عوامل تاثیرگذار بر کیفیت تصمیم گیری کلان داده ها

چکیده

سازمان ها به دنبال راه هایی برای مهار توان داده های بزرگ (BD) برای بهبود تصمیم گیری های خود هستند. علیرغم اهمیت BD، اثراتی که روی کیفیت تصمیم گیری دارد در مقالات نیز مورد توجه بسیاری قرار گرفته اند. در این مقاله عوامل تأثیرگذار بر تصمیم گیری مبتنی بر BD با استفاده از یک مطالعه موردی شناسایی شده اند. BD  از منابع مختلفی جمع آوری شده که کیفیت های داده ای متنوعی دارند و توسط هویت های سازمانی مختلفی پردازش شده اند که حاصل آن خلق زنجیره داده ای بزرگ است. صحت، تنوع و شتاب تقویت شده بواسطه اندازه داده های بزرگ برای این به کار می رود که مکانیسم های مدیریت منطقی و قراردادی از کیفیت BD اطمینان یابند و قادر به مفهوم سازی داده ها باشند. مطالعه موردی مشخص می کند که بهره بردن از داده های بزرگ فرایندی تکاملی است که در آن درک تدریجی پتانسیل داده های بزرگ و روتین سازی فراندها نقش مهمی بازی می کنند.

1- مقدمه

داده های بزرگ (BD) به سرعت در حال تبدیل شدن به فعالیت روند اصلی سازمان ها هستند. بهره برداری از مقیاس بزرگ، حرکت سریع، روندهای پیچیده مجموعه های داده ای، پتانسیل لازم برای تبدیل بنیادین شیوه ای که سازمان ها تصمیمات خود را به آن روش اتخاذ می کنند را فراهم می نماید. داده های بزرگ اشاره به مجموعه های داده ای دارند که هم بزرگ هستند و هم تنوع و شتاب آن ها بالاست، که باعث می شود کنترل آن ها با استفاده از ابزارها و تکنیک های مرسوم سخت شود. توانایی بهره بردن از تمام اطلاعات موجود به قابلیت اصلی برای موفقیت سازمان تبدیل شده است. خلق ارزش از داده های مستلزم تلفیق محموعه های داده ای بزرگ است که از منابع داده ای مختلف و ناهمگون نشأت می گیرند. داده های بزرگ ارتباط بسیار نزدیکی با علم تجزیه و تحلیل داده های بزرگ (BDA) دارد که برای خلق ارزش از داده ها لازم و ضروری است. در اغلب موارد داده ها توسط سازمان های دیگر  و یا توسط کاربران شبکه اجتماعی تولید شده اند یا توسط دستگاه هایی از اینترنت چیزها (IoT) ارائه شده اند. در عمل، در اغلب موارد یک زنجیره کلی از فعالیت ها وجود دارد که در آن بازیگران (عوامل) مختلف نقشی بازی می کنند. تنوع منابع داده ای، نیاز به تلفیق انواع منابع، و استفاده از BDA اغلب مستلزم همکاری میان سازمان ها و دپارتمان ها برای خلق جریانی از فعالیت هاست. انبار سازمان ها استفاده از داده های بزرگ برای تصمیم گیری را دچار مشکل کرده اند. جمع آوری، پردازش و استفاده از داده ها در یک دپارتمان یا سازمان منفرد انجام نمی شود. در عوض داده ها توسط اعضا و سازمان مختلفی جمع آوری می شوند که ممکن است  از همکاری ها و شراکت ها برای اکتساب منابع و توانایی های تحلیل BD استفاده کنند. تمام این عوامل و مراحل در صعبی استفاده از BD برای تصمیم گیری نقش ندارند.  ارزش (مقدار) BD در اغلب موارد از توانایی تصمیم گیری های بهتر نشأت می گیرد. توانایی منحصراً وابسته به داده ها نیست، بلکه علاوه بر آن وابسته به فرایندی است که در آن داده ها جمع آوری شده اند و شیوه ای که داده های پردازش شده اند BD و BDA در اغلب موارد مستلزم کنار هم قرار دادن چندین عامل از مقدمات و برازش های متنوع مختلف برای آزمودن روابط کاوش نشده میان انواع داده ها هستند. هر فعالیت می تواند توسط عوامل مختلف با توانایی ها و مهارت های مختلف انجام شود. درگیری انواع مختلف سازمان ها باعث ایجاد جریان یا زنجیره ای از فعالیت ها می شود که می توان روی آن ها نام "زنجیره داده های بزرگ" گذاشت. یک زنجیره BD با جمع آوری داده ها از منابع و مقاصد آغاز می شود، زمانی که تصمیمات مبتنی بر تصمیم اتخاذ شده اند. عبارت "زنجیره" اشاره به دید تحلیل اتخاذ شده بر مبنای همکاری دارد. در واقع، منابع داده ای متعدد، انواع جریان ها و تصمیمات وجود دارند.در چنین زنجیره ای تلاش های متعددی در جهت افزایش کمیت و کیفیت داده های منتشر شده در طول زمان می شود. این موارد شامل حذف نویز، تبدیل مجموعه داده های منتخب  به ماشین قابل خوواندن و داده های مرتبط و اضافه کردن ابر داده ها می باشد. این فعالیت ها می توانن روی  این که چگونه BD می تواند برای تصمیم گیری استفاده شود تأثیر بگذارند. دیدگاه زنجیره به سختی به عنوان دید تحلیل نگریستن به BD اتخاذ شده است. جستجو با استفاده از واژگان کلیدی داده های بزرگ و زنجیره تنها حاصل چند موفقیت است. Brown، Chui و Manyika (2011) تنها افرادی هستند که به زنجیره موجود در روابط با داده های بزرگ برای شرح نیاز به همکاری با شرکای زنجیره تأمین و نقشی که دیگر اعضا می توانند در تولید داده ها بازی کنند اشاره کرده اند. هدف این تحقیق شناسایی عوامل تأثیرگذار بر کیفیت تصمیم BD است. در اغلب موارد فرض بر این است که BD باعث تصمیم های بهتری می شود، اما مشخص نیست کدام عوامل بر گیفیت تصمیم گیری و چگونگی بهبود کیفیت تصمیم گیری توسط سازمان ها تأثیر دارند. وقتی BD و BDA معمول تر می شود، درک زنجیره داده های بزرگ و عوامل تأثیر گذار بر زنجیره کیفیت تصمیم گیری از اهمیت ویژه ای برای سازمان ها برخوردار می شود. این ساختار از این مقاله به شرح زیر است: ابتدا، عوامل تأثیرگذار بر BD و کیفیت تصمیم گیری به صورتی که در مقالات یافته شده اند ارائه می شوند. پس از آن روش تحقیقی ارائه می شود که در آن یک زنجیره BD در یک سازمان بزرگ و مدیریت تجزیه و تحلیل شده است. بر مبنای مطالعه موردی عوامل تأثیرگار بر کیفیت تصمیم گیری حاصل شده اند. در نهایت، تأثیرات تجاری مورد بحث قرار گرفته و نتایجی اتخاذ شده اند.

abstract

Organizations are looking for ways to harness the power of big data (BD) to improve their decision making. Despite its significance the effects of BD on decision-making quality has been given scant attention in the literature. In this paper factors influencing decision-making based on BD are identified using a case study. BD is collected from different sources that have various data qualities and are processed by various organizational entities resulting in the creation of a big data chain. The veracity (manipulation, noise), variety (heterogeneity of data) and velocity (constantly changing data sources) amplified by the size of big data calls for relational and contractual governance mechanisms to ensure BD quality and being able to contextualize data. The case study reveals that taking advantage of big data is an evolutionary process in which the gradually understanding of the potential of big data and the routinization of processes plays a crucial role.

1. Introduction

Big data (BD) has rapidly moved to being a mainstream activity of organizations. Tapping into large-scale, fast-moving, complex streams of datasets has the potential to fundamentally transform the way organizations make their decisions. Big data refers to datasets that are both big and high in variety and velocity, which makes them difficult to handle using traditional tools and techniques (Elgendy & Elragal, 2014). The ability to take advantage of all available information has become a critical ability for organizational success (Olszak, 2016). The creation of value from data requires combining large datasets originating from different and heterogeneous data sources (Janssen, Estevez, & Janowski, 2014). Big data is closely related to Big Data Analytics (BDA) which are needed to create value of the data (Elgendy & Elragal, 2014; Holsapple, Lee-Post, & Pakath, 2014). Data is often generated by other organizations, by users on social media or provided by devices of the Internet of Things (IoT). In practice there is often a whole chain of activities in which various actors plays a role (Anderson, 2015). The variety of data sources, the need to combine various sources, and the use of BDA often requires the collaboration between organizations and departments to create a flow of activities. Organizational silos are locking the use of big data for decisionmaking (Economist Intelligence Unit, 2012). Data collection, processing and use is not done within a single department or organization. Instead data is collected by many parties and organizations might use collaborations and partnerships for acquiring the resources and capabilities for analyzing BD. All these actors and steps increate the difficulty of using BD for decision-making. The value of BD often originates from the ability to take better decisions (Economist Intelligence Unit, 2012). The quality is not solely dependent on the data, but also on the process in which the data is collected and the way data is processed. BD and BDA often requires bringing together multiple actors from different disciplines and diverse practices to examine the underexplored relationships between types of data (Janssen & Kuk, 2016). Each activity may be carried out by different actors with different capabilities and skills.The involvement of a variety of organizations results in a flow or chain of activities which can be labeled as the ‘big data chain’. A BD chains begins with collecting the data from the sources and ends when data-based decisions are taken. A big data chain consists of subsequent activities that can be distinguished analytically. The term ‘chain’ refers to the analytical view taken on the collaboration (Stank, Keller, & Daugherty, 2001). In reality, there are many data sources, variations in flows and decisions. In such a chain there are many efforts to increase the quantity and quality of published data over time. These include removing noise, converting selected datasets into machine readable and linked data and adding meta-data (Kitchin, 2014). These activities can affect how BD can be used for decision-making. The chain perspective is hardly taken as an analytical view of looking at BD. A search using the keywords “big data” and “chain” results only in a few hits. Brown, Chui, and Manyika (2011) are the only one who mention the chain in relationship to big data to express the need to cooperate with supply chain partners and the role other parties can play in generating data. The goal of the research is to identify factors influencing BD decisionmaking quality. Often it is assumed that BD results in better decisions, but it is unclear which factors influence the decision-making quality and how decision-making quality can be improved by organizations. As BD and BDA become more common, understanding the big data chain and factors influencing decision-making quality chain becomes of paramount importance for organizations. This structure of this paper is as follows. First, factors influencing BD a decision-making quality as found in the literature. Thereafter the research method in which a BD chain is analyzed in a large, administrative organization is presented. Based on the case study factors influencing decision-making quality are derived. Finally, business implications are discussed and conclusions are drawn.

چکیده

1- مقدمه

2- داده های بزرگ برای تصمیم گیری

3- رویکرد پژوهش

4- پس زمینه مورد

1-4- زنجیره داده های بزرگ

2-4- داده های بزرگ برای تصمیم گیری

3-4- سازمان

5- عوامل تأثیرگذار بر کیفیت تصمیم گیری

6- تأثیرات تحقیق تجاری

7- نتایج

abstract

1. Introduction

2. Big data for decision-making

3. Research approach

4. Case background

4.1. Big data chain

4.2. Big data for decision-making

4.3. Organization

5. Factors influencing decision-making quality

6. Business research implications

7. Conclusions