دانلود مقاله استخراج داده های دانش برای هوش کسب و کار
ترجمه نشده

دانلود مقاله استخراج داده های دانش برای هوش کسب و کار

عنوان فارسی مقاله: استخراج داده های دانش برای هوش تجاری: یک رویکرد تحقیقاتی طراحی
عنوان انگلیسی مقاله: Knowledge data extraction for business intelligence A design science research approach
مجله/کنفرانس: پروسیدیای علوم کامپیوتر - Procedia Computer Science
رشته های تحصیلی مرتبط: مدیریت
گرایش های تحصیلی مرتبط: مدیریت دانش - مدیریت کسب و کار - مدیریت بازرگانی
کلمات کلیدی فارسی: هوش تجاری - کلان داده ها - انبار داده - داده کاوی - کشف داده های دانش - علوم طراحی
کلمات کلیدی انگلیسی: Business Intelligence, Big Data, Data Wharehouse, Data Mining, Knowledge Data Discovery, Design Science
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procs.2022.08.016
لینک سایت مرجع: https://www.sciencedirect.com/science/article/pii/S1877050922007542
نویسندگان: Jorge Duque - António Godinho - José Vasconcelos
دانشگاه: Universidade Lusófona do Porto, Portugal
صفحات مقاله انگلیسی: 9
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال - کنفرانسی
نوع مقاله: ISI
سال انتشار مقاله: 2022
ایمپکت فاکتور: 2.267 در سال 2020
شاخص H_index: 92 در سال 2022
شاخص SJR: 0.569 در سال 2020
شناسه ISSN: 1877-0509
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: دارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: e17363
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
نوع رفرنس دهی: vancouver
فهرست مطالب (ترجمه)

خلاصه

1. معرفی

2. بررسی ادبیات

3. بررسی ادبیات

4. مدل مفهومی هوش تجاری

5. بحث و نتیجه گیری

منابع

فهرست مطالب (انگلیسی)

Abstract

1. Introduction

2. Literature Review

3. Literature Review

4. Business Intelligence Conceptual Model

5. Discussion and Conclusion

References

بخشی از مقاله (ترجمه ماشینی)

چکیده

     کاربرد سیستم های هوش تجاری را می توان به عنوان یک استراتژی تجاری و توسعه دید که مجموعه ای جامع از خدمات را برای ارائه اطلاعات مربوط به شرکت در تصمیم گیری های استراتژیک و عملیاتی و افزایش رقابت پذیری شرکت ادغام می کند. برای پیاده سازی موفقیت آمیز یک سیستم هوش تجاری در یک سازمان، استفاده از فرآیندها و قوانین تجاری کاملاً تعریف شده ضروری است. هدف از این مقاله ارائه و بررسی مجموعه‌ای از ابزارها و روش‌ها برای استخراج و بهره‌برداری از منابع کلان داده است. نتیجه این رویکرد پژوهشی با هدف تعریف مجموعه‌ای از شاخص‌ها و داشبوردها برای بهبود مدیریت و هوش تجاری سازمان است.

توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.

بخشی از مقاله (انگلیسی)

Abstract

     The application of Business Intelligence systems can be seen as a business strategy and development, which integrates a comprehensive set of services to provide relevant corporate information in strategic and operational decision-making, and to increase the corporation's competitiveness. For the successful implementation of a Business Intelligence System in an organization, it is necessary to use well-defined processes and business rules. The purpose of this article is to present and explore a set of tools and practices for extracting and exploiting Big Data sources. The result of this research approach aims to define a set of indicators and dashboards to improve the organization's business management and intelligence.

Introduction

     rtually available to everyone, anytime and from anywhere. Thus, with globalization contributing to increased competitiveness, organizations are forced to constantly change, to manage a large amount of data generated daily and which are essential to support decision-making. There is also a need to consider the competitiveness between organizations, where the awareness that data represent an essential source for the production of necessary information is becoming ever greater [19][6][7]. Computer applications have allowed

     Computer applications have allowed organizations to have quality control over data, generate relevant indicators to be provided to managers about the organizations business, preparing them to design forecast scenarios more effectively and efficiently. Consequently, organizations are becoming increasingly dependent on the use of Business Intelligence (BI) applications to extract, process and organize the necessary data.

Discussion and Conclusion

     After characterizing the various phases of the work, some conclusions and results can be considered. The first coincides with the importance of knowledge of data for organizations. Data stored in different sources must be extracted and explored for a platform such as Data Warehouses and associated with BI systems, to suit users and the organization, to improve the quality of information, and obtain the knowledge necessary for decision making.

     In this sense, the importance of reviewing the literature must be recognized, allowing the study and characterization of platforms, applications and systems, for the process of extracting and exploring data knowledge for BI.

     The research methodology phase contextualizes the development structure of the aligned work, with the objective to be achieved, through the creation of the artifact, from the extraction and exploration of relevant data that serve the BI system. The DSR methodology allows finding an acceptable solution to the problem. After analysing the problem and in accordance with this methodology, the solution found was the creation of a cataloguing typology, which makes it possible to identify how and which data extraction and exploration tools are best suited to the users’ requirements.