دانلود ترجمه مقاله اولویت بندی اقلام داده ای برای آنالیزهای تجاری: چارچوب و کاربردی برای منابع انسانی

1. مقدمه 2. ارتباط عملی 3. چارچوبی برای کمیت ارزش اقلام داده ای 4. کاربرد در زمینه منابع انسانی (HR) 5. نتیجه گیری

چکیده – محبوبیت سیستم های هوش تجاری (BI) برای پشتیبانی از آنالیزهای تجاری و کسب و کاری در دهه گذشته به شدت افزایش یافته است. تعیین اقلام داده ای که باید در سیستم BI ذخیره گردد، برای تضمین موفقیت یک استراتژی تحلیل کسب و کار سازمان، حیاتی می باشد. بسط سیستم های BI متداول غالباً منجر به هزینه های بالای تولید داخلی، پاکسازی و حفظ اقلام داده ای جدید می شود در حالی که هزینه های ذخیره سازی داده ای اضافی در بسیاری از موارد با نگرانی هایی جزئی مواجه است (تفاوت مفهومی در سیستم های داده بزرگ در چیست). بنابراین، دیدگاه بالقوه بیشتر ناشی از اقلام داده ای جدید در سیستم های BI بوده و باید با هزینه های مربوط به ایجاد داده ها، تعدیل گردد. با اینکه مقالات مختلف این مسأله تصمیم گیری را تصدیق کرده اند، هیچ رویکرد مدل محوری برای این تصمیم گیری تا کنون ارائه نشده است. مقاله حاضر یک چارچوب تجربی برای اولویت بندی اقلام داده ای برای آنالیزهای تجاری ارائه داده و آن را در زمینه منابع انسانی به کار گرفته است. برای رسیدن به این هدف، چارچوب پیشنهادی، فعالیت های تجاری اصلی را در فرآیندی جامع اتخاذ کرده و اهمیت نسبی آنها و نیز همخوانی با آنالیزهای تصمیم گیری چند معیاره را مورد ارزیابی قرار داده است.

The popularity of business intelligence (BI) systems to support business analytics has tremendously increased in the last decade. The determination of data items that should be stored in the BI system is vital to ensure the success of an organisation’s business analytic strategy. Expanding conventional BI systems often leads to high costs of internally generating, cleansing and maintaining new data items whilst the additional data storage costs are in many cases of minor concern – what is a conceptual difference to big data systems. Thus, potential additional insights resulting from a new data item in the BI system need to be balanced with the often high costs of data creation. While the literature acknowledges this decision problem, no model-based approach to inform this decision has hitherto been proposed. The present research describes a prescriptive framework to prioritise data items for business analytics and applies it to human resources. To achieve this goal, the proposed framework captures core business activities in a comprehensive process map and assesses their relative importance and possible data support with multi-criteria decision analysis.