ایمان رییسی وانانی

تتولیدکنندگان، بمنظور توسعه ی تامین کنندگان استراتژیک خود، آنها را بخش بندی می کنند. بخش بندی تامین کننده موجب ایجاد ارزش و هم افزایی در ارتباط با تامین کننده می شود. هدف این مقاله، ارتباط توسعه ی تامین کننده و بخش بندی تامین کننده با استفاده از سیستم استنتاج عصبی-فازی انطباقی در صنعت خودروسازی ایران است. برای تحقق این هدف، ابتدا برای مقوله های توسعه ی تامین کننده، با استفاده از سه روش، سه سیستم عصبی-فازی طراحی می شوند. سپس با استفاده از دو روش کلاسیک و چهار الگوریتم تکاملی، آنها را بهینه سازی و مناسبترین سیستم عصبی-فازی انتخاب می شود. در مرحله بعد نمره ی توسعه برای 53 تامین کننده از تامین کنندگان استراتژیک صنعت خودرو در چهار مقوله پیش بینی می شود، براساس نمره های بدست آمده، تامین کنندگان بخش بندی می شوند. در نهایت، فعالیتهای لازم برای توسعه ی هرکدام از تامین کنندگان پیشنهاد می شوند. نتایج نشان می دهدکه صنعت خودروسازی ایران در توسعه ی مقوله های ناملموس و محیطی، عملکرد قابل قبولی داشته اما، در توسعه-ی مقوله های ملموس و روابط ضعیف عمل کرده است. بر این اساس، تولیدکنندگان صنعت خودروسازی ایران، باید بترتیب اولویت بکارگیری فعالیتهای مرتبط با توسعه ی روابط، قابلیتهای ملموس، قابلیتهای ناملموس و قابلیتهای محیطی را رعایت کنند. با توجه به اینکه در این حوزه، مطالعات اندکی صورت گرفته است، در پایان، ضمن مقایسه ی این مطالعه با یکی از مطالعات خارجی انجام گرفته، پیشنهاداتی برای صنعت خودروسازی ایران و همچنین پژوهشهای آینده ارائه می شود.

انتخاب و تخصیص در زنجیره  تأمین تاب آور، زمانی که اختلال زنجیره تأمین را تهدید می کند، به عنوان یک تصمیم استراتژیک و به کانون پژوهش های بسیاری تبدیل شده است؛ از سوی دیگر افزایش کاربردهای یادگیری ماشین در سراسر مطالعات زنجیره تأمین به ظهور روش های تصمیم گیری سریع تر و مطمئن تر منجر شده است، بااین حال در مطالعات کمی از یادگیری ماشین برای مقابله با مشکل انتخاب و تخصیص تأمین کننده به مشتری در حالت تاب آور استفاده شده است. هدف پژوهش حاضر برداشتن گامی در جهت رفع این شکاف با استفاده از الگوریتم های یادگیری ماشین بر روی داده های دنیای واقعی از زنجیره تأمین خودرو در ایران است. بدین منظور از داده های عملکردی441 تأمین کننده و 7 مشتری در سال 1401 استفاده شد. در این پژوهش از دو الگوریتم خوشه بندی برای تولید برچسب بر اساس مفهوم ظرفیت تاب آوری استفاده شده است؛ سپس ازآنجاکه تفسیرپذیری نتایج در اولویت قرار داشت، بر اساس لیبل گذاری خوشه ها توسط خبرگان از درخت تصمیم برای طبقه بندی تأمین کنندگان بر اساس عملکرد آن ها استفاده شد. نتایج نشان داد که درختK-means عملکرد بهتری نسبت به درخت DBSCAN دارد و معیارهای چون تحویل به موقع، درصد تأمین، توقف خط تولید، اخطارهای کیفی، عملکرد لجستیکی و عملکرد کیفی بر تاب آوری تأمین کنندگان مؤثر هستند.

هدف: با توجه به اثرات هزینه های بالای درماندگی مالی، پیش بینی آن از همان ابتدا موردتوجه محققان قرار گرفته است. ازاین رو، هدف از این پژوهش مرور ادبیات مقالات مربوط به درماندگی در این دو حوزه با استفاده از روش شناسی کتاب سنجی است. روش پژوهش: روش تحقیق این پژوهش بر اساس یک پروتکل سه مرحله ای تنظیم، پایش و تجزیه وتحلیل مجموعه داده ها انجام شده است. در مرحله اول، مقاله منتشرشده در زمینه درماندگی مالی از پایگاه داده Web of Science در بازه زمانی سال های 1980 تا 2023 جمع آوری و سپس در مرحله دوم، اسناد و مقالات پایش و 801 مقاله به منظور مرور ادبیات این حوزه انتخاب شد و درنهایت با استفاده از جعبه ابزار تحلیل کتاب سنجی مقالات موردبررسی قرار گرفت. همچنین به منظور تحلیل مقالات این حوزه از نرم افزار VOSviewer بهره گرفته شده است. یافته ها: یافته های این پژوهش حاکی از وجود شش جریان اصلی پژوهش (روش های پیش بینی درمانگی مالی، عوامل پیش بینی کننده درماندگی مالی، استراتژی تجدید ساختار، حاکمیت شرکتی، ورشکستگی بانک ها و مدیریت سود) در حوزه درماندگی مالی می باشد. همچنین نتایج پژوهش علاوه بر اینکه حاکی از اهمیت مسئولیت اجتماعی شرکت است مؤکد این موضوع نیز هست که با پیشرفت فناوری، استفاده از ابزار هوش مصنوعی جهت افزایش دقت پیش بینی افزایش یافته است.

