مروري بر مدل‌هاي آمادگي هوش كسب ‌و كار

Designing a Model for the Realization of Economic Complexity, Based on the Meta-Analysis of Scientific Research

پياده‌سازي سيستم‌هاي هوش كسب‌و‌كار (BI)) نياز به مقدار زيادي منابع و زمان دارد. آمارها نشان مي‌دهند كه ميلياردها دلار براي پياده‌سازي سيستم‌هاي هوش كسب‌و‌كار (BIS) صرف مي‌شود. با اين وجود، بيش از نيمي از پروژه‌هاي BI به مزاياي مورد انتظار نمي‌رسند. يكي از دلايلي كه سازمان‌ها قادر به تحقق بخشيدن به مزاياي واقعي سيستم‌هاي BI نيستند، عدم آمادگي آن‌ها براي پياده‌سازي اين پروژه‌هاست. BI يك مفهوم پيچيده است و معماري چندلايه دارد، به همين دليل است كه نياز به مدل آمادگي BI وجود دارد. ارزيابي آمادگي BI بخش‌هاي خاصي از ريسك اجرا را شناسايي مي‌كند تا خطرات را مديريت نموده و لذا احتمال موفقيت BI را افزايش مي‌دهد. تاكنون چندين مدل براي آمادگي سيستم‌هاي BI ارائه شده است. پژوهش حاضر با هدف بررسي و مقايسه مدل‌ها و عوامل مؤثر بر آمادگي هوش كسب‌و‌كار انجام شده است. در اين مقاله مدل‌هاي بدست آمده از مطالعات كتابخانه‌اي معرفي مي‌شود و سپس اين مدل‌ها براساس عوامل تأثيرگذار در آمادگي BI مورد مقايسه قرار مي‌گيرند. سازمان‌هايي كه قصد پياده‌سازي سيستم‌‌هاي BI را دارند مي‌توانند با استفاده از نتايج اين پژوهش و با توجه به عوامل مهم شناسايي شده، آمادگي سازمان خود را سنجيده و از اين طريق ريسك اجراي پروژه BI را كاهش دهند.

Implementing Business Intelligence Systems (BI) requires a lot of resources and time. The statistics show that billions of dollars are spent on these business intelligence systems (BIS), which show how important they are. Also, the cost of these systems is a large part of the expense of the organization. Unfortunately, with all these huge costs in these systems, more than half of the BI projects do not go to the real benefits of business intelligence systems. Here's one reason why organizations are not able to grasp the real benefits of business intelligence systems: Many of them are not ready for these systems. This is due to some of the challenges in implementing BI systems in organizations. BI implementation experiences show that the successful implementation of BI is beyond the implementation of technical infrastructure (hardware aspects) and requires the control of soft aspects and change management, which are recognized as the most difficult aspects of the successful implementation of BI applications. Business intelligence is a complex concept and has multi-layered architecture, which is why the BI readiness model is needed. Assessing BI readiness identifies specific implementation risk sections to manage and reduce these risks and thus increase the likelihood of BI success. So far, several models have been developed to prepare BI systems. In this paper, introduced models for BI readiness are presented, and then these models are compared based on the factors influencing BI readiness