ارائه مدل هوش تجاری ابری درکسب و کارهای کوچک و متوسط گردشگری با رویکرد فراترکیب و مدلسازی ساختاری-تفسیری
محورهای موضوعی : توسعه مدل‌های کسب و کار در بنگاه‌های کوچک و متوسط
فاطمه حمیدی نوا
1
,
عبدالحمید ابراهیمی
2
*
,
روح اله سمیعی
3
,
حسین دیده خانی
4
1 - دانشگاه آزاد اسلامی واحد علی آباد کتول
2 - دانشگاه علامه طباطبایی
3 - دانشگاه آزاد اسلامی واحد علی‌آباد کتول
4 - دانشگاه آزاد اسلامی واحد علی‌آباد کتول
کلید واژه: فراترکیب هوش تجاریرایانش ابریهوش تجاری ابریکسب و کارهای کوچک و متوسط گردشگریمعادلات تفسیری-ساختاری,
چکیده مقاله :
کسب و کارهای کوچک و متوسط گردشگری نسبت به کسب و کارهای بزرگتر در این صنعت پاسخگوتر هستند و در صورت استفاده از سیستم هوش تجاری می توانند از رقابت بالایی برخوردار شوند. استفاده از هوش تجاری در مشاغل منجر به تصمیم گیری بهتر در نتیجه بهبود فرآیندهای مدیریت داده شده است و بستر ابر برای اجرای هوش تجاری هزینه های نگهداری و اجرا را برای این کسب و کارها کاهش میدهد. این مقاله با هدف مدلسازی هوش تجاری ابری در صنایع کوچک و متوسط گردشگری انجام گرفته است.استقرار سیستم هوش تجاری در ابر هزینه های و سرعت زمان نصب و نگهداری این تکنولوژی را را به نحو چشمگیری کاهش میدهند. جامعه آماری این مقاله شامل اساتید و خبرگان باتجربه هوش تجاری است. برای نمونه‌گیری از روش گلوله‌برفی استفاده شده است. فرایند نمونه‌گیری تا رسیدن به اشباع نظری ادامه یافت و در نهایت 19 نفر از خبرگان و ارائه دهندگان هوش تجاری ابری و پردازش ابری در این مطالعه شرکت کردند. در این مقاله برای شناسایی عوامل زیربنایی هوش تجاری از روش فراترکیب استفاده شده است. شاخص‌های نهایی، تعداد 6 عامل اصلی، 27عامل فرعی و تعداد 34 شناسه حاصل گردید برای اعتبارسنجی عوامل از روش دلفی فازی استفاده شده است. در نهایت نیز با استفاده از مدلسازی تفسیری-ساختاری به ارائه مدل هوش تجاری ابری پرداخته شده است. تحلیل داده‌ها با نرم‌افزارهای MatLab و MicMac انجام شده است.تحقیق ما نشان داده است دو عامل اصلی "محرکها" و "مشخصه های کسب و کار" بالاترین قدرت نفوذ را بر بقیه متغیرها دارند
Tourism small and medium enterprises (TSMEs( are more responsive to market demand when compared with larger companies. And if they use business intelligence system, they can enjoy high competition. The cloud platform for implementing business intelligence reduces maintenance and implementation costs for these businesses.The globalization of the markets requires the adaptation of the firm for business sustainability . Cloud deployments of BI and analytics platforms have the potential to reduce cost of ownership and speed time to deployment. In order to subsist, TSMEs have to take advantage of the new technology and new concepts for survival .The statistical population in the qualitative phase included 19 academics and experienced experts in the area of business intelligence .chosen by the purposive sampling approach. Further, in the quantitative phase, 393 people among the mangers of small and medium-sized enterprises in the Mazandaran Province, Iran, were participated. In the current study, the Meta-synthesis method has been utilized to identify the fundamental categories of business intelligence (BI). Fuzzy Delphi method (FDM) has been applied for parameter validation purposes, and eventually, the Cloud business intelligence model has been presented through exploiting the interpretive structural modeling. Final indices, 6 main factors, 27 sub-factors and 34 identifiers were obtained. In this regard, the data analysis process has been performed by MATLAB and MicMac software. Our research has shown that the two main themes of business stimuli and characteristics have the highest influence on other variables..
1- اسکافی، مهدیه؛ عبدی، بهنام، ”ارایه مدل پذیرش هوش تجاری در صنعت گردشگری در ایران”، اولین همایش بین‌المللی پژوهش‌های نوین در مطالعات مدیریت، شیراز، 1395.
2- نادری‌فر، مهین؛ گلی، حمیده؛ قلجایی، فرشته، گلوله‌برفی روشی هدفمند در نمونه‌گیری تحقیقات کیفی، نشریه گام‌های توسعه در آموزش پزشکی، دوره 14، شماره 41، ص 101، 1396.
3- جلالی، رستم؛ خالدی، بهنام، "متاسنتز: روش‌ها و فنون"، انتشارات دانشگاه علوم پزشکی کرمانشاه، 1397.
4- تولایی، روحی، "فنون و ابزارهای روش تحقیق در مدیریت"، انتشارات جهاد دانشگاهی تهران، 1398.
5- آذر، عادل؛ تیزرو، علی؛ مقبل، عباس؛ انواری، اصغر، "طراحی مدل چابکی زنجیره تأمین با رویکرد مدلسازی تفسیری- ساختاری"، پژوهش‌های مدیریت در ایران (مدرس علوم انسانی)، دوره 14، شماره 4 (پیاپی 69); صص 1-25، 1395.
6- Kasem, Mai, and Ehab E. Hassanein. "Cloud business intelligence survey." International Journal of Computer Applications 90.1 (2014): 23-28.
7- Cody, William F., Jeffrey T. Kreulen, Vikas Krishna, and W. Scott Spangler. "The integration of business intelligence and knowledge management." IBM systems journal 41, no. 4 (2002): 697-713.Gartner. (2020). Garthner Glossary. Retrieved from,http://www.gartner.com/it- glossary/businessintelligence-bi
8- Hirsimäki, Renne. "Critical success factors for business intelligence system implementation." (2017).
9- Gaardboe, Rikke, and Tanja Svarre Jonasen. "Business intelligence success factors: A literature review." Journal of Information Technology Management 29.1 (2018): 1-15.
10- S. F. Dean. (March 2011). Hotel Business Intelligence seeking its identity. HotelNewsNow.com. [Online]. Available: http://www.hotelnewsnow.com/Articles.aspx/5212/Hotel-business?intelligence-seeking
11- Asgary, Ali, Ali Ihsan Ozdemir, and Hale Özyürek. "Small and medium enterprises and global risks: evidence from manufacturing SMEs in Turkey." International Journal of Disaster Risk Science 11.1 (2020): 59-73.
12- Bouazza, Asma Benzazoua. "Small and medium enterprises as an effective sector for economic development and employment creation in Algeria." International Journal of Economics, commerce and management 3.2 (2015): 1-16.
13- Giaoutzi, Maria, Peter Nijkamp, and David J. Storey. Small and medium size enterprises and regional development. Routledge, 2016.
14- Južnik Rotar, Laura, Roberta Kontošić Pamić, and Štefan Bojnec. "Contributions of small and medium enterprises to employment in the European Union countries." Economic research-Ekonomska istraživanja 32.1 (2019): 3296-3308.
15- McKnight, William. "Hospitality industry business intelligence: Checking in." Information Management 18, no. 1 (2008): 31.
16- Korte, Diane, Thilini Ariyachandra, and Mark Frolick. "Business intelligence in the hospitality industry." International Journal of Innovation, Management and Technology 4, no. 4 (2013): 429.
17- Ritz-Ross, J. "Work Smarter. Intelligent Biz." (2008).
18- Korte, Diane, Thilini Ariyachandra, and Mark Frolick. "Business intelligence in the hospitality industry." International Journal of Innovation, Management and Technology 4, no. 4 (2013): 429.
19- Gartner. (2020). Garthner Glossary. Retrieved from,http://www.gartner.com/it- glossary/businessintelligence-bi
20- Sahandi, Reza, Adel Alkhalil, and Justice Opara-Martins. "SMEs’ perception of cloud computing: Potential and security." Working Conference on Virtual Enterprises. Springer, Berlin, Heidelberg, 2012.
21- Twigt, Arie. "Drivers and barriers of Cloud Business Intelligence: An investigation into the adoption factors for Small and Medium-sized Enterprises."
22- Teslya, Nikolay, and Andrew Ponomarev. "Smart tourism destination support scenario based on human-computer cloud." 2016 19th Conference of Open Innovations Association (FRUCT). IEEE, 2016.
23- Wang, Weize. A content analysis of reliability in advertising content analysis studies. Diss. East Tennessee State University, 2011.
24- Brunswicker, Sabine, and Wim Vanhaverbeke. "Open innovation in small and medium sized enterprises (SMEs): External knowledge sourcing strategies and internal organizational facilitators." Journal of Small Business Management 53.4 (2015): 1241-1263.
25- A. Shende. (2010). Hotel Revenue Mangers Forecast Demand with Improved. IQUBZ.Com. [Online]. Available: http://www.iqubz.com/downloads/Article0003.html
26- Rus, Veronica Rozalia, and Valentin Toader. "Business intelligence for hotels’ management performance." International Academy of Business and Economics 8, no. 4 (2008).
27- Raj, Raghavendra, Shun H. Wong, and Anthony J. Beaumont. "Business Intelligence Solution for an SME: A Case Study." (2016): 41-50.
28- Plašić, Jelena, Nenad Stefanović, and Andrijana Gaborović. "Enterprise Business Intelligence Approach With Cloud-Based Analytics." In E-business technologies conference proceedings, vol. 1, no. 1, pp. 49-52. 2021.
29- OECD. Strengthening SMEs and entrepreneurship for productivity and inclusive growth. OECD Ministerial Conference on Strengthening SMEs and Entrepreneurship for Productivity. Mexico: OECD Ministerial Conference on Small and Medium- sized Enterprises, 2018.
30- Toader, Elena Alexandra. "Using Cloud Business Intelligence in competency assessment of IT professionals." Database Systems Journal 6.1 (2015): 33-43.
31- Faynberg, Igor, Hui-Lan Lu, and Dor Skuler. Cloud computing: Business trends and technologies. John Wiley & Sons, 2016.
32- Heang, Rasmey. "THE NEEDS AND CHALLENGES OF ADOPTING BUSINESS INTELLIGENCE FOR SMALL AND MEDIUM-SIZED ENTERPRISE (SME)." (2017).
33- Sheshasaayee, Ananthi, and TA Swetha Margaret. "The challenges of business intelligence in cloud computing." Indian Journal of Science and Technology 8.36 (2015): 1-6.
34- Pandey, Sarvesh, and A. K. Daniel. "QoCS and cost based cloud service selection framework." Int. J. Eng. Trends Technol. (IJETT) 48.3 (2017): 167-172.
35- Yuan, Yu-Lan, and Chaang-Iuan Ho. "Rethinking the destination marketing organization management in the big data era." Proceedings of the ASE BigData & SocialInformatics 2015. 2015. 1-5.
36- Vajirakachorn, Thanathorn, and Jongsawas Chongwatpol. "Application of business intelligence in the tourism industry: A case study of a local food festival in Thailand." Tourism Management Perspectives 23 (2017): 75-86.
37- Williams, Steve. "5 barriers to BI success and how to overcome them." Strategic Finance 93.1 (2011): 27.
38- SENARATHNA, RUWAN. Cloud computing adoption by SMEs in Australia. Diss. Deakin University, 2016.
39- Al-Majali, Faris. An investigation of the integration of business intelligence tools with the roles of performance management of wholesale SMEs in the UK: to enhance decision making that maintains/improves operational performance. Diss. University of Huddersfield, 2013.
40- Boonsiritomachai, Waranpong. Enablers affecting the adoption of Business Intelligence: a study of Thai small and medium-sized enterprises. Diss. Victoria University, 2014.
41- Sandelowski, Margarete, and Julie Barroso. Handbook for synthesizing qualitative research. springer publishing company, 2006.
42- Owusu, Acheampong. "Determinants of Cloud Business Intelligence Adoption Among Ghanaian SMEs." International Journal of Cloud Applications and Computing (IJCAC) 10.4 (2020): 48-69.
43- Ogunlolu, Isaac, and Dorina Rajanen. "Cloud Computing Adoption in Organizations: A Literature Review and a Unifying Model." (2019).
44- Indriasari, Elisa, et al. "Adoption of cloud business intelligence in Indonesia’s financial services sector." Asian Conference on Intelligent Information and Database Systems. Springer, Cham, 2019.
45- Khanda, M., & Doss, S. (2018). SME Cloud Adoption in Botswana: Its Challenges and Successes. International Journal of Advanced Computer Science and Applications, 9(1), 468-478.
46- Priyadarshinee, Pragati, et al. "A cloud computing adoption in Indian SMEs: Scale development and validation approach." The Journal of High Technology Management Research 28.2 (2017): 221-245.
47- Habjan, Andreja. The role of information technology in process change and the impact on customer satisfaction: a study of Slovenian transport firms. Diss. Cardiff University, 2014.
48- Kfouri, Georges, and Rimvydas Skyrius. "Factors influencing the implementation of business intelligence among small and medium enterprises in Lebanon." Informacijos mokslai 76 (2016): 96-110.
49- Hatta, Nurlydia Natasha Md, et al. "Business intelligence system adoption theories in SMES: A literature review." ARPN J. Eng. Appl. Sci 10.23 (2015): 18165-18174.
50- Moçka, Blerta, Gudar Beqiraj, and Daniel Leka. "Evaluation of Business Intelligence Maturity Level in Albania Banking Systems." International Journal of Advanced Technology and Engineering Exploration 2.7 (2015): 90.