— (715)

طراحی سیستم مدیریت دانش با استفاده از هوش تجاری
حجت الهقلی یالقوزآغاج
استادراهنما:
دکتر محمد جعفر تارخ
پايان‌نامه براي دريافت مدرك كارشناسي ارشد
در رشته مهندسی فناوری اطلاعات گرايش تجارت الکترونیک
شهریور 1393

\* mergeformat
تاسيس 1307
دانشگاه صنعتي خواجه نصيرالدين طوسي
تأییدیه هیأت داوران شماره:
تاريخ:
هیأت داوران پس از مطالعه پایان‌نامه و شرکت در جلسه دفاع از پایان نامه تهیه شده تحت عنوان :
……………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………..توسط آقای / خانم ……………………………………………….. ، صحت و کفایت تحقیق انجام شده را برای اخذ درجه کارشناسی ارشد در رشته …………………………… گرایش …………………………. در تاريخ ……../ ………/ ………13 مورد تأیید قرار می‌دهند.
1- استاد راهنما جناب آقای / سركار خانم دکتر …………………………………… امضاء
2- استاد مشاور جناب آقای / سركار خانم دکتر …………………………………… امضاء
3- ممتحن داخلی جناب آقای / سركار خانم دکتر …………………………………… امضاء
4- ممتحن خارجی جناب آقای / سركار خانم دکتر …………………………………… امضاء
5- معاونت آموزشی و تحصیلات تکمیلی دانشکده جناب آقای / سركار خانم دکتر …………………………………… امضاء
\* mergeformat
تاسيس 1307
دانشگاه صنعتي خواجه نصيرالدين طوسي اظهارنامه دانشجو شماره:
تاريخ:
اینجانب ……………………………………………….. دانشجوی کارشناسی ارشد رشته ……………………………………………. گرایش ……………………………………. دانشکده مهندسی صنایع دانشگاه صنعتي خواجه نصیرالدین طوسی گواهی می‌نمایم که تحقیقات ارائه شده در پایان‌نامه با عنوان
………………………………………………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………………………………………………
با راهنمايي استاد محترم جناب آقاي / سركار خانم دكتر ……………………………………………………………، توسط شخص اینجانب انجام شده و صحت واصالت مطالب نگارش شده در این پایان‌نامه مورد تأیید می‌باشد، و در مورد استفاده از کار دیگر محققان به مرجع مورد استفاده اشاره شده است. بعلاوه گواهی می‌نمایم که مطالب مندرج در پایان نامه تا کنون برای دریافت هیچ نوع مدرک یا امتیازی توسط اینجانب یا فرد دیگری در هیچ جا ارائه نشده است و در تدوین متن پایان‌نامه چارچوب (فرمت) مصوب دانشكده مهندسي صنايع را بطور کامل رعایت کرده‌ام. چنانچه در هر زمان خلاف آنچه گواهي نموده‌ام مشاهده گردد خود را از آثار حقيقي و حقوقي ناشي از دريافت مدرك کارشناسی ارشد محروم مي‌دانم و هيچگونه ادعائي نخواهم داشت.
امضاء دانشجو: تاریخ:
\* mergeformat
تاسيس 1307
دانشگاه صنعتي خواجه نصيرالدين طوسي حق طبع و نشر و مالکیت نتایج شماره:
تاريخ:
1- حق چاپ و تکثیر این پایان‌نامه متعلق به نویسنده آن می‌باشد. هرگونه کپی برداری بصورت کل پایان‌نامه یا بخشی از آن تنها با موافقت نویسنده یا کتابخانه دانشکده مهندسی صنایع دانشگاه صنعتی خواجه نصیرالدین طوسی مجاز می‌باشد.
ضمناً متن این صفحه نیز باید در نسخه تکثیر شده وجود داشته باشد.
2- کلیه حقوق معنوی این اثر متعلق به دانشگاه صنعتی خواجه نصیرالدین طوسی می‌باشد و بدون اجازه کتبی دانشگاه به شخص ثالث قابل واگذاری نیست.
همچنین استفاده از اطلاعات و نتایج موجود در پایان نامه بدون ذکر مراجع مجاز نمی‌باشد.
با تشکر از استاد گرانقدردکتر تارخ
از پدر گر قالب تن یافتیم
از معـلم جان روشن  یافتیم
ای معلم چون کنم توصیف تو
چون خدا مشکل توان تعریف تو
(شهریار)
چکیده
امروزه یکی از سرمایه های بنیادی و اساسی هر سازمانی نیروی انسانی موجود در آن سازمان میباشد که نقش عمدهای را در ایجاد ارزش برای سازمان به عهده دارند. بنا به دلایل متعددی هر سازمانی در طول حیات خود تعداد زیادی از نیروی انسانی خود را از دست میدهد که در نتیجه نیروی انسانی جدیدی به جای این افراد وارد سازمان میشوند. آنچه که در این بین باید مورد توجه قرار گیرد اینست که نیروی انسانی قبلی دانش گرانبهایی را در طول سالها فعالیت در سازمان بدست آورده است که با خود از سازمان خارج می کند. در این پروژه با رویکرد هوش تجاری نرم افزاری کاربردی برای مدیریت دانش کارکنان ارایه شده است. با استفاده از الگوریتم متنکاوی ابتکاری ارائه شده در این نرمافزار میتوان هر لحظه دانش نیروی انسانی شاغل در سازمان را ذخیره کرده و دانش مفیدی را از آن استنباط کرد. با استفاده از نمودار نگاشت موجود در این نرمافزار نیز در هر لحظه میتوان یک وضعیت از نحوه ارائه خدمت کارمندان را به مشتریان مشاهده نمود.
کلیدواژه: سیستم مدیریت دانش، هوش تجاری، متن کاوی
فهرست مطالب صفحه TOC \o “1-4” \h \z \u
فصل اول کلیات تحقیق PAGEREF _Toc365327215 \h 11-1 مقدمه PAGEREF _Toc365327217 \h 21-2 اهداف تحقیق PAGEREF _Toc365327218 \h 31-3 اهمیت و ضرورت تحقیق PAGEREF _Toc365327219 \h 31-4 فرضیات تحقیق PAGEREF _Toc365327220 \h 41-5 پیشینه تحقیق PAGEREF _Toc365327221 \h 41-6 کاربران و کاربردهای تحقیق PAGEREF _Toc365327222 \h 51-7 ساختار کلی پایان نامه PAGEREF _Toc365327223 \h 51-8 جمعبندی6
فصل دوم مروری بر کارهای انجام شده7
2-1 مقدمه8
2-2 سیستم مدیریت دانش8
2-2-1 مفهوم دانش8
2-2-2 مفهوم مدیریت دانش9
2-2-3 استراتژیهای مدیریت دانش10
2-2-4 لزوم مدیریت دانش13
2-2-5 ساختار سازمانی برای مدیریت دانش PAGEREF _Toc365327234 \h Error! Bookmark not defined.2-2-6 سیستم مدیریت دانش چیست؟14
2-3 هوش تجاری23
2-3-1 مفهوم هوش تجاری24
2-3-2 هدف هوش تجاری26
2-3-3 اجزای سیستمهای هوش تجاری27
2-3-4 فواید هوش تجاری31
2-3-5 فازهای پیادهسازی هوش تجاری31
2-3-6 فاکتورهای اصلی موفقیت پروژههای هوش تجاری34
2-3-7 چالشهای هوش تجاری35
2-3-8 کاربرد هوش تجاری در سیستم مدیریت دانش35
2-4 متن کاوی و دادهکاوی 38
2-4-1 خوشه‌بندی42
2-4-2 دسته‌بندی43
2-4-3 کاربرد متنکاوی در طراحی سیستم مدیریت دانش44
2-5 جمعبندی45
فصل سوم روش شناسی تحقیق46
3-1 مقدمه47
3-2 متدولوژی CRISP48
3-1-1 شناخت کسب‌وکار و جمعآوری داده48
3-1-2 آمادهسازی دادهها50
3-1-3 مدلسازی50
3-1-4 مرحله چهارم، ارزیابی51
3-1-5 توسعه51
3-2 متدولوژی حلزونی52
3-3 جمعبندی55
فصل چهارم اجرای تحقیق56
4-1 مقدمه57
4-2 نرمافزار و محیط پیادهسازی57
4-3 پیاده‌سازی چارچوب اجرای پروژه58
4-3-1 پیادهسازی مرحله اول، شناخت کسب‌وکار و جمعآوری داده58
4-3-2 پیادهسازی مرحله دوم، آمادهسازی دادهها58
4-3-3 پیادهسازی مرحله سوم، مدلسازی59
4-3-4 پیادهسازی مرحله چهارم، ارزیابی61
4-3-5 مرحله پنجم، توسعه61
4-4 جمعبندی63
فصل پنجم نتیجه گیری و پیشنهاد برای تحقیقات آتی64
5-1 مقدمه65
5-2 خلاصه تحقیق65
5-3 نتایج کاربردی تحقیق66
5-4 نوآوری‌های تحقیق57
5-5 محدودیتهای تحقیق67
5-6 پیشنهاد برای تحقیقات آتی67
فهرست مراجع68
فهرست جدولها صفحه
TOC \h \z \t “Subtitle,1” جدول1-1: مقایسه انواع استراتژیهای مدیریت اکتساب دانش 12

فهرست شکلها صفحه
شکل 2-1 مدل مدیریت دانش بویست16
شکل 2-2 مدیریت دانش هویت17
شکل 2-3 مدل مدیریت دانش شش بعدی17
شکل 2-4 مدل مدیریت دانش هالس20
شکل 2-5 مدل مدیریت دانش نوناکا23
شکل 2-6 مفهوم هوش تجاری 25
شکل 2-7 چارچوب هوش تجاری28
شکل 2-8 مراحل پیادهسازی هوش تجاری33
شکل 2-9 فرایند کشف دانش39
شکل 3-1 مدل حلزونی52
شکل 3-2 مدل فرایند تحقیق55
شکل 4-1 نمودار گرافیکی حاصل از انجام عملیات نگاشت61
شکل 4-2 شمایی از نرمافزار ارائه شده62
فهرست علائم و نشانهها صفحه
ETL Extract, Translate, Load
CRM Customer Relationship Management
DM Data Mining
OLAP OnLine Analytical Processing
BI Business Intelligence
CRISP Cross-Industry Standard Process for Data Mining
AHP Agglomerative hierarchical method
فصل اول
کلیات تحقیق

مقدمهاهمیت مقوله دانش در دهههای اخیر رشد روزافزونی داشته است که این امر ناشی از تمرکز بر دانش به عنوان یکی از منابع استراتژیک سازمان میباشد. امروزه سازمانها یکی از راههای تمایز خود از سازمانهای دیگر را در افزایش میزان دانش بنیانی سازمانی خود جستجو میکنند تا بتوانند از طریق آن به سطوح بالاتری از کارایی و نوآوری دست یابند. توانایی سازمانها در یکپارچه سازی و هماهنگ نمودن دانش به عنوان یکی از راههای دستیابی و حفظ مزیتهای رقابتی تلقی میگردد. در این پروژه با بهره گیری از تکنیکهای هوش تجاری از قبیل متن کاوی دانش سازمانی در مرحله اول ذخیره شده و سپس با استفاده از الگوریتم ژنتیک دانش جدیدی را به پایگاه داده افزوده ایم. در نهایت کل پروژه را در قالب یک نرم افزار کامپیوتری که قابل نصب بر روی تمام سیستمهای کامپیوتری است، ارائه میدهیم.

اهداف تحقیقحفظ و نگهداری کارمندان با تجربه در هر سازمانی یکی از چالشهای اساسی در واحد نیروی انسانی به شمار میرود که با توجه به سابقه آنها و میزان کاراییشان با مشکلاتی همراه است. آنچه که در این میان بیشتر نمود پیدا میکند دانش و تجربهای است که هر کارمند هنگام خروج از سازمان با خود از سازمان خارج میکند. این تحقیق در راستای ایجاد سیستمی برای ثبت و بهرهگیری از این دانش در تمام قسمتهای یک سازمان خدماتی یا تولیدی قدم بر میدارد. ایجاد دانش جدید از دانش موجود یک ایده محوری میباشد که این تحقیق در پی رسیدن به آن است.
اهمیت و ضرورت تحقیقضرورت این تحقیق با پیشرفت سریع رقابت بین سازمانها مرتبط است. دانش در سازمانهای امروزی به عنوان یکی از عوامل کلیدی موفقیت سازمانها تلقی میگردد. به همین جهت مدیریت دانش در سازمانها از اهمیتی ویژه برخوردار گردیده است. سازمانها در دنیای رقابتی امروز تلاش میکنند از بهترین متخصصان و کارمندان برای انجام پروژههای خود بهره جویند. ارزش افرینی برای هر سازمان توسط متخصصان آن شرکت یا سازمان انجام میگیرد. که در این میان نیاز به روش یا سیستمی هست که بتواند تجربیات ارزشمند آنها را در حین کار یا در زمان رویارویی با مشتری ثبت کرده و در کل سازمان برای دیگر کارمندان نیز به اشتراک بگذارد.
توانایی پاسخ سریع و موثر به تغییرات نیازهای مشتریان، نیازمند اتخاذ تصمیمات سریع مدیریتی است که بدون بررسی و تحلیل دقیق دادهها و اطلاعات رخ نخواهد داد، از طرفی بررسی همهی دادهها وقتگیر است و با پاسخ سریع به نیازها مغایرت دارد؛ پس باید از هوش تجاری برای اتخاذ سریع تصمیمات مدیریتی با تحلیل دادههای مفید استفاده نمود.
فرضیات تحقیقبرای ارائه یک نرمافزار مدیریت دانش در سازمان نیاز به یک ابزار برنامه نویسی قدرتمند میباشد که ما در اینجا از جاوا (نسخه 1.8) استفاده کرده ایم.
با ورود هر دانش جدید به سیتم، کل دانش به روز رسانی میشود.
با الگوریتمی مثل الگوریتم ژنتیک میتوان دانش جدید را از دانش و اطلاعات موجود استخراج نمود.
پیشینه تحقیقدر زمینهی ارائه سیستم مدیریت دانش با استفاده از هوش تجاری تحقیقات کمی انجام گرفته شده است. در زمینه تولید نرمافزاری برای انجام مدیریت دانش کارمندان فعالیتی انجام نگرفته شده است. در زمان شروع به کار این پایان نامه در زمینه ارائه روش و الگوریتمی که بتواند در میان متون فارسی به متنکاوی بپردازد فعالیتی انجام نگرفته شده است. در زمینه متن کاوی با الگوریتم ژنتیک چند فعالیت نظری انجام گرفته شده است که در بخش مرور ادبیات آورده شده است.
کاربران و کاربردهای تحقیقتمامی شرکتهای خدماتی که از واحد پشتیبانی برخوردار هستند میتوانند از این نرم افزار برای ثبت فعالیتهای روزانه خود بهره جویند. بخش نگاشت موجود در این نرم افزار برای ارائه یک دید کلی از نحوه کار کارمند بخش پشتیبانی برای مدیریت فراهم میآورد. ارائه الگوریتمهای ابتکاری متن کاوی موجود در این تحقیق میتواند شروعی برای تولید یک نرمافزار جامع متن کاوی برای متون فارسی باشد.
ساختار کلی پایان نامهاین پایان نامه از پنج فصل تشکیل شدهاست. برای اطلاع از ساختار نگارش پایان نامه، مروری بر آن خواهیم داشت:
پس از فصل اول که به بررسی اهمیت موضوع و اهداف پایان نامه و ارائهی مقدمهای بر پایاننامه پرداخته، در فصل دوم ادبیات موضوع را بیان خواهیم کرد. پس از آن با مفهوم هوش تجاری، اهداف، اجزا و فواید پیادهسازی آن آشنا میشویم. سپس به بیان کاربرد هوش تجاری در مبحث سیستم مدیریت دانش خواهیم پرداخت. در آخرین بخش از فصل دوم نیز متنکاوی و ابزارها و الگوریتمهای استفاده‌شده در پروژه را مطرح میکنیم. در سومین فصل متدولوژی پایه که برای انجام این تحقیق انتخاب کردهایم را توضیح میدهیم. پس از آن با در نظر داشتن گامهایی که باید طی نماییم، چارچوبی برای اجرای این پروژه ارائه کرده و فازهایش را معرفی میکنیم.
در فصل چهارم فازها و گامهایی را که برای اجرای پروژه تعریف کردهبودیم، اجرا مینماییم و نرمافزارها و محیطهای پیادهسازی را معرفی میکنیم. همچنین در این بخش نتیجهی اجرای هر فاز را اعلام میکنیم. ایجاد دانش جدید از دانش سازمانی موجود که هدف اصلی این پایاننامه است نیز در فصل پنجم معرفی میگردد.
خلاصهای از تحقیق انجام‌شده، نتایج کاربردی تحقیق، نوآوریهای تحقیق، محدودیتها و پیشنهادات برای کارهای آتی در فصل آخر پایان نامه، یعنی فصل ششم، ارائه میگردد.
جمعبندیدر این فصل مقدمهای بر پروژه ارائه دادیم. اهمیت و ضرورت اجرای پروژه، فرضیات تحقیق و استفادهکنندگان از نتایج این پایاننامه معرفی شدند. در فصل بعدی نیز مروری بر ادبیات موضوع خواهیم داشت تا مفاهیم بکار رفته در طول پروژه را معرفی کنیم.
فصل دومادبیات موضوع
مقدمه
در این فصل به بررسی ادبیات موضوع خواهیم پرداخت. سیستم مدیریت دانش، هوش تجاری و متنکاوی جز بخشهای این فصل هستند. در اولین بخش از این فصل مفاهیم سیستم مدیریت دانش مورد بررسی قرار گرفته و مروری بر مقالات و نوشتههای موجود در این زمینه انجام خواهد شد . در دومین بخش هوش تجاری معرفی میشود. در بخش سوم این فصل متنکاوی مورد بحث و بررسی قرار میگیرد؛ زیرا متنکاوی یکی از تکنیکهای مورد استفاده در هوش تجاری است که برای انجام این پروژه به عنوان مهمترین ابزار مورد استفاده قرار گرفتهاست.
سیستم مدیریت دانش
در این بخش به بررسی مفهوم مدیریت دانش در ادبیات موضوع پرداخته و مفاهیم موجود در آن را به تفصیل بررسی میکنیم.
مفهوم دانش
ویژگیها و پیچیدگیهای نهفته در دانش موجب شده است تا نسبت به آن تعاریف مختلفی بیان گردد. یکی از عوامل پیچیدگی دانش ناشی از ماهیت مبهم و غیرملموس آن میباشد.
داونپورت و پروساک از اندیشمندان مشهور حوزه دانش، دانش را ترکیبی منعطف و قابل تبدیل از تجارب، ارزشها ، اطلاعات معنی دار و بینشهای متخصصان که چارچوبی را برای ارزیابی و انسجام اطلاعات و تجارب جدید ارائه میدهد، میداند . همچنین نوناکا و تاکوچی ایجاد دانش را ناشی از ترکیب اطلاعات دریافتی و مفهوم سازی افراد میدانند . این استدلال نمایانگر آن است که دانش میتواند تنها در زمینه انسانی و عقاید و تجربیات آنها یافت شود (تاکوچی 1995).
از رویکردهای دیگر میتوان به رویکرد کلارک و رولو که دانش را با تقسیم به آشکار و نهفته در سطحی بالاتر از داده و اطلاعات و در سطح پایینتری از بینش و خرد قرار میدهند، اشاره نمود .در مورد تقسیم بندی انواع دانش، نوناکا دانش را به دو گروه دانش صریح و دانش ضمنی تقسیم نمود. دانش صریح را به عنوان دانشی که قابلیت کدگذاری و بیان از طریق گویش است بیان نمود و دانش ضمنی را انتزاعی دانسته و دستیابی به آن آسان نیست و دانش ضمنی آن چیزی که در ذهن افراد و تجریبات آنها است و به صورت صریح شده و مقاله و یا… قابل انتشار نیست .
مفهوم مدیریت دانش
در زمنیه مدیریت دانش تعاریف زیادی از گذشته تا به حال موجود است هر کدام در زمینه خاصی به مدیریت دانش پرداخته است. در ادامه به تعدادی از این تعاریف اشاره میکنیم.
مدیریت دانش فرآیندی است که طی آن سازمان به تولید ثروت از دانش و یا سرمایه فکری خود میپردازد (تاکوچی 1995).
همچنین در تعریف مدیریت دانش مالهوترا بیان میدارد که مدیریت دانش، فرآیندی است که به واسطه آن سازمانها در زمینه یادگیری (درونی کردن دانش)، کدگذاری دانش (بیرونی کردن دانش)، توزیع و انتقال دانش، مهارتهایی را کسب میکنند. همچنین بلانت معتقد است مدیریت دانش فرآیند است که سازمانها از آن طریق اطلاعات جمع آوری شده خود را به کار میگیرند. رویکردها به مدیریت دانش وابسته به چشم انداز مدیریت میباشد. تفاوتها میتواند ناشی از چشم اندازهای اطلاعات بنیان، تکنولوژی بنیان و فرهنگ بنیان باشد (گوتچالک 2005).
چشم انداز اطلاعات-بنیان به دسترسی اطلاعات توجه دارد. چشم انداز تکنولوژی محور توجه به ابزارهای فناوری اطلاعات دارد و چشمانداز فرهنگ بنیان به اشاعه دانش توجه بیشتری دارد. تمرکز اصلی در انتخاب این رویکردها وابسته به وضعیت شرکتها میباشد. اگر ایجاد مجدد اطلاعات نقش مهمی در سازمان دارد دیدگاه اطلاعات بنیان مهم است. اگر تکنولوژی در سازمان حتی توانایی خدمت دهی ابتدایی به کاربران دانش را ندارد، بر رویکرد تکنولوژی بنیان تمرکز میشود. اگر کارگران دانش در سازمان ایزوله و بیمیل هستند رویکرد فرهنگ بنیان مهم است (گوتچالک 2005).
استراتژیهای مدیریت دانش
ارل در سال 2001 مکاتب استراتژیک مدیریت دانش را به عنوان یکی از ابعاد استراتژی رقابتی میدانند (گوتچالک 2005). مکاتب استراتژی مدیریت دانش را به طور کلی میتوان براساس ویژگیهای آن در دو قالب کلی بررسی نمود اولین مکتب مربوط به تقسیم استراتژیهای مدیریت دانش به استراتژی شخصی سازی و صریح سازی میباشد.
یکی از استراتژیهای به کار رفته استراتژی صریح سازی میباشد که هدف جمع کردن دانش، ذخیره کرده آنها در بانک داده، و فراهم کردن دانش قابل دسترس در قالب صریح و تدوین شده را دارد و مناسب برای سازمانهایی است که میخواهند از دانش موجود استفاده نمایند (مالهترا 2004).
استراتژی دوم استراتژی شخصی سازی میباشد که تمرکز این استراتژی بر ذخیره دانش نیست اما تمرکز آن بر استفاده از فناوری اطلاعات برای کمک به افراد جهت برقراری ارتباط بین دانشهای افراد میباشد. هدف از این استراتژی انتقال، برقراری ارتباط و تبادل دانش میان شبکههای دانش همانند تالارهای مباحثه میباشد (هانسن و دیگران 1999). در رویکرد دوم استراتژیهای مدیریت دانش را براساس دو بعد 1) تمرکز مدیریت دانش و 2) منابع مدیریت دانش گروه بندی مینماید.
در بعد تمرکز مدیریت دانش، استراتژی مدیریت دانش به دو بخش صریح گرا و ضمنی گرا تقسیم بندی میشود. استراتژی صریح گرا در تلاش است تا کارایی سازمان را با صریح سازی و استفاده مجدد از دانش از طریق فناوری اطلاعات افزایش دهد (هانسن و دیگران 1999). از سوی دیگر استراتژی ضمنیگرا رویکرد شخصی سازی را در جاهایی که دانش ضمنی از طریق رابطه فرد به فرد و فرآیندهای اجتماعی سازی انتقال مییابد، به کار میبرد (زاک 1995).
هانسن در سال 1999 در تحقیقات خود به این نتیجه رسید که سازمانهایی در پیاده سازی استراتژیهای مذکور موفقترند که یک استراتژی را به عنوان استراتژی اصلی پذیرفته و از استراتژی دیگر به عنوان پشتیبان استراتژی مذکور استفاده میکنند. او نام این اصل را اصل 80-20 نهاد یعنی سازمانها 80درصد از یک استراتژی و 20 درصد از استراتژی دیگر در سازمان استفاده کند (گوتچالک 2005).
بعد دوم در استراتژی مدیریت دانش منبع دانـش است که استراتژی مدیریت دانش در دو دسته استـراتژی درون گـرا و بـرون گرا تقسیم می شـوند (بیرلی 1996) . در استـراتژی برون گرا تلاش میکند تـا دانش را از منـابع خارجی از طریـق اکتسـاب یا تقـلید و سپـس انتـقال آن بـه سـازمان بـه دسـت آورد (لی و دیگران 1993). استراتژی درون گرا بر خلاف استراتژی برون گرا بر تولید و اشاعه دانش در محدوده سازمان تاکید دارد (یونگ 2003). در جدول 1-1 به طور مختصر ویژگیهای این دو استراتژی بیان گردیده است.
جدول1-1: مقایسه انواع استراتژیهای مدیریت اکتساب دانش (گرینر 2005)
هدف خلاقیت و تولید دانش کارایی، برون سازی و استفاده مجدد از دانش
تمرکز افراد فرآیندها
استراتژی شخصی سازی، شبکه سازی و گفتمان صریح سازی، جمع آوری، ذخیره و انتشار دانش صریح
مشکل جدید، غیرساختارمند و قابل تکرار نیست فعالیتهای تکراری و فرآیندهای مشابه
نوع دانش دانش ضمنی دانش صریح
لزوم مدیریت دانش
دانش همیشه برای افراد ارزشمند است. فرهنگ‌های قوی و متمدن، اغلب با کتابخانه هایشان مشخص میشوند. کتابخانه‌ی بزرگ موزه‌ی الکساندریا، کتابخانه‌ی بریتیش و غیره همه، محل تجمع دانش یک تمدن است. بنابراین، مدیریت دانش در پیرامون ماست که هنوز به طور وسیع مورد استفاده قرار نگرفته است. همه‌ی ما به گونه ای، با عبارت هایی مثل اقتصاد دانشی و کارگران دانشی آشنا هستیم. در گذشته کلید اصلی تولید ثروت، مالکیت و دسترسی به سرمایه و منابع طبیعی بود؛ در حالی که امروز، کلید اصلی ثروت، به میزان دسترسی به ایجاد دانش است. بنابراین، یک دانشکده‌ی کوچک با ارائه‌ی ایده های جدید، می‌تواند میلیاردها دلار کسب کند. زمانی قطع درختان، معدن طلا، یا آهنگری موجب تولید ثروت می شد، حالا تمام بخش ها به خدمات همدیگر نیاز دارند تا بتوانند ایجاد ثروت کنند.
اغلب شرکت های بزرگ امروز دریافته‌اند که به خاطر مهارت ها و تجارب نیروی کارشان موفق بوده اند، نه به خاطر دارایی های فیزیکی که در اختیار داشتند. مضافا اینکه دریافتهاند که حتی اگر برخی از محصولات آنها از بازار جهانی کنار گذاشته شود، گذشت زمان و تغییر افراد آن شرکت ضروری است (ویکراماسینک 2007).
ساختار سازمانی برای مدیریت دانش
در ادبیات مدیریت دانش به اهمیت ساختار سازمانی در اجرای موفقیتآمیز مدیریتدانش تاکید شده است (چونگ 2006). اجرای موفق استراتژی مدیریت دانش به ساختار منعطف و شیوههای کنترل و نظارت نوین وابسته است.
اولین گام برای ایجاد یک سامانه کامل انتقال دانش (عمودی و افقی) در سازمان، توسعه تیمهای دانش از طریق استفاده از دانشگران در حوزههای میان وظیفهای سازمان است. بدین صورت که از طریق تیمهای دانش شرایطی فراهم میشود که انتقال دانش به حوزههای وظیفهای راحتتر صورت میگیرد.
اکثر اوقات این ایده که یک دایره وظیفهای سازمان به وسیله جمعی از دانشگران که دانش و تخصص در حوزه مورد نظر را دارند جایگزین شود، در سازمانها حاکم است در حالی که ممکن است دانش ضمنی دیگری نیز برای تصمیم گیری بهتر در یک حوزه وظیفهای یک تیم دانش، لازم باشد. اجتماعی از تجربهها، عنصری مهم در ساختار سازمانی تلقی میشود به طوری که اعضای تیم دانش را قادر میسازد تا تعاملی با اعضای سایر تیمهای دانش که زمینه علاقهای و رقابتی مشابه دارند، داشته باشند. مضافا تسهیم تجربهها (دانش) به عنوان یک استراتژی جهت بهبود عملکرد سازمانی مطرح میشود.
اجرای مقدماتی ساختار دانش ممکن است منطبق بر سلسله مراتب سازمانی باشد اما در نهایت این تیمهای دانش هستند که به جای تقسیمات وظیفهای در پروژهها نقش بازی میکنند. به هر حال عملکرد برخی از بخش ها با جنبه های وظیفه ای مرتبط است و فضایی میبایست فراهم شود تا به تسهیم بیشتر دانش کمک کند(والزاک 2005).
سیستم مدیریت دانش چیست؟
سیستم مدیریت دانش اشاره به یک سیستمی (در کل مبتنی بر فناوری اطلاعات) دارد که برای مدیریت دانش در سازمانها از فعالیتهایی از قبیل ایجاد، واکشی، ذخیره و انتشار اطلاعات پشتیبانی کند.
ایده اصلی در مدیریت دانش توانمندسازی کارکنان برای داشتن دسترسی سریع به راهحلها و استاد و منابع اطلاعاتی سازمان میباشد.به اشتراک گذاری این اطلاعات باعث تولید ایدههای جدید یا تقویت یک محصول جدید خواهد شد(بنبیا 2008).
یک سیستم مدیریت دانش سرویسهای یکپارچهای را برای بکارگیری دستورالعملهای مدیریت دانش برای شبکهای از مشترکین از قبیل کارگزاران دانش در فرایندهای کسبوکار دانشگرا پیشنهاد میکند.یک سیستم مدیریت دانش میتواند در یک حوزه بسیار وسیعی از قبیل شراکتی، همکاری، سلسله مراتبی، سازمانهایمجازی، اجتماعی، و شبکههایمجازی مورد استفاده قرار گیرد. تا محتواهای رسانهای، فعالیتها، تعاملها، اهداف جریان کار، پروژهها، کارها، شبکهها، دپارتمانها، دسترسیها، نقشها، شرکا و دیگر اعضای فعال به منظور استخراج و تولید دانش جدید وافزایش و توانمندسازی و ارسال در خروجیهای دانشی که سرویسهای جدید را با استفاده ار فرمتهت و قالبهای کاری جدید و کانالهای ارتباطی مختلف فراهم میآورد.
عبارت KMS میتواند بر نرمافزارهای متن باز، استاندارد باز، پروتکل باز و گواهینامههای دانش باز وسیاستها دلالت داشته باشد. (مایر 2007)
مدلهای متعددی در حوزهی مدیرت دانش از سوی دانشمندان و صاحبنظران ارائه شده است که در اینجا به چند مورد از مهمترین آنها اشاره میکنیم.
مدل بویست: ساین مدل از جملع مدلهایی است که روابط میان داده، اطلاعات و دانش را به خوبی ترسیم کرده است. این مدل از سه قسمت تشکیل شده است. دادهها به عنوان ورودیهای این مدل محسوب میشوند. در این مدل، اطلاعات الگوهایی هستند که پس از عبور دادهها از فیلترهای ادراکی، بهدست میآیند. بویست معتقد است که مدلهای ذهنی تعیینکننده چگونگی انجام واکنش نسبت به دادهها و اطلاعات است. از طرفی چون افراد دانشهای متفاوتی دارند، در نتیجه مدلهای ذهنی متفاوتی نیز خواهند داشت. شکل 2-1 نشان دهنده این مدل است.
مدلهای ذهنی تعیین کننده چگونگی رفتار و تصمیمگیری افراد بوده و همچنین به عنوان فیلترهایی عمل میکنند که بر اساس آنها اطلاعات و دادههای موجود شناسایی میشوند (هالس2001).

شکل 2-1 مدل مدیریت دانش بویست
مدل براد هویت: برای تولید دانش شخصی، هویت چرخهای را ارائه میهد. او میگوید که دانش شخصی از طریق ممارست تجربی با اطلاعات تولید میشود. در واقع اطلاعات به عنوان ورودی، اسکال مختلفی میتواند داشته باشد. به نظر هویت پردازش اطلاعات، تجربیات، دانش عملی، مهارت افراد و تا حدودی عانل شانس و خوش اقبالی منجر به تولید دانش جدید میشود. شکل 2-2 این چرخه را نشان میدهد (هویت 2003).

شکل 2-2 مدل مدیریت دانش هویت
مدل شش بعدی مدیریت دانش: فیل پری و ایلکاتومی معتقدند که هر گونه جزئی نگری، موفقی مدیریت دانش را با مشکلات جدی روبرو خواهد ساخت. انها بر اساس این نگرش، شکل زیر را برای بهکارگیری مدیریت دانش ارائه کردهاند.

شکل 2-3 مدل مدیریت دانش شش بعدی
برای درک و بهکارگیری دانش، اولین عامل درک مفهوم دانش است. دومین عامل، مدیریت تغییر سازمانی است. تغییر دانش یعنی تغییر نگرش و سیستم فعالیتهای یک سازمان. سازمان برای بهکارگیری مدیریت دانش، نیازمند بهکارگیری مدیریت تغییر سازمانی است. عامل سوم در ارتباط با اندازهگیری دانش است. این عامل میزان دستیابی به اهداف مدیریت دانش را مشخص میکند. بعد چهارم به فرایندهای دانش میپردازد. ساختارهای ارتباطی رسمی و غیر رسمی باید بتوانند فرایندهای پردازش دانش را بهبود بخشند و نقشها و مسئولیتهای جدیدی را که برای اثربخشی مدیریت دانش ضروری هستند تعریف کنند. این نقشها میتوانند شامل مدیران دانشی، کارکنان دانشی و مشتریان دانشی باشند. عامل پنجم محتوای دانش است. در این رابطه فیل پری و ایلکاتومی به تقسیمبندی نوناکا از دانش که آن را به دانش صریح و دانش نهفته قابل تقسیم کردهاندف اشاره نمودهاند. در مورد دانش صریح و نهفته میتوان گفت که دانش صریح دانشی است که به صورت عینی و روشن قابل انتقال است و به سادگی میتوان آنرا به دیگران یاد داد. در مقابل دانش نهفته اگرچه در عملکرد افراد منعکس و آثار آن قابل مشاهده است، ولی به صورت تدوین شده نیست و نمیتوان آن را بهشکل صریح بیان کرد. برای دستیابی به این دانش باید در تجارب دیگران سهیم شد و از این طریق آن را فرا گرفت. عامل ششم ابزار دانش میباشد. این ابزار میتواند شامل سیستم مستندات مدیریت، سیستم اطلاعات مدیریت، تکنولوژی اطلاعات و نظایر اینها باشد. البته باید توجه داشت که این بعد تنها بخش بسیار کوچکی از مدیریت دانش را بخود اختصاص میدهد زیرا مدیریت دانش برخلاف مدیریت اطلاعات که بیشتر با این ابزارها سروکار دارد، با مردم و ارزشهای آنها در ارتباط است (تومی و همکاران 2001).
مدل استیوهالس: مدل استیو هالس تاکید زیادی روی فرایندهای دانش دارد. این مدل استراتژیهای ششگانهای را به شرح ذیل ارائه کرده است:
جستجوی دانش جدید: در این مرحله مدیریت دانش باید در حوزههای مختلف به دنبال دانشهای نو و جدید بگردد. این حوزهها میتواند در درون سازمان و یا بیرون از آن باشند.
تولید دانش و یادگیری: یکی از استراتژیهای مهم برای تولید دانش، فرایند یادگیری است. یکی از تاکیدات اصلی این مدل دستیابی به سازمان یادگیرنده است. زیرا سازمان یادگیرنده به عنوان یکی از ابعاد اصلی مدیریت دانش حائز اهمیت است.
ذخیرهسازی: وجود سازوگار مناسب برای نگهداری و ذخیرهسازی دانش در سازمان الزامی میباشد.
توزیع: توزیع موفق دانش در سازمان، تا حدود زیادی به فرهنگ ان بستگی دارد. اگر توزیع دانش در یک فرهنگ مورد تاکید قرار نگرفته باشد، تلاشهای مدیریت دانش با شکست مواجه خواهد شد.
حذف دانشهای زائد: تصور گذشتگان بر این بود که هرچه اطلاعات انسان بیشتر باشد، راهحلهای بهتری را تدوین خواهد نمود. امروزه این تصور مورد انتقاد قرار گرفته است، زیرا اطلاعات زیاد الزاما باعث بهبود راهحلها و تصمیمها نمیشود. بلکه اطلاعات و دانشهای صحیح و بههنگام مورد تاکید است. این استراتژی بر حذف دانشها و همچنین نگرشهای قدیمی و مخرب تاکید دارد. در مدیریت دانش تغییری مدنظر میباشد که در راستای اهداف سازمان باشد. لذا دانشهای نامناسب و مخرب میتواند مسیر این تغییر را عوض کند.
بهکارگیری: دانش، زمانی ارزشمند خواهد بود که بهکارگرفته شود. دانشمندی که از دانش خود هیگونه استفادهای نمیکند، قطعا انش وی برای دیگران هیچ ارزشی نخواهد داشت. شکل 2-4 این مدل را نشان میدهد (هالس 2001).

شکل 2-4 مدل مدیریت دانش هالس
مدل مفهومی مدیریت دانش: لوستری و میورا مدل مفهومی مدیرت دانش در سازمان را شامل شش مرحله میدانند که عبارتنداز (لوستری و همکاران 2007):
ایجاد بینش مشترک نسبت به اهداف توسعه دانش
فراهم کردن اطلاعات
پردازش درونی برای ایجاد دانش فردی
تبدیل دانش فردی به یادگیری گروهی
انتشار دانش به سطوح دیگر سازمان
بهکارگیری دانش.
در این پژوهش دو فرایند تولید دانش و انتقال دانش، مورد مطالعه قرار گرفته است که بطور مشروح بیان میشود:
تولید دانش: تولید دانش فرایندی است پویا که از تعامل بین دانش ضمنی و اشکار در سطوح مختلف سازمانها حاصل میشود. دانشی که تولید شده است میتواند از یک فرد به فرد دیگری منتقل شود و یا اینکه در سطح فردی، گروهی و یا سازمانی ذخیره شود. تفاوتی آشکار بین دانش آشکار و دانش ضمنی وجود دارد. دانش صریح میتواند به قله یخ و دانش ضمنی به بقیه یخ که زیر آب است تشبیه شود. فقط 20 درصد دانش، صریح و 80 درصد باقیمانده، ضمنی میباشد. سیستم ارزیابی، توانمندساز موثری برای تسریع تبدیل دانش ضمنی به دانش صریح است.
انتقال دانش: توانایی انتقال دانش از یک واحد به واحد دیگر برای سهیم شدن در عملکرد سازمانی ضرورت دارد. سوبیبی عنوان میکند دانشی که بین افراد انتقال مییابد نه تنها به سازمان سود میکند بلکه موجب بهبود توانمندیهای افراد درگیر در این فرایند هم میشود. از این رو انتقال دانش در یک سازمان به عنوان فرایندی محسوب میشود که در آن یک واحد در جریان تجربیات واحد دیگر قرار میگیرد. دانش به روشهای مختلف انتقال مییابد. هم بهطور غیر مستقیم از طریق رسانهها و هم از طریق مستقیم از فردی به فرد دیگر قابل انتقال است. برای بررسی توانایی انتقال دانش سه سوال اصلی مطرح است:
سرعت انتقال دانش چقدر است؟
دقت انتقال اطلاعات چقدر است؟
اعتبار (قابلیت اتکا) این دانش چه اندازه است؟
سرعت انتقال دانش مهمترین جزء است که مزایای بسیاری را برای سازمان به همراه دارد. داونپورت و پروساک سرعت انتقال دانش را به عنوان سرعت جریان دانش در سراسر سازمان عنوان میکنند. آنها معتقد هستند که با وجود زیرساخت مناسب به فرد مناسب منتقل شود. به زعم لیدنر مهمترین جنبه مدیریت دانش در سازمان این است که دانش به جایی منتقل شود که مورد نیاز است و میتواند مورد استفاده قرار گیرد. اگر اطلاعات و دانش به سرعت انتقال یابند، اما به دست افرادی که موردنظر نیستند برسد، میتواند موجب بروز مشکلات بیشتری شود. معمولا دانشی که در یک سازمان وجود دارد حتی در داخل سازمان نیز بهطور موثر انتقال نمییابد. سومین بعدی که باید مورد توجه قرار گیرد، اعتبار دانش در سازمان است. اعتبار دانش، اطلاعات و دادهها در سازمانها اهمیت زیادی دارد. بهطوری که اطلاعات ناموثق میتواند موجب بروز مشکلات بسیار زیادی برای سازمانها شود.
مدل مرجعی که در این پایان نامه از آن استفاده شده است مدل ارایه شده توسط نوناکا میباشد که در سال 1994 طی مقالهای با عنوان “تئوری پویا در ایجاد دانش سازمانی” مطرح شد. در این مدل از دو دانش صریح و ضمنی یاد شده است که طی فرایندهای زیر قابلیت تبدیل شدن به یکدیگر را دارند:
اجتماعیسازی: عبارت است از فرایند تولید دانش نهفته جدید نظیر مهارتها و مفاهیم ذهنی مشترک. به عبارتی در این فرایند از طریق انتقال دانش نهفته به دانش نهفته، سعی در ایجاد دانش های جدید میشود. مشارکت در تجربیات، تعالیم استاد-شاگردی، شرکت در سمینارها و کنفرانسها از جمله راهکارهای مؤثر در این زمینه اند. این نوع دانش نهفته را دانش همدلی نیز می نامند.
خارجیسازی: عبارت است از فرایند بیان دانش نهفته به صورت دانش صریح. ارائه ی یک محصول جدید میتواند مثالی از این فرایند باشد .برای موفقیت امیز بودن این فرایند استفاده مداوم از مدلها، فرضیه ها و مفاهیم، استعاره ها و نظیر اینها مهم است. به این نوع دانش، دانش مفهومی هم گفته میشود.
ترکیب: عبارت است از فرایند تبدیل دانش صریح به دانش صریح در قالب مجموعه های نظام مند. به این نوع دانش، دانش نظام مند هم گفته میشود .در این فرایند متون علمی، پایگاه های اطلاعاتی وبانک های آماری که در زمره دانشهای صریح قرار می گیرند ، توسعه می یابند. این نوع انتقال موجبات تکامل و افزایش دانش صریح را فراهم میآورد.
درونی سازی : در تبدیل دانش صریح به دانش نهفته، افراد با خلاقیتهای ذهنی خود از نظریات صریح آموخته شده، دانش های جدید ایجاد میکنند که اگر چه قابل انتقال به دیگران نیست ولی در عملکردهای آنان منعکس میشود. در درونی سازی فرد بر پایه فرضیه ها و روابط کلی، به دانشی دست می یابد که خاص ذهن و شرایط محیطی او است و به دشواری قابل انتقال میباشد. دانش نهفته مجدداً دانشهای نهفته جدید را ایجاد می کند (جامعه پذیری ) و فرایندهای دیگر به تبع آن اتفاق می افتند و به شرط فراهم آمدن زمینه های لازم، این فرایند مستمر خواهد بود (نوناکا 1994). شکل 2-5 این فرایندها را نشان میدهد.

شکل 2-5 مدل مدیریت دانش نوناکا
هوش تجاریدر این بخش هوش تجاری تعریف میشود و مولفهها، زیرساخت، مدلها و فازهای توسعه آن مورد بررسی قرار میگیرد. بحث و بررسی در حیطهی هوش تجاری، ابعاد و اجزای آن، ما را به درک نسبتاً مناسبی از هوش تجاری خواهد رساند.
مفهوم هوش تجاریبرای اینکه هوش تجاری را تعریف کنیم، ابتدا مفهوم هوش را بیان میکنیم. هوش، اجتماع منافع ارزش افزودهای است که از داراییهای نامشهود سازمان استخراج میشود (سنگری، 1390).
مفهوم هوش تجاری در اواخر قرن بیستم در کشورهای توسعهیافته مطرح شد؛ اما تعریف واحدی از آن وجود ندارد. این‌گونه به نظر میرسید که هوش تجاری یک تکنولوژی فرآیندی متشکل از پایگاه داده، OLAP، دادهکاوی، پشتیبانی داده و بازیابی است. پس از آن با پیشرفت و توسعهی فرآیندهای هوش تجاری، تعاریف زیادی از آن مطرح شد (لوها، 2010). مثلاً هکنی هوش تجاری را این‌گونه بیان می‌کند: کلیهی فعالیتهایی که از طریق آنها اطلاعات داخلی تحلیل، ذخیره و تسهیم میشوند ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “\u0633\u0646\u06af\u0631\u06cc”, “given” : “\u0645\u062d\u0645\u062f\u0635\u0627\u062f\u0642\u060c”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “1390” ] ] }, “title” : “\u0645\u062f\u06cc\u0631\u06cc\u062a \u0632\u0646\u062c\u06cc\u0631\u0647 \u062a\u0627\u0645\u06cc\u0646 \u0686\u0627\u0628\u06a9 \u0628\u0627 \u0631\u0648\u06cc\u06a9\u0631\u062f \u0647\u0648\u0634 \u062a\u062c\u0627\u0631\u06cc”, “type” : “thesis” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=d31c17dc-d3f1-4620-b5bb-15a5c6ebae07” ] } ], “mendeley” : { “previouslyFormattedCitation” : “(\u0633\u0646\u06af\u0631\u06cc 1390)” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }(سنگری 1390). همچنین اولسون میگوید: “هوش تجاری مجموعهای از فرآیندها، ساختارها و فناوریها است که دادههای خام را به اطلاعات معنیدار و مفید تبدیل می‌کند”.
هوش تجاری را بهعنوان یک مدل پایهای فعال و راهکار چشمانداز جهت کشف موارد مخفی، تصمیمگیری در اندازههای بزرگ از دادههای کسب‌وکار برای اطلاع‌رسانی بهتر فرآیند تصمیمگیری کسب‌وکار تعریف کردهاند. هوش تجاری به معنی امکان مشاهدهی افراد بیشتر از دادههای بیشتر با جزئیات بیشتر است ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “\u062a\u0627\u0631\u062e”, “given” : “\u0645\u062d\u0645\u062f\u062c\u0639\u0641\u0631\u060c”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “1389” ] ] }, “title” : “\u0647\u0648\u0634 \u0627\u0633\u062a\u0631\u0627\u062a\u0698\u06cc\u06a9”, “type” : “book” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=e3273efd-dcec-4856-8cc2-d7964e11ac9e” ] } ], “mendeley” : { “previouslyFormattedCitation” : “(\u062a\u0627\u0631\u062e 1389)” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }(تارخ 1389). تعاریف دیگری نیز از هوش تجاری وجود دارد:
استفاده از فناوریهای تحلیلی و ذخایر داده توسط افراد در یک سازمان برای تحلیل مسائل کسب‌وکار و خلق پیشنهادات مرتبط برای بهبود عملکرد ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “\u0633\u0646\u06af\u0631\u06cc”, “given” : “\u0645\u062d\u0645\u062f\u0635\u0627\u062f\u0642\u060c”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “1390” ] ] }, “title” : “\u0645\u062f\u06cc\u0631\u06cc\u062a \u0632\u0646\u062c\u06cc\u0631\u0647 \u062a\u0627\u0645\u06cc\u0646 \u0686\u0627\u0628\u06a9 \u0628\u0627 \u0631\u0648\u06cc\u06a9\u0631\u062f \u0647\u0648\u0634 \u062a\u062c\u0627\u0631\u06cc”, “type” : “thesis” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=d31c17dc-d3f1-4620-b5bb-15a5c6ebae07” ] } ], “mendeley” : { “previouslyFormattedCitation” : “(\u0633\u0646\u06af\u0631\u06cc 1390)” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }(سنگری 1390).
فرآیند جمعآوری، پردازش و انتشار اطلاعات دارای هدف، برای کاهش عدم اطمینان در تصمیمگیریهای استراتژیک (خان و کوادری، 2012).
رویکردی فعالانه، مبتنی بر مدل و آیندهنگر برای کشف و تشریح ابعاد پنهان و مرتبط با تصمیم در حجم بزرگی از دادههای کسب‌وکار برای ارائهی بهتر اطلاعات به فرآیندهای تصمیم ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “\u0633\u0646\u06af\u0631\u06cc”, “given” : “\u0645\u062d\u0645\u062f\u0635\u0627\u062f\u0642\u060c”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “1390” ] ] }, “title” : “\u0645\u062f\u06cc\u0631\u06cc\u062a \u0632\u0646\u062c\u06cc\u0631\u0647 \u062a\u0627\u0645\u06cc\u0646 \u0686\u0627\u0628\u06a9 \u0628\u0627 \u0631\u0648\u06cc\u06a9\u0631\u062f \u0647\u0648\u0634 \u062a\u062c\u0627\u0631\u06cc”, “type” : “thesis” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=d31c17dc-d3f1-4620-b5bb-15a5c6ebae07” ] } ], “mendeley” : { “previouslyFormattedCitation” : “(\u0633\u0646\u06af\u0631\u06cc 1390)” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }(سنگری 1390).
با اینکه تعاریف زیادی از هوش تجاری بیان شدهاست، اما همهی این تعاریف دارای ویژگیهای مشترکی هستند: (لوها، 2010).
اولاً این که در هوش تجاری دادهها آن چیزی هستند که مورد پردازش قرار میگیرند.
دوما، هدف نهایی هوش تجاری، پشتیبانی از تصمیمگیریهای سازمانی است.
هوش تجاری در حقیقت یک تکنولوژی یکپارچهسازی است که به سازمانها کمک می‌کند که از دادهها برای بهبود کیفیت تصمیمگیری استفاده کند. هوش تجاری، فرآیند استخراج اطلاعات و ارزش دادهها از میان دادههای بسیار است. به صورت ساده، فرآیند هوش تجاری به صورت شکل 2-6 قابل بیان است: (لوها، 2010).

شکل 2-6 مفهوم هوش تجارینقش هوش تجاری ایجاد سیستمهایی برای پشتیبانی شرکت با تمایلات و الگوها و استثنائات و تواناییهای عقلی برای تصمیمگیری در سازمان است و ایدهی اصلی آن شناسایی نیازهای اطلاعاتی، پردازش دادهها و اطلاعات جمعآوری شده و نیز تبدیل آنها به دانش و هوش مدیریتی مفید و با ارزش است ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “\u0633\u0646\u06af\u0631\u06cc”, “given” : “\u0645\u062d\u0645\u062f\u0635\u0627\u062f\u0642\u060c”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “1390” ] ] }, “title” : “\u0645\u062f\u06cc\u0631\u06cc\u062a \u0632\u0646\u062c\u06cc\u0631\u0647 \u062a\u0627\u0645\u06cc\u0646 \u0686\u0627\u0628\u06a9 \u0628\u0627 \u0631\u0648\u06cc\u06a9\u0631\u062f \u0647\u0648\u0634 \u062a\u062c\u0627\u0631\u06cc”, “type” : “thesis” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=d31c17dc-d3f1-4620-b5bb-15a5c6ebae07” ] } ], “mendeley” : { “previouslyFormattedCitation” : “(\u0633\u0646\u06af\u0631\u06cc 1390)” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }(سنگری 1390).
هدف هوش تجاریسسیتمهای هوش تجاری دادههای عملیاتی و تاریخی را برای ایجاد اطلاعات ارزشمند و رقابتی در سازمان باهم ترکیب میکنند. در واقع هدف هوش تجاری افزایش کارایی و کیفیت اطلاعات است که می‌تواند مدیران را قادر به درک بهتر موقعیت سازمان در محیط رقابتیاش نماید. فعالیتها و تکنولوژیهای هوش تجاری میتوانند به سازمان کمک کنند تا تغییراتی که در سهم بازار، رفتار و علایق مشتریان و توانمندیهای سازمان اتفاق میافتد را بهتر مانیتور و تحلیل کند. همچنین هوش تجاری می‌تواند برای مدیران و تحلیلگران در جهت انتخاب و اتخاذ تصمیم در این محیط‌های تغییر بسیار موثر باشد ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “\u0633\u0646\u06af\u0631\u06cc”, “given” : “\u0645\u062d\u0645\u062f\u0635\u0627\u062f\u0642\u060c”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “1390” ] ] }, “title” : “\u0645\u062f\u06cc\u0631\u06cc\u062a \u0632\u0646\u062c\u06cc\u0631\u0647 \u062a\u0627\u0645\u06cc\u0646 \u0686\u0627\u0628\u06a9 \u0628\u0627 \u0631\u0648\u06cc\u06a9\u0631\u062f \u0647\u0648\u0634 \u062a\u062c\u0627\u0631\u06cc”, “type” : “thesis” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=d31c17dc-d3f1-4620-b5bb-15a5c6ebae07” ] } ], “mendeley” : { “previouslyFormattedCitation” : “(\u0633\u0646\u06af\u0631\u06cc 1390)” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }(سنگری 1390).
سه هدف مهم در هوش تجاری شناسایی شده است، که برقراری آنها برای دستیابی که یکپارچگی و انسجام دادهها در طول فعالیتهای یک سازمان پیچیده ضروری است. این عوامل عبارتند از:
مناسب بودن: دادهی درون سیستم باید با سایر فعالیتهای سازمان مطابقت داشته باشد.
دقت: داده باید همهی دادههای سایر فعالیتها را در بر داشته باشد.
مقبولیت: پس از اینکه کاربران دادههای سازمانی از مناسب بودن و صحت دادههای اطمینان حاصل کردند، باید بتوانند از سیستم هوش تجاری بهعنوان پشتیبان در تصمیمگیری استفاده کنند (لوها، 2010).
اجزای سیستمهای هوش تجاریهوش تجاری با مفاهیمی از جمله جمعآوری داده، آنالیز داده و مجسمسازی آن مرتبط است. در راستای این مسئله، هوش تجاری شامل ابزارهایی نظیر انبارههای داده، استخراج-انتقال-بارگذاری، پردازش تحلیلی آنلاین، متنکاوی، دادهکاوی، بصریسازی داده، وب پورتالها و… است (خان و کوادری، 2012).
در حقیقت مفهوم هوش تجاری قابل تفکیک به بخشهای جمعآوری و ضبط داده، انبارش داده و دستیابی به داده و تحلیل آن است که در ادامه به توضیح آنها خواهیم پرداخت.
داده از منابع داخل و یا خارج از سازمان جمعآوری میشود. منابع داخلی داده، پایگاههای دادهی عملیاتی سازمانها و انبارههای داده هستند. منابع خارجی داده، شامل دادههای مشتری، تامینکننده، دولت، رقبا و اینترنت است. دادههای جمعآوری شده پس از استخراج، انتقال و بارگذاری در انبارههای داده ذخیره میشوند. نهایتاً دادهی ذخیره‌شده در انبارهی داده برای استفاده در تصمیمگیری تحلیل میشوند. شکل 2-7 اجزای هوش تجاری را نشان میدهد.
شکل 2-7 چارچوب هوش تجاری
جمعآوری داده: بخش جمعآوری داده بخش زیرین سیستمهای انبارهی داده است. داده در ابتدا توسط یک فرآیند تجاری روزانه که بر پایهی فرآیند انتقال آنلاین محیط قرار دارد، وارد شده و در پایگاههای دادهی عملیاتی ذخیره میشود. پیش از اینکه داده از پایگاه دادهی عملیاتی و منابع خارجی در انبارهی داده بارگذاری بشود، باید طی فازهای زیر پردازش شود (خان و کوادری، 2012، زرین 1388) :
استخراج و پالایش: در استخراج داده، داده از منابع مختلفی جمعآوری میشود. دادههایی که انتخاب میشوند باید از انواع آلودگیها پاک شوند. پالایش داده، دادهی آشکارشده را تأیید می‌کند و دادهی استخراج‌شده را برای رفع ناسازگاریها، فقدانها و ارزشهای نامعتبر پالایش مینماید. در این فاز تصحیحات، گزارشهای خرابی و فرآیندهای اصلاحی انجام میشود.
انتقال: فاز انتقال دادهها را به فرمتهای استانداردی تبدیل می‌کند. در نتیجه با اعمال قوانین تجاری بر روی دادهها، آنها را مطابق با شمای انبارهی داده تغییر میدهد.
بارگذاری: در این فاز دادههای پالایششده درون انبارههای داده بارگذاری میشوند.
ذخیرهی داده: پس از انجام فازهای ETL، داده بر روی انبارههای داده و Data Mart ها ذخیره میشود تا در آینده برای تحلیل مورد استفاده قرار گیرد.
انباره داده: عبارت Data Warehouse که همان انباره داده است نخستین بار در سال 1990 توسط اینمن استفاده شد. دادهها در انبارههای داده ذخیره میشوند. هدف اصلی آن پشتیبانی از تصمیمگیریهای تجاری است. انباره داده موضوع گرا، یکپارچه و غیر فرار است. یک سیستم انبارش داده باید دارای ویژگیهای زیر باشد:
اطلاعات سازمان را به آسانی قابل‌دسترس نماید.
اطلاعات سازمانی را یکپارچهتر ارائه دهد.
قابل تطبیق و انعطافپذیر باشد.
پشتیبانی سازمان را همراه داشته باشد (استفانویک، 2009).
Data Mart: Data Martها، انبارههای کوچکتر داده هستند که توسط دپارتمانهای مجزا برای تسهیل فعالیتهای تجاری تولید میشوند. به طور مثال یک Data Mart می‌تواند برای محصول یا فرآیند خاص نظیر مدیریت مشتری یا بازاریابی ایجاد شود.
Metadata: برای شناسایی داده از اطلاعاتی به نام Metadata استفاده میکنیم. Metadataها دادههایی در مورد دادهها هستند؛ که می‌تواند شامل فرمتها، الگوریتمهای رمز کردن و رمزگشایی، محدودیتهای دامنه، تغییرات سازمانی، تعاریف تجاری، فرضیات و قوانین تجاری و غیره باشند.
دستیابی و تحلیل داده: هدف اصلی هوش تجاری استفاده از دادههای سازمانی در تحلیلهای مدیریتی و تصمیمگیریهای سازمانی است. برای تحلیل دادهها، هوش تجاری ابزارهای مختلفی نظیر OLAP را شامل میشود.
1411605102806500OLAP: یکی از بهترین تکنیکهای کشف دانش پردازش تحلیلی آنلاین است. OLAP امکان اکتشاف و تحلیل حجم زیادی از داده را فراهم میآورد. ابزارهای OLAP ترکیبی از فرآیندهای تحلیلی و واسطهای کاربری گرافیکی هستند. ویژگیهای اصلی OLAP عبارتند از دیدگاه چندبعدی به داده و توانایی انجام محاسبات فشرده (لوها، 2010).
داده کاوی: دادهکاوی فرآیند استخراج دانش ضمنی، ناشناخته و ارزشمند به منظور تصمیمگیری از میان انبوهی از دادهها است؛ که این دادهها در انبارههای داده ذخیره شدهاند. متدهای اصلی دادهکاوی عبارتند از درخت تصمیم، الگوریتم ژنتیک، خوشهبندی، دستهبندی و غیره.
فواید هوش تجاریپیادهسازی هوش تجاری در سازمانها فواید بسیار زیادی دارد. برخی از آنها را در اینجا بیان میکنیم. هوش تجاری می‌تواند به تحلیل عملکرد و کیفیت منابع کمک کند. توسط هوش تجاری میتوان دلایل اصلی اتفاقات درون یا بیرون سازمان را شناسایی کرد، در نتیجه میتوان از بروز دوبارهی آنها جلوگیری به عمل آورد. میتوان به وسیله‌ی هوش تجاری شرایطی که تحت آن یک اتفاق خاص رخ میدهد را شناسایی کرد. به همین دلیل امکان طراحی مجدد فرآیندهای سازمانی برای رساندن سازمان به هدف خاص وجود دارد (استفانویک، 2009).
فازهای پیادهسازی هوش تجاریبرای اجرای یک پروژهی هوش تجاری باید فازهای متفاوتی انجام گردد. در این قسمت به بیان این فاز ها میپردازیم. شکل شماره 2-5 نیز این فاز ها نشان میدهد. توجیه، برنامهریزی، تحلیل تجاری، طراحی، ساخت و توسعه شش فاز اصلی پروژههای هوش تجاری هستند.
فاز 1- توجیه: ارزیابی نیازهای تجاری
فاز 2- برنامهریزی: توسعهی برنامههای استراتژیک و تاکتیکی که نشان میدهد پروژههای مهندسی چگونه باید تکمیل و توسعه شوند.
فاز 3- تحلیل تجاری: یک تحلیل جز به جز از فرصتها و تهدیدات تجاری انجام میشود تا درک نسبی درستی از نیازمندیهای تجاری برای رسیدن به راهحل مناسب صورت بگیرد.
فاز 4- طراحی: در این مرحله محصولی که بتواند مشکل تجاری موجود را برطرف کند، تصویرسازی میشود.
فاز 5- ساخت: این فاز برای ساخت یک محصول است که یک ارزشافزوده بر سرمایهگذاری انجامشده در زمان پیش‌بینی‌شده ایجاد کند.
فاز 6- توسعه: محصول نهایی ایجادشده در این فاز پیادهسازی یا فروخته میشود. سپس اثربخشی آن برای حل مشکل مفروض اندازهگیری میگردد.
شکل 2-8 نمایی از مراحل پیادهسازی هوش تجاری را نشان میدهد (استفانویک و همکاران، 2006).

شکل 2-8 مراحل پیادهسازی هوش تجاری فاکتورهای اصلی موفقیت پروژههای هوش تجاریبرای اینکه بتوانیم یک پروژه را به خوبی پیادهسازی کنیم باید با فاکتورهای اصلی موفقیت و شکست آن آشنایی پیدا کنیم. از جمله مهمترین راهنماییها برای رسیدن به پیادهسازی موفق هوش تجاری را در اینجا بیان میکنیم:
زمان پیادهسازی پروژهی هوش تجاری را باید به مدت زمان حداقل شش ماه تخمین زد.
انتخاب یک بخش خاص در محدودهی تجاری، بدون تلاش برای حل تمام نیازمندیهای تجاری
یافتن یک پشتیبان از میان مدیران ارشد در سازمان
درگیر کردن پشتیبان در پروژه
آشکار ساختن نتایج فاز تحلیل به همراه مشتری
تعریف محتوا و نوع موارد تحویلی با جزئیات ممکن در زودترین زمان
آگاه نگه داشتن مشتریان نهایی در طول اجرای پروژه
آشکارسازی کیفیت و صحت اطلاعات پیش از ارائهی آن به کاربر نهایی (استفانویک و همکاران، 2006)
چالشهای هوش تجاریدر این بخش چالشهایی که در بحث پروژههای هوش تجاری وجود دارد را بیان میکنیم. آشنایی با این چالشها تا حد نسبتاً مناسبی از بروز شکست در پروژههای هوش تجاری جلوگیری به عمل میآورد. از جملهی این چالشهای ایجاد قابلیت دسترسی به منابع زیاد از طریق وسایلی با ظرفیت پایین است. ایجاد زیرساخت اطلاعاتی برای پشتیبانی از توسعه و پیشبرد چندین فعالیت نیز یکی دیگر از چالشهای پیادهسازی هوش تجاری است (گانگادهاران و سوامی، 2004 ، استفانویک 2009).
شاکو آتره در مقالهای چالشهای موفقیت هوش تجاری را بر میشمرد که در اینجا برخی از آنها را ارائه میکنیم:
همکاری درون سازمانی
اسپانسرهای تجاری: اسپانسرها به تعیین اهداف مناسب برای فعالیتهای هوش تجاری کمک میکنند.
دسترسی به اعضای تیم ماهر
متدولوژی توسعهی فعالیتهای تجاری: پروژههای هوش تجاری باید دارای یک طرح با متدولوژی و اهداف مشخص باشند. در غیر این صورت با چالش جدی مواجه خواهند شد.
طرحریزی پروژههای هوش تجاری
تحلیل تجاری و استانداردسازی داده
اهمیت استفاده از metadata (آتره، 2003)
کاربرد هوش تجاری در سیستم مدیریت دانش
همان طور که پیشتر گفتیم یک رویکرد سیستمی دقیق مانند هوش تجاری بر کارایی سازمان تأثیرگذار است. از طرفی میدانیم که هیچ سازمانی بدون مشتری معنا ندارد و امروزه مشتریان به مهمترین دارایی سازمان تبدیل‌شده‌اند. در نتیجه میتوان گفت با استفاده از مفاهیم مدیریت ارتباط با مشتری، باید مشتریان واقعی سازمان را بشناسیم، بدانیم در چه زمانی چه کالا یا سرویسی را میخرند، الگوی خرید مشتریان چگونه است، میزان وفاداری هر یک از مشتریان چقدر است و چگونه میتوان مقدار وفاداری مشتری را افزایش داد. اگر بخواهیم این کارها را به صورت سیستمی انجام دهیم، میتوانیم از هوش تجاری بهره بگیریم. هوش تجاری در یک سازمان می‌تواند تمام کاربران و روابط میان آنها را در نظر بگیرد تا کل زنجیرهی ارزش سازمان از تولیدکننده تا مشتری پوشش داده بشود. در حقیقت ارتباط هوش تجاری و مدیریت ارتباط با مشتری به این صورت است که هوش تجاری شامل مدیریت ارتباط با مشتری نیز میشود و دو مقوله مجزا و نامرتبط نیستند. از شناسایی و جمعآوری داده تا ذخیرهسازی و تحلیل داده با استفاده از دادهکاوی و OLAP جز بخشهایی از هوش تجاری هستند که در مبحث ارزش طول عمر مشتری مرحله به مرحله مورد استفاده قرار میگیرند. با افزایش سریع تعداد مقالات مربوط به استفادهی هوش تجاری در مدیریت ارتباط با مشتری و ارزش طول عمر مشتری، اهمیت بهکارگیری هوش تجاری بیش از پیش مورد توجه قرار میگیرد. در اینجا به برخی از این مقالات اشاره میکنیم. در مقاله تحت عنوان هوش تجاری برای مدیریت ارتباط با مشتری توسط کینی، ابزارهای هوش تجاری که میتوانند در مدیریت ارتباط با مشتری مورد استفاده قرار بگیرند، از جمله دادهکاوی، پشتیبانی تصمیم و غیره بررسی میشوند (کینی و منجیاه، 2013). در مقاله هابل نیز برای دستیابی به مزیت رقابتی از هوش تجاری در مدیریت ارتباط با مشتری بهره گرفته‌شده است (هابل و پیلاو، 2010). مقاله ناصری و همکارانش نیز از هوش تجاری و مدیریت ارتباط با مشتری در شهرداری الکترونیک استفاده کرده است. در مقالهای نیز مدلی برای مدیریت ارتباط با مشتری و هوش تجاری در خردهفروشیهای آنلاین ارائه شد (فان و وگل).
مدیریت دانش در فرم صریح یا ضمنی نقش مهمی را در تصمیمگیری بازی میکند. هوش تجاری اهمیت زیادی را در عصر کسبوکار در طی پیشرفتهای تکنولوژیکی و دسترسی به ابزارهای نرمافزاری پیشرفته کسب کرده است. اکنون اکثر سازمانها در سرتاسر جهان راهحلهای هوش تجاری را برای گسترش کسبوکار، حفظ مشتریان، کسب حداکثر سود و کاهش هزینههای برگشتی بکار گرفتهاند. از سوی دیگر مدیریت دانش نتوانسته است تصدیق چشمگیری را از منظر پیادهسازی بدست آورد. علاوه بر مورد تاثیر مدیریت دانش بر هوش تجاری و بالعکس بندرت مشاهده شده است. شهزاد در مدلی که ارائه داده است BI و KM را بصورت یکپارچه بکار گرفته است. بدین منظور تعدادی از فاکتورهای ضروری موفقیت که مرتبط به تکنولوژیهای BI و KM هستند را شناسایی کرده است. سپس مقایسهای را نسبت به کارایی این فاکتورها در مطالعات تحقیقاتی مشابه انجام داده است. مقایسهها نشان میدهد که بهرهوری مدل پیشنهادی که تکنولوژیهای BI و KM را ترکیب میکند در مقایسه با تک تک آنها مفیدتر است (شهزاد 2013).
متنکاوی و داده کاوی
با بکار رفتن رایانه در تحلیل و ذخیرهسازی دادهها در سال 1950 و پس از آن با پیشرفت فنآوریهای اطلاعات، هر دو سال یک بار حجم دادهها دو برابر شد. با وجود سیستمهای اطلاعاتی، لحظه به لحظه به حجم دادهها در پایگاه دادهها افزوده میشود که باعث شده انبارههای داده عظیمی تولید گردد. این مسئله ضرورت کشف دانش و استخراج سریعتر دانش را از این پایگاه دادهها نمایان می‌کند.
متنکاوی فرآیندی است که از ابزارهای تحلیل داده برای کشف الگوها و ارتباط بین متنها استفاده می‌کند (بری و لینف، 2005). دادهکاوی به همراه OLAP، گزارشگری سازمان و ETL اعضای کلیدی خانواده محصول هوش تجاری محسوب میشوند.
دادهکاوی را میتوان کاوش دانش از میان دادهها نامگذاری کرد. هن و کامبر دادهکاوی را یکی از گامهای فرآیند کشف دانش دانستهاند. فرآیند کشف دانش یک فرآیند چرخشی است که در شکل شمارهی 2-9 نشان داده‌شده و شامل گامهای زیر است: (هان و کامبر، 2006)
گام ا- پاک‌سازی داده: در این گام دادههای مغشوش و ناسازگاری بین دادهها از بین برده میشوند.
گام 2- یکپارچهسازی داده: تلفیق پایگاههای داده
گام 3- انتخاب داده: بازیابی دادههای مرتبط با تحلیل مورد نظر
گام 4- انتقال داده: انتقال و ترکیب دادهها جهت انجام عملیات کاوش
گام 5- دادهکاوی: یک گام حیاتی در فرآیند کشف دانش است که با ابزارهای هوشمند به دنبال کشف الگوی دادهها است.
گام 6- ارزیابی الگوها: در این مرحله الگوهای کشف‌شده ارزیابی میشوند.
گام 7- ارائه دانش: از تکنیکهایی برای ارائه دانش به دست آمده به کاربر استفاده میشود (فیاد، 2006) (شکل 2-9)

شکل 2-9 فرآیند کشف دانشتکنیکهای متفاوتی در دادهکاوی وجود دارد که بسته به نوع نیاز انتخاب‌شده و مورد استفاده قرار میگیرند. میتوان این تکنیکها را به دو گروه روشهای پیشبینی و روشهای توصیفی تقسیمبندی کرد (هان و کامبر، 2006). در روشهای پیشبینی مقدار یک ویژگی خاص را بر اساس سایر ویژگیها پیشبینی میکنیم به همین دلیل این گروه به عنوان روشهای با ناظر نیز شناخته میشوند. در روش با ناظر ویژگی مورد پیشبینی ویژگی هدف یا وابسته و سایر ویژگیها، ویژگی مستقل نام دارد (تن و همکاران، 2005). دستهبندی، رگرسیون، تشخیص انحراف و سریهای زمانی و … جز روشهای با ناظر هستند. خوشهبندی، کشف قوانین انجمنی و غیره نیز جز روشهای بدون ناظر هستند. روشهای دستهبندی و خوشهبندی را در ادامه توضیح خواهیم داد چون در این پروژه مورد استفاده قرار گرفتهاند (وو و همکاران، 2007).
در مقالهای گاش الگوریتمهای متنکاوی از قبیل الگوریتم کلاسبندی، الگوریتمخوشهبندی و الگوریتم مشارکت را به طور مختصر بر حسب معایب وبرتریهایشان مرور کرده است. سپس از منطق این الگوریتمها استفاده شده و یک الگوریتمی تولید شده که اعمال کلاسبندی دادهها را به کلاسهای از قبل تعیین شده انجام میدهد و همچنین دادهها را بر حسب ارتباطات در یک خوشه طبقهبندی میکند. گاش وظایف الگوریتمهای متنکاوی را به صورت زیر عنوان میکند:
دستهبندی متن: فرایندی توصیفی که اسناد مشابه را باهم گروهبندی میکند.
مفهومکاوی: مدلسازی و کشف مفاهیم، بعضی اوقات ترکیب رویکردهای دستهبندی و خوشهبندی با مفهوم مبتنی بر ایدهها به منظور پیدا کردن مفاهیم و روابطشان از مجموعههای متنی.
بازیابی اطلاعات: بازگردانی اسنادی که به سوال کاربر مربوط است.
استخراج اطلاعات: پاسخ دادن به سوالات.
کلاسبندی با استفاده از الگوریتم ژنتیک: الگوریتمهای ژنتیک روشهای بهینهسازی اکتشافی هستند که دارای مکانیسمهایی مشابه تکامل بیولوژیکی هستند. در الگوریتم ژنتیک راهحلها کروموزوم نامیده میشود. پس از اینکه جمعیت اولیه به صورت تصادفی تولید شدند، تابع دگرگونی و انتخاب در یک حلقه اجرا میشوند تا زمانی که بعضی از معیارهای خاتمه بدست آید. هر اجرا از حلقه یک نسل نامیده میشود. عملگر انتخاب کیفیت میانگین نسل را توسط واگذاری کروموزمهایی که دارای احتمال بالاتری هستند تقویت میکند. کیفیت هر کروموزم توسط تابع برازندگی ارزیابی میشود(گاش و همکاران2012).
پردازش محدوده وسیعی از متن منجر به بروز نیازهایی میشود که در ورای مرزهای بازیابی و استخراج متن قرار دارند. حراج در مقالهای بر استخراج اطلاعات ظاهری از قبیل اطلاعاتی که نیاز به پردازشهای پیچیده زبانی برای دستهبندی ندارد، پرداخته است. هدف از این کار شناسایی و استخراج متنها یا توالی از کلمات است که حاوی اطلاعات مرتبط از متن احادیث پیامبر است. در این مقاله یک سیستم مبتنی بر تراگذر پیشنهاد شده است که مشکل درک متون را حل میکند. تکنیکهای وضعیت متناهی اجازه سفارشی سازی سریع را برای پردازش متن کارا در اختیار میگذارد (حراج 2014).
ابزار جدیدی برای کاوش در قواعد در (امیر 2005) توصیف شده است که در متن کاوی دارای ارزش فراوانی است. ابزار جدید بیشینه مشارکت نام دارد که روابطی که در قواعد مشارکتی متدوال از دست میرود را کشف میکند. به طور شهودی قانون مشارکت بیشنه x→y بکار رفته در این نوشتار بیان میکند که y رخ میدهد به شرطی که تنها بخشی از نوع x موجود باشد. مشارکت بیشینه اجازه کشف روابط در بخشهایی که معمولا تنها رخ نمیدهد را میدهد. اما بیشتر با بخشهای خیلی نزدیک و از آنجا که مشارکتها تنها مربوط به این بخشها هستند و نیاز به محدودیت کمی است .
کشف الگوهای غیرقابل مشاهده از پایگاههای دادهای متنی در (آتکینسان و همکاران 2004) مورد بررسی قرار گرفته شده است که اگر دانش ارزشمندی را ارائه ندهد برای تصمیمگیرندگان نامفید خواهد بود. یک الگوریتم جدید برای استفاده الگوریتم ژنتیک در وزندهی مفهوم وشناسایی عنوان، مبتنی بر انحراف استاندارد در (خالصیزادهو همکاران 2006) مورد بررسی قرار گرفته شده است. خالصیزاده اشاره میکند که میتوان کارایی الگوریتم را با تغییر در بعضی قسمتهای آن بهبود بخشید. در این مقاله نقش الگوریتم ژنتیک در متن کاوی به تصویر کشیده شده است.
خوشه‌بندیخوشهبندی یکی از تکنیکهای دادهکاوی است که جز روش بدون ناظر است. در مسایل خوشهبندی رکوردهای موجود به خوشههایی تقسیم میشوند که از قبل شناخته‌شده نیستند. یعنی با استفاده از الگوریتمهای متفاوت خوشهبندی، دادهها بر حسب شباهتشان در چند خوشه قرار میگیرند (صنیعی و همکاران، 1391). نتیجه خوشهبندی خوب این است که دادههای یک خوشه بیشترین شباهت را به یکدیگر داشته باشند و خود خوشهها بیشترین فاصله را از هم داشته باشند. چندین الگوریتمهای خوشهبندی وجود دارد از جمله k-means، x-means، سلسله مراتبی، مبتنی بر چگالی، دو مرحلهای و غیره.
با توجه به تنوع الگوریتمهای خوشهبندی برای انتخاب یکی از آنها باید مواردی را در نظر گرفت، مواردی از جمله تعداد ویژگیها، دادههای مغشوش و پرت، خصوصیات ابعاد داده، ویژگی خوشهها، نوع خوشه، تعداد ویژگیها و غیره.
همان طور که گفتیم در الگوریتمهای خوشهبندی، خوشههای نتیجه از پیش مشخص نیست. در برخی از الگوریتمهای خوشهبندی باید تعداد خوشههای مد نظر از طرف کاربر مشخص شود. در برخی از الگوریتمها نیز، خود الگوریتم مقدار بهینهای برای تعداد خوشههای انتخاب می‌کند. با توجه به اینکه در این پروژه تعداد خوشههایی که باید به دست بیاید مشخص نبود و با توجه به حجم دادهها، ما الگوریتم Two-Step را برای کار انتخاب کردیم.
دسته‌بندیدر روش دستهبندی که جز روشهای با ناظر است، دادههای اولیه به دو دسته آموزشی و آزمایشی تقسیم میشوند. بر روی دادههای آموزشی مدلی ساخته میشود که اعتبار مدل توسط دادههای آزمایشی تست میشود. برای مثال چنانچه الگوریتم مورد استفاده درخت تصمیم باشد، مدل ایجادشده به صورت یک درخت خواهد بود. در مرحله آزمایش نیز مدل مورد ارزیابی قرار میگیرد (صنیعی و همکاران، 1391). در دستهبندی، بر خلاف خوشهبندی، دستهها و ویژگیهایشان از پیش تعریف‌شدهاند (تن و همکاران، 2005). درخت تصمیم، دستهبندی بیز، تکنیک شبکه عصبی، ماشین بردار پشتیبان و رویکردهای فازی جز روشهای دستهبندی هستند.
کاربرد متنکاوی در طراحی سیستم مدیریت دانش
برای اینکه بتوانیم سیستمی برای مدیریت دانش طراحی کنیم باید بتوانیم دادهها را تحلیل و بررسی کنیم. با توجه به اینکه دادههای موجود از نوع متنی میباشند لذا نیاز است که توسط فرایندی به کد تبدیل شده و الگوریتمهای مورد نظر بروی این کدها اعمال گردند.
همان طور که اشاره کردیم، تکنیکهای مختلفی در دادهکاوی وجود دارند که برخی از آنها را نام بردیم و برخی را که در این پروژه اتخاذ کردیم، توضیح دادیم. مطالعه نگی در سال 2009 نشان میدهد که مدلهای شبکه عصبی، درخت تصمیم و قواعد انجمنی بیش از بقیه روشهای دادهکاوی در مطالعات مدیریت ارتباط با مشتری مورد استفاده قرار گرفتهاند. برای مثال لو و همکارانش از درخت تصمیم و رگرسیون در محاسبات ارزش طول عمر مشتری خود بهره گرفتند (لو و پارک). هوانگ از شبکه عصبی بهره گرفت (هوانگ و همکاران، 2004). هاینلین از رگرسیون (هاینلین و همکاران ، 2007) و چنگ از درخت تصمیم (چنگ و همکاران ، 2012) استفاده کردند.
جمعبندیموضوعات هوش تجاری و مفاهیم سیستم مدیریت دانش و متن کاوی در این فصل مورد بررسی و بحث قرار گرفتند. مقالات مرتبط به هر بخش نیز مرور شد. با این فصل میتوانیم یک خط مشی کلی برای پروژه ترسیم کنیم. در فصل آینده نیز روششناسی پایه برای این نوع تحقیق را بیان کرده و چارچوبی برای انجام پروژه ارائه میدهیم.
فصل سوم
روش شناسی تحقیق
مقدمهدر این فصل روششناسی تحقیق حاضر را بیان میکنیم. موضوع پروژه طراحی سیستم مدیریت دانش با استفاده از هوش تجاری است. برای اعمال رویکرد هوش تجاری در این پروژه باید از ابزارهای هوش تجاری استفاده نماییم. متن کاوی و داده کاوی یکی از مهمترین و مطرحترین بخشهای هوش تجاری است که متن کاوی به عنوان ابزار اصلی این پروژه اتخاذ شدهاست. برای پروژههای مربوط به دادهکاوی، متدولوژی CRISP مورد توجه است (لاروس، 2006). لذا ما نیز برای انجام فرایند متن کاوی از این روش استفاده می کنیم و برای توسعه نرم افزار کاربردی از روش توسعه حلزونی استفاده میکنیم. در این فصل متدولوژی CRISP مورد بررسی قرار میگیرد و گامهایش مطرح میشود، و سپس روش مهندسی نرمافزار حلزونی ارائه شده و در نهایت یک مدل ترکیبی برای انجام تحقیق حاضر ارائه میگردد.
متدولوژی CRISPیکی از متدولوژیهای مورد استفاده در پروژههای دادهکاوی، متدولوژی CRISP است. که ما برای انجام فرایند متن کاوی از این روش استفاده میکنیم که چرخه حیات پروژههای دادهکاوی را در بر میگیرد. متدولوژی CRISP یک متدولوژی چرخشی است.
طبق این مدل، مراحل زیر به ترتیب انجام میشود:
شناخت کسبوکار و جمعآوری داده
آمادهسازی داده
مدلسازی
ارزیابی
توسعه
شناخت کسب‌وکار و جمعآوری دادهاولین گام در فاز اول، شناخت کسب‌وکار است. کسب‌وکاری که برای این پروژه انتخاب‌شده، یک شرکت تولید کننده نرمافزارهای سازمانی است. این شرکت با کارخانجات و تولیدیهای بزرگی در تعامل میباشد که بسته به نیاز آنها نرمافزارهای برنامهریزی منابع سازمانی را به صورت سفارشی شده در اختیارشان قرار میدهد. این شرکت به عنوان یه نمونهای از یکسری شرکتهای خدماتی مورد بررسی قرار گرفته شده است که به منظور رفع نیازهای کاربران دارای خدمات پس از فروش و همچنین پشتیبانی تلفنی و حضوری ارائه میدهد. پس میتوان گفت اکثر شرکتها و سازمانهای تولیدی میتوانند مورد بررسی قرار گیرند.
بدون شناخت نقصها



قیمت: 10000 تومان

متن کامل در سایت homatez.com

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *