1001 نکته مهندسی نرم افزار، سند نحوه انتخاب پلاتفرم، تکنولوژیها و امکانات مرتبط  و سند طراحی

سند نحوه انتخاب پلاتفرم، تکنولوژیها و امکانات مرتبط:

  • Native/ Computing Cloud
  • Traditional Web (browser‐based applications)
  • Mobile App
  • Desktop Application
  • Game
  • Embedded Systems
  • Data Science and Machine Learning
  • Blockchain
  • Artificial Intelligence (AI)

سند طراحی بر پایه :

  • database first
  • code first
  • schema first
  • model first
  • Presenter first
  • Pure client first
  • Hammock Driven Development
  • API first
  • Internal APIs (Private API)
  • External APIs
  • Public API
  • Open API
  • Partner APIs
  • Composite APIs
  • Unified APIs
  • Container-first and cloud-native
  • PaaS (platform as a service)
  • IaaS (infrastructure as a service)
  • SaaS (software as a service)
  • CaaS (containers as a service)
  • AI First
  • Agentic-First

ریفرنس : 1001 نکته مهندسی نرم افزار، نقشه را ه معماری، طراحی، توسعه، تست، استقرار، تحویل و نگهدار ی نرم افزارهای سازمانی بزرگ مقیاس

1001_Points_of_Software_Engineering_V03.pdf

ویرگول

1001 نکته مهندسی نرم افزار، سند مفاهیم و اصول برنامه سازی

سند مفاهیم و اصول برنامه سازی (Programming Concepts/Principles) مستقل از زبانهای برنامه نویسی (Coding Syntax)

  1. انتخاب طراحی و معماری مناسب پروژه
  2. CPU intensive, Data Driven, DDD, Event Driven
  3. انتخاب بهروشها Best Practice و الگوهای طراحی Design Patterns
  4. انتخاب الگوریتمهای مناسب Algorithms برای حل مسائل
  5. انتخاب ساختمان داده مناسب Data Structure برای حل مسائل
  6. انتخاب امکانات پایه برنامه سازی
  • Conditions
  • Loop/Iterations
  • Arrays/Sets
  • Functions
  • Sync(I/O Blocking)/Callbacks/Promise/Async-Await
  1. انتخاب پارادایم مناسب
  • Procedural
  • Object Oriented
  • Functional

ریفرنس : 1001 نکته مهندسی نرم افزار، نقشه را ه معماری، طراحی، توسعه، تست، استقرار، تحویل و نگهدار ی نرم افزارهای سازمانی بزرگ مقیاس

1001_Points_of_Software_Engineering_V03.pdf

ویرگول

1001 نکته مهندسی نرم افزار، طراحی سطح پائین  Low-Level Design

در این مرحله طراحی سطح بالا، تبدیل به کلاسها، الگوریتمها، ساختمان داده، واسط ها، الگوهای طراحی، بهروشها ، API، Object-level Design، با جزئیات بیشتری خواهد شد. از مزایای این بخش میتوان به موارد زیر اشاره نمود:

  • این مرحله کمک میکند تا درک بهتری از چگونگی و نحوه تعامل از هر بخش نرم افزار داشته باشیم.
  • طراحی با ساختار بهینه، کمک میکند تا هر بخش سیستم براحتی به روز آوری شود، بدون اینکه سایر بخشها اثر پذیرند.
  • باعث میشود ارتباطات بین افراد دخیل در پروژه، موثرتر شود، چرا که هر یک از آنها درک شفافی از نحوه عملکرد هر یک از اجزا خواهند داشت.
  • باعث خواهد شد تا کد سازمان یافته تری تولید و به همان نسبت مشکلات کمتری گزارش شود.
  • در نهایت سبب خواهد شد تا فرآیند کد زنی سریعتر شود چرا که برنامه نویسان، طرح ها را با جزئیات دقیقتری دنبال خواهند کرد.

طراحی سطح پائین، غالبا شامل موارد زیر است:

  • Object Oriented Principles
  • Process of Analyzing and Design
  • UML Diagram
  • Design Principles
  • Design Patterns
  • Best Practices

ریفرنس : 1001 نکته مهندسی نرم افزار، نقشه را ه معماری، طراحی، توسعه، تست، استقرار، تحویل و نگهدار ی نرم افزارهای سازمانی بزرگ مقیاس

1001_Points_of_Software_Engineering_V03.pdf

ویرگول

1001 نکته مهندسی نرم افزار،  معماری  سیستم یا طراحی سطح بالا High-Level Design

انتخاب معماری درست برای سیستم شما می تواند تفاوت بین "موفقیت بلند مدت" و "کابوس ریفکتورینگهای بی پایان" باشد. معماری، ساختار کلی طراحی سیستم را نشان میدهد. در طراحی سطح بالا، تمرکز صرفا بر چگونگی تعامل اجزای مختلف سیستم با یکدیگر می باشد (بدون وارد شدن به جزئیات داخلی و کدینگ اجزا). این بخش کمک میکند تا افرادی که درگیر پروژه هستند به درک بهتری از اهداف هر جز دست یابند.

معماری خوب آنست که سیستم را تا حد امکان به شکلی مدلسازی و طراحی نماید که لایه "منطق و قواعد کسب و کار" مستقل از سایر لایه ها/اجزا/عناصر ( تکنولوژی، زیرساخت، پلاتفرم، فریم ورک، دیتابیس، واسط کاربری، سرویسها، APIs، ... ) بوده و متاثر از تغییرات آنها نباشد. چنین معماری/طراحی سبب خواهد شد تا هر لایه مستقل از سایر لایه ها، توسعه داده شده و تست شود.

برای پیاده سازی و اجرای معماری (طراحی سطح بالا) نیز می توان از الگوهای زیر سود جست

Software Architectural Styles

  • Actor-based Model (Distributed Shared nothing Concurrent programming via message passing)
  • Big Ball of Mud Antipattern (Coupling everythings)
  • Broker architecture pattern
  • Cell-Based Architecture
  • Centralized, Decentralized (Distributed Event-Based Systems)
  • Client–server (1990s)
  • Clean Architecture (2011)
  • Component-based
  • Controller Responder Pattern (Master/Slave)
  • Data-centric
  • Domain-Driven Design (DDD)(2003)
  • Screaming Architecture (Robert C. Martin, “Uncle Bob.”)
  • Event-Bus Pattern
  • Event Driven Architecture (EDA) (Event Driven Design & Message Driven Design)
  • Application Internal (etc, Goroutins in Golang, Akka)
  • Ephemeral (ESB (Enterprise Service Bus))
  • Queues (JMS) (etc, RabbitMQ, Active MQ)
  • Pub/Sub (Streaming ) (etc, Apache Kafka)
  • Feature-based Architecture (Vertical Slice Architecture)
  • Fractal Architectures (A Software Craftsman’s take to Infrastructure as Code IaC)
  • Hexagonal Architecture (also known as Ports and Adapters) (2005)
  • Layered architecture, N Layered (or multilayered and Segmented ) architecture
  • Three-tier, Multi-Tier Pattern (Application, API, Product Services, Common Services, Data)
  • Microkernel (Core) + Plug-ins architecture
  • Microservices architecture
  • Modular Monolith
  • Orchestration-Driven Service-Oriented Architecture (SOA)
  • Onion Architecture (2009)
  • Pipes and Filters architecture
  • Primary-Replica Architecture Pattern
  • Resource-oriented architecture
  • Rule-based
  • Serverless Architectures (BaaS (Backend as a Service) and FaaS (Function as a Service))
  • Space-based architecture (SBA)(Shared Nothing architecture & distributed computing architecture)
  • Shared Nothing architecture (SNA)

Software Architectural Patterns

  • Batch request (Request Bundle pattern)
  • Blackboard (design pattern)
  • Circuit Breaker
  • Claim-Check pattern
  • Competing Consumers pattern
  • CQRS + Event Sourcing
  • Inbox and outbox pattern
  • Model-View-Controller (MVC)
  • Peer-to-peer (P2P) architecture pattern
  • Publish-Subscribe messaging pattern
  • Queue-Based Load Leveling
  • Request-Response (REST, RPC, SOAP, …)
  • Rule-based
  • Saga pattern
  • Shared-Data pattern
  • Strangler fig pattern
  • Backpressure and Throttling

مهمترین بخش معماری یا طراحی سطح بالا این است که چگونه سیستمی مقیاس پذیر طراحی کنیم؟!

برای پاسخ به سوال فوق، بر روی گلوگاه های سیستم و موارد زیر بایستی تمرکز نمود :

  • Modularity, Separation of Concerns, Decoupling and Loose Coupling
  • Load Distribution, Horizontal Scalability (Scaling Out) (Elastic Infrastructure).
  • Geographic distribution: Deploy the system in multiple geographic regions to be closer to users.
  • Data partitioning, Scalable Data Sharding
  • Concurrency and Parallelism
  • Utilize technologies that support auto-scaling and load balancing
  • Software Architecture Scalability: Microservices Architecture, Event-Driven Architecture,
  • Space-Based Architecture, CQRS+Event Sourcing, Distributed Systems, Serverless Arch, …
  • Single Point of Failure (SPOF ) in System Design
  • Common Single Points of Failure in Systems
  • Databases
  • Application Servers
  • Load Balancers
  • Network Connections
  • Strategies to Eliminate Single Points of Failure
  • Redundancy
  • Availability Zones and Failover Mechanisms
  • Load Balancing
  • Geographic Distribution
  • Monitoring and Alerts
  • Health monitoring
  • Availability monitoring
  • Performance monitoring
  • Secuity monitoring
  • Usage monitoring
  • Fault Tolerance & Resilience
  • Asynchronous Processing: Use message queues and asynchronous tasks to handle operations that don't require immediate responses
  • Statelessness: Design services to be stateless, meaning they don't store session data between requests. This simplifies scaling and load balancing.
  • Cloud-Native Design & Resource Management
  • Performance Optimization
  • Maintainability & Extensibility
  • Capacity Estimation
  • Caching and Content Delivery Networks (CDNs)
  • Prefer simple CAP systems over exotic eventual consistency if possible.
  • Observability, Monitoring and Performance Optimization (identify bottlenecks)
  • Tradeoffs and Priorities

ریفرنس : 1001 نکته مهندسی نرم افزار، نقشه را ه معماری، طراحی، توسعه، تست، استقرار، تحویل و نگهدار ی نرم افزارهای بزرگ مقیاس و سازمانی

1001_Points_of_Software_Engineering_V03.pdf

1001 نکته مهندسی نرم افزار، انواع طراحی و مدل سازی

به شکل کلی، طراحی و مدل سازی معمولا دارای سه سطح به شرح ذیل می باشد :

  1. سند طراحی/مدلسازی مفهومی : یعنی معماری ایده آل، انتزاعی و ذهنی از هدف مورد نظر است که صرفا اجزای اکو سیستم، علل، مرزبندی/دامنه، وجود ارتباط بین اجزا و چارچوبها را نمایش میدهد. اجزای اکو سیستم در این مرحله دارای هیچ وزن و یا مشخصه کمّی/کیفی، کارکردی/عملکردی، تکنولوژیک نمی باشند و صرفاً حضور یا عدم حضور آنها اهمیت دارد.
  2. سند طراحی/مدلسازی منطقی : این بخش شامل کلیه حقایق (و ایده آل های) اکوسیستمی است که بایستی به آنها پرداخته شود. در این مدل، اجزای اکو سیستم، بهمراه مشخصه های کمّی، کارکردی(Functional)، نحوه ارتباط بین اجزا(یک طرفه، دوطرفه، کدینگ) و وظایف و نتایج مورد انتظار طراحی می شود. این مدل نسبت به طراحی مفهومی، دارای سطح پائین تری بوده و ارتباط اجزا و سیستم ها و همچنین از نظر تکنولوژیک کاملا بایستی منطقی، عقلانی و در دسترس بوده و از نظر موفقیت های تجاری قابل پذیرش باشد.
  3. سند طراحی/مدلسازی فیزیکی(Detail Design) : در این مدل، اجزای اکو سیستم، بهمراه مشخصه های کیفی، عملکردی(Non Functional)، و استانداردهای مربوطه طراحی می شود. طراحی بایستی به شکلی باشد که شامل مشخصات کلیه ورودی ها، خروجی ها، فرآیندها، زمانبندی و همچنین شیوه ارتباط با سایر اکوسیستم های مجاور و مرتبط در مجموعه باشد. خروجی طراحی این بخش بایستی کاملا منطبق با آنچه که قرار است واقعیت یابد و عملیاتی شود، با جزئیات کامل تهیه و ارائه گردد.

بدیهی است که در طول دوره رشد و بلوغ اکوسیستم هریک از این بخش ها نیز به نوبه خود غنی تر خواهد شد. طراحی و مدلسازی می تواند بالا به پائین و یا پائین به بالا بوده، و البته معمولا ترکیبی از این دو می باشد.

ریفرنس : 1001 نکته مهندسی نرم افزار، نقشه را ه معماری، طراحی، توسعه، تست، استقرار، تحویل و نگهدار ی نرم افزارهای سازمانی بزرگ مقیاس

1001_Points_of_Software_Engineering_V03.pdf

1001 نکته مهندسی نرم افزار،نیازمندیهای غیرکارکردی(کیفی) Non-Functional Requirement Specification

بخش نیازمندیهای کیفی بمراتب مفصل تر از نیازمندیهای کارکردی است و متاسفانه کمتر به آن توجه میشود:

  • قابلیت نگهداری Maintainability
  • تحلیل پذیری Analyzability
  • سازگار پذیری Adaptability
  • قابلیت تکامل Evolvability
  • چابکی Agility
  • Modifiability
  • توسعه پذیری Extensibility
  • Portability & Multiplatform
  • Changeability
  • مقیاس پذیری Scalability
  • انعطاف پذیریFlexibility
  • ماجولار Modularity
  • پایائی/پایداری Stability (متفاوت است با بخش آزمون پذیری تست پایداری)
  • Durability
  • Sustainability
  • کشسانی Elasticity and autoscaling
  • کارا Efficiency
  • Completeness
  • درستی Correctness
  • Dependability
  • Robustness
  • Reusability
  • Interoperability
  • CAP theorem
  • PACELC theorem
  • Encapsulation and Abstraction
  • مقاومت و تاب آوری Resiliency
  • Fault-Tolerant (تکنیکهای تحمل خطا و ادامه بدون وقفه)
  • Fault Detection
  • Fault Isolation
  • Self Healing
  • Chaos engineering
  • Health checks
  • Idempotent API
  • System Monitoring & Alerting
  • Observability and Tracing
  • Geographic Distribution
  • Load Balancing
  • Replication
  • Redundancy
  • Graceful Degradation
  • Graceful shutdown
  • Load Balancing
  • Failover
  • Automate Disaster Recovery
  • Good Data Backup
  • Use Rate Limiting
  • Implement Circuit Isolation
  • Features
  • Retry Mechanism
  • Time Out
  • Circuit Brekers (Jitter Pattern)
  • Fallback (Default responses)
  • Fault Recovery
  • Bulkheads
  • مدل قابلیت اعتماد/اعتبار Reliability Models
  • Basic Execution Time Model
  • Jelinski and Moranda Model
  • Sukert Modified Schick-Wolverton Model
  • Lipow Modified Version of Jelinski-Moranda Geometric Model
  • Schick Wolverton Model
  • GO-Imperfect Debugging Model
  • Jelinski-Moranda Geometric Model
  • Little-Verrall Bayesian Model
  • Shanthikumar General Markov Model
  • Error Detection Model for Application during Software Development
  • The Langberg Singpurwalla Model
  • Jewell Bayesian Software Reliability Model
  • Quantum Modification to the JM Model
  • Optimal Software Released Based on Markovian Software Reliability Model
  • A Modification to the Jelinski-Moranda Software Reliability Growth Model Based on Cloud Model Theory
  • Modified JM Model with imperfect Debugging Phenomenon
  • Goel-Okumoto (GO) Model
  • Musa-Okumoto Logarithmic Model
  • Observability
  • آزمون پذیری Testability
  • Black/white box
  • امنیت Assurance , Safety & Security
  • پایداری Stability
  • مهندسی قابلیت استفاده Usability و ارزیابی آن
  • Understandability
  • Learnability
  • Operability
  • UI/UX
  • High availability
  • یکپارچگی Consistency
  • میزان انطباق فرآیندهای کارکردی با نیازمندیهای کاربران نهائی
  • اندازه گیری متریکها (Proces, Project, Product) و میزان تاثیر عناصر بر یکدیگر
  • استاتیک/داخلی
  • LOC (Line of code)/Person/Time
  • KLOC- Thousand lines of code
  • NLOC- Non-comment lines of code
  • KDSI- Thousands of delivered source instruction
  • Number of entities in ER diagram
  • Total number of processes in detailed data flow diagram
  • Function Point Analysis/Count
  • Count the number of functions of each proposed type.
  • Compute the Unadjusted Function Points (UFP).
  • Find the Total Degree of Influence (TDI).
  • Compute Value Adjustment Factor (VAF).
  • Find the Function Point Count (FPC).
  • Halstead’s Software Metrics
  • Program length
  • Vocabulary size
  • Program volume
  • Program level
  • Program difficulty
  • Program effort
  • Time to implement
  • Language Level
  • Intelligence Content
  • Programming Time
  • Operational reliability
  • Mean Time to Failure (MTTF)
  • Mean Time to Repair (MTTR)
  • Mean Time Between Failure (MTBF)
  • Mean Up Time (MUT)
  • Mean Down Time (MDT)
  • Rate of occurrence of failure (ROCOF)
  • Probability of Failure on Demand (POFOD)
  • Availability (AVAIL)
  • Maturity
  • Recoverability
  • Software Fault Tolerance
  • Recovery Block
  • N-Version Software
  • N-Version Software and Recovery Blocks
  • دینامیک/هیبرید
  • Cyclomatic Complexity
  • Extent of class usage
  • Dynamic Coupling
  • Dynamic Lack of Cohesion
  • اندازه گیری پیچیدگی(Complexity ) و میزان تاثیر گذاری آن بر بهره وری(Productivity) محصول
  • پیچیدگی(Complexity) و میزان تاثیر گذاری آن بر قابلیت اعتماد/اعتبار (Rreliability) محصول و ثبات (Stability) آن
  • Service Level Agrements SLA
  • Traffic Patterns
  • Workload Characteristics
  • Data Consistency Models
  • CIA triad
  • محرمانگی Confidentiality
  • یکپارچگی/انسجام Integrity
  • دسترس پذیری Availability

ریفرنس : 1001 نکته مهندسی نرم افزار، نقشه را ه معماری، طراحی، توسعه، تست، استقرار، تحویل و نگهدار ی نرم افزارهای بزرگ مقیاس و سازمانی

1001_Points_of_Software_Engineering_V03.pdf

1001 نکته مهندسی نرم افزار،نیازمندیهای کارکردی Functional Requirement Specification

  • کار درست چیست؟ : طراحی فرآیندهای درست برای انجام وظایف (Correctness )
  • چگونگی انجام کار؟ : درستی و صحت پروسه ها، وظایف و فعالیتها و نحوه گردش کار
  • میزان انسجام/هماهنگی/انطباق (Consistency) طراحی و انطباق پذیری روشها/متدها با فرآیندهای کارکردی

برای پاسخ به موارد فوق بایستی موارد زیر عمیقا بررسی گردد:

  1. درک دامنه بیزینس
  2. تشخیص مشکلات و مسائل موجود
  3. ارزیابی
  4. طبقه بندیها
  5. اولویتها
  6. صحت/اعتبار سنجی
  7. تحلیل سازگاری، رفع ابهام و تناقضات
  8. مدلسازی فرآیندهای کسب و کار BPMN
  9. معماری اطلاعات و داده مورد نیاز
  10. Data Flow Diagrams & Interactions
  11. Data Dictionaries
  12. Entity Relationship Diagrams

بایستی بخاطر داشت که نسبت موارد Functional به NonFunctional همانند کوه یخ است. نیازمندیهای کارکردی قسمتی از کوه یخ است که بیرون آب بوده و دیده میشود، در حالیکه نیازمندیهای عملکردی/کیفی قسمتی است که زیر آب بوده و عموما توجهی به آن نمی شود. مواردی که به عنوان بدهی فنی در نظر گرفته میشود، عموما در این بخش قرار دارد.

نکته : چنانچه نیازمندیهای کارکردی به درستی پیاده سازی شود (در بهترین حالت)، حاصل یک سیستم "Functional Prototype" خواهد بود و چنانچه نیازمندیهای کیفی/عملکردی نیز بدرستی لحاظ گردد، اکنون یک سیستم "Production-Ready" مقیاس پذیر خواهید داشت.

ریفرنس : 1001 نکته مهندسی نرم افزار، نقشه را ه معماری، طراحی، توسعه، تست، استقرار، تحویل و نگهدار ی نرم افزارهای بزرگ مقیاس و سازمانی

1001_Points_of_Software_Engineering_V03.pdf

1001 نکته مهندسی نرم افزار، بیزینس کانسپت

  1. بیزینس پلن و سازمان پروژه
    • ترکیب نیروهای سازمان پروژه
    • زمان بندی(شکست) پروژه و مایلستون ها
    • نحوه مدیریت ریسک
  2. اقتصاد نرم افزار، ایده اولیه و نحوه Promoting and Monetizing
  3. انواع نقش ها و کاربران (Admin, Operator, Users, …)
  4. قرارداد(بندها، تبصره ها، پیوستها، فورس ماژور، جرائم و پنالتی ها، ...)
  5. سند نیازمندیها : Software Requirement Specification (SRS)
  • نیازمندیهای کارکردی کاربران/مشتریان
  • نیازمندیهای غیرکارکردی/کیفی
  • نیازمندیهای صاحبان کسب و کار
  • نیازمندیهای معماری و طراحی
  • نیازمندیهای بازار، کسب و کار و همچنین سازمان تنظیم مقررات مربوطه
  • نیازمندیهای سازمان مقرارت Regulatory

ریفرنس : 1001 نکته مهندسی نرم افزار، نقشه را ه معماری، طراحی، توسعه، تست، استقرار، تحویل و نگهدار ی نرم افزارهای بزرگ مقیاس و سازمانی

1001_Points_of_Software_Engineering_V03.pdf

انواع نیازمندیهای (نیازمندیهای کارکردی) مهندسی نرم افزار

نیازمندیهای کارکردی (Functional Requirement Specification (FRS): What the system does)

  1. درک دامنه بیزینس
  2. تشخیص مشکلات و مسائل موجود
  3. ارزیابی
  4. طبقه بندیها
  5. اولویتها
  6. صحت/اعتبار سنجی
  7. تحلیل سازگاری، رفع ابهام و تناقضات
  8. مدلسازی فرآیندهای کسب و کار BPMN
  9. معماری اطلاعات و داده مورد نیاز
  • Data Flow Diagrams & Interactions
  • Data Dictionaries
  • Entity Relationship Diagrams

نکته : چنانچه نیازمندیهای کارکردی به درستی پیاده سازی شود (در بهترین حالت)، حاصل یک سیستم "Functional Prototype" خواهد بود و چنانچه نیازمندیهای کیفی/عملکردی نیز بدرستی لحاظ گردد، اکنون یک سیستم "Production-Ready" مقیاس پذیر خواهید داشت.

ریفرنس: 1001 نکته مهندسی نرم افزار Software_Engineering_V02.pdf


[1]- https://www.scaler.com/topics/software-engineering/data-flow-diagrams/

فعالیت های توسعه نرم افزار شامل موارد زیر می باشد:

  1. شناسایی (گردآوری، مستندسازی و اعتبار سنجی) نیازمندیها
  2. برنامه ریزی توسعه نرم افزاری
  3. معماری و طراحی نرم افزار
  4. پیاده سازی، آزمایش و مستندسازی
  5. گسترش/توسعه و نگهداری نرم افزار

مرحله تعریف نیازمندیها و تعیین معماری و طراحی:

بر چیستی تاکید دارد. چه اطلاعاتی باید پردازش شود، کدام کارایی مطلوب است، چه رفتار های سیستمی قابل انتظار است، چه رابطه‌ هایی را می‌ توان برقرار کرد، چه محدودیت‌ هایی وجود دارد و بطور کلی خواسته‌ های کلیدی سیستم شناسایی می‌ شود.

مرحله توسعه و استقرار Software development :

بر چگونگی تاکید دارد. داده‌ ها چه ساختاری داشته باشند، عملیات درون معماری چگونه پیاده سازی می‌ شوند، جزییات روال‌ ها، ویژگی‌ های واسط‌ ها، زبان برنامه نویسی، نحوه آزمایش‌ ها.

سه کار عمده در این فاز شامل :

  1. تولید سورس کد Software development
  2. آزمایش نرم افزار Software testing
  3. استقرار

مرحله نگهداری و پشتیبانی Software maintenance :

بر تغییراتی تاکید دارد که با تصحیحات مورد نیاز در جهت تکامل محیط نرم افزار در ارتباط هستند و همچنین تغییراتی که ناشی از تغییر خواسته‌ های مشتریان/کاربران هستند.

ریفرنس: 1001 نکته مهندسی نرم افزار

Software_Engineering_V02.pdf

1001 نکته مهندسی نرم افزار، مهندسی نرم افزار چیست؟

مهمترین رکن مهندسی نرم افزار ، دریافت درکی درست از نیازمندیها، و سپس طراحی راه حلی است که به شکلی موثر به آنها پاسخ دهد. این شامل گردآوری، مستندسازی و اعتبار سنجی نیازمندیها و سپس طراحی معماری نرم افزار و ماجولهای آن به شکلی است که قابل نگهداری(توسعه قابل برنامه‌ریزی و تکرارپذیر باشد)، مقیاس پذیر، موثر، قابل اعتماد و با کیفیت باشد. مهندسی نرم‌افزار باید شامل مجموعه‌ای از حوزه‌ها و فرآیندهای کلیدی باشد تا بتواند چرخه‌ی عمر یک نرم‌افزار را از ایده تا پیاده‌سازی و نگهداری به‌صورت ساخت‌یافته مدیریت کند. فرآیند مهندسی نرم افزار بایستی در زمان مشخص، با هزینه و بودجه مشخص(مقرون به صرفه) و کیفیت قابل قبول، به روش‌های سیستماتیک، قابل اندازه‌گیری و مهندسی‌شده انجام گیرد.
مهندسی نرم‌افزار، نحوه نوشتن راه ‌حل نیست، بلکه شناسایی آنچه باید در راه ‌حل باشد است.

https://github.com/jamsahar/Documents/blob/main/Software_Engineering_V02.pdf

Data Warehouse Project Data jobs

Data Warehouse Project Data jobs:

1. Big Data Analytics
2. Business Data Analyst
3. Business Data Expert
4. Change Data Capture
5. Conceptual/Logical/Physical Data Designer
6. Data Acquisition Manager
7. Data Administrator
8. Data Analysis Manager
9. Data Analysis/Analyst
10. Data Analytics Architect
11. Data Analytics Consultant
12. Data Analytics Manager
13. Data Architect
14. Data Build Engineer
15. Data Cleansing
16. Data Consultant
17. Data Conversion Analyst
18. Data Conversion Consultant
19. Data Conversion Manager
20. Data Conversion Specialist
21. Data Entry Administrator
22. Data Entry Analyst
23. Data Entry Clerk
24. Data Entry Technician
25. Data Governance Consultant
26. Data Governance Manager
27. Data Governance Specialist
28. Data Integration Analyst
29. Data Integration Architect
30. Data Integration Consultant
31. Data Integration Developer
32. Data Integration Specialist
33. Data Integrity Analyst
34. Data Integrity Manager
35. Data Integrity Project Manager
36. Data Integrity Specialist
37. Data Manager
38. Data Mapping
39. Data Mart Analyst
40. Data Mart Consultant
41. Data Mart Developer
42. Data Mart Specialist
43. Data Migration Analyst
44. Data Migration Consultant
45. Data Migration Engineer
46. Data Migration Manager
47. Data Migration Specialist
48. Data Mining Analyst
49. Data Mining Consultant
50. Data Model Consultant
51. Data Model Manager
52. Data Modeller
53. Data Network Administrator
54. Data Network Analyst
55. Data Network Engineer
56. Data Planning Engineer
57. Data Processing Manager
58. Data Programmer
59. Data Protection Analyst
60. Data Quality Analyst
61. Data Quality Consultant
62. Data Quality Manager
63. Data Quality Project Manager
64. Data Quality Specialist
65. Data Security
66. Data Stewardship
67. Data Storage Administrator
68. Data Storage Analyst
69. Data Storage Consultant
70. Data Storage Engineer
71. Data Storage Manager
72. Data Storage Specialist
73. Data Transcript Engineer
74. Data Validation
75. Data Visualisation
76. Data Visualisation Specialist
77. Data Warehouse Analyst
78. Data Warehouse Architect
79. Data Warehouse Consultant
80. Data Warehouse Developer
81. Data Warehouse Manager
82. Data Warehouse Officer
83. Data Warehouse Project Manager
84. Data Warehouse Specialist
85. Data Warehouse Test Analyst
86. Enterprise Data Architect
87. Enterprise Data Management
88. ETL Expert
89. Fraud Data Analyst
90. Fund Data Analyst
91. GIS Data Analyst
92. Lead Data Architect
93. Linked Data
94. Market Data Analyst
95. Market Data Business Analyst
96. Market Data Engineer
97. Market Data Infrastructure Analyst
98. Market Data Manager
99. Market Data Project Manager
100. Market Data Software Engineer
101. Market Data Specialist
102. Market Data Support Analyst
103. Market Data Support Engineer
104. Marketing Data Analyst
105. Master Data manager
106. Reference Data
107. Reference Data Business Analyst
108. Senior Data Analyst
109. Senior Data Architect
110. Senior Data Modeller
111. Senior Data Warehouse Analyst
112. Senior Data Warehouse Architect
113. Senior Data Warehouse Consultant
114. Senior Data Warehouse Developer
115. Senior Data Warehouse Manager
116. Senior Data Warehouse Project Manager
117. Senior Data Warehouse Specialist
118. Senior Market Data Engineer
119. Statistical Data Analyst
120. Test Data Analyst

نگارنده: خشایار جام سحر

The Top 10 Strategic CIO Issues For 2013

The Top 10 Strategic CIO Issues For 2013

  1. Simplify IT and Transform Your Spending: Kick the 80/20 Budget Habit.
  2. Lead the Social Revolution: Drive the Social-Enabled Enterprise.
  3. Unleash Your Company’s Intelligence: Create the Enterprise-Wide Opportunity Chain.
  4. Embrace the Engagement Economy: Merge the Back Office and the Front Office into the Customer Office.
  5. Future-Proof Your IT Architecture.
  6. Upgrade “Cloud Strategy” to “Business Transformation Enabled by the Cloud.”
  7. Transform Big Data into Big Insights, Big Vision, and Big Opportunities.
  8. Preside over a Shotgun Wedding: Systems of Record Marry Systems of Engagement.
  9. Lead with Speed: CIO as Chief Acceleration Officer.
  10. Bend the Value Curve: More Innovation, Less Integration.

Source: http://www.forbes.com/sites/oracle/2012/09/28/the-top-10-strategic-cio-issues-for-2013/

هوش تجاری.

بسیاری از سازمان‌های ایرانی در حال حاضر سیستم‌های اطلاعاتی پایه مانند حسابداری، انبار، حقوق، فروش را بخوبی عملیاتی كرده‌اند. اما علیرغم وجود گزارش‌های مفید در سطوح عملیاتی و مدیران میانی، مدیران ارشد معمولا بطور بدون واسطه از گزارش‌های سیستمی استفاده نمی‌كنند. دلیل این امر حجم زیاد اطلاعات و عدم تلفیق و تحلیل اطلاعات سیستم‌های مختلف است. هوشمندی تجاری (Business Intelligence) مجموعه‌ای از ابزارها و تكنولوژی‌های نوین برای یكپارچه‌سازی، تحلیل و نمایش اطلاعات است كه بمنظور تسریع و بهینه‌سازی فرآیند تصمیم‌گیری سازمانی مورد استفاده قرار می‌گیرد .

اطلاعات به سرمایه بسیار باارزشی برای سازمان‌ها تبدیل شده است. پیاده‌سازی سیستم‌های مدیریت عملكرد و هوشمندی كسب و كار (Business Intelligence) مسیری است كه امروزه سازمان‌ها برای استفاده مناسب از این سرمایه سازمانی، طی می‌كنند. داشبوردهای سازمانی انبوه اطلاعات موجود در سازمان را خلاصه كرده و متناسب با نیاز هر مدیر در اختیار او قرار می‌دهند. مزیت اصلی داشبوردهای سازمانی استفاده از سمبل‌ها و شكل‌های گرافیكی ساده است كه براحتی مدیران را در یافتن مسایل و مشكلات موجود راهنمایی می‌كنند. سازمان‌های كشور غالبا در گام اول بلوغ هوشمندی كسب و كار هستند و مدیران ارشد سازمان‌ها علی‌رغم وجود اطلاعات جزیی در سیستم‌های اطلاعاتی سازمان‌شان به ناچار از گزارش‌هایی كه بصورت دستی خلاصه‌سازی یا تحلیل شده‌اند، برای پایش وضعیت سازمان‌شان استفاده می‌كنند. مشكلات اصلی این روش زمان‌بر بودن تهیه گزارش‌های تحلیلی و پایین‌بودن سطح كیفیت اطلاعات برای تصمیم‌گیری‌های مهم سازمانی است.

سازمان شما برای انجام عملیات و فعالیت‌های روزمره خود به سیستم‌های اطلاعاتی متكی است. مشاهده و تحلیل تمامی اطلاعات و گزارش‌های جاری در این سیستم‌ها كار بسیار دشوار و در اغلب موارد ناممكن است. شناسایی اطلاعات كلیدی برای تصمیم‌گیری و ایجاد یك فرآیند ساختاریافته برای كسب مستمر آن، رمز موفقیت شما در بهبود عملكرد سازمان است. هدف این راهكار استفاده از انبوه اطلاعات موجود در سطوح عملیاتی سازمان و كمك به افزایش هوشیاری لازم برای تصمیم‌گیری و مدیریت سازمان است. 
استفاده از شاخص‌های كلیدی عملكرد (Key Performance Indicators) برای پایش كسب و كار، مدیران را قادر می‌سازد تا با توجه به مسئولیت‌ها و اختیارات خود از این ابزار بعنوان اهرمی برای بهبود عملكرد سازمانی استفاده كنند. برنامه‌ریزی، پایش و بهبود عملكرد در وجوه مختلف سازمانی، ابزار تحول سازمانی هستند.

راهكار مدیریت عملكرد اطلاعات كلیدی سازمان از سیستم‌های اطلاعاتی مختلف گردآوری، تلفیق و تحلیل می‌كند و این اطلاعات را در قالب شاخص‌های كلیدی عملكرد بصورت داشبورد سازمانی یا كارت‌های امتیازی متوازن در اختیار مدیریت سازمان قرار می‌دهد. مدیریت درصورت نیاز می‌تواند جزییات مربوط به هر شاخص را تا جزئی ترین سطح مشاهده كند. برای مثال اگر شاخص رشد دآمد وضعیت مطلوبی نداشته باشد، مدیر می‌تواند روند فروش را به تفكیك محصول، گروه مشتری، منطقه جغرافیایی، مركز فروش و غیره مشاهده كند و به ریشه‌یابی و اصلاحات لازم برای بهبود وضعیت بپردازد.
دستاوردهای استقرار موفق راهكار مدیریت عملكرد بشرح زیر است:

  • از دوباره كاری‌ و حجم زیاد فعالیت‌ گردآوری اطلاعات و مدیریت عملكرد اجتناب می‌شود.
  • امور ارزیابی و نظارت بصورت سازمان یافته و برنامه ریزی شده و در حد لزوم انجام می‌شود.
  • وشهای ارزیابی عملكرد منطبق با رویكرد‌های علمی در چهارچوب امكانات موجود شكل می‌گیرد.
  • طلاعات ارزیابی و نظارت بصورت خودكار ، به‌سرعت، با دقت و بموقع جمع‌آوری و ارایه می‌شود.
  • ازیابی اطلاعات مربوط به نظارت‌ها و ارزیابی‌ها از منابع معینی بلافاصله امكانپذیر می‌شود.
  • نظام كنترل مدیریتی و انگیزشی در خدمت ایجاد تحول در جهت اهداف و استراتژی‌ها قرار می‌گیرد.
  • از اعمال نظرهای غیر كارشناسی اجتناب شده و صحت و قابلیت اتكاء به نتایج افزایش می‌یابد.
  • فرهنگ و زبان مشتركی از عملكرد مطلوب و نظام ارزیابی در كل سازمان استقرار ‌می‌یابد.
  • ایجاد و مشاهده شاخص‌های كلیدی عملكرد به صورت گیج، انواع چارت و سمبل‌های گرافیكی دیگر
  • ایجاد و مشاهده گزارشات و مقادیر در جداول به تفكیك‌های قابل تعریف و نامحدود  
  • قابلیت‌های سورت كردن اطلاعات و نمایش اطلاعات خاص مورد نظر مدیر مثلا محصولات پرفروش 
  • تعریف فرمول‌های محاسباتی شاخص‌ها با استفاده از اطلاعات موجود در مخزن داده
  • تعریف و مشاهده اهداف برای هر شاخص بصورت محدوده مطلوب، هشدار و نامطلوب
  • مشاهده میزان انحراف عملكرد واقعی از اهداف عملكردی و برنامه‌ریزی شده
  • تعریف و اعمال حقوق دسترسی مدیران مختلف به اطلاعات مورد نیازشان
  • تعریف صفحات و گزارشات جدید بصورت نامحدود و برقراری ارتباط منطقی بین صفحات
  • قابلیت فیلتر كردن و دسترسی به سطوح پایین‌تر اطلاعات در صورت نیاز
  • قابلیت‌های متعدد برای پیكربندی داشبورد مدیریتی متناسب با نیاز‌های هر مدیر

منبع: http://heydari.blogfa.com/posts

12 Criteria for Selecting the Best ERP System Replacement

12 Criteria for Selecting the Best ERP System Replacement:

Criteria #1–A Future Proof Decision
Criteria #2–Rock-Solid Solutions
Criteria #3–Replacement Know-How
Criteria #4–Elimination of Implementation Guesswork
Criteria #5–Tailor-Made Business Fit
Criteria #6–Industry Expertise
Criteria #7–Sound Financial Foundation
Criteria #8–Stacking the Technology Odds in Your Favor
Criteria #9–A Testament to Scalability
Criteria #10–Community Collaboration: Maximizing Customer Moments Of Truth
Criteria #11–Integrity and Dedication
Criteria #12–Delivering Return on Investment

Source: Epicor Software Corporation (www.epicor.com)

هدوپ و Big data.

سیستم ذخیره سازی هدوپ (Hadoop) چیست ؟
آیا تاكنون به این اندیشیده اید كه چطور شركت های بزرگی مانند یاهو یا فیسبوك می توانند اطلاعات زیاد و سنگین كاربران خود را نگهداری كنن؟ آیا در مورد سیستم ذخیره سازی كلود شركت هایی مانند گوگل، آمازون و دراپ باكس چیزی شنیده اید؟ بله.. جواب سؤال شما موضوع نوشتارمن می باشد.
 در ساختار كنونی سیستم های ذخیره سازی دادهها كه من آن را سیستم سنتی داده می نامم، شما ذخیره سازی اطلاعات را در یك سرور می بینید كه ایستگاه های كاری از طریق سیستم شبكه كامپیوتری به آن دسترسی خواهند داشت. شركت ها برای گسترش زیر ساخت و ذخیره سازی بیشتر اطلاعات به سرور خود چندین سیستم ذخیره ساز نظیر هاردهای اسكازی یا سس و یا نوار اضافه می كنند اما از پردازشگر و حافظه سرور خود همچنان بطور مركزی استفاده می كنند. این ساختار برای شركت های با حجم پایین كاری پاسخگوست اما آیا فكر می كنید این ساختار پاسخگوی شركت های بزرگی مانند یاهوو با داشتن یكصد و بیست و پنج هزار (تاكنون) سرور می باشد؟ بله درست حدس زدید. در اینجا نیاز به سیستم جدیدی هست كه بتواند قابل اطمینان باشد، از منابع سیستم بخوبی استفاده كند و همچنین قابلیت ترمیم اتوماتیك خود را داشته باشد. هدوپ (Hadoop) یا بهتر بگویم سیستم نرم افزاری انتشاری هدوپ پاسخ به نیاز شركت های بزرگی است كه به دنبال پیاده سازی سیستم كلود برای مشتریان خود هستند. 

هدوپ چیست؟
 هدوپ یك پروژه مبتنی بر برنامه نویسی متن باز است كه توسط سازمان نرم افزاری آپاچی ایجاد شده است. ایده اولیه هدوپ اولین بار در شركت گوگل رقم خورد اما خیلی ها باور به پیاده سازی این سیستم نداشتن و در چند سال اول این ایده تنها بصورت تئوری مطرح بود. هدوپ امكان ذخیره سازی اطلاعات را در چندین سرور ( پی سی) با هزینه ای پایین فراهم می آورد.  كلودرا شركتی است كه بصورت فعال در این زمینه فعال می باشد و بسته نرم افزاری بی نظیر هدوپ را ایجاد كرده و آن را انتشار داده و پشتیبانی می كند.
 
ساختار كلی هدوپ
 تكنولوژی هدوپ از دو بخش كلی اچ دی اف اس یا سیستم فایل انتشاری هدوپ (Hadoop Distribition File System) و همچنین تكنیك با كیفیت پردازی اطلاعات به نام مپ ریدیوس (MapReduce) استفاده می كند.
ساختار كلی اطلاعاتی در هدوپ بدینگونه می باشد كه اطلاعات توسط سیستم هدوپ شكسته شده و به چندین سرور فرستاده می شود.سرورها بسته به نوع اطلاعات كه ممكن است پردازشی یا ذخیره ای باشد اطلاعات را پردازش یا ذخیره سازی می كنند. در هنگام در خواست اطلاعات مجدد سیستم اطلاعات را از سرور های مختلف گرفته ، مونتاژ كرده و در خروجی نمایش می دهد.
 خوبی این سیستم تهیه نسخه پشتیبان از اطلاعات بصورت خودكار است. هر تكه از اطلاعات در چندین قسمت ( سرور ) ذخیره می شود و در صورت آسیب دیدن یكی از سرورها ، سرور دیگر قادر است مسؤولیت را بر عهده گرفته و اطلاعات مورد نظر را جایگزین كند.

 برای پیاده سازی هدوپ، كمترین تعداد سرور چند عدد است؟
 هرچند پیاده سازی سیستم هدوپ بر روی یك تك سیستم كامپیوتری پیشنهاد نشده است اما نصب و راه اندازی آن تنها برای تست و كسب تجربه روی یك سیستم امكانپذیر است. با توجه به اینكه در این سیستم نیاز به ایجاد نود-سرور هستیم لذا پیشنهاد می كنم در صورتی كه مایل به راه اندازی سیستم ذخیره سازی هدوپ برای سازمان خود هستید از چهار سیستم كامپیوتری ( یك سیستم مركزی و سه نود) استفاده كنید.

 چه شركت هایی نیاز به نصب هدوپ دارند؟
 سیستم هدوپ برای ذخیره سازی و پردازش حجم اطلاعات بسیار بالا طراحی شده است لذا اگر شركت شما در رده شركت های بزرگ ( اینترپرایز)بوده و دارای چندین هزار كارمند و چندین نرمافزار حجیم اطلاعاتی است از این سیستم استفاده كنید.
 منبع: نویسنده: كیانوش مرادیان persiandatanetwork.com

مقاله دوم:
چالش اصلی همه حوزه های شبکه یک موضوع است: «Big Data». مفهومی که به تازگی مطرح شده و به طور کلی به افزایش حجم اطلاعات غیرساختارمند و یکپارچه در کنار ذخیره سازی و پردازش آن ها می پردازد. Big Data اکنون چالش اصلی شبکه های گسترده و شرکت های بزرگ است و انواع راهکارهای کلاود، مجازی سازی، محاسبات موبایل، مراکز داده و حتی سیستم های نظارت تصویری و بی سیم را به خود مشغول می کند. در ابتدا این مفهوم و چالش را بررسی می کنیم و بعد به سراغ فناوری ها و حوزه های دیگر دنیای شبکه می رویم. 

Big Data؛ حرکت افزایش اطلاعات
وقتی بحث اطلاعات مطرح می شود باید این نکته را در نظر داشته باشیم که دو نوع اطلاعات داریم: اطلاعات ساختارمند که توسط ماشین های محاسباتی و کامپیوترها تولید شده و اطلاعات غیرساختارمند که توسط انسان ها تولید می شوند. اطلاعات ساختارمند مدیریت و ذخیره سازی به مراتب ساده تر و کم هزینه تری در مقایسه با اطلاعات غیرساختارمند دارند. بیش از نود درصد اطلاعات دیجیتالی در جهان، غیرساختارمند و نامرتب و با سرعت بسیار زیادی در حال رشد و افزایش هستند؛ به طوری که مدیریت آن ها به یک معضل اساسی تبدیل شده و شرکت ها به دنبال ابزارهایی برای کنترل و مدیریت اطلاعات در حجم های گسترده هستند. در چندین گزارش از وضعیت آینده شبکه ها در سال ۲۰۱۲ عبارت Big Data را می توان دید و به جدی بودن این موضوع پی برد. شبکه های اجتماعی یکی از بزرگ ترین تولیدکنندگان اطلاعات غیرساختارمند در شبکه های کنونی هستند. هر شخص روی پروفایل خود ده ها تصویر، فیلم، صوت و اطلاعات دیگر دارد، چون اطلاعات خصوصی هستند، توسط سازمان های بزرگ قابل مدیریت نیستند. این داده ها همچنین، روزانه ترافیک اینترنت را افزایش می دهند. ابزارهای مدیریت اطلاعات غیرساختارمند مختلفی از شرکت هایی مانند Greenplum، IBM، هیتاچی، اوراکل و بنیاد آپاچی در اختیار شرکت ها قرار دارد، اما همگی به یک نوع داده وابسته هستند و نمی توانند داده های مختلف را مرتب سازی کنند. برای نمونه این ابزارها نمی توانند ترافیک داده های تولید شده توسط گوشی های موبایل را کنترل کرده و پوشش دهند. براساس گزارش های منتشر شده، در سال آینده حجم کل اطلاعات دیجیتالی در جهان چهل درصد افزایش خواهد یافت؛ یعنی چیزی حدود ۴/۱ زتابایت افزایش اطلاعات داریم (هر زتابایت تقریباً برابر با هزار اگزابایت است). به همین دلیل، شرکت های بزرگ ارائه دهنده راهکارهای ذخیره سازی و مدیریت اطلاعات نسبت به این موضوع حساس شده اند و درحال بررسی شیوه های مختلف آنالیز و مدیریت اطلاعات هستند. بدون شک، یکی از گزینه های مطرح سرویس های مبتنی بر فناوری کلاود است که البته به قدرت محاسبات بسیار زیادی برای پردازش اطلاعات نیاز دارد.

منبع: میثاق محمدی زاده     ماهنامه شبکه ( www.shabakeh mag.com  

داده به عنوان ابزاری استراتژیک.

تصور شما از حجم انبوهی از داده‌ها چیست؟ یک هزار‌گیگابایت، ده‌ها هزار گیگابایت یا صدها هزار ترابایت! برای سال 2011 می‌توان نام‌های مختلفی یافت: سال شبکه‌های اجتماعی، سال محاسبات ابری، سال تبلت‌ها و تلفن‌های همراه هوشمند، سال سرویس‌های رنگارنگ اینترنتی و بسیاری موارد ریز و درشت دیگر. اما تنها با لحظه‌ای تأمل درخواهیم یافت که استفاده از هر یک از این ابزارهای نرم‌افزاری و سخت‌افزاری، یک نتیجه واحد در بر‌خواهد داشت: تولید داده و اطلاعات در ابعادی باورنکردنی و غیر قابل تصور. آمار و ارقام‌ها حاکی از آن است که در حال حاضر، روزانه 2,5 اگزابایت (1,048,576 ترابایت داده و اطلاعات توسط اشخاص و سازمان‌ها تولید می‌شود و این در حالی است که نود درصد از مجموع داده‌های موجود در جهان تنها در طول دو سال گذشته، یعنی سال‌های 2010 و 2011 ایجاد شده‌اند. پر واضح است که این روند با گسترش روزافزون تعداد کاربران سیستم‌های ارتباطی، بدون وقفه و با شیبی مهار‌ناشدنی ادامه‌یافته و آنچه بیش از هر زمان دیگری اهمیت خواهد داشت، یافتن روش‌ها، ابزارها و مکانیزم‌هایی برای ذخیره‌، بازیابی و تحلیل این حجم از داده به‌شکلی مؤثر و با کارایی بالا است.
 
رشد فوق‌العاده سریع حجم داده‌ها، اگرچه به‌خودی خود فرآیند ذخیره‌سازی، بازیابی و تحلیل اطلاعات را دشوار و مواجهه با آن را نیازمند ایجاد ابزارهایی جدید می‌کند، اما آنچه بحث داده و مکانیزم‌های مدیریتی آن را در پایان سال 2011 به‌چالش‌کشیده و به‌نوعی رویکرد اصلی‌سال آینده میلادی را در حوزه پایگاه‌های داده مشخص می‌سازد، آگاهی از این حقیقت است که نزدیک به نود درصد از کل داده‌های ذخیره‌شده در جهان دیجیتال، به نوعی غیر ساخت‌یافته (Unstructured Data) هستند و این موضوع ما را با مفهومی به‌نام «داده بزرگ» یا Big Data روبه‌رومی‌سازد.

در یک تعریف ساده و به‌دور از پیچیدگی‌های فنی، «داده بزرگ»، به مجموعه‌هایی از داده (datasets) گفته می‌شود که نرخ رشد آن‌ها بسیار بالا بوده و در مدت زمان کوتاهی، شامل چنان حجمی از اطلاعات می‌شوند که دریافت، ذخیره‌سازی، جست‌وجو، تحلیل، بازیابی و همچنین تصویرسازی آن‌ها با ابزارهای مدیریت داده موجود غیر قابل انجام خواهد بود. آنچه حائز اهمیت است، این است که برخلاف گذشته، مفهوم داده بزرگ تنها مختص به حوزه آکادمیک و حل مسائل علمی مانند شبیه‌سازی‌های پیچیده فیزیکی، تحقیقات زیست محیطی، هواشناسی و مانند آن نبوده و بسیاری از سازمان‌ها و شرکت‌های بزرگ در سال‌های آینده با مشکلات مربوط به داده‌های انبوه غیرساخت‌یافته یا همان Big Data مواجه خواهند بود.

شواهد فراوانی در اثبات این ادعا وجود دارند که از آن میان می‌توان به چهل میلیارد تصویر بارگذاری شده در تنها یکی از شبکه‌های اجتماعی، ثبت تراکنش‌های یک میلیون مشتری در هر ساعت در فروشگاه‌های زنجیره‌ای والمارت به‌منظور تحلیل علایق و عادت‌های خرید ایشان با حجمی بالغ بر 2,5 پتابایت (هر پتابایت برابر یك هزار ترابایت) و در یک کلام تولید 75 درصد از کل «داده بزرگ» توسط افراد و کاربران معمولی به میزان 1,35 زتابایت (هر زتابایت برابر یک هزار اگزابایت) اشاره کرد. این در حالی است که بر‌اساس تحقیقات به‌عمل آمده، حجم داده‌های موجود در جهان در سال 2012، چهل درصد افزایش یافته و به عددی بالغ بر 2,52 زتابایت خواهد رسید!
 پرواضح است که چنین حجمی از داده نیازمندی‌های خاص خود را داشته و ابزارهای مختص به‌خود را می‌طلبد. ابزارهایی مانند هادوپ (Hadoop) که بدون تردید جزء موفق‌ترین نمونه‌های پیاده‌سازی شده از تفکر NoSQL حسوب می‌شود. جنبش No SQL که در ابتدا با هدف جایگزینی پایگاه‌های رابطه‌ای و با شعار پایان رابطه‌ای‌ها (No SQL) خود را معرفی‌کرد، با مقاومت بزرگان و پشتیبانان مکانیزم‌های رابطه‌ای مواجه شد. مقاومتی که باعث شد تا این جنبش نوپا به‌درستی دست از سماجت برداشته و خود را به‌عنوان راه حلی مناسب برای مسائلی که پایگاه‌های داده رابطه‌ای در حل آن با دشواری مواجه هستند، مطرح کند و شعار «نه فقط رابطه‌ای» (Not only SQL) را برای خود برگزیند.
 این تغییر رویکرد، شرایط لازم را فراهم آورد تا تمامی فعالان این عرصه از موافق و مخالف بر مزایا و منافع این رویکرد تمرکز‌کرده و با مشارکت شرکت‌های‌قابل احترامی مانند یاهو و بنیاد آپاچی پروژه‌هایی مانند Hadoop، MangoDB، Cassandra، CouchDB و بسیاری از پروژه‌های دیگر، در جهت حل مسائل مرتبط با «داده بزرگ» پا به عرصه حیات بگذارند. رویکردی که بدون کمترین تردیدی در سال 2012 و سال‌های بعد از آن، در مرکز توجه بسیاری از شرکت‌های تولید‌کننده‌پایگاه‌های داده مانند آی‌بی‌ام، اوراکل، مایکروسافت و دیگران خواهد بود.

در واقع اگر بخواهیم با موشکافی بیشتری این حرکت جمعی به‌سوی تولید ابزارهای مدیریت داده‌های حجیم را مورد بررسی قرار دهیم باید این نکته را در نظر داشته باشیم که تقریباً تمامی این شرکت‌ها یا محصولاتی را (اغلب مبتنی بر کتابخانه هادوپ) روانه بازار‌کرده‌اند یا مراحل آماده‌سازی نهایی آن را سپری می‌کنند. به‌عنوان مثال، شرکت مایکروسافت در کنفرانس سالیانه PASS 2011 و درست یک هفته پس از آن‌که شرکت اوراکل از عرضه Big Data Appliance با توانایی پردازش داده‌های ساخت‌یافته و غیر ساخت‌یافته مبتنی بر هادوپ خبر داد، به‌طور رسمی پشتیبانی از پردازش «داده بزرگ» مبتنی بر این کتابخانه نرم‌افزاری را در SQL Server 2012 اعلام کرد. نکته جالب توجه آن‌که این شرکت پا را فراتر از پایگاه‌های رابطه‌ای گذاشته و وعده پشتیبانی از پردازش‌های مورد‌نیاز داده‌های حجیم و غیر ساخت‌یافته را روی سیستم‌عامل Windows Server 2012 و معادل مبتنی‌بر ابر آن، یعنی Windows Azure را به علاقه‌مندان محصولات خود داد.

علاوه بر مایکروسافت و اوراکل دیگر صاحب ‌نامان این حوزه همچون آی‌بی‌ام (عرضه كننده محصولاتی مانند Info Sphere BigInsight و Info Sphere Streams) و همچنین شرکت EMC (با مجموعه ابزارهای Greenplum شامل Database، HD و Chorus) حرکت خود را به سمت فراهم آوردن مکانیزم‌های مورد نیاز برای پردازش داده‌های بزرگ آغاز کرده‌اند و شکی نیست که در سال آینده نیز با تمام توان و به‌منظور کسب سهم بیشتری از این بازار رو به گسترش، تلاش‌کرده و شاهد ورود ابزارهای پردازشی فراوانی در این حوزه خواهیم بود.

کلام پایانی آن‌که، سال 2012 را در بحث پایگاه‌های داده، می‌توان به‌نوعی سال پردازش داده‌های انبوه و غیر ساخت‌یافته و در یک کلام «داده‌های بزرگ» دانست. رویکردی که به‌جز ابزار و روش، به سخت‌افزارها و پلتفرم‌های پر قدرت و قابل اعتماد نیاز داشته و این در شرایطی است که بسیاری از سازمان‌ها و شرکت‌ها، حتی در صورتی که توان مالی خرید چنین تجهیزاتی را در اختیار داشته باشند، از حیث مدیریت، نگه‌داری و به‌روزرسانی و بسیاری مسائل و مشکلات مرتبط با آن، رغبت چندانی به آن نخواهند داشت.این المان‌های تصمیم‌گیری به‌ ظاهر متناقض، در عمل ما را به یاد سرویس‌های قابل ارائه در قالب محاسبات ابری (Cloud Computing) انداخته و این نکته را به‌ ذهن متبادر می‌سازد که نیاز به حجم انبوهی از ماشین‌های سرویس‌دهنده و توان پردازشی فوق‌العاده بالا در کنار عدم درگیر شدن با مسائل فنی مرتبط با زیرساخت‌های مذکور، سال آتی را به مکانی برای قدرت‌نمایی انواع سرویس‌های ابری تبدیل كرده و بسیاری از شرکت‌ها به سمت استفاده از آن سوق خواهند یافت. باید
منتظر ماند و دید!

آپاچی هادوپ (Apache Hadoop)
کتابخانه نرم‌افزاری هادوپ، یک چارچوب کاری (Framework) نوشته شده با زبان برنامه‌سازی جاوا است که با الهام از مقاله‌های منتشر‌شده توسط گوگل در حوزه محاسبات توزیع‌شده و سیستم‌فایلی اختصاصی این شرکت موسوم به GFS ایجاد شده و با استفاده از یک مدل برنامه‌سازی‌ساده، امکان‌پردازش توزیع‌شده روی مجموعه‌های عظیم‌داده‌‌ای روی کامپیوترهای به‌هم متصل را فراهم می‌آورد. از ویژگی‌های قابل توجه هادوپ می‌توان به قابلیت مقیاس‌پذیری آن از یک سرویس‌دهنده به هزاران ماشین با‌حافظه و قدرت پردازش محلی اشاره‌کرد. همچنین این کتابخانه با قابلیت تشخیص و مدیریت خطاها در لایه‌کاربری، مستقل از سخت‌افزار عمل کرده و در نتیجه سرویس‌هایی با دسترس‌پذیری بالا را برای کاربران فراهم می‌آورد. لازم به ذکر است که امروزه هادوپ در بسیاری از پروژه‌های تجاری عرضه‌شده توسط بزرگانی مانند آی‌‌بی‌ام، اوراکل و مایکروسافت مورد استفاده قرار می‌گیرد.

داده، ابزاری راهبردی
شاید تا‌کنون این سؤال را از خود پرسیده باشید، که چرا باید تمامی اطلاعات تولید شده در دنیا را ذخیره‌ کنیم؟ برای مثال، چه لزومی دارد که اطلاعات نوع ساندویچ‌های سفارش‌داده شده از جانب خریداران در یک رستوران زنجیره‌ای، کالاهای خریداری‌شده توسط ایشان در فروشگاه‌های زنجیره‌ای یا نظریه‌های کاربران در شبکه‌های اجتماعی در زیر یک محصول یا سرویس را برای سالیان دراز (در برخی موارد تا پانزده سال) نگه‌داری کرد؟
اگر این سؤال در ذهن شما نیز وجود دارد، بد نیست بدانید که همان یک نظر ساده شما درباره یک محصول یا سرویس، نوع و برند محصولات خریداری‌شده در یک شعبه از یک فروشگاه زنجیره‌ای یا سفارش‌های غذایی شما می‌توانند راهبردهای کسب و کاری یا بازاریابی یک بنگاه اقتصادی را شکل دهند. به‌عنوان یک مثال بسیار ساده، ثبت تعداد و مدت تماس‌های تلفنی(که حجم عظیمی از داده را به‌خود اختصاص می‌دهد) در یک منطقه خاص، می‌تواند برای یک شرکت تبلیغاتی، شلوغ‌ترین نقاط در آن منطقه و در نتیجه بهترین مکان برای نمایش تبلیغات را مشخص سازد. اطلاعاتی که تنها ارزش مادی آن گاه غیرقابل تصور است. بدون شک شما نیز کاربردهای فراوان دیگری در حوزه‌های اجتماعی، اقتصادی، فرهنگی و مانند آن خواهید یافت که در اختیار داشتن حجم انبوهی از داده‌های مفید می‌تواند به اتخاذ تصمیم‌گیری‌های درست کمک شایانی کند.

منبع: ماهنامه شبكه، شماره 129 ، دی ۱۳۹۰
http://www.shabakeh-mag.com/article.aspx?id=1006348

آپاچی هادوپ چیست؟

What Is Apache Hadoop?
The Apache™ Hadoop® project develops open-source software for reliable, scalable, distributed computing. The Apache Hadoop software library is a framework that allows for the distributed processing of large data sets across clusters of computers using simple programming models. It is designed to scale up from single servers to thousands of machines, each offering local computation and storage. Rather than rely on hardware to deliver high-avaiability, the library itself is designed to detect and handle failures at the application layer, so delivering a highly-availabile service on top of a cluster of computers, each of which may be prone to failures.

The project includes these modules:

  • Hadoop Common(Core): The common utilities that support the other Hadoop modules.
  • Hadoop Distributed File System (HDFS™): A distributed file system that provides high-throughput access to application data.
  • Hadoop YARN: A framework for job scheduling and cluster resource management.
  • Hadoop MapReduce: A YARN-based system for parallel processing of large data sets.

Other Hadoop-related projects at Apache include:

  • Avro™: A data serialization system.
  • Cassandra™: A scalable multi-master database with no single points of failure.
  • Chukwa™: A data collection system for managing large distributed systems.
  • HBase™: A scalable, distributed database that supports structured data storage for large tables.
  • Hive™: A data warehouse infrastructure that provides data summarization and ad hoc querying.
  • Mahout™: A Scalable machine learning and data mining library.
  • Pig™: A high-level data-flow language and execution framework for parallel computation.
  • ZooKeeper™: A high-performance coordination service for distributed applications.

Source: http://hadoop.apache.org/

Creating a Business Case for Data Governance: Ten Critical Steps

Creating a Business Case for Data Governance: Ten Critical Steps (TDWI)

  1. Develop a Strategy
  2. Identify Value
  3. Leverage Industry Sources
  4. Perform a Data Assessment
  5. Identify Technology Requirements
  6. Build a Concept Definition
  7. Establish Funding Requirements
  8. Determine Requirements for Success/Areas of Risk
  9. Document
  10. Present

Source: http://tdwi.org/whitepapers/2012/08/informationbuilders_business-case-for-data-governance-10-steps/asset.aspx?tc=assetpg&tc=assetpg

BI for 2012

 Top 10 Business Intelligence Predictions For 2012 (By Boris Evelson)

 1.Individualized fit for purpose BI tools trump standards.
 2.A "multiple BI tool" strategy is here to stay for the foreseeable future.
 3.Ready or not, information workers will demand more BI control.
 4.BI tools that support the right amount of managed end user self-service will become popular.
 5.Mobility is no longer a "nice to have" — it will become the new BI mantra.
 6.Cloud BI will slowly and steadily chip away at on-premises implementations.
 7.BI-specific DBMSes will gain popularity.
 8.Big data will move out of silos and into enterprise IT.
 9.Exploration will become the new bread and butter of BI suites.
 10.BI will integrate with the Information Workplace (IW).

Source: http://blogs.forrester.com/boris_evelson/11-11-15-top_10_business_intelligence_predictions_for_2012

1. Mobile Business Intelligence and Accessibility
2. Cloud Hosted Business Intelligence Solutions
3. Simplicity and Self-Serve Business Intelligence
4. Operational or Tactical Business Intelligence
5. Pervasive Business Intelligence and Data Democracy
Source: http://www.klipfolio.com/resources/business-intelligence-trends-2012

شش گام در نظریه تصمیم.

شش گام در نظریه تصمیم

  1. تعریف روشن از مسئله ای که با آن مواجه هستید
  2. تعیین گزینه های ممکن
  3. تعیین پیامدهای ممکن
  4. تعیین بازده یا سود برای هر ترکیب گزینه-حالت طبیعت
  5. انتخاب یکی از مدلهای کمی نظریه تصمیم
  6. به کارگیری مدل و اتخاذ تصمیم

منبع: کتاب آمار و کاربرد آن در مدیریت، جلد دوم تحلیل آماری(دکتر عادل آذر، دکتر منصور مومنی)

هوشمندی رقابتی و تصمیمگیری استراتژیک(علی رضائیان ، مجتبی لشکر بلوکی)

هوشمندی رقابتی و تصمیمگیری استراتژیک

چکیده
در سالهای اخیر، "هوشمندی رقابتی" به یکی از مفاهیم مهم مدیریت تبدیل شده و با شرکتهای بزرگ عجین شده است؛ اما باید پرسید، تأثیر هوشمندی رقابتی بر تصمیمگیری استراتژیک شرکت چیست؟ نوع آرمانی هوشمندی رقابتی ویژگیهایی دارد؛ از قبیل پویش و جستوجوی دقیق در منابع اطلاعاتی مختلف و داده کاوی؛ تشخیص زود هنگام خطرات/تهدیدها و فرصتها؛ ارایۀ مؤثر به هنگام و چندرسانه ای اطلاعات؛ فشرده سازی داده ها و اطلاعات؛ تسهیم دانش و اطلاعات، توانایی ایجاد گزارش ها در برابر پرسوجوها در لحظه و ذخیره سازی اطلاعات و محافظت از آنها. نتایج تحقیق نشان می دهد که این ویژگی ها بر فرآیند تصمیم گیری استراتژیک مؤثرند، اما هوشمندی رقابتی بیشترین تأثیر را بر مراحل اولیه فرآیند تصمیم گیری استراتژیک دارد و کمترین تأثیر را بر توسعه گزینه های استراتژیک و انتخاب و ارزیابی گزینه ها (مراحل انتهایی تصمیم گیری استراتژیک) دارد. روش تحقیق در این مقاله استخراج نوع آرمانی بر مبنای مطالعات موردی چندگانه بوده است.

 مقدمه
در سالهای اخیر، هوشمندی رقابتی به یکی از مفاهیم مهم مدیریت تبدیل شده و با شرکت های بزرگ عجین شده است. یکی از اصول مدیریت تعالی سازمان ها، مدیریت مبتنی بر حقایق است. مدیریت مبتنی بر حقایق واقع نخواهد شد؛ مگر با دسترسی به اطلاعات. نیاز به دسترسی سریع به اطلاعات راهبردی در همۀ سازمان های رقابتی احساس می شود و طبق این نیاز است که ابزارهای متفاوتی در سازمان های مختلف به کار گرفته می شوند. این ابزارها عبارتاند از:

  • اتاق کنترل
  • داشبورد راهبردی
  • داشبورد مدیران ارشد
  • سیستم اطلاعاتی مدیران ارشد
  • سیستم های اطلاعاتی استراتژیک
  • سیستم های هوشمندی تجاری (کسب وکار)

 افزایش هوش رقابتی موجب می شود، سازمانها اطلاعات محیط اطراف خود را سریعتر و با دقت بیشتری تجزیه و تحلیل کنند و نتایج حاصل را ذخیره و در مواقع مقتضی در دسترس تصمیم گیرندگان قرار دهند. این امر جریان تبادل داده ها، اطلاعات و دانش را در سازمان تسریع می کنند و اثربخشی تفکر و تصمیم گیری را بهبود می بخشد. هوشمندی رقابتی به مثابۀ راداری است که با کشف فرصت های جدید و هشدار تهدیدها، شرکت را قادر می سازد که محیط خود را سریعتر و دقیقتر شناسایی کند. یک سازمان هوشمند، استراتژی رقبا را بهتر و سریعتر درك می کند و از شکست و موفقیت آنها می آموزد و این امکان را برای مدیران سازمان بوجود می آورد تا با نظارت نظام مند، با آگاهی بیشتری تصمیمات راهبردی را اخذ کنند. این مقاله در پی توضیح تأثیرات نوع آرمانی هوشمندی رقابتی بر تصمیمگیری استراتژیک است.

 هوشمندی رقابتی
"بن گیلاد" یکی از تئوریپردازان هوشمندی می نویسد: "هوشمندی رقابتی، کل شناختی است که یک شرکت از محیطی که در آن رقابت میکند در اختیار دارد و حاصل تجزیه و تحلیل ذرات بیشمار از اطلاعاتی است که روزانه شرکت را بمباران میکند. در پرتوی این دانش است که تصویر کاملی از وضعیت فعلی و آینده صحنۀ رقابت پیش روی مدیران نقش می بندد تا بتوانند بهتر تصمیم بگیرند. براساس تعریف دانشکده مدیریت فرانسه، هوشمندی رقابتی عبارت است از هنر یافتن، جمع آوری، فرآوری و ذخیره سازی اطلاعات، به منظور دسترسی و استفاده پرسنل در تمام سطوح سازمان، تا ضمن شکل دادن به آینده سازمان، از موقعیت موجود نیز در قبال تهدیدات رقابتی حمایت کنند. برابر طبق نظر "لئونارد فالد"، هوشمندی رقابتی عبارتاست از: سیگنالهای هشدار دهنده در مورد فرصتها و تهدیدها. در مقالهای دیگر، این محقق معتقد است هوشمندی بنگاه، تنها خروجیهای پایگاههای داده و لزوما گزارشهای حجیم نیست. در ضمن نمی توان هوشمندی رقابتی را جاسوسی یا دزدی اطلاعات نامید. بر اساس نظر دو تن از محققان، هوشمندی رقابتی، هنر کنکاش، جمع آوری، پردازش، ذخیره سازی اطلّاعات برای شکل بخشیدن به آینده به همراه مقابله با تهدیدهای رقبا است. کاهانر براین نکته تأکید می کند که باید بین اطلّاعات و هوشمندی تفاوت قایل شد؛ اطلاعات متناظر با واقعیات است. اعداد، آمار، داده های طبقه بندی شده درباره مصادیق گوناگون، اطلاعات هستند. « هوشمندی » اطلاعاتی است که تحلیل شده است. هوشمندی رقابتی عمیقاً مابین اطلاعات و هوشمندی تمایز قایل می شود. مدیران برای فرآیند تصمیم گیری به هوشمندی و نه اطلاعات، نیازمندند. برخلاف مدیریت دانش که روی عوامل داخلی کار می کند هوشمندی رقابتی روی اتفاقات و رویدادهای خارجی هم متمرکز می شود. یکی از اهداف کلیدی در هوشمندی رقابتی، هشدار به موقع است که به تصمیم گیران اجازه می دهد، اهدافی را پیش گیرند که موجب حفظ مزیت رقابتی آنها شود. ردگیری اهداف و اقدامات رقبا از طریق جستجو در منابع عمومی اطلاعات، منابع اینترنتی و رسانه ها، گفتگو با مشتری، تأمین کنندگان، شرکای تجاری، متخصصان و خبرگان صنعت صورت می پذیرد.

 در جمعبندی تعاریف پیش گفته، هوشمندی رقابتی را بدینگونه می توان تقریر کرد: هوشمندی رقابتی فرآیند نمایش و شفاف سازی محیط رقابتی است. هوشمندی رقابتی فرآیندی است برای گردآوری دادهها و اطلاعات محیط رقابتی و فعالیتهای رقبا و تبدیل آن به هوشمندی هدفمند، به هنگام و راهبردی که بتواند به تصمیم گیری غیرساخت یافته و راهبردی مدیران یاری رساند. در این فرآیند، برای جمع آوری اطلاعات از ابزارها و روشهای قانونی و اخلاقی استفاده می شود. پایش و پیمایش محیط رقابتی با هدف اخذ تصمیمات راهبردی انجام می شود. هوشمندی رقابتی مدیران ارشد سازمانها را قادر میسازد که تصمیمات خود را براساس آگاهی از اطلاعات تحلیل شده و به موقع (= هوشمندی) اتخاذ کنند. تصمیم گیری راهبردی هوشمندانه، افزایش رقابت پذیری شرکت را در پی دارد. هوشمندی رقابتی بخش جدایی ناپذیر از پدیده روبه ظهور اقتصاد دانایی محور است. باید توجه داشت که برخلاف مدیریت دانش که روی عوامل داخلی کار می کند، هوشمندی رقابتی بر روی اتفاقات و رویدادهای خارجی متمرکز می شود.

 فرآیند هوشمندی رقابتی
هوشمندی رقابتی هم محصول است و هم فرآیند. محصول به معنای اطّلاعات قابل استفاده ای است که بتوان از آن برای اتخاذ تصمیمات بهره گرفت. فرآیند هم دربرگیرنده شیوه های منظم جمع آوری، تحلیل و ارزیابی آن اطلاعات است. کاهانر معتقد است که هوشمندی رقابتی، فرآیندی یکپارچه است. به زعم وی، فرآیند

هوشمندی رقابتی از چهار مرحله تشکیل شده است: طرح ریزی ؛ جمع آوری داده؛ تحلیل؛ انتشار جزئیات هر یک از چهار مرحله در زیر آمده است.

  • طرح ریزی: در این مرحله، نیازمندیهای تصمیم گیران و محدودیت زمانی از طریق تبادل نظر با تصمیم گیران مشخص می شود.
  • جمع آوری داده: در این مرحله، داده های خام، جمع آوری می شوند تا به هوشمندی کاربردی تبدیل شوند.
  • آنالیز، تفسیر و تعبیر: قلب فرآیند هوشمندی رقابتی، تحلیل است؛ تبدیل اطلّاعات نامرتبط به هوشمندی. تحلیل هم هنر است ؛ هم علم.
  • انتشار، عرضۀ یافته ها به تصمیم گیران: تحلیلگران هوشمندی های به دست آمده را عرضه و آن را بین کاربران نهایی (تصمیم گیران) توزیع می کند.

 علاوه بر چهار مرحلۀ یادشده، "فالد" مرحلۀ پنجمی را به آنها اضافه می کند. وی ذخیره سازی و تحویل اطلّاعات را با رعایت اصول امنیتی مد نظر دارد. "اشتون" و "اسیستی" قدم ششمی را به فرآیند هوشمندی رقابتی اضافه می کنند: بازرسی عملکرد سیستم هوشمندی و بازخورد نتایج تصمیم گیری برای استفاده های بعدی و استمرار هوشمندی

 انواع هوشمندی رقابتی
"دشامپز و نایاك" سه نوع هوشمندی رقابتی را شناسایی کرده اند که عبارتند از:

  • هوشمندی بازار: سعی این هوشمندی نیازمندیهای جاری و آینده مشتریان، فرصتهای جدید و خلاقانۀ موجود را در تقسیم بازار می کند و تغییرات عمده نمایان کندکه در فرآیندهای بازاریابی و توزیع رخ می دهد. در این هوشمندی، عمدتا اطّلاعات مشتریان، تأمین کنندگان، خریداران و توزیع کنندگان گردآوری و تجزیه و تحلیل می شود.
  • هوشمندی رقبا: تکامل استراتژی رقابتی طی زمان را با مشاهده تغییرات ساختار رقبا، جایگزینی محصولات جدید و تازه واردان به صنعت، بازنمایی می کند و متمرکز بر مسائلی است؛ از قبیل سیاستهای قیمتگذاری، محصولات جانشین و سیاستهای توسعۀ رقبا.
  • هوشمندی تکنولوژیک: تکنولوژی های موجود و جدید را ارزیابی و جهشهای تکنولوژیکی آتی را پیش بینی می کند و با تحقیقات پایه و کاربردی، حق اختراع و غیره سروکار دارد.

 براساس دیدگاهی دیگر، هوشمندی استراتژیک و اجتماعی نیز به انواع هوشمندی رقابتی اضافه می شود. هوشمندی استراتژیک و اجتماعی ، شامل قوانین، مالیات و امور مالی، گستره اقتصادی و سیاسی و مقولات منابع انسانی می شود. گونه چهارم هوشمندی رقابتی ، یعنی هوشمندی استراتژیک و اجتماعی، رفتارهای اجتماعی را مشاهده و تحلیل می کند. باید گفت که چهار هوشمندی یادشده به هم مرتبطند.

 تکنولوژیهای کامپیوتری یا توانمندی های انسانی
فالد معتقد است که سیستم های هوشمندی با وجود برنامه های کاربردی کامپیوتری بسیار به فرآیندهای انسانی قائم هستند. هرچند رایانه در سیستم هوشمندی رقابتی نقش مهمی به عهده دارد؛ ولی نقش نیروی انسانی در تمام مراحل هوشمندی رقابتی برجسته تر است. هوشمندی رقابتی را به روشهای رسمی نباید محدود کرد. بنابر پیشنهاد دو محقق، فرآیندهای موازی هوشمندی رقابتی، یعنی فرآیندهای رسمی و غیررسمی در مجموع کامل تر هستند.

 تأثیر اطّلاعا ت و هوشمندی بر تصمیمگیری استراتژیک
"پورتر و میلار" نشان داده اند که چگونه اطلّاعات، ساختار صنعت را تغییر می دهد و قواعد رقابت را متحول می سازد. واضح است که انقلاب تکنولوژی اطلّاعات، به شرکت ها مزیت هایی عطا کرده است؛ زیرا راههای جدیدی برای مقابله با همتایان آنها به وجود آورده است. تکنولوژی اطلاعات بر کل فرآیند تولید محصولات؛ تأثیر عمیقی گذاشته است. تکنولوژی اطلاعات در نقطه نقطۀ "زنجیره ارزش"  و "زنجیره عرضه" بنگاه رسوخ کرده و راههای ایجاد فعالیت های ارزش زا و نیز ماهیت تبادلات بین آنها را متحول ساخته است. علاوه بر آن، بر فعالیتهای منفرد تأثیر نهاده و از طریق جریانات اطلاعاتی جدید، توانمندی بنگاه را برای کشف روابط میان فعالیتها، در درون و بیرون بنگاه، ارتقا بخشیده است. باید گفت که تکنولوژی اطلّاعات، به گستره رقابت معطوف است و نحوه ارضای نیازمندی های مشتریان را متحول ساخته است؛ اما آنچه در این مقاله در پی آن هستیم، از جنس تأثیرگذاری اطلّاعات و فن آوری اطلّاعات و ارتباطات بر فعالیتها نیست؛ بلکه بررسی تأثیرگذاری اطلّاعات و هوشمندی بر تصمیم گیری استراتژیک است. در ادبیات مدیریت و علی الخصوص مدیریت استراتژیک، نویسندگان متعددی بر اهمیت اطلّاعات و دانش تسهیم شده در استراتژی البته بدون استفاده از اصطلاح هوشمندی رقابتی/، هوشمندی تجاری تأکید کرده اند. به طور کلی، یکی از اصول برنامه ریزی استراتژیک، رابطۀ بین شرکت و محیطی است که بر عملکرد استراتژیک شرکت مؤثر است و این بدون تبادل اطلاعاتی بی معنا است. "آچارد" معتقد است که فرآیند هوشمندی رقابتی، داده ها و اطلاعات را به هوشمندی باید تبدیل کند؛ بدینسان می توان از هوشمندی حاصل، در فرآیند تصمیم گیری راهبردی استفاده کرد زیرا اگرچه اطلّاعات، محور اصلی در مفهوم هوشمندی رقابتی است هوشمندی رقابتی بسیار فراتر از جمع آوری اطلاعات است. هوشمندی رقابتی در شرایط پیچیده "فرارقابتی"، امروزه برای تصمیم گیری در سطح بنگاه یک نیازمندی اساسی است. دو تن از نویسندگان معتقدند که عصاره هوشمندی رقابتی دو چیز بیش نیست:

  1. استفاده اخلاقی و قانونی از منابع اطلّاعاتی قابل دسترس برای تهیۀ داده های مرتبط با رقبا، رقابت و شرایط محیطی و
  2. تبدیل داده ها به اطلاعات قابل استفاده برای پشتیبانی از تصمیمات بهتر.

 به عقیده دو محقق دیگر، برای فرموله کردن و اجرای کارایی، استراتژیهای رقابتی پیروزی بخش شرکتها، برای جمع آوری، تحلیل و انتشار هوشمندی رقابتی داشته باشند. هوشمندی رقابتی سازوکاری رسمی باید مدیران را توانمند می کند تا بفهمند رقبا چه می توانند انجام دهند و چه می خواهند بکنند و چه زمان و مکانی برنامه شان را اجرایی خواهند کرد. به همین خاطر است که بسیاری از شرکتها بر "حرکات رقبا" ، وضعیت صنعت، نیاز مشتریان و قیمت گذاری [رقابتی] مانند یک "موضوع کلیدی هوشمندی"  تمرکز کرده اند.
در جمعبندی میتوان گفت، امروزه رقابت پذیری، اساس بقای شرکت ها است. هوشمندی رقابتی به شرکت ها کمک می کند تا در مورد امور راهبردی، تصمیمات بخردانه ای اتخاذ کنند. هوش رقابتی، فