دانلود و نمایش مقالات مرتبط با کلان داده::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - کلان داده

تعداد مقالات یافته شده: 19
ردیف عنوان نوع
1 Linking big data analytical intelligence to customer relationship management performance
پیوند دادن هوش تحلیلی داده های بزرگ با عملکرد مدیریت ارتباط با مشتری-2020
This study investigates the driving forces of a firm’s assimilation of big data analytical intelligence (BDAI) and how the assimilation of BDAI improve customer relationship management (CRM) performance. Drawing on the resource-based view, this study argues that a firm’s data-driven culture and the competitive pressure it faces in the industry motivate a firm’s assimilation of BDAI. As a firm resource, BDAI enables an organization to develop superior mass-customization capability, which in turn positively influences its CRM performance. In addition, this study proposes that a firm’s marketing capability can moderate the impact of BDAI assimilation on its mass- customization capability. Using survey data collected from 147 business-to-business companies, this study find ssupport for most of the hypotheses. The findings of this study uncover compelling insights about the dynamics involved in the process of using BDAI to improve CRM performance.
Keywords: Big data | Data-driven culture | Competitive pressures | Mass customization | Marketing capability | CRM performance
مقاله انگلیسی
2 Firm-level capabilities towards big data value creation
قابلیت های سطح شرکت برای ایجاد ارزش کلان داده-2020
Big data has played an increasingly important role in using data to improve business value. In response to several big data challenges, the purpose of this study is to identify firm-level capabilities required to create value from big data. The adjacent theories of business process management and IT business value underpinned the study, together with an in-depth case study that led to the identification of twenty-four types of capabilities related to IT, process, performance, human, strategic, and organizational practices. The findings confirmed the application of practices and capabilities of adjacent theories, as well as certain practices and attributes that were both changed and reinforced at the intersection of big data. As an outstanding additional support to the extant big data studies, this work empirically confirms and portrays hitherto unexplored capabilities of big data and set their roles, thus providing a holistic overview of firm-level capabilities that are required for big data value creation.
Keywords: Big data | Supply chain management | Operations management | Value creation | Business analytics | Capabilities
مقاله انگلیسی
3 A bibliometric review of a decade of research: Big data in business research – Setting a research agenda
بررسی کتابشناختی یک دهه تحقیق: داده های بزرگ در تحقیقات تجاری - تنظیم دستور کار تحقیق-2020
The last several years have witnessed a surge of interest in artificial intelligence (AI). As the foundation of AI technologies, big data has attracted attention of researchers. Big data and data science have been recognized as new tools and methodologies for developing theories in business research (George, 2014). While several qual- itative reviews have been conducted, there is still a lack of a quantitative and systematic review of big data in business research. Our review study fills this gap by depicting the development of big data in business research using bibliometric methods, such as publication counts and trends analysis, co-citation analysis, co-authorship analysis and keywords co-occurrence analysis. Based on the sample of 1366 primary focal articles and 55,718 secondary references, we visualize the landscape and evolution of big-data business research and capture the developmental trajectory and trends over time (between 2008 and 2018). Furthermore, based on our analyses, we provide several promising directions for future research. In doing so, we provide scholars with a systematic understanding of the development and panoramic roadmap of big data research in business.
Keywords: Big Data | Management and business | Bibliometric review | Scientific visualization | CiteSpace
مقاله انگلیسی
4 A note on big data analytics capability development in supply chain
یادداشتی در مورد توسعه قابلیت تجزیه و تحلیل داده های بزرگ در زنجیره تأمین-2020
Big data analytics (BDA) are gaining importance in all aspects of business management. This is driven by both the presence of large-scale data and managements desire to root decisions in data. Extant research demonstrates that supply chain and operations management functions are among the biggest sources and users of data in the company. Therefore, their decision-making processes would benefit from increased use of BDA technologies. However, there is still a lack of understanding of what determines a companys ability to build BDA capability to gain a competitive advantage. In this study, we attempt to answer this fundamental question by identifying the factors that assist a company in or inhibit it from building its BDA capability and maximizing its gains through BDA technologies. We base our findings on a qualitative analysis of data collected from field visits, interviews with senior management, and secondary resources. We find that, in addition to technical capacity, competitive landscape and intra-firm power dynamics play an important role in building BDA capability and using BDA technologies.
Keywords: Big data | Analytics | Capability development | Qualitative study | Supply chain
مقاله انگلیسی
5 Managing complex engineering projects: What can we learn from the evolving digital footprint?
مدیریت پروژه های مهندسی پیچیده: از رد پای دیجیتال در حال تکامل چه می توان یاد گرفت؟-2020
The challenges of managing large complex engineering projects, such as those involving the design of infra- structure, aerospace and industrial systems; are widely acknowledged. While there exists a mature set of project management tools and methods, many of todays projects overrun in terms of both time and cost. Existing literature attributes these overruns to factors such as: unforeseen dependencies, a lack of understanding, late changes, poor communication, limited resource availability (inc. personnel), incomplete data and aspects of culture and planning. Fundamental to overcoming these factors belies the challenge of how management in- formation relating to them can be provided, and done so in a cost effective manner. Motivated by this challenge, recent research has demonstrated how management information can be automatically generated from the evolving digital footprint of an engineering project, which encompasses a broad range of data types and sources. In contrast to existing work that reports the generation, verification and application of methods for generating management information, this paper reviews all the reported methods to appraise the scope of management information that can be automatically generated from the digital footprint. In so doing, the paper presents a reference model for the generation of managerial information from the digital footprint, an appraisal of 27 methods, and a critical reflection of the scope and generalisability of data-driven project management methods. Key findings from the appraisal include the role of email in providing insights into potential issues, the role of computer models in automatically eliciting process and product dependencies, and the role of project documentation in assessing project norms. The critical reflection also raises issues such as privacy, highlights the enabling technologies, and presents opportunities for new Business Intelligence tools that are based on real-time monitoring and analysis of digital footprints.
Keywords: Big Data | Project Management | Business Intelligence | Knowledge Workers
مقاله انگلیسی
6 به‌کارگیری فناوری داده های بزرگ برای نوآوری در بازاریابی B2B
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 29
هدف مقاله: این مقاله به بررسی کاربرد کلان داده در نوآوری و رهبری بازار در رابطه ی بنگاه به بنگاه می-پردازد. این چارچوبی برای تحلیل تأثیر کلان داده ارائه می دهد و 4 مطالعه ی موردی، پشتیبان نتایج هستند.
روش / رویکرد: این یک مقاله ی مفهومی است که توسط مطالعات موردی تأیید می شود و فرصتی برای تعمیم مفهومی ارائه می دهد. سازمان های انتخاب شده به‌عنوان مطالعه ی موردی در حال ارائه ی نوآوری هستند تا همچنان در بازار، پیشتاز باشند و فعالیت خود را گسترش دهند، با استفاده از کلان داده از فرصت-های بازار استفاده نموده و ابداعات نو خلق نمایند.
یافته ها: سازمان‌ها دریافت کنندگان و گردآورندگان کلان داده هستند، این تا اندازه ای در اثر افزایش حجم کسب‌وکار و آنلاین شدن تعاملات مشتریان پدید می آید. کاوش کیفی مطالعات موردی نشان می دهد کلان-داده و تحلیل ها و کاربردهای آن را می توان شاخصی برای توانایی سازمان‌ها در نوآوری در واکنش به فرصت-های بازار دانست. پیامدها / محدودیت های پژوهش: محیط بازاریابی آنلاین محیطی پویا است، در این محیط بایستی سازمان‌ها برای بقا دست به نوآوری بزنند. یک محدودیت این است که مطالعات موردی در این مقاله به آن دسته سازمان‌ها که در نوآوری عقب مانده اند، نمی پردازند، برای این سازمان‌ها، بقا یک مشکل بزرگ است. مثال های این مقاله محدود به سازمان های موفقی هستند که در آن‌ها کلان داده، داده کاوی و تحلیل، موفقیت راهبردی را نتیجه می دهند.
پیامدهای عملی: برخی سازمان های بنگاه به بنگاه در بازارهایی فعالیت دارند که خدمات و محصولاتشان تأثیر زیادی بر ارزشی که مشتریان بنگاه به بنگاه برای مشتریان نهایی (B2C) فراهم می آورند دارند و بایستی در فعالیت نوآوری خود، به‌طور کامل همراه با مشتریان بنگاه به بنگاه خود با بازار B2C درگیر شوند. این پیامدهایی در تمامی حوزه ها از منابع راهبردی تا منابع انسانی دارد. اگر دودمان سازمان بنگاه به بنگاه، فعالیت B2C موازی با فعالیت سایر مشتریان را شامل شود، اما فعالیت رقبا را در برنگیرد، این می تواند به آن‌ها مزیتی در بازاریابی ارائه دهد، اما اگر فعالیت های B2C آن‌ها دست درازی به فعالیت های B2C را آغاز نماید، این ممکن است موجب تعارض و زیان کسب‌وکار شود. این بدان معناست که چنانچه راهبرد بازاریابی مابین حوزه های مجزای شاخه های مختلف کسب‌وکار جای گیرد، پتانسیل تعارض افزایش می یابد.
اصالت / ارزش مقاله: ارزش مقاله در این است: سهمی که در درک نقش کلان داده در نوآوری کسب‌وکار به‌ویژه در سازمان های بنگاه به بنگاه و جایی که نوآوری آن‌ها می تواند تجربه ی مشتری در انتهای زنجیره ی ارزش (یعنی نزد مشتریان نهایی) را متحول کند، دارد. درنتیجه این مقاله به بررسی شکاف پژوهشی موجود در متون و مقالات کمک می کند و می خواهد بر نحوه ی اثرگذاری این نوآوری بر رابطه ی بنگاه به بنگاه تمرکز نماید.
کلیدواژه ها: داده های بزرگ | تحلیل | نوآوری | رهبری بازار | کسب‌وکار | مشتریان | پلتفرم ها | محاسبات ابری
مقاله ترجمه شده
7 تبدیل تاثیر فرایندهای مدیریت دانش به نوآوری دانش بنیاد: نقش نادیده گرفته شده و واسطه بهره وری دانشگر
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 23
این مقاله مدل تحقیق جدیدی برای بررسی نقش واسطه ای و حیاتی اما نادیده گرفته شده بهره وری دانشگر بین فرایندهای مدیریت دانش (تولید دانش، اشتراک گذاری دانش و به کارگیری دانش) و نوآوری فراهم می کند. داده ها از بین 369 دانشگر بخش فناوری اطلاعات پاکستان انتخاب و با نرم افزار اسمارت پی ال اس 3 نسخه 26 تحلیل شدند. نتایج نشان می دهد که بهره وری دانشگر بین دو فرایند مدیریت دانش (تولید دانش و استفاده از دانش) و نوآوری واسطه گری می کند. به هر حال بین اشتراک گذاری دانش و نوآور واسطه گری نمی کند. نتای ج نقش اساسی بهره وری دانشگر را تایید می کنند که چالش بارزی برای رشته مدیریت درقرن 21 در زمینه نوآوری دانش بنیاد محسوب می گردد. به علاوه نتایج نقش عمده رویکرد انسانی و فرهنگی به مدیریت دانش در رویکردهای سیستم محور، کلان داده ها و فناوری اطلاعات نشان می دهند.
واژگان کلیدی: فرایندهای مدیرتی دانش | نوآوری | عملکرد نوآوری | بهره وری دانشگر | دانشگر
مقاله ترجمه شده
8 ادغام ERP کلان داده و تجزیه و تحلیل کسب و کار (BA)
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 22
پیشرفت های فن آوری در محاسبات ابری، سیستم های کلان داده ، پایگاه داده بدون SQL، سیستم های شناختی، یادگیری عمیق و سایر تکنیک های هوش مصنوعی باعث یکپارچگی داده های تراکنشی ERP سنتی و جریان کلان داده از سیستم های مختلف رسانه های اجتماعی و اینترنت اشیا (IOTs) به سیستم تجزیه و تحلیل یکپارچه نه تنها قابل اجرا، بلکه اجتناب ناپذیر هستند. دو مرحله برای این ادغام برجسته شده است. نخست اینکه ERP کلان داده باعث ادغام داده های تراکنش های سنتی ERP و کلان داده ها شده است و دوم، باعث ادغام ERP کلان داده ها با فرآیند تجزیه و تحلیل کسب و کار (BA) شده است. همانطور که پیاده کنندگان سیستم ERP و کاربران BA با چالش های مختلف مواجه هستند، مدیران مسئول ادغام ERP-BA کلان داده نیز به طور جدی به چالش کشیده می شوند. برای کمک به آنها برای مقابله با این چالش ها، ما مدل SIST (هماهنگی استراتژیک، ادغام سرمایه فکری و اجتماعی و ادغام فناوری) را توسعه می دهیم و پیشنهاد می کنیم که این ادغام یک پروژۀ تکاملی با سطوح مختلف بلوغ برای عملکرد های مختلف کسب و کار است که احتمالا منجر به پایداری مزایای رقابتی می شود.
کلمات کلیدی: تجزیه و تحلیل کسب و کار | ERP | داده های بزرگ | مدل بلوغ | چشم انداز پورتفولیو | مزایای رقابتی پایدار
مقاله ترجمه شده
9 GFlink: یک ساختار محاسباتی درون حافظه ای روی خوشه های ناهمگن CPU-GPU برای داده های بزرگ
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 53
افزایش دادن ظرفیت حافظه اصلی و انفجار داده های بزرگ، توسعه مدیریت و پردازش داده های بزرگ درون – حافظه ای را تقویت کرده است. پیش از این با ارائه یک مدل کارآمد برای اجرای موازی درون حافظه ای که می تواند تنگنای دیسک I/O را حذف کند، اثبات شده است که بسترهای فعلی محاسبه خوشه ای درون حافظه ای (مثل فلینک و اسپارک) بسترهای برجسته ای برای پردازش داده های بزرگ هستند. با این حال، این بسترها صرفا" سیستمهای مبتنی بر واحد پزدارش مرکزی (سی پی یو) هستند. این مقاله جی فلینک (GFlink) را که یک ساختار محاسباتی درون حافظه ای روی خوشه های ناهمگن سی پی یو – جی پی یو برای داده های بزرگ می باشد، پیشنهاد می کند. ساختار پیشنهادی ما فلینک اصلی حاصل از خوشه های سی پی یو را به خوشه های ناهمگن سی پی یو – جی پی یو بسط می دهد که تاحد زیادی توان محاسباتی فلینک را بهبود می بخشد. به علاوه، ما یک چارچوب برنامه نویسی برمبنای مدل انتزاعی فلینک پیشنهاد کرده ایم یعنی سری داده ها (دیتا سِت) که پیچیدگی برنامه نویسی جی پی یو را که در پشت فصل مشترک های سطح بالای ساده و آشنا نفهته است، از بین می برد. برای دستیابی به عملکرد بالا و تعادل بار خوب، یک راهبرد ارتباطی جی وی ام (ماشین مجازی جاوا) – جی پی یو که یک طرح کَش برای جی پی یو است و یک طرح زمان بندی منطبقِ آگاه از موضع برای اجرای لوله کشی سه مرحله ای است پیشنهاد می شود. نتایج آزمایش مبسوط بیانگر این است که از توان محاسباتی بالای جی پی یو می توان به صورت کارآمد استفاده کرد و اجرا روی جی فلینک، عملکرد آن را روی فلینک اصلی مبتنی بر سی پی یو بالاتر از حد معمول می کند.
عبارتهای شاخص: داده های بزرگ | GPGPU | خوشه ناهمگن | محاسبات درون حافظه ای | OpenCL
مقاله ترجمه شده
10 روشهای تحلیل کلان داده در علوم اجتماعی
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 12
روشهای تحلیل کلان داده از موضوعات جذاب در حوزه علوم اجتماعی و تمام علوم محسوب میشود ، زیرا آنها میتوانند مجموعه داده ها را در جاهایی که تعداد متغیرها به مراتب بیشتر از تعداد موارد است را مورد تجزیه و تحلیل قرار دهند . بطور کلی ، روشهای تحلیل کلان داده بدنبال جستجوی خوشه بندیهای پایدار و بالقوه پیچیده / و یا پیش بینی داده ها هستند ، در حالیکه گامهای تهاجمی را نمیتوان بصورت تصادفی در اینموارد انجام داد . در مورد نکته سوم ، روشهای تحلیل داده های کلان اغلب در مورد ترکیب داده ها ، متغیرها اغراق میکنند ، و مدلی بمنظور اطمینان از راه حل ها ارایه میکنند ، بویژه در مواردی که روشهای آماری سنتی بندرت میتوانند اینکار را انجام دهند ، بجز در مواردی که موارد استثناء وجود دارد (مانند روشهای اعتبارسنجی متقابل ،مدلهای متغیر پنهان ) .
رونق پیشرفتهای روش شناختی و ابزار موردنیاز ، موجب شد تا دانشمندان علوم اجتماعی جعبه ابزار وسیعی را برای استفاده در اختیار داشته باشند . هدف از این موضوع فراهم ساختن برخی راهکارها برای محققان علوم اجتماعی است که ممکن است از روشهای تحلیل کلان داده ها که در دسترس قرار دارند احساس گیجی کنند و یا این روشها را مبهم بخوانند . علیرغم احساس گیجی و مستغرق بودن دانشمندان در فکر ، (یا شاید بخاطر آن) ، دانشمندان اجتماعی بصورت فزاینده ایی در جستجوی درک روشهای تحلیل کلان داده ها هستند و به تجزیه و تحلیل منطقی در مورد سووالاتِ تحقیق و داده ها میپردازند . امیدواریم این بررسی بتواند به این مسئله کمک کند ، و برخی منابع مهم را تقویت کند که :
a. ایجاد درک اساسی از روشهای مدلسازی کلیدی که برای کلان داده ها در دسترس قرار دارد .
b. -تجهیز نمودن محققان با مجموعه ایی از ابزار ، بر مبنای این روشها که در دسترس قرار دارند تجزیه و تحلیل داده ها انجام میشوند .
c. ارائه ی نمونه های اموزنده از برنامه های کاربردی مهم که برای روش شناختی کلان داده ها در علوم اجتماعی مورد استفاده قرار میگیرند .
منابعی که در زیر ارایه شده اند بدقت انتخاب شده اند ، امیدواریم در وقت ارزشمندِ خوانندگان روش شناختی کلان داده ها صرفه جویی نموده باشیم . توصیف هر یک از منابع بمعنای جامع بودن آنها نیست ، در عوض ، انها سیگنالهایی برای کشف بیشتر راه های انتخابی و استراتژیکی ارایه میکنند .
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi