس هاي سازمانی BSC استفاده کرده اند. Liberatore and Miller (1998)  شیوه اي با نام AHP ، براي ارتباط مقیاس هاي کلیدي عملکردBSC براي اهداف کلی شرکت طراحی کرد.
AHP 4.3و KBS
ادبیات در زمینه AHP شامل مطالعات مختلف با استفاده از DSS یا KBS و AHP است که شامل
Fletcher mith (2004), Leung, Lam, and Cao ،(2006),Siberatore and Miller (1998), Reisinger, Cravens, and Tell Song and Lee (2002), .(2003), Stewart and Mohammed (2001). Sundarraj (2004. (
Sundarraj (2004) شرح داد که چگونه یک سیستم مبتنی بر وب می تواند مدیریت ، و پشتیبانی قراردادهاي خدمات را به کمک شیوه AHP استاندارد کند. Phillips-Wren (2003) چارچوبی براي ارزیابی ، DSS هایی که مقیاس هاي مبتنی بر خروجی و فرایند را با یکدیگر ترکیب می کنندرا پیشنهاد کردند. Aguaron et al. (2003) بر ارزیابی تطابق قضاوتهاي انسانی در سیستم هاي پشتیبان تصمیم گیري به کمک فرایند AHP تمرکز کردند.  Forgionne et al. (2002) از فرایند تحلیل سلسله مراتبی براي ارزیابی 20 ژورنال پیشرو مرتبط با DSS ها استفاده کردند و رتبه بندي ژورنال DSS را براي کمک به ارزیابان در شناسایی ژورنالهاي DMSS  با کیفیت بالا استفاده کردند.علاوه بر این، Song and Lee  (2002) استراتژي علت یابی پویایی پیشنهاد کردند که می تواند رفتار پویاي تصمیم گیري را به کمک سیستم مبتنی بر دانش و طبق قوانین فازي ارائه کند. در نهایت Leung (1998)، یک سیستم پشتیبان تصمیم گیري کیفی/ کمی براي ارزیابی CIM ایجاد کردند که اهداف و ویژگی هاي عملیاتی شرکت را در نظر می گرفت. بنابراین از این موضوع که تکنولوژي انتخابی با تک تک نیازهاي شرکت مورد انطباق است، اطمینان حاصل می کند.
5. معماري سیستم مبتنی بر دانش BSC
5.1  معماري BSCKBS
طبق تحقیقات گذشته، هدف اصلی این کار پر کردن شکاف در تحقیقات با ترکیب تکنیکهاي BSC ، KBS و AHPبراي تولید شیوه توسعه یافته اي براي برنامه ریزي استراتژیک و تصمیم گیري است . KBS نرم افزار کامپیوتري است که داده هاي کسب وکار را تحلیل می کند و این داده ها را براي تسهیل تصمیم گیري کاربر ارائه می کند. اطلاعات معمولی که ممکن است توسط یک سیستم پشتیبان تصمیم گیري حمع آوري و ارائه شود، شامل: 1: مقیاس هاي غیر مالی، 2: داده ها و اطلاعات مقایسه اي مالی ، 3: توالی گزینه هاي مختلف تصمیم گیري در تجربیات گذشته با زمینه خاص. یک KBSاطلاعات را به صورت گرافیکی نمایش می دهد و می تواند شامل یک سیستم تخصصی یا هوش مصنوعی باشد. یک KBS می تواند بر مدیران اجرایی یا سایر گروههاي کارگران دانشی تمرکز کند.
KBS طبقه خاص سیستمهاي اطلاعاتی کامپیوتري هستند که تصمیم گیري سازمانی و تجاري را پشتیبانی می کنند.یک سیستم KBSبه خوبی طراحی شده ،سیستم فعال مبتنی بر نرم افزار است که براي کمک به تصمیم گیرندگان در پردازش اطلاعات مفید از داده هاي خام، اسناد، دانش فردي یا مدلهاي کسب وکار براي حل مساله و تصمیم گیري استفاده می کند.متعاقبا این مطالعه یک KBS نمونه اي را به کار می گیرد تا مدیریت سیستم پایگاه داده ها ،مبتنی بر مدل، کسب دانش، سیستمهاي فرعی محاوره اي را براي ایجاد یک سیستم مبتنی بر دانش براي برنامه ریزي استراتژیک به یکدیگر متصل می کند .(BSCKBS) .
BSCKBS شامل چهار جز اصلی است: همانگونه که در شکل 1 نیز نشان داده شده  است،: سیستم فرعی مدیریت پایگاه داده ها، سیستم فرعی مبتنی بر مدل، سیستم فرعی کسب دانش، سیستم فرعی محاوره. سیستم فرعی مدیریت پایگاه داده ها شامل یک پایگاه رابطه اي است که توسط یک برنامه نرم افزاري مدیریت می شود و به نام سیستم مدیریت پایگاه داده ها شناخته می شود. و بازیابی سریع داده ها، به روز رسانی و ایجاد ارتباط بین داده ها را سریعتر می کند. پایگاه داده هاي BSCKBS شامل داده هاي فعلی و تاریخی، اطلاعات مالی و غیر مالی، پرسشنامه  تخصصی از کاربردهاي مختلف یا واحدهاي مختلف است. سیستم فرعی مبتنی بر مدل شامل مدل AHP است که سیستم را قادر به تعیین اوزان خاص استراتژي می کند.زبانهاي مدلسازي براي ساختن مدلهاي کافی به عنوان سیستم مدیري مبتنی بر مدل شناخته می شوند.این تحقیق بر استفاده از مدل AHP براي ارزیابی اوزان تصمیم گیري استفاده می شود. در عین حال، سیستم فرعی کسب دانش هر یک از سیستمهاي فرعی را پشتیبانی می کند و میت واند به صورت جداکانه نیز عمل کند.
سیستم فرعی کسب دانش گزینه هاي مختلف یا فعالیتهاي مختلف را براي تصمیم گیرندگان ارائه می کند.علاوه بر این سیستم فرعی کسب دانش می تواند با سیستم مبتنی بر دانش شرکت مرتبط شود.در نهایت، سیستم فرعی محاوره از محیط بسیار مناسب براي ارتباط و دستورگیري KBS از طریق این سیتمهاي فرعی عمل می  کند. بخش بعد هر یک از اجزا سیستم BSC مبتین بر دانش را به صورت مشروح بررسی
می کند و عملیات کاربردي را نشان می دهد.




 

1 -ساختار سیستم BSC مبتنی بر دانش شکل .(BSCKBS)

5.2 پایگاه داده ها
یک پایگاه داده، ساختار کامپیوتري مشترك است که منسجم، و مشترك است و مجموعه اي از داده هاي کاربر نهایی را که شامل حقایق خام مورد علاقه کاربر است ، در خود جمع آوري کرده است.که به ان داده درباره داده می گویند.یک سیستم مدیریت پایگاه داده ها(DBMS) نیازمند مدیریت داده ها،پاسخ به ، درخواستهاي موقت، بهبود دسترسی ،و کاهش عدم تطابق داده ها است. DBMS  مجموعه اي از برنامه هایی است که ساختار پایگاه داده ها را مدیریت می کند و دسترسی به داده هاي مشمول آنرا تسهیل می کند. DBMS مورد استفاده در اینجا از نرم افزار ACCESSبراي ایجاد پایگاه داده ها استفاده می کند و از ODBC براي ارتباط داده ها در پایگاه داده ها استفاده می کند. پایگاه داده مورد نظر در این تحقیق از پرسشنامه هاي تخصصی تشکیل می شود .پرسشنامه تخصصی به صورت الکترونیکی از تمام شرکت کنندگان جمع آوري می شود.داده ها همانگونه که در شکل 2 نشان داده شده است، جمع آوري می شود. ابتدا سیستم لیست شرکت کنندگان را شناسایی می کند. سپس متغیرهاي وابسته از دید BSC کسب می شوند  که شامل رشد و یادگیري، فرایند داخلی، دیدگاه مشتري و مالی است. پایگاه داده شامل اطلاعات زمان بندي شده مرتبط در سیستم مبتنی بر دانشKBS)BSC ،(BSC شامل ماتریس مقایسات زوجی است.ماتریس مقایسات زوجی براي تعیین ، اهمیت نسبی بین اجزا مختلف ایجاد می شود.یک مقیاس اسمی با ارزش ها از 1 تا 9
براي اندازه گیري اوزان مختلف استفاده می شود( جدول 1 ).سیستم ارزش مقایسه جفتی معیارها و استراتژي ها را به کمک سیستم BSC مبتنی بر دانش مبتنی بر وب در پایگاه داده ها وارد می کند .
 
شکل 2 : جمع آوري داده ها

 
5.3  پایه مدل
مدلهاي ریاضی براي استفاده در مسائل تصمیمی گیري با ساختار مناسب بسیار خوب هستند که منجر به راه حل هاي بهینه می شود. در حالیکه سیستم هاي مبتنی بر قانون دانشی، براي بحث درباره مسائل بدون ساختار و نیمه ساختار یافته مناسب تر هستند.الگوریتم هاي ذهنی براي کسب جوابهاي موجه استفاده می شوند. این مطالعه از یک مبناي مدلی بر سیستم پشتیبان تصمیم گیري براي توسعه مدل AHP  براي برنامه ریزي و مدیریت استراتژیک BSC استفاده می کند. یک نمایش سلسله مراتبی از یک سیستم است. براي تلخیص توابع AHP  روش به ،  صورت خلاصه آورده می شود:
مرحله 1- مساله تصمیم: وزن دهی به معیار انتخاب
مرحله 2- چارچوب انتخاب پرسنل
مرحله 3- استقرار سلسله مراتب تصمیم. این مرحله مسائل تصمیم گیري راا در ك
سلسله مراتب طبقه بندي می کند. همانگونه که در شکل 3 نمایش داده شده است.
BSCKBS  از یک سلسله مراتب سه سطحی براي ارتباط استراتژي BSC  با اهداف  سازمانی استفاده می کند.با توجه به رتبه بندي در رده اهمیت ، این سه سطح عبارتند از: 1- اهداف سازمانی، 2- چهار جزء BSCو 3- استراتژي هاي سازمانی.
مرحله 4: جمع آوري داده هااز پنل انتخابی
مرحله 5: استفاده از مقایسات زوجی. این مرحله شامل مقایسه گزینه هاي مختلف و معیارهاست. مقایسات زوجی براي هر جزء از سطح بالاتر بعدي انجام می شود. این مقایسه به کمک مقیاس استفاده شدهدر جدول 1 انجام می شود. این مقیاس مقایسات رابه صورت کلمه اي، و این مقایسات کلمه اي، به صورت عددي بیان می شوند.
BSC مجموعه اي از مقایسات زوجی را در قالب ماتریس مربع ارائه می کند مانند ماتریس A که  ارزش نسبی با توجه به فاکتور ، با توجه به فاکتورJ ام i است   و  .
   
 
شکل: 3 ساختار اولیه سلسله مراتب  BSC

مرحله 6: تخمین اوزان نسبی براي هر سطح سلسله مراتبی
مرحله 7: محاسبه درجه تطابق (CI)  و نسبت انطباق(CR)   براي بررسی اعتبار نتایج Saaty فرایند ساده اي را براي بررسی انطباق پیشنهاد کرده است.سپس از فرایند AHPبراي تعیین درجه انطباق براي ماتریس استفاده می شود. اگر ارزش CR بیش از 0.1 که حد بالاي قابل قبول CRاست، باشد، آنگاه احتمال 10 % را نشان می دهد که اجزا به صورت مناسب با یکدیگر مقایسه نشده اند.
اگر ماتریس مقایسات زوجی، منطبق باشد، حداکثر مقدار مشخصه λ باید برابر با تعداد ردیف هاي آن باشد.(n) تفاوت بین این دو عدد براي ارزیابی انطباق  استفاده می شود. درمرجع ردیفها، محاسبات نسبت انطباق براي قضاوت درباره درجه انطباق استفاده می شود. اگر شاخص انطباق(CI)< 0.1باشد، سطح انطباق رضایت بخش است. ارزیابی در صورت شناسایی هر گونه عدم انطباق قابل اجراست. نسبت انطباق(CR)براي تعیین انطباق منطقی محاسبه می شود. نسبت انطباق به این ترتیب محاسبه می شود:
نسبت انطباق=(CR)  CI/RI
که = CI شاخص انطباق = (1- n) (n-&lambda;) و λ متوسط مقیاس انطباق براي تمام گزینه ها ست. N  برابر تعداد گزینه ها، و RI شاخص تصادفی مناسب است.
مرحله 8: محاسبه اوزان نسبی رتبه بندي با درجه قابل قبول انطباق براي انتخاب معیار.
5.4 علت یابی بر مبناي قاعده
ارائه دانش، در عیت یابی دانشی مهم است. ارائه مناسب دانش، بر عملکرد سیستم اطلاعاتی اثرگذار است. علت یابی بر مبناي قاعده نیازمند دامنه با ساختار مناسب و مبناي دانشی است. سیستمهاي مبتنی بر قاعده،(RBS) ، از طرح نمایشی فرایندي  بر مبناي قاعده اگر، آنگاه ،براي تشریح دانش دامنه استفاده می کنند (delaOssa)
Flores, Ga´mez, Mateo, & Puerta, 2007; Lau, Choy, Lau,Tsui, &
Choy, 2004; Sedbrook, 2001; Wang, 2005; Wanget al., 2007
قواعد به صورت " اگر" (شرط) ، آنگاه ( عمل) است. هر چند سیستمهاي مبتنی بر قاعده ،(RBS) ، همواره شامل قوانین با نوع " اگر مقدم، آنگاه تالی" هستند اما انها  در تئوري در نظر گرفته شده ( از لحاظ قاعده اي و معنی) با یکدیگر متفاوت هستند.(مانند منطق چند معیاره تصمیم گیري) در این تحقیق BSCKBS  بر منطق چندمعیاره تصمیم گیري تمرکز دارد ، یعنی AHP مبتی بر قانون با کاربرد دو نوع متفاوت سیستم هاي مبتنی بر قانون: قانون انطباق و قانون وزن.
 
جدول2 :  انواع مختلف قوانین تصمیم گیري
براي شفاف سازي فرایند زنجیره اي، جدول 2 مثالهاي مختلفی از قوانین مختلف که در BSC مبتنی بر دانش (BSCKBS) براي برنامه ریزي استراتژیک ،استفاده می  شود را نشان می دهد.
5.5 فرایند استقرار برنامه ریزي استراتژي سازمانی
برنامه ریزي استراتژیک براي اجراي استراتژي مهم است. این تحقیق شیوه منسجمی براي کارت امتیازي متوازن و سیستم مبتنی بر دانش با استفاده از AHP ارائه می کند و سپس یک سیستم ذهنی BSCKBS براي برنامه ریزي  استراتژیک ایجاد می کند که استراتژي هاي مدیریتی و عملیاتی شرکت را به کمک دیدگاههاي BSC تعیین یا انتخاب می کند. BSCKBS ذهنی می تواند به سرعت برنامه ریزي استراتژیک را مستقر کند.
براي استقرار BSCKBS  مرحله اول، شامل مصاحبه تیمی براي تایید دیدگاههاي ، عملکردي و مدیریت استراتژي به کمک تکنیک دلفی است. که هم رایی بر پایه نظارت تیم ایجاد می شود.متعاقبا، بر پایه نظارت و قضاوتهاي تیم به منظور کسب وزنهاي استراتژي اجرا می شود.
 
شکل 4: فرایند تعریف استراتژي هاي سازمانی
فرایند سیستمی در شکل 4 نشان داده شده است:
مرحله 1: ترجمه چشم انداز:
رهبران مدیریت ، اعضاي تیم پروژه را در حوزه هاي کلیدي براي نظارت و شناسایی پویایی هاي محیط کمک می کنند و چشم اندازي براي تیم پروژه و کسب وکار ارائه می کنند.
اعضاي تیم باید چشم انداز وماموریت سازمان را برپایه نظر رهبر یا تحلیل استراتژي تعیین و آن چشم انداز را در سازمان مستقر کنند،
مرحله 2: انتقال وبرقراري ارتباط
سیستم مبتنی بر وب BSCKBS  چارچوب مباحثه اي را با فضاي مجازي ارائه می کند. اعضاي تیم پروژه، از BSCKBSبراي انتقال استراتژي استفاده می کنند.
مرحله 3: برنامه رریزي کسب وکار و استراتژي
تیم ایده هاي استراتژیک بسیار خلاقانه و موثر را ایجاد می کند که به تغییرات در برابر کسب وکار پاسخگو باشد. اعضاي تیم یراي تنظیم استراتژي هاي شفاف کسب وکار بر پایه تحلیل کلی تلاش میکنند.
مرحله 4: تعریف استراتژي سازمانی
پس از تعریف و شفاف سازي چشم انداز و ماموریت سازمان، اعضاي تیم تلاش می کنند استراتژي هاي سازمانی را به کمک BSCKBSطراحی کنند. تیمها، استراتژي  ها را بر مبناي مزیاي رقابتی ماندگار ایجاد می کنند.
نتیجه گیري و تحقیقات آتی
6.1 نتیجه گیري
این کار بر این سوال که مدیریت چگونه می تواند اهداف و مقیاس ها را با کمک سلسله مراتب کارت امتیازي متوازن انتخاب کنند، می پردازد.این تحقیق KBSرا براي بررسی این سوال به کار می برد ، به عبارتی سیستم BSCKBS. متعاقبا این تحقیق طراحی یک سیستم BSCKBS را براي برنامه ریزي و مدیریت استراتژیک  شرح می دهد.بخش بالقوه این تحقیق، به این ترتیب است: اول، این تحقیق ابزار منطقی و و قابل اطمینان براي تک تک واحدهاي کسب وکار و براي تشریح و استقرار برنامه ریزي استراتژیک ارائه می کند. این تحقیق از شیوه غیرپارامتریک AHP براي تحلیل استراتژي هاي سازمانی و اوزان نسبی آنها استفاده می کند.بنا براین ،این تحقیق استفاده از فرایند تحلیل سلسله مراتبی براي اولویت دهی تمام مقیاس ها و استراتژي ها در یک سیستم BSC مبتنی بر دانش را پیشنهاد می  کند.دوم، این سیستم می تواند در تعیین اوزان استراتژي هاي خاص کمک کند. BSCKBSهوشمند می تواند مشتریان را کمک کند تا برنامه هاي استراتژي را به منظور کسب نتایج بهتر کسب وکاربه صورت اثربخش اجرا کند. بنابراین، سیستم BSCKBS
هوشمند، براي شروع و کسب وکارهاي بالغ و واحدهاي استراتژیک کسب وکار مفید است.
6.2 کاربرد و تحقیقات آتی
این تحقیق نتایج تئوریکی ، تحقیقی و عملی را نتیجه گیري می کند. این تحقیق کاربردهاي عملی زیادي دارد. BSC ابزار مفیدي براي تعیین اهداف و مقیاس هاي مناسب براي تسهیل دستیابی به اهداف ارائه می کند. مدیریت براي یادگیري نحوه اجراي  BSCKBS براي دستیابی به مزایاي رقابتی سازمانی و برنامه ریزي استراتژیک اثربخش تلاش میکند.این تحقیق نتیجه می گیرد که مدیران شرکت یا سازمان، از این تحلیل ها براي شناسایی و مدیریت شاخص هاي استراتژیک و ارتباط زمانی که BSCKBSرا انطباق می دهد، استفاده می کند.  تحقیقات آتی می تواند در توسعه BSCKBS کمک کند، که نه تنها شامل مفهوم معماري BSCKBS شوند، بلکه استفاده کاربردي انرا نیز نشان دهند.
اول BSCKBS ، مبتنی بر شبکه وب است ،و از ویندوز براي دسترسی به اینترنت استفاده می کند.این سیستم با استفاده از HTML و ASPطراحی شده است.و به  کمک پایگاه داده ACCESSمدیریت می شود. دوم، اخیرا سیستمهاي علت یابی مبتنی بر قاعده (RBR) ،مبتنی بر مورد ،(CBR) و مبتنی بر مدل (MBR) به عنوان متدولوژي هاي مهم و تکمیلی براي کاربرد در سیستمهاي هوشمند ، ظهور کردند .براي حل مسائل پیچیده، ادغام RBR,CBR,MBR، در تصمیم گیري مهم است.در آینده BSCKBS باید RBR,CBR,MBR را به منظور برنامه ریزي استراتژیک و اجراي استراتژي ادغام کرد.
در نهایت، پیشنهاد می شود که شیوه بررسی ده ر این تحقیق، در سایر صنایع و شرکتهانیز اجرا شود.مطالعات آتی باید بر اعتبار BSCKBS پیشنهاد شده و اهداف استراتژیک مرتبط و مقیاس هاي عملکردي ، استقرار BSCKBSبراي سایر شرکتها  و سازمانها تمرکز کند، تا اثربخشی آنرا براي برنامه ریزي استراتژیک آزمون کند.

ارسال شده توسط احمد محمدی | 28 12, 2013 | بازدید‌ها (562)
چارچوب توسعه‌یافته DSS

سیستم‌های پشتیبان تصمیم را می‌توان به عنوان دسته‌ای کلی از سیستم‌های اطلاعات مورد استفاده در زمینه اگاهی‌دادن و پشتیبانی از تصمیم‌گیران تعریف کرد. DSSتلاش می‌کند تا فرایندهای بین افراد تصمیم‌گیرنده یا مرتبط با تصمیم‌گیران را بهبود و سرعت بخشد. برای مدیران و طراحان DSSضروری است که از دسته‌بندی سیستم‌های پشتیبان تصمیم اگاهی داشته باشند. سپس می‌توانند ارتباطات را برای استقرار سیستم‌هایی برای اگاهی‌دادن و پشتیبانی از تصمیم‌ها بهبود بخشند.

حجم زیادی از چارچوب‌‌ها برای دسته‌‌بندی سیستم‌های پشتیبان تصمیم وجود‌‌دارد. سیستم‌های پشتیبان تصمیمدر مواردی گوناگون به کار می‌روند. تاکید این سیستم‌ها بر داده، مدل و ارتباطات است. همچنین انها در حوزه عمل با هم فرق دارند. بعضی برای کاربران اولیه طراحی می‌شوند و در تجزیه و تحلیل خود‌اتکا هستند و بعضی دیگر برای کاربران زیادی در سازمان اختصاص می‌یابند.

چارچوب مورد بحث بر یک بعد اصلی با پنج نوع DSSو سه بعد جانبی تمرکز می‌کند که در ادامه انها را بررسی می‌کنیم.

  • DSSداده‌محور

اولین نوع سیستم‌های پشتیبان تصمیم کلی، داده‌گرا هستند. این سیستم‌ها، شامل سیستم‌های دریافت فایل و گزارش‌دهی مدیریت، انبارداری و تجزیه و تحلیل داده‌ها، اطلاعات مدیران اجرایی و سیستم فاصله‌ای هستند. DSSداده‌‌محور، بر امکان دسترسی و تغییر در پایگاه داده‌های بزرگ ساختار یافته، تاکید کرده و به ویژه در سری‌های زمانی از داده‌های داخل شرکت و گاهی نیز از داده‌های خارجی استفاده می‌کند. سیستم‌های انبار داده اجازه تغییر داده‌ها را با ابزار کامپیوتری می‌دهند، یا به منظور انجام وظیفه‌ای خاص، ایجاد و مستقر می‌شوند و یا همراه با ابزار کلی و عوامل دیگر، کارایی بیشتری را فراهم می‌اورند.

  • DSSمدل‌محور

DSSمدل‌محور شامل سیستم‌هایی می‌شود که از مدل‌های مالی و حسابداری، مدل‌های توصیفی و مدل‌های بهینه‌سازی استفاده می‌کنند. DSSمدل‌محور، بر دستیابی به مدل و ایجاد تغییر در ان تاکید دارد. ابزار ساده اماری و تحلیلی، سطوح ابتدایی عملکرد را امکان‌پذیر می‌کنند. DSSمدل‌محور از داده‌ها و عواملی که توسط تصمیم‌گیران فراهم شده‌اند، استفاده می‌کند تا در تجزیه و تحلیل وضعیت به انها کمک کند، اما گاهی داده‌ها متمرکز نیستند. پایگاه‌های داده خیلی بزرگ، معمولا به DSSمدل‌محور نیازی ندارند.

  • DSSدانش‌محور

DSSدانش‌محور می‌تواند انجام کارهایی را به مدیران پیشنهاد کند. این DSS‌ها، سیستم‌های فردی کامپیوتری هستند که در حل مسائلی خاص خبره‌اند. واژه خبره به معنی داشتن دانش در یک حوزه، توانایی فهم مسئله در ان حوزه و دانش مهارت برای حل چنین مسائلی استفاده می‌شود. مفهوم داده‌کاوی، به این مورد مرتبط است. این ارتباط به کاربردهای تحلیلی باز می‌گردد که الگوهای پنهان را در پایگاه داده جست‌وجو می‌کند. ابزار که برای ایجاد DSSدانش‌محور به کار گرفته می‌شوند، گاهی «روش‌های پشتیبانی تصمیم هوشمند» نیز نامیده می‌شوند.

  • DSSسند‌محور

به تازگی نوع جدیدی از DSS، تحت عنوان DSSسند‌محور یا سیستم دانش مدیریت به وجود امده‌است تا به مدیران در بازیابی و مدیریت اسناد و صفحات وب ‌ساختار نیافته، کمک کند. یک DSSسند‌محور، انواع مختلفی از فناوری‌های انبارداری و پردازشی را یکپارچه می‌کند تا سندی کامل، بازیابی‌شده و تجزیه و تحلیل‌شده را تهیه کند. وب امکان دسترسی به حجم عظیمی از پایگاه‌‌های داده (پایگاه‌های داده ترکیبی اسناد متنی، تصاویر، صوت‌ها و فیلم) را فراهم می‌کند. رویه‌ها و سیاست‌‌ها، کاتالوگ‌های خصوصیات تولید، اسناد تاریخی شرکت، مثال‌هایی از اسنادی هستند که به وسیله DSSسند‌محور در دسترس قرار می‌گیرند و شامل دقایقی از جلسات، یادداشت‌های شرکت و توافقات مهم نیز می‌شوند. یک موتور جست‌وجو، ابزار کمکی قدرتمندی برای تصمیم‌گیری بوده و با DSSسند‌محور در ارتباط است.

  • DSS‌گروهی و ارتباطات محور

سیستم‌های پشتیبان تصمیم گروه[1] (GDSS) از مدت‌ها پیش مطرح‌شده‌اند، اما در حال حاضر دسته وسیع‌تر DSSارتباطات محور یا گروه افزار را می‌توان تعریف کرد.

DSSگروهی، نوعی سیستم پشتیبان تصمیم ترکیبی است که بر استفاده از ارتباطات و مدل‌های تصمیم‌گیری تاکید دارد. سیستم پشتیبان تصمیم گروه یک سیستم فعل و انفعالی مبتنی بر رایانه است که تلاش می‌کند حل مسائل تصمیم‌گیرانی که با هم و به عنوان گروه کار می‌کنند، تسهیل‌ شود. گروه‌افزار از ارتباطات الکترونیکی، زمان‌بندی، اشتراک اسناد و دیگر فعالیت‌هایی که مربوط به بهره‌‌وری گروه و پشتیبانی تصمیم می‌شود، حمایت می‌کند. تعداد زیادی از توانمندی‌ها و فناوری‌ها مانند DSS‌گروهی، پست الکترونیکی، تابلوهای تبلیغاتی و ویدئو کنفرانس، در این دسته از چارچوب‌ وجود دارند.

  • DSSدرون سازمانی و برون ‌سازمانی

هدف‌های نسبتا جدید برای کاربران DSSکه به دلیل استفاده از فناوری‌های جدید و رشد سریع اینترنت قابل دسترس شده‌است، مشتریان و عرضه‌کنندگان هستند. این نوع DSSرا که برای کاربران خارج از سازمان هدف‌گذاری شده‌است DSSدرون سازمانی می‌نامیم. اینترنت، لینک‌های ارتباطاتی لازم برای انواع زیادی از سیستم‌‌های درون‌سازمانی را ایجاد کرده‌است که شامل DSSنیز می‌شود. DSSدرون‌سازمانی، امکان دسترسی به شبکه داخلی سازمان را فراهم می‌کند و مزایا و اختیارات استفاده از امکانات یک DSSخاص را فراهم می‌سازد. شرکت‌ها می‌توانند یک DSSداده‌محور را برای دسترسی عرضه‌کننده‌ها یا یک DSSمدل‌محور را برای دسترسی مشتریان برای طراحی یا انتخاب یک محصول ایجاد کنند. بیشتر DSSها برون سازمانی هستند که در یک سازمان برای استفاده‌های فردی به عنوان DSSهای مستقل یا برای استفاده گروهی از مدیران در شرکت به عنوان DSSگروهی یا برای کاربرد گسترده تجاری طراحی شده‌اند. پیشوند برون به این معنی است که DSSدر یک سازمان خاص استفاده می‌شود و پیشوند درون به معنی ان است که DSSبه طور گسترده‌ای مورد استفاده قرار می‌گیرد.

  • DSSبا عملکرد ویژه یا هدف عمومی

بسیاری از DSSها برای پشتیبانی از عملکردهای خاص تجاری و یا استفاده در انواع کسب‌و‌کارها و صنایع طراحی شده‌اند. این سیستم‌های پشتیبان تصمیم را DSSدارای عملکرد ویژه یا DSSصنعت خاص می‌نامند. یک DSSعملکرد ویژه مانند یک سیستم بودجه‌بندی ممکن است از یک فروشنده خریداری یا به منظور استفاده در اهداف کلی سفارش‌شده‌باشد. فروشنده DSSرا برای حوزه‌های عملکردی کسب‌و‌کار مانند بازاریابی و مالی توسعه می‌دهد. بعضی DSSها برای این طراحی شده‌اند که وظیفه تصمیم‌گیری در صنایع خاص مانند برنامه‌ریزی خدمه در یک خط هوایی را برعهده گیرند. یک DSSدارای وظیفه خاص، نقش بسیار مهمی در حل مسائل روزمره یا در تصمیم‌گیری‌های تکراری برعهده دارد.

DSSدارای عملکرد یا وظیفه خاص، می‌تواند برحسب اجزای DSSغالب دسته‌بندی و درک ‌شود که به عنوان یک DSSمدل‌محور، داده‌محور یا DSSپیشنهادی مطرح می‌شود. این سیستم دانش مربوط به یک تصمیم را در مورد وظایفی که سازمان انجام می‌دهد، نگهداری و هدایت می‌کند (مثلا وظیفه تولید یا بازاریابی) این نوع از DSSها براساس هدف دسته‌بندی می‌شود. DSSعملکرد خاص به گروه یا شخص کمک می‌کند که یک وظیفه تصمیم‌گیری خاص را انجام ‌دهد. نرم‌افزار DSSدارای هدف کلی از وظایفی مانند مدیریت پروژه، انالیز تصمیم یا برنامه‌ریزی کسب‌و‌کار حمایت می‌کند. بیشتر سیستم‌های پشتیبان تصمیم با هدف کلی، گاهی به عنوان DSSمولد نیز شناخته می‌شوند. زیرا می‌توانند برای توسعه یا ایجاد بیشتر DSSهای خاص، مورد استفاده قرار گیرند. DSSهای مولد به نحوی طراحی شده‌اند که در خصوص ایجاد یا تولید کاربردهای سریع نیز مورد استفاده قرار گیرند، انها نه کاربردهای کاملی هستند مانند DSSهای سازمانی و نه زبان خاصی دارند، اما دربرگیرنده ترکیبی از زبان‌ها، قابلیت‌های گزارش‌دهی، تسهیلات گرافیکی و امکاناتی نظیر انها بوده و می‌توانند انها را در اختیار کاربران قرار دهند، تا هر زمان که مورد نیاز باشد، بتوانند یک DSSجدید ایجاد کنند.

  • DSSمبتنی بر وب

زمینه فعالیت این فناوری ممکن است در محدوده رایانه مرکزی، شبکه محلی و یا ساختاری بر مبنای وب باشد. همه موارد کلی DSSکه بحث شد، می‌توانند با استفاده از فناوری‌های وب گسترش یابند. این سیستم‌ها را DSSهای وب‌ محور می‌نامند. یک DSSوب محور سیستمی رایانه‌ای شده‌است که اطلاعات پشتیبان تصمیم را نشان می‌دهد یا ابزار پشتیبان سیستم را برای مدیران فراهم می‌کند. تحلیلگران کسب‌و‌کار از مرورگرهای مختلفی استفاده می‌کنند. رایانه سرور که میزبان برنامه‌های DSSاست، به رایانه کاربران وصل می‌شود. در بسیاری از شرکت‌ها، DSSوب‌ محور با DSSشبکه داخلی یا DSSتجاری گسترده، مترادف است. شبکه داخلی شرکت، مدیران زیادی را که از جست‌وجوگرها در محیط شبکه استفاده می‌کنند، پشتیبانی می‌کند. مدیران، به طور فزاینده‌ای در حال دسترسی به پایگاه‌های داده و ابزار تجزیه و تحلیل هستند. همچنین فناوری‌های وب، ابزار اولیه‌ای هستند که برای ایجاد DSSهای درون سازمانی مورد استفاده قرار می‌گیرند که از تصمیم‌گیری مشتریان و عرضه‌کنندگان پشتیبانی می‌کنند. فناوری‌های اینترنت یا وب، خطوطی راهنما برای ایجاد DSSهستند، اما بعضی DSSهای برون سازمانی با استفاده از زبان‌های برنامه‌نویسی ابتدایی ایجاد می‌شوند، مانند فناوری‌ تواناسازی رایانه‌های مرکزی.

 
ارسال شده توسط احمد محمدی | 24 12, 2013 | بازدید‌ها (634)

از سیر تا پیاز DSS

انواع سیستم های اطلاعاتی
سیستمهای پردازش تراکنش TPS
سیستم های اطلاعات مدیریتMIS
سیستم های پشتیبان تصمیم گیری  DSS
سیستم های پشتیبان مدیران ارشد ESS

سیستم پشتیبان تصمیم گیری  (DSS) چیست؟
تعریف سیستم پشتیبانی از تصمیم (Dss: Decision support system)
مجموعه ای از برنامه ها و داده های مرتبط بهم که برای کمک به تحلیل و تصمیم گیری طراحی می شوند.کمک این گونه سیستم ها در تصمیم گیری بیش از سیستم های مدیریت اطلاعات (MIS) یا سیستم های اطلاعات اجرایی(EIS) است.

اجزای DSS :
این سیستم ها دارای یک بانک اطلاعاتی متشکل از دانش موجود درباره ی موضوع و یک زبان که برای فرموله کردن مسائل و پرسش بکار میرود و یک برنامه مدلسازی برای ازمایش تصمیمات ممکن هستند.
هر سیستم پشتیبان تصمیم گیری دستیابی به سه هدف اصلی را دنبال می کند:
1) کمک به مدیر برای تصمیم گیری در مورد مسائل نیمه ساخت یافته
2) پشتیبانی تصمیم گیری انجام شده توسط مدیر و نه جایگزینی ان
3) بهبود کارائی تصمیم گیری و توجه بیشتر به اثر بخشی ان
 
اجزای DSS
1-   بانک مدلها
2-   بانک اطلاعاتی
a.   داده های خارجی
b.   داده های داخلی
3-   سیستم مدیریت بانک اطلاعاتی
4-   سیستم مدیریت مدلها
5-   نرم افزار مدیریت

فرآیند DSS
الف)یکی از مهم ترین سیستمهای اطلاعاتی است که مدیران رده بالای هر سطح  سازمان را درامرتصمیم  گیری وهدایت سیستم، یاری می کند.   DSS پشتیبان، تصمیم گیری های مدیر است  و  تصمیم گیری نهایی با مدیر است.

   ب)

Data Analysis     
Data   Mining     
Intelligent Agent


نرم افزار های گروه گرا(GroupWare) :
نرم افزاری که به گروهی از کاربران یک شبکه امکان میدهد تا در رابطه با یک پروژه ی خاص با یکدیگر همکاری کنند. این گونه نرم افزار ها ممکن است خدماتی برای بر قراری ارتباط (مثلا پست الکترونیکی) و تئلید جمعی سند ها و زمان بندی و پیگیری فراهم کنند.سندها ممکن است حاوی متن و تصاویر یا دیگر اشکال اطلاعاتی باشند.
نرم افزار گروه گرا :که امکان فعالیت چندین حل کننده ی مسئله را در کنار هم برای هر راه حل فراهم می کند که در این مورد به عنوان سیستم پشتیبان تصمیم گیری گروهی بکار می رود.

این سیستم پشتیبان تصمیم گیری از بخش های زیر تشکیل شده است:
-مدیریت تقاضا و مدیریت ارشد
-برنامه ریزی احتیاجات مواد(MRP)
-کنترل فعالیت های تولید/ زمانبندی تامین کنندگان
-بانک اطلاعات
-زمانبندی خط مونتاژ
-هماهنگ کننده کارخانه
-رابط کاربر

هدف اصلی ایجاد یک سیستم پشتیبان تصمیم گیری برای کمک به زمانبندی تولید خط مونتاژ نهایی است به نحوی که تصمیم گیرنده بتواند امر هماهنگی تمامی اجزای کارخانه را طوری انجام بدهد که:
1) از موجودی انبارها بتواند یک برنامه تولیدی استخراج نماید
2) از موجودی های در جریان ساخت و انبار محصول نیمه ساخته بهترین استفاده را بنماید
3) فیدبک های لازم را در جهت تعیین بهترین برنامه خطوط مونتاژ ارائه دهد
4 ) پیشنهادات سفارشات جدید رد یا قبول نماید
5) در مقابل حوادث برهم زننده برنامه ریزی تولید واکنش نشان دهد

FCDSS طراحی شده شامل دو بخش زیر می باشد
۱. زمانبندی و ارسال کننده سطح کارخانه : توسعه خطوط راهنمای زمانبندی در سطح کارخانه و بکارگیری آن برای تهیه برنامه زمانبندی زمان واقعی برای کارگاه ها و خطوط مونتاژ
۲ . نظارت کننده سطح کارخانه: نظارت بر پیشرفت جریان تولید

الگوریتم فرآیند پشتیبانی تصمیم گیری
گام ۱ ( با انتخاب یک محصول به عنوان محصول مورد نظر برای تولید، DSS ابتدا با بررسی فایل وضعیت اطلاعات مقایسه ای میان میزان دردسترس بودن مواد موجود در کارخانه با مواد مورد نیاز تولید آن محصول بر اساس لیست مواد(BOM) آن صورت می دهد و فایل میزان دردسترس بودن را استخراج و عمل تفکیک بین قطعات دردسترس و غیر دردسترس (مورد نیاز به ساخت) را صورت خواهد داد. این میزان، شاخصی برای امکان تولید آن محصول بر اساس وضعیت موجود کارخانه است.

پنج مورد از خصوصیات سیستمهای DSS 
1-یک سیستم پشتیبان تصمیم ، با کنار هم قرار دادن افکار انسانی و اطلاعات رایانه‎ای، از تصمیم‎گیرندگان حمایت و پشتیبانی می‎کند.
2- این سیستمها برای پشتیبانی سطوح گوناگون مدیریت، از مدیران ارشد تا عملیاتی ارائه می شود.
3-انعطاف پذیر است.
4- قدرت ریسک را بالا می برد.
5- سبب بهبود بخشیدن  دقت، کیفیت، بروز بودن تصمیمات در تصمیم گیری می شود

DSS اولین بار در سالهای 1970 توسط آقای Lester مطرح شد.
از بدو ظهور ایده تصمیم گیری به کمک کامپیوتر در انستیتو تکنولوژی کارنگی "CARNEGIE" تا به امروز، تعاریف متعددی برای DSS پیشنهاد شده است . این تعددتعابیر تاحدودی به سیر تکاملی این رویکرد بازمی گردد. تعاریف اولیه بیشتر بر قابلیت DSS درحل مسائل نیمه ساختاریافته تمرکز داشته اند و تعاریف بعدی اجزای اصلی سیستم و فرایند طراحی آن را موردتوجه قرار داده اند. دلیل دیگر این اختلاف ، در زوایای نگرش متفاوت به موضوع نهفته است .

مفهوم سیستم تصمیم یار
همانگونه که گفته شد سیستم های اطلاعات مدیریت اشکالاتی دارد که سیستم های پشتیبانی تصمیم برای رفع آنها بوجود آمده است. سیستم اطلاعات مدیریت به منظورتدارک پشتیبانی شخصی برای هر مدیرنمی باشد. این ضعف سیستم اطلاعات مدیریت، اقداماتی را باعث شد که منتهی به مفهوم سیستم پشتیبانی تصمیم گشت.
مفهوم سیستم پشتیبانی تصمیم ،شکستهای اولیه سیستم اطلاعات مدیریت راتجربه نکرد. به احتمال قوی دلیل اصلی آن، دامنه محدودترسیستم پشتیبانی تصمیم است. برخورد ملایم تر سیستم پشتیبانی تصمیم، شانس موفقیت خود را حداکثر می کند.
این سیستمها،منابع انسانی (اگاهیهای فردی ) را با قابلیتهای کامپیوتری ترکیب میکنند تا باعث ارتقاء کیفیت تصمیم گیریها مخصوصا در مورد مسائل نیمه ساخت یافته شوند.
سیستم‌های پشتیبانی تصمیم، سیستم‌هایی هستند که منابع فکری افراد را با قابلیت‌های کامپیوتر، جهت بهبود کیفیت تصمیمات به کار می‌گیرند. این سیستم‌ها، معمولاً برای حل مسائل نیمه ساخت یافته به کار می‌روند.
 سیستم‌های پشتیبانی تصمیم، سیستمهای تعاملی مبتنی بر کامپیوتر می ‌باشند که تصمیم‌گیران را یاری می‌کنند تا با به‌کارگیری داده‌ها و مدل‌ها، مسائل نیمه‌ساخت‌یافته را حل نمایند.

به طور خلاصه می توان سیستمهای حمایت ازتصمیم(DSS)را به این گونه ها تعریف کرد :
این سیستمها،منابع انسانی (اگاهیهای فردی) را با قابلیتهای کامپیوتری ترکیب میکنند تا باعث ارتقاء کیفیت تصمیم گیریها مخصوصا در مورد مسائل نیمه ساخت یافته شوند .
سیستم پشتیبان تصمیم گیرا  یک سیستم اطلاعاتی  کامپیوتری دوطرفه  (Interactive) است که انعطاف پذیر و وفق پذیر می باشد که بطور اختصاصی برای پشتیبانی حل یک مسئله غیرساخت یافته مدیریتی استفاده می شود .

خصوصیات کلی سیستمهای تصمیم یار :
•   سیستمی  است که به منظور پشتیبانی از تصمیم‌گیری نیمه‌ساخت‌یافته بکار می رود.
•   بر خط (On-line) است .
•   رابط کاربر و خروجی‌های گرافیکی می باشد .
•   یک سیستم برپایه کامپیوتر است که از تکنولوژی ها و متدولوژی های کامپیوتری استفاده می کند .
•   به تصمیم گیری کمک می کند ولی جایگزین فرد تصمیم گیر نمی شود.
•   از پایگاههای داده ، مدلهای تحلیلی و محاسباتی و سیستم های خبره درحل مسائل استفاده می کند.
•   قابلیت بکارگیری درحل مسائل نیمه ساختاریافته و بی ساختار را داراست ;
•   قابلیت پشتیبانی از تصمیم گیریهای فردی و گروهی "GDSS" را دارد;
•   برای کلیه سطوح مدیریتی قابل استفاده است ;
•   دقت ، سرعت و کیفیت تصمیم گیری را بهبود می بخشد "بهبود اثربخشی " ولی درراندمان تصمیم گیری "هزینه تصمیم گیری " تاثیری ندارد;
•   سیستم های DSS به سمت قابلیت های یادگیری و خلاقیت ، کارکرد شبکه ای و سهولت بهره برداری به پیش می رود
•   DSS ، تصمیم گیران سازمان را با کنار هم آوردن قضاوت انسانی و اطلاعات کامپیوتری شده در حل مسائل ساخت یافته و نیمه ساخت یافته یاری می‌کند، که اینگونه مسائل قابل حل با سیستمهای کامپیوتری دیگر و یا ابزارها و متدهای استاندارد نیستند.
•   پشتیبانی برای سطوح مختلف مدیریتی از سطوح استراتژیک گرفته تا مدیران عملیاتی فراهم می‌شود
•   پشتیبانی هم برای تصمیم گیری انفرادی و هم تصمیم گیری گروهی وجود دارد .
•   DSS برای چندین تصمیم گیری مرتبط با هم و یا تصمیم گیریهای متوالی پشتیبانی فراهم می‌‌کند.
•   DSS تمام مراحل تصمیم گیری را که: هوش (جستجوی شرایطی که نیاز به تصمیم گیری دارند) ، طراحی (اختراع، توسعه و بررسی گزینه‌های موجود برای پیاده کردن تصمیم) ، انتخاب ( انتخاب یکی از گزینه‌های ممکن) و پیاده سازی است را پشتیبانی می‌کند .
•    انواع مختلف فرآیندهای تصمیم گیری را پشتیبانی می‌کند .
•    DSS انعطاف پذیر است طوریکه کاربران بر حسب تغییراتی که بوجود می‌آید می‌توانند سیستم را نسبت به نیاز خود شکل دهند، به این معنی که عناصر اصلی را اضافه، حذف، ترکیب و یا سازماندهی دوباره کنند.
•    DSS در تلاش است که تاثیر گذار بودن تصمیم گیری یعنی دقت، بروز بودن تصمیمات را بهبود ببخشد.
•     تصمیم گیرنده بر تمامی مراحل تصمیم گیری در حل یک مسئله تسلط دارد .
•    DSS از مدلها برای ارزیابی موقعیتهای تصمیم گیری استفاده می‌کند. توانایی مدل کردن باعث می‌شود که استراتژیهای مختلف را در ترکیبها و شرایط مختلف بتوانیم بررسی کنیم .
•    DSS دستیابی به انواع مختلف منابع داده با فرمتهای گوناگون را فراهم می‌کند 

بطور کلی دلایل استفاده از سیستم DSS:

•   محاسبه سریع: کامپیوتر به تصمیم گیرنده اجازه می‌دهد مقادیر بسیار زیادی از داده را در مدت زمان کوتاه و با هزینه کمی پردازش کند .
•   غلبه بر محدودیتهای انسانی محاسبات و ذخیره سازی: مغز انسان در تجزیه و تحلیل اطلاعات و همچنین یادآوری آنها دارای محدودیت است .
•   محدودیتهای انسانی: قدرت حل مسئله یک فرد دارای محدودیت است
•   کاهش هزینه: کنار هم آوردن گروهی از تصمیم گیران مخصوصاً کارشناسان ممکن است هزینه زیادی داشته باشد
•   پشتیبانی فنی: بسیاری از تصمیمات محاسبات پیچیده‌ای را می‌طلبند
•   پشتیبانی کیفیت: سیستمهای کامپیوتری تصمیم گیرا می‌توانند کیفیت تصمیمات اتخاذ شده را بهبود بخشند.
•   رقابت: فشار رقابتی تصمیم گیری را مشکل می‌کند

دلایل نیاز به سیستم های مکانیزه حمایت از تصمیم گیری:
1)   محدودیتهای فکری بشر در پردازش وذخیره سازی: چون توانایی ذهن بشر در پردازش ذخیره ودسترسی به اطلاعات محدود است با استفاده ازاین سیستمها می توانیم این محدودیت را برطرف کنیم.
2)   محدودیتهای دانش: اگر برای حل یک مساله نیاز به اطلاعات ودانشهای متنوعی باشد توانائی یک فرد در حل ان مسئله محدود میباشدواگر بخواهیم از چندین متخصص در هر زمینه استفاده کنیم هماهنگی وارتباط بین این افراد مشکل خواهد بود.سیستمهای کامپیوتری این مشکلات را حل کرده ومی توانند به سرعت به حجم زیادی اطلاعات دسترسی پیدا کرده وانها راپردازش کنند همچنین میتوانند هماهنگی وارتباط بین ان افراد را اسان کنند.
3)   کاهش هزینه: حمایت کامپیوتری باعث کاهش تعداد افراد گروه می شود وامکان برقراری ارتباط از مناطق مختلف را برای اعضای گروه فراهم می سازد و همچنین باعث افزایش بهره وری بخش ستادی میشود که همه این موارد منجر به کاهش هزینه خواهد شد.
4)   حمایت فنی: کامپیوترها می توانند به سرعت وبه شکل مقرون به صرفه ای داده های لازم را جستجو وذخیره کنند یا انتقال دهند.
5)    حمایت از کیفیت: سیستمهای کامپیوتری با اجرای سریع شبیه سازیهای پیچیده به مدیران کمک میکنند تا امکانها و راهکارهای گوناگون را بررسی وتاثیرات مختلف را به سرعت ومقرون به صرفه ارزیابی کنند واز این طریق کیفیت تصمیمها را بالا ببرند.
6)    حاشیه رقابت_مهندسی مجدد فرایندها واختیارات: فناوریهای کامپیوتری در زمینه فشارهای رقابتی وتغییر در وضعیت عملیات سازمان ، مهندسی مجدد فرایندها وساختارها ، اختیارات کارکنان ونواوریها به مدیران اختیارهایی اعطا وانها را در اخذ تصمیم درست وسریع یاری می کنند.


فناوریهای اصلی پشتیبانی از تصمیم:
•   سیستم حمایت از تصمیم (DSS)
•   سیستم حمایت از تصمیم گروهی(GDSS)
•   سیستمهای اطلاعات مدیریت عالی(EIS)
•   سیستمهای خبره(ES)
•   شبکه های عصبی مصنوعی(ANN)
•   سیستمهای حمایت ترکیبی(MSS)

تعیین چهارچوبی برای پشتیبانی از تصمیم :
فرایندهای تصمیم گیری شامل سه نوع تصمیمات ساختار یافته (قابل برنامه ریزی) ، نیمه ساختار یافته ،ساختار نیافته(غیر قابل برنامه ریزی) است . فعالیتهای مدیریت نیز شامل سه قسمت برنامه استراتزیک، کنترل مدیریت، کنترل عملیاتی می باشد. از ترکیب این تصمیمات وفعالیتها حالتهای مختلفی بوجود می اید که برای هر حالت یک یا چند سیستم اطلاعاتی جوابگو می باشد.برای مثال زمانیکه تصمیم از نوع ساخت یافته باشد سیستمهای MIS، OR، TPS، DP جوابگو است یا اگر نیمه ساخت یافته باشد DSS مناسب می باشد.

پایگاه داده DSS
   DSSاز دادههای داخل ( پایگاه های داده سازمان) ، دادههای خارجی (اینترنت) و دادههای شخصی فرد تصمیمگیر استفاده مینماید.
   DSS می تواند خود دارای Database مستقل بوده یا از پایگاههای داده سازمان استفاده نماید

عناصر داخلی DSS


معرفی DSS در 4 فاز :


یک نمونه Framework برای تعیین سیستمهای مورد نیاز یک سازمان  


نتیجه گیری کلی :
•    یک DSS   یک سیستم بسیار ضروری برای تمامی سازمانها ، به ویژه مدیریت سازمان می باشد .
•   در حال حاضر کامل ترین سیستم برای یک سازمان ، DSS می باشد .
•   DSS بطور مستقیم با مدیران در ارتباط است وبا پردازش انبوهی از داده ها ، گزینه های یک تصمیم را در اختیار او قرار می دهد .
•   DSS در بستر IS تعریف و پیاده سازی می شود 

مدیریت داده     data managment
مدیریت داده کار ذخیره سازی و نگهداری از داده هایی را انجام می دهد که کاربر از طریق سیستم بر روی آنها تحلیل انجام می دهد. این بخش هم شامل یک پایگاه داده و هم نرم افزار مدیریت پایگاه داده می شود. در واقع اطلاعات در بستر یک نرم افزار مدیریت پایگاه داده ذخیره سازی شده و مورد استفاده قرار می گیرند. اطلاعاتی که در DSS مورد استفاده قرار می گیرند معمولاً از سه منبع عمده تامین می شوند: قسمتی از اطلاعات، اطلاعات سازمانی هستند که بسته به هدف کاربر از بکارگیری سیستم می تواند اطلاعات مختلفی را از محیط سازمان در بر بگیرد. معمولاً اطلاعات مورد نظر از پایگاه داده سازمانی و یا گاهی پایگاه داده تحلیلی بدست می آیند. بعضی از تصمیمات نیازمند استفاده از اطلاعات از منابع بیرونی مانند گزارشات دولتی، اینترنت و غیره هستند که به عنوان اطلاعات تکمیلی برای DSS مورد استفاده قرار می گیرند و آنها را اطلاعات بیرونی می نامند. همچنین گاهی می توان DSS هایی را طراحی کرد که اطلاعات را از کاربر دریافت می کند. به عبارتی به جای استخراج اطلاعات از منابع مختلف سازمانی و برون سازمانی، کاربر اطلاعات خود را وارد پایگاه داده سیستم می کند.

مدیریت مدل   Model managment
این جزء از DSS شامل مدلهای ذخیره شده در یک پایگاه مدل و نرم افزاری تحت عنوان سیستم مدیریت مدلها میشود که کار ایجاد و دسترسی به مدلها را بر عهده دارد. و اما مدل چیست؟
در واقع یک مدل بازنمایی است از یک سری وقایع و شرایط محیطی. انسانها برای درک خود از محیط و جهانی که در آن زندگی می کنند و درک پدیده های مرتبط با آن از مدلها استفاده می کنند. مدلهایی که بشر مورد استفاده قرار می دهد به چهار شکل می باشند:
1.    مدلهای فیزیکی که در ابعادی معمولاً کوچکتر از اندازه واقی یک موجودیت یا یک شی ساخته می شود تا ویژگیهای آن را به نمایش گذارد. مانند ماکت یک ساختمان
2.    مدلهای گرافیکی که به صورت تصویری یک واقعیت را بیان بیان می کند و مانند نقشه های جغرافیایی و یا نقشه یک ساختمان.
3.    مدلهای تشریحی که با استفاده از گفتار و نوشتار به وصف یک پدیده یا حادثه یا یک شی می پردازد. برای مثال توصیفی که ما از یک حادثه رانندگی داریم و یا اخباری که هر روزه در روزنامه ها و تلویزیون اعلام می شوند.
4.    مدلهای ریاضی که با تعریف تعدادی متغیر و تعیین نحوه تاثیر این متغیر ها بر یکدیگر تصمیم گیرندگان را در مدلسازی مسائل و راه حلهای ممکن یاری می دهند.
سیستمهای DSS برای مدلسازی مسائل و راه حلهای آنها از مدلهای ریاضی استفاده می کنند.

مدلهای ریاضی خود از چند بعد قابل تقسیم بندی می باشند که در زیر به آنها اشاره می کنیم:

مدلهای ایستا در برابر مدلهای پویا : مدلهایی که در آنها زمان به عنوان یک متغیر تعریف شده باشد را مدلهای پویا می گوییم و مدلهایی که در آنها متغیر زمان وجود نداشته باشد را مدلهای ایستا می نامیم. برای مثال مدلی که میزان رشد فروش یک شرکت را در طی پنج سال آینده پیش بینی کند مدلی پویاست. ولی ترازنامه یک شرکت که دارائی های آن را در یک لحظه خاص از زمان مثلاً پایان سال کاری به نمایش می گذارد مدلی ایستا می باشد. مدلهای ایستا همانند عکس هستند که یک لحظه را ثبت می کنند و لیکن مدلهای پویا همانند تصویر متحرکند که شرایط را در زمانهای مختلف نشان می دهند.

مدلهای احتمالی در برابر مدلهای قطعی : در مدلهای قطعی احتمال رخ دادن هر واقعه ای یا صفر است و یا یک. ولی در مدلهای احتمالی این احتمال از یک تا صفر متغیر است. مدلهایی احتمالی مدلهایی هستند درصدی از احتمال را برای وقوع رخدادی در نظر می گیرند. برای مثال مدلهایی که در کنترل کیفیت مورد استفاده قرار می گیرند و یا مدلهای آماری از این نوعند.
مدلهای بهینه و مدلهای خرده بهینه : مدلهای بهینه مدلهایی هستند که بهترین راه حل را از بین گزینه های مختلف انتخاب می کنند. این مدلها را برای مسائلی می توان مورد استفاده قرار داد که که به خوبی ساختارمند باشند. مدلهای خرده بهینه که گاهی مدلهای قانع کننده  نیز نامیده می شوند همواره بهترین راه حل را ارائه نمی کنند بلکه راه حلهای مختلف و نسبتاً مناسبی را ارائه می کنند که در این حالت انتخاب نهایی به عهده کاربر خواهد بود.
DSS ها با ارائه مدلهای تصمیم گیری که به کاربر امکان تحلیل اطلاعات را به اشکال مختلف می دهد، فرایند تصمیم گیری را اثربخش تر می کند. مدلهایی که در یک DSS استفاده می شوند به نوع تصمیمات و نوع تحلیل مورد نیاز بستگی دارد. قسمت مدیریت مدلهای سیستم DSS مدلهای سیستم را ذخیره سازی و نگهداری می کند و وظایف آن شبیه به وظایف سیستم مدیریت پایگاه داده نسبت به داده هاست. سیستم مدیریت مدلها نمی تواند تعیین کند کدام مدل برای حل یک مساله مناسب تر است ولیکن می تواند به کاربر کمک کند تا مدلها را با سرعت و به آسانی ایجاد و دستکاری کند.

واسط کاربری
واسط کاربری جزئی از سیستم است که به کاربر امکان می دهد با سیستم ارتباط برقرار کند. به عبارتی بخشی از سیستم است که به کاربر امکان می دهد دانش خود را با قابلیتهای پردازشیو ذخیره سازی سیستم در هم آمیزد. واسط کاربری قسمتی از سیستم است که کاربر آن را می بیند، و از طریق آن اطلاعات، دستورها و مدلها را وارد می کند و تنها قسمتی از سیستم است که مستقیماً با کاربر در ارتباط است.
استفاده از سیستمهای DSS باعث افزایش اثربخشی فرایند تصمیم گیری خواهد شد و در واقع این نوع از سیستمها مفهوم OLAP را مورد حمایت قرار می دهند. بکارگیری این سیستمها باعث خواهد شد هزینه های تصمیم گیری به علت استفاده از مدلهای مناسب توسط کاربر به میزان قابل ملاحظه ای کاهش یابد. در واقع کاربر به جای استفاده از روشهای آزمون و خطا که روشی بسیار پرهزینه برای تصمیم گیری است قبل از اینکه هرگونه اقدام عملی را انجام دهد نتایج را در قالب مدلهای مختلف خواهد دید.
استفاده از مدلهای ریاضی به علت پیچیدگی از محبوبیت چندانی برخوردار نیست و بسیاری از تصمیم گیرندگان به علت عدم تسلط کافی به استفاده از این مدلها تمایل چندانی به بکارگیری سیستمهای پشتیبان تصمیم گیری ندارند. برای حل این مشکل برای کار کردن با این سیستمها از واسط های کاربری گرافیکی استفاده می شود که درک و تقسیر آنها به راحتی صورت می پذیرد

ارسال شده توسط احمد محمدی | 24 12, 2013 | بازدید‌ها (3644)

بررسي نقش سيستم هاي پشتيباني تصميم گيري باليني در پزشکی

CDSS

احمد محمدی  

Ahmad.Mohammadi.A@gmail.com 

پاییز 1392

 
مقدمه
در این تحقیق سعی شده است بطور اجمالی مقدمه ای در خصوص سیستم های پشتیبان تصیمیم در پزشکی و مفاهیم بنیادی آن ارائه گردد. پس از ارئه تعریف های کلی CDSS و تاریخچه کوتاه  ، دلایل استفاده از اینگونه سیستم ها در سیستم  بهداشت و درمان و زمینه های کاربردی آن عنوان می گردد . سپس دسته بندی وانواع  CDSS ها از جهات مختلف معرفی و به تأثير کاربرد سيستم هاي پشتيبان ازتصميم گيري در نظام مراقبت سلامت می پردازیم .

سيستم پشتيبان تصميم گيري در پزشكيClinical Decision Support System (CDSS )
تعریف سيستم پشتيبان تصميم گيري درپزشكي و تاریخچه آن
   نرم‌افزارهاي كامپيوتري كه براي كمك به تشخيصهاي باليني طراحي و  ساخته شده‌اند. اين سيستمها با استفاده از اطلاعات و دانش پزشكي به تشخيص عارضه‌هاي گوناگون و تجويز توصيه‌هاي پزشكي براي بيماران اقدام مي‌نمايند.
 
تصویر فوق نمونه ای از یک CDSS است.
به عبارت دیگر سیستم های پشتیبانی تصمیم گیری (تصمیم یار)بالینی برنامه های رایانه ای تعاملی می باشند که به منظور یاری رساندن در تصمیم گیری به پزشکان و سایر متخصصین بهداشتی طراحی شده اند.به عبارتی این سیستمها ، منابع انسانی ( آگاهیهای فردی ) را با قابلیتهای کامپیوتری ترکیب می کنند تا باعث ارتقا کیفیت تصمیم گیری شوند .هدف اصلی سیستم های پشتیبانی تصمیم گیری در واقع یاری رساندن به پزشکان در حین مراقبت(Point of care)می باشد،بدین معنا که یک پزشک می تواند با این سیستم تعامل داشته باشد و درتحلیل داده های بیمار، تشخیص دهی و سایر فعالیت های بالینی ازسیستم کمک بگیرد.

تاريخچه سيستمهاي پشتيبان تصميم گيري در پزشكي در حقيقت تاريخچه همكاريهاي متقابل پزشكان و رياضيدانان مي‌باشد. به مجرد پيدايش كامپيوترهاي الكترونيكي در سالهاي 1950-1960 ميلادي، نخستين سيستمهاي پشتيبان تصميم گيري در پزشكي با اهداف گوناگون بهداشتي پا به عرصه وجود نهادند. در سال 1961 ميلادي نيز Warner و همكارانش يكي از نخستين سيستمهاي پشتيبان تصميم گيري در پزشكي را كه بر اساس قوانين بيس به كار مي‌پرداخت، طراحي و راه اندازي نمودند؛ البته نخستين سيستم واقعي پشتيبان تصميم گيري در پزشكي كه بر اساس قوانين بيس طراحي شده بود و در عمل نيز در بسياري از پايگاههاي بهداشتي به كار گرفته شد، سيستمي بود كه توسط de Dombal براي تشخيص دردهاي حاد شكمي ارايه شد.
به دليل فناوري موجود در كامپيوترهاي سالهاي 1950-1960 كه نرم افزارهاي پشتيبان تصميم گيري در پزشكي مي‌بايست بر روي آنها راه اندازي شوند، اين سيستمها در آن زمان در دو شاخه مجزا از يكديگر توسعه يافته بودند: قياسي و احتمالاتي؛ اما نزديك به دو دهه بعد از نخستين تلاشهاي Ledley و Lusted، Szolovits و Pauker با بررسي عميق تر ريشه‌هاي فلسفي اين دو روش استدلال، روش سومي را كه با حفظ ويژگيهاي ممتاز اين دو روش از هويت خاص خود نيز برخوردار بود، پيشنهاد نمودند. اين روش، هيوريستيك (Heuristic) نام داشت. برنامه HEME كه براي تشخيص بيماريهاي هماتولوژيك به كار مي‌رفت، يكي از نخستين سيستمهايي بود كه از اين روش استفاده نمود. در ادامه كاربردهاي اين روش، Gorry -يكي از پيشتازان كاربرد روش هيوريستيك در سيستمهاي پشتيبان تصميم گيري در پزشكي- در طي يك مقاله كلاسيك كه در سال 1968 منتشر نمود، اصول كلي حاكم بر سيستمهاي خبره پشتيبان تصميم گيري در پزشكي را تبيين نمود. اين اصول در سالهاي 1970 تا 1980 اساس عملكرد بسياري از سيستمهاي پشتيبان تصميم گيري در پزشكي را تشكيل دادند. در اين مقاله، Gorry تعريفي رسمي از مساله تشخيص پزشكي را ارايه نمود. وي همچنين تفاوتهاي مابين ارزش اطلاعات، هزينه‌هاي اقتصادي، و خطرات ناشي از انجام تستهاي تشخيصي را نشان داد و مساله «چند-تشخيصي» را كه به هنگام مواجهه سيستم با بيماران داراي چندين بيماري همزمان روي مي‌دهد، توصيف نمود. مقاله Gorry در حقيقت سلف تئوريك بسياري از سيستمهاي پشتيبان تصميم گيري در پزشكي نظير PIP، MEDITEL، Internist-1، QMR، DXplain، ILIAD، و... محسوب مي‌گردد. در سال 1976 ميلادي نيز Shortliffe سيستم خبره مبتني بر تئوري شواهد (Evidence Theory) را براي كاربردهاي تشخيصي و درماني به نام MYCIN ارايه نمود. اين سيستم كه براي تشخيص عفونتهاي ميكروبي و تجويز داروهاي لازم به كار مي‌رفت، داراي قابليتهاي متعددي نظير دريافت اطلاعات، يادگيري، تفسير داده‌ها و آموزش دهي بود و امروزه از آن به عنوان پدربزرگ سيستمهاي خبره ياد مي‌گردد. اكثر سيستمهاي ياد شده به عنوان نسل اول سيستمهاي پشتيبان تصميم گيري در پزشكي محسوب مي‌گردند.در سالهاي 1980 تا 1990 ميلادي با تغييرات اساسي كه در سخت افزار كامپيوترها صورت پذيرفت و منجر به توليد انواع كامپيوترهاي كوچك و ارزان قيمت (PC) شد، تحولي اساسي در توليد سيستمهاي پشتيبان تصميم گيري در پزشكي ايجاد شد و نسل جديدي از اين سيستمها پا به عرصه وجود نهادند. همچنين در اين سالها با ارايه مدلهاي جديد تصميم گيري و يا با ارايه نوآوري در مدلهاي پيشين تغييرات چشمگيري در عملكرد سيستمهاي پشتيبان تصميم گيري در پزشكي ايجاد شد؛ به صورتي كه سيستمهاي مبتني بر تئوري فازي نظير CADIAG-II و شبكه‌هاي بيس نظير Internist-1/QMR براي غلبه بر محدوديتهاي سيستمهاي ساده پيشين طراحي و راه اندازي شدند. در سالهاي اخير نيز Reggia و همكارانش مدلهاي پوشش مجموعه‌اي (Set-Covering Theory) را براي حل مساله تشخيص پزشكي ارايه نمودند. شبكه‌هاي عصبي مصنوعي و CBR نيز از ديگر تكنيكهاي نوين ارايه شده براي برخورد با مساله تشخيص پزشكي مي‌باشند.
انواع تصميم گيري  در پزشکی :
 1- تصميم گيري مرتبط با تشخيص (استفاده از كامپيوتر)
مثال: احتملاا ابتلا به Myocardial Infraction براساس سوابق بيمار و نتايج ECG چقدر است؟
2- تصميم گيري مرتبط با درمان (شواهد)
مثال: براي بيمار مبتلا به انسداد بيش از 90% عروق كرونري چپ، بهترين درمان براساس سن و ريسك معين چيست؟

برخی دلایل استفاده از CDSSدر پزشكي
    پزشکان برخی اوقات دچار خطا و اشتباه می­شوند.
    پزشکان قادر نیستند که همیشه خود را با آخرین یافته­های اطلاعات پزشکی تطبیق دهند.
    در موارد متداول استفاده از تصمیم گیری خود کار موثر است.
    سازمانهای مراقبت بهداشتی مایل به افزایش کیفیت مراقبت و کاهش هزینه­های آن هستند.

زمینه های مورد استفاده سیستم های CDSS در پزشکی
    تولید Alert ها  و reminder  ها برای پزشک
    کمک در تشخیص بیماری به پزشک
    برنامه ریزی درمان
    تشخیص و تفسیر تصاویر پزشکی




چهار عملکرد کلیدی سیستم های الکترونیکی حمایت از تصمیمات بالینی
    اداری : حمایت از کد های بالینی و مستندات
    مدیریت موارد پیچیده بالینی: مانند پروتکل های شیمی درمانی ، ارجاع و پیگیری، مراقبت های پیشگیری
    کنترل هزینه ها: کنترل دستورات پزشکی ،جلوگیری از تکرار آزمایشات یا انجام آزمایشات غیر ضروری
    حمایت از تصمیم: حمایت از تصمیمات کلینیکی و فرایند درمان و ارتقا استفاده از راهنمائی های اختصاصی

 انواع سیستم های CDSS:
    تعامل مستقيم سيستم و پزشك (مانند INTERNIST)
    سيستم مستقيما به منبع داده هاي بيمار متصل است.(مانند سيستمهاي مفسر ECG)
    سيستمهاي همراه با مدارك كامپيوتري بيمار(CPR) و بكاربردن اين ركوردها بعنوان ورودي

انواع سیستم های پشتیبان تصمیم در بخش سلامت:
به طور کل دو نوع سیستم پشتیبان تصمیم (DSS) در بخش سلامت وجو دارد: اداری  - بالینی
تصمیماتی که پزشکان در مراکز درمانی می گیرند برای اطمینان از این است که آیا رفاه تک به تک بیماران حاصل شده است یا خیر.
توجه اصلی پزشک معطوف است به اینکه آیا مداخلات پزشکی انجام شده به سود بیمار بوده است یا خیر، دل نگرانی در مورد منابع صرف شده و هزینه های تحمیل شده از نظر پزشک، در مرحله دوم توجه قرار دارد. در این رویکرد، مرکز درمانی ، به دلیل کیفیت بالای ناشی از ارائه بهترین خدمت به بیماران، سرافراز می شود.
از طرف دیگر به دلیل محدودیت منابع در بیمارستان، تصمیم گیران مدیریتی همواره با درنظر گرفتن این محدودیت ها به دنبال اخذ تصمیماتی هستند که منافع حاصله از مداخلات پزشکی را در مقایسه با هزینه های آن سنجیده و آن راه حل را که هزینه – اثربخشی بهتری دارد انتخاب می کنند.
دونابدین این رویکرد را به عنوان ” مراقبت با تاثیر بهینه “ یا optimally effective care  نامیده است.
بهینه یا اپتیمال نشان دهنده این معناست که بیمارستان بررسی می کند به ازای هر ریالی که خرج می کند، چه چیزی به دست می آورد.
مدیران بخش سلامت الزاما باید انواع متنوعی از تصمیمات غیر پزشکی بگیرند، تا بتوانند خدمات درمانی را با قیمت مناسب ، کیفیت بالا، و در محیطی با منابع محدود ارائه کنند.

دسته بندي سيستمهاي پشتيباني تصميم باليني
سيستمهاي DSS از جوانب مختلفي طبقه بندي مي شوند:
    نمايش اطلاعات: مثلا سيستمهاي مبتني بر درخت تصميم يا قواعد توليدي
    نوع تصميم : مثلا تشخيصي يا درماني
    زمينه پزشكي : مثلا سيستمهاي مربوط به پزشكي داخلي يا جراحي

دسته بندي سيستمهاي DSS از ديد پزشكان:
    پيشنهاد درخواستي(Solicited Advice)
    پيشنهاد غير درخواستي (Unsolicited Advice)
    سيستم خودكار (Autonomous System)

انواع سيستمهاي پشتيباني تصميم در پزشکی از لحاظ روش و سیستم مورد استفاده :
    الگوريتمهاي باليني : قواعد توليد هشدار در سيستم مانيتورينگ علائم حياتي بيمار
    پايگاه داده باليني (توابع تحليلي): قواعد موجود براي نحوه درهم كنش داروها
    مدلهاي پاتوفيزيولوژيكي رياضي: مدلهاي فارماكوكينتيك  براي محاسبه اثر تزريق دارو
    سيستمهاي بازشناخت الگو :طبقه بندي انواع مختلف گلبول سفيد
    سيستمهاي آماري : طبقه بندي ECG با الگوريتمهاي آماري
    سيستمهاي تصميم تحليلي: محاسبه ريسك عمل جراحي
    استدلال سمبليك يا سيستمهاي خبره : QMR براي تشخيص در پزشكي داخلي
       
پيشنهاد درخواستي
تعريف: به شرايطي اطلاق مي شود كه در آن پزشك از DSS مشورت مي طلبد.
ويژگيها:
    درحالت عادي غيرفعالند و با درخواست كاربر فعال مي شوند.
    امكان كنترل استدلالهاي انجام شده توسط DSS را فراهم مي كنند.
    پزشك مي تواند سيستم را در مسير خاصي هدايت كند و صحت تشخيص خود را بررسي نمايد.
بطور مثال :  QMR( quick medical refrence)(مرجع پزشكي سريع)  که نسخه تجاري INTERNIST و نمونه اي از سيستمهايي است كه پيشنهاد درخواستي در ارتباط با زمينه هاي متعددي ارائه مي كنند.

پيشنهاد غير درخواستي
اين نوع سيستمها نيازمند درخواست پزشك براي ارائه پيشنهاد نيستند و بر داده هاي در دسترس بيمار (مانند داده هاي آزمايشگاه تشخيص طبي يا CPR) تكيه دارند و مستقل از درخواست پزشك پيشنهاد خود را ارائه مي دهند.
ويژگيها:
    همراه با سيستمهاي CPR هستند.
    ارائه پيشنهاد جزئي از فعاليت مديريت داده است.
    سيستم نمي تواند اهداف درمان و تشخيص را به درستي تشخيص دهد كه اين امر منجر به توليد پيشنهاد مثبت نادرست (FP) و هشدار اشتباه مي گردد

سيستم هاي خودكار
تعريف: سيستمهايي كه در آنها پيشنهاد بطور مستقيم بر روي بيمار اعمال مي شود، سيستم خودكار ناميده مي شوند. اين سيستمها چندين داده را در زمانهاي مشخصي اندازه مي گيرند و متناسب با آن رفتار خود را تطبيق مي دهند.
مثال: سيستمهاي كنترل بيهوشي يا تنفس مصنوعي
توجه: خرابي سيستم مي تواند خسارات جبران ناپذيري ايجاد نمايد.

انواع مدل­های پشتیبانی تصمیم
    کمی :بر اساس روش­های آماری موجود است و از داده های آموزشی استفاده می­کند
مثال: شبکه های عصبی، فازی، احتمالی، با معلم ، بدون معلم.
روشهای آماری در پشتیبانی تصمیم بالینی به کار می رود تا احتمال وقوع یک بیماری را تعیین کند.
در تصمیم گیری آماری همه ویژگی ها معمولا با هم به کار برده میشوند.

    کیفی : از ویژگی های پیشنهاد شده متخصصین استفاده می کند و از استدلال های سمبولیک بهره می برد.
مثال:Boolean ، سیستم های خبره، درخت تصمیم.
     این روش ها ریاضی نیستند. روشهای کیفی براساس الهام و درک استدلال توسط انسان بنا شده­اند.
    این روش ارتباط یک ویژگی اندازه گیری شده را با مقدار آستانه می سنجد
یک مثال:
فرض کنید هدف تشخیص فشار خون بالا در افراد است. برای انجام این کار فشار خون افراد در سه گروه فرضی اندازه­گیری می شود.
1- جمعیت سالم که تحت مراقبت قرار گرفته­اند.
2- جمعیت بیماران مشمول مراقبت اولیه که به خاطر شکایات جزئی تحت بررسی هستند.
3- جمعیت بیمارانی که در بخش قلبی بستری هستند.
برای سادگی از یکبار اندازه گیری فشار سیستولیک برای تشخیص در هر فرد استفاده می شود . در شکل توزیع فشار خون سیستولیک افراد مبتلا و غیر مبتلا برای هر کدام از سه گروه جمعیت نشان داده شده است . برای تشخیص افراد مبتلا به فشار خون با استفاده از یک ویژگی ( در اینجا ویژگی = فشار خون سیستولیک ) ساده ترین راه تعریف " آستانه تصمیم" است .افراد بالای آستانه مبتلا و پایین آستانه غیر مبتلا محسوب می شوند . (آستانه ها با L1  الی L10   نشان داده شده است . آستانه تصمیم هر چه انتخاب شود تصمیم های حاصل عاری از خطا نخواهند بود . برای درک بهتر مفهوم جدول درستی را بررسی می کنیم .
چهار ترکیب ممکن برای تصمیم و خطا
    مثبت درستTP : درصد افرادی که بیماری دارند و مدل تصمیم به درستی آن را تشخیص داده است.
    منفی درستTN : در صد افرادی غیر مبتلا که مدل تصمیم به درستی آن را تشخیص داده است.
    مثبت نادرستFP : درصد افراد غیر مبتلا که مدل تصمیم به اشتباه آنها را مبتلا تشخیص داده است.
    منفی نادرستFN : درصد افراد مبتلا که مدل تصمیم به اشتباه آنها را غیرمبتلا تشخیص داده است.
 

روشهاي پشتيباني تصميم كيفي
تعريف: روشهاي كيفي براساس الهام و درك استدلال توسط انسان بنا شده اند و عبارتند از روشهاي حل مسأله اي كه استنتاج در آنها با استفاده از مدلهاي سمبوليك و عملگرهاي منطقي صورت مي گيرد.
-    تركيبي از واحدهاي تصميم گيري اوليه
-    سنجش واحدهاي تصميم گيري اوليه با مقدار آستانه
-    بيان نتيجه سنجش با يك عبارت بولي

سه استراتژي براي تصميم گيري كيفي توسط كامپيوتر:
1- استفاده همزمان از همه ريزتصميمها(جدول تصميم يا جدول درستي)
2- استفاده دنباله اي از ريزتصميمها(فلوچارت يا درخت تصميم)
3- استفاده از ريزتصميمهايي كه بصورت قاعده هاي عملكرد-موقعيت بيان شده اند(قاعده پايه يا استدلال كيفي)
 
ويژگيها: 
    همه نوع عبارت منطقي را يكباره در بر مي گيرد.
    تركيبات مختلف Ei ها بصورت گرافيكي و با نمودار ون نشان داده مي شوند.
    بهينه كردن درستي مشكل است و ارزيابي آن از طريق آزمون مستقل براي اثبات كارآيي آن انجام مي شود.

فلوچارت
فرم كلي:  بصورت يك درخت تصميم كه ريشه در بالا قرار گرفته و شاخه ها و برگها به سمت پايين امتداد دارند. واحدهاي تصميم اوليه بصورت لوزي نشان داده مي شوند كه داراي يك ورودي از بالا و دو يا چند خروجي از پايين و كناره هاست. ورودي به واحد تصميم گيري اوليه قبلي مرتبط مي شوند و خروجيها عبارت ”درست“ يا ”نادرست“ هستند. (تصميم گيري باينري)
محلهاي قرارگيري ريزتصميمها، گره ناميده مي شوند.

مسيرهاي مختلف از ريشه تا يكي از برگهاي نهايي پيموده مي شوند. در برگهاي نهايي ممكن است فعاليت جديدي آغاز شود يا ادامه روند به فلوچارتهاي ديگر محول شود.
ويژگيها:
    سهولت پردازش
    عدم امكان بازگشت در صورت اشتباه بودن مسير
    مشكل بودن آموزش و تعليم 
 
دسته بندی CDSS از نظر پایگاه دانش :
• سیستم های دارای پایگاه دانشKnowledge-base CDSS
• سیستم های فاقد پایگاه دانشNonknowledge-base CDSS
خصوصیات Knowledge-base CDSS:
این نوع سیستم ها دارای سه بخش می باشند:
پایگاه دانش(Knowledge base): شامل قوانین و روابطی که اغلب به شکل قانون(IF-THEN)در می آیند.
موتور استنباطی ( Inference engine ):داده های بیماررا با پایگاه دانش ترکیب می کند.
مکانیسم ارتباطی (Mechanism to Communicate):به سیستم این امکان را می دهد که نتایج را برای کاربربه شکل خروجی(Output)نمایش دهد همانگونه که ورودی(Input)را دریافت کرده است.
خصوصیات:Nonknowledge-base CDSS
سیستم های پشتیبان تصمیم گیری بالینی فاقد پایگاه دانش در واقع ازنوعی هوش مصنوعی به نام Machine Learningاستفاده می کنند.این ماشین یادگیری به رایانه این امکان را می دهد که از تجارب گذشته یاد بگیرد یا الگوهای موجود درداده های بالینی را بیابد.دونوع ازاین گونه سیستم ها شبکه های عصبی مصنوعی Artificial Neural Networkو Genetic Algorithmsمی باشد.
در این گونه سیستم ها نیاز به نوشتن قوانین و همچنین نیاز به وارد کردن تخصص حذف شده است.درسیستم های پشتیبانی تصمیم گیری فاقد پایگاه دانش در واقع قوانین از داده های بیمارمشتق می شوند.
این سیستم ها تنها روی فهرست محدودی ازعلائم برای یک بیماری خاص تمرکز دارند درحالی که سیستم های دانش محور، بیماری های گوناگونی را برای تشخیص، پوشش میدهند.
به طور کلی سیستم های تصمیم یار بر اساس نوع مداخلاتى که ارائه مى دهند به 3 گروه تقسیم مى شوند:
 1. سیستم ها منفعل(Passive systems):اکثرسیستم های پشتیبانی تصمیم بطور منفعل عمل می کنند،بدین معنا که پزشک باید درخواست خود را به صورت صریح در سیستم ایجاد کند،بدین منظورابتدا پزشک وضعیت بیمار را توصیف کرده و سپس منتظر می ماند تا سیستم پیشنهادش را ارائه دهد.براساس میزان اطلاعات فراهم شده برای سیستم و پیشنهادات لازم، دوابزارپشتیبانی تصمیم مورد استفاده قرار می گیرد:
•  سیستم مشاوره ایconsultant system:دراین نوع سیستم،کاربر اطلاعات مربوط به وضعیت بیمار را فراهم نموده و سیستم پیشنهاد تشخیصی یا درمانی خود را ارائه می دهد.MYCINکه در سال1972 در دانشگاه Stanfordتوسعه یافته است یکی از انواع سیستم های مشاوره ای می باشد.
• سیستم انتقادیCritical system:در این نوع سیستم کاربر اطلاعاتی در خصوص وضعیت بیمارواستراتژی طراحی شده توسط پزشک فراهم نموده وسپس سیستم از پیشنهادات پزشک انتقاد می کند.سیستم ATTENDING که در  دانشگاهYaleتوسعه یافته است نمونه ای از اینگونه سیستم ها می باشد،این سیستم درواقع به منظورانتقاد از طرح بیهوشی ایجاد شده توسط متخصص بی هوشی برای یک بیمار معین،طراحی شده است.
2. سیستم های نیمه فعال(Semiactive systems):سیستم های نیمه فعال اطلاعات وعمدتاَ دانش پذیرفته شده و قوانین را ارائه می دهند.درواقع این سیستم ها نقش یک ناظررا ایفا می کنند،زیر مجموعه های این نوع سیستم :
•  سیستم های یادآور خودکار( Automatic reminder system):
   این سیستم ها بر روی عملکرد فراهم کننده مراقبت،نظارت دارند و درزمینه اجتناب ازمعاینات اضافی،خطاهای ثبت دارویی(بوسیله شناسایی خطاهای مربوط به دزاژدارویی و لیست کردن تداخلات و عوارض مهم دارویی)کمک می کنند،همچنین اینگونه سیستم ها پیگیری طرح درمانی از قبل طراحی شده توسط تیم پزشکی را،تسهیل می کنند.
•   سیستم های هشدار دهنده( Alarm systems):
   دراین نوع سیستم ها براساس وضعیت بیمار،هشدارهای مختلفی ایجاد می شود، بدین معنا که گاهی ممکن است اخطاربرای نشان دادن میزان های غیرطبیعی(از قبیل پارامترهای فیزیولوژیکی یا بیولوژیک) باشدوگاهی برای نمایش تغییرات غیر طبیعی(از قبیل افزایش یا کاهش ناگهانی در پارامترهای معین مربوط به بیمار).
3. سیستم های فعال(Active systems):
 سیستم هایی که بطور خودکارشروع بکار کرده و می توانند بدون دخالت پزشک تصمیم گیری نمایند واین تصمیم می تواند درمورد دستوراتی برای معاینات بیشتر براساس طرح های مراقبتی،معاینات درمانی،نظارت(برای مثال کنترل هوشمند پارامترهای یک دستگاه ونتیلاتور یا یک مانیتور دیالیز)و یا کمک جراحی باشد.
ابزار کسب دانش :
کسب دانش یکی از مهم ترین رویه های آغازین برای ایجاد پایگاه دانش برای درCDSS می باشد . اولین گام برای کسب دانش ، انتخاب ناحیه بالینی و متخصصین خبره برای کسب دانش بخصوصی می باشد . گام بعدی انتقال دانش قابل تفسیر در کامپیوتر بر اساس روش های ارائه دانش می باشد . این بخش بر ابزار کسب دانش تمرکز می کند وهدف آن بکارگیری الگو های آماده برای دریافت دانش بالینی از متخصصین است .
ابزار های کسب دانش زیادی برای CDSS ، توسعه یافته است .  در میان آن ها ، بعضی از ابزار ها ی کسب دانش پزشکی است و بقیه ابزاری برای رهنمود های بالینی است که در رویه های بالینی استاندارد مورد استفاده قرار می گیرد .
در جدول پایین  ، ابزار های کسب دانش در پنج سطح خلاصه شده است : آنتولوژی ثابت ، توانایی کنترل خطا، طرح ارائه ، زبان ارائه دانش و موتور استنتاج یا موتور اجرایی رهنمود ها .سایر CDSS ها مانند GLIF  ، EON و Arden syntax  به طور آشکار در جدول پایین نشان داده شده است ، اما به عنوان protege و ابزار umls- base knowledge در جدول نشان داده شده است. GLIF وEONاز ابزار های کسب دانش protégé استفاده می کنند .
Arden syntax بر فرمت هایی برای دانش پزشکی ماژولی تمرکز می کند . و اساسی ترین کمک آن فرمت ارائه MLM است که در ابزار کسب دانش مبتنی بر  UMLمورد استفاده قرار می گیرد.
  از آنجایی که کنترل خطا یکی از بزرگتریت چالشهای ابزار کسب دانش است ، در ادامه بر مقایسه توانایی کنترل خطا تمرکز می کنیم .
 در جدول پایین ،proforma   ، ابزار کسب راهنمایی است که شامل ساختارهایی  پر معنی برای توصیف خطاها می باشد . توانایی تصمیم گیری آن تحت خطا توسط ابزارهای مکانیسم ایجاد می شود . در این روش مکانیسم  استدلال ، تشخیص و تصمیمات درمانی بر حسب چند option  تعریف می شود و با استفاده از قانونهای استدلال ،تصمیمات لازم گرفته می شود .
قانونهای استدلال از تصمیمات ، پشتیبانی می کند و در آخر توصیه های لازم داده می شود . 
 
GLARE ، توانایی کنترل خطا در تصمیمات خطایاب را محدود کرده است . در GLARE  ، تصمیمات سه بعد دارد ( تشخیص ، پارامتر ، نمره ) که خود پارامتر هم سه بعد دارد ( داده ، خصوصیت ، مقدار ) ، یک مقدار آستانه برای مقایسه تشخیص ها استفاده می شود . نمره و سایر تشخیصات به کاربران نشان داده می شود . GLARE   به کاربر اجازه می دهد تا تصمیمات تشخیصی لازم را از میان لیست انتخاب کند . در صورتی که کاربری  تصمیمی اتخاذ کند که  نمره اش بیشتر از حد آستانه نباشد ، اخطاری داده می شود .
CMDS : ویرایشگر کسب دانش شی گرا ، در مورد کنترل خطا ، عملکرد بهتری دارد . زیرا هر قانون دارای فاکتور قطعیت است که نشان می دهد که آن قانون تا چه اندازه درست است . فاکتور قطعیت از -1 تا 1 متغیر است . که -1 به معنی قانون اشتباه ، 0 به معنی عدم وجود اطلاعات  و 1 به معنی قانون درست است .
Portage   به خطا کمتر رسیدگی می کند . به غیر از PROFORMA  و ASBRUVIEW  ، دانش پزشکی یا ابزار کسب راهنمایی در جدول خصوصیات مشترکی دارند .
 مکانیسم های استنباطی استفاده شده درCDSS  :
مکانیسم های استنباطی که در CDSS  استفاده می شود شامل شبکه های عصبی ، شبکه های معنایی ، الگوریتم ژنتیک و سیستم های غیرمستدل می باشد . در CDSS  های مبتنی بر قانون ، قانون های if-then ، مورد پردازش قرار می گیرد . زنجیره های پسرو و پیشروی قانون ها ممکن است برای تشخیص و تهیه توضیحات تشخیصی کاربران بالینی مورد استفاده قرار گیرد . سیستم های Bayesian  بر اساس تشخیص هایی که از بیماری های قبلی به دست آمده است و همچنین علائم و نشانه های بالینی ، پیش بینی می کند . سیستم های غیر مستدل شامل پیش بینی های آماری است . بعضی از روش های  آماری مانند  ماشین بردار پشتیبان (SVM ) و ماشین ابزار حداقل مربعات (LSSVM  ) برای استدلال های پزشکی پیشنهاد شده است . شبکه های عصبی به عنوان مکانیسم استنباطی توسط محققین استفاده می شود . زیرا در هنگام توسعه این نوع از CDSS ها ، نیاز به درک رابطه بین متغیرهای ورودی و خروجی ندارند . 
Li  و همکارانش، شبکه های عصبی را با سایر مدل های ریاضی مقایسه می کنند تا سیستم پشتیبان تصمیم گیری پزشکی مربوط به آسیب های مغزی را بسازند  (MDSS )و نتیجه این است که شبکه های عصبی راه حل بهتری برای CDSS های غیر خطی و پیچیده نسبت به تکنیکهای آماری قراردادی ارائه می کند  . ایراد شبکه های عصبی این است که شبکه ها از قانون هایی استفاده می کنند که از منطق خاصی پیروی نمی کند و به طور آشکار قابل درک نیست .
در الگوریتم ژنتیک ، با توسعه بهترین راه حل ، راه حل بهینه ای که مناسب ترین است ، به دست می آید . در مطالعات جدید متدلوژی های استنباطی مختلفی برای پاسخ های پزشکی ، الحاق شده اند  مانند LSSVM با وزن دهی فازی ، یا شبکه های عصبی مصنوعی با وزن دهی فازی . هنگامی که مدل سازی دانش پزشکی به صورت منطقی دشوار است ، متخصصین پزشکی اطلاعات خود را با مثال ارائه می دهند .  در این شرایط ، مدل سازی نمادین (CBR) درDSS  ، استفاده می شود . فایدهCBR   این است که موارد بالینی تجربی مشابه ، از سایر دانش های پزشکی متقاعد کننده تر است .
اما اشکال این روش این است که اندازه گیری شباهت میان موارد مختلف دشوار است ، همچنین فرایندهای بازیابی به ندرت دقیق و موثر است و ورودی های موردنیاز CDSS  که بر اساس CBR  به دست می آید ، به آسانی مورد قبول متخصصین واقع نمی شود .



ارزیابی CDSS  :
 به گفته Miller   ، ارزیابی CDSS باید شامل چهار مورد زیر باشد :
   -1طرح ارزیابی مناسب
  -2 ارزیابی درجه سودمندی CDSS 
-3  ارزیابی محدودیت های CDSS
-4  تعیین دلایل پنهان محدودیت تاثیرات سیستم

Keith  و Greene مراحل بررسی CDSSرا این گونه تعریف می کنند :
   -1   ارزیابی دانش متخصصین
     -2 ارزیابی سیستم مجتمع
     -3 ارزیابی خارجی سیستم
    -4 آزمایشات تصادفی چند مرکزی برای ارزیابی سیستم
اکثر ارزیابی های CDSS  بر صحت سیستم متمرکزند و تمرکز کمتری بر ارزیابی تاثیر استفاده CDSS بر مراقبت های بالینی دارند .

 معيارهاي پذيرش سيستمهاي پشتيباني تصميم
    پشتيباني جمع آوري داده(Support of Data Acquisition)
    سيستمهاي تصويربرداري
    كاهش داده(Data Reduction)
    سيستمهاي اطاق عمل و واحدهاي مراقبت ويژه
    ارزيابي داده(Data Validation)
    سيستمهاي آزمايشگاهي

KB (Knowledge Base) پزشكي
تعريف : مجموعه اطلاعات (Knowledge) پزشكي كه بطور سيستماتيك سازماندهي شده و بصورت الكترونيكي قابل دسترسي هستند و نيز قابليت تفسير بوسيله كامپيوتر را دارند.

   معیارهای کاربردی یک سیستم CDSS
    استفاده از یک بانک اطلاعاتی معتبر و مشخص بودن refrence  ها و قابل دسترس بودن آنها با ايجاد KB مي توان جمع آوري و پخش الكترونيكي اطلاعات پزشكي را تسهيل نمود.{ این مبحث خود بسیار گسترده و شامل جوانب متعددی است که در صورت تمایل پیشنهاد می گردد به منابع معرفی شده رجوع گردد. }

پشتيباني تصميم با ابزارهاي پيش بيني ساده
ابزارهای پیش بینی ساده بر اساس روش های مختلف پایه گذاری شده اند که در 2 گروه عمده می توان آنها را بررسی کرد :
    ابزارهاي پيش بيني مبتني بر تحليل آماري مجموعه داده هاي باليني
    ابزارهاي پشتيباني تصميم براساس نتايج آناليز تصميم

قواعد پيش بيني مبتني بر تحليل آماري –prediction rules Based on statistical Analysis
روشهای آماری مورد استفاده برای پیش بینی در این موارد ، اغلب نوعی رگرسیون هستند بطور مثال : رگرسيون خطي براي خروجي هاي پيوسته مانند فشارخون  و   رگرسيون منطقي براي خروجي هاي دو بخشي مانند مرگ و مير

راهبرد های کلی برای ارزیابی قواعد پیش بینی :
    تعريف روشن متغيرهاي پيش بيني كننده و خروجي ها
    توصيف صحيح جمعيت بيماران و امكان مقايسه
    توصيف روشهاي رياضي بكار رفته
    دسترسي به نرخ صحت يا خطاي قاعده طبقه بندي
    اثرات كاربرد قاعده پيش بيني روي مراقبت بيمار
فرآيند مدلسازي آماري
فرایند مدلسازی دارای جوانب زیر است :
    انتخاب متغيرها :
در بساری از موارد تعداد زیادی مشخصه پیش بینی کننده بیمار داریم که بکار گیری همه غیر عملی است .انتخاب تدريجي یا روش stepwise  روشي براي انتخاب تعداد محدودي پيش بيني كننده است .
    تخمين ضرائب رگرسيون
پس از انتخاب پیش بینی کننده ها ، ضرایب تعیین می شوند که دقیق بودن آن مستلزم داده هایی با کیفیت بالاست .هرچه حجم داده بالا باشد، نامعيني مقدار ضرائب تخمين زده شده كمتر است و پيش بيني دقيق تر انجام مي گيرد.
    ارزيابي عملكرد مدل
عيار مهم برای ارزیابی یک مدل قابليت تمايز مدل براي طبقه بندي بيماران است .
    نمايش نتايج مدل
        جدول پيش بيني هاي متناظر
        چارت نمره


مثال: پيش بيني احتمال حاملگي ناخواسته در پزشكي باروري
در این مثال ، خروجی یا outcome  ما رخداد حاملگی ناخواسته است . در عمل دوره زمانی یکساله برای پیش بینی در نظر گرفته می شود . پیش بینی کننده های بالقوه ، سوابق و بررسی های فیزیکی مرد و زن را دربر می گیرند . مقدار پیش بینی این مشخصه ها از مجموعه داده ها استخراج می شود . این مجموعه شامل 996 جفت است که 215 جفت در یک سال آبستن شده اند . ارتباط بین پیش بینی کننده ها و خروجی ها با مدل رگرسیون کمی شده است . برای تخمین احتمال حاملگی ناخواسته در یک سال مدل چارت نمره ارائه شده است . متناظر با هر پیش بینی کننده مقدار عددی در جدول 6 آمده است . مقادیر نمرات حاصل از هر پیش بینی جمع شده و حاصل آن اندیس حاملگی نامیده می شود . متناظر با هر اندیس حاملگی میزان احتمالی از مدل رگرسیون به دست می آید که مسلما 100% نیست .

چرا CDSS ها در حال حاضر مقبوليت ندارند؟
     ايده هاي نمايش اطلاعات (Representation) بسيار ساده است.
    تصميمات پزشكان متفاوت است و اين تغيير پذيري نمي تواند در DSS لحاظ شود.
    با اينكه تصميمهاي پزشكي تا حدي علمي هستند اما به محيط و زمينه كار و تجربه نيز وابسته اند.
    پارادوكس تخصصي در DSS لحاظ نمي شود.

 برخی محدودیت ها ومعایب سیستمهای  های CDSS
    محدوده کوچکی از علم پزشکی را پوشش می دهند .
    نمیتوانند تنوع زیادی از استراتژیهای تشخیصی و درمانی را برای حل مشکلات بیماران پیچیده ارائه دهند.
    توصیه های CDSS بر مبنای اطلاعات ورودی بوده که این اطلاعات اغلب بخش کوچکی از اطلاعات لازم برای اخذ تصمیمات کلینیکی را تشکیل می دهند
    تاکید بیش از اندازه بر داده های آزمایشگاهی ممکن است موجب غفلت از اطلاعات روانی و اجتماعی بیمار می شود.
     ایجاد تغییر در رابطه بیمار و پزشک
    ایجاد محدودیت برای پزشک در حل مسایل بصورت مستقل
    مسایل حقوقی و قانونی در صورت بروز اشتباه و خطا
نتیجه گیری
پژوهش نشان داد كه كاربرد DSS  در پنج حوزه كاربري مديريت جريان بيماري، مراقبت و درمان، تجويز دارو، ارزيابي  و پيشگيري بر بهبود فرايند مراقبت و ارتقاء عملكرد درمانگران تأثير بسزايي داشته است. به طور كلي مي توان اين تأثيرات را در سه گروه زير بيان نمود:
-1 ارتقاء كيفيت مراقبت و افزايش ايمني بيمار از طريق كاهش خطاهاي دارويي و عوارض بعدي داروها و پيروي از دستورالعمل هاي باليني مبتني بر شواهد.
-2 افزايش هزينه- اثربخشي در اثر پردازش سريع تر دستورات، كاهش تكرار آزمايشات، كاهش عوارض بعدي داروها و تغيير الگوهاي مصرف دارو به شكل تجويز داروهاي ارزان تر اما با اثري يكسان با داروهاي ژنريك.
-3 ارتقاء سطح دانش از طريق در دسترس بودن منابع علمي، ارائه يادآورها و همچنين ارائه اطلاعات مفيد وضروري جهت تصميم گيري مطلوب با حداقل خطا.

با این که تنها پزشک در قبال تصمیم اتخاذ شده در مورد بیمار مسئول است اما نمی تواند همه یافته های خود در مورد بیمار را به طور کامل به کامپیوتر منتقل کند. آموخته ها و تجربه های هر پزشک باید در DSS لحاظ شود. CDSS ها در بهترین حالت مانند یک پزشک مبتدی عمل می کنند. ولی با در نظر گرفتن همه این محودیت ها این سیستم ها می توانند در مواردی که دسترسی به پزشک متخصص برای مشاوره وجود ندارد ، بهترین کمک قابل اعتماد به عنوان مشاور برای یک پزشک باشد . در حوزه مدیریت بیمار، تشخیص و برنامه ریزی درمان می تواند برای پزشکان مفید بوده و کمک موثری ارائه نماید.
همچنین در مجموع 45 مطالعه با معیار هاي جستو جو مطابقت داشتند که شمار این مطالعات در طی سال هاي 1980 تا 2010 میلادي افزایش یافته است، از 28 مطالعه اي که تأثیر سیستم هاى تصمیم یار را در افزایش کیفیت مراقبت بیماران مورد بررسی قرار داده اند، 22 مطالعه ( 78 %) باعث ارتقاى کیفیت مراقبت بیماران شده بودند. در 8 مطالعه ( 17 %)، تأثیر سیستم هاى تصمیم یار بر کاهش میزان اقدامات تشخیصی و درمانی غیرضروري بررسی گردید که در تمامى موارد سیستم مؤثر بوده است. 13 مطالعه( 28 %)  نیز تأثیر این سیستم ها را در کاهش میزان خطاهاي پزشکی مورد مطالعه قرار داده  بودند که از این تعداد، 11 مطالعه ( 85 %) مؤثر واقع شده بودند.
و بطور کلی می توان گفت کاربرد سیستمهاى تصمیم یاردر رویه هاى بالینی باعث افزایش کیفیت مراقبت،کاهش میزان اقدامات تشخیصى و درمانى غیر ضرورى و کاهش میزان خطاهاى پزشکى مى شود. در نهايت لازم به ذكر است كه براي افزايش اثربخشي اين سيستم ها ضروري است فرهنگ سازماني مناسب ايجاد و به درمانگران به عنوان كاربران اين سيستم ها آموزش هاي كافي داده شود.
معرفی يك بانك اطلاعات خوب در این حوزه :

http://www.openclinical.org/home.html
شامل انواع مختلف نرم افزارهای پشتیبانی تصمیم گیری پزشکی
منابع
    Handbook of Medical Informatics - Bemmel, Musen, 1998 ISBN 3540633510
    HTTP://WWW.GMU.EDU/DEPTSTIP/FOCULTY/TFAC24.HTM
    BROWN REX, PREDICTING THE DECISION-AIDING VALUE OF DECISION RESAEARCH, 2000
    DECISION SUPPORT AND EXPERT SYSTEMS, MANAGEMENT INTELLIGENTER TECHNOLOGIAN, GMBH, HTTP://WWW.MITGMGH.DE/MIT/IT/INDEX.HTM
    CAMM JEFFERY D.AND EVANS JAMES R. MANAGMENT SCIENCE AND DECHISION TECHNOLOGY, SOUTH- WESTERN COLLEGE PUBLISHIN, 1999
    GIARRATANO JOSEPH, RILEY GARY, EXPERT SYSTEMS, PWS PUBLISHING CO. 1993.
    ABSTRACT OF CURRENT RESEARCH, HTTP://BEST ME. BERKELEY. EDU/
    ARTIFICIAL INTELLIGENCE, ARTIFICAL LIFE, HTTP://WWW.AI.ABOUT.COM/MSUBEXPERT.HTM, 2000
    http://www.ailibrary.net/Persian/Wiki/index.php
ارسال شده توسط احمد محمدی | 24 12, 2013 | بازدید‌ها (679)

Study of Information Requirement Determination Process of an Executive Information System

از کتاب

Encyclopedia of Decision Making and Decision Support Technologies

احمد محمدی

Ahmad.Mohammadi.A@gmail.com 

پاییز 1392

 

مقدمه
یک سیستم اطلاعات اجرایی (EIS) دسترسی آسان به اطلاعات مورد نیاز برای مدیریت ارشد فراهم می کند. این دسترسی می تواند به صورت افقی در سراسر سازمان  و به صورت عمودی به دیگر مدیران سازمانی گسترش یابد و سه نوع عمده از مزایا را ارائه  نماید : اطلاعات، پشتیبانی مدیریت ، و پشتیبانی سازمانی(Salmeron، 2002). بر طبق نظر Salmeron، یک کلید سیستم های اطلاعات اجرایی و عامل موفقیت آن ،  تحقق نیازهای اطلاعاتی کاربران است. با این حال، فرآیند تخمین ( تعیین )  اطلاعات مورد نیاز کاربر ( IRD ) پیاده سازی یک سیستم اطلاعات اجرایی باقی مانده از عملکرد گیج کننده برای اکثر سازمان ها را پردازش می نماید. ( والتر ، جیانگ ، و کلاین ، 2003).  به این دلیل است که تعیین اطلاعات مورد نیاز(IRD) با حداقل قابلیت فهم و حداقل رسمیت  ، در عین حال حساس ترین مرحله پردازش توسعه سیستم های اطلاعات ( ISD )  است. این مرحله بسیار سخت است که بسیاری از محققان سیستم های اطلاعاتی استدلال می کنند که IRD مهمترین مرحله منفرد در طول فرایند توسعه پروژه سیستم های اطلاعات اجرایی است و اگر تعیین اطلاعات مورد نیاز (IRD) نادرست و ناقص باشد، حاصل سیستم نیز نادرست و ناقص خواهد بود. از این رو، درک مسائل موثر فرآیند تعیین اطلاعات مورد نیاز(IRD) سیستم های اطلاعات اجرایی (EIS) نقش حیاتی برای سازمان ها دارد) پون و واگنر ، 2001). با این حال، در مورد مسائل موثر در فرآیند IRD   در طول پیاده سازی پروژه های سیستم های اطلاعات اجرایی ، کمتر شناخته شده اند ( خلیل ، 2005).  
بنابراین، هدف این مقاله بررسی مسائل کلیدی فرایند IRD  در طول پیاده سازی یک پروژه سیستم اطلاعات اجرایی در یک سازمان دولتی بزرگ استرالیا می باشد. این  مقاله ابتدا متون مرتبط با  IRD و EIS  را بررسی می نماید . یافته های کلیدی و مسائل مربوط به شناسایی مطالعه موردی نیز ارائه شده است. مقاله به بررسی این یافته ها و مسائل مربوط به روشن سازی روش های IRD  سازمان ها و نتیجه گیری توسط ارائه برخی از مطالعات  پیاده سازی پروژه  EISمی پردازد.
زمینه
 IRD یک مرحله بحرانی از سیستم های اطلاعات اجرایی است.  IRD  در درجه اول مرتبط با برنامه های کاربردی خاص مانند سیستم های اطلاعات اجرایی است.IRD  علاقه و بحث های بسیاری در میان پژوهشگران  و پزشکان به عنوان یک پتانسیل به منظور بهبود  میزان موفقیت پروژه های ISD  مانند EIS  ایجاد نموده است.( Havelka، 2002؛ وو و شن، 2006). فرایند IRD ، که براون و رامش (2002، ص 625) آن را تعریف کردند به عنوان "مجموعه ای  از فعالیت های استفاده شده توسط تحلیلگر سیستم  در هنگام ارزیابی  قابلیت های مورد نیاز در یک سیستم پیشنهادی است" ،  که بسیار مهم در به دست آوردن مجموعه ای کامل و صحیح از نیازهای  کاربر است.  

تعدادی از ابزارها و تکنیک ها برای حمایت از فرایند IRD  در سیستم های اطلاعات اجرایی  پروژه پیشنهاد شده است  : نمونه سازی، توسعه نرم افزار های مشترک  (JAD)، توسعه کاربردی سریع (RAD)، نمودار جریان داده ها  (DFDs) و نمودار ارتباط موجودیت  (ERDs; Duggan &Thachenkary, 2004; Spina & Rolando, 2002) . با این حال، با وجود  تمام این روش ها و ابزار، تاریخ ISD  با گزارش های متعدد از شکست کامل پروژه EIS  دور انداخته شده  است (خلیل، 2005).عمده  دلیل این شکست ها تا حد زیادی ناشی از مشکلات  در برخورد با اطلاعات مورد نیاز است (براون  و رامش، 2002؛ دیویس، 1987).
در بسیاری از موارد ، اتمام بودجه  و زمان از دست می رود.  در بسیاری از موارد دیگر، طراحی و برنامه نویسی اولیه توسط یک ارزیابی مجدد به دنبال نیازها منجر به  طراحی مجدد و سپس برنامه نویسی دوباره شده  است( Urquart، 2001).  بسیاری از شکست های پروژه EIS  کمتر با مسائل فنی و یا برنامه نویسی مرتبطند .  منبع بسیاری از این مشکلات در یک یا ترکیبی از عوامل اصلی زیر نهفته است  : نقص و  یا نادرست  بودن مشخصات مورد نیاز ، عدم  دخالت کاربر، عدم انعطاف پذیری سیستم های اطلاعات مبتنی بر کامپیوتر  ، ارتباطات ضعیف، تحلیل های مختلف تحلیل گران سیستم ، و عوامل دیگر (Guinan، Cooprider، و فرج، 1998، کیرش و هانی، 2006). هر کدام از این عوامل به طور خلاصه در مجموعه های زیر مورد بحث قرار می گیرد.
نقص و / یا نادرست بودن مشخصات مورد نیاز
اغلب می تواند یک سازمان را راهنمایی کند تا متوجه مشکل نادرست و یا شناسایی نادرست نیازهای اطلاعاتی گردد. نارضایتی  سهامداران  از سیستم اطلاعاتی آنها مشتق شده از مشکل خواسته هایی که با دقت و / یا به طور کامل بیان نشده اند. (دیویدسون، 2002؛ خلیل، 2005). همچنین می تواند ناشی از این باشد که کاربران انتظارات غیر واقعی از سیستم های اطلاعات اجرایی نهایی دارند. بنابراین، نقص و  نادرست بودن مشخصات مورد نیاز اغلب می تواند از شناسایی نیاز  های اطلاعاتی غلط منجر شود  یا به مشکل IRD  نادرست بپردازد.  این  ممکن است در نهایت به شکست پروژه EIS  منجر شود.  به گفته براون و رامش (2002)، چالش های زیر  باید توسط هر دو تحلیلگران و کاربران زمانی که آنها در تعامل هستند ، به رسمیت شناخته شود.  
 • هرگز نمی توان، مجموعه ای درست و کامل از نیازهای اطلاعاتی کاربر ایجاد شود.
•  درخواست ها در طول زمان پایدار نیستند ، اما در یک فرآیند ثابت در حال تکامل اند  .
• مهارت های تسهیل تحلیلگران سیستم برای مدیریت موثر فرایند IRD  بسیار مهم  است .
•  تحلیلگران سیستم در زمینه های سیاسی بالایی کار می کنند.

عدم دخالت کاربر
یکی از عوامل عمده شکست پروژه های EIS  عدم دخالت کاربر است . با شکست در طول مراحل توسعه سیستمی که کاربران درگیر آن هستد ، ممکن است احساس نا امیدی و سرخوردگی نمایند ، زمانی که آنها فن آوری های جدید مانند سیستم های اطلاعات اجرایی را به عنوان منشا تهدید بیرونی مشاهده می نمایند ( رابرتسون و رابرتسون ، 1999). معمولا مقاومت و درگیری بین حامیان مالی پروژه، تحلیلگران سیستم ها  و کاربران را  نتیجه می دهد  ( دیویدسون ، 2002).  نتایج عدم دخالت کاربر اغلب بی اعتمادی بین کاربران ، تحلیلگران سیستم ها و حامیان مالی پروژه می باشد . کاربران احساس می کنند قادر به تعیین آنچه می خواهند نیستند زیرا آنها نمی دانند که چه چیزی امکان پذیر است ،  در حالی که تحلیلگران سیستم ها سعی می کنند که  آنچه که امکان پذیر است را توضیح دهند اما توصیف روش  آنها توسط کاربران درک نشده است. ( براون وRogich، 2001؛ I. وو و شن ، 2006 ) معمولا نه تنها رضایت شغلی را در هر دو طرف کاهش می دهد بلکه منجر به طراحی سیستم کم کیفیت می شود( آلوارز ، 2002).



عدم انعطاف پذیری سیستم های اطلاعاتی مبتنی  بر کامپیوتر
سیستم های اطلاعاتی مبتنی بر کامپیوتر (به عنوان مثال ، سیستم های اطلاعات اجرایی ) اغلب عدم انعطاف پذیری برای مواجه با تغییر نیاز های اطلاعاتی کاربر و تعامل کمی با سیستم های موجود را دارند(Salmeron، 2002؛ I. وو و شن ، 2006).
چرا که  اغلب برای کامپیوتر های سبک برنامه ریزی شده اند  و  هر گونه تغییر که شامل تغییر در برنامه که نیاز به یک توالی دقیق از مراحل به کار گرفته شده است که وقت گیر و از هم گسیخته می باشد.  برخی از تغییرات ، حتی تغییراتی که برای  کاربر غیر متخصص بی اهمیت به نظر می رسد ، نمی تواند در سیستم  بدون طراحی مجدد بخش های اساسی از سیستم کامپیوتری گنجانیده شود( LauesenوVinter، 2001؛ Sutcliffe ،2000 ). علاوه بر این ، از آنجا که سازمان ها و افراد در آنها پویا و همواره در حال تغییر  در همه زمان ها هستند ، یک سیستم اطلاعات مبتنی بر کامپیوتر که  بیش از حد طول می کشد تا به پایان برسد قادر نخواهد بود با نیازهای کاربران  مواجهه شود و از این رو به یک سد راه عمده برای موفقیت سیستم های اطلاعات اجرایی تبدیل می شود .
ارتباطات ضعیف
ارتباطات ضعیف بین کاربران و تحلیلگران همچنین از عوامل موثر درشکست سیستمهای اطلاعات اجرایی است(Urquart، 2001 ). مهارت های ارتباطی تحلیلگران سیستم تاثیر قابل توجه ی درموفقیت و کامل بودن نیاز های اطلاعاتی EIS  دارد. برخی از دلایل مهم برای مشکلات ارتباطی به شرح زیر است(داگلاس، 2003،. Guinanو همکاران،1998؛Urquart):

•دیدگاه های مختلف ازذینفعان مختلف در مطالعه سیستم
•بلاتکلیفی بخشی از کاربران از تاثیر سیستم نهایی درنقش فردی آنها در سازمان
•مشاهده شده که عملکرد کاربر با سیستم های غیر رسمی و روش رسمی سیستم های موجود کمتر از روش های غیر مجاز و رسمی پیشی می گیرد.
•مشکل مقابل هر دو کاربر و تحلیلگران سیستم ها  ، سیستم های جدیداست که تقریبا به طور قطع شامل نوآوری های فنی می باشد.
تحلیل های مختلف تحلیل گران سیستم ها
آموزش و عملکرد تحلیل گران سیستم ها می تواند باهم منبع مشکلات باشد هنگامی که ارتباطات با فرایند IRD  از چند تحلیلگر سیستم برای مقابله با ماهیت اجتماعی اساسی IS  سازماندهی شده اند.  تحلیلگران سیستم فکر می کنند که متخصص هایی هستند که مشکل را تجزیه و تحلیل، تعریف و راه حلی برای آن ارائه می نمایند(بری، 2002 ). بسیاری از مشکلات پروژه های ISD مانند  EIS را می توان به مشکلات رفتاری سازمان نسبت داد. این مشکلات رفتاری نتیجه طراحی های  بد هستند.این طراحی های  بد به سبک مشاهده تحلیلگران سیستم  از سازمان، خود کاربران و تابع ISD  نسبت داده می شود.

عوامل دیگر
همچنین برخی عوامل قابل توجه دیگر که می توانند بر روی میزان موفقیت پروژه های ISD  تاثیر گذار باشند، وجود دارد. این عوامل عبارتند از ارزیابی نادرست از دامنه مشکل و مسائل سازمانی فراگیر ، کنترل بودجه ضعیف، تاخیر در توسعه کاربردی، مشکل در ایجاد  تغییرات ،انبار مخفی، اشکالات برنامه  ونرم افزار ،سیستم هایی که هزینه بسیار زیاد برای توسعه و حفظ آنها بیش از حد انتظار است و فرآیندهای توسعه که پویا نیستند (آلوارز، 2002 نیست،براونورامش، 2002؛Havelka، ساتن، وآرنولد، 2001).

روش تحقیق
هدف از این پژوهش، بررسی مسائل کلیدی  از فرایند تعیین نیاز کاربر در طول  فرآیند توسعه پروژه های  EIS است . یک مورد مطالعه وسیع در یک سازمان بزرگ بخش عمومس استرالیا که درگیر پیاده سازی  یک پروژه EIS است، انجام شد. این سازمان مسئول اصلی ارائه خدمات آموزش و پرورش در استرالیا بود. این سازمان گردش مالی سالانه 500 میلیون دلار و در حدود 3000 کارمند دارد. به منظور پاسخگویی لازم به کیفیت مورد نیاز آموزشی و مجموعه ی دستورالعمل های دولت استرالیا، سازمان  تصمیم  به پیاده سازی EIS  برای کمک به تصمیم گیری مناسب ، گرفته بود . هدف از EIS  (a) پشتیبانی از گزارش های سازمانی در زمینه های برنامه  و بررسی برنامه ریزی، گزارش سالانه، و محک زنی و بهترین عملکرد ها است، (ب) حمایت از سازمان در تعهد خود از فعالیت های مربوط به کیفیت و (ج)  شناسایی کمبودها در منابع داده.  در ابتدا، محققان در شش جلسه  از فرایند IRD  که بین تحلیلگران سیستم ها  و کاربران کلیدی سازمان بود، شرکت کردند . پس از اتمام تمام این جلسات،  محققان سوالات مصاحبه  ، که قبل از این جلسه پیش نویس آن آماده شده بود را پالایش و اصلاح کردند
سپس 16 مصاحبه با نه شرکت کننده کلیدی انجام شد  و این شامل دو تن از حامیان مالی اصلی  پروژه های EIS ، یک تحلیلگر سیستم های خارجی، و شش تن از  کاربران اصلی EIS  می شد.  مصاحبه بر فرایند پروژه EIS  ، نمایش ذینفعان مختلف از  EIS ، فرایند IRD ، و روند ارزیابی  EIS ، متمرکز  بود. هر مصاحبه بین 1 تا 2 ساعت به طول انجامید. همه  مصاحبه ها ضبط شد و متن مصاحبه شوندگان برای اعتبار سنجی ارسال شد  .
در مواردی که اختلاف نظر بین شرکت کنندگان وجود داشت ، هر یک  برای روشن شدن مواضع خود ، مصاحبه انجام داده و یا ایمیل ارسال شده را پیگیری نمودند.  سایر اطلاعات جمع آوری شده شامل برخی از پیشنهادهای  پروژه های واقعی  و مشخصات جزئیات مورد نیاز برای پروژه EIS ، اسناد برنامه ریزی، و برخی از صورت جلسات است. بیش از 300 صفحه از متن  کد شده و مورد تجزیه و تحلیل قرار گرفت . جمع آوری داده ها در این  سازمان تا زمان نقطه اشباع نظری ادامه دارد ، که آن زمانی است که ارزش مصاحبه به عنوان جزئی بی اهمیت  در نظر گرفته شود (Eisenhardt ، 1989). تجزیه و تحلیل محتوای کیفی سپس برای تجزیه و تحلیل داده های جمع آوری شده ، مورد استفاده قرار گرفت  (مایلز و Huberman در، 1994).  تجزیه و تحلیل از مواد نیز به صورت دوره ای انجام شده  و مسائلی که دوباره توسط محققان و کارشناسان دیگر چک شده اند، شناسایی می شوند. دستورالعمل ها (به عنوان مثال، تفاسیر چندگانه) توسط کلاین و مایرز (1999) برای اجرا و ارزیابی  مطالعات تفسیری در سیستم های اطلاعات به منظور بهبود کیفیت پژوهش تنظیم شدند  .

یافته های پژوهش
تعدادی از مسائل از تجزیه و تحلیل داده ها پدیدار شدند وبرخی از مسائل فرایند IRD  پروژه EIS  را احاطه کردند که در زیر برخی از جزئیات ارائه می شود . اطلاعات مرتبط از مشاهده و بررسی سناد در بحث برای پشتیبانی یافته های بیشتر ، یکپارچه شده اند.
مطلب 1: مشکلات در استفاده از روش شناسیIRD
داده ها ی مصاحبه نشان داد که به طور کلی سازش در میان کاربران در روش شناسی ISD/IRD ،  ابزار، و یا حل مسئله وجود دارد  که توسط تحلیلگر سیستم های خارجی در طول فرایند IRD  با کاربران برای پروژه EIS استفاده می شود .
در عوض، تنها  مصاحبه ای که توسط تحلیلگر سیستم های خارجی برای جمع آوری اطلاعات مورد نیاز از  کاربران انجام شده است  .به عنوان مثال یک کاربر گفت: "این احساس بسیار  مانند سوالاتی است که من  پاسخ دادم زیرا این  مصاحبه ای  است که از آن خوشم می آید .... من احساس نمی کند که در چیزی جا داده شدم تا در آن  شرکت کننده باشم .بنابراین آن بسیار بسیار شبیه به یک پرسش و پاسخ است. " کاربر انتظار نوعی از روش شناسی را داشت که توسط تحلیلگر سیستم در طول  جلسه IRD  مورد استفاده قرار گیرد  . مشاهده محققان،  ادعای آنها را حمایت کرد. برخی از کاربران  پیشنهاد دادند که از یک روش ثابت و  نموداری که  برای فرایند IRD  ارزشمند باشد ، استفاده شود. با این حال، حامیان مالی و تحلیلگر سیستم ها ادعا کردند که نوعی از روش شناسی در طول جلسه IRD  ، استفاده شده است، اگر چه این توسط محققان مشاهده نشد. به عنوان مثال، یک تحلیلگر سیستم  گفت: "من آزادانه به روش های مختلف کار می کردم، در گذشته مرتب  ، به طور خاص، از روش اول آرتور اندرسن و  APT استفاده می کردم .اما آنها مستقیما در تجربه و اشاره به اسناد و مدارک گرایش داشتند. "علاوه بر این،  تحلیلگر سیستم تا آنجا پیش رفت که گفت استفاده از نمودارهایی مانند DFDs و ERDs کاربران را گیج می نماید. بسیاری از کاربران در مصاحبه با  محققان این ادعا را رد کرده بود.
مطلب 2: عدم دخالت کاربر
  همه کاربران سهم خود را در جلسات IRD   که با فقدان اطلاعات مختل شده بود، نشان دادند . علاوه بر این، به جای داشتن چندین جلسه IRD  با تحلیلگر سیستم ها ، اکثر کاربران پیشنهاد کردند که  جلسات گروهی برای ایجاد همکاری در میان کاربران به مراتب موثر تر است.
کاربران احساس کردند که توانایی آنها برای شرکت در فرایند IRD  با داشتن چنین جلسات گروهی ای افزایش یافته است.  در عوض، فرایند IRD  برای پروژه EIS  که توسط کاربران درک شده ، تنها یک عمل پرسش و پاسخ  بود. اگر چه به کاربران این فرصت داده شد  تا هر گونه سوال و نگرانی در مورد سیستم موجود  و همچنین سیستم های اطلاعات اجرایی آینده را ابراز کنند ، اما مشکل این بود که به کاربران هیچ اطلاعات قبلی ، قبل از جلسات IRD  نمی دادند. کاربران احساس می کردند که به آنها هیچ زمان و اطلاعاتی برای آماده شدن برای جلسات با تحلیلگر سیستم ها داده نشده است  . مشکل مرکب از عدم پیگیری به وسیله تحلیلگر سیستم ها بود.  کاربران سهمی در ایجاد پروژه EIS   نمی دیدند و بحران حامیان مالی پروژه این بود که  تحلیلگر ان سیستم در مورد پروژه با آنها مشورت نمی کردند . محققان به صورت خصوصی به یکی از حامیان مالی پروژه گفتند که تحلیلگر سیستم  عدم درگیری کاربران نسبت به مراحل دیگر پروژه را آموزش داده اند. حامیان مالی پروژه برای  برخی از کاربران خود در مورد اطلاعات مورد نیاز شان نگران شدند  .
مطلب 3 : عدم رضایت کاربر
بیشتر کاربران از فرایند IRD  پروژه EIS  ناراضی هستند و تحت تاثیر عملکرد حامیان مالی پروژه و  به ویژه، تحلیلگرسیستم ها قرار نگرفتند . به عنوان مثال، یک کاربر بسیار منتقد از حامیان مالی پروژه و تحلیلگران سیستم گفت: " من فکر می کنم آنچه که آنها باید انجام دهند این است که به کاربر از آنچه که انتظار دارد که سیستم EIS  باید قادر به انجام آن  باشد ، درک درستی بدهند و تا جای ممکن متناسب با آن ...
هیچ یک از کاربران اطلاعات و وقت کافی برای ایجاد  فرایند IRD را نمی دهند .به عنوان مثال، یک کاربر شکایت کرد و گفت: " اگر افرادی قصد در گیر شدن در فرآیند IRD را دارند  ، آنها باید بدانند که چرا ... " مشکل توسط دستورالعمل های حامیان مالی پروژه که زمان بیشتری برای گوش دادن به نیاز های کاربران صرف نکردن ، پیچیده شده بود ، و نیز این واقعیت که محدوده پروژه مشخص نیست .
مطلب 4 : هم کاربران و تحلیلگران سیستم در مورد فقدان هدف و اطلاعات برای این پروژه EIS  شکایت کردند .  برخی از ایده های مطرح شده توسط کاربران  به شرح زیر است: (الف) جلسات گروه باید به استخراج الزامات و نیازهای کاربران ختم شود، (ب) تحقیقات بیشتر باید توسط تحلیلگر سیستم ها قبل از فرایند IRD  هدایت شود، و (ج) اطلاعات بیشتر در مورد هدف از جلسه توسط تحلیلگر سیستم ها باید پیشاپیش داده شده باشد. همانطور که قبلا ذکر شد، دلیل ندادن اطلاعات مناسب به کاربران قبل از جلسات می تواند به علت این واقعیت باشد که دستورالعمل داده شده توسط حامیان مالی پروژه به تحلیلگر سیستم ها مراحل IRD  در اسرع وقت ممکن به پایان برساند . به عنوان مثال، تحلیلگر سیستم  ها گفت ، " مشکل این بود که من با این مورد خاص نه چندان اطلاعات مورد نیاز زیادی از کاربران را جمع آوری نمایم  .... مشکل این بود که من با مراحل IRD قادر به حفظ دامنه محدود نبودم. " این تحلیلگر سیستم با مشکل حفظ گستره محدود از پروژه EIS  مواجه بود و از این رو قادر نبود که دقیقا به کاربران بگوید که  این پروژه قرار بود به مانند چه باشد.
مطلب 5: فرهنگ و سیاست
تعدادی از کاربران به فرهنگ و سیاست  در سازمان اشاره کردند که بسیاری از کارکنان را مجبور به  بیداری از غفلتی کرد ، در مورد کل فرآیندی که آنها احساس می کردند که  نمی توانند تفاوتی در آن ایجاد کنند.  به عنوان مثال، یک  کاربر در مورد فرهنگ و سیاست که  در درون سازمان وجود داشته شکایت کرده که علت این است که با کاربران در مورد اجرای پروژه های جدید مانند سیستم های اطلاعات اجرایی مشورت نمی نمایند  . این اغلب منجر به شکست پروژه شده است  . به عنوان مثال، او گفت، "در حال حاضر من امیدوارم که یکی دیگر از این پروژه ها در نهایت به شکست منجر نشود. در سوابق گذشته،  ما شانس داشتیم و وقتی این اتفاق می افتد، همه  از یک خودستایی  عبور می کنند. یک نوع سیستم مدیریت اطلاعات از افراد گفته می شود،  اما من آنچه شما به ما گفته اید را تکمیل می کنم."  
تمامی کاربران احساس می کردند که این تا حدی در پروژه سیستم های اطلاعات اجرایی تکرار شده است  . یک مثال خوب از این ،عدم اطلاعات داده شده به کاربران توسط تحلیلگر سیستم قبل از جلسات تعیین اطلاعات مورد نیاز می باشد. پروژه سیستم های اطلاعات اجرایی معمولا با آفت سیاست مواجه می شوند. بسیاری از کاربران مصاحبه شده از سبک حامی مالی پروژه ناراضی بودند  که نقش مهمی در این پروژه سیستم های اطلاعات اجرایی داشتند . از طرف دیگر ، حامیان مالی پروژه همچنین نشان دادند که آنها در برخورد با کاربران سازمان بی حوصله هستند. حامیان مالی پروژه پذیرفته اند که محققان با برخی  از کاربران همراه نیستند.
تحلیلگر سیستم ها  نیز با این دیدگاه بیان شده توسط برخی از کاربران موافق هستند که پروژه سیستم های اطلاعات اجرایی به احتمال زیاد منجر به شکست می شود چنانکه نتیجه مستولی شدن فرهنگ و سیاست های موجود در درون سازمان است. هر دو تحلیلگر سیستم ها و  کاربران قبلا در داخل و خارج از سازمان ، شکست های بسیاری از پروژه توسعه سیستم های اطلاعاتی را دیده بود.  به طور کلی، بسیاری از مسائل کلیدی از این مطالعه که تا حد زیادی با مطبوعات سازگارند، شناسایی شدند. با این حال، تحقیقات بیشتر نشان داد که عدم  رضایت کاربر و فرهنگ و سیاست سازمانی نیز تأثیر عمده ای در موفقیت  پیاده سازی پروژه های سیستم های اطلاعات اجرایی دارد.

روندهای آینده
در طول دهه گذشته، نام سیستم های اطلاعاتی از سیستم اطلاعات اجرایی به سیستم های هوش تجاری (BI) تغییر پیدا کرده اند. (J. Wu, 2000) . هوش تجاری یک چارچوب کاری شامل فرایندها، ابزار و فناوری های مختلف است که برای تبدیل داده به اطلاعات و اطلاعات به دانش مورد نیاز هستند، که با استفاده از همین دانش مدیران قادر به تصمیم گیری بهتر می شوند و در نتیجه عملکرد سازمان خود را بهبود می بخشند.
بنابراین هوش تجاری مجموعه ای از مهارت ها، فناوری ها و سیستم های کاربردی است  که برای جمع آوری، ذخیره سازی ، تحلیل و ایجاد دسترسی کارآمد به انبارهای داده  جهت کمک به سازمان ها برای تصمیم گیری صحیح مورد استفاده قرار می گیرد.
علاوه بر این، هوش تجاری شامل  نرم افزاری برای استخراج،  دستکاری و بارگذاری داده ها در انبار داده ها (ETL)  ، چند بعدی و یا پردازش تحلیلی آنلاین  (OLAP)، تجزیه و تحلیل داده ها و استخراج اطلاعات  می شود. با این حال ، هنوز هم برخی از چالش ها برای غلبه قبل از هوش تجاری می تواند مورد استفاده قرار گیرد و به طور گسترده تر پیاده سازی می شود. این موارد شامل شناخت پروژه های هوش کسب و کار  به عنوان طرح های کسب و کار متقابل سازمانی، درگیر شدن حامیان مالی کسب و کار، و توسعه وب سایت خودکار  سیستم هوشمند برای استخراج عملی دانش سازمانی با اعمال نفوذ محتوای وب سایت است.  
نتیجه
این مطالعه موردی روابط پویا بین حامیان مالی پروژه ، کاربران  و تحلیل گر سیستم ها  را در طول فرایند IRD  یک پروژه EIS نشان می دهد. بیشتر شکایات کاربران در مشکل دادن نیازهای دقیق و کامل به تحلیلگر سیستم در طول فرایند IRD  متمرکز شدند. مشکلات آنها نه تنها ریشه ی ناتوانی کاربران در تعیین خواسته هایشان است ، بلکه همچنین تحت تاثیر نگرش تحلیلگر سیستم ها و حامیان مالی پروژه ی EIS  نسبت به نظرات کاربران قرار گرفته است. همچنین نتایج اختلاف موجود بین آنچه که تحلیلگر سیستم در مورد کاری که انجام شده گفته  )تئوری حمایت ) و کاری که او در واقع انجام داده ( تئوری استفاده شده ) در طول فرایند IRD  را نشان داد .به عنوان مثال، تحلیلگر سیستم ها اصرار کرده بود که نوعی روش شناسی رسمی برای استخراج  نیازهای کاربر مورد استفاده قرار گیرد که در واقع هیچ کدام وجود نداشت .
علاوه بر این، این تحقیقات نشان داده است که تفاوت قابل توجهی بین نظر کاربران و تحلیلگر سیستم ها وجود دارد . به عنوان مثال، در حالی که درجه بالایی از توافق در مورد عدم محدوده پروژه و وجود مسائل در فرهنگ و سیاست وجود دارد ، اختلاف قابل توجهی در مورد به کارگیری روشIRD  برای جمع آوری نیاز های اطلاعاتی مورد استفاده در EIS ، عدم دخالت کاربر و عدم رضایت کاربر وجود دارد .
همچنین تعجب آور بود برای شنیدن از سیستم های خود تحلیلگر و بیشتر کاربران که آنها به این پروژه EIS  ، با توجه به سابقه طولانی در شکست پروژه های ISD  در درون سازمان، برای موفقیت خیلی خوش بین نیستند . نقش  این مقاله کوتاه این است که ، عدم رضایت کاربر و مسائل مربوط به فرهنگ و سیاست سازمانی که تأثیر عمده ای در موفقیت اجرای پروژه های سیستم های اطلاعات اجرایی دارد را مشخص نماید .
کلمات کلیدی
هوش تجاری (BI) : فرآیند نظارت و تجزیه و تحلیل فرآیندهای تراکنش کسب و کار برای اطمینان از اینکه  آنها بهینه شده برای تلاقی  با اهداف کسب و کار سازمان هستند.
داده کاوی : این یک فعالیت استخراج اطلاعات است که هدف آن جستجوی در حجم زیادی از داده ها برای طرح و کشف حقایق مخفی موجود در پایگاه داده می باشد .
انبار داده ها : این یک پایگاه داده رابطه ای طراحی شده برای پرس و جو و تجزیه و تحلیل، و معمولا شامل داده های تاریخی هستند که از داده های نتیجه مشتق شده است.
سیستم اطلاعات اجرایی (EIS) : برنامه ای که سازمان ها را  با ابزار در عین حال ساده و قدرتمند برای مشاهده و تجزیه و تحلیل عوامل کلیدی و روند عملکرد در زمینه های فروش، خرید، تولید ، امور مالی و غیره آماده می نماید.
 تعیین نیازهای اطلاعاتی(اطلاعات مورد نیاز) ( IRD )  : مجموعه ای از فعالیت های استفاده شده توسط یک تحلیلگر سیستم هنگام ارزیابی قابلیت های مورد نیاز در یک سیستم پیشنهادی است.
توسعه کاربرد مشترک ( JAD ) : روند اصلی برای طراحی یک سیستم مبتنی بر کامپیوتر است. کاربران کسب و کار و حرفه ای های فناوری اطلاعات را در یک کارگاه بسیار متمرکز شده گرد هم می آورد.
توسعه سریع برنامه ( RAD ) : این یک روش برای فشرده سازی تجزیه و تحلیل ، طراحی، ساخت ، و مراحل آزمون در یک رشته  کوتاه مدت ، تکرار شونده چرخه توسعه است.
ارسال شده توسط احمد محمدی | 17 12, 2013 | بازدید‌ها (5336)

معرفی نرم ­افزار داده كاوي Weka

تا به امروز نرم افزار هاي تجاري و آموزشي فراواني براي داده كاوي در حوزه هاي مختلف داده ها به دنياي علم و فناوري عرضه شده­اند. هريك از آنها با توجه به نوع اصلي داده هايي كه مورد كاوش قرار مي­دهند، روي الگوريتمهاي خاصي متمركز شده­اند. مقايسه دقيق و علمي اين ابزارها بايد از جنبه هاي متفاوت و متعددي مانند تنوع انواع و فرمت داده هاي ورودي، حجم ممكن براي پردازش داده ها، الگوريتمها پياده سازي شده، روشهاي ارزيابي نتايج، روشهاي مصور سازي ، روشهاي پيش پردازش داده ها، واسطهاي كاربر پسند ، پلت فرم هاي سازگار براي اجرا،‌ قيمت و در دسترس بودن نرم افزار صورت گيرد. از آن ميان، ‌نرم افزار Weka با داشتن امكانات بسيار گسترده،‌ امكان مقايسه خروجي روشهاي مختلف با هم، راهنماي خوب، واسط گرافيگي كارآ، سازگاري با ساير برنامه­هاي ويندوزي، و از همه مهمتر وجود كتابي بسيار جامع و مرتبط با آن [ Data Mining, witten et Al. 2005 ] ، معرفي مي­شود.

ميزكار Weka ، مجموعه­اي از الگوريتم­‏هاي روز يادگيري ماشيني و ابزارهاي پيش پردازش داده­‏ها مي‏­باشد. اين نرم­افزار به گونه­اي طراحي شده است كه مي‏­توان به سرعت، روش­‏هاي موجود را به صورت انعطاف­پذيري روي مجموعه­‏هاي جديد داده، آزمايش نمود. اين نرم­افزار، پشتيباني‏‏هاي ارزشمندي را براي كل فرآيند داده كاوي ­‏هاي تجربي فراهم مي‏­كند. اين پشتيباني‏ها، آماده سازي داده­‏هاي ورودي، ارزيابي آماري چارچوب­‏هاي يادگيري و نمايش گرافيكي داده­‏هاي ورودي و نتايج يادگيري را در بر مي­گيرند. همچنين، هماهنگ با دامنه وسيع الگوريتم­‏هاي يادگيري، اين نرم­افزار شامل ابزارهاي متنوع پيش پردازش داده­هاست. اين جعبه ابزار متنوع و جامع، از طريق يك واسط متداول در دسترس است، به نحوي كه كاربر مي‏­تواند روش­‏هاي متفاوت را در آن با يكديگر مقايسه كند و روش­‏هايي را كه براي مسايل مدنظر مناسب­تر هستند، تشخيص دهد.


نرم­افزار Weka در دانشگاه Waikato واقع در نيوزلند توسعه يافته است و اسم آن از عبارت "Waikato Environment for knowledge Analysis" استخراج گشته است. همچنين Weka ، نام پرنده­اي با طبيعت جستجوگر است كه پرواز نمي‏­كند و در نيوزلند، يافت مي‏­شود. اين سيستم به زبان جاوا نوشته شده و بر اساس ليسانس عمومي و فراگير GNU انتشار يافته است. Weka تقريباً روي هر پلت فرمي اجرا مي‏­شود و نيز تحت سيستم عامل­‏هاي لينوكس، ويندوز، و مكينتاش، و حتي روي يك منشي ديجيتالي شخصي ، آزمايش شده است.


اين نرم­افزار، يك واسط همگون براي بسياري از الگوريتم­‏هاي يادگيري متفاوت، فراهم كرده است كه از طريق آن روش­‏هاي پيش پردازش، پس از پردازش و ارزيابي نتايج طرح هاي يادگيري روي همه مجموعه هاي داده­‏ موجود، قابل اعمال است.


نرم افزار Weka ، پياده سازي الگوريتم­‏هاي مختلف يادگيري را فراهم مي‏­كند و به آساني مي‏­توان آنها را به مجموعه هاي داده خود اعمال كرد.


همچنين، اين نرم­افزار شامل مجموعه متنوعي از ابزارهاي تبديل مجموعه­‏ هاي داده­‏ها، همانند الگوريتم­‏هاي گسسته سازي مي‏­باشد. در اين محيط مي‏­توان يك مجموعه داده را پيش پردازش كرد، آن را به يك طرح يادگيري وارد نمود، و دسته­بندي حاصله و كارآيي­اش را مورد تحليل قرار داد. (همه اين كارها، بدون نياز به نوشتن هيچ قطعه برنامه­اي ميسر است.)


اين محيط، شامل روش­‏هايي براي همه مسايل استاندارد داده كاوي مانند رگرسيون، رده‏بندي، خوشه­بندي، كاوش قواعد انجمني و انتخاب ويژگي مي‏­باشد. با در نظر گرفتن اينكه، داده­‏ها بخش مكمل كار هستند، بسياري از ابزارهاي پيش پردازش داده­‏ها و مصورسازي آنها فراهم گشته است. همه الگوريتم­‏ها، ورودي­‏هاي خود را به صورت يك جدول رابطه­اي به فرمت ARFF دريافت مي‏­كنند. اين فرمت داده­‏ها، مي‏­تواند از يك فايل خوانده شده يا به وسيله يك درخواست از پايگاه داده­اي توليد گردد.


يكي از راه­‏هاي به كارگيري Weka ، اعمال يك روش يادگيري به يك مجموعه داده و تحليل خروجي آن براي شناخت چيزهاي بيشتري راجع به آن اطلاعات مي‏­باشد. راه ديگر استفاده از مدل يادگيري شده براي توليد پيش‏بيني­‏هايي در مورد نمونه­‏هاي جديد است. سومين راه، اعمال يادگيرنده­‏هاي مختلف و مقايسه كارآيي آنها به منظور انتخاب يكي از آنها براي تخمين مي‏­باشد. روش­‏هاي يادگيري Classifier ناميده مي‏­شوند و در واسط تعاملي Weka ، مي‏­توان هر يك از آنها را از منو انتخاب نمود. بسياري از classifier ‏ها پارامترهاي قابل تنظيم دارند كه مي‏­توان از طريق صفحه ويژگي‏‏ها يا object editor به آنها دسترسي داشت. يك واحد ارزيابي مشترك، براي اندازه‏گيري كارآيي همه classifier به كار مي‏­رود.


پياده سازي­‏هاي چارچوب­‏هاي يادگيري واقعي، منابع بسيار ارزشمندي هستند كه Weka فراهم مي‏­كند. ابزارهايي كه براي پيش پردازش داده­‏ها استفاده مي‏­شوند. filter ناميده مي‏­شوند. همانند classifier ‏ها، مي‏­توان filter ‏ها را از منوي مربوطه انتخاب كرده و آنها را با نيازمندي­‏هاي خود، سازگار نمود. در ادامه، به روش به كارگيري فيلترها اشاره مي‏­شود.


علاوه بر موارد فوق، Weka شامل پياده سازي الگوريتم­‏هايي براي يادگيري قواعد انجمني، خوشه­بندي داده­‏ها در جايي كه هيچ دسته­اي تعريف نشده است، و انتخاب ويژگي‏هاي مرتبط در داده­‏ها مي‏­شود.
 
 

روش استفاده از Weka

روش استفاده از Weka
شکل 1،‌ راههای انتخاب واسط­های مختلف Weka را نشان مي­دهد.
آسان­ترين راه استفاده از Weka ، از طريق واسطی گرافيکی است که Explorer خوانده مي‏شود. اين واسط گرافيکی، به وسيله انتخاب منوها و پر کردن فرم­‏های مربوطه، دسترسی به همه امکانات را فراهم کرده است. برای مثال، مي‏­توان به سرعت يک مجموعه داده را از يک فايل ARFF خواند و درخت تصميم‏گيری آن را توليد نمود. امادرخت­‏های تصميم‏گيری يادگيرنده صرفاً ابتدای کار هستند. الگوريتم­‏های بسيار ديگری برای جستجو وجود دارند. واسط Explorer کمک مي‏­کند تا الگوريتم­‏های ديگر نيز آزمايش شوند.


شکل 1. Weka در وضعيت انتخاب واسط
اين واسط با در اختيار گذاشتن گزينه­‏ها به صورت منو، با وادار کردن کاربر به اجرای کارها با ترتيب صحيح، به وسيله خاکستری نمودن گزينه­‏ها تا زمان صحيح به کارگيری آنها، و با در اختيار گذاشتن گزينه­‏هايی به صورت فرم­‏های پرشدنی، کاربر را هدايت مي‏­کند. راهنمای ابزار مفيدی، حين عبور ماوس از روی گزينه­‏ها، ظاهر شده و اعمال لازم مربوطه را شرح مي‏­دهد. پيش­فرض­‏های معقول قرار داده شده، کاربر را قادر مي‏­سازند تا با کمترين تلاشی، به نتيجه برسد. اما کاربر بايد برای درک معنی نتايج حاصله، راجع به کارهايی که انجام مي‏­دهد، بينديشد.
Weka دو واسط گرافيکی ديگر نيز دارد. واسط knowledge flow به کاربر امکان مي‏­دهد تا چنيش­‏هايی برای پردازش داده­‏های در جريان، طراحی کند. يک عيب پايه­ای Explorer . نگهداری هر چيزی در حافظه اصلی آن است. (زمانی که يک مجموعه داده را باز مي‏­کنيم، Explorer ، کل آن را، در حافظ باز مي‏­کند) نشان مي‏­دهد که Explorer ، صرفاً برای مسايل با اندازه­‏های کوچک تا متوسط، قابل اعمال است. با وجود بر اين Weka شامل تعدادی الگوريتم­‏های افزايشی است که مي‏­تواند برای پردازش مجموعه های داده بسيار بزرگ مورد استفاده قرار گيرد. واسط knowledge flow امکان مي‏­دهد تا جعبه [15] ­‏های نمايانگر الگوريتم­‏های يادگيری و منابع داده­‏ها را به درون صفحه بکشيم و با اتصال آنها به يکديگر، ترکيب و چينش دلخواه خود را بسازيم. اين واسط اجازه مي‏­دهد تا جريان داده­ای از مؤلفه­‏های به هم متصل که بيانگر منابع داده، ابزارهای پيش پردازش، روش­‏های ارزيابی و واحدهای مصوّر سازی هستند تعريف شود. اگر فيلترها و الگوريتم­های يادگيری، قابليت يادگيری افزايشی را داشته باشند، داده­‏ها به صورت افزايشی بار شده و پردازش خواهند شد.
سومين واسط Weka ، که Experimenter خوانده مي‏­شود، کمک مي‏­کند تا به اين سؤال عملی و پايه­ای کاربر حين استفاده از تکنيک­‏های رده‏بندی و رگرسيون، پاسخ دهد: "چه روش­‏ها و پارامترهايی برای مسأله داده شده، بهتر عمل مي‏­کنند؟"
عموماً راهی برای پاسخگويی مقدماتی به اين سؤال وجود ندارد و يکی از دلايل توسعه Weka ، فراهم نمودن محيطی است که کاربران Weka را قادر به مقايسه تکنيک­‏های گوناگون يادگيری بنمايد. اين کار، مي‏­تواند به صورت تعاملی در Explorer انجام شود. با اين وجود، Experimenter با ساده کردن اجرای رده‏بندی کننده­‏ها و فيلترها با پارامترهای گوناگون روی تعدادی از مجموعه­‏های داده، جمع­آوری آمار کارآيی و انجام آزمايش­‏های معنا، پردازش را خودکار مي‏­کند. کاربرهای پيشرفته، مي‏­توانند از Experimenter برای توزيع بار محاسباتی بين چندين ماشين، استفاده کنند. در اين روش، مي‏­توان آزمايش­‏های آماری بزرگی را راه­اندازی نموده و آنها را برای اجرا، رها نمود.
ورای اين واسط­‏های تعاملی، عملکرد پايه­ای Weka قرار دارد. توابع پايه­ای Weka ، از طريق خط فرمان [16] ­‏های متنی قابل دسترسی هستند. زمانی که Weka ، فعال مي‏­شود، امکان انتخاب بين چهار واسط کاربری وجود دارد: Explorer ، knowledge ، Experimenter و واسط خط فرمان.
اکثر کاربران، حداقل در ابتدای کار Explorer را به عنوان واسط کاربری انتخاب مي‏­کنند.
3. قابليتهای Weka
مستندسازی در لحظه، که به صورت خودکار از کد اصلی توليد مي‏­شود و دقيقاً ساختار آن را بيان مي‏­کند، قابليت مهمی است که حين استفاده از Weka وجوددارد.
نحوه استفاده از اين مستندات و چگونگی تعيين پايه­‏های ساختمانی اصلی Weka ، مشخص کردن بخش­‏هايی که از روش­‏های يادگيری با سرپرست استفاده مي‏­کند، ابزاری برای پيش پردازش داده­‏ها بکار مي‏­رود و اينکه چه روش­‏هايی برای ساير برنامه­‏های يادگيری وجود دارد، در ادامه تشريح خواهد شد. تنها به ليست کاملی از الگوريتم­‏های موجود اکتفا مي‏­شود زيرا Weka به طور پيوسته تکميل مي‏­شود و به طور خودکار از کد اصلی توليد مي‏­شود. مستندات در لحظه هميشه به هنگام شده مي‏­باشد. اگر ادامه دادن به مراحل بعدی و دسترسی به کتابخانه از برنامه جاوا شخصی يا نوشتن و آزمايش کردن برنامه­‏های يادگيری شخصی مورد نياز باشد، اين ويژگی بسيار حياتی خواهد بود.
در اغلب برنامه­‏های کاربردی داده کاوی، جزء يادگيری ماشينی، بخش کوچکی از سيستم نرم­افزاری نسبتاً بزرگی را شامل مي‏­شود. در صورتی که نوشتن برنامه کاربردی داده کاوی مد نظر باشد، مي‏­توان با برنامه­نويسی اندکی به برنامه­‏های Weka از داخل کد شخصی دسترسی داشت. اگر پيدا کردن مهارت در الگوريتم­‏های يادگيری ماشينی مدنظر باشد، اجرای الگوريتم­‏های شخصی بدون درگير جزييات دست و پا گير شدن مثل خواندن اطلاعات از يک فايل، اجرای الگوريتم­‏های فيلترينگ يا تهيه کد برای ارزيابی نتايج يکی از خواسته­‏ها مي‏­باشد. Weka دارای همه اين مزيت­‏ها است. برای استفاده کامل از اين ويژگی، بايد با ساختارهای پايه­ای داده­‏ها آشنا شد.
4. دريافت Weka
نرم افزار Weka ، در آدرس http://www.cs.waikato.ac.nz/me/weka ، در دسترس است. از اين طريق مي‏­توان نصب کننده [17] متناسب با يک پلت فرم معين، يا يک فايل Java jar را که در صورت نصب بودن جاوا به راحتی قابل اجرا است، دانلود [18] نمود.
5. مروری بر Explorer
واسط گرافيکی اصلی برای کاربران،‌ Explorer است که امکان دسترسی به همه امکانات Weka را از طريق انتخاب منوها و پر کردن فرمها فراهم مي­آورد. شکل 2،‌ نمای Explorer ‌ را نشان مي­دهد. در اين واسط، شش پانل [19] مختلف وجود دارد که از طريق نوار [20] بالای صفحه قابل انتخاب هستند و با وظايف [21] داده کاوی پشتيبانی شده توسط Weka ‌ متناظر مي­باشند.

شکل 2. واسط گرافيکی Explorer
دو گزينه از شش گزينه بالای پنجره Explorer در شکل های 3 و 4 به طور خلاصه تشريح شده است.
به طور خلاصه، کارکرد تمام گزينه­‏ها به شرح ذيل است.
Preprocess : انتخاب مجموعه داده و اصلاح [22] آن از راه­‏های گوناگون
Classify : آموزش [23] برنامه­‏های يادگيری که رده‏بندی يا رگرسيون انجام مي‏­دهند و ارزيابی آنها.
Cluster : يادگيری خوشه­‏ها برای مجموعه های داده
Associate : يادگيری قواعد انجمنی برای داده­‏ها و ارزيابی آنها
Select attributes : انتخاب مرتبط­ترين جنبه [24] ها در مجموعه های داده
Visualize : مشاهده نمودارهای مختلف دوبعدی داده­‏ها و تعامل با آنها

شکل 3. خواندن فايل داده های آب و هوا
Weka Exphorer امکان رده بندی دارد، چنانچه به کاربران اجازه مي‏­دهد به صورت تعاملی اقدام به ساخت درخت تصميم‏گيری کنند. Weka نمودار پراکندگی داده­‏ها را نسبت به دو ويژگی انتخاب شده، فراهم مي‏­آورد. وقتی زوج ويژگي­ای که رده­‏ها را به خوبی جدا مي‏­کند، پيدا شد، امکان ايجاد دو شاخه با کشيدن چند ضلعی اطراف نقاط داده­‏ها بر نمودار پراکندگی وجود دارد.


شکل 4. نوار Classify
هر نوار، دسترسی به دامنه کاملی از امکانات را فراهم مي­کند. در پايين هر پانل، جعبه status و دکمه log قرار دارد. جعبه status پيغام­‏هايی است که نشان مي‏­دهد چه عملياتی در حال انجام داده شدن است. مثلاً اگر Explores مشغول خواندن يک فايل باشد، جعبه status آن را گزارش مي‏­دهد. کليک راست در هر جا داخل اين جعبه يک منو کوچک با دو گزينه مي‏­آورد، نمايش ميزان حافظه در دسترس Weka و اجرای Java garbage collector ..
لازم است توجه شود که garbage collector به طور ثابت به عنوان يک عمل پيش زمينه [25] در هر حال اجرا مي‏­شود کليک دکمه log ، گزارش عملکرد متنی کارهايی که Weka تاکنون در اين بخش انجام داده است با برچسب زمانی ارايه مي‏­کند.
زمانيکه Weka در حال عمليات است، پرنده کوچکی که در پايين سمت راست پنجره است، بالا و پايين مي‏­پرد. عدد پشت × نشان مي‏­دهد که به طور همزمان چند عمليات در حال انجام است. اگر پرنده بايستد در حاليکه حرکت نمي‏­کند، او مريض است! اشتباه رخ داده است و بايد Explorer از نو اجرا شود.
1. خواندن و فيلتر کردن فايل­‏ها
در بالای پانل Preprocess در شکل 3، دکمه­‏هايی برای باز کردن فايل، URL ‏ها و پايگاه های داده­‏ وجود دارد. در ابتدا تنها فايل­‏های با پسوند arff . در browser فايل نمايش داده مي‏­شود. برای ديدن ساير فايل­‏ها يايد گزينه [26] Format در جعبه انتخاب فايل تغيير داده شود.
2. تبديل فايل­‏ها به فرمت ARFF
نرم افزار Weka دارای سه مبدل فرمت فايل [27] مي‏­باشد، برای فايل­‏های صفحه گسترده [28] با پسوند CSV ، با فرمت فايل C4.5 با پسوند names . و data و برای نمونه­‏های سری با پسوند bsi .
اگر Weka قادر به خواندن داده­‏ها نباشد، سعی مي‏­کند آن را به صورت ARFF تفسير کند. اگر نتواند جعبه نشان داده شده در شکل 5 (الف) ظاهر مي‏­شود.

(الف)

(ب)

(ج)
شکل 5. ويرايشگر عمومی اشياء (الف) ويرايشگر (ب) اطلاعات بيشتر (فشردن دگمه More ) (ج) انتخاب يک مبدل
اين، يک ويرايشگر عمومی [29] اشياء است که در Weka برای انتخاب و تنظيم اشيا بکار مي‏­رود. به عنوان مثال وقتی پارامتری برای Classifier تنظيم مي‏­شود، جعبه­ای با نوع مشابه بکار برده مي‏­شود. CSV Loader برای فايل­‏های با پسوند CSV . به طور پيش فرض انتخاب مي‏­شود. دکمه More اطلاعات بيشتری در مورد آن مي‏­دهد که در شکل 5 (ب) نشان داده شده است.
هميشه مطالعه مستندات [30] ارزشمنداست! در اين حالت نشان مي‏­دهد که رديف نخست صفحه گسترده، نام ويژگی را تعيين مي‏­کند. برای استفاده از اين مبدل بايد بر Ok کليک شود. برای مورد مختلف لازم است بر choose کليک شود تا از ليست شکل 5 (ج) انتخاب انجام شود.
گزينه اول، Arffloader است و فقط به دليل ناموفق بودن به اين نقطه مي‏­رسيم. CSVLoader پيش فرض است و در صورت نياز به فرض ديگر، choose کليک مي‏­شود. سومين گزينه، مربوط به فرمت C4.5 است که دو فايل برای مجموعه داده وجود دارد يکی اسم­‏ها و ديگـری داده­‏های واقعـی مي‏­باشد. چهارمين برای نمونه­‏های سريالی [31] ، برای بازخوانی [32] مجموعه داده­ای است که به صورت شيئ سريالی شده جاوا ذخيره شده است. هر شيء در جاوا مي‏­تواند در اين شکل ذخيره و بازخوانی شود. به عنوان يک فرمت بومی جاوا [33] ، سريع­تر از فايل ARFF خوانده مي‏­شود چرا که فايل ARFF بايد تجزيه [34] و کنترل شود. وقتی يک مجموعه داده بزرگ مکررا بازخوانی مي‏­شود، ذخيره آن در اين شکل سودمند است.
ويژگي‏های ديگر ويرايشگر عمومی اشيا در شکل 5 (الف)، save و open است که به ترتيب برای ذخيره اشيای تنظيم شده و بازکردن شيئی که پيش از اين ذخيره شده است، به کار مي­رود. اينها برای اين نوع خاص شيئ مفيد نيستند. لکن پانل­‏های ديگر ويرايشگر عمومی اشياء، خواص قابل ويرايش زيادی دارند. به دليل مشکلاتی که ممکن است حين تنظيم مجدد آنها رخ دهد، مي‏­توان ترکيب اشياء ايجاد شده را برای استفاده­‏های بعدی، ذخيره کرد.
تنها منبع [35] مجموعه­‏های داده برای Weka ، فايل­‏های موجود روی کامپيوتر نيستند. مي‏­توان يک URL را باز کرد تا Weka از پروتکل HTTP برای دانلود کردن يک فايل Arff از شبکه استفاده کند. همچنين مي‏توان يک پايگاه داده­‏ها را باز نمود ( open DB ـ هر پايگاه داده­ای که درايور اتصال به مجموعه های داده به زبان جاوا JDBC را دارد.) و به وسيله دستور select زبان SQL ، نمونه­‏‏ها را بازيابی نمود. داده­‏ها مي‏­توانند به کمک دگمه save به همه فرمت­‏های ذکر شده، ذخيره شوند. جدای از بحث بارگذاری و ذخيره مجموعه­‏های داده، پانل preprocess به کاربر اجازه فيلتر کردن داده­‏ها را مي‏­دهد. فيلترها، اجزای مهم Weka هستند.
3. بکارگيری فيلترها
با کليک دگمه choose (گوشه بالا و سمت چپ) در شکل 3 مي‏­توان به ليستی از فيلترها دست يافت. مي‏­توان از فيلترها برای حذف ويژگي‏های مورد نظری از يک مجموعه داده و انتخاب دستی ويژگي‏‏ها استفاده نمود. مشابه اين نتيجه را مي‏­توان به کمک انتخاب ويژگي‏های مورد نظر با تيک زدن آنها و فشار دادن کليه Remove به دست آورد.
4. الگوريتم­‏های يادگيری
زمانی که يک الگوريتم يادگيری با استفاده از دگمه choose در پانل classify انتخاب مي‏­شود، نسخه خط فرمانی رده بند در سطری نزديک به دگمه ظاهر مي‏­گردد. اين خط فرمان شامل پارامترهای الگوريتم است که با خط تيره مشخص مي‏­شوند. برای تغيير آنها مي‏­توان روی آن خط کليک نمود تا ويرايشگر مناسب شيء، باز شود. جدول شکل 6، ليست اسامی رده بندهای Weka را نمايش مي‏­دهد. اين الگوريتم­‏ها به رده بندهای Bayesian ، trees ، functions rules ، lazy و دسته نهايی شامل روش­‏های متفرقه تقسيم شده­اند.
4-1. Trees
Decision stump که برای استفاده توسط روش­‏های boosting طراحی شده است، برای مجموعه­‏های داده عددی يا رده­ای، درخت تصميم‏گيری يک سطحی مي‏­سازد. اين الگوريتم، با مقادير از دست رفته، به صورت مقادير مجزا برخورد کرده و شاخه سومی از درخت توسعه مي‏­دهد.
4-2. Rules
Decision Table يک رده بند بر اساس اکثريت جدول تصميم‏گيری مي‏­سازد. اين الگوريتم، با استفاده از جستجوی اولين بهترين، زير دسته­‏های ويژگي‏‏ها را ارزيابی مي‏­کند و مي‏­تواند از اعتبارسنجی تقاطعی برای ارزيابی بهره ببرد (1995، Kohavi ).
يک امکان اين است که به جای استفاده از اکثريت جدول تصميم‏گيری که بر اساس دسته ويژگي‏های مشابه عمل مي‏­کند، از روش نزديکترين همسايه برای تعيين رده هر يک از نمونه­‏ها که توسط مدخل [36] جدول تصميم‏گيری پوشش داده نشده­اند، استفاده شود.
Conjunctive Rule قاعده­ای را ياد مي‏­گيرد که مقادير رده­‏های عددی را رده­ای را پيش‏بينی مي‏­کند. نمونه­‏های آزمايشی به مقادير پيش فرض رده نمونه­‏های آموزشی، منسوب مي‏­شوند. سپس تقويت اطلاعات (برای رده­‏های رسمی)، يا کاهش واريانس (برای رده­های عددی) مربوط به هر والد محاسبه شده و به روش هرس کردن با خطای کاهش يافته [37] ، قواعد هرس مي‏­شوند.
ZeroR برای رده­‏های اسمی، اکثريت داده­‏های مورد آزمايش و برای رده­‏های عددی، ميانگين آنها را پيش‏بينی مي‏­کند. اين الگوريتم بسيار ساده است.
M5Rules ، به کمک M5 از روی درخت­‏های مدل، قواعد رگرسيون استخراج مي‏­کند.

شکل 6.الف. الگوريتمهای رده بندی در Weka

شکل 6.ب. الگوريتمهای رده بندی در Weka
در اين بخش به شرح مختصری برخی از اين الگوريتمها و پارامترهايشان که قابليت کار با ويژگی های عددی را دارند، پرداخته مي‏­شود.
4-3. Functions
Simple Linear Regresion مدل رگرسيون خطی يک ويژگی مشخص را ياد مي‏­گيرد. آنگاه مدل با کمترين خطای مربعات را انتخاب مي‏­کند. در اين الگوريتم، مقادير از دست رفته و مقادير غيرعددی مجاز نيستند [38] .
Linear Regression رگرسيون خطی استاندارد کمترين خطای مربعات را انجام مي‏­دهد مي‏تواند به طور اختياری به انتخاب ويژگی بپردازد، اين کار مي‏­تواند به صورت حريصانه [39] با حذف عقب رونده [40] انجام شود، يا با ساختن يک مدل کامل از همه ويژگي‏‏ها و حذف يکی يکی جمله­‏ها با ترتيب نزولی ضرايب استاندارد شده آنها، تا رسيدن به شرط توقف مطلوب انجام گيرد.
Least Med sq يک روش رگرسيون خطی مقاوم است که ميانه [41] (به جای ميانگين [42] ) مربعات انحراف از خط رگرسيون را کمينه مي‏­کند. اين روش به طور مکرر رگرسيون خطی استاندارد را به زيرمجموعه­‏هايی از نمونه­‏ها اعمال مي‏­کند و نتايجی را بيرون مي‏­دهد که کمترين خطای مربع ميانه را دارند.
SMO teg الگوريتم بهينه سازی حداقل ترتيبی را روی مسايل رگرسيون اعمال مي‏­کند. ( Scholkopf, 1998 ، Smola )
Pace Regression ، با استفاده از تکنيک رگرسيون pace ، مدل­‏های رگرسيون خطی توليد مي‏­کند (2002 ، Wang و Witten ). رگرسيون pace ، زمانی که تعداد ويژگي‏‏ها خيلی زياد است، به طور ويژه­ای در تعيين ويژگي‏‏هايی که بايد صرف‏نظر شوند، خوب عمل مي‏­کند. در واقع در صورت وجود نظم و ترتيب خاصی، ثابت مي‏­شود که با بي­نهايت شدن تعداد ويژگي‏‏ها، الگوريتم بهينه عمل مي‏­کند.
RBF Network ، يک شبکه با تابع پايه­ای گوسی شعاعی را پياده سازی مي‏­کند. مراکز و عرض­‏های واحدهای مخفی به وسيله روش ميانگين K [43] تعيين مي‏­شود. سپس خروجي­‏های فراهم شده از لايه­‏های مخفی [44] ، با استفاده از رگرسيون منطقی در مورد رده­‏های اسمی و رگرسيون خطی در مورد رده­‏های عددی، با يکديگر ترکيب مي‏­شوند. فعال سازي­‏های توابع پايه پيش از ورود به مدل­‏های خطی، با جمع شدن با عدد يک، نرماليزه مي‏­شوند. در اين الگوريتم مي‏­توان، K تعداد خوشه­‏ها، بيشترين تعداد تکرارهای رگرسيون­‏های منطقی برای مسأله­‏های رده­‏های رسمی، حداقل انحراف معيار خوشه­‏ها، و مقدار بيشينه رگرسيون را تعيين نمود. اگر رده­‏ها رسمی باشد، ميانگين K به طور جداگانه به هر رده اعمال مي‏­شود تا K خوشه مورد نظر برای هر رده استخراج گردد.
4-4. رده بندهای Lazy
ياديگرنده­‏های lazy نمونه­‏های آموزشی را ذخيره مي‏­کنند و تا زمان رده بندی هيچ کار واقعی انجام نمي‏­دهند.
IB1 يک يادگيرنده ابتدايی بر پايه نمونه است که نزديک­ترين نمونه­‏های آموزشی به نمونه­‏های آزمايشی داده شده را از نظر فاصله اقليدسی پيدا کرده و نزديکترين رده­ای مشابه رده همان نمونه­‏های آموزشی را تخمين مي‏­زند.
IBK يک رده بند با K همسايه نزديک است که معيار فاصله ذکر شده را استفاده مي‏­کند. تعداد نزديکترين فاصله­‏ها (پيش فرض 1= K ) مي‏­تواند به طور صريح در ويرايشگر شيء تعيف شود. پيش‏بيني­‏های متعلق به پيش از يک همسايه مي‏­تواند بر اساس فاصله آنها تا نمونه­‏های آزمايشی، وزن­دار گردد.
دو فرمول متفاوت برای تبديل فاصله به وزن، پياده سازی شده­اند. تعداد نمونه­های آموزشی که به وسيله رده بند نگهداری مي‏­شود، مي‏­تواند با تنظيم گزينه اندازه پنجره محدود گردد. زمانی که نمونه­‏های جديد اضافه مي‏­شوند، نمونه­‏های قديمی حذف شده تا تعداد کل نمونه­‏های آموزشی در اندازه تعيين شده باقی بماند.
Kstar ، يک روش نزديکترين همسايه است که از تابع فاصله­ای عمومی شده بر اساس تبديلات استفاده مي‏­کند.
LWL يک الگوريتم کلی برای يادگيری وزن دار شده به صورت محلی است. اين الگوريتم با استفاده از يک روش بر پايه نمونه، وزن­‏ها را نسبت مي‏­دهد و از روی نمونه­‏های وزن­دار شده، رده بند را مي‏­سازد. رده بند در ويرايشگر شيء LWL انتخاب مي‏­شود. Nave Bayes برای مسايل رده بندی و رگرسيون خطی برای مسايل رگرسيون، انتخاب­‏های خوبی هستند. مي‏­توان در اين الگوريتم، تعداد همسايه­‏های مورد استفاده را که پهنای باند هسته و شکل هسته مورد استفاده برای وزن دار کردن را (خطی، معکوس، يا گوسی) مشخص مي‏­کند، تعيين نمود. نرمال سازی ويژگي‏‏ها به طور پيش فرض فعال است[ Data Mining, witten et Al. 2005 ].
تبديل فايلها به فرمت ARFF
نرم افزار Weka داراي سه مبدل فرمت فايل ميباشد، براي فايلهاي صفحه گسترده با پسوند CSV ، فرمت فايل C4.5 با پسوند .namesو data و براي نمونه هاي سري با پسوند.bsi .
اگر Weka قادر به خواندن داده ها نباشد، سعي ميكند آن را به صورت ARFF تفسير كند. اگر نتواند پیغام نشان داده شده در شكل 4 (الف) ظاهر ميشود. با انتخاب گزینه Use Convertor، پیغام شكل 4 (ب) ظاهر ميشود
آموزش کامل نرم افزار داده کاوی weka
شكل4 (الف) پیغام خطا

آموزش کامل نرم افزار داده کاوی weka

شكل4 (ب) ويرايشگر
اين، يك ويرايشگر عمومي اشياء است كه در Weka براي انتخاب و تنظيم اشيا بكار ميرود. به عنوان مثال وقتي پارامتري براي Classifier تنظيم ميشود، جعبه اي با نوع مشابه بكار برده ميشود. CSV Loader براي فايلهاي با پسوند .CSVبه طور پيش فرض انتخاب ميشود. دكمه More اطلاعات بيشتري در مورد آن ميدهد كه در شكل 4 (ج) نشان داده شده است.هميشه مطالعه مستندات ارزشمنداست، در اين حالت نشان ميدهد كه رديف نخست صفحه گسترده، نام ويژگي را تعيين ميكند. براي استفاده از اين مبدل بايد بر Ok كليك شود. براي مورد مختلف لازم است بر choose كليك شود تا از ليست شكل 4 (د) انتخاب انجام شود.
گزينه اول، Arffloader است و فقط به دليل ناموفق بودن به اين نقطه ميرسيم.CSVLoader پيش فرض است و در صورت نياز به فرض ديگر، choose كليك ميشود. دومين گزينه، مربوط به فرمت C4.5 است كه دو فايل براي مجموعه داده وجود دارد يكي اسمها و ديگـري داده هاي واقعـي ميباشد. چهارمين براي نمونه هاي سريالي، براي بازخواني مجموعه داد‌ه‌اي است كه به صورت شيئ سريالي شده جاوا ذخيره شده است. هر شيء در جاوا ميتواند در اين شكل ذخيره و بازخواني شود. به عنوان يك فرمت بومي جاوا، سريعتر از فايل ARFF خوانده ميشود چرا كه فايل ARFF بايد تجزيه و كنترل شود. وقتي يك مجموعه داده بزرگ مكررا بازخواني ميشود، ذخيره آن در اين شكل سودمند است.
ويژگيهاي ديگر ويرايشگر عمومي اشيا در شكل 4 (ب)، save و open است كه به ترتيب براي ذخيره اشياي تنظيم شده و بازكردن شيئي كه پيش از اين ذخيره شده است، به كار ميرود. اينها براي اين نوع خاص شيئ مفيد نيستند. لكن پانلهاي ديگر ويرايشگر عمومي اشياء، خواص قابل ويرايش زيادي دارند. به دليل مشكلاتي كه ممكن است حين تنظيم مجدد آنها رخ دهد، ميتوان تركيب اشياء ايجاد شده را براي استفاده‌هاي بعدي، ذخيره كرد.
تنها منبع مجموعه‌هاي داده برايWeka ، فايلهاي موجود روي كامپيوتر نيستند. ميتوان يك URL را باز كرد تا Weka از پروتكل HTTP براي دانلود كردن يك فايل Arff از شبكه استفاده كند. همچنين ميتوان يك پايگاه داده‌ها را باز نمود ( open DB ـ هر پايگاه دادهاي كه درايور اتصال به مجموعه هاي داده به زبان جاوا JDBC را دارد.) و به وسيله دستور select زبان SQL ، نمونه‌ها را بازيابي نمود. داده‌ها ميتوانند به كمك دگمه save به همه فرمتهاي ذكر شده، ذخيره شوند. جداي از بحث بارگذاري و ذخيره مجموعه‌هاي داده، پانل preprocess به كاربر اجازه فيلتر كردن داده‌ها را ميدهد. فيلترها، اجزاي مهم Weka هستند.
بعد از اینکه فایل بارگذاری شد، Weka فیلدها را تشخیص میدهد و حین بررسی آنها، اطلاعات آماری پایهای را برای هر کدام از صفات محاسبه میکند. همان طور که در شکل 5 نشان داده شده است، لیست صفات تشخیص داده شده، در سمت چپ، پایین و اطلاعات پایگاه داده مربوطه در بالای آن نشان داده میشود.
آموزش کامل نرم افزار داده کاوی weka

شكل5. بانک اطلاعاتیbank-data.csv
با کلیک برروی هر کدام از صفات، میتوان اطلاعات آماری اصلی آن را در سمت راست مشاهده نمود. به عنوان مثال شکل 6 از انتخاب فیلد age نتیجه شده است.
نمودار ترسیم شده در سمت راست، پایین، بر اساس دو فیلد است. فیلد دوم به صورت پیشفرض، آخرین فیلد در پایگاه داده است که میتوان آن را به دلخواه تغییر داد.
آموزش کامل نرم افزار داده کاوی weka

شكل6. اطلاعات آماری فیلد age

ج- به كارگيري فيلترها
با كليك دگمهchoose (گوشه بالا و سمت چپ) در شكل 3 ميتوان به ليستي از فيلترها دست يافت. ميتوان از فيلترها براي حذف ويژگيهاي مورد نظر از يك مجموعه داده و یا انتخاب دستي ويژگيها استفاده نمود. مشابه اين نتيجه را ميتوان به كمك انتخاب ويژگيهاي مورد نظر با تيك زدن آنها و فشار دادن كليه Remove به دست آورد.
شکل 7 مراحل لازم برای حذف فیلد id از بانک اطلاعاتی، با استفاده از روش اول را نشان میدهد.
آموزش کامل نرم افزار داده کاوی weka

شكل 6 (الف). انتخاب فیلتر Remove

آموزش کامل نرم افزار داده کاوی weka

شكل 6 (ب). وارد کردن شماره فیلد مورد نظر

آموزش کامل نرم افزار داده کاوی weka

شكل 6 (ج).انتخاب گزینه Apply و حذف فیلد id
یکی دیگر ازفیلترهای موجود، Discretize است که با استفاده از آن میتوان مقادیریک صفت پیوسته را به تعداد دلخواه بازه گسسته تبدیل کرد. شکل7 مراحل لازم برای شکستن مقادیر صفت age به 3 بازه را نشان میدهد.
آموزش کامل نرم افزار داده کاوی weka

شكل7 (الف). انتخاب فیلتر Discretize

آموزش کامل نرم افزار داده کاوی weka

شكل7 (ب). وارد کردن شماره فیلد مورد نظر و انجام تنظیمات
آموزش کامل نرم افزار داده کاوی weka
آموزش کامل نرم افزار داده کاوی weka

شكل 7 (ج).انتخاب گزینه Apply
3-1-2 Classify
الف- الگوریتمهای رده‌بندی
Weka الگوریتمهای classification و prediction بسیار متنوعی را پیاده‌سازی میکند. الگوريتمهای رده‌بندی، به رده‌بندهاي Bayesian، functions،lazy ،meta ، misc، trees و rules تقسيم شده‌اند. جدول شكل 8، ليست اسامي رده بندهاي Weka را نمايش ميدهد.
آموزش کامل نرم افزار داده کاوی weka

آموزش کامل نرم افزار داده کاوی weka
شكل 8 (الف). الگوريتمهاي رده بندي در Weka
آموزش کامل نرم افزار داده کاوی weka
آموزش کامل نرم افزار داده کاوی weka
شكل 8 (ب). الگوريتمهاي رده بندي در Weka
دراین قسمت برخی از اسامی رده‌بندیهای Weka معرفی میشوند.

  • Trees

ü Decision stumpكه براي استفاده توسط روشهاي boosting طراحي شده است، براي مجموعه‌هاي داده عددي يا رده‌اي، درخت تصميم‌گيري يك سطحي ميسازد. اين الگوريتم، با مقادير از دست رفته، به صورت مقادير مجزا برخورد كرده و شاخه سومي از درخت توسعه ميدهد
  • Rules

    • ü Decision Tableيك رده‌بندی بر اساس اكثريت جدول تصميم‌گيري ميسازد. اين الگوريتم، با استفاده از جستجوي اولين بهترين، زير دسته‌هاي ويژگيها را ارزيابي ميكند و ميتواند از اعتبارسنجي تقاطعي براي ارزيابي بهره برد. (Kohavi 1995 )
    • يك امكان اين است كه به جاي استفاده از اكثريت جدول تصميم‌گيري كه بر اساس دسته ويژگيهاي مشابه عمل ميكند، از روش نزديكترين همسايه براي تعيين رده هر يك از نمونه‌ها كه توسط مدخل (Entry) جدول تصميمگيري پوشش داده نشده‌اند، استفاده شود.
    • ü Conjunctive Ruleقاعده‌اي را ياد ميگيرد كه مقادير رده‌هاي عددي را پيشبيني ميكند. نمونه‌هاي آزمايشي به مقادير پيش فرض رده نمونه‌هاي آموزشي، منسوب ميشوند. سپس تقويت اطلاعات (براي ردههاي رسمي)، يا كاهش واريانس (براي ردههاي عددي) مربوط به هر والد محاسبه شده و به روش هرس كردن با خطاي كاهش يافته (Reduced-error pruning) ، قواعد هرس ميشوند.
    • ü ZeroRبراي رده‌هاي اسمي، اكثريت داده‌هاي مورد آزمايش و براي رده‌هاي عددي، ميانگين آنها را پيشبيني ميكند. اين الگوريتم بسيار ساده است.
    • ü M5Rulesبه كمك M5 از روي درختهاي مدل، قواعد رگرسيون استخراج ميكند.

    • در اين بخش به شرح مختصري برخي از اين الگوريتم‌ها و پارامترهايشان كه قابليت كار با ويژگي هاي عددي را دارند، پرداخته ميشود.


  • Functions

    • ü Simple Linear Regressionمدل رگرسيون خطي يك ويژگي مشخص را ياد ميگيرد، آنگاه
ارسال شده توسط احمد محمدی | 17 12, 2013 | بازدید‌ها (2573)

هوش تجاری و تصمیمات کلان سازمانی

 چکیده
در این نوشتار آثار مثبتی که هوش تجاری (BI=BUSINESS INTELLEGENCE) بر تصمیمات عمده و کلان سازمانی دارد اشاره شده است و به عمده موارد قابل توجه در معماری هوش تجاری و مزایای آن به همراه نحوه برخورد و نوع پیاده سازی آن پرداخته شده است، هوش تجاری نه به عنوان یک ابزار یا یک محصول و یا حتی سیستم، بلکه بعنوان یک رویکرد جدید در معماری سازمانی بر اساس سرعت در تحلیل اطلاعات به منظور اتخاذ تصمیمات دقیق و هوشمند کسب و کار در حداقل زمان ممکن مطرح شده است. در این مقاله، دلایل لزوم استفاده با تشریح اهداف آن، ضمن معرفی تکنیک‌های عمومی، مورد بررسی قرار گرفته است.

مقدمه
فناوریهای نوین با سرعتی سرسام آور در حال پیشرفت هستند، به طوری که جوامع به صورت عام و بازار به صورت خاص با شتابی وصف ناپذیر به دنبال ترفند هایی می گردند که بقایشان را در این عرصه آشفته و متلاطم تضمین کنند. سازمانها باید بپذیرند که فلسفه حیاتشان تغییر کرده است و دیگر زنده بودن به معنای رسیدن به وضعیت سوددهی مداوم نمی تواند باشد و باید به دنبال رقابت و ابزار آن باشند، چرا که امروزه کمتر شرکتی در این عرصه به صورت سنتی و به دور از قواعد جدید بازی کسب و کار می کند و برای اینکه بتوان پا به پای رقبا باقی ماند یا شاید بسختی و با مهارت بسیار بتوان یک قدم از آنها پیش گرفت، می بایست به قواعد جدید بازی کاملا مسلط بود تا شاید روزی بتوان خود یک قاعده جدید انگاشت. بنابراین تسلط بر فناوریهای جدیدی مانند هوش تجاری در کسب و کارها یک الزام وضرورتی اجتناب ناپذیر تلقی می شود. هدف این نوشتار نیز چیزی جز یادآوری روند روبه رشد و توقف ناپذیر نوآوری در فناوری و دگرگونی در نحوه کسب و کارها نیست؛ تحولی که در این انقلاب صورت پذیرفته است و دگرگونیهایی که در رویه تغییرات موجبات بروز اختلافات و پیدایش شکافهای عمیقی را بین فرداها با امروز فراهم آورده و خواهد آورد.

کلیات هوش تجاری
هوش تجاری یا هوش کسب و کار که قالب عمده تری را مانند استفاده‌های تجاری و غیر تجاری (نظامی و غیر‌انتفاعی) در بر دارد، عبارت است از بُعد وسیعی از کاربردها و تکنولوژی برای جمع آوری داده و دانش جهت زایش پرس و جو در راستای آنالیز بنگاه برای اتخاذ تصمیمات تجاری دقیق و هوشمند. یک هوش تجاری براساس یک معماری بنگاه تشکیل شده است و در قالب پردازش تحلیلی برخط (OLAP) به تحلیل داده های تجاری و اتخاذ تصمیمات دقیق و هوشمند می‌پردازد. هوش تجاری، نه به عنوان یک محصول و نه به عنوان یک سیستم، بلکه به عنوان یک معماری و رویکردی جدید موردنظر است که البته شامل مجموعه ای از برنامه های کاربردی و تحلیلی است که به استناد پایگاههای داده عملیاتی و تحلیلی به اخذ و کمک به تصمیم گیری برای فعالیتهای هوشمند تجاری و کسب و کار می پردازند. اما هوش تجاری از مناظر دیگر: از منظر معماری و فرایند به هوش تجاری به عنوان یک چارچوب که عامل افزایش کارایی سازمان و یکپارچگی فرایندها و نهایتا بر فرایندهای تصمیم گیری در سطوح مختلف سازمانی متمرکز است، نگریسته می شود. بازار هوش تجاری را ابزاری برای برتری رقابتی و پایشگر و تحلیلگر بازار و مشتریان می داند. از نقطه نظر فناوری نیز هوش تجاری یک سیستم هوشمند است که با پردازش دقیق داده ها، نقطه دخالت سخت افزار و نرم افزار در مغز افزار ها به حساب می آید. ولی به بیان ساده تر هوش تجاری چیزی نیست مگر فرایند بالابردن سود دهی سازمان در بازار رقابتی با استفاده هوشمندانه از داده‌های موجود در فرایند تصمیم گیری. در صورتی که مفهوم هوش تجاری بدرستی درک و منتقل نگردد، موجب می شود تا انتظارات مدیران به صورت ناگهانی افزایش یابد و برآورده نشدن این توقعات مواردی را از جمله سلب اطمینان افراد و بویژه مدیران از این سیستم به دنبال خواهد داشت؛ چرا که هوش تجاری فقط به دنبال کوتاه کردن مسیر های پرس و جو در داخل اطلاعات است و خود مستقلا و بدون نیاز به اطلاعات مناسب قادر به ارائه پیشنهاد یا راهکاری نیست.

تعیین گرایشهای تجاری سازمان
که از پیامدهای استفاده از
هوش تجاری است
موجب می شود که سازمان
بدون اتلاف وقت و هزینه
در سایر مسیرها
به دنبال اهداف کلان متمرکز شود.

ضرورت استفاده از هوش تجاری در سازمانها
همانطور که از تعاریف متعدد استنباط می شود، هوش تجاری در قالب هر تعریفی به دنبال افزایش سودآوری سازمان با استفاده از اتخاذ تصمیمات هوشمند و دقیق است و به طور اعم می توان اهداف زیر را برای این رویکرد نوین عنوان کرد:
1 - تعیین گرایشهای تجاری سازمان که موجب می شود تا سازمان بدون اتلاف وقت و هزینه و انرژی در سایر مسیرها به دنبال اهداف کلان و اساسی خود متمرکز شود.
-2 تحلیل عمیق بازار.
-3 پیش بینی بازار که می تواند قبل از اینکه رقبا سهم بازار خود را توسعه دهند، منافع جدید به وجود آمده در بازار را عاید سازمان کند.
-4 بالابردن سطح رضایتمندی مشتریان که می تواند موجبات استمرار کسب و کار باشد و از دست دادن این اعتماد و رضایتمندی مراتبی را برای بنگاه به همراه دارد.
-5 شناسایی مشتریان دائمی که وفادارند، می توان با پیگیری رفتار آنان، جهت‌گیریهای کلان و استراتژیک را انجام داد.
-6 تقسیم بندی مشتریان و متعاقبا ایجاد تنوع در روش برخورد با هرگروه از مشتریان.
-7 افزایش کارایی سازمان در امور داخلی و شفاف سازی رویه فرایندهای کلیدی.
-8 استانداردسازی و ایجاد سازگاری بین ساختارهای سازمان.
-9 تسهیل در تصمیم گیری که جزء اهداف اساسی هوش تجاری محسوب می‌شود.
10 - تشخیص زود هنگام خطرات قبل از اینکه سازمان را به مخاطرات جدی بکشاند و شناسایی فرصتهای کسب و کار قبل از اینکه رقبا آن را تصاحب کنند.
با توجه به موارد فوق می توان گفت که احساس نیاز به وجود هوش تجاری در سازمان برای اولین بار در سطوح بالای مدیریتی احساس می شود و از بالای هرم ساختار سازمانی به بخشهای زیرین منتقل می شود، ولی برای ایجاد آن می‌بایست از پایین‌ترین سطوح و لایه ها شروع کرد.
مهمترین نیاز یک مدیر، داشتن اطلاعات دقیق برای اتخاذ تصمیم درست است. فرایند تصمیم گیری می تواند به سه بخش کلی زیر تقسیم شود. با توجه به انواع مختلف تصمیم گیری (بر اساس میزان ساخت یافته بودن آن) هر یک از بخشهای اهمیت متفاوتی خواهند داشت.
-1 دسترسی، جمع آوری و پالایش داده ها و اطلاعات مورد نیاز؛
-2 پردازش، تحلیل و نتیجه گیری بر اساس دانش؛
-3 اعمال نتیجه و نظارت بر پیامدهای اجرای آن.
در هر یک از موارد فوق، سازمانهای قدیمی که از هوش تجاری استفاده نمی کنند، دارای مشکلاتی هستند که اغلب از عواملی چون حجیم بودن داده ها، پیچیدگی در تحلیلها و ناتوانی در ردگیری نتایج فرایندها و پیامدهای تصمیمات گرفته شده، نشئت می گیرند. هوش تجاری با کمک به حل مشکلات فوق، به دلیل ساختاری که در سازمان به وجود می آورد، فرصتهای جدیدی نیز برای رشد سازمان ایجاد می کند و نه تنها عامل حذف مشکلات است، بلکه با صرفه جویی در زمان و هزینه، شرایط کاری را دگرگون می سازد.

 



 
اجزا و مهارت های لازم برای ارتقای هوشمندی کسب و کار
برای اینکه یک سیستم با هوش تجاری بدرستی عمل کند، با شناخت موقعیتها که چه اطلاعاتی در اختیار چه افرادی قرار گیرد، باید روابط بین افراد و اطلاعات و روند اجرای پروسه ها بدقت مورد بررسی قرار گیرد.
هوش تجاری در سازمان، کلیه کاربران و همینطور روابط بین آنان را در نظر دارد تا زنجیره ارزش بنگاه به کمال پوشش داده شود و فرایندی از قلم نیفتد.
برای اجرای هر گونه فرایند بهبود در سازمان می بایست مهارتهایی خاص آن فرایند ترتیب داده شود که البته برای فرایندهای کلان نظیر هوشمندی کسب و کار دقت نظر خاصی مورد نیاز است.
مهارتهای کسب و کار اعم است از روال کسب و کار و ارتباط با استراتژی سازمانی به همراه فرایندهای دگرگون‌سازی، که در تعیین خط مشی سازمانی بسیار حائز اهمیت است. مهارتهای فناوری اطلاعات که به صورت فنی به مدیریت تغییر کمک می‌کند و پشتیبان متدولوژی های تحلیل است نیز می بایست، در سازمان به حدی کافی موجود باشد. مهارت دیگری باعنوان مهارتهای تحلیلی شامل خلاصه سازی تحلیل و کاوش و تشریح درست، به اندازه سایر مهارتها قابل ملاحظه است که این سه نوع مهارت در برخی بنگاهها دارای یک مرکز تلاقی هستند که آن دقیقا مرکز ارتقای هوشمندی کسب و کار تلقی می شود و هرچه وسیع تر باشد، مسلما هوشمندی کسب و کار در سازمان بیشتر و هرچند کوچکتر باشد هوشمندی در آن کسب و کار کمتر وجود دارد (شکل 1) البته در برخی از سازمانها که جزیره‌ای عمل می‌کنند محدوده هریک از این مهارت هرچند که وسیع باشند، ولی هیچ همپوشانی ندارند و مسلما اجرای اینگونه طرحها ( هوش تجاری) در این سازمانها تعریفی ندارد، چون شرط اصلی استفاده از فناوری نوین هوش تجاری، کار در محیط رقابتی است و شرکتهایی که به صورت جزیره ای عمل می کنند، اصولا در این محیط نمی توانند وارد شوند.
نقش هوشمندی را در کسب و کارها می توان به صورت زیر مشاهد کرد :
اگر سازمان در لایه های زیرساختی و تراکنشی خود از فناوری استخراج و انتقال و تبدیل داده ها استفاده کند و بستری از هوش تجاری را در تکنولوژی داده کاوی فراهم آورده باشد و همچنین ابزار BI را مبتنی بر فناوری اطلاعات و مشتری‌گرایی به کار گیرد، هوشمندی در این کسب و کار کارآمد خواهدبود.
چنانچه در بستر BI از استانداردها و برنامه های کاربردی، راهبردی، عملیاتی، تحلیلی نیز استفاده شود، هوشمندی در این کسب و کار اثربخش است. زمانی هوشمندی نقش اهرمی را در کسب و کار به عهده می گیرد که عملکرد به دقت ارزیابی شود و فرهنگ سازی در بین کاربران آغاز شده باشد. درنهایت برای تحقق این هدف می بایست متودولوژی BI و مهارتهای آن در بدنه سازمان مستقر شود.
هنگامی که سازمان به سمت اهداف جهانی سازی با استفاده از مجازی شدن متمایل شود و پا از ساختمانهای فیزیکی به عرصه مجازی نهاده شود، می تواند روند اجرای فرایندهای درون سازمان خود را به حد اعلا شفاف و نقش هوشمندی را یک نقش رقابتی سازد، بنابراین با این نقطه قوت با رقبا به رقابت بپردازد.

اهمیت استراتژیک هوش تجاری در تصمیمات سازمان
رشد تصمیم گیری سازمان معمولا بدین ترتیب است که پایین ترین سطح انجام فعالیتهای تجاری یک سازمان، سطح عملیاتی است که فرایند در دفعات بالا و معمولا به صورت تکراری در رده های پایین سازمان انجام می شود و معمولا با حجم کمی از داده ها سر و کار دارند. تصمیمات گرفته شده در این سطوح غالبا در حوزه مسائل ساخت یافته و توسط مدیران رده پایین اتخاذ می شود. نتایج حاصل از این تصمیمات، تاثیرات کوتاه مدت و خرد در سازمان دارند.

مشتریان، رقبا
شرکای تجاری، محیط اقتصادی
و کارکنان داخلی
ازجمله عوامل موثر
بر هوش تجاری سازمان هستند.

سطح تاکتیکی در سازمان مربوط به عملیاتی است که در حوزه مدیران میانی انجام می شود. این عملیات می تواند شامل پیگیری عملیات در سطح پایین، نحوه انجام آن، گزارش گیری و نهایتا جمع بندی داده‌های مفید برای اتخاذ تصمیمات میان مدت سازمان باشد. تصمیمات گرفته شده در این سطح غالبا در حوزه مسائل نیمه ساخت یافته و توسط مدیران میانی اتخاذ می شود و نهایتا بالاترین سطح استراتژیک مربوط به تصمیم گیریهای کلان سازمان است که توسط مدیران رده بالا اتخاذ می‌شود. این نوع استفاده‌ها در دفعات کم و در دوره های طولانی انجام می شود، اما ممکن است با حجم بالایی از اطلاعات و پردازشها همراه باشد. تصمیمات گرفته شده در این سطوح غالبا در حوزه مسائل غیر ساخت یافته و توسط مدیران ارشد انجام می شود و نتایج حاصله تاثیرات بلند مدت و کلانی در مسیر حرکت سازمان دارند.
کاربرد هوش تجاری در سطح استراتژیک را می توان به نوعی برای کمک به افزایش کارایی کلی سازمان و بهینه سازی فرایندها در کنار یکدیگر، در نظر گرفت. این سیستم ها روی برخی ویژگیهای مهم مالی و سایر پارامترهای مهم دیگر در افزایش کارایی سازمان متمرکز می شوند. بدیهی است که سیستم در این سطوح می‌بایست فرایندهای خارجی سازمان را نیز در بر بگیرد. خصوصیات مختلف برنامه‌های کاربردی در مقاطع مختلف سازمان، باعث ایجاد تفاوتهایی در ابزارها، تکنیک ها و زیرساختهای مورد نیاز برای هر یک از آنها می شود. استفاده از ابزارهای تحلیلی و هوشمند بیشتر در سطح بالا انجام می شود که نیازمند پردازشهای بالا با میزان دسترسی انبوهی از اطلاعات در سطوح استراتژیک و تاکتیکی بیشتر از عملیاتی است. بخش عملیاتی هوش تجاری بیشتر وظیفه جمع آوری اطلاعات و ذخیره سازی آنها را در و یا پایگاه داده های خصوصی بر عهده دارد.

تکنیک‌های تسهیل تصمیم گیری هوش تجاری
در هر دقیقه، دوهزار صفحه مطلب علمی به حجم اطلاعات شبکه اینترنت افزوده می‌شود. هر روز بیش از 300 میلیون صفحه در اینترنت فرستاده می‌شود و تقریبا 5 سال طول می‌کشد که بتوان مقالات و مطالب به روز شده در 24 ساعت را به تمامی خواند. بنابراین تمام اطلاعات از چنین نرخ رشدی برخوردارند. در بخشهای تحقیق و توسعه اغلب یک گروه چند نفری شروع به جمع آوری اطلاعات مورد نیاز می‌کنند و شاید اطلاعاتی مشابه، اما با نامهای مختلف را بایگانی کنند و معمولا چندین و چند بار در این گروهها دوباره و چند باره کاری اتفاق می‌افتد.
در عصری که زمان، کلید اصلی در تجارت است، شرکتها به استفاده از ابزارهای اطلاعاتی روی آورده اند تا بتوانند اطلاعات مورد نظر را بسرعت ازمنابع استخراج کنند هوش تجاری در امر تصمیم گیری در سطوح مختلف سازمان بویژه سطوح مدیران ارشد با تحلیل اطلاعات و روشهای پرس و جو تسهیلات زیادی را فراهم می کند که متداولترین این روشها به قرار زیر است:
* On-Line Analytical Processing (OLAP)
*On-Line Transaction Processing (OLTP)
* Data Warehousing (DW)
* Data Mining (DM)
* Intelligent Decision Support System (IDSS)
*Intelligent Agent (IA)
*Knowledge Management System (KMS)
*Supply Chain Management (SCM)
*Customer Relationship Management (CRM)
*Enterprise Resource Planning (ERP)
*Enterprise Information Management (EIM)
لازم به ذکر است، صرف وجود تمام این تکنیک ها در سطح سازمان بدون در نظر داشتن فرهنگ سازمان و رویکرد سیستمی موجود بین کارکنان نمی‌تواند اثبات کننده هوشمندی کسب و کار آن سازمان باشد. به همین علت است که برای هوش تجاری از کلمات استقرار و پیاده سازی استفاده می کنند نه از کلمه نصب؛ چراکه عواملی دیگر نیز غیر از بسته های نرم افزاری در درست کار کردن هوش تجاری موثرند و به همین منظور در تعاریف آن را رویکرد معماری نوین نامیده اند، زیرا از ابتدای فرایند تدوین داده ها تا مراحل ذخیره سازی و فراخوانی مجدد و استخراج دانش مورد نیاز، هوشمندی، رفتار ملموس است.
مواردی مانند زیرساختهای سازمان و یا فرهنگ سازمان در پیاده‌سازی هوش تجاری بسیار نقش قابل ملاحظه و حساسی را ایفا می کنند برای موفقیت در استقرار و کارایی یک سیستم BI در یک سازمان باید برخی موارد از ریشه های فرهنگی سازمان تغییر کند، چون این موارد در میزان بهره‌وری سیستم هوش تجاری نقش بسزایی خواهند داشت. برخی موارد مانند تلقی سازمان از اطلاعات که به عنوان یکی از مهمترین منابع سازمانی محسوب می‌شود و نوآوری که در سازمان باید بخشی از کار تجاری سازمان تلقی شود و نوع تفکر سازمان در مورد اطلاعات و نوآوری مسلما در بسته‌های نرم‌افزاری وجود ندارند، بلکه باید در لابه لای لایه‌های زیرساخت سازمان فرهنگ سازی و لحاظ گردند.

عوامل موثر بر هوش تجاری سازمان
همانطور که یک رویکرد سیستمی دقیق و به روز مانند هوش تجاری می تواند بر کارایی و عملکرد سازمان تاثیرات زیادی بگذارد، بسیاری از عوامل و نیز بر میزان کارایی هوش تجاری سازمان تاثیر گذارند، از جمله این عوامل می توان به مشتریان، رقبا، شرکا تجاری، محیط اقتصادی و کارکنان داخلی اشاره کرد. با توجه به این نکته که هیچ کسب و کاری بدون مشتری معنا ندارد، پایش رفتار مشتریان و مخصوصا شناسایی آنان از حیث دائمی یا موقتی بودن می تواند در پیش بینی میزان دقیق عرضه و تنظیم میزان تقاضا بسیار کارامد واقع شود. بنابراین تکنیک‌های سیستم های حمایت تصمیم‌گیری هوشمند (IDSS) و مدیریت ارتباط با مشتری که در متن معماری هوش تجاری نهفته است، می توانند روند حرکت سازمان را با عقاید و علایق مشتریان همگام کنند. نداشتن اطلاعات کافی در رابطه با مشتریان مانند اینکه: مشتریان واقعی چه کسانی هستند؟ این مشتریان چه کالاهایی و در چه زمانی می‌خرند؟ چگونه می توان الگوهای خرید مشتری را استخراج کرد؟ چگونه می‌توان میزان وفاداری مشتری را بالا برد؟، معضلات فراوانی را در اجرای چنین رویکردهای نوینی به بار خواهد آورد.

هوش تجاری در سازمان کلیه کاربران و همچنین روابط بین آنها را در نظر دارد تا زنجیره ارزش بنگاه به کمال پوشش داده شود

با توجه به این منطق که اگر به هر تحلیلگری در قالب سیستم یا سازمان، اطلاعات ناقص یا اشتباه وارد شود، خروجی آن هرگز قابل ارزیابی مطلوب نخواهد بود و اگر بهترین ساز و کارها در اختیار افراد نا مناسب قرار گیرد، مطمئنا ضمن کاهش عمر مفید کاری آنها، کارایی قابل توجهی هم نخواهند داشت، پس با توجه به آثار هوش تجاری بر سازمان باید بر تاثیرات عوامل متعدد داخلی و خارجی سازمان بر هوش تجاری مطالعه کرد تا سازمان باوجود صرف هزینه و زمان هنگفت برای ایجاد تغییرات کلی، در خروجی دچار خسارات جبران ناپذیری نشود؛ چراکه تصمیمات اساسی و استراتژیک در سازمانها با بهبود قسمتی از آن بسیار متفاوت است. این تصمیمات استراتژیک روند تفکر و حرکت سازمان را به کل تغییر می‌دهند و در صورت شکست، رجوع به نقطه اول و اصلاح اشتباهات یا تغییر جدید امکان پذیر نیست، زیرا تغییر فرهنگ سازمانی و نگرش افراد مستلزم برداشتن گامهای طولانی مدت و برنامه‌ریزی شده است. بنابراین کم تخمین زدن تاثیرات عوامل به نظر کوچک می تواند پایان یک راه امیدوارکننده و روشن را تیره و تار کند. ممکن است سازمانها در مواردی مشابه باشند، ولی هرگز دقیقا عملکرد یکسانی نداشته باشند و حتی اگر عملکردشان نیز بسیار به هم مشابه باشد، محیط فعالیت متفاوت یا خاص باشد و با توجه به سایر موارد باید اینگونه معماریهای بنیادین را طبق زیرساختها و ویژگیهای سازمان، طراحی، برنامه‌ریزی و پیاده سازی کرد.

نتیجه گیری
در این مقاله سعی بر آن شده است تا با ارائه توان فناوری جدید هوش تجاری و معرفی برخی مزایا و محسنات آن و تمرکز آن بر تصمیمات سازمانی - بویژه تصمیمات کلان که توسط مدیران رده بالا گرفته می شود - بتوان سختیهای کسب و کار امروز را تحلیل کرد تا توسط ارزیابی و تحلیلهای این فناوری جدید هوشمند، قبل از اینکه مخاطرات، سازمان را تهدید کنند و صدمات اقتصادی گزاف آنها مانع از بازار مناسب و باعث کاهش کیفیت عملکرد شود، آنها را پیش بینی و چاره جویی کرد و همچنین پیش از آنکه فرصتها توسط چشمان ریزبین و دقیق رقبا شناسایی شوند و فرصت رشد و ترقی از سازمان گرفته شود، آنها را به دست آورد که البته این اهداف صرفا با اتخاذ تصمیمات دقیق و هوشمند و در آمدن از رویای خوش تداوم ابدی شیوه کسب و کار تحقق خواهد یافت.

منابع:
1 - Knowledge Management and Project Management, SCHOENERT, SILKE.
2. www.businessobjects.com
3. www.elite.com
4. www.wipro. co. in
5. www.rsearch. ibm.com
6. www.developer.com

 

ارسال شده توسط احمد محمدی | 30 11, 2013 | بازدید‌ها (1043)

مقدمه
امروزه با پیشرفت فناوری، سازمان ها به دنبال راه ها و ترفندهایی می گردند که بقایشان را در این عرصه تضمین کنند. سازمان ها می دانند که دیگر بقای آنها تنها در رسیدن به وضعیت سوددهی مداوم نیست و باید به دنبال رقابت و ابزار آن باشند. همچنین می دانند که کلید موفقیت در عصر اطلاعات، اتخاذ تصمیماتی است که بدون تناقض، بهتر و سریع تر در رقابت پیش دستی کند.
یک سازمان در طول حیاتش، داده ایجاد می کند. این داده معمولا پیرامون دارایی، بازاریابی، فروش، منابع انسانی، مدیریت ارتباط با مشتری و ... گروه بندی می شوند و هر بخش یک وظیفه جدا در شرکت انجام داده و داده های مرتبط به خود را جمع آوری می کند. این حقیقت سازمان ها را ملزم به جستجوی ابزارهایی برای تسهیل فرایند کسب اثربخش داده ها، پردازش و تحلیل وسیع آنها کرده است تا براساس آن پایه ای را برای کشف دانش جدید بنا نهند.
برای سالیان متوالی از سیستم های اطلاعات مدیریت موجود مانند:MIS,DSS,ES,EIS  استفاده می شد اما این سیستم ها قادر به ایجاد یکپارچگی میان داده های پراکنده و ناهمگن و شناسایی مناسب وابستگی های موجود میان داده های جدید نبودند. برای اینکه سازمان ها قادر به واکنش سریع در برابر تغییرات بازار باشند، نیاز به سیستم های اطلاعات مدیریتی دارند که بتوانند از سازمان و محیط آن تحلیل های علت و معلولی مختلف انجام دهند.
بنابراین سازمان ها برای حفظ بقا همزمان با پیشرفت فناوری، باید تسلط بر فناوری های جدیدی مانند هوش تجاری را در کسب وکارها یک الزام و ضرورتی اجتناب ناپذیر تلقی کنند. سیستم های هوش تجاری ابزاری را فراهم می کنند که بر اساس آن نیازهای اطلاعاتی سازمان به شکل مناسبی پاسخ داده شود.
تعریف هوش تجاری
تعاریف زیادی برای هوش تجاری وجود دارد، اما به طور کلی هوش تجاری به عنوان یک رویکرد جدید در معماری سازمانی مطرح شده است که این معماری بر اساس سرعت در تحلیل اطلاعات به مدیران جهت اتخاذ تصمیمات دقیق و هوشمند کسب و کار در حداقل زمان ممکن کمک می کند. هوش تجاری یک چارچوب کاری شامل فرایندها، ابزار و فناوری های مختلف است که برای تبدیل داده به اطلاعات و اطلاعات به دانش مورد نیاز هستند، که با استفاده از همین دانش مدیران قادر به تصمیم گیری بهتر می شوند و در نتیجه عملکرد سازمان خود را بهبود می بخشند.
با پياده سازي راهکارهاي هوش تجاري فاصله موجود بين مديران مياني و مديران ارشد از ديدگاه ارتباط اطلاعاتي از ميان خواهد رفت و اطلاعات مورد نياز مديران در هر سطح، در لحظه و با کيفيت بالا در اختيار آنها قرار خواهد گرفت. همچنين کارشناسان و تحليل گران مي توانند با استفاده از امکانات ساده، فعاليتهاي خود را بهبود بخشند و به نتايج بهتري دست پيدا نمايند.
احساس نیاز به وجود یک سیستم هوش تجاری در سازمان برای اولین بار در سطوح بالای مدیریتی احساس می شود و از بالای هرم ساختار سازمانی به بخش های زیرین منتقل می گردد. مهم ترین نیاز یک مدیر، تصمیم گیری است. فرآیند تصمیم گیری می تواند به سه بخش کلی تقسیم شود که عبارتند از:
۱) دسترسی، جمع آوری و پالایش داده ها و اطلاعات مورد نیاز.
۲) پردازش، تحلیل و نتیجه گیری براساس دانش.
۳) اعمال نتیجه و نظارت بر پیامد های اجرای آن.

در هر یک از موارد فوق، سازمان های قدیمی که از هوش تجاری استفاده نمی کنند، دارای مشکلاتی هستند که اغلب به دلیل حجیم بودن داده ها، پیچیدگی تحلیل ها و ناتوانی در ردگیری پیامدهای تصمیم گرفته شده، به وجود می آیند. هوش تجاری با کمک به حل مشکلات فوق، به دلیل ساختاری که در سازمان به وجود می آورد، خالق فرصت های جدیدی برای سازمان است.

مراحل هوش تجاری

اگر مراحل هوش تجاری را به صورت شکل زیر در نظر بگیریم، منابع داده در مرحله اول جمع آوری می شوند. این منابع می تواند داده های انواع پایگاه داده یا اطلاعات نرم افزارهای موجود را در بر بگیرد.
اطلاعات جمع آوری شده طی فرایند  ETLدر پایگاه داده تحلیلی یا همان انبار داده(Data Warehouse) بارگذاری می شود.
داده در پایگاه داده تحلیلی در بخش های مجزایی به نام داده گاه (Data Mart) قرار می گیرد.
در مرحله بعد هوش تجاری وارد عمل شده و روی اطلاعات طبقه بندی شده تجزیه و تحلیل انجام می دهد.
در نهایت اطلاعات جهت انتشار به ابزارهای سطح بالا تحویل داده می شود.

alt
alt

 

تکنیک های مورد استفاده در هوش تجاری
در عصری که زمان، کلید اصلی در تجارت است، شرکت ها به استفاده از ابزارهای اطلاعاتی روی آورده اند تا بتوانند اطلاعات مورد نظر را به سرعت از منابع استخراج کنند. هوش تجاری در امر تصمیم گیری در سطوح مختلف سازمان به ویژه سطوح مدیران ارشد با تحلیل اطلاعات و روش های پرس و جو تسهیلات زیادی را فراهم می کند که متداول ترین این روش ها به قرار زیر است:
▪ On-Line Analytical Processing (OLAP)
▪ On-Line Transaction Processing (OLTP)
▪ Data Warehousing (DW)
▪ Data Mining (DM)
▪ Intelligent Decision Support System (IDSS)
▪ Intelligent Agent (IA)
▪ Knowledge Management System (KMS)
▪ Supply Chain Management (SCM)
▪ Customer Relationship Management (CRM)
▪ Enterprise Resource Planning (ERP)
▪ Enterprise Information Management (EIM)

لازم به ذکر است، صرف وجود تمام این تکنیک ها در سطح سازمان بدون در نظر داشتن فرهنگ سازمان و رویکرد سیستمی موجود بین کارکنان نمی‌تواند اثبات کننده هوشمندی کسب و کار آن سازمان باشد.

نتیجه گیری
با توجه به رشد روزافزون سیستم‌های نرم‌افزاری و استفاده از برنامه‌های گوناگون در سازمان‌ها و شرکت‌ها، نیاز به یکپارچگی بین سیستم‌ها کاملا بدیهی است. در این راستا سیستم‌های هوش تجاری که بین نرم‌افزارهای موجود ارتباط برقرارکرده و داده‌های ذخیره‌شده در آنها را تحلیل می‌کنند، در حال گسترش است. این سیستم‌ها با دسترسی به اطلاعات موجود در منابع داده به یکپارچگی لازم بین نرم‌افزارها دست پیدا می‌کنند.
در حال حاضر مدیران سازمان‌ها برای انجام کارهای روزانه نیاز به بررسی نرم‌افزارهای مختلف دارند، در صورتی که اگر از سیستم‌های هوش تجاری استفاده شود تنها با یک کارتابل مشترک می‌توان به نرم‌افزارهای مختلف دسترسی داشت. در صورت استفاده از سیستم هوش تجاری در سازمان‌ها و شرکت‌ها تمام کارهای روزانه کارمندان در پرتال انجام می‌شود و نیازی به بررسی جداگانه صندوق ورودی، نرم‌افزارهای مختلف، کار با فایل‌های مجزا و... نیست، با استفاده از این سیستم‌ها تمام نیاز کاربران در پرتال برآورده می‌شود.
در صورتی که تا چند سال آینده بتوانیم از این سیستم در سازمان‌ها استفاده کنیم، گام بزرگی در بهبود عملکرد سازمان‌ها برداشته‌ایم.

ارسال شده توسط احمد محمدی | 30 11, 2013 | بازدید‌ها (1357)

مفهوم هوش تجاري Business Intelligence

مفهوم هوش تجاري به دنبال نارسائيهاي مباحث سيستم‌هاي اطلاعاتي مديريت مطرح گرديد. سيستم‌هاي اطلاعات مديريت تنها در سطح تئوريک رشد کردند و هرگز نتوانستند در عمل پاسخگوي نياز سازمانها باشند. هوش تجاري مجموعه تواناييها، تکنولوژي ها، ابزارها و راهکارهايي است که به درک بهتر مديران از شرايط کسب و کار کمک مي نمايد. ابزارهاي هوش تجاري، ديدگاه هايي از شرايط گذشته، حال و آينده را در اختيار افراد قرار مي دهند. با پياده سازي راهکارهاي هوش تجاري فاصله موجود بين مديران مياني و مديران ارشد از ديدگاه ارتباط اطلاعاتي از ميان خواهد رفت و اطلاعات مورد نياز مديران در هر سطح، در لحظه و با کيفيت بالا در اختيار آنها قرار خواهد گرفت. همچنين کارشناسان و تحليل گران مي تواند با استفاده از امکانات ساده، فعاليتهاي خود را بهبود بخشند و به نتايج بهتري دست پيدا نمايند.

ابزارهای توسعه هوش تجاری

توسعه فناوری اطلاعات در سازمانها وابستگی زیادی به روند توسعه ابزارهای ارائه شده دارد و هرچه سازمان در انتخاب ابزار مورد نظر خود دقت بیشتری انجام دهد، نیازمندیهای سازمانی را بگونه شایسته تری پاسخگو خواهد بود و کاربران با مشکلات کمتری مواجه میگردند . به همین علت انتخاب ابزار جزء چالشهای اکثر پروژه های نرم افزاری در سازمانها است و عوامل متعددی مانند میزان تجربه سازمان در استفاده از یک ابزار خاص ، قیمت ابزار مورد نظر و یا میزان پشتیبانی شرکت ارائه دهنده ابزار در انتخاب آن دخیل هستند.

ابزارهای هوش تجاری در مقایسه با ابزارهای توسعه برنامه های کاربردی جوانتر هستند در نتیجه براساس نیاز کاربران و تغییرات سازمانها، آنها نیز دستخوش تغییر و تحول میشوند، علاوه بر آن تعداد شرکتهایی که تجربه استفاده از یک ابزار خاص را دارند زیاد نیست، این دلائل باعث میگردد متقاضیان استقرار هوش تجاری با چالشهای متعددی در این زمینه مواجه گردند.

استقرار هوش تجاری به دلیل ماهیت متفاوت آن با نرم افزارهای کاربردی، وابستگی ویژه ای به ابزارهای توسعه دارد. چراکه :
- در سیستمهای عملیاتی فرآیندهای جاری سازمان به صورت مکانیزه انجام میگیرد و طول زمانی پروژه معمولا در حد سال میباشد ، ولی پروژه های هوش تجاری به دلیل اینکه به روند تصمیم گیری در سازمان کمک میکنند، سرعت توسعه آنها اهمیت ویژه ای دارد و توسعه آنها افزایشی (Incremental) و در بازه های زمانی 3 یا 4 ماهه صورت میگیرد.
- واسط کاربر (User Interface) در سیستمهای عملیاتی فرمهایی است که طراحی آنها پیچیده نیست ولی در پروژه های هوش تجاری خروجی اصلی، گزارشات و داشبوردهایی است که داده ها را ساماندهی و تحلیل میکند، به همین دلیل طراحی اینگونه داشبوردها به سادگی امکان پذیر نیست و استفاده از ابزار در طراحی واسط کاربر روند توسعه سیستم را سرعت و کیفیت زیادی میبخشد.

ابزارهای موجود در هوش تجاری به دو گروه تقسیم بندی میشوند :
- ابزارهایی که در پشت صحنه (Back End) به کمک تیم پروژه می آیند و در طراحی انبار داده و انجام فرآیند ETL(Extract, Transform, Lod) نقش خود را ایفا میکنند .
- ابزارهای که در روی صحنه (Front End) هستند و جهت طراحی گزارشات و داشبوردها امکانات خود را ارائه میدهند . این بخش را واسط کاربر (User Interface) نیز میگویند.

ارتباط بین Front End and Back End

ارتباط ایندو ابزار بدین صورت است که واسط کاربر مدل داده ای و جداول داده های تولید شده توسط ابزار Back End را دریافت میکند و کاربر میتواند توسط امکانات طراحی موجود در آن گزارشات و داشبوردهای مورد نظر خود را ایجاد کند.

نکات مهم در انتخاب ابزار هوش تجاري

فروشنده های (Vendor) مختلفی وجود دارند که برخی صرفا ابزارهای یک گروه و برخی هردو گروه را ارائه میدهند . نکته مهمی که سازمانها میبایستی به آن توجه کنند اینست که نحوه تعامل ایندو گروه ابزار با یکدیگر مسئله بسیار مهمی است. واسط کاربر میبایستی بتواند مدل داده ای طراحی شده در Back End را شناسائی کند تا نیاز نباشد طراحی مجدد در این قسمت انجام شود. این مسئله نیازمند تسلط تیم انتخاب کننده ابزار به مفاهیم مدل داده ای (Data Modeling) در هوش تجاری و انبار داده است که میتوانید جهت آشنائی با آن به بخش آموزش انبار داده سایت پارس مدیر مراجعه نمائيد. معماری ابزارهای توسعه هوش تجاری نکته مهم دیگری است که هنگام انتخاب میبایستی به آن توجه ویژه ای گردد.

شرکتهای مطرح ارائه دهنده ابزارهای هوش تجاری

شركت هاي Microsoft ، oracle ، SAP ، IBM جزء شرکتهای مطرح ارائه دهنده راه حل (Solution) و ابزارهای هوش تجاری میباشند. طبق دسته بندی گروه گارتنر (Gartner Group) در February 2013 پلتفرمهای توسعه هوش تجاری به شکل زیر طبقه بندی میشوند :

شركت هاي هوش تجاري

ارسال شده توسط احمد محمدی | 30 11, 2013 | بازدید‌ها (991)

پنج کليد موفقيت هوش تجاری
هوش تجاري در حال گسترش است. به همان نسبت که تقاضا براي پياده‌سازي هوش تجاري در سازمان‌ها و کسب و کارهاي گوناگون رشد مي‌کند، مفاهيم و سيستم‌هاي هوش تجاري توسعه مي‌يابند.
اما سوال اين است که آيا صرف وجود ابزارهاي قوي و متنوع مي‌تواند موفقيت يک سازمان را در دست‌يابي به هوش تجاري تضمين نمايد؟ در اين مقاله با نگاهي دوباره به تعاريف هوش تجاري از نگاه متخصصين، پنج راهکار و نکته را براي موفقيت در دست‌يابي به هوش تجاري ذکر مي‌کنيم.
نگاهي به تعاريف هوش تجاري:
 
1. کتاب «هوش تجاري: داده کاوي و بهينه‌سازي براي تصميم‌گيري» :
شايد بتوان هوش تجاري را اين گونه تعريف کرد: يک مجموعه از مدل‌هاي رياضي و روش‌هاي تحليلي که با بهره برداري از داده‌هاي موجود، اطلاعات و دانش مفيد براي فرآيندهاي پيچيده‌ي تصميم‌گيري، توليد مي‌کنند.
2. کتاب «هوش تجاري در مایکروسافت SharePoint 2010» :
بر اساس نظر استفان کاوي در کتاب هفت خصلت مردمان مؤثر، هواپيمايي که از بوستون به مقصد لس‌آنجلس به پرواز در مي‌آيد، با اين‌که در 90 درصد مواقع از مسير پرواز خارج مي‌شود، در نهايت در لس‌آنجلس به زمين مي‌نشيند و اين به لطف سيستم پرواز است، که با نظارت بر پرواز و ارائه فيدبک مناسب مسير درست را نشان مي‌دهد.
همانند يک پرواز اگر سازمان به درستي هدايت نشود، در 90 درصد مواقع از مسير خود منحرف مي‌گردد.. بيشتر سازمان‌ها يک هدف يا مقصد دارند و براي درک وضعيت خود از وسايل و يا ابزارهاي اندازه‌گيري بهره مي‌برند، تا گذشته و حال خود را نظارت و تحليل نمايند و آينده را پيش‌بيني کنند.
اين ابزارها بينش اطلاعاتي لازم را که مدير براي ايجاد تغيير و يا اصلاح مسير نياز دارد در اختيارش قرار مي‌دهند. اين بينش در شکل گزارش‌ها، کارت‌هاي امتيازي، شاخص‌هاي کليدي عملکرد، داشبوردها و ساير ابزارهاي اطلاعاتي در اختيار مدير قرار مي‌گيرد. اين ابزارها به يک سازمان کمک مي‌کنند تا رابطه بين کسب و کارشان و استراتژي‌ها و اولويت‌هاي مهم خود را ببينند.
تصميم‌گيرندگان دوست دارند تا از تجربه بصري داشبوردها استفاده کنند تا احساس کنند که راننده سازمان خود به سمت مقصدش هستند. خوشبختانه هواپيماها در رسيدن به مقصد، از سازمان‌ها موفق‌ترند. اين موفقيت مديون ابزارهاي اندازه‌گيري دقيق و علمي آن ‌هاست. در طول ساليان دراز، وضعيت هوايي و ساير متغيرهايي که پرواز را تحت تأثير مستقيم قرار مي‌دهند و در ابتدا غير قابل سنجش تصور مي‌شدند، به صورت فزآينده‌اي قابل اندازه‌گيري شده‌اند. ابزارهاي جديدِ هواپيما به خلبانان مختصات دقيق مکاني را مي‌دهند
اکنون براي کسب و کارها نيزشرايط يکساني رخ داده است، داگلاس هابارد در کتاب خود با عنوان «چگونه همه چيز را اندازه بگيريم» ليستي از مواردي را که قبلا غير قابل اندازه‌گيري تصور مي‌شد ولي اکنون قابل اندازه‌گيري است ذکر مي‌کند، مانند:
  1. انعطاف برای ایجاد محصولات جدید
  2. اثربخشی مدیریت
  3. بهره‌وری تحقیقات
  4. خطر ورشکستگی
  5. کیفیت
4. کتاب «ارائه هوش تجاري» :
هوش تجاري، تحويل اطلاعات مفيد و دقيق، به تصميم‌گيرندگان مرتبط، در بازه زماني لازم، به منظور کمک به اخذ تصميمات مؤثر است.
5. کتاب «راهکارهاي هوش تجاريزيرکانه با مایکروسافت SQL 2008» :
هوش تجاري به شکل‌هاي گوناگون تعريف شده است. بعضي از ارائه کنندگان طوري هوش تجاري را تعريف مي‌کنند که محصولشان را در بهترين موقعيت قرار دهد. گاهي هوش تجاري را به عنوان يک ابزار گزارش گيري مؤثر معرف مي‌کنند ولي با امکاناتي که در SQL 2008 تعبيه شده است. هوش تجاري فراتر از يک سيستم گزارش ساز است. با توجه به اهداف اين کتاب ما تعريف مایکروسافت را مد نظر قرار مي‌دهيم:
راهکارهاي هوش تجاري، عبارتند از ذخيره‌سازي و ارايه مؤثر داده‌هاي سازماني کليدي به شکلي که کاربران مجاز بتوانند به سرعت و به راحتي به آن دسترسي يافته و آن را تفسير کنند.
پنج کليد براي موفقيت:
 
1. کمي سازي و اندازه‌گيري
چنانکه در دل تمامي تعاريف فوق نهفته است. يکي از کليدهاي موفقيت در هوش تجاري کمي سازي و اندازه‌گيري است. ما زماني مي‌توانيم اطلاعاتي در خصوص عملکرد سازمان توليدکنيم، که پيش از آن اطلاعات به صورتي کمي و قابل اندازه‌گيري تعريف شده باشند. به عنوان مثال فرض کنيد که ما مي‌خواهيم ميزان رضايتمندي مشتريان را از محصولات يک کارخانه مورد ارزيابي قرار دهيم. اگر نتوانيم قبل از هر کاري شيوه‌اي را براي ارزيابي اين مفهوم و کمي کردن آن تعريف کنيم، امکان سنجش آن به صورت سيستماتيک ميسر نخواهد بود.
شايد تصور اين باشد که بعضي از کارها قابل اندازه‌گيري نيستند. اما تجربه بشر نشان داده‌ است که همواره مي‌توان راهکارهايي را براي سنجش و کمي‌سازي پيدا کرد. شايد اولين باري که انسان موفق به ساخت هواپيما شد، فکر نمي‌کرد که بتواند شرايط جوي، ارتفاع و مکان را به شکلي کمي در اختيار خلبان قرار دهد. اما امروز شاهديم که با توليد ابزارهاي مختلف، امکان بررسي دقيق اين پارامترها مهيا شده است و تمامي آن‌ها کمي شده‌اند. در کسب و کارهاي مختلف نيز مي‌توان با مطالعه، تحقيق و بررسي تجارب مشابه، راهکارهاي علمي و دقيقي براي سنجش کليه وجوه عملکردي سازمان پيدا کرد.
2. هدف گذاري
هدف گذاري براي کسب و کار، و يا سازمان، گام بلندي در راستاي تحقق هوش تجاري است. زماني که شما توانستيد عملکردهاي خود را اندازه‌گيري کنيد و نتايج آن را مشاهده نماييد. گام بعدي بهبود اين عملکرد است. اين بهبود زماني معنا دارد که شما بتوانيد هدف درستي را براي آن مشخص کنيد تا ابزارهاي هوش تجاري، روند حرکت شما را به سمت هدف و يا دور شدن شما را از اهداف اندازه‌گيري کنند و دانش توليد شده را در قالب‌هاي گوناگون به شما ارائه نمايند.
هدف گذاري، در کنار ابزارهاي هوش تجاري، انگيزه حرکت و تحول را در سازمان ايجاد مي‌کند و از آنجايي که به کمک ابزارهاي هوش تجاري روند حرکت افراد تحت نظر است. کارکنان انگيزه بالايي خواهند داشت تا خود را نشان دهند و مورد تشويق مديراني که به دقت عملکردشان را نظارت مي‌کنند قرار بگيرند.
3. استفاده از دانش نهفته در سازمان و نيروي مشارکت
ابزارهاي هوش تجاري زماني به بهترين موفقيت مي‌رسند که دانش مربوط به حوزه کسب و کار به دقت در اجزاي آن حضور داشته باشد. دانش سازمان و حوزه کسب و کار در درون سازمان نهفته است و زماني مي‌توان اين دانش را در حد اعلي خود در اختيار گرفت که تمامي افراد سازمان در شکل‌گيري آن سهيم باشند. به همين دليل پيشنهاد مي‌شود که براي پياده‌سازي هوش تجاري از تمامي افراد بهره ببريد و از کمک همه در تعريف شاخص‌ها و تعيين اهداف و وزن‌ها استفاده کنيد. سامانه پويش با ايجاد فرآيند توليد شاخص، گامي بزرگ را در اين حوزه برداشته است. در اين سامانه شاخص‌ها در يک فرآيند تولي دمي‌گردند فرآيندي که تمامي افراد مي‌توانند در آن سهيم گردند و شاخص‌ها با يک نگاه جمعي و با مشارکت حداکثري به وجود آيند. علاوه بر اين سامانه پويش با ايجاد داشبوردهاي اختصاصي براي افراد گوناگون، دسترسي افراد را به اطلاعات مورد نيازشان تسهيل نموده است.
4. نگاه جامع
زماني مي‌توانيم هوش تجاري را به شکلي موفق در سازمان پياده کنيم، که نگاه جامعي به تمامي بخش‌ها داشته باشيم و تلاش کنيم که کليه فرآيندها و عملکردهاي کليدي سازمان تحت پوشش سامانه هوش تجاري ما قرار گيرند. تنها در اين صورت است که مي‌توانيم ارزيابي جامعي از وضعيت سازمان در اختيار داشته باشيم.
در صورت وجود نقص در سامانه هوش تجاري ارزيابي ما با واقعيت سازمان هماهنگ نخواهد بود و ممکن است اطلاعات ما را فريب دهد. به همين علت بايد تلاش کنيم تا نگاهمان جامع باشد و به چند حيطه محدود نگردد.
 
5. بازنگري مداوم
براي زنده نگه داشتن سيستم ضرورت دارد تا به صورت مداوم به بررسي فعاليت‌هاي انجام شده و مطابقت آن با واقعيت سازمان بپردازيم و با برگزاري جلسات مؤثر نواقص موجود را برطرف سازيم.
ممکن است روش‌هاي کمي‌سازي نياز به بازنگري داشته باشند و يا اهداف تعيين شده به مرور زمان و با توجه به شرايط نياز به تغيير داشته باشند.
زماني موفقيت ما روز افزون خواهد بود که به اين اصل کليدي توجه کافي داشته باشيم.
سامانه پويش با ايجاد واسط‌هاي کاربري ساده امکان تغيير و اصلاح پارامترهاي گوناگون هوش تجاري را فراهم نموده است.
ارسال شده توسط احمد محمدی | 26 11, 2013 | بازدید‌ها (1466)

  A DESCRIPTIVE ANALYSIS OF DECISION SUPPORT SYSTEMS RESEARCH BETWEEN 1990 AND 2003

 By: David Arnott     Graham Pervan    Gemma Dodson

 

تجزیه و تحلیل توصیفی از پژوهش سیستم های پشتیبانی تصمیم

بین سال های 1990 تا 2003

مترجم و گردآورنده: احمد محمدی

پاییز 1392

دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات

 

مقدمه
این مقاله اولین گزارش از پروژه ی تحقیقاتی در مورد تئوری نظری سیستم های پشتیبان تصمیم گیری (DSS) است. حوزه اصلی این پژوهش بر تصمیم گیری و قضاوت نظری بر پایه نظم و انضباط ، استراتژی های پژوهش مورد استفاده در مقالات منتشر شده  و ارتباط حرفه ای تحقیقات DSS متمرکز است.از اهداف این پژوهش درک این است که در تحقیق DSS ، قضاوت و مبانی تصمیم گیری وابستگی نزدیکی دارند.

تعدادی از محققان سیستم های اطلاعات نگران  شکاف میان تحقیق و عملکرد در زمینه توسعه سیستم ها هستند . آنها پنج دلیل که چرا تحقیق سیستم های اطلاعاتی فاقد اعتبار است را شناسایی کردند. اول تاکید زیاد در سراسر تحقیق به جهت پذیرفته شدن تحقیقات پیشین؛ دوم عدم اجماع بر بازدهی مدل های نظری قوی به عنوان پایه و اساس برای نسخه های عملیاتی ؛سوم پویایی فن آوری اطلاعات ؛ چهارم عدم ارائه تئوری های سیستم اطلاعات به روش حرفه ای و پنجم ساختار سیاسی و نهادی دانشگاه ها که محدودیت فعالیت تئوری های سیستم اطلاعات آکادمیک را دارند.

به عنوان مثال مدل تصمیم گیری سایمون که در اکثر پژوهش های  DSS مورد استفاده قرار گرفته
 ، در پژوهش های مدیریتی اعتبار توصیفی و تجویزی آن بارها تایید نشده است ، چرا که هیچگونه شواهد تجربی قانع کننده ای برای اعتبار تجویزی آن وجود ندارد. به همین جهت برخی از محققان  برای توسعه پایه نظریه DSS ،ادغام آن با پژوهش های تصمیم گیری رفتاری را پیشنهاد و خواستار توجه بیشتر در کار مدیریت و فرایندهای تصمیم گیری در تحقیقات DSS شدند.

روش تحقیق
سوالاتی که این پژوهش را هدایت می نمایند عبارتند از: چه استراتژی ها و روش هایی در پژوهش های DSS مورد استفاده قرار میگیرند؟ تمرکز پشتیبانی تصمیم گیری و ارتباط حرفه ای تحقیق DSS چیست؟  مبانی نظری قضاوت در پژوهش DSS چه هستند؟

بازه زمانی پژوهش های منتشر شده برای بررسی از سال 1990 تا 2003 انتخاب شده است. چرا که این دوره زمانی شاهد یک رشد قابل توجه در استفاده از روش های پژوهش غیر اثبات‌گرایی است .همچنین در  صنعت این دوره شاهد استقرار چندین نسل جدید از DSS ، به ویژه در مقیاس بزرگ EIS ، انبار داده ها، و هوش کسب و کار است .
در این پژوهش یک پروتکل در کد هر مقاله مورد استفاده قرار گرفت و برخی از مقاله ها، به عنوان نماینده ای از انواع مختلف مقاله ها انتخاب شدند. برای بهینه کردن روند کدگذاری مقالات به طور جداگانه توسط دو محقق کدگذاری شدندو محقق سوم همه را بررسی می کرد. تحقیق قضاوت و تصمیم گیری در مستند کد شده توسط یک پژوهشگر دیگر مورد بررسی قرار گرفت. پروتکل های کد شده توسط محقق دیگری در پایگاه داده نرم افزار  SPSS برای تجزیه و تحلیل وارد شدند .این محقق همچنین یک بررسی با ثبات در کدگذاری  انجام می دهد.

بحث

در پرداختن به سوال اول پژوهش (چه استراتژی ها و روش ها در پژوهش های DSS استفاده میشود؟)   یعنی تجزیه و تحلیل عوامل اصلی پژوهش ، مراحل تحقیق و نوع مقالات در نظر گرفته شدند. دوره تجزیه و تحلیل سال 1990 تا 2003 شاهد حرکت قابل توجه در تحقیقات سیستم های اطلاعاتی هستند به دنبال این رویکرد  تحقیق  DSSبه شدت تحت تسلط پارادایم اثبات‌گرایان با 91 ٪ از مطالعات تجربی را دارد.همچنین پژوهش نشان می دهد که حدود یک سوم (32.9٪) از تحقیقات DSS غیر تجربی و  دو سوم ( 67.1٪ ) تجربی است.

در پاسخ به سوال دوم پژوهش (تمرکز پشتیبانی تصمیم گیری و ارتباط حرفه ای پژوهشDSS چیست؟ ) یعنی تجزیه و تحلیل عوامل DSS  ، سطح سازمانی دربرگیرنده ، تمرکز در تصمیم گیری پشتیبانی و ارتباط عملی در نظر گرفته شدند و تحقیق در سه زمینه متمرکز شد : PDSS ، GSS  و سیستم های هدایت شونده داده بزرگ (EIS و انبار داده ها ).این تحقیق نشان می دهد که PDSS  و DSS هوشمند کاهش قابل توجهی پیدا کرده اند در حالی که ، DSS  مبتنی بر مدیریت دانش ، انبارهای داده و سیستم های پشتیبان مذاکره به طور قابل توجهی در حال افزایش است.

با گذشت زمان تمرکز محقق بر توسعه و فنآوری کاهش یافته  و تحقیق با تمرکز بر نتیجه تصمیم گیری و تاثیر سازمانی دو برابر شده است. هر منطقه آموزشی حرفه ای متمرکز نیاز به یک تعادل منطقی بین توسعه تئوری و کاربرد دارد چرا که پژوهش و عمل همدیگر را مطلع کنند.

پژوهش نشان می دهد که به طور کلی، تنها 9.5 ٪ از تحقیقات ارتباط عملی بالا یا بسیار بالا داشتند. از سوی دیگر  53.2 درصد از پژوهش هیچ یا کمتر ارتباط عملی داشتند.

در پاسخ به سوال سوم پژوهش) مبانی نظری قضاوت در پژوهش DSS  چیست؟) یعنی تجزیه و تحلیل مبانی تصمیم گیری وقضاوت، این پژوهش مشتریان اصلی و کاربران در پژوهش هایDSS  را بوسیله ارزیابی نقش سازمانی که دارند یا باید داشته باشند در هر مقاله شناسایی می نماید. بژوهش نشان داد که GSS  و سیستم های پشتیبان مذاکره  به مراجع زیادی برای تصمیم گیری استناد می کنند. از کسانی که منابع قضاوت و تصمیم گیری را ذکر کرده بودند ، کار سایمون تا حد زیادی محبوب ترین بود و  79.8٪ از تحقیقات DSS از یک شکل در مراحل مبانی تصمیم گیری در پایه نظری خود استفاده نکردند. رویکرد نظری اصلی برای تصمیم گیری را در این پژوهش در دو تا از رایج ترین طبقه بندی ها استفاده شد ، طبقه بندی  اول متفاوت بودن بین روش های توصیفی و تجویزی رویکرد ها است که هدف رویکرد توصیفی در واقع توصیف چگونگی فرآیند تصمیم گیری است و هدف نظریه های تجویزی( تئوریهای هنجاری ) توصیه بهترین یا مناسب ترین راه را برای اتخاذ یک تصمیم می باشد. طبقه بندی دوم از رویکرد تصمیم گیری به عنوان همپوشانی های اقتصادی یا رفتاری با اولین مورد را دارد . رویکرد های اقتصادی معمولا در به حداکثر رساندن برخی از موضوعات قابل مشاهده در محدودیت ها و مراقبت کردن از  رویکرد تجویزی هدف گذاری شده اند  در حالی که رویکرد تصمیم گیری رفتاری ، معمولا بر اساس درک واقعی رفتار است .

 

نتایج

این مقاله نشان می دهد که :

1.      تحقیق DSS در سه حوزه برنامه کاربردی اصلی متمرکز است : DSS شخصی ، سیستم ها ی پشتیبانی گروه و در مقیاس بزرگ سیستم های اطلاعات محور . نفوذ تحقیق DSS  فردی در حال کاهش است در حالی که در مقیاس بزرگ و پژوهش سیستم های اطلاعات محور در حال افزایش است.

2.      تحقیق DSS به شدت تحت سلطه مطالعات تجربی که از یک هستی شناسی اثبات‌گرایانه و معرفت شناسانه اتخاذ شده  است . محبوب ترین روش های تحقیق مورد استفاده در این گروه از مقالات آزمون ها ،زمینه یابی ها و شرح برنامه های کاربردی خاص و سیستم ها هستند. تحقیق DSS  بیشتر تحت سلطه اثباتگرایی تحقیقات سیستم های اطلاعاتی اصلی است.

3.      ارزیابی از ارتباط عملی پژوهش DSS نشان می دهد که نظم و انضباط بطور قابل توجهی از عملکرد حرفه ای دور است.

4.      عدم شناسایی ماهیت مشتریان اصلی / حامیان و کاربران اصلی DSS یک کمبود عمده از تحقیق DSS است.

5.      تقریبا نیمی از تحقیقات منتشر شده DSS مبتنی بر قضاوت و پژوهش تصمیم گیری نیست.

6.      رویکرد های تجویزی و رفتاری برای تصمیم گیری در پژوهش DSS بیشتر ذکر شده است.

7.      کار هربرت سایمون بیشترین نفوذ و قدرت را در مراجع مبانی قضاوت و تصمیم گیری  در تحقیق DSS  داراست.

Normal 0 false false false EN-US X-NONE AR-SA
ارسال شده توسط احمد محمدی | 25 11, 2013 | بازدید‌ها (4682)


 

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

سید محمود شجاعی کیاسری، دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات دانشگاه شهید بهشتی [1]

علیرضا طالب پور، عضو هيئت علمی و استاد دانشگاه شهید بهشتی[2]

 

چكيده

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.

كلمات كليدي: هوش تجاری ، تصمیم گیری ، داده کاوی.

 

 

1.       مقدمه

در پاسخ به این سوال که هوش تجاری یا هوش رقابتی یا هوش سازمانی یا هوش کسب و کار، از چه طریقی بدست می آید؟ و چگونه یک سازمان میتواند به سمت هوشمندی پیش برود تحقیقات و پژوهش های خوبی صورت گرفته است و ابزارهای بسیار متنوع و مناسبی برای این منظور خلق شده و توسعه یافته اند، اما پرسشی که همواره در این زمینه مطرح بوده است، در خصوص لزوم بکارگیری این ابزارها در عصر فناوری اطلاعات، زیرساخت های لازم برای بهر برداری لازم از این ابزارها و روش درست استفاده از آنهاست. فناوری اطلاعات ابزارهای مختلفی را در عرصه های مختلف در اختیار ذینفعان قرار داده است و برای استفاده از این ابزارها، لازم است که ابتدا یک همسویی و مشارکت استراتژیک و موثر میان کسب و کار و فناوری اطلاعات در سازمان شکل بگیرد تا از این رهگذار، فناوری اطلاعات وارد چرخه مدیریت و بهبود کسب و کار گردد.

این همسویی و مشارکت منجر به تغییر فرهنگ سازمانی، و بهبود روند اجرای فرآیند های حیاتی سازمان ها میگردد و در نهایت منجر به ایجاد سازمانی هوشمند و یادگیرنده میگردد.[4]

هوش تجاری از آنجایی که مستقیما با داده ها و اطلاعات سروکار دارد و ویژگی اصلی آن کشف و استخراج و نمایش دانش آشکار  و پنهان موجود در این داده ها و اطلاعات ظاهرا قدیمی و زائد است، نیاز به ایجاد بستر و زیرساخت فنی دارد. زیر ساختی که بتواند داده های موجود در زیر سیستم های جزیره ای یک سازمان را که با چهارچوب ها و ابزارهای متفاوتی توسعه یافته اند، تجمیع و یکپارچه کند وزمینه بروز هوشمندی را در سازمان مهیا کند.

اما برای حرکت به سمت ایجاد زیر ساخت ها، نیاز به ارزیابی آمادگی سازمان برای بکار گیری این ابزارها وجود دارد. متاسفانه بسیاری از شکست هایی که در پروژه های استقرار هوش تجاری در سازمان ها مشاهده شده است، بدلیل عدم وجود آمادگی سازمانی برای پذیرش و اعمال تغییرات مورد نیاز در سازمان هاست.[6] حتی در برخی موارد ارزیابی آمادگی سازمان، میتواند منجر به اخذ تصمیماتی گردد که نه تنها باعث تسهیل روند استقرار هوش تجاری در سازمان گردد، بلکه باعث اثربخشی بیشتر آن نیز باشد.

به عنوان مثال استقرار نظام مدیریت دانش و تلاش برای به حرکت درآوردن چرخه خلق دانش و جمع آوری دانش پنهان سازمان  که امروزه بزرگترین سرمایه سازمان هاست، و ایجاد فرآیند تبدیل آن به دانش صریح و بالعکس و ترکیب دانش ها با یکدیگر که منجر به بروز خلاقیت و ایجاد حکمت در سازمان میگردد، میتواند زیر بنای محکمی برای استقرار هوش تجاری باشد. در واقع میتوان گفت استفاده کامل از ابزارهای هوش تجاری، در گرو استقرار مدیریت دانش در سازمان هاست و تحقق مدیریت دانش، متضمن هوشمندی سازمان هاست.[7]

2.     ضرورت های استقرار هوش تجاری در سازمان ها

ضرورت استقرار هوش تجاری در سازمان ها در عصر دانایی و در جامعه اطلاعاتی از ابعاد مختلف قابل بررسی است، از دیدگاه مدیریت ارشد استفاده از ابزارهای هوش تجاری برای تحلیل وضعیت جاری سازمان، تعیین اهداف کوتاه مدت، بلند مدت و کنترل شاخص های عملکرد ضروری بنظر میرسد ، از دیدگاه مدیریت اجرایی برای اتخاذ تصمیمات در فضاهای عدم اطمینان و ابهام و پیش بینی و تخمین نتایج اتخاذ تصمیمات،  از دیدگاه مدیریت مالی برای رصد کردن و کنترل گزارش های مالی و شاخص های عملکردی، از دیدگاه مدیریت زنجیره تامین برای کنترل و بهبود روابط با تامین کنندگان و شرکاء سازمان، از دیدگاه مدیریت ارتباط با مشتریان برای شناسایی، دسته بندی، سیاستگذاری و بهبود ارتباط با مشتریان سازمان و...

با توجه به تحقیقات انجام شده، ضرورتهای استفاده از هوش تجاری در سازمان ها را میتوان بصورت زیر دسته بندی کرد:[1]

1. مهمترين نياز يك مدير، داشتن اطلاعات دقيق براي اتخاذ تصميم درست است عوامل زير در تصميم گيري استراتژيك يك سازمان مؤثر مي باشند:

-       دسترسي، جمع آوري و پالايش داده ها و اطلاعات مورد نياز.

-       پردازش، تحليل و نتيجه گيري بر اساس دانش.

-       اعمال نتيجه و نظارت بر پيامدهاي اجراي آن.

سازمان هايي با مديريت قديمي كه از هوش سازماني استفاده نمي كنند در تصميم گيري ها معمولاً با مشكلات مختلفي روبرو هستند از جمله داشتن داده هاي حجيم، پيچيدگي تحصيل آنها و عدم توانايي پيگيري فرآيندها و نتايج تصميمات گرفته شده و لذا تصميمات اشتباه در اين سازمان ها نتايج خود را به طور روشن نشان نمي دهد و يا ديرهنگام نشان مي دهد اين سازمانها نگاهي جامع از وضعيت جاري و آينده خود ندارند.

2.  ضرورت ديگر استفاده از هوش سازماني، نياز به مديريت دانش در سازمانها است . سازمانها نياز به مديريت هوشمند اسناد و مدارك خود دارند همچنين داده های مؤسسات تحقيقاتي كه به منزلة دارايي اصلي آن سازمانها مي باشند نياز به مديريت دارد. هوش سازماني باعث مديريت بهتر اين داده ها مي شود. از آنجا كه سازمانها نياز دارند خودشان را با دانش روز تطبيق داده و همواره بروز باشند و خود را بر اساس شرايط مخاطبين و بازار و شرايط جديد خارج از سازمان هماهنگ سازند بحث آموزش مستمر كاركنان و حافظه سازماني در نگهداري و استفاده از آموزش هاي سازماني بسيار پر اهميت است و هوش سازماني به عنوان يك ضرورت در اينجا مطرح مي شود و باعث افزايش بهره وري آموزشي و حفظ دانش سازمان مي شود.[8]

3.    پیش نیازهای استقرار هوش تجاری در سازمان ها

اغلب مدیران و تصمیم گیرندگان فناوری اطلاعات، هنوز معیار درستی برای دستیابی به تصمیم درست و بهنگام استقرار هوش تجاری در سازمانشان ندارند. دلیل اصلی این مشکل، عدم اطلاع کافی آنها از پیش نیازهای استقرار هوش تجاری در سازمانهاست. پاسخ به این سوال که "پیاده سازی هوش تجاری در سازمان ما مستلزم وجود چه پیش نیازهایی است؟ چه امکانات و زیر ساخت های فناورانه ای مورد نیاز است؟ و چه میزان دانش و تخصص  نیروی انسانی متخصص لازم  و کافی خواهد بود؟ فرهنگ سازمانی متناسب برای استقرار موفق هوش تجاری در سازمان کدام است ؟با چه ابزارها و تکنیک هایی میتوان میزان آمادگی سازمان را برای استقرار موفق هوش تجاری اندازه گرفت؟ و در مجموع سیاست و رویکرد اصلی سازمان نسبت به استقرار هوش تجاری باید به چه صورت باشد؟" اگر پاسخی برای این پرسش ها بدست آید، مدیران میتوانند تصمیات درست تر و منطقی تری اتخاذ کنند و به این ترتیب ضریب شکست پروژه های استقرار هوش تجاری در سازمان ها پایین خواهد آمد.

استقرار سیستم های هوش تجاری، برای سازمان هایی مناسب است که در آنها فرهنگ کاری و فرآیندهای کاری با اطلاعات و فناوری اطلاعات هماهنگی داشته باشد. چند نمونه از مهمترین شاخص های این هماهنگی عبارتند از:

-         وجود تحقیقات و بررسی های مداوم و مستمر درباره نیازهای اطلاعاتی سازمان (نیازهای فعلی و آتی)

-         همکاری و ارتباط مبتنی بر اعتماد میان کاربران فناوری اطلاعات سازمان مانند تصمیم‌گیرندگان و کارکنان عملیاتی سازمان با کارمندان و فعالان فناوری اطلاعات و مراکز مدیریت دانش در سازمان.

-         وجود و نهادینه شدن فرهنگ  اشتراک گذاری اطلاعات، دانش و تجربیات در سازمان

-         درک نیاز، تمایل و توانایی در انجام فراتحلیل‌ها و استفاده از آنها نزد مدیران سازمان جهت مدیریت بهتر سازمان.

سازمان ها برای استقرار هوش تجاری بیش از هر مساله دیگری باید نگران زیرساخت های فنی باشند. مشارکت موثر فناوری اطلاعات و کسب و کار سازمان در هوش تجاری بسیار  مهم است. این مشارکت تنها به معنی انجام وظایف مربوط به استقرار هوش تجاری نیست، بلکه به معنای کمک فناوری اطلاعات به بهبود کسب و کار و پیشرفت سازمان در قالب استقرار هوش تجاری است. امروزه سازمان هایی که موفق بهره برداری مناسب از فناوری اطلاعات شده اند به مراتب هوشمند تر و موفق تر هستند.[6]

در شکل زیر مدل مشارکت موثر فناوری اطلاعات وکسب و کار سازمان ارائه شده است: شکل ۱

 

شکل۱  - مدل مشارکت موثر کسب و کار سازمان با فناوری اطلاعات برای استقرار هوش تجاری در سازمان[6]

 

ابزارهای هوش تجاری، طیف وسیعی از خدمات را ارايه میدهند، از گزارشات ساده گرفته تا امکان نفوذ در داده ها برای تحلیل های مورد نیاز مدیران در یک صنعت خاص یا یک محیط عملیاتی. هنگامی که قصد انتخاب استراتژی را داریم باید به ۲ سوال پاسخ بدهیم :

1.   چه نوع داده هایی برای تحلیل های ما مورد نیاز است؟ و از چه منبعی باید این داده را تامین کرد؟

2.   تجزیه و تحلیل داده توسط چه کسی باید انجام شود و نتایج حاصل از تحلیل ها به چه صورت باید ارايه شود؟

ارايه پاسخ روشن به این ۲ پرسش مسیر حرکت سازمان را برای استقرار هوش تجاری روشن میکند.

پیش نیازها و مراحل فنی  استقرار هوش تجاری عبارتند از:

3.1.                    سخت افزارهای مورد نیاز برای ذخیره سازی اطلاعات و انجام محاسبات

ارتقاء زیرساخت های ذخیره سازی داده ها(شبکه ذخیره سازی، ملحقات شبکه ذخیره سازی،مدیریت ذخیره سازی سلسله مراتبی)

3.2.                   نرم افزارهای کاربردی و منابع داده

نرم افزارها بایدسازماندهی شوند. مشکل انتقال و ارتباط و تجمیع داده ها در نرم افزارهای مختلف حل شود(CRM , SCM ,ERP)

3.3.                  تجمیع داده ها

نرم افزار واسطی ایجاد شود که تمام انواع پروتکل ها، واسط های کاربری، و مدل های اشیاء و ساختار داده ها برای ارتباط نرم افزارهای مختلف با یکدیگر را پوشش دهد. برای این امر نیاز به سرمایه گذاری در بخش اتصال سیستم هاست که امکان تجمیع اطلاعات از انبار های مختلف داده را فراهم میکنند و طی کردن فرآیند ETL که با اتصال به چندین منبع داده مختلف ، داده ها را بدست میآورد و سپس در یک انبار داده همه را مجتمع میکند.

3.4.                  پایگاه های داده رابطه ای و انبار داده ها:

سازمان نیاز به جمع آوری داده های موجود در پاسگا های داده رابطه ای موجود در سازمان در یک انبار داده دارد که اطلاعات تاریخی سازمان  را جمع آوری و طبقه بندی نماید. این فرآیند به کاربران سازمان فدرت زیادی در تجزیه و تحلیل و استخراج اطلاعات مورد نیاز را خواهد داد.

3.5.                  پردازشهای تحلیلی آنلاین و موتور های تجزیه و تحلیل اطلاعات:

نرم افزارهای پردازشهای تحلیلی آنلاین یک لایه جداساز بین انبارهای داده مختلف سازمان و کاربران نهایی سیستم ایجاد میکنند و امکان دستیابی به امکانات زیادی را برای کاربران فراهم میکنند.

3.6.                   نرم افزارهای کاربردی تحلیلی:

نرم افزارهایی که امکان نفوذ در دادها و تجزیه و تحلیل آنها را میسر میسازند.

3.7.                  نمایش اطلاعات و تحویل نتایج:

نتایج درخواست ها به طرق مختلفی میتواند به کاربران ارائه شود. ابزار داشبورد، ابزارهای گزارش گیری مثل کریستال ریپورت و ابزارهای سیار مثل گوشی موبایل و...

4.     چالشهای استقرار هوش تجاری در سازمان ها

چالش عمده سازمان ها در استقرار هوش تجاری، بحث یکپارچگی و تجمیع داده های سازمان در قالب انبار داده است. معمولا داده ها در یک سازمان توسط نرم افزارها و سیستم های اطلاعاتی مختلفی جمع آوری میشوند و همین موضوع باعث مشکل شدن کار تجمیع داده ها میشود. ۹۰٪ از پرژه های انبار داده در سازمان ها که با شکست مواجه شده اند، از همین مشکل رنج میبرده اند[4]

وقتی انبار داده مورد نظر سازمان به تمام زیر سیستم ها و نرم افزارهای سازمان وابسته باشد، در صورت بروز مشکل در یک سیستم، کل پروژه دچار و شکست خواهد شد و این اصلا ریسک مناسبی در اجرای پروژه نمیباشد. بنابراین راه حل مناسب، شکستن برنامه های بزرگ  وابسته به قطعات کوچکتر مستقل است،با این روش  ، شکست یک عنصر، منجر به شکست کل برنامه نمیشود. برای سازمان های بزرگ با منابع داده و سیستم های اطلاعاتی مختلف، مدل زیر پیشنهاد میگردد: شکل ۲

در این مدل، انبارداده هایی وجود دارند(انبار داده، بازارهای داده، منابع ذخیره سازی دادهای عملیاتی)، صدها نرم افزار و برنامه کاربردی وجود دارند که باید انبار های داده را تغذیه نمایند. یک لایه تجمیع داده و یک لایه هوش تجاری نیز دیده شده است.

 

شکل ۲ -مدل تجمیع داده ها در انبارهای داده سازمان های بزرگ [4]

برای یک سازمان بزرگ، برای هر یک از زیر سیستم ها یک انبار داده مجزا در سطح منطقه عملیاتی یا سازمانی خودش در نظر گرفته شده است. که خودش شامل بخش خروجی و گزارشات مخصوص به همان زیر سیستم یا نرم افزار میباشد. هر کدام از این زیر سیستم ها خودشان یک پروژه کامل به حساب می آیند چراکه شامل تمام اجزای پروژه اصلی هستند.

اما برای اتصال زیر سیستم ها از نظر داده ها و تجمیع انها، باید به سراغ استفاده از مستر دیتا یا داده های اصلی سیستم رفت.

داده های اصلی ، که ممکن است شامل داده های مرجع باشد، اطلاعات کلیدی برای بهره برداری از کسب و کار هستند . این اطلاعات کلیدی کسب و کار ممکن است شامل اطلاعات در مورد مشتریان ، محصولات ، کارکنان ، مواد ، تامین کنندگان ، و غیره باشد.در این راستا ، داده ها اصلی می توانند عملیات و فرآیندهای تراکنشی و پشتیبانی زیر سیستم های مختلف را تسهیل کنند.

برای استفاده از داده های اصلی، بعد از شناخت انها لازم است که مدیریت و کارشناس ارشد اطلاعات سازمان آنها را بدرستی طبقه بندی و آماده بهره برداری کند بطوریکه شامل داده های تکراری یا نا معتبر نباشند. این داده ها میتواند مورد توافق نظر در سطح سازمان قرار بگیرد و در تمام زیر سیستم های مورد استفاده باشد.

5.     معماری هوش تجاری در سازمان

 معماری CIF  (Corporate Information Factory) که برای پوشش ضعف موجود در سیستم های EIS که همان مشکل ضعف در استفاده از یک منبع داده بود بوجود آمده است.  CIF يک معماري ادراکي پذيرفته شده ( در سطح وسيع ) است که انباره هاي اطلاعاتي اي که در اجرا و مديريت يک زيرساخت محکم و موفق هوش تجاري مورد استفاده قرار مي گيرند، را توصيف و طبقه بندي مي کند. این معماری بر مبنای تفکیک کل داده های سازمان به 5 پایگاه داده عمده بوجود می آید که عبارتند از:[9]

·         پايگاه هاي داده سيستم اجرايي  (The Operational System Databases)،

·         پايگاه داده تحليلي (Data warehouse)،

·         انباره داده اجرائي (The Operational Data Store)،

·         پايگاه هاي داده تحليلي خرد (Data Marts)،

·         پايگاه هاي داده عملِياتي خرد (Oper Marts).

و در مرحله بعد عملیات يکپارچه سازي فرآيندهای سازمان و کسب وکار به منظور انتقال کارا و موثر داده از سيستم هاي منبع موجود به کاربران تجاري انجام میشود. فرآیند های کسب و کار را در سه گروه اصلی طبقه بندی میکند که عبارتند از:

·         فرآیندهای عمليات تجاري (Business operations): فرآیندهایی که با اطلاعات  عمليات روزانه و جاري سازمان در ارتباطند.  

·         فرآیندهای هوش تجاري (Business intelligence): فرآیندهایی که با جستجوي مداوم براي درک بهتر سازمان، ورودی های سازمان آن و خروجی های آن، تامین کنندگان و مشتریان و کلیه ذینفعان آن در ارتباط است. فرآيندهاي عمليات تجاري ايستا هستند، در حاليکه فرآیندهای هوش تجاري علاوه برفرآيندهاي ايستا، شامل فرآيندهايي است که همواره در حال تکامل اند و باید دائما مورد بررسی قرار گیرند.

·         فرآیندهای مديريت تجاري (Business management): فرآيندي است که در آن دانشها و بينشهاي جديدي که در هوش تجاري ايجاد مي شوند، در عمليات تجاري روزانه در سرتاسر سازمان معرفي و اجرا مي شوند، فرآیندهای مديريت تجاري تصميمات تاکتيکي که يک سازمان اتخاذ مي کند را در بر مي گيرد و ارزش فوق العاده زیادی برای سازمان دارند و هر میزان که استقرار هوش تجاری در سازمان به بهینه شدن تصمیمات در این سطح کمک کند، ارزش های این نوع سیستم ها بیشتر و بیشتر مشخص خواهد شد.  

در این معماری دو مولفه اصلی وجود دارد که عبارتند از :

5.1.                    دريافت داده (Getting Data In):

 شامل فرآيندها و پايگاه هاي داده اي است كه درگير اخذ داده از سيستم هاي اجرائي، يكپارچه سازي آن، پاكسازي آن و قرار دادن آن در يك پايگاه داده براي استفاده آسان هستند و عبارتند از:

·         پايگاه هاي داده سيستم اجرايي (The Operational System Databases)،

·         پايگاه داده تحليلي (Data warehouse)،

·         انباره داده اجرائي (The Operational Data Store)،

·         اخذ دانش (Data Acquisition)

5.2.                   پس دادن اطلاعات(Getting Information Out) :

 شامل فرآيندها و پايگاه هاي داده اي است که درگير ارائه هوش تجاري به مشتريان تجاري نهايي يا تحليل گران اند و عبارتند از:

·         پايگاه هاي داده تحليلي خرد (Data Marts)،

·         پايگاه هاي داده عملِياتي خرد (Oper Marts)،

·         داده رساني  .(Data delivery)

5.3.                  مراحل استقرار هوش تجاری [11]

1- آماده­سازي (ETL)

        استخراج داده·

        پاك­سازي داده·

        بايگاني كردن داده قبل و بعد از پاك­سازي·

2- يكپارچگي(Integrity)

        تطبيق داده و يكپارچگي چند منبع داده­اي·

3- تحليل سطح بالا

        محاسبه ديدهاي تحليلي از ديدهاي پايه - ايجاد پارامترهاي تحليلي·

4- خصوصي­سازي

        استخراج و خصوصي سازي اطلاعات - ايجاد پايگاه داده· تحليلي خاص

هر یک از این مراحل، توسط افراد خاصی باید انجام شود. در واقع تخصص های مورد نیاز برای انجام هر یک از مراحل فوق با هم دیگر فرقق می کند.

باید توجه داشت که تقریبا از مرحله اول نیازمند وجود Repository  برای ذخیره meta data ها هستیم. همچنین ممکن است در مراحل آخر نیازمندی جدیدی برای مرحله ETL[3] پیش آید که در این صورت نیازمند انجام مجدد مراحل اولیه هستیم.

6.     دلایل شکست پروژه های هوش تجاری

پروژه های هوش تجاری، از آنجایی که بیش از همه انواع پروژه های فناوری اطلاعات در سازمان ها وابسته به لایه های زیر ساختی میباشد، توجه بیشتری را متوجه زیرساخت ها میکند. همچنین با توجه به اینکه خروجی استقرار هوش تجاری در سازمان ها بصورت مشخص و واضح قابل سنجش و اندازه گیری نیست، اغلب مدیران را دچار مشکلاتی میکند. با بررسی اخیری که توسط شرکت خدماتی و مشاوره KPMG انجام شده، 6 عامل اصلی شکست پروژه های فناوری اطلاعات به صورت زیر بیان شده است:[2]

1-     برنامه ریزی ضعیف پروژه  2- طرح توجیهی ضعیف 3- عدم درگیری و پشتیبانی مدیریت ارشد4- عدم درگیری کاربر 5- تازه بودن تکنولوژی برای سازمان 6- عدم از خود دانستن پروژه

تمام موارد فوق برای پروژه های هوش تجاری وجود دارد و باید مورد توجه قرار گیرد بویژه بحث تازه بودن تکنولوژی برای سازمان، اما طی تجربیات و پژوهش هایی که توسط شرکت های فعال در این حوزه انجام شده، موارد اجرایی که منجر به شکست پروژه های هوش تجاری شده اند را نیز میتوان در ۸ مورد اصلی دسته بندی کرد:[3]

6.1.                     ﻋﺪﻡ ﺣﻤﺎﻳﺖ ﻣﺪﻳﺮﻳﺖ ﺍﺭﺷﺪ:

ﺩﺭ ﺻــﻮﺭﺗﻲ ﻛــﻪ ﻣــﺪﻳﺮﻳﺖ ﻣﺮﺍﺣﻞ ﺍﺳﺘﻘﺮﺍﺭ ﺍﻧﺒﺎﺭ ﺩﺍﺩﻩ ﻭ ﻫــﻮﺵ ﺗﺠ ﺎﺭﻱ ﺭﺍ ﺩﺭﻙ ﻧﻜﻨﺪ ﻭ ﻳــﺎ ﺍﺯ ﻣﺰﺍﻳ ﺎﻱ ﺁﻥ ﺑــﻲﺧﺒﺮ ﺑﺎﺷﺪ، ﺁﻥ ﭼﻨﺎﻥ ﻛــﻪ ﻻﺯﻡ ﺍﺳﺖ ﺑﻪ ﭘﺮﻭﮊﻩ ﺍﻫﻤﻴـﺖ ﺩﺍﺩﻩ ﻧﻤـﻲﺷـﻮﺩ ﻭ ﭘـﺮﻭﮊﻩ ﻣـﺪﺍﻡ ﺑـﻪ ﺗﻌﻮﻳـﻖ ﻣـﻲﺍﻓﺘـﺪ. ﻣـﺪﻳﺮﺍﻥ ﺍﺟﺮﺍﻳﻲ ﺑﺎﻳــﺪ ﺑﺪﺍﻧﻨﺪ ﻛــﻪ ﺍﺳﺘﻘﺮﺍﺭ ﻫــﻮﺵ ﺗﺠﺎﺭﻱ ﻓﻘﻂ ﺷــﺎﻣﻞ ﻣﺮﺍﺣﻞ ﺍﺳﺘﻘﺮﺍﺭ ﻓﻨﻲ ﻧﻤﻲﺷــﻮﺩ ﻭ ﻣﻤﻜﻦ ﺍﺳﺖ ﻣﻨﺠﺮ ﺑــﻪ ﺗﻐﻴﻴﺮ ﺩﺭ ﻓﺮﺍﻳﻨﺪﻫﺎ ﻭ ﻛﺴﺐﻭﻛﺎﺭ ﺳــﺎﺯﻣﺎﻥ ﮔــﺮﺩﺩ.  ﺯﻳﺮﺍ ﺑﺮﺍﻱ ﺍﻳﻨﻜﻪ ﺳـﺎﺯﻣﺎﻥ ﺑﺘﻮﺍﻧـﺪ ﺍﺯ ﺗﻤـﺎﻡ ﻣﺰﺍﻳـﺎﻱ ﻫـﻮﺵ ﺗﺠـﺎﺭﻱ ﺑﻬـﺮﻩﻣﻨـﺪ ﮔـﺮﺩﺩ ﺑﺎﻳـﺪ ﺍﺯﺗﻤﺎﻡ ﺧﺮﻭﺟﻲﻫﺎﻱ ﻫﻮﺷﻤﻨﺪﻱ ﺍﺳﺘﻔﺎﺩﻩ ﻛﻨﺪ ﻭ ﺭﻭﺵ ﺍﺩﺍﺭﻩ ﻛﺴﺐﻭﻛﺎﺭ ﺭﺍ ﺗﻐﻴﻴﺮ ﺩﻫﺪ. 

6.2.                    ﺷﻨﺎﺳﺎﻳﻲ ﺿﻌﻴﻒ ﻧﻴﺎﺯﻣﻨﺪﻱﻫﺎﻱ ﺳﺎﺯﻣﺎﻥ:

ﻳﻜﻲ ﺍﺯ ﻣﻬﻢﺗــﺮﻳﻦ ﮔــﺎﻡﻫــﺎ، ﻛــﻪ ﻏﺎﻟﺒ ﺎ ﻧﺎﺩﻳﺪﻩ ﮔﺮﻓﺘﻪ ﻣــﻲﺷــﻮﺩ، ﻣﺮﺣﻠﻪ ﺟﻤﻊﺁﻭﺭﻱ ﻧﻴﺎﺯﻣﻨﺪﻱﻫــﺎﻱ ﻛﺴﺐﻭﻛﺎﺭ ﺍﺳﺖ.

ﺑﺴــﻴﺎﺭﻱ ﺍﺯ ﺳــﺎﺯﻣﺎﻥﻫــﺎ ﺑﻌــﺪ ﺍﺯ ﺍﺗﻤــﺎﻡ ﻣﻌﻤــﺎﺭﻱ انبار داده، ﺍﺯ ﻛــﺎﺭﺑﺮﺍﻥ ﻧﻬــﺎﻳﻲ ﺟﻬــﺖ ﻧﻈﺮﺳــﻨﺠﻲ ﺍﺭ ﻧﺘــﺎﻳﺞ ﻃــﺮﺡ ﺩﻋــﻮﺕ ﻣـﻲﻛﻨﻨـﺪ، ﺩﺭ ﺣﺎﻟﻴﻜـﻪ ﻧﻈـﺮ ﺍﻓـﺮﺍﺩ ﻣﻲﺑﺎﻳﺴـﺖ ﻗﺒـﻞ ﺍﺯ ﻣﻌﻤـﺎﺭﻱ ﻭ ﻃﺮﺍﺣـﻲ انبار داده ﮔﺮﻓﺘﻪ ﻣــﻲﺷــﺪ. ﺑــﻪ ﻣﻨﻈﻮﺭ ﺟﻤـﻊﺁﻭﺭﻱ ﻧﻴﺎﺯﻣﻨـﺪﻱﻫـﺎ ﺩﺭ ﻓـﺎﺯ ﺷــﻨﺎﺧﺖ ﭘــﺮﻭﮊﻩ، ﺩﺭﮔﻴــﺮ ﻛــﺮﺩﻥ ﻛﺎﺭﺑﺮﺍﻥ، ﺍﺯ ﺍﻣـﻮﺭ ﺑـﻲﭼـﻮﻥﻭﭼـﺮﺍ ﺟﻬـﺖ ﺗﻀـــﻤﻴﻦ ﺑـــﺮﺍﻱ ﭘـــﻲ ﺑـــﺮﺩﻥ ﺑـــﻪ ﻧﻴﺎﺯﻣﻨـﺪﻱﻫــﺎﻱ ﻭﺍﻗﻌﻲ ﻛــﺎﺭﺑﺮﺍﻥ ﺍﺳﺖ.

6.3.                   ﻃﺮﺍﺣﻲ ﺿﻌﻴﻒ:

ﮔــﺎﻡ ﮐﻠﻴﺪﻱ ﺑﻌﺪﻱ ﻃﺮﺍﺣﻲ ﻣﻌﻤﺎﺭﻱ ﻫــﻮﺵ ﺗﺠﺎﺭﻱ ﺍﺳﺖ. ﻧﮑﺘــﻪ ﻣﻬﻢ ﺍﻳﻦ ﺍﺳﺖ ﮐــﻪ ﺍﺯ ﺍﻓﺮﺍﺩﻱ ﺍﺳ ﺘﻔﺎﺩﻩ ﺷــﻮﺩ ﮐــﻪ ﺩﺭ ﺍﻳﻦ ﺯﻣﻴﻨﻪ ﺗﺠﺮﺑﻪ ﺩﺍﺭﻧﺪ. ﺑﺎﻳﺪ ﺍﺯ ﻃﺮﺍﺣﺎﻥ ﻭ ﺗﻮﺳﻌﻪﺩﻫﻨﺪﮔﺎﻧﻲ ﺍﺳﺘﻔﺎﺩﻩ ﺷــﻮﺩ ﮐــﻪ ﺩﺍﺭﺍﻱ ﺁﻣﻮﺯﺵﻫــﺎﻱ ﻻﺯﻡ ﺑــﺮﺍﻱ ﺍﻳﺠﺎﺩ انبار داده ﻫﺴﺘﻨﺪ ﻭ ﺗﻨﻬﺎ ﺗﺠﺮﺑﻪ ﺍﻳﺠﺎﺩ ﭘﺎﻳﮕﺎﻩ ﺩﺍﺩﻩ ﮐــﺎﻓﻲ ﻧﻴﺴﺖ. ﺯﻳﺮﺍ ﻓﺮﺍﻳﻨﺪ انبار داده ﺷــﺎﻣﻞ ﺍﺳﺘﺨﺮﺍﺝ ﺩﺍﺩﻩﻫــﺎ ﺍﺯ ﻳــﮏ ﻳــﺎ ﭼﻨﺪ ﺑﺮﻧﺎﻣﻪ ﻣﺮﮐﺰﻱ ﻭ ﺗﺒﺪﻳﻞ ﺩﺍﺩﻩﻫــﺎ ﺑــﻪ ﻓﺮﻣﺘﻲ ﻗﺎﺑﻞﺍﺳﺘﻔﺎﺩﻩﺗــﺮ ﺍﺳﺖ.

6.4.                   ﻓﻘﺪﺍﻥ ﺁﻣﻮﺯﺵ:

ﺑﻌـــﺪ ﺍﺯ ﺗﮑﻤﻴـﻞ انبار داده ، ﻣﻮﻓﻘﻴـﺖ ﺑـــﻪ ﺍﻳـﻦ ﺑﺴـــﺘﮕﻲ ﺩﺍﺭﺩ ﮐـــﻪ انبار داده ﺑـــﺮﺍﻱ ﺳـــﺎﺯﻣﺎﻥ ﭼﮕﻮﻧــﻪ ﺭﻭﻧﻤــﺎﻳﻲ ﺧﻮﺍﻫــﺪ ﺷــﺪ. ﺑﺴــﻴﺎﺭﻱ ﺍﺯ ﺷــﺮﮐﺖﻫــﺎ ﺩﺭ ﺍﻳــﻦ ﮔــﺎﻡ ﻣﺸــﮑﻞ ﺩﺍﺭﻧــﺪ ﻭ ﻣﻌﻤﻮﻻ ﺍﻳﻦ ﺑﺎﻋﺚ ﻣــﻲﺷــﻮﺩ ﮐــﻪ ﺍﺳــﺘﻘﺮﺍﺭ انبار داده ﺑــﻪ ﺷﮑﺴــﺖ ﺑﻴﻨﺠﺎﻣــﺪ. ﺍﺻــﻠﻲﺗــﺮﻳﻦ ﺩﻟﻴـﻞ ﮐـﻪ ﺑـﻪ ﻧﻈـﺮ ﻣـﻲﺭﺳـﺪ، ﻓﻘـﺪﺍﻥ ﺁﻣﻮﺯﺵﻫــﺎﻱ ﮐــﺎﻓﻲ ﺍﺯ ﺳــﻮﻱ ﺷــﺮﮐﺖ ﺑــﺮﺍﻱ ﮐــﺎﺭﺑﺮﺍﻥ ﺍﺳــﺖ. ﺑﺠــﺎﻱ ﺁﻣــﻮﺯﺵ ﺁﻥﻫــﺎ ﺑــﺎ ﺟﺰﺋﻴﺎﺕ ﺩﻗﻴﻖ، ﺑــﻪ ﻳـﮏ ﻣــﺮﻭﺭ ﺍﺟﻤﺎﻟﻲ ﺍﮐﺘﻔﺎ ﻣـﻲﮐﻨﻨﺪ.

6.5.                   ﻋﺪﻡ ﻣﻮﻓﻘﻴﺖ ﺩﺭ ﮔﺴﺘﺮﺵ ﺩﺍﺩﻥ ﺑﻪ ﻭﺳﻴﻠﻪ data mart ﻫﺎ:

ﺑﻌﺪ ﺍﺯ ﺍﻳﻦ ﮐﻪ انبار داده ﺍﻭﻟﻴﻪ ﺳـﺎﺧﺘﻪ ﺷـﺪ، ﺑـﻪ ﻧﻈـﺮ ﻣـﻲﺭﺳـﺪ ﮐـﻪ ﮐـﺎﺭ ﺗﻤـﺎﻡ ﺷـﺪﻩ ﺍﺳـﺖ. ﻣﻌﻤـﻮﹰﻻ ﻣﺮﺣﻠـﻪ ﺑﻌـﺪ ﮐـﻪ ﻣﺸـﺨﺺ ﮐﺮﺩﻥ ﻳﮏ ﻃﺮﺡ ﺟﻬـﺖ ﺍﺳـﺘﻔﺎﺩﻩ ﺍﺯ ﺩﺍﺩﻩﻫـﺎﻱ ﺩﺭﻭﻥ انبار داده ﺍﺳـﺖ،ﻓﺮﺍﻣـﻮﺵ ﻣـﻲﺷـﻮﺩ. ﺗﻮﺻـﻴﻪ ﻣـﻲﺷـﻮﺩ ﮐـﻪ ﺑـﺮﺍﻱ ﺗﺴـﻬﻴﻞﺍﻧﺠـﺎﻡ ﻭﻇـﺎﻳﻒ ﮐـﺎﺭﺑﺮﺍﻥ ﻧﺴـﺒﺖ ﺑـﻪ ﺳـﺎﺧﺖ ﻫﻤﺒﺴـﺘﻪﻫـﺎ ﻳـﺎ data mart ﻫـﺎ ﺍﻗـﺪﺍﻡ ﺷـﻮﺩ. data mart ﻫـﺎ ﻣـﻲﺗﻮﺍﻧﻨـﺪ ﺑﺮﺍﻱ ﺳـﺎﺧﺖ ﻳـﮏ ﻣـﺪﻝ ﺑﺴـﻴﺎﺭ ﺳـﺎﺩﻩﺷـﺪﻩﺗـﺮ ﺍﺯ ﺩﺍﺩﻩﻫـﺎ ﺑـﻪ ﮐـﺎﺭ ﺭﻭﻧـﺪ. data mart ﻣـﻲﺗﻮﺍﻧـﺪ ﺩﺍﺭﺍﻱ ﺧﻼﺻـﻪﺳـﺎﺯﻱﻫـﺎ، ﻣﺤﺎﺳﺒﺎﺕ ﻭ ﺗﻐﻴﻴﺮ ﻧــﺎﻡ ﺩﺍﺩﻩﻫــﺎ ﺑﺎﺷﺪ، ﺑــﻪ ﻧﺤﻮﻱ ﮐــﻪ ﮐــﺎﺭﺑﺮﺍﻥ ﺭﺍﺣﺖﺗــﺮ ﺑﺘﻮﺍﻧﻨﺪ ﺑــﻪ ﺍﻃﻼﻋﺎﺕ ﻣــﻮﺭﺩ ﻧﻴﺎﺯﺷﺎﻥ ﺩﺳﺘﺮﺳﻲ ﺩﺍﺷﺘﻪ ﺑﺎﺷﻨﺪ. ﺍﺯ ﺁﻧﺠﺎﻳﻲ ﻛــﻪ data mart ﻫــﺎ ﺩﺳﺘﺮﺳﻲ ﻣﻨﺎﺳﺐﺗــﺮ ﺑــﻪ ﺍﻃﻼﻋﺎﺕ ﺑــﺮﺍﻱ ﻛــﺎﺭﺑﺮﺍﻥ ﻓــﺮﺍﻫﻢ ﻣــﻲﻛﻨﻨﺪ ﻭ ﺑﺎﻋﺚ ﻣــﻲﺷــﻮﺩ ﻛــﻪ ﺣﺠﻢ ﺑــﺎﺭ ﺩﺍﺩﻩﻫــﺎ ﺑــﺮ ﺭﻭﻱ انبار داده ﻛــﺎﻫﺶ ﻳﺎﺑﺪ، ﻟــﺬﺍ ﻭﺟﻮﺩ ﺁﻧﻬﺎ ﺑــﺮﺍﻱ ﺍﻓﺰﺍﻳﺶ ﻛــﺎﺭﺍﻳﻲ ﺿــﺮﻭﺭﻱ ﻣــﻲﻧﻤﺎﻳﺪ. ﺩﺭ ﻧﺘﻴﺠﻪ ﻓﻘﻘﺪﺍﻥ date mart ﻫــﺎ ﻳــﺎ ﻋــﺪﻡ ﻃﺮﺍﺣﻲ ﻣﻨﺎﺳﺐ ﺁﻥﻫــﺎ ﻣــﻲﺗﻮﺍﻧﺪ ﭘــﺮﻭﮊﻩ ﺍﺳﺘﻘﺮﺍﺭ انبار داده ﺭﺍ ﺑــﺎ ﻣﺸﻜﻼﺕ ﻣﺘﻌﺪﺩﻱ ﻣﻮﺍﺟﻪ ﺳﺎﺯﺩ. 

6.6.                    ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺍﺑﺰﺍﺭ ﻏﻠﻂ:

ﺍﺯ ﺩﻻﻳﻞ ﺩﻳﮕﺮ ﺍﺳﺘﻘﺮﺍﺭ ﻧــﺎﻣﻮﻓﻖ ﺍﻧﺒﺎﺭﻩ ﺩﺍﺩﻩ ﻭ ﻫــﻮﺵ ﺗﺠﺎﺭﻱ ﺩﺭﺳــﺎﺯﻣﺎﻥﻫــﺎ ﺍﻧﺘﺨﺎﺏ ﺍﺑﺰﺍﺭ ﻧﺎﻣﻨﺎﺳﺐ ﻣــﻲﺑﺎﺷﺪ. ﺑــﺮﺍﻱ ﮐﺎﺭﺑﺮﺩﻫﺎﻱ ﻣﺨﺘﻠﻒ ﺍﺑﺰﺍﺭﻫﺎﻱ ﻣﺘﻔﺎﻭﺗﻲ ﺩﺭ ﺍﺧﺘﻴﺎﺭ ﺍﺳﺖ. ﻣــﻲﺗــﻮﺍﻥ ﺑــﻪ ﻋﻨﻮﺍﻥ ﻣﺜــﺎﻝ ﺑــﻪ ﺍﺑﺰﺍﺭﻫﺎﻱ ETL، ﮔــﺰﺍﺭﺵﮔﻴﺮﻱ، ﺩﺍﺩﻩﮐــﺎﻭﻱ، OLAP ﻭ ﺍﺑﺰﺍﺭﻫﺎﻱ web-based ﻧﻈﻴﺮ ﺩﺍﺷﺒﻮﺭﺩﻫﺎ ﺍﺷﺎﺭﻩ ﮐــﺮﺩ. ﻧﮑﺘــﻪ ﻣﻬﻢ ﺍﻳﻦ ﺍﺳـﺖ ﮐـﻪ ﺑﺎﻳـﺪ ﺑـﺎ ﺩﻗـﺖ ﻭ ﺑﺮﺭﺳـﻲ ﺩﺭ ﻧﻴﺎﺯﻫـﺎﻱ ﮐـﺎﺭﺑﺮﺍﻥ، ﻣﺠﻤﻮﻋﻪ ﺍﺑﺰﺍﺭﻱ ﺍﻧﺘﺨﺎﺏ ﺷــﻮﺩ ﮐــﻪ ﺑــﻪ ﻋﻨﻮﺍﻥ ﻳــﮏ ﻣﮑﻤــﻞ ﺩﺭ ﺍﻧﺠﺎﻡ ﮐﺎﺭﻫﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ. ﺩﺭ ﺍﻳـﻦ ﺭﺍﺳـﺘﺎ ﭘﻴﺸـﻨﻬﺎﺩ ﻣـﻲﮔـﺮﺩﺩ ﺳـﺎﺯﻣﺎﻥ ﺩﺭ ﺍﺑﺘـﺪﺍﻱ ﭘـﺮﻭﮊﻩ ﻭ ﺑﻌﺪ ﺍﺯ ﺷﻨﺎﺧﺖ ﻧﻴﺎﺯﻣﻨـﺪﻱﻫـﺎ ﻭ ﻣﺤـﺪﻭﺩﻩ ﺍﺟـﺮﺍﻱ ﻃـﺮﺡ ﺍﻗـﺪﺍﻡ ﺑـﻪ ﺍﻧﺘﺨـﺎﺏ ﺍﺑﺰﺍﺭﻫـﺎﻱ ﻣﻨﺎﺳـﺐ ﺳـﺎﺯﻣﺎﻥ

6.7.                   ﺩﺍﺩﻩﻫﺎﻱ ﺑﻲﻛﻴﻔﻴﺖ:

ﻳﻜﭙﺎﺭﭼﻪﺳـﺎﺯﻱ ﺩﺍﺩﻩﻫـﺎ ﺑﺎﻋـﺚ ﻣـﻲﺷـﻮﺩ ﻛـﻪ ﺁﻧﭽـﻪ ﻛـﻪ ﺩﺭ ﭘـﺎﺋﻴﻦﺗـﺮﻳﻦ ﺳـﻄﻮﺡ ﺳﺎﺯﻣﺎﻥ ﺍﺗﻔﺎﻕ ﻣـﻲﺍﻓﺘـﺪ ﻣﺸـﺨﺺ ﺷـﻮﺩ. ﮔﺰﺍﺭﺷـﺎﺗﻲ ﻛـﻪ ﻧﺘـﺎﻳﺞ ﻏﻠـﻂ ﻳـﺎ ﻧـﺎﻗﺺ ﺗﻮﻟﻴﺪ ﻣﻲﻛﻨﻨـﺪ ﺑـﻪ ﺍﺳـﺘﻘﺮﺍﺭ هوش تجاری ﻟﻄﻤـﻪ ﻭﺍﺭﺩ ﻣـﻲﻛﻨـﺪ. ﺭﺍﻩﺣـﻞ ﺍﻳـﻦ ﻣﺸـﻜﻞ ﻧﻈـﺎﺭﺕ ﺑﺮ ﺩﺍﺩﻩﻫﺎ ﻭ ﻧﻈﺎﺭﺕ ﺑﺮ ﻛﺴﺐﻭﻛﺎﺭ ﺍﺳﺖ. بر خلاف عقیده بسیاری از کارشناسان که هوش تجاری را یک پروژه زودبازده قلمداد میکنند، به نظر میرسد استقرار هوش تجاری یک پروژه به شدت متکی به زیرساخت هاست و بویژه در بخش مدیریت دانش و اطلاعات سازمان نیازمند توجه وسرمایه گذاری برای تامین داده های با کیفیت است.

 

6.8.                   ﻗﺎﺋﻞ ﺷﺪﻥ ﻳﮏ نقطه ﭘﺎﻳﺎﻥ ﺑﺮﺍﻱ استقرار هوش تجاری:

ﺑــﺮﺍﻱ ﺍﺳﺘﻘﺮﺍﺭ ﻫــﻮﺵ ﺗﺠﺎﺭﻱ ﺩﺭ ﺳــﺎﺯﻣﺎﻥ ﻧﺒﺎﻳﺪ ﭘﺎﻳﺎﻧﻲ ﺩﺭ ﻧﻈﺮ ﮔﺮﻓﺖ، استقرار هوش تجاری در واقع یک پروژه نیست، یک برنامه است. به این معنی که فاز اول برنامه استقرار هوش تجاری در سازمان میتواند بصورت پروژه استقرار هوش تجاری باشد ولی بعد از پایان پروژه، باید بصورت مداوم روی داده های ورودی، فرآیند های انبار داده و داده کاوی و سایر ابزارهای هوش تجاری کار شود تا همواره بهترین و صحیح ترین خروجی را برای کاربران مهیا سازد.

موارد ذکر شده، بیشتر در حوزه اجرای ‍ پروژه ها مورد بحث قرار گرفته است، اما امروزه در حوزه تعریف پروژه ها و تعیین میزان موفقیت پروژه ها، جدا از اینکه پروژه با موفقیت اجرا شده یا خیر، بحث میزان اثربخشی اجرای پروژه در فرآیند های سازمان نیز بسیار پر اهمیت قلمداد میشود و پروژه ای که تعریف نادرستی داشته باشد یا اهداف درستی را مدنظر قرار نداده باشد یا با با در نظر گرفتن زیرساخت های مناسب تعریف نشده باشد و به اجرا در بیاید، هر چند در اجرا درست و کامل و با هزینه مناسب و زمان مناسب به اتمام برسد باز هم یک پروژه شکست خورده تلقی میشود. بنابراین توجه خاصی به حوزه تعریف پروژه ها و مهیا کردن زیرساخت های مورد نیاز برای تعریف یک پروژه بسیار ضروری بنظر میرسد. در خصوص پروژه استقرار هوش تجاری در سازمان این بحث با جدیت بیشتری مطرح است و لازم است که حتما قبل از تصویب و اجرای پروژه، زیرساخت ها فراهم شوند. چه به لحاظ نیروی انسانی، چه به لحاظ محیطی و چه زیر ساخت فرهنگی و فنی و ... و در مرحله بعد حتما میزان آمادگی سازمانی ارزیابی گردد و در نهایت وارد فاز اجرای پروژه شد.

7.    نتیجه گیری

سازمان هایی که برای استقرار هوش تجاری برنامه ریزی میکنند، باید قبل از تصمیم گیری به بررسی زیرساخت های لازم برای بهره گیری از هوش تجاری بپردازند، چه به لحاظ امکانات فنی و چه به لحاظ نیروی انسانی متخصص و چه به لحاظ فرهنگ سازمانی مورد نیاز. همانطور که در مقاله مطرح شده است این عوامل زیرساختی سهم بسیار مهمی از احتمال شکست پروژه های هوش تجاری در سازمان را بخود اختصاص میدهند و همین امر منجر به لزوم توجه بیشتر به این مقوله میشود.

بعد از تصمیم گیری باید ارزیابی آمادگی سازمانی برای قبول استقرار هوش تجاری صورت پذیرد و با توجه به خروجی حاصل از ارزیابی، اقدامات لازم برای ایجاد آمادگی کامل صورت پذیرد.

استقرار هوش تجاری در گرو همکاری و همسویی فناوری اطلاعات و کسب و کار سازمان است. و در صورتی که این دو عامل در یک سازمان با هماهنگی کامل در جهت استقرار هوش تجاری برناه ریزی و هدایت شوند میتوان به مرحله استقرار هوش تجاری در سازمان رسید. در این مرحله نیز گام های استقرار یکی پس از دیگری برداشته میشود و در نهایت منجر به ایجاد سازمانی هوشمند و یادگیرنده میگردد.

مراجع

[1]      آرش خسروی ، ضرورت بكارگيري هوش سازماني در سازمان ها، مرکز تحقيقات کامپيوتری علوم اسلامی

[2]      بررسی دلایل ناکامی پروژه های فناوری اطلاعات

[3]      ﻋﻮﺍﻣﻞ ﻣﻬﻢ ﺟﻠﻮﮔﻴﺮﻱ ﺍﺯ ﺷﻜﺴﺖ ﭘﺮﻭﮊﻩﻫﺎﻱ ﺍﻧﺒﺎﺭﻩ ﺩﺍﺩﻩ ﻭ ﻫﻮﺵ ﺗﺠﺎﺭﻱ، خبرنامه شرکت مگفا بهمن ۱۳۸۷

 

[4]      Data Integration and Management Solutions,Manjunath. B. Assistant Professor, manjunath_b_73@yahoo.com

[5]      Business Intelligence – Past, Present, and Future ,Hugh J. Watson Department of MIS, University of Georgia , nov 2009

[6]      Assessing BI Readiness: A Key to BI ROI, As featured in the Summer 2004 issue of Business Intelligence Journal ,Steve Williams , Nancy Williams

[7]      Knowledge management and business intelligence: the importance of integration , Richard T. Herschel and Nary E. Jones

 

[8]      The integration of business intelligence and knowledge management, W F Cody; J T, Kerulen; V Krishna; W S Spangler, IBM Systems Journal; 2002; 41, 4; ABI/INFORM Global, pg. 697

[9]      http://www.inmoncif.com/home/

 

 

 

[1] سید محمود شجاعی کیاسری.

آدرس پست الكترونيكي: sm.shojaei@mail.sbu.ac.ir

[2] علیرضا طالب پور ، دکتراي الکترونيک (پردازش تصوير، دانشگاه Surrey انگلستان) – عضو هيئت علمی و استاد دانشگاه شهید بهشتی

 

[3] Extract, Transform, Load

 

ارسال شده توسط احمد محمدی | 23 11, 2013 | بازدید‌ها (768)
 
پایگاه داده‌ها [1] یا پایگاه اطلاعاتی، ذخیره‌ای از پرونده‌های [2] حاوی اطلاعات گوناگون و مرتبط به‌صورت یکپارچه [3] و مبتنی بر ساختار واحدی است که امکان جست‌وجو و بازیابی سریع اطلاعات را توسط رایانه پدید می‌آورد. پایگاه اطلاعاتی به‌گونه‌ای شکل می‌گیرد که تسهیلاتی را برای ذخیره، درج، حذف، اصلاح، روزآمدسازی، و بازیابی اطلاعات پرونده‌ها توسط یک یا چند کاربر به‌صورت اشتراکی و همزمان فراهم سازد. غالبآ مدارک موجود در پایگاه اطلاعاتی ارائه‌دهنده اطلاعات همه پدیده‌های فیزیکی مانند کتاب یا سایر متون منتشر شده مانند آثار هنری، اشیای قدیمی، یا حتی اطلاعات مربوط به یک فرد (مانند مدارک استخدامی یا اسناد پزشکی افراد) را در بر می‌گیرد. به عبارت دیگر این اطلاعات می‌تواند، داده‌هایی کامل از این اسناد باشد. پایگاه اطلاعاتی را می‌توان بر روی رسانه‌هایی مانند لوح سخت [4]، لوح لرزان [5]، لوح یا نوار مغناطیسی [6]، لوح نوری [7]، یا هر ابزار دیگر ذخیره کرد.

تاریخچه
در اواخر دهه 1960 و اوایل دهه 1970 ایجاد نظام یکپارچه مدیریت اطلاعات به‌عنوان هدفی واحد مطرح شد و پایگاه‌های اطلاعاتی با این قصد به‌وجود آمد که بتواند امکان ترکیب پرونده‌های جدا از هم، ایجاد ارتباط، مدیریت، و استفاده مشترک از داده‌ها را فراهم سازد. در نتیجه، افزونگی اطلاعات تا حدودی کاهش یافت، صحت و یکپارچگی اطلاعات ذخیره شده تا حدی تأمین شد، و امکان دسترسی مستقیم به اطلاعات و بازیابی آن، به‌کمک چند کلید، و گزارش‌گیری ساده نیز فراهم گردید.
در دهه 1970، به‌سبب تراکم اطلاعات ذخیره شده و ضرورت بازیابی اطلاعات مورد نیاز، یکپارچگی اطلاعات و به حداقل رساندن تکرار آن در پایگاه‌های اطلاعاتی اهمیت بیشتری یافت و موجب شد که در تهیه برنامه‌های کاربردی، روش‌های کارآمدتری نسبت به ذخیره و بازیابی اطلاعات ابداع شود و پایگاه‌های اطلاعاتی امروزی شکل گیرد. این پایگاه‌ها دسترسی چندجانبه به اطلاعات، کنترل اطلاعات، سازماندهی مجدد، ارتباط میان عناصر اطلاعاتی، امنیت اطلاعات، تهیه گزارش‌های پیچیده، و تهیه برنامه‌های کاربردی مستقل از داده را امکان‌پذیر ساخت. از دهه 1980، با توسعه دانش در زمینه‌هاینظام‌های خبره و هوش مصنوعی [8] [9]، تحولی در نظام ذخیره و بازیابی اطلاعات به‌وجود آمد.
پایگاه‌های اطلاعاتی با استفاده از منطق صوری، نظام خبره، هوش مصنوعی، و زبان طبیعی امکان استنتاج منطقی از داده‌ها را به کاربران می‌دهند؛ و بدین‌ترتیب، فن‌آوری نوین سبب ایجاد پایگاه‌های دانش [10] شده است.
در ایران نیز از سال 1362، تلاش‌هایی به‌منظور ایجاد پایگاه‌های اطلاعاتی خودکار آغاز شد (6: 1-3) لیکن تا اواخر دهه 60 نتیجه ملموسی حاصل گردید. مراکز پایگاه‌های اطلاعاتی ایران در حال حاضر به‌طور عمده حاصل تلاش‌ها و کوشش‌هایی است که از سال 1368 آغاز گردیده و تاکنون ادامه داشته است.

اجزای پایگاه اطلاعاتی [11]
محیط پایگاه اطلاعاتی از اجزائی چون داده‌ها، سخت‌افزار، نرم‌افزار، و کاربران تشکیل شده است. هر پایگاه اطلاعاتی مجموعه‌ای از داده‌هاست که به‌صورت یکپارچه مورد استفاده قرار می‌گیرد. داده‌های هر پایگاه میان کاربران مختلف به اشتراک گذاشته می‌شود و از داده واحدی ممکن است برای مقاصد مختلف استفاده گردد.
از سوی دیگر، پایگاه اطلاعاتی برای استقرار و اجرا نیاز به تجهیزات سخت‌افزاری نظیر دستگاه‌های ذخیره‌سازی، پردازش‌گرها [12]، و سخت‌افزارهای ارتباطی [13] دارد. در ضمن، هر پایگاه اطلاعاتی دارای لایه‌ای نرم‌افزاری به نام "نظام مدیریت پایگاه اطلاعاتی" [14] است که ارتباط میان استفاده‌کنندگان و اطلاعات ذخیره شده بر روی دستگاه‌ها را برقرار می‌سازد. از طریق این نرم‌افزار می‌توان به اطلاعات پایگاه دست یافت.
کاربران پایگاه‌های اطلاعاتی را سه گروه تشکیل می‌دهند:
1) برنامه‌سازان کاربردی [15] که پایگاه اطلاعاتی را طراحی می‌کنند و، با استفاده از داده‌های موجود در پایگاه، آن را توسعه می‌دهند و برنامه‌های جدیدی را تهیه می‌کنند؛
2) استفاده‌کنندگان نهایی که با استفاده از پایگاه‌ها می‌توانند به اطلاعات مورد نیاز دست یابند و از آنها استفاده کنند؛
3) مدیران پایگاه داده‌ها که کار کنترل پایگاه اطلاعاتی را برعهده داشته و معمولا از توان بالایی برای تجزیه و تحلیل نیازها و تصمیم‌گیری در مورد روش ذخیره، دسترسی، بازیابی، و کنترل اطلاعات برخوردارند.

عناصر پایگاه اطلاعاتی [16]
هر پایگاه اطلاعاتی از عناصری شامل واژگان داده‌ها [17]، نوع داده‌ها، دامنه داده‌ها [18]، حوزه داده‌ها (فیلد)، پیشینه (رکورد)ها، رابطه‌ها [19]، و نمایه‌ها تشکیل شده است. واژگان داده‌ها مجموعه‌ای مرتب از پرونده‌ها، نمایه‌ها، نگاره‌ها، و اقلام اطلاعاتی برنامه کاربردی است که برای برنامه‌نویس سرعت و سهولت زیادی را در نوشتن برنامه‌های پایگاه اطلاعاتی ایجاد می‌کند. نوع داده‌های هر حوزه (فیلد) نیز مشخص و تعریف می‌شود تا برنامه کاربردی بتواند آنها را در هر زمان و به هر شکل پردازش و بازیابی کند. متداول‌ترین نوع داده‌ها شامل داده‌های مربوط به متن، عدد، تاریخ، تصویر، و یادداشت است.
داده‌های متن از حروف، اعداد، و نشانه‌ها تشکیل شده است. داده عددی شامل اعداد صحیح، حقیقی، و اعشاری است. داده تاریخ به‌گونه‌ای ذخیره می‌شود که برنامه کاربردی بتواند آن را تشخیص دهد. داده یادداشت برای ذخیره متن‌های طولانی مانند چکیده‌ها یا مقالات به‌کار می‌رود.
حوزه‌ها فضاهایی هستند که داده‌های ذخیره شده در پایگاه اطلاعاتی را در خود جای می‌دهند. نام، نوع، و اندازه هر حوزه (فیلد) در پایگاه اطلاعاتی تعریف می‌شود و برای هر حوزه عنوانی متناسب با محتوای آن انتخاب می‌گردد. افزونگی در حوزه‌ها وجود ندارد، مگر برای حوزه‌هایی که، به عنوان کلید، ارتباط میان پیشینه‌ها (رکورد) را فراهم می‌سازند.
پیشینه‌ها مجموعه‌ای از حوزه‌ها هستند که درباره موضوعی خاص در ارتباطی منطقی قرار می‌گیرند. رابطه‌ها در پایگاه‌های اطلاعاتی این امکان را فراهم می‌کنند که پیشینه‌ها به‌گونه‌ای مورد نیاز سازماندهی شوند. به‌طور مثال، پیشینه اطلاعات کتابشناختی مدارک، که در فرایند فهرست‌نویسی مورد استفاده قرار می‌گیرد، با استفاده از رابطه می‌تواند در کارهای امانت یا سفارش مورد استفاده قرار گیرد. نمایه‌ها (شاخص‌ها) در پایگاه‌های اطلاعاتی عامل مهمی در ذخیره اطلاعات حوزه‌ها هستند و با وجود آنها برای بازیابی اطلاعات خاص نیازی به پیمایش سراسر پایگاه نیست، در نتیجه اطلاعات با سرعت بیشتری بازیابی می‌شود.

انواع پایگاه اطلاعاتی
پایگاه‌های اطلاعاتی را بارویکردهای متفاوتی تقسیم‌بندی کرده‌اند. برخی صاحب‌نظران، انواع پایگاه اطلاعاتی را به شرح ذیل می‌دانند:

1. پایگاه اطلاعاتی تک پرونده [20]، که در آن اطلاعات از یک پرونده را در هر زمان ذخیره، سازماندهی، و بازیابی می‌کنند. در این پایگاه‌ها حوزه‌های مربوط به یک موضوع می‌تواند تکراری باشد و امکان حذف حوزه‌های زائد در پیشینه‌ها وجود ندارد، در نتیجه، افزونگی اطلاعات در این پایگاه‌ها بسیار زیاد است.

2. پایگاه اطلاعاتی سلسله مراتبی [21]، که در آن پیشینه‌ها به صورت سلسله‌مراتبی و درختی در رابطه‌ای پدر و فرزندی قرار می‌گیرند. تنها یک پیشینه، ریشه درخت است و هر پیشینه فقط یک رابطه با پیشینه قبلی خود دارد، ولی در برقراری رابطه با پیشینه‌های بعدی خود محدودیتی ندارد. در این نوع پایگاه ارتباط میان پیشینه‌ها بسیار سریع است، اما برخی پیشینه‌ها با توجه به نوع ارتباط تکرار می‌شوند و موجب افزایش حجم پایگاه اطلاعاتی می‌گردند.

3. پایگاه اطلاعاتی شبکه‌ای [22]، که در آن رابطه میان انواع پیشینه‌ها یک به چند است و هیچ محدودیتی در تعداد آنها نیست. چند پیشینه در رابطه با یک پیشینه که خود با چند پیشینه دیگر مرتبط است قرار می‌گیرند. انعطاف‌پذیری در تعداد رابطه‌های میان پیشینه‌ها موجب می‌شود که پیشینه‌ها در محلی که بیشترین کارآیی را دارند قرار نگیرند، و سرعت برقراری ارتباط میان آنها نسبت به مدل سلسله‌مراتبی کاهش یابد. البته با قرار دادن پیشینه‌های مرتبط نزدیک به هم این مشکل را می‌توان تا حدودی برطرف ساخت. برتری نوع شبکه‌ای نسبت به نوع سلسله مراتبی، استفاده از یک پیشینه در رابطه‌های نامحدود است و نیازی به تکرار پیشینه‌های یکسان نیست. در نتیجه از افزونگی اطلاعات کاسته شده و اندازه پایگاه کوچک‌تر می‌گردد.

4. پایگاه اطلاعاتی رابطه‌ای [23]، که در آن رابطه‌ها به شیوه‌ای خاص، یعنی به صورت جدول، به کار رفته‌اند و در واقع همان پایگاه شبکه‌ای است. این پایگاه برای نخستین بار در سال 1970 توسط یکی از کارشناسان شرکت آی. بی. ام. ابداع شد و در آن، سازماندهی اطلاعات برپایه جدول‌ها (رابطه‌ها)، سطرها (پیشینه‌ها) و ستون‌ها (حوزه‌ها) صورت می‌گیرد. با استفاده از الگوهای ریاضی در مجموعه‌ها، عملیات مشابه بر روی اطلاعات صورت می‌گیرد. در این پایگاه، نوع پیشینه‌ها به‌صورت جدول و حوزه‌های مربوط به آنها به‌صورت ستونی در جدول قرار می‌گیرند. هر سطر جدول پیشینه‌ای است که به‌وسیله کلید مشخصی با جدول دیگر که دارای همان کلید در یکی از سطرهاست مرتبط می‌شود. در هر رابطه یا جدول تنها یک نوع پیشینه می‌تواند وجود داشته باشد و هر پیشینه دارای تعداد ثابتی حوزه یا ستون است. در این نوع پایگاه، افزونگی اطلاعات وجود ندارد و گزارش‌گیری بسیار ساده، راحت، و سریع انجام می‌گیرد.

5. پایگاه اطلاعاتی شیی گرا [24]، که به‌منظور ایجاد نرم‌افزاری بهتر، کوچک‌تر، و بدون تناقض به‌وجود آمد و متشکل از مجموعه‌ای از شیی‌هاست. هر شیی دارای اطلاعات (ویژگی‌ها [25]) و برنامه‌ها (روش‌ها [26])یی است که می‌تواند اطلاعات درون شیی را پردازش کند. شیی نفوذناپذیر است، یعنی نمی‌توان برنامه درونی آن را تغییر داد. فقط از طریق پیام می‌توان با آن رابطه برقرار کرد. هر شییî، پس از دریافت پیام، آن را پردازش کرده و سپس پیام(های) مناسبی را ارسال می‌کند. در ساختار این پایگاه‌ها شیِی‌ها که دارای توانایی‌های مشترک هستند در رده واحدی قرار می‌گیرند و هر رده می‌تواند دارای زیر رده‌هایی باشد که از توانایی‌های رده بالاتر از خود نیز برخوردار است.

6. پایگاه اطلاعاتی توزیعی، که برمبنای بانک‌های اطلاعاتی توزیعی شکل می‌گیرد و، در واقع، برای ذخیره و بازیابی داده‌های غیرمتمرکز بر روی رایانه‌های مراکز مختلف ایجاد می‌گردد. به‌طور مثال، چندین کتابخانه که در شبکه‌ای واحد با یکدیگر همکاری می‌کنند، با ایجاد پایگاه اطلاعاتی توزیعی در شبکه، می‌توانند از برنامه‌های کاربردی یکدیگر استفاده کنند.

با رویکردی دیگر، پایگاه اطلاعاتی را می‌توان چنین طبقه‌بندی کرد:

1. پایگاه اطلاعاتی کتابشناختی [27]. این نوع پایگاه ارائه دهنده انواع گوناگون انتشارات بوده واطلاعات مربوط به آنها شامل عنوان، نام نویسنده(ها)، ناشر، تاریخ نشر، احتمالا ویژگی‌های فیزیکی (به‌طور مثال، شماره صفحات)، و کلیدواژه‌هایی از موضوع اثر است. روشن‌ترین مثال از این نوع، پایگاه‌های اطلاعاتی فهرست کتاب‌های یک کتابخانه یا پایگاه اطلاعاتی مقالات نشریات علمی یا عمومی است. این نکته قابل توجه است که پایگاه اطلاعاتی کتابشناختی ارائه دهنده متن اصلی اثر نبوده و فقط اطلاعات توصیفی را دربر می‌گیرد.

2. پایگاه اطلاعاتی تمام متن [28]. این پایگاه شامل متن کامل منابع - نه فقط مشخصات ظاهری آنها است. متن کامل مقالات روزنامه‌ها و نشریات، قوانین، گزارش‌های فنی شرکت‌ها، پیام‌های گروه‌های مباحثه در اینترنت، و مکاتبات سازمان‌ها نمونه‌هایی از این‌گونه پایگاه‌ها هستند.

3. پایگاه اطلاعاتی تصویر [29]. این پایگاه شبیه پایگاه اطلاعاتی کتابشناختی است، با این تفاوت که اطلاعات موجود در آن توصیف‌کننده تصاویر است، مانند نقاشی‌های موجود در یک گالری هنر، عکس‌ها، یا منابع ویژه‌ای چون تصاویر پرتونگاری. داده‌ها فقط نشان‌دهنده خطوط ظاهری تصویر نبوده و ممکن است توصیف‌کننده مفهوم آن نیز باشند؛ به‌طور مثال، اطلاعاتی از قبیل مکانی که عکس در آن گرفته شده یا نقاشی ترسیم شده یا اطلاعاتی در مورد رنگ و بافت نقاشی را نیز شامل می‌شود.

4. پایگاه اطلاعاتی ارجاعی [30]. این پایگاه می‌تواند شامل فهرست اشیاء نمایشی در یک موزه یا فهرست گیاهان یک ناحیه خاص باشد. همچنین این نوع پایگاه می‌تواند ارائه دهنده نکات خاصی باشد که در انواع دیگر پایگاه‌ها موجود نیست؛ مانند اطلاعاتی در مورد کوزه‌گری که نیازمند توصیف به‌وسیله شکل، ابعاد، رنگ، و تاریخ کوزه‌گری به‌طور کامل است.

5. پایگاه اطلاعاتی عددی و آماری [31]. این پایگاه عمدتآ شامل اطلاعات عددی است و آمار گوناگونی مانند اسناد فروش یا داده‌های علمی همچون خواص فیزیکی مواد را دربر می‌گیرد.

6. پایگاه اطلاعاتی توصیفی [32]. این نوع پایگاه نکاتی موجز با طیفی گسترده از توضیحاتی درباره نواحی جغرافیایی خاص، برنامه‌های ارائه شده توسط دانشگاه‌ها یا دانشکده‌ها، یا امکانات یک شرکت را دربر می‌گیرد.
بعضی از صفحات خانگی [33] موجود در اینترنت را می‌توان نمونه‌ای از پایگاه‌های اطلاعاتی توصیفی به‌شمار آورد. پایگاه‌های اطلاعاتی توصیفی شامل نکات اصلی متن (حاوی اطلاعات آماری و تصاویر متن) هستند، به همین سبب می‌توان آنها را جزو گروه پایگاه‌های اطلاعاتی تمام متن نیز برشمرد. پایگاه‌های اطلاعاتی توصیفی غالبآ به شکل الکترونیکی اسناد چاپی اشاره می‌کند. واژه کلی‌تر پایگاه‌های اطلاعاتی متنی [34] نیز می‌تواند شامل متن اصلی آثار داستانی باشد.

7. پایگاه‌های اطلاعاتی راهنماها و سایر منابع مرجع [35]. این پایگاه‌ها شامل شکل الکترونیکی انواع گوناگون کتاب‌های مرجع مانند راهنمای سازمان‌ها و اشخاص یا واژه‌نامه‌هاست. این نوع پایگاه ترکیبی از پایگاه‌هایی است که به آن اشاره شد؛ به‌طور مثال، یک دایره‌المعارف ممکن است هم دارای متن و هم دارای تصویر باشد. این پایگاه‌ها با بهره‌گیری از امکاناتچندرسانه‌ای مانند صوت و تصویر، برقراری رابطه تعاملی با کاربران را فراهم می‌آورند.

مآخذ:
1) خسروانی، جعفر. "بررسی وضعیت پایگاه‌های اطلاعاتی معاجم لفظی و موضوعی مرکز تحقیقات کامپیوتری علو اسلامی". پایان‌نامه کارشناسی ارشد کتابداری و اطلاع‌رسانی، دانشکده علوم تربیتی و روانشناسی، دانشگاه تهران، 1374؛
2) روحانی رانکوهی، محمدتقی. مقدمه‌ای بر پایگاه داده‌ها (بانک اطلاعاتی). {تهران}: جلوه، 1372؛
3) شورای عالی انفورماتیک کشور. دبیرخانه. ویژه‌نامه پایگاه داده‌ها: خبرنامه انفورماتیک. تهران: سازمان برنامه و بودجه، مرکز مدارک اقتصادی - اجتماعی و انتشارات، 1374؛
4) فرهنگ اصطلاحات کامپیوتری (Webster): شامل شرح 4500 اصطلاح کامپیوتری به‌همراه جدیدترین واژه‌های مربوط به PCها. "پایگاه اطلاعاتی"؛
5) فرهنگ کاربران کامپیوتر. ادیک باغداساریان. ذیل "پایگاه اطلاعاتی"؛
6) مرکز اسناد و مدارک علمی ایران. طرح پیشنهادی شبکه اطلاع‌رسانی علمی و صنعتی کشور. تهران، 1362؛
7) "Data base". The New Encyclopedia Britannica. 15th ed. Vol. 3: Micropaedia Ready Reference. PP. 896-897;
8) "atabase". Encyclopedia of Library and Information Science. Vol 51, P. 107;
9) Date, C.J. An Introductionto Data base Systems. Vol. 1. 5th ed. Reading, Ma: Addison - Wesley Publishing co., 1990;
10) Jacso, Peter; Lancaster, F.W. Database. Chicago: ALA, 1999;
11) Maryanski, F. "Data base Administrator". Encyclopedia of Computer Science and Engineering. PP. 440-441;
12) Moulton, lynda W. Data bases for Special Libraries: a Strotegic Guide to Information Management. London: Green Wood Press, 1991;
13) Olle, T.W. "Data base Management". Encyclopedia of Computer Science and Engineering. Vol. 1, P. 441-447;
14) Semsarzadeh, Gholam Ali. "New Developments in Conception of Application Software". Washington, D.C. 1997 (Poly Copy);
15) Vargo, Mary O. "Data base Computer". Encyclopedia of Computer Science 3 rd. ed. PP. 412-413.

پی نوشت:
[1]. Database
[2]. Files
[3]. Integrated
[4]. Hard disk
[5]. Floppy disk
[6]. Magnetic disk / Tape
[7]. Optical disk
[8]. Expert system
[9]. Artificial intelligence
[10]. Knowledge base
[11]. Database components
[12]. Processors
[13]. Communication hardware
[14]. Database Management System (DBMS)
[15]. Application programmer
[16]. Database clements
[17]. Data dictionary
[18]. Data domain
[19]. Relations
[20]. Flat-file database
[21]. Hierarchical database
[22]. Networked database
[23]. relational database
[24]. Object-oriented database
[25]. Properties
[26] Methods
[27]. Biblilgraphic databases
[28]. Full-text databases
[29]. Image database
[30]. Database referring to other physical objects
[31]. Numeric and statistical database
[32]. Descriptive database
[33]. Home page
[34]. Text database
[35]. Directories and other "reference sources" database
ارسال شده توسط احمد محمدی | 23 11, 2013 | بازدید‌ها (935)
Normal 0 false false false EN-US X-NONE FA MicrosoftInternetExplorer4

سیستم خبره بنگاه املاک

سعیدی

Normal 0 false false false EN-US X-NONE FA MicrosoftInternetExplorer4

ديباچه

در طول چند دهه گذشته تغييرات قابل توجهي در روش هاي پيش بيني موجود تحليل گران و متخصصان وجود داشته است. اغلب روش هاي پيچيده ي در دسترس براي استفاده معمول مدل هاي پيچيده اقتصادي براي راه حل مشكلات پيش بيني ، پيشنهاد مي شوند. اما بعضي از محققان پيشنهاد مي دهند كه استفاده از سيستم هاي بهتر، بهتر از روش هاي پيش بينيي است كه منجر به پيش بيني هاي كلي بهتر مي شود.

اين ايده به شدت توسط  Makridakis و همكارانش .(1982)

اين تحقيق شامل 1001 پيش بيني سري هاي زماني مختلف با استفاده از 24 روش مختلف است. آنها نتيجه گرفتند كه روش هاي پيچيده تر ممكن است، نتايج بهتري از آنهايي كه ساده توليد مي كند، نباشد.اين سطر زير نقل قولي از انهاست در نتيجه گيري هايشان:

"اگر پيش بيني هاي كاربر مي تواند تبعيض قابل شود در انتخاب هايش از روش هاي وابسته به نوع ديتا (ساليانه،فصل نامه و ماهانه) نوع رشته اي (ماكرو،ميكروو يره) و افق زمان پيش بيني، انگاه كه او به طور قابل ملاحظه انجام ميده بهتر از زمان استفاده از يك روش واحد در تمام شرايط -با فرض البته نتايج مطالعه حاضر را مي تواند تعميم داده شود.

حتي ار تحقيقات بيشتري لازم است تا به ما دلايل مشخص تري ارائه كند كه اين چرا اتفاق مي افتد.

يك فرضيه ممكن است پيشرفته باشد در اين بيان كه روش هاي اماري پيچيده از روش هاي ساده بهتر نيستند زمانيكه تصادفي بودن قابل توجهي در اطلاعات وجود دارد

در اخر،اين به نظر مي رسد كه الگوهاي فصلي مي تواند با استفاده از هر دو روش ساده و اماري بسيار پيشرفته به همان خوبي پيش بيني شود ."

 

يك استنباط اين است كه سيستم هاي پيش بيني با هوش مصنوعي ساده و سيستم هاي خبره مي تواند نتايج بهتر و تاثيرات بيشتر از كساني كه از يكي استفاده مي كنند محصول داشته باشدمدل (DeLurgio، 1998).

اين مقاله به برخي از استفاده هاي سيستم هاي خبره و هوش مصنوعي در تجارت و چگونگي استفاده انها در مشكلات مسكن ،مي پردازد.

يكي از جنبه هاي خاص كه در نظر گرفته مي شود مزاياي استفاده از اين سيستم ها است به عنوان ابزار اموزشي براي دست اندركاران بي تجربه املاك و مستغلات است .براي مثال استفاده مي شود براي به عنوان مثال استفاده شده است تا نشان دهد چگونه يک سيستم خبره براي ارزيابي مسکوني ممکن است کار کند.

 

 

  چکیده :

این مقاله به بررسی استفاده از سیستم های خبره و هوش مصنوعی ، )به ویژه در استفاده از شبکه های عصبی( به پیش بینی املاک و مستغلات میپردازد. در حالی که مقدار زیادی از ادبیات در مورد استفاده از هوش مصنوعی وجود دارداین مقاله نیز به بررسی های گسترده تر موضوع سیستم های خبره و چگونه یک سیستم بهتر می تواند به نتایج بهتری منجر شود. این سیستم خبره بسیار به درد افرادی میخورد که میخواهند با اطلاعاتی ناقص، خانه ای خوب بخرند.

 

استفاده از هوش مصنوعي و سيستم هاي خبره در كار املاك و مستغلات

اين بحث تا كنون پيرامون شبكه هاي عصبي و روش هاي داده كاوي براي پيش بيني متمركز شده است.

پيش بيني در درجه اول فرايند كمي از داده هاي عددي از گذشته تا پيش بيني اينده است.سيستم هاي خبره روش هاي ايده الي هستند براي مقابله اي خوب با مشكلات بسيار.

يكي از از اين پيش بيني ها كيفي است.اين است که به طور معمول براي محصولات جديد و در شرايطي که در انجا هيچ مجموعه اي طولاني مدت جايي كه ممكن است كمك به ارائه پيش بيني باشد نيست.

سيستم هاي خبره مي توانند در استفاده از روش هاي فروش نيرو هاي مركب ياري دهند.

نظر سنجي از مشتريان و جامعه، داوران از نظر اجرايي و روش هاي دلفي (Wilson et al, 1998).

 

بسياري از مناطق ديگر متعدد ،بدون كار املاك و مستغلات وجود دارد.كه در ان سيستم هاي خبره مي توانند مفيد بكار گرفته شوند

چند مسئله:

1-آماده سازي اسناد املاک و مستغلات مانند اجاره ، قرارداد و فرم.سيسم هاي خبره مي توانند به كاربر كمك كنند تا مدارك را با استفاده از هدايت انها از طريق فرايند و جلب توجه به مشكلاتي كه ممكن است عاقلانه نباشند،به عنوان بهبود عبارت و ساختار، اماده كند.  

2-هزينه ساختمان ها و توسعه پروژه ها.اين نياز به تركيب روش  داده كاوي و روش قانون پايه اي دارد(يا مورد هاي مبتني بر استدلال)براي گردهم اوردن دانش كارشناس بررسي كميت.مهندسي و ساخت با براورد هزينه درست.

3-محاسبه كمك با نرم افزار هاي عممي كامپيوتري و همچنين تخصصي.

4-تهيه گزارش و مشروحات ملك

5-مشكلات مديريتي اموال و امكانات در جايي كه سيستم هاي خبره مي تواند به هردو صورت مشتريان و مديران املاك براي ساده كردن راه حل هاي بعضي مشكلات استفاده شود. يكي از مسائل اشكار ، پر كاربردي براي افراد تازه كار و قابليت كمك در اموزش و فرايند پرورش تا زمانيكه به كاربر و كارشناس شدن خود شخص منجر بشود ،است.

 

و اما

این سیستم خبره شامل هفت مرحله است

مرحله 1

گام اول جمع آوری اطلاعات در مورد موضوع املاک است. برای کاربران حرفه ای یا خبره این داده ها میتونه به صورت مستقیم وارد شود. برای کاربران تازه کار یا در حال آموزش یک سیستم مبتنی بر قانون وجود دارد که برای ورودی ها او را راهنمایی میکند. شکل زیر صفحه ی ورودی کاربر را نشان میدهد. در دید اول این صفحه نمایش هست که ورودی ها را از کاربر دریافت میکند. روش را انتخاب میکند و جواب میدهد. سیستم با یا بدون اطلاعاتفهرست شده در گزارش بازرسی کار می کنند. بر اساس اطلاعاتی که در قسمت features به صورت لیست قرار گرفته و به ما خروجی میدهد. با این حال نتیجه در بسیاری از مناطق دقیق نیست

 

مرحله 2

مرحله دوم شامل جمع آوری اطلاعات در پایگاه فروش میباشد. این اطلاعات به صورت ماهیانه به روز میشوند و سیستم با بهره گیری از جستجو و سیستم فیلتر باهم و همراه با دانش تخصصی با پارامتر های مناسب پر فروشها را انتخاب میکند. این پارامترها میتوانند به وسیله ی کاربر زده شوند و در نسخه های بعدی این سیستم  میتونه به یاد بیاره که کدام پارامتر ها در کدام مناطق تاثیر گزارتر هستند

مرحله 3

مرحله ی 3 به تجزیه تحلیل داده های بازار میپردازد.در این مثال یک مدل رگرسیون استفاده میشود.  این سیستم اجازه میدهد به مدلهای مختلف شامل مدل های رگرسیون ومدلهای مختلف شبکه عصبی با ااگوریتم ژنتیک. فرایند ساخت این مدل بر اساس دانش خبره با آزمون های استاندارد برای اعتبار مدل استفاده شده است.

در شکل زیر فقط منطقه ی زمین، منطقه ی ساختمان و سن ساختمان استفاده شده است. با داده های مختلف، مدل های مختلف بسته به مکان و محیط فیزیکی واقتصادی یافت میشوند.

مرحله 4

مدل از داده های بازار به عنوان پایه برای تنظیمات برای سیستم استفاده می شود. در این مثال از مدل رگرسیون استفاده شده است، هرچند روشها و مدلهای دیگر هم در دسترس هستند.

کاربر میتواند تنظیمات را زیر پا بگذارد. در شکل زیر میبینید که تنظیمی برای تاریخ فروش وجود ندارد زیرا این مدل از مارکت هیچ تائثیر قابل اندازه گیری از زمان بر روی قیمت پیدا نمیکند.

اگر کاربر معتقد باشد که قیمت در برابر زمان افزایش داشته باشد پس آن زمان می تواند یک تنظیم مناسب باشد.

 

مرحله 5

مرحله ی بعدی شامل انتخاب بیشترین فروشهایی که  قابل مقایسه هستند، است.

این فرایند با استفاده از ترکیبی از دانش خبره و نزدیکترین تکنیکهای همسایه است.سیستم تلاش دارد برای اینکه تعداد مناسبی از فروشهایی را که قابل مقایسه هستند را پیدا کند. به عنوان مثال اگر از بین چهار حالت مقایسه سه حالت با توجه به داده ها و اعمالی که روی آنها انجام میشود به داده نزدیکتر و مقایسه ی چهارم از آنها دور بود سه حالتی که نزدیک هستند انتخاب میشوند . این سسیتم مانند بیشتر سیستم ها میتواند حالت خودکار خود را زیر پا بگذارد و خود کاربر به صورت غیر خودکار این کار را انجام دهد .

مرحله 6

مرحله 6 با استفاده از تمام اطلاعات بدست آمده تا این مرحله به تنظیم بیشترین فروشهای قابل مقایسه با استفاده از روشهای مناسب و تنظیم های انتخاب شده میپردازد.

شکل زیر نشان میدهد در این مثال چگونه این تنظیمات ساخته شده

( بر اساس ورودی های ما یک سری مقایسه ها انجام داده و یک رنجی را به ما داده است که میتوانیم به وسیله ی آن رنجها که حتما با یک سری فرمول های خاص بدست آمده یک قایسه ی خوب انجام دهد) 

مرحله 7

مرحله ی آخر شامل   درصد گیری برای نشان دادن بهترین گزینه است که این درصد ها با توجه به اطلاعات بدست آمده از مرحله ی 6  بدست می آید .  

نتیجه

این مقاله به بررسی برخی از مسائل جاری در خصوص سیستم های خبره و هوش مصنوعی برای متخصصان در صنعت املاک پرداخته بود.

به وسیله ی این سیستم ابتدا میتوانیم از بین داده ها به وسیله ی جستجو داده های نزدیک به ورودیهای خودمان را پیدا کنیم و بعد از آن با استفاده از یک سری فرمول ها و قوانین بهترین گزینه را انتخاب کنیم که البته ممکن است دقیقا گزینه ی مورد نظر ما نباشد.

 

 

در این مقاله حرفی از این که این سیستم با چه زبان برنامه سازی پیاده شده به زبان نیامده است. ولی من برخی از فرمولهای این سیتم خبره را کشف کردم.

مرحله 6