ارزیابی کیفیت خدمات یکی از دغدغه های اصلی ارائه دهندگان خدمات اعم از دولتی و غیردولتی می باشد. با پیشرفت تکنولوژی سیار و ارائه خدمات دولتی به شهروندان در بستر دولت سیار، ارزیابی کیفیت این نوع خدمات نیز بیش از پیش مورد توجه دولت ها و پژوهشگران حوزه کیفیت خدمات دولت سیار قرار گرفته است. در این پژوهش برای ارزیابی کیفیت خدمات دولت سیار از روش تحلیل مضمون و تکنینک مدلسازی ساختاری تفسیری (ISM) استفاده گردیده و به کمک تحلیل مضمون عوامل مورد شناسایی قرار گرفته و با روش مدلسازی ساختاری تفسیری، تعاملات بین عوامل سطح بندی شده اند. روش تحلیل مضمون و مدلسازی ساختاری تفسیری مبتنی بر نظر خبرگان است. خبرگان در این پژوهش متشکل از 14 نفر اساتید صاحبنطر، پژوهشگران و مدیران اجرایی حوزه دولت سیار می باشند. یافته های پژوهش نشان می دهد که ارزیابی کیفیت خدمات دولت همراه در سطح اول، رضایت شهروندان در سطح دوم، آموزش شهروندان و اعتمادسازی به خدمات دولت همراه در سطح سوم، طراحی اپلیکیشن در سطح چهارم، امنیت داده ها و فرهنگ خدمات دولت همراه در سطح پنجم، خط مشی سازمانی، قابلیت های وب 3 و زیرساخت های نرم افزاری و سخت افزاری در سطح شش قرار دارند.

پیشینه و اهداف: بیمه آتش سوزی نوعی بیمه است که از خسارت مالی به اموال محافظت می کند. معمولاً حوادثی مانند آتش سوزی، سرقت و خسارت های مربوط به آب وهوا را پوشش می دهد و می تواند به جبران هزینه های تعمیر یا جایگزینی اموال آسیب دیده کمک کند. شرکت های بیمه و علاقه مندان به توسعه خدمات بیمه آتش سوزی به دنبال استفاده از روش های تحلیلی مدرن برای تجزیه وتحلیل بیمه نامه ها، ارزیابی و پیش بینی خسارت احتمالی آن ها برای مدیریت ریسک هستند. پیش بینی ادعای خسارت، معیاری حیاتی برای پیش بینی خسارت های آتی در شرکت های بیمه است. براساس نظریه ریسک، پیش بینی خسارت عنصری مهم در کسب وکار بیمه آتش سوزی برای ارزیابی حداکثر خسارت احتمالی است. روش شناسی: در این پژوهش سه معیار پیش بینی خسارت (احتمال وقوع، شدت، زمان بروز) با تهیه مجموعه داده، یادگیری و مقایسه الگوریتم های مختلف توصیف می شوند. در ابتدا، تجزیه وتحلیل داده های اکتشافی برای انتخاب ویژگی های مورد نیاز انجام شد و در نهایت 44 قلم اطلاعاتی از اطلاعات بیمه نامه و خسارت پرداختی رشته آتش سوزی انتخاب گردید. ابعاد مجموعه داده ها توسط روش حذف بازگشتی ویژگی ها کاهش یافته و برای هر الگوریتم، مجموعه مختلفی از فیلدهای اطلاعاتی مؤثر انتخاب شده است. ما بیش از 780،000 رکورد بیمه نامه و حدود 70،000 رکورد مرتبط خسارت پرداختی را برای یک بازه ده ساله (ابتدای 1390 تا ابتدای 1400) از بانک اطلاعاتی عملیاتی سامانه آتش سوزی بیمه ایران انتخاب کرده ایم. مدل های یادگیری رگرسیونی برتر مانند رگرسیون خطی، رگرسیون جنگل تصادفی، رگرسیون بردار پشتیبان و شبکه عصبی عمیق برای هر سه الگوریتم پیش بینی خسارت پیاده سازی شد. سپس دقت الگوریتم ها با مقدار میانگین مربعات خطا و مقدار میانگین خطای مطلق مقایسه شد. یافته ها : نتایج پیش بینی مدل نشان داد که بهترین الگوریتم برای هر سه معیار، یادگیری عمیق و مشخصاً شبکه عصبی چندلایه پرسپترون است. پس از تنظیم فراپارامترها و چندین بار اجرا، بهترین الگوریتم یادگیری عمیق با کمترین خطا با مقادیر 0.117 (احتمال وقوع)، 0.042 (شدت خسارت)، 0.106 (زمان بروز خسارت) حاصل شد. پیش بینی نتایج مدل نوآورانه ما در داده های آزمایشی، به این نتیجه رسید که مدل هوشمند ارائه شده دقت مناسبی دارد. شرکت های بیمه به شدت علاقه مند پیش بینی آینده اند و پیش بینی خسارت فرصتی برای کاهش زیان مالی برای شرکت فراهم می کند. به کارگیری یادگیری عمیق در پیش بینی خسارت آتش سوزی و پیش بینی زمان بروز خسارت، علاوه بر احتمال و شدت، نوآوری های مدل هستند. نتیجه گیری: یادگیری ماشین می توانند به شرکت ها کمک کنند تا خدمات خود را با دقت بیشتری بهینه کنند، مدیریت ریسک را تقویت و در نتیجه ابزارهایی برای تصمیم گیری بهتر فراهم نمایند. به کارگیری یادگیری عمیق در پیش بینی خسارت بیمه می تواند به صورت کاربردی جایگزین فرایند دستی پیچیده، زمان بر و نادقیق موجود در شرکت های بیمه شود و سرآغار توسعه نوین در مدیریت ریسک، مدیریت اتکایی و بهبود نرخ گذاری بیمه آتش سوزی باشد.

در دنیای دیجیتالی امروز، سازمان ها برای اینکه بتوانند در دنیای رقابت باقی بمانند، در پی تغییراتی در ظاهر، تفکر و عملکرد خود هستند. تحول دیجیتالی تحولی شگرف است که گریزی از آن نیست و سازمان ها باید خود را برای رویارویی با آن آماده کنند. پژوهش حاضر با هدف شناسایی مولفه های نرم تحول دیجیتال که بسیار مهم و حیاتی هستند و طراحی الگوی حاصل از آن-هاست. جامعه آماری این پژوهش در بخش نخست، مقالات موجود در این حوزه بود که با روش نمونه گیری هدفمند انتخاب گردید؛ در بخش دوم نیز جامعه آماری را مدیران و خبرگان وزارت ارتباطات و فناوری اطلاعات تشکیل دادند که با روش نمونه گیری هدفمند و از طریق روش گلوله برفی، 14 نفر برگزیده شدند. ابزار مورداستفاده در پژوهش حاضر نرم افزار MAXQDA بود. ابتدا، بااستفاده از تحلیل مضمون پیشینه پژوهش، مولفه های موردنظر استخراج شده و در طراحی پرسش های مصاحبه نیمه ساختارمند مورداستفاده قرار گرفت. یافته های پژوهش بیانگر شناسایی 6 مضمون فراگیر، 44 مضمون سازمان دهنده و 185 مضمون پایه تحول نرم دیجیتال بود و نهایت شبکه مضامین حاصل از آن ها ترسیم شده است.

هدف: هدف این پژوهش شناسایی شاخص های اثرگذار بر استفاده از حسابداری خلاقانه در شرکت های پذیرفته شده در بورس اوراق بهادار تهران و رتبه بندی آنها می باشد. روش: برای دستیابی به هدف پژوهش، ابتدا با مطالعه مبانی نظری، پیشینه پژوهش و انجام مصاحبه نیمه ساختار یافته با خبرگان، ابعاد، مولفه ها و شاخص های اثرگذار بر حسابداری خلاقانه استخراج و با استفاده از روش دلفی فازی مورد اجماع و غربالگری قرار گرفت. سپس با انجام فرایند تحلیل شبکه ای وزن هر یک از شاخص ها و اولویت آنها نسبت به یکدیگر محاسبه گردید. یافته ها: نتایج پژوهش حاکی از اجماع خبرگان بر پذیرش 15 شاخص در مرحله دلفی فازی است. بر اساس فرآیند تحلیل شبکه ای شاخص های "بازده دارایی ها"، "دوره تصدی حسابرس"، "سود خالص به فروش"، "سرمایه در گردش به کل دارایی ها" و "نسبت کل بدهی ها به حقوق صاحبان سهام" بیشترین اثرگذاری بر استفاده از حسابداری خلاقانه را دارند و سایر شاخص ها در اولویت های بعدی قرار می گیرند. نتیجه گیری: یافته های پژوهش نشان می دهد شاخص های بعد عملکرد از نظر خبرگان در استفاده از حسابداری خلاقانه در درجه بالاتری از اهمیت قرار دارد. همچنین با توجه به اثرگذاری حاکمیت شرکتی در استفاده از حسابداری خلاقانه توجه به افزایش اثربخشی مکانیسم های حاکمیت شرکتی می تواند باعث افزایش شفافیت و قابلیت اتکای گزارش های مالی شود. دانش افزایی: این پژوهش با شناسایی و اولویت بندی شاخص های تاثیرگذار در استفاده از حسابداری خلاقانه، مبانی را برای ارزیابی کیفیت صورت های مالی و سودمندی آنها در جهت بهبود تصمیم گیری استفاده کنندگان گزارش های مالی برای نهادهای نظارتی فراهم می آورد.

ارائه اطلاعات ارزشمند در قالب محتوای جذاب و تعامل با مشتریان مهم ترین عناصر بازاریابی محتوا می باشد که از مقدمات ایجاد درگیری است. مهم ترین مسئله در موفقیت بازاریابی محتوا، پاسخ درست به این سئوال است که چه عواملی موجب درگیر شدن مخاطب با محتوا خواهد شد. با وجود پژوهش های بسیاری که در زمینه شناسایی ابعاد درگیری و عوامل انگیزاننده مخاطبان برای درگیر شدن با محتوا انجام گردیده، کماکان درگیری مخاطبان از جمله دغدغه های فعالان در حوزه بازاریابی محتوا است و در جستجوی روش های موثر برای شناسایی عوامل موثر بر ارتقای سطح درگیری مخاطبان می باشند. پژوهش حاضر با استفاده از روش فراترکیب بر اساس مدل سندلوسکی و بارسو (2007) به شناسایی شاخص های تاثیرگذار بازاریابی محتوا بر ارتقای درگیری مخاطبان پرداخته است. به این منظور، 537 مقاله در بازه زمانی سال های 2003-2021 یافت شد و در هر مرحله مقالاتی که معیارهای مورد نظر را کسب نکردند از پژوهش کنار گذاشته شد. در نهایت، یافته های 45 مقاله انتخاب گردید. با طبقه بندی کدهای شناسایی شده، 23مقوله را در 4 بعد شامل مقوله های شناسایی درگیری، مقوله های مربوط به ویژگی های محتوا، مقوله های مربوط به نویسنده محتوا و مقوله های مربوط به واکنش سایر کاربران شناسایی شد. از میان تمامی مقوله های شناسایی شده، امکان شخصی سازی محتوا برای هر مخاطب، احساسات نهفته در محتوا و تاریخ انتشار محتوا، نحوه عضویت نویسنده و هویت وی در جامعه آنلاین بالاترین اولویت ها را از آن خود ساختند.

اهداف: الگوریتم های مبتنی بر شبکه عصبی پیچشی (CNN) که شاخه ای از مبحث یادگیری عمیق است، در سال های اخیر پیشرفت چشمگیری در حوزه های تحلیل فیلم و تصویر داشته اند؛ موفقیت و پذیرفته شدن الگوهای نوین این حوزه باعث به کارگیری گسترده آنها در زمینه های مختلف اعم از تحلیل متن و داده های سری زمانی شده است. یادگیری عمیق بخشی از الگوریتم های یادگیری ماشینی است که در آن از چندین لایه پردازش اطلاعات به ویژه اطلاعات غیرخطی استفاده می شود تا از ورودی خام، بهترین ویژگی های مناسب با هدف تحلیل، بازشناخت الگو یا پیش بینی استخراج شود. روش: در پژوهش حاضر توانایی معماری های مختلف الگوریتم CNN برای پیش بینی قیمت سهام بررسی شده است. نتایج: نتایج حاصل از اجرای الگوریتم به تعداد 54 دفعه با معماری ها و پارامترهای متفاوت و با استفاده از دو دسته اصلی داده های ورودی شامل اطلاعات قیمتی روزانه سهام و ده شاخص منتخب تکنیکال برای سهام شرکت ذوب آهن اصفهان نشان دهنده آن است که استفاده از CNN همراه با لایه ادغام بیشینه (ترکیب پارامترهای اندازه دسته 64، تعداد فیلتر 256 و با تابع فعال سازی ReLU)، دارای خطاهای درصد 79/1 = MAPE و درصد 71/2 =  NRMSE است که نشان دهنده عملکرد بهتر آن نسبت به سایر معماری ها و الگوریتم RNN است.

هدایت درست و تخصیص بهینه منابعِ مالی سبب افزایش تولید و رشد ناخالص ملی، ایجاد شغل و افزایش رفاه عمومی می شود. پژوهش حاضر با هدف ارایه یک استراتژی سرمایه گذاری تلاش می کند مسیر پیشرفت شرکت سرمایه گذار را در بازارهای مالی هموار کند. بنابراین، پژوهش پیش رو را می توان از نظر هدف کاربردی دانست. همچنین با توجه به اینکه در تحقیق حاضر از مدل ریاضی ، مدلسازی، هوش مصنوعی و ... بهره گرفته شده و بهینه سازی پورتفوی شرکت سرمایه گذار را با مدل پیشنهادی مورد ارزیابی قرار میدهد، لذا از نوع تحقیقات کمی و توصیفی می باشد. این پژوهش عملکرد مدل پیشنهادی را در سه حالت: شرکت سرمایه گذار محتاط، میانه رو و ریسک پذیر ارزیابی نمود. نتایج به دست آمده نشان داد که برای هر سه حالت، استراتژیِ ارایه شده به طور قابل توجهی بهتر از شاخص بازار و سایر استراتژی های پیشین عمل می کند.در پایانِ دوره سرمایه گذاری، پورتفوی ریسک پذیر نسبت به سایر پورتفوی ها از ارزش بالاتری برخوردار بود. از سوی دیگر، پورتفوی محتاط، بازدهِ پایدار و باثبات تری کسب کرده است.این نتایج آشکار نمود که برنامه ریزی فازی ارائه شده قادر است خصوصیات و تمایلات شرکت سرمایه گذار را در ترکیب پورتفوی منعکس کند.

این مقاله به دنبال طراحی و تنظیم سیستم های عصبی-فازی توسعه تأمین کننده، تعیین درجه اهمیت مقوله های مختلف آن و پیشنهاد فعالیت های مناسب، براساس نتایج به دست آمده برای توسعه تأمین کنندگان صنعت خودرو است. برای طراحی سیستم ها از سه روش منقطع سازی شبکه ای، خوشه بندی کاهشی و سی-میانگین فازی و برای تنظیم آنها از روش های پس انتشار و هیبرید و الگوریتم های فراابتکاری کلونی مورچگان، تکامل تفاضلی، ژنتیک و ازدحام ذرات استفاده می شود. با مقایسه نتایج سیستم های تنظیم شده، مناسب ترین آنها انتخاب و براساس آن نمره توسعه تأمین کننده در مقوله های مختلف و همچنین، توسعه تأمین کننده برای ۵۳ تأمین کننده از تأمین کنندگان استراتژیک صنعت خودرو پیش بینی می شود. برای تحلیل حساسیت مقوله های توسعه تأمین کننده، از یک رویه پنج مرحله ای استفاده شده است. نتایج مقایسه روش ها نشان می دهد روش طراحی سی-میانگین فازی نسبت به دو روش دیگر، روش های فراابتکاری نسبت به دو روش سنتی و الگوریتم های کلونی مورچگان، تکامل تفاضلی و ژنتیک نسبت به الگوریتم ازدحام ذرات، نتایج بهتری به دست می دهد. نتایج تحلیل حساسیت نشان می دهد مقوله توسعه قابلیت های محیطی، حساس ترین مقوله است و مقوله های توسعه قابلیت های ناملموس، توسعه قابلیت های ملموس و توسعه روابط، به ترتیب در رتبه های دوم، سوم و چهارم قرار دارند. نتایج همبستگی بین خروجی سیستم توسعه تأمین کننده و میانگین نمره های خبرگان نشان می دهد سیستم طراحی شده، دقت زیادی دارد؛ براساس یافته ها، فعالیت های مناسب برای توسعه تأمین کنندگان در مقوله های مختلف، پیشنهاد می شود.

پیشرفت فناوری و نوآوری های مبتنی بر آن در سال های اخیر نحوه اشتراک گذاری دانش، تجربه، داده ها و اطلاعات را دستخوش تغییرات اساسی نموده است. حسابداری به عنوان یکی از اصلی ترین تهیه کنندگان اطلاعات مورد نیاز جامعه مصون از تغییرات نبوده و این امر ضرورت اندیشه در خصوص عوامل موثر بر خلق آینده حسابداری را برجسته می سازد.  هدف پژوهش حاضر شناسایی پیشران های موثر بر آینده حسابداری در ایران در حوزه نوآوری های فناوری محور می باشد. به این منظور در مرحله نخست با بهره گیری از مصاحبه های ﻧﯿﻤﻪ ﺳﺎﺧﺘﺎرﯾﺎﻓﺘﻪ ﺑﺎ ﺧﺒﺮﮔﺎن فهرست پیشران ها شناسایی شده و در مرحله بعد با استفاده از روش دﻟﻔﯽ اﺟﻤﺎع در ﺧﺼﻮص ﭘﯿﺸﺮانﻫﺎی ﺑﺎ اﻫﻤﯿﺖ مورد بررسی قرار می گیرد. ﺧﺒﺮﮔﺎن از میان اعضای هیئت علمی دانشگاه و اعضای حرفه بر اساس روش ﻧﻤﻮﻧﻪﮔﯿﺮی ﻗﻀﺎوﺗﯽ و ﮔﻠﻮﻟﻪ ﺑﺮﻓﯽ برگزیده و ﻧﻤﻮﻧﻪ ﮔﯿﺮی ﺗﺎ اﺷﺒﺎع ﻧﻈﺮی اداﻣﻪ یافته است. ﻧﺘﺎﯾﺞ ﻣﺮﺣﻠﻪ نخست منجر به شناسایی 72 ﭘﯿﺸﺮان گردیده ﮐﻪ ﭘﺲ از چهار دور اﺟﺮای دﻟﻔﯽ، 31 ﭘﯿﺸﺮان ﺑﺎ اﻫﻤﯿﺖ در شش حوزه کلان مورد پذیرش و اجماع خبرگان قرار گرفت. تفسیر نتایج نشان می دهد که حسابداری نیازمند بروزرسانی و تغییر در حوزه آموزش، قوانین و استانداردها، تکنیک های حسابداری و حسابرسی بوده که دلیل نیاز به این تغییر، نوآوری های کلان فناوری ها است لازم به ذکر است که اصلاحات مورد نظر مستلزم توجه به شرایط محیطی و محدودیت ها است که توجه به نتایج حاصله جهت ﺗﻌﯿﯿﻦ و ﺗﻮﺳﻌﻪ اﺳﺘﺮاﺗﮋیﻫﺎی ﻣﻨﺎﺳﺐ ﺑﺮای ﺗﻐﯿﯿﺮات اثربخش آتی ضروری است.

با افزایش رقابت در سطح بینالمللی و ظهور نیازهای پیچیده مشتریان، برخی تامینکنندگان پیشنهادات ارزش خود را از فروش کالا یا خدمت به فروش راهکار تغییر دادهاند. از آنجا که مطالعات انجام شده روی راهکار هر یک به صورت مجزا به جنبههای مختلف آن پرداختهاند، و از طرفی به دلیل نو بودن مباحث راهکار، در اینزمینه چارچوب مشخصی برای فهم موضوع وجود ندارد. از اینرو، هدف این پژوهش احصاء و طبقهبندی مقولهها و مفاهیم اصلی مرتبط با راهکار مشتری در شرکتهای چندملیتی و ارائه یک چارچوب مفهومی برای درک آن است. بدین منظور با استفاده از روش فراترکیب، 53 مورد از مطالعات کیفی انجام گرفته روی راهکار مشتری در شرکتهای چندملیتی تحلیل محتوا شد و کدهای آنها استخراج شد. سپس کدهایی که مفهوم مشابهی را میرساندند در قالب 13 مفهوم دستهبندی شدند. مفاهیم مرتبط نیز در 5 مقوله دستهبندی شدند. یافتههای پژوهش نشان داد چارچوب راهکار مشتری دارای پنج مولفه اصلی: «پیکربندی قابلیتهای استراتژیک»، «پیکربندی شبکههای راهکار»، «مدولار بودن ارائه راهکار»، «فرایندها و قالبهای راهکار» و «عدم قطعیت و تنشهای راهکار» است. این مولفهها در یک چارچوب متصل بههم معنا پیدا میکنند و زمینه انتقال موفق کسب و کارهای بینالمللی از فروش محصولات و خدمات به سوی ارائه راهکارهای مشتری را مهیا میکنند.

امروزه، برای سازمانها دشوار است که بدون بهبود عملکرد تامینکننده و روابط با تامینکننده بقا یابند و یا مزیت رقابتی کسب کنند، بنابراین برای تحقق نیازهای شرکت تولیدکننده، تامینکنندگان باید مدیریت و توسعه داده شوند. از طرفی توسعهی تامینکننده نیازمند معرفی معیارهایی دقیق و جامع است. هدف این مقاله، شناسایی ابعاد و مقولههای توسعهی تامینکننده براساس معیارهای مرتبط با آن، با استفاده از روش فراترکیب است. بدین منظور، ابتدا با انتخاب 102 مطالعه از 136 مطالعهی یافت شده و کدگذاری متون آنها با نرم افزار اطلس تی آی ، 23 مفهوم برای معیارها شناسایی شدند، سپس به کمک تحلیل ادبیات و خروجی نرمافزار وی او اس ویوور ، مفاهیم شناسایی شده در چهار مقوله-ی ملموس، ناملموس، روابط و محیطی و دو بعد درونی و بیرونی طبقهبندی شدند. برای بررسی روایی، از مثلثبندی منابع داده و پژوهشگر استفاده شده است. با نظرسنجی از خبرگان صنعت خودرو، ضریب روایی محتوا و شاخص روایی محتوا محاسبه شدند که 4 معیار بطور مستقیم حذف و تعدیلات و تلفیقاتی در معیارها صورت گرفت و در نهایت 17 معیار برای توسعهی تامینکننده در صنعت خودرو نهایی شدند. مقدار ضریب کاپای بدست آمده، پایایی معتبری را برای معیارهای شناسایی شده نشان میدهد. در پایان برای معیارهای مرتبط با توسعهی تامینکننده یک مدل دوبعدی ارائه شده است. باتوجه به فقدان مقولهبندی معیارهای مرتبط با توسعهی تامینکننده در پژوهشهای قبل و بویژه پژوهشهای داخلی، معیارهای شناسائی شده و مقولهبندی آنها میتواند برای پژوهشگران این حوزه مفید واقع شود.

     علی رغم پیشرفت در قابلیت های الگوریتم های داده کاوی، خروجی این الگوریتم ها نیازمند پالایش و تحلیل فراوان است تا بتواند مبنایی برای تصمیم گیری مدیران باشد. شناسایی مسایل کسب و کاری رایج در حوزه پشتیبانی مشتری که به کمک تکنیک های داده کاوی می توان به حل آن ها پرداخت و تدوین هستی شناسی درک کسب و کار حوزه پشتیبانی مشتری، هدف اصلی این تحقیق است. از این رو، مسایل کسب و کار حوزه پشتیبانی مشتری، ابتدا، از طریق مصاحبه با خبرگان این حوزه شناسایی شده اند و سپس به کمک مرور ادبیات مرتبط، هستی شناسی مسایل کسب وکاری حوزه پشتیبانی مشتری توسعه یافته است. به عنوان نتایج تحقیق، اهداف کسب و کار حوزه پشتیبانی مشتری که منجر به ایجاد ارزش و سودآوری می شوند به همراه فعالیت ها و خروجی های کلیدی هر فعالیت و گام های تحلیلی مورد نیاز براساس تکنیک های داده کاوی برای تحقق هر هدف کسب و کاری شناسایی شده است. در نهایت، بر مبنای مدل داده کاوی CRISP-DM ، هستی شناسی درک کسب وکار حوزه پشتیبانی مشنری ارائه شده است.

مهم ترین مزیت رقابتی سازمان ها در دنیای تغییرات سریع امروزی داشتن عامل انسانی شایسته است. لذا موفقیت سازمان ها وابسته به توسعه منابع انسانی است و توسعه منابع انسانی در هر سازمان و حتی در هر کشوری بدون درک و کشف قابلیت ها و شایستگی های سرمایه عظیم و بالقوه میسر نمی شود. مسأله شایستگی متخصصان فناوری اطلاعات، نقش مهمی در عملکرد آن ها و همچنین موفقیت و کارآمدی آن ها ایفا می کند. بر همین اساس، هدف این پژوهش طراحی مدل سنجش میزان شایستگی متخصصآن فناوری اطلاعات با رویکرد سیستم خبره فازی است. این پژوهش، آمیخته اکتشافی محسوب می شود که در نخستین مرحله آن، مطالعه ای کیفی (بررسی ادبیات و مصاحبه با خبرگان) و مدل پژوهش جهت بررسی کمّی در مرحله بعد قرار می گیرد. برای بررسی سؤالات پژوهش از 15 تن از متخصصان فناوری اطلاعات به عنوان جامعه آماری تحقیق استفاده گردید. پژوهش حاضر از نوع توصیفی-پیمایشی و ابزار گردآوری داده ها پرسشنامه است؛ برای تجزیه و تحلیل داده های پژوهش از نرم افزارهای Excel و SPSS و Matlab استفاده شده است. جهت پاسخ به سؤال پژوهش، پس از انجام مصاحبه با خبرگان و در نهایت پس از تجزیه و تحلیل مصاحبه ها، چهار شاخص اصلی مورد تأیید خبرگان قرار گرفت. همچنین، اولویت و سهم هرکدام از شاخص ها در میزان شایستگی متخصصان، با استفاده از فرآیند تحلیل سلسله مراتبی فازی به دست آمده است. پس از به دست آوردن این اطلاعات و بهره گرفتن از نظر خبرگان، پایگاه قوانین اگر-آنگاه تکمیل شد و برای تعیین میزان دقیق شایستگی متخصصان فناوری اطلاعات، از روش استنتاج فازی ممدانی استفاده گردید. پس از اجرای سیستم با نرم افزار متلب، سطح شایستگی متخصصان فناوری اطلاعات زیاد و به مقدار دقیق «712/0» برآورد شده است. اعتبارسنجی مدل، از انطباق بالای نتایج به دست آمده با نظر خبرگان این حوزه حکایت دارد.  

ارزیابی عملکرد آموزشی از طریق شناسایی و تحلیل داده های حاصل از فعالیت های یادگیرندگان، می تواند به بهبود مؤثر عملکرد آموزشی منجر گردد. در پژوهش حاضر، داده های مربوط به دانش پذیران بین المللی، بر اساس روش تحقیق علم طراحی و با استفاده از روش های داده کاوی مورد بررسی قرار گرفته است. در این راستا تحقیقات انجام گرفته داخلی و بین المللی در دهه گذشته بررسی و مرور شده است و داده های تحصیلی و غیر تحصیلی یادگیرندگان در سه دسته خانوادگی، حمایتی و رفتار تحصیلی با استفاده از داده کاوی، خوشه بندی شده است. پس از اعتبارسنجی خروجی الگوریتم ها توسط شاخص های مرتبط و تعیین تعداد خوشه بهینه در هر بخش، خوشه ها نام گذاری و تحلیل شدند. تحلیل خوشه های شناسایی شده، نشان دهنده تجربه موفقیت یا شکست تحصیلی دانش پذیران و ریشه های عملکرد مؤثر در هر بخش است و روش نام گذاری ارائه شده، روشی نوین و قابل استفاده در اغلب مراکز آموزشی جهت تفکیک و تبیین عملکرد آموزشی است.      

راهکار های آینده نگر در سیاست گذاری های فروش یکی از مؤلفه های مهم و ضروری در برنامه ریزی های کوتاه مدت و میان مدت در هر کسب وکاری است. تدوین درست و دقیق سیاست های فروش می تواند در مدیریت جریان های نقدی و تخصیص منابع نقش مؤثری داشته باشد. امر مزبور حکایت از این دارد که باتوجه به اینکه در دنیای رقابتی امروز (که رضایت خاطر مشتریان و افزایش سهم بازار مهم تلقی می شود) براورد مسئله دررابطه با رفتار خرید مشتریان موضوع اصلی هر سازمانی است که با استفاده از ارائه راهکار در جهت تحلیل های پیشرفته آینده نگر در حوزه سیاست گذاری می توان این مسائل را بهبود بخشید. هدف این پژوهش ارائه الگوی برای خوشه بندی مشتریان و استخراج سبد محصولی هر خوشه است که با استفاده از این اطلاعات سیاست های فروش و پخش متناسب هر خوشه استخراج شده که درنهایت نتایج به دست آمده به وسیله خبرگان صنعت پخش تأیید شده است . صرفنظر از مشتریان فعلی با ورود مشتریان جدید، با بهره گیری از الگوریتم دسته بندی خوشه ها، سیاست مناسب این دسته از مشتریان نیز پیش بینی می شود که قابل ارائه برای تقویت و وفاداری آنها خواهد بود.

توسعه تأمین کننده یک نوع همکاری بین شرکت های تولیدکننده و تأمین کننده است. پس از آگاهی تولیدکننده از وضعیت تأمین کنندگان خود براساس معیارهای مرتبط با توسعه تأمین کننده، لازم است که فعالیت هایی مناسب برای توسعه تأمین کننده ارائه و اجرا شوند. در این مقاله، با استفاده از روش فراترکیب، ابتدا 102 مطالعه از 136 مطالعه یافت شده، انتخاب و سپس متون آن ها با نرم افزار اطلس تی آیی، کدگذاری شده است، در پایان 39 مفهوم برای فعالیت ها شناسایی و در چهار مقوله ملموس، ناملموس، روابط و محیطی و دو بعد درونی و بیرونی طبقه بندی شدند. قابل ذکر است که بیش از 93 درصد فعالیت های شناسایی شده، توسط مطالعات مربوط به صنعت خودرو نیز معرفی شده اند. برای بررسی روایی و پایایی فعالیت های شناسایی شده بترتیب از مثلث بندی منابع داده و پژوهشگر و ضریب کاپا استفاده شده است. براساس نظر خبرگان صنعت خودرو و محاسبه ضریب روایی محتوا و شاخص روایی محتوا، 12 فعالیت حذف و با اعمال تغییرات مورد نظر خبرگان در فعالیت ها، 27 فعالیت برای توسعه تأمین کننده در صنعت خودرو نهایی شدند. جامع بودن فعالیت های شناسایی شده در این مقاله، می تواند برای پژوهشگران این حوزه در صنایع مختلف و به ویژه صنعت خودروسازی مفید واقع شود.