نقش مدیریت کلان داده در بهبود تصمیم‌گیری سازمان‌های بانکی (مورد مطالعه بانک سپه)
محورهای موضوعی : انتقال فناوري و تجاري‌سازي پژوهش
یاسر قاسمی نژاد
1
*
,
پیمان حاجی زاده
2
,
حامد کردی
3
1 - دانشگاه جامع امام حسین
2 - دانشگاه آزاد اسلامی واحد تهران جنوب
3 - کارشناس ارشد مدیریت فناوری اطلاعات بانک سپه
کلید واژه: کلان داده, بهبود تصمیم‌گیری, سازمان‌های بانکی, فناوری, بانک سپه,
چکیده مقاله :
در سالهاي اخیر، اندازه داده‌ها در جهان به طور چشم‌گیري به صورت نمایی به چندین برابر افزایش پیدا کرده است. بانک‌ها نیز در فرایندهای خود مقادیر زیادی داده ایجاد و گاه هزینه‌های گزافی برای جمع‌آوری و نگهداری آن‌ها صرف می‌کنند. برخی از کارشناسان صنعت بانکی رشد هفت برابری حجم موجود داده‌ها را تا سال ۲۰۲۰ برآورد می‌کنند. امروزه فناوری کلان‌داده به عنوان راه‌حلی برای بهره‌برداری و استفاده این حجم از اطلاعات مطرح است. اما بررسی و پردازش داده‌های بزرگ و نیز بررسی اثربخشی به کارگیری آن در حوزه بانکداری به عنوان یک چالش تلقی می‌گردد. از این رو، در این تحقیق به بررسی نقش مدیریت کلان داده در بهبود تصمیم گیری سازمان های بانکی (مطالعه موردی بانک سپه) پرداخته شد. بدین منظور جامعه آماری این تحقیق شامل 130 نفر از کلیه کارشناسان بخش اداره فناوری اطلاعات بانک سپه میباشد که به دلیل محدودیت جامعه آماری نمونه‌گیری صورت نگرفت. پرسشنامه‌های استاندارد مدیریت کلان داده 20 گویه‌ای، پرسشنامه توانمندسازی بهبود تصمیم‌گیری 22 گویه‌ای و پرسشنامه کیفیت تصمیم‌گیری10 گویه‌ای با استناد بر تحقیقات شمیم و همکاران (2019)، بعد از بومی‌سازی مبنای تحقیق قرار گرفت. نتایج توصیفی و استنباطی داده‌های پژوهش با استفاده از نرم‌افزار 19SPSS وPLS ، مورد بررسی و تحلیل قرار گرفت. نتایج تحقیق، حاکی از آن بوده است که فرهنگ سازمانی با ضریب 0.446 بیشترین رابطه مثبت و معناداری را بر توانمندسازی دارد. همچنین توانمندسازی رابطه مثبت و معنادار با ضریب 0.645 با اثربخشی تصمیم گیری و ضریب 0.884 با کارایی تصمیم‌گیری دارد.
In recent years, the size of data in the world has increased dramatically several times. Banks also generate large amounts of data in their processes and sometimes spend exorbitant costs to collect and maintain it. Some banking industry experts estimate a sevenfold increase in existing data by 2020. Today, big data technology is considered as a solution to exploit and use this volume of information. However, reviewing and processing big data as well as examining the effectiveness of its use in the field of banking is considered as a challenge. Therefore, in this study, the role of big data management in improving the decision-making of banking organizations (Case study of Sepah Bank) was investigated. For this purpose, the statistical population of this study includes 130 experts from all departments of the information technology department of Sepah Bank, which was not sampled due to the limited statistical population. The standard 20-item big data management questionnaire, the 22-item decision-making empowerment questionnaire and the 10-item decision-making quality questionnaire based on Shamim et al.'s (2019) research were the basis of research after localization. Descriptive and inferential results of research data were analyzed using SPSS 19 and PLS software. The results showed that organizational culture with a coefficient of 0.446 has the most positive and significant relationship with empowerment. Empowerment also has a positive and significant relationship with a coefficient of 0.645 with decision effectiveness and a coefficient of 0.884 with decision efficiency.
[1] قاسمی نژاد، یاسر و سید عباسعلی. کتابچی (1398). بررسی تطبیقی، کاربردها و چالش های فناوری های تحلیل بزرگ داده. فصلنامه رشد فناوری. سال پانزدهم. شماره 60.
[2] ملک زاده، غلامرضا و صدیقه. صادقی (1396). راهبرد مدیریت منابع انسانی در عصر دیجیتال با تکیه‌بر کلان داده، فصلنامه رشد فناوری، شماره 51، 62-70.
[3] خرقانی، مسعود (1398). نقش کلان داده ها در صنعت بانکداری. ماهنامه پیوست. صفحه 1-4.
[4] پاشوی، قاسم؛ جواد. امانی؛ میر محمدحسین. عباسزاده و هیمن. خضری آذر. (1393). مقدمه ای بر معادلات ساختاری به روش PLSو کاربرد آن در علوم رفتاری. ناشر دانشگاه ارومیه.266 صفحه.
[5] Patel, Aditya B., Manashvi Birla, and Ushma Nair. "Addressing big data problem using Hadoop and Map Reduce." 2012.
Nirma University International Conference on Engineering (NUiCONE). IEEE, (2012). [6] Sirin, Erkan, and Hacer Karacan. "A Review on Business Intelligence and Big Data. " International Journal of Intelligent Systems and Applications in Engineering 5, no. 4 (2017): 206-215.
[7] Zerbino, Pierluigi, Davide Aloini, Riccardo Dulmin, and Valeria Mininno. "Big Data-enabled customer relationship management: A holistic approach." Information Processing & Management 54, no. 5 (2018): 818-846.
[8] Inoubli, Wissem, Sabeur Aridhi, Haithem Mezni, Mondher Maddouri, and Engelbert Mephu Nguifo. "An experimental survey on big data frameworks." Future Generation Computer Systems 86 (2018): 546-564.
[9] Oguntimilehin, A., and E. O. Ademola. "A review of big data management, benefits and challenges." A Review of Big Data Management, Benefits and Challenges 5, no. 6 (2014): 1-7.
[10] Singh, Mayank, et al., eds. Advances in Computing and Data Sciences: First International Conference, ICACDS 2016, Ghaziabad, India, November 11-12, 2016, Revised Selected Papers. Vol. 721. Springer, (2017).
[11] Shamim, Saqib, et al. "Role of big data management in enhancing big data decision-making capability and quality among Chinese firms: A dynamic capabilities view." Information & Management 56.6 (2019): 103135.
[12] Shrivastva, Krishna Mohan Pd, M. A. Rizvi, and Shailendra Singh. "Big data privacy based on differential privacy a hope for big data." 2014 International Conference on Computational Intelligence and Communication Networks. IEEE, (2014).
[13] Diène, Bassirou, et al. "Data management techniques for Internet of Things." Mechanical Systems and Signal Processing 138 (2020): 106564.
[14] Ying, Song, et al. "Managing big data in the retail industry of Singapore: Examining the impact on customer satisfaction and organizational performance." European Management Journal 39.3 (2021): 390-400.
[15] Hao, Shengbin, Haili Zhang, and Michael Song. "Big data, big data analytics capability, and sustainable innovation performance." Sustainability 11.24 (2019): 7145.
[16] Popovič, Aleš, et al. "The impact of big data analytics on firms’ high value business performance." Information Systems Frontiers 20.2 (2018): 209-222.
[17] Janssen, Marijn, Haiko van der Voort, and Agung Wahyudi. "Factors influencing big data decision-making quality." Journal of business research 70 (2017): 338-345.
[18] Fan, Jianqing, Fang Han, and Han Liu. "Challenges of big data analysis." National science review 1.2 (2014): 293-314.
[19] Visinescu, Lucian L., Mary C. Jones, and Anna Sidorova. "Improving decision quality: the role of business intelligence." Journal of Computer Information Systems 57.1 (2017): 58-66.