سنجش متغیرهای مؤثر بر هوش تجاری در شرکت‌های تبلیغاتی در راستای تحقق سیاست‌‌های کلی علم و فناوری

نوع مقاله: پژوهش کاربردی

نویسندگان

1 عضو هیئت علمی گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

2 کارشناس ارشد مدیریت فناوری اطلاعات، دانشکده مدیریت، گروه مدیریت فناوری اطلاعات، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران.

چکیده

 پژوهش حاضر با هدف شناسایی عوامل اثرگذار و اثرپذیر بر هوش تجاری در صنعت بازاریابی و تبلیغات بر مبنای روش دیمتل انجام شده است. جامعه آماری این پژوهش، تیمی 20‌نفره از خبرگان شرکت‌های تبلیغاتی فعال در تهران است که بر اساس روش قضاوتی انتخاب شده‌اند. ویژگی مشترک افراد مشمول در تیم خبرگان، آگاهی و اشراف آن‌ها نسبت به صنعت بازاریابی و تبلیغات، مباحث مدیریتی و سیستمی پژوهش بود. همچنین، ابزار اصلی جمع‌آوری داده‌ها در این پژوهش، پرسش‌نامه‌هایی بود که بنا به اهداف مختلف طراحی شده و بعد از اخذ تأییدیه خبرگان، در میان جامعه آماری توزیع شد و در این فرایند، آنالیزهای تحلیل عاملی اکتشافی و تکنیک دیمتل مورد استفاده واقع شد. سرانجام، نتایج پژوهش منجر به شناسایی چهار بُعد اصلی، تطابق با نیازها و اهداف کسب‌وکار، کارکرد فنی سیستم هوش تجاری، انعطاف‌پذیری و توانایی یکپارچه‌سازی و ادغام تجارب و نیازها و 13 شاخص شد و وزن نهایی و کلی آن‌ها مورد محاسبه قرار گرفت. بر اساس یافته‌های این تحقیق، «تأثیر‌گذارترین شاخص» در راستای تحقق سیاست‌‌های کلی علم و فناوری تطابق با نیازها و اهداف کسب‌وکار و توانایی یکپارچه‌سازی و «تأثیرپذیرترین عامل» نسبت به سایر عوامل در تحقق سیاست‌های کلی علم و فناوری، ادغام تجارب و نیازهاست. این پژوهش از لحاظ هدف، کاربردی، از لحاظ رویکرد، پیمایشی و از نوع مطالعات، اکتشافی است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Measuring and Manufacturing Variables Affecting Business Intelligence in Advertising Companies to Realize Macro Science and Technology Policies

نویسندگان [English]

  • Reza Ehtesham Rasi 1
  • Shiva Zamani 2
1 Faculty of Industrial Management Member, Department of Industrial Management, Faculty of Management and Accounting, Qazvin Branch, Islamic Azad University, Qazvin, Iran.
2 Master of Science in Information Technology Management, Department of Information Technology Management, Faulty of Management, Electronic Branch, Islamic Azad University, Tehran, Iran.
چکیده [English]

This paper tries to study the effects of business intelligence in advertising industry based on Decision Making Trial and Evaluation Laboratory (DEMATEL) method. The statistical population of this research consists of 20 professional experts who are working in the famous advertising companies in Tehran City. The selection criteria and common features of the subjects were based on their awareness and superiority, knowing well the marketing and advertising industry, and the management modules of the research system or DEMATEL method. Also, the main implement of data collection for this research were the questionnaires which designed based on different goals and distributed to the statistical community after obtaining their responses, and analysis of each factor of this research examined by DEMATEL method. Also, in this study, the questionnaires were the main data gathering tools, which designed for different purposes. After obtaining the experts approval, the questionnaires distributed among the statistical population and in this process, exploratory factor analysis and DEMATEL method were used. Finally, the results led to the identification of four main dimensions including adaptation to business needs and objectives, technical functionality of the business intelligence system, flexibility, and the ability to integrate the experiences and needs mentioned in Code 13 indices; then their final weight were calculated. According to the findings of this study, the “most influential indicator” in the implementation of general science and technology policies is to adapt to business needs and goals and to integrate experiences and needs. On the other hand, it is the “most influential factor”, in compare with other factors, in the implementation of general science and technology policies. It should be noted that this research is an exploratory study in terms of purpose and survey approach. 

کلیدواژه‌ها [English]

  • Business Intelligence
  • advertising industry
  • Fuzzy
  • DEMATLE

مقدمه
اطلاعات و دانش در هزاره سوم به ثروت اصلی سازمان‌ها تبدیل شده و بنگاه‌های تجاری و واحدهای تولیدی برای کسب مزیت رقابتی به دنبال استفاده هرچه بیشتر از این ثروت در تصمیمات خطیر خود در محیط پویای امروز هستند. با به‌کارگیری فناوری اطلاعات و ارتباطات در تمامی ارکان کسب‌وکار، سیستم‌ها و نرم‌افزارهای سازمانی، بستر فعالیت‌های کسب‌وکار را شکل داده و تبدیل به مخزن نوینی برای داده‌های سازمانی شده‌اند. از این رو، با توجه به اهمیت تصمیم‌گیری در سازمان و نیاز تصمیم‌گیری به پشتیبانی از طریق هوش تجاری، اهمیت یکپارچگی پشتیبانی تصمیم‌گیری با سیستم‌های سازمانی (بستر فرایندی و دادهای سازمان) بیش از پیش مشخص می‌شود.
به دلیل نیازهای حیاتی سازمان‌ها، امروزه در کسب‌وکار هزاره سوم، با استفاده یا بدون استفاده از عنوان سیستم‌های پشتیبانی تصمیم‌گیری، تحقیقات و پروژه‌های زیادی در جهت توسعه ابزارهای مرتبط با پشتیبانی تصمیم‌گیری مانند پردازش تحلیلی، انباره داده، داده‌کاوی، سیستم‌های خبره، عامل‌های هوشمند و غیره در حال انجام است. این فناوری‌ها و ویژگی‌ها در قالب چتر جدیدی به نام هوش تجاری یا محیط‌های پشتیبان تصمیم گرد آمده‌اند. انجام پژوهش حاضر در حوزه صنعت تبلیغات کشور، هم از لحاظ نظری و هم از لحاظ کاربردی، دارای اهمیت و ضرورت است. مهم‌ترین ضرورت نظری پژوهش، پُرکردن خلأ مطالعاتی موجود در صنعت تبلیغات کشور در خصوص مدل مناسب ارزیابی هوش تجاری است؛ زیرا علیرغم جست‌وجوهای اینترنتی، مشخص شده که تاکنون پژوهشی جامع در این حوزه از صنعت مذکور اتفاق نیفتاده است. از لحاظ کاربردی، با ارائه مدل این پژوهش، فعالان صنعت تبلیغات می‌توانند سازمان یا مجموعه خود را از لحاظ هوش تجاری مورد ارزیابی دقیق قرار دهند و به نقاط ضعف و قوت خود در این زمینه آگاه شوند. هرچند میزان سرمایه‌گذاری بخش خصوصی در تولید ناخالص داخلی نسبت به سایر اقلام مانند مصرف خصوصی و مصرف عمومی اندک است، اما مطالعه و بررسی سرمایه‌گذاری بخش خصوصی در کشورهای در حال توسعه مبین آن است که عمده‌ترین دلیل کاهش نرخ رشد اقتصادی، کاهش نرخ سرمایه‌گذاری در بخش خصوصی به‌ویژه در حوزه فناوری اطلاعات است (جلائی اسفندآبادی و صمیمی، 2014).
گستردگی و توسعه روز‌افزون علوم رایانه‌ای و رویکرد جهانی به آن در همه عرصه‌ها و موفقیت‌های غیرقابل باور پیشتازان این صنعت در رسیدن به آنچه روزگاری رؤیا جلوه می‌کرد، دست‌مایه شایسته‌ای برای گسترش روزافزون هوش تجاری در همه کشور دارد و ضروری است سازمان‌ها با تشخیص به‌موقع ضرورت‌های تجهیز به این فناوری‌ها و الزامات آن در سازمان، نظیر سیستم‌های اطلاعات یکپارچه، خود را در مسیر و معبری قرار دهند که به شاهراه تمدن جهانی می‌پیوندد (بهرامیان، رهنورد و صالحی صدقیان، 2014). سازمان‌ها از طلوع عصر سرمایه‌داری، اطلاعات مربوط به رقبایشان را گردآوری میکردند. از منظر بسیاری از صاحب‌نظران، انقلاب واقعی در عرصه کسب‌وکار در تلاش‌هایی نهفته فعالیت‌های اطلاعاتی را موقعیت‌یابی می‌کند (گیلاد و گیلاد، 1986). برای اینکه سازمان‌ها قادر به واکنش سریع در برابر تغییرات بازار باشند، نیاز به سیستم‌های اطلاعات مدیریتی دارند که بتوانند از سازمان و محیط آن تحلیل‌های علت و معلولی مختلف داشته باشند. سیستم‌های هوش تجاری که جزء پیچیده‌ترین سیستم‌های اطلاعاتی موجود هستند، ابزاری را فراهم می‌کنند که بر اساس آن، نیازهای اطلاعاتی سازمان به شکل مناسبی پاسخ داده شوند. هوش تجاری، اطلاعات تجاری را به صورت روزآمد، قابل اطمینان و کافی عرضه می‌کنند و توانایی استدلال و درک مفاهیم نهفته در اطلاعات تجاری را از طریق فرایند کشف و تجزیه و تحلیل اطلاعات امکان‌پذیر می‌‌کنند. مؤسسات براى دو مقصود اصلى نیاز به استفاده از هوش تجاری دارند: نخست، براى انجام تجزیه و تحلیل که مىتواند به آن‌ها در تصمیم‌گیرى بهتر کمک کند و از این طریق بتوانند روندهاى فروش را بشناسند و مراقبت‌ها را براى مشتریان و شرایط را برای رسیدگی شکایات مهم فراهم آورند. دوم، برای کمک زیاد به پیش‌بینى آینده رفتار مشترى و تقاضاى بازار (سابروال و بکرا فرنانز، 2010). برخى از دلایل دیگر عبارت‌اند از:
1. یارى‌رساندن در رسیدن به اهداف اساسى سازمان مانند کاهش هزینه‌ها، بهبود بهره‌ورى، توسعه محصول، توسعه خدمات مشتریان، افزایش درآمدها و غیره.
2. فراهم‌آوردن اطلاعات راهبردى براى تصمیم‌گیرندگان. هوش تجارى به مؤسسات این امکان را مىدهد که از تحلیل اطلاعات در مقادیر بزرگ، یافتن الگوهاى رفتارى مشتریان و رقبا بهره‌بردارى کنند. دسترسى آنى به چنین اطلاعاتی مىتواند به تصمیم‌گیرى کمک و تغییرات پویایى را ایجاد کند که به بهبود خط اصلى شرکت یارى رساند (دلوین، 2010).
چنین سیستم‌هایی، اطلاعاتی را ارائه می‌دهند که ممکن است به عنوان پایه‌ای برای ایجاد و تغییرات اساسی در یک شرکت خاص به کار روند. از آن جمله می‌توان به برقراری زمینه‌های جدیدی برای همکاری، کسب مشتریان جدید، شناسایی بازارهای جدید و ارائه محصولات جدید برای مشتریان اشاره کرد که همگی بیانگر ارزش و اهمیت رویکرد هوش تجاری است. با وجود این، در حال حاضر کاربرد هوش تجاری هنوز در مراحل آغازین است و اغلب تشکیلات اقتصادی از درک مؤثر آن عاجز هستند. پژوهش حاضر سعی دارد تا با به‌کارگیری یک متدولوژی علمی و سیستماتیک و با تمرکز بر شرکت‌های تبلیغاتی فعال در تهران (شرکت‌های اندیشه پارسی، ایران نوین و رسانه آفتاب) ابعاد و شاخص‌های هوش تجاری را برای این شرکت‌ها شناسایی و سپس از طریق به‌کارگیری روش دیمتل عوامل اثرگذار و اثرپذیر را دسته‌بندی کند. با این تفاسیر، مشخصاً پژوهش حاضر در پی پاسخ به این سؤالات خواهد بود: ابعاد و شاخص‌های هوش تجاری در شرکت‌های تبلیغاتی فعال در تهران چیست؟؛ رتبه‌بندی ابعاد و شاخص‌های شناسایی‌شده بر اساس مدل دیمتل به چه نحوی است؟
1. ادبیات موضوع
اولین‌بار (1971) واژه «سامانه‌های تصمیم‌یار» در دانشگاه MIT به کار برده شد که تمرکز اصلی آن بر اتخاذ تصمیمات نیمه‌ساخت‌یافته و ناساخت‌یافته بود. مؤسسه فارستر (2008)، هوش تجاری را مجموعه‌ای از متدلوژی‌ها، فرایندها، معماری‌ها و تکنولوژی‌هایی تعریف کرد که داده‌های خام را به اطلاعات مفید و معنادار تبدیل می‌کند. در مواردی همچنین هوش تجاری شامل تحلیل‌های کسب‌وکار، پردازش تحلیلی برخط، پرس‌و‌جوها، گزارش‌ها و ابزارهای هشدار تعریف شده است.
تعامل انسان ـ روبات، هوش مصنوعی را در بسیاری از جنبه‌ها به چالش می‌کشد: محیط‌های پویا و تا حدی ناشناخته که در اصل برای روبات‌ها طراحی نشده‌اند، تنوع وسیعی از موقعیت‌ها با معانی غنی برای درک و تفسیر، ارتباطات فیزیکی با انسان‌ها که به استراتژی‌های کنترل با کیفیت پایین، با استفاده از استراتژی‌های کنترل از لحاظ اجتماعی منجر می‌شود. پژوهشی با عنوان»اجراهای کمتر از حد مطلوب هوش تجاری: شناسایی علل و مشکلات» در کشور استرالیا به انجام رسید. این پژوهش که جزء معدود پژوهش‌هایی است که در زمینه شکست‌های اجرایی هوش تجاری به انجام رسیده و نتیجه گرفته قبل از اجرای سیستم هوش تجاری، می‌بایست از یکسری الزامات زیرساختی در حوزه‌های سازمانی، تکنولوژیکی و فرایندی اطمینان حاصل کرد تا درصد موفقیت اجرای این سیستم افزایش یابد.
عارفین، هوکو و بائو (2015)، پژوهشی را با عنوان «بررسی تأثیر هوش تجاری بر اثربخشی سازمانی» در کشور بنگلادش به انجام رساندند. نتایج این پژوهش نشان داد که یکسری از عوامل سازمانی مانند استراتژی، ساختار، فرایند و فرهنگ سازمانی، به صورت مثبت، اثربخشی هوش تجاری و اثربخشی سازمانی را تحت تأثیر قرار می‌دهند. همچنین، اثربخشی سیستم هوش تجاری، تا حدودی تأثیر استراتژی، ساختار، فرایند و فرهنگ سازمانی را بر اثربخشی سازمانی، تعدیل می‌کند (‌عارفین و همکاران، 2015). آلپار، انگلر و شولز (2015)، پژوهشی را با عنوان «تأثیر خصوصیات نرم‌افزار اجتماعی بر استفاده مجدد از گزارشات هوش تجاری» به انجام رساندند. نتایج این پژوهش نشان داد که دریافت‌کنندگان اطلاعات، توسط کیفیت اطلاعات و نشانه‌های محیطی تحت تأثیر قرار می‌گیرند. اما نکته دور از انتظار این بود که افرادی که دارای توانایی و انگیزه برای بررسی دقیق محتوای گزارشات هستند، علاوه بر کیفیت اطلاعات، نشانه‌های اجتماعی را نیز در تأثیرگذاری گزارش دخیل می‌دانند (آلپار و همکاران، 2015). آرولدوس، لاکشمی تراوویس و ونکاتسن (2015)، پژوهشی را با عنوان «مدل مرجع هوش تجاری برای پیش‌بینی ورشکستگی» به انجام رساندند. مدل ارائه‌شده در این پژوهش، ویژگی‌های غیرعملیاتی خاصی را برای واحدها در نظر می‌گرفت و طراحی آن نیز بسیار منعطف بود؛ به طوری که به‌راحتی می‌توانست ورشستگی را پیش‌بینی کند (آرولدوس و همکاران، 2015).
هریسون، پارکر، بروساس، ژیونگ و تیان (2015)، پژوهشی را با عنوان «نقش تکنولوژی در مدیریت و بهره‌برداری از هوش تجاری داخلی» به انجام رساندند. نتایج این پژوهش نشان داد که اجرای موفق یک سیستم هوش تجاری داخلی، شامل اجرای اصلی و پرداختن به مسائل عملیاتی و همچنین ارائه خروجی‌های معنی‌دار به سازمان است. همچنین، موفقیت این‌گونه سیستم‌ها، مستلزم انطابق آن با وضعیت خاص سازمان و البته پیشرفت‌های تکنولوژیکی خواهد بود (هریسون و همکاران، 2015). سنجری و رزمی (2015)، پژوهشی را با عنوان «شایستگی هوش تجاری، قابلیت‌های چالاکی و عملکرد چالاک در زنجیره تأمین» به انجام رساندند. نتایج این پژوهش، از مفهوم صلاحیت هوش تجاری زنجیره تأمین، به عنوان یک سازه چند‌بُعدی شامل بُعد مدیریتی، بُعد فنی و بُعد فرهنگی حمایت کرد و تأیید شد که یک عامل کلیدی مهم در چالاکی زنجیره تأمین است (سنجری و رزمی، 2015).
آرولدوس، لاکشمی تراوویس و ونکاتسن (2014)، پژوهشی را با عنوان «بررسی پژوهش‌های اخیر در حوزه هوش تجاری» به انجام رساندند. نتایج این پژوهش نشان داد که پژوهش‌های اخیر صورت‌گرفته بر روی هوش تجاری، اغلب بر حوزه‌هایی مانند مشکلات و راه‌حل‌های اجرای هوش تجاری، کاربردهای هوش تجاری، معماری هوش تجاری، پیاده‌سازی هوش تجاری، سیاست‌های امنیتی و حریم خصوصی و غیره تمرکز داشته‌اند (آرولدوس و همکاران، 2014). مونتیئن، کابائو و رینسیاگ (2014)، پژوهشی را با عنوان «هوش تجاری اجتماعی: دیدگاهی جدید برای تصمیم‌سازان» به انجام رساندند و مدل جدید برای هوش تجاری ارائه دادند که این چارچوب جدید، داده اجتماعی را درون یک انبار داده جمع‌آوری و مدل‌سازی می‌کند. همچنین آن‌ها معتقد هستند که مدل ارائه‌شده می‌تواند رویکردهای جدید را در تصمیم‌گیری مدیران ارشد به وجود آورد (مونتیئن و همکاران، 2014). مطالعه ادبیات پژوهش به محققین جهت شناسایی ابعاد و شاخص‌های مؤثر بر هوش تجاری در شرکت‌های تبلیغاتی فعال در شهر تهران کمک بسزایی کرده است.
2. روش‌شناسی پژوهش
در این پژوهش، به منظور دستیابی به اهداف و پاسخگویی به سؤالات، پژوهشی میدانی در دو فاز کلی انجام خواهد شد؛ فاز اول، شناسایی ابعاد، معیارها و شاخص‌هایی است که در ارزیابی هوش تجاری در شرکت‌های تبلیغاتی فعال در تهران نقش‌آفرین هستند. این اقدام از طریق توزیع، جمع‌آوری و آنالیز پرسش‌نامه‌های نیمه‌ساختار‌یافته در میان افراد مشمول در نمونه آماری پژوهش انجام خواهد شد. فاز دوم، اولویت‌بندی عوامل اثرگذار و اثرپذیر بر هوش تجاری در شرکت‌های تبلیغاتی فعال بر اساس مدل دیمتل است. این اقدام، از طریق توزیع، جمع‌آوری و آنالیز پرسش‌نامه‌های مقایسات زوجی در میان افراد مشمول در نمونه آماری پژوهش انجام خواهد شد.
در این پژوهش، محققین از روش‌های تحقیق در عملیات استفاده کردند و جامعه نیز، خبرگان صنعت تبلیغات بودند که شامل افراد با مدرک تحصیلی حداقل کارشناسی‌ارشد و با تجربه کار 10 سال در سه شرکت تبلیغاتی اندیشه پارسی، ایران نوین و رسانه آفتاب بودند. همچنین این شامل تعدادی از استادان دانشگاهی و مشاورین حوزه کسب‌وکار و آشنا به مباحث هوش تجاری بود؛ درمجموع افراد شناسایی‌شده 64 نفر بودند. در این پژوهش سعی شد تا از روش قضاوتی جهت انتحاب افراد نهایی مشارکت‌کننده در پژوهش استفاده شود. بنابراین با کمک استادان و با درنظر‌گرفتن معیارهایی مانند سابقه، تخصص و علاقه به مشارکت در پژوهش، 28 نفر از میان جامعه 64‌نفره انتخاب شدند. بعد از دعوت رسمی از این افراد جهت مشارکت در پژوهش و ارسال پرسش‌نامه برای آن‌ها، هشت نفر به دلایل مختلف از همکاری سر باز زدند و فرایند جمع‌آوری داده‌ها با 20 نفر از خبرگان تا انتها ادامه یافت.
2-1. ابزار جمع‌آوری داده‌ها
پرسش‌نامه اول، به صورت نیمه‌باز طراحی شد و هدف از آن شناسایی ابعاد، معیارها و شاخص‌هایی بود که در ارزیابی هوش تجاری در شرکت‌های تبلیغاتی فعال در تهران تأثیرگذار هستند. پرسش‌نامه دوم به صورت بسته و بر اساس ابعاد، معیارها و شاخص‌های شناسایی‌شده در مرحله قبل طراحی شده است و هدف از آن نهایی‌سازی و دستیابی به اجماع بر روی موارد شناسایی‌شده در مرحله قبل است. پرسش‌نامه سوم بر اساس تکنیک دیمتل و جهت شناسایی روابط درونی بین شاخص‌ها طراحی شد. پرسش‌نامه چهارم بر اساس عوامل نهایی‌شده در مرحله دوم و بر مبنای تکنیک مقایسات زوجی طراحی شد و هدف از آن شناسایی اوزان و رتبه‌بندی ابعاد، معیارها و شاخص‌های مشمول در مدل بود.
3. یافته‌های پژوهش
در پژوهش حاضر، شناسایی و غربالگری شاخص‌های ارزیابی هوش تجاری در دو مرحله به انجام رسید. در مرحله اول سعی شد، از طریق توزیع پرسش‌نامه باز در میان افراد مشمول در گروه خبرگان شاخص‌ها شناسایی شوند. پس از جمع‌آوری پرسش‌نامه‌های برگشتی، پاسخ‌ها سازماندهی، نظرات مشابه ترکیب و موضوعات تکراری و حاشیه حذف شدند. نتایج مرحله اول در جدول شماره 1 قابل مشاهده است. در مرحله بعد، معیارهای جمع‌آوری‌شده با استفاده از آزمون t غربال شدند. جواب‌ها بر اساس یک طیف پنج‌تایی از خیلی کم تا خیلی زیاد و فرض اهمیت برابر با متوسط، یعنی عدد سه در برابر فرض عدم برابری با سه، آزمون شدند، پرسش‌نامه موردنظر میان 20 نفر از خبرگان توزیع و آزمون در سطح خطای 0/05 درصد انجام شد. شاخص‌هایی که میزان sig آن‌ها کمتر از 0/05 و مقدار t‌ آن‌ها منفی باشد، تأثیر کمتری داشته و از میان شاخص‌ها حذف می‌شوند. شاخص‌های موردنظر همراه با کد آن‌ها در جدول شماره 1 بیان شده‌اند. آزمون t میان شاخص‌ها انجام شده و نتایج این آزمون در جدول شماره 2 ارائه شده است. با توجه به جدول شماره 2 ملاحظه می‌شود که شاخص‌های c6‌ و c9‌ دارای مقدار sig‌ کمتر از 0/05 و میزان t منفی هستند. درنتیجه این دو شاخص یعنی حمایت از نوآوری در سازمان و دقت اطلاعات خروجی حذف می‌شوند.
3-1. دسته‌بندی شاخص‌ها با استفاده از تحلیل عاملی اکتشافی
در این پژوهش پس از غربال با آزمون t، 13 عامل زیر شناسایی شد که برای تعیین عامل‌های اصلی و ساختاری که از این ‌عامل‌ها ساخته می‌شوند، از روش تحلیل عاملی استفاده شده است. هریک از زیرمعیارها به شکلی که در جدول شماره 3 آمده، کد‌گذاری شده‌اند و داده‌های جمع‌آوری‌شده برای آن‌ها بر اساس کد‌گذاری وارد نرم‌افزار SPSS شده است.
خروجی نهایی نرم‌افزار SPSS در آنالیز تحلیل عاملی اکتشافی، نشان‌دهنده ماتریس چرخیده‌شده اجزاست که شامل بارهای عاملی هریک از متغیرها در عامل‌های باقی‌مانده پس از چرخش است. درواقع در این خروجی، متغیرها در هریک از چهار عامل اصلی طبقه‌بندی می‌شوند. برای انجام طبقه‌بندی باید در هریک از ستون‌های چهارگانه مربوط به عوامل، بیشترین مقادیر از نظر قدر مطلق را انتخاب کرد و به همان عامل نسبت داد. در این پژوهش متغیرهای سیزده‌گانه در عوامل چهارگانه به صورتی که در جدول شماره 4 آمده است، طبقه‌بندی می‌شوند. در جدول شماره 5، شاخص‌های هم‌رده در دسته‌های مجزا قرار گرفته و برای هر دسته (هر بُعد اصلی)، اسم خاصی انتخاب شد.

 

 


3-2. تکنیک دیمتل
این تکنیک، روشی جامع برای تجزیه و تحلیل و ساختن یک مدل ساختاری برای روابط سببی بین فاکتورهای پیچیده است؛ این روش از مرکز تحقیقات ژنو در انستیتو یادبود باتل سرچشمه می‌گیرد. در سال‌های اخیر دیمتل به‌شدت مشهور شده است، زیرا ابزاری کاربردی و مفید برای مجسم‌سازی ذهنی پیچیده بوده که باعث به‌وجودآمدن روابط بین ماتریس و دیاگراف‌ها می‌شود. بنابراین در این پژوهش سعی شده است تا با استفاده از تکنیک دیمتل، روابط درونی میان ابعاد و شاخص‌ها بر هوش تجاری در شرکت‌های تبلیغاتی فعال در تهران پیشنهاد شود. تکنیک دیمتل که از انواع روش‌های تصمیم‌گیری بر اساس مقایسه‌های زوجی است؛ با بهره‌مندی از قضاوت خبرگان در استخراج عوامل یک سیستم و ساختاردهی نظام‌مند به آن‌ها با به‌کارگیری اصول نظریه گراف‌ها، ساختاری سلسله‌مراتبی از عوامل موجود در سیستم همراه با روابط علت و معلول ارائه می‌دهد، به گونه‌ای که شدت اثر روابط مذکور را به صورت امتیاز عددی معین می‌کند. روش دیمتل جهت شناسایی و بررسی رابطه متقابل بین معیارها و ساختن نگاشت روابط شبکه به کار گرفته می‌شود. از آنجا که گراف‌های جهت‌دار، روابط عناصر یک سیستم را بهتر می‌توانند نشان دهند، تکنیک دیمتل مبتنی بر نمودارهایی است که می‌تواند عوامل درگیر را به دو گروه علت و معلول تقسیم کند و رابطه میان آن‌ها را به صورت یک مدل ساختاری قابل درک درآورد. تکنیک دیمتل برای ساختاردهی به یک دنباله از اطلاعات مورد استفاده قرار می‌گیرد؛ به طوری که شدت ارتباطات را به صورت امتیازدهی مورد بررسی قرار داده، بازخوردهای توأم با اهمیت آن‌ها را تجسس می‌کند و روابط انتقال‌ناپذیر را می‌پذیرد. در مهندسی علوم و مدیریت پنج‌مرحله زیر را می‌توان برای انجام تکنیک دیمتل مورد استفاده قرار داد: 1. تیم ارزیاب با استفاده از اعداد صفر تا پنج که به ترتیب نشان‌دهنده بدون تأثیر، تأثیر بسیار کم، تأثیر کم، تأثیر متوسط، تاثیر بالا و تأثیر بسیار بالاست، میزان تأثیر مؤلفه i بر مؤلفه j را تعیین می‌کنند. برای این کار، از میانگین ساده نظرات خبرگان استفاده می‌شود. 2. نرمال‌کردن ماتریس تأثیر مستقیم. عملیات نرمال‌سازی با استفاده از فرمول شماره 1 صورت می‌گیرد:

 



بنابراین با استناد به فرمول‌های شماره 4 و 5 بردار R+D میزان تأثیرگذاری عوامل مدنظر در سیستم است. به عبارت دیگر هرچه مقدار R+D عاملی بیشتر باشد، آن عامل تعامل بیشتری با سایر عوامل سیستم دارد. بردار R-D قدرت تأثیرپذیری هر عامل را نشان می‌دهد. به طورکلی اگر R-D مثبت باشد، یک متغیر علّی و اگر منفی باشد، معلول محسوب می‌شود. درنهایت یک دستگاه مختصات دکارتی ترسیم می‌شود. در این دستگاه محور طولی مقادیر R+D و محور عرضی بر اساس R-D است. موقعیت هر عامل یا نقطه‌ای به مختصات R+D ،R-D در دستگاه معین می‌شود. به این ترتیب یک نمودار گرافیکی به دست خواهد آمد.


3-3. به‌کارگیری روش دیمتل برای تشخیص وجود روابط درونی میان ابعاد و شاخص‌ها
انجام تجزیه و تحلیل دیمتل بر روی داده‌های حاصل از پرسش‌نامه، نتایج ارائه شده در تصویرهای شماره 1، 2 و 3 را حاصل کرده که بیانگر روابط علت و معلولی میان شاخص‌هاست. در تصویر شماره 1 عوامل تطابق با نیازها و اهداف کسب‌وکار (m1)، کارکرد فنی سیستم هوش تجاری (m2)، عوامل اثرگذار و عوامل انعطاف‌پذیری (m3) و توانایی یکپارچه‌سازی و ادغام تجارب و نیازها (m4) عوامل تأثیرپذیر محسوب می‌شوند.
در میان زیرمعیارها عامل امنیت سیستم (c1) اثرگذارترین عامل و عامل حمایت از کارایی سازمان (c4)، اثرپذیرترین عامل محسوب می‌شود.
در تصویر شماره 2 نیز همان‌گونه که مشاهده می‌شود، عامل حمایت از نوآوری در سازمان (C6) اثرپذیرترین عامل و عامل سادگی کاربرد (C7) اثرگذارترین عامل در سیستم تجاری محسوب می‌شود.
4. بحث و نتیجه‌گیری
در این پژوهش، چهار معیار اصلی و 13 شاخص فرعی به عنوان شاکله مدل ارزیابی هوش تجاری در صنعت بازاریابی و تبلیغات تعیین شدند (تصویرهای شماره 3، 4 و 5). این مدل می‌تواند به عنوان یک ابزار کارآمد در صنعت بازاریابی و تبلیغات عمل کند و جهت ارزیابی سیستم‌های هوش تجاری، این حوزه مورد استفاده مدیران فناوری اطلاعات قرار گیرد. در مقایسه نتایج حاصل از این پژوهش با پژوهش‌های پیشین، می‌توان اذعان کرد نقاط مشترک زیادی وجود دارد. بُعد تطابق با نیازها و اهداف کسب‌وکار به استناد نتایج خروجی مدل دیمتل، به عنوان اثرگذارترین عامل و توانایی یکپارچه‌سازی، ادغام تجارب و نیازها، اثرپذیرترین بُعد شناخته شده است. در جدول شماره 6 رتبه‌بندی ابعاد اصلی شناسایی نشان داده شده است. اولویت‌بندی ابعاد اصلی به مدیران شرکت‌های تبلیغاتی در استان تهران کمک خواهد کرد که با توجه به رتبه‌بندی صورت‌گرفته اقدامات آتی خویش را در جهت بهبود بهره‌وری انجام دهند.


به استناد مطالعات گذشته و مصاحبه با خبرگان برای هریک از ابعاد اصلی، تعدادی شاخص شناسایی شد. در این گام از تحقیق مشخص شد که شاخص زمان پاسخگویی سیستم در رتبه نخست و یکپارچه‌سازی نیازهای اطلاعاتی مجریان کسب‌وکار در آخرین رتبه قرار دارد که نشان‌دهنده آن است که مدیران شرکت‌های تبلیغاتی می‌بایست توجه بیشتری به شاخص‌های با رتبه‌های بالا و حائز اهمیت کنند تا بتوانند متغیرهای اثرگذار و اثرپذیر بر هوش تجاری در شرکت‌های تبلیغاتی فعال را مشخص کنند و درنهایت موفقیت سازمان‌های خود را در آینده نزدیک شاهد باشند.


در جدول شماره 7 رتبه هریک از شاخص‌ها نشان داده شده است. با توجه به نتایج حاصله و در جهت ارتقای سطح طراحی سیستم‌های هوش تجاری در صنعت بازاریابی و تبلیغات، پیشنهادهایی جهت انجام مطالعات آتی قابل ارائه هستند: شرکت‌ها تنها با استقرار قابلیت‌های هوش تجـاری مزیـت‌هـای آن را دنبـال کـرده‌انـد و تعریف درستی از اجزای هوش تجاری که هم‌راستا با قابلیت‌های هوش تجاری در هـر سـطح از توسعه باشد، ندارند. بر این اساس می‌توان گفت ممکن است شـرکت‌هـا تمـام عوامـل و ابـزار عملیاتی هر قابلیت را در نظر نگرفته‌اند و در صورت استقرار، یکپارچگی لازم و کافی را میان آن‌ها برقرار نکرده‌اند؛ یا اقدام به پیاده‌سازی ابزاری کرده‌اند که هم‌راستا بـا راهبـرد، اهـداف تجـاری و نیازهای سازمانی آنان نبوده است. بنابراین، پیشنهاد می‌شود، با عنایت به رتبه‌بندی ابعاد اصلی و شاخص‌ها، محققین در مطالعات آتی به ابعاد دیگری از هوش تجاری توجه کنند و سـپس بـه استقرار آن‌ها اقدام شود.


مسیر پیشرفت قابلیت‌ها و اجزای هوش تجاری در شرکت‌ها یـا شناسـایی نشـده یـا ایـن شناسایی درست نبوده است و الگوی صحیح و متناسبی با صنعت وجود ندارد. از این رو بـا توجـه به متفاوت‌بودن صنعت شرکت‌های بررسی شده، پیشنهاد می‌شود هر صـنعت بـا توجـه بـه حـوزه عملیاتی، رقبا و اهداف تجاری خود، قبل از اقدام به پیاده‌سازی، در خصوص انتخاب مسیر توسعه سیستم مطالعه کند که این امر به کارگروه فناوری یا به طور ویـژه، هـوش تجـاری نیـاز دارد و در صورت شناسایی‌نشدن عوامل مؤثر بر هوش تجاری با توجه به نیازهای خود، مدلی متناسب با شرکت طراحی کند. در طراحی سیستم‌های هوش تجاری، توجه به کارکردهای فنی مانند حفظ سادگی، امنیت، پاسخگویی سریع و در طراحی سیستم‌های هوش تجاری، انعطاف‌پذیربودن سیستم در نظر گرفته شود. چرا که با توجه به محیط‌های متغیر کسب‌وکارهای امروزی، لزوم توسعه و تغییرات در سیستم‌های هوش تجاری اجتناب‌ناپذیر است. در طراحی سیستم‌های هوش تجاری، قدرت و توانمندی سیستم در یکپارچه‌سازی دانش زمانی در واحدهای مختلف به صورت جدی در نظر گرفته شود. این پژوهش در شرکت‌های کوچک و متوسط تبلیغاتی بررسی شده است، در حالی که مدل ارائه‌شده می‌تواند در شرکت‌های بزرگ یا در صنعتی خاص نیز آزموده شود.

 


ملاحظات اخلاقی
پیروی از اصول اخلاق پژوهش
همه اصول اخلاقی در این مقاله رعایت شده است. شرکت کنندگان اجازه داشتند هر زمان که مایل بودند از پژوهش خارج شوند. همچنین همه شرکت کنندگان در جریان روند پژوهش بودند. اطلاعات آن ها محرمانه نگه داشته شد.

حامی مالی
مقاله حاضر بر‌گرفته از پایان‌نامه سرکار خانم شیوا زمانی نویسنده دوم به راهنمایی دکتر رضا احتشام راثی است که در گروه مدیریت فناوری اطلاعات دانشگاه آزاد اسلامی، واحد الکترونیکی ارائه شده است.
مشارکت نویسندگان
نویسندگان این مقاله در نگارش آن به یک اندازه مشارکت داشته‌اند.
تعارض منافع
بنا به اظهار نویسندگان این مقاله تعارض منافع ندارد.

Alpar, P., Engler, T. H., & Schulz, M. (2015). Influence of social software features on the reuse of Business Intelligence reports. Information Processing & Management, 51(3), 235-51. [DOI:10.1016/j.ipm.2015.01.004]
Arefin, Sh., Hoque, R., & Bao, Y. (2015). The impact of business intelligence on organization’s effectiveness: An empirical study. Journal of Systems and Information Technology, 17(3), 263-85. [DOI:10.1108/JSIT-09-2014-0067]
Aruldoss, M., Lakshmi Travis, M., & Prasanna Venkatesan, V. (2014). A survey on recent research in business intelligence. Journal of Enterprise Information Management, 27(6), 831-66. [DOI:10.1108/JEIM-06-2013-0029]
Aruldoss, M., Lakshmi Travis, M., & Prasanna Venkatesan, V. (2015). A reference model for business intelligence to predict bankruptcy. Journal of Enterprise Information Management, 28(2), 186-217. [DOI:10.1108/JEIM-09-2013-0069]
Bahramian, H., Rahnavard, F, & Salehi Sedghiani, J. (2014). [Evaluation of integrated information systems at the department of energy and subsidiaries (Persian)]. Quantitative Researches in Management, 4(4), 24-47. https://www.sid.ir/fa/Journal/ViewPaper.aspx?ID=224292
Devlin, B. (2010). Beyond business intelligence. Business Intelligence Journal, 15(2), 7-16. https://pdfs.semanticscholar.org/2b6f/02a6868f90516095b0599d2929349377be5b.pdf
Gilad, T., & Gilad, B. (1986). SMR forum: Business intelligence the quiet revolution. Sloan Management Review, 27(4), 53-61. https://search.proquest.com/openview/659678f630de90bd591f1c102e6eff44/1
Harrison, R., Parker, A., Brosas, G., Chiong, R., & Tian, X. (2015). The role of technology in the management and exploitation of internal business intelligence. Journal of Systems and Information Technology, 17(3), 247-62. [DOI:10.1108/JSIT-04-2015-0030]
Jalaee Esfandabadi, S. A., Samimi, S. (2014). [Study of the barriers to private sector investment in Iran (in accordance with Iran’s Communicated general policies) (Persian)]. The Macro and Strategic Policies, 2(7), 89-109. http://www.jmsp.ir/article_7723.html
Muntean, M., Cabău, L. G., & Rînciog, V. (2014). Social business intelligence: A new perspective for decision makers. Procedia - Social and Behavioral Sciences, 124, 562-7. [DOI:10.1016/j.sbspro.2014.02.520]
Sabherwal, R., & Becerra-Fernandez, I. (2010). Business intelligence: Practices, technologies, and management. Hoboken: John Wiley & Sons. https://www.wiley.com/en-us/Business+Intelligence%3A+Practices%2C+Technologies%2C+and+Management-p-9780470574287
Sangari, M. S., & Razmi, J. (2015). Business intelligence competence, agile capabilities, and agile performance in supply chain: An empirical study. International Journal of Logistics Management, 26(2), 356-80. [DOI:10.1108/IJLM-01-2013-0012]