بررسی راه حل های هوش کسب و کار در صنعت بانکداری و کاربردهای کلان داده
چکیده
امروزه، ماهیت اقتصادی و اجتماعی سازمان های داد و ستد معاصر عمدتاً بانک ها آنها را مقید کرده تا با حجم داده ها و اطلاعاتِ مطلق مواجه شده و کلید موفقیت تجاری در این حوزه شامل استفاده ی مناسب از این داده ها برای تصمیمات بهتر، سریعتر، و بدون عیب است. برای دستیابی به این هدف، سازمان ها به ابزارهای قوی و موثری نیاز دارند تا آنها را در تجزیه و تحلیل خودکار کارها، اتخاذ تصمیمات، فرمولاسیون استراتژی و پیش بینی ریسک برای جلوگیری از ورشکستگی و کلاهبرداری قادر سازد. هوش تجاری یک مجموعه از مهارت ها، فناوری ها و سیستم های کاربردیِ مورداستفاده است تا دسترسی موثر به این وظیفه (امر مهم) را برای کمک به درک بهتر حوزه ی تجارت و اتخاذ تصمیمات دقیق و به موقع و پاسخ سریع به تورم، نوسانات نرخ و قیمت بازار جمع آوری، ذخیره، تجزیه و تحلیل، و ایجاد سازد. در این مقاله، ما ادبیات اخیر در زمینه ی جستجو برای تمایل به کاربردهای هوش تجاری برای صنعت بانکداری و چالش های آن را بررسی کرده و درنهایت برخی از مقالاتی که شامل این موضوع خاص هستند معرفی شده و از نظر چارچوب تحقیقات هوش تجاری مشخص می شوند.
1. مقدمه
حفظ و بهبود صنعت بانکداری و خدمات مالی موارد دوتایی هستند که داشتن یک محیط معاملاتی ایمن به عنوان بانکداری به یک صنعت پر رونق برای نوآوری در خصوص فناوری ها و سیستم های اطلاعات، از جمله در رابطه با برخی از انواع تعامل با فناوری های دیجیتالی در جنبه های انسانی فعالیت تبدیل شده است، که منجر به افزایش تولید داده هایی می شود که می توانند به عنوان آثار دیجیتالی رفتار انسان تفسیر و جستجو شوند. بنابراین داشتن توانایی و صلاحیت در مورد فناوری های جدید از جمله هوش تجاری به عنوان یک الزام اجتناب ناپذیر پشتیبانی می شود. هوش تجاری (BI) به عنوان یک اصطلاح چتر تعریف می شود که شامل معماری ها (ساختارها)، ابزارها، پایگاه داده ها، برنامه های کاربردی و روش هایی با هدف تجزیه و تحلیل داده ها به منظور پشتیبانی از تصمیمات مدیران تجاری است. فرصت های مرتبط با داده ها و تجریه و تحلیل در سازمان های مختلف به ایجاد علاقه ی چشمگیر در هوش تجاری کمک کرده اند، که اغلب به عنوان تکنیک ها، فناوری ها، سیستم ها، شیوه ها، روش ها، و برنامه های کاربردی اشاره می شود که داده های مهم و بحرانی تجاری را تجزیه و تحلیل کرده تا به شرکت برای فهم بهتر تجارت و بازار آن کمک کرده و تصمیمات تجاری به موقع را اتخاذ کند. علاوه بر فناوری های تحلیلی و پردازش اساسی داده ها، هوش تجاری شامل شیوه ها و روش های تجارت- محور است که می توانند برای برنامه های کاربردی مختلف با اثر بالا از جمله تجارت الکترونیک، هوش بازار، دولت الکترونیکی، مراقبت های بهداشتی، و امنیت بکار گرفته شود. با اجرا و پیاده سازی هوش تجاری، شکاف اطلاعاتی موجود بین مدیران ارشد و مدیران رده میانی و حتی کاربران نهایی از بین خواهد رفت و اطلاعات توسط مدیران در هر سطح در هر لحظه با کیفیت بالا دریافت می شود و متخصصان و تحلیلگران می توانند فعالیت هایشان را با امکانات کم- هزینه بهبود بخشیده و نتایج بهتری را دریافت کنند. در حقیقت، هوش تجاری بر اساس یک هدف ساده است: «بهبود عملکرد توسط ایجاد پلتفرم مناسب برای تصمیم گیری در سازمان» به طوری که مدیران دارای دید جامعی نسبت به اطلاعات شرکت باشند، تصمیمات قابل اعتمادی را اتخاذ کنند. هوش تجاری، به عنوان یک محصول یا به عنوان یک سیستم فرض نمی شود، اما ترجیحاً به عنوان یک دیدگاه جدید بر اساس معماری موردنظر شامل یک مجموعه از برنامه های کاربردیِ تحلیلی تصور می شود که از پایگاه های داده های عملیاتی و تحلیلی بر روی فواصل تصمیم گیری صنعتی و تجاری استفاده می کند. برنامه های کاربردی هوش تجاری، مورداستفاده در صنعت بانکداری به صورت ذیل نامیده می شوند:
Abstract
owadays, the economic and social nature of contemporary business organizations chiefly banks binds them to face with the sheer volume of data and information and the key to commercial success in this area is the proper use of data for making better, faster and flawless decisions. To achieve this goal organizations requires strong and effective tools to enable them in automating task analysis, decision-making, strategy formulation and risk prediction to prevent bankruptcy and fraud .Business Intelligence is a set of skills, technologies and application systems used to collect, store, analyze and create effective access to the task to help organizations better understand the business context and make accurate decision timely and respond quickly toward inflation, rate fluctuations and the market price. In this paper we review recent literature in the search for trends in business intelligence applications for the banking industry and its challenges and finally some articles that comprise this special issue are introduced and characterized in terms of business intelligence research framework.
1. Introduction
Banking industry and financial services maintaining and improving are duo to having a safe transaction environment as Banking has become a prolific industry for innovation concerning information systems and technologies, in regard to including, some sort of interaction with digital technologies in human aspects of activity, which results in increasing production of data that can be interpreted and explored as digital traces of human behavior. So having authority on new technologies such as business intelligence is supposed as an inevitable requirement. Business intelligence (BI) is defined as an umbrella term that includes architectures, tools, databases, applications and methodologies with the goal of analyzing data in order to support decisions of business managers [77, 30]. The opportunities associated with data and analysis in different organizations have helped generate significant interest in BI, which is often referred to as the techniques, technologies, systems, practices, methodologies, and applications that analyze critical business data to help an enterprise better understand its business and market and make timely business decisions [48, 107]. In addition to the underlying data processing and analytical technologies, BI includes business-centric practices and methodologies that can be applied to various high-impact applications such as e-commerce, market intelligence, e-government, healthcare, and security. By business intelligence implementation, the information gap existing between senior executives and middle managers and even end users will be lost and the information is acquired by managers at any level in any moment with high quality and also specialist and analysts can improve their activities with low cost facilities and find better results [6, 24, 79, 43, 123]. In fact, business intelligence is based on a simple goal: «improves performance by creating the appropriate platform for decision making in organization» as the managers have comprehensive view towards enterprise data, trustworthy decisions are made [4]. Business intelligence, doesn’t supposed as a product or as a system, but preferably as a new approach based on desired architecture comprising a set of analytic applications which invoke analytical and operational databases on commercial and industrial decision making intervals. Business intelligence applications, utilizing in the banking industry are named as follows:
چکیده
1. مقدمه
2. بررسی ادبیات
3. راه حل های هوش تجاری
4. پیاده سازی های هوش تجاری با ابزارهای استخراج داده ها
5.پیاده سازی BI با سیستم پشتیبانی تصمیم
6. پیاده سازی BI در ابر (کلود)
7. پیاده سازی BI از طریق مجازی سازی داده ها
8.بحث و نتایج
Abstract
1. Introduction
2. Literature Review
3. Business Intelligence solutions
4. BI implementations with mining tools
5. BI IMPLEMENTATION WITH DECISION SUPPORT SYSTEM
6. BI implementation in cloud
7. BI implementation via data virtualization
DISCUSSTION AND CONCLUSIONS
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه