شناسايي و اولويت ‌بندي چالش‌ ها و كاربردهاي كلان‌ داده ‌ها در صنعت خرده ‌فروشي با استفاده از روش ‌هاي تصميم ‌گيري چند معياره

امروزه حجم زيادي از داده‌‌‌‌‌‌‌ ها كه از منابع مختلف با سرعت زياد و تنوع بالا توليد مي‌‌‌‌‌‌‌شوند، به نوآوري و تحول در بسياري از صنايع منجر شده‌‌‌اند. با توجه به اهميت روزافزون خلق ارزش از داده‌ها در صنعت خرده‌فروشي، بسياري از صنايع همچون اين صنعت، درصدد به‌كارگيري فناوري كلان‌‌‌‌‌داده‌ها برآمده‌اند. اما بسياري از مديران اين صنعت با تعدد گزينه‌‌‌هاي تصميم‌‌‌گيري براي به‎‌‌‌كارگيري كاربردهاي اين فناوري و نيز مشكلات پياده‌سازي آن مواجه هستند. از اين رو، هدف اصلي اين پژوهش، شناسايي و انتخاب مجموعه كاربردهاي كلان‎‌داده در صنعت خرده‌‎فروشي ايران است كه از مشكلات پياده‌‎سازي كمتري برخوردار است. در اين پژوهش، ابتدا با استفاده از روش فراتركيب با جست‎وجوي سيستماتيك در پايگاه‌هاي معتبر علمي، ابتدا مقالات مرتبط در خصوص كاربردهاي كلان‎داده در صنعت خرده‎‌‌فروشي بررسي شده است. سپس، با تحليل محتواي مقالات، كاربردهاي كلان‌‌‌‌‌‌‌داده در صنعت خرده‌فروشي شناسايي و دسته‌بندي شده‌‌‌‌‌اند. در ادامه، با شناسايي معيارهاي مربوط به مشكلات به‌كارگيري كلان‌داده و با استفاده از روش‌‌‌‌‌‌‌هاي كمي تصميم‌‌‌‌‌‌‌گيري چندمعياره به‌صورت تركيبي از روش‌هاي بهترين و بدترين، روش ديمتل و روش شباهت به راه‌‌‌‌‌حل ايدئال، اولويت كاربردهاي كلان‎‌داده  در صنعت خرده‌فروشي ايران مشخص شده است. يافته‌هاي اين پژوهش نشان ‌‌‌مي‌‌‌‌‌دهند كه سه كاربرد كلان‌داده شامل تعيين روندهاي بازار، تعيين ‌‌‌ پورتفوليوي بهينه محصولات و نيز بخش‌‌‌بندي خرده مشتريان از كمترين چالش و در نتيجه بالاترين اولويت برخوردار هستند و سه كاربرد همكاري داده‌‌‌محور، حذف محصولات تقلبي و چيدمان فضاي فروشگاه از بيشترين چالش و كمترين اولويت در صنعت خرده ‌فروشي ايران برخوردار بودند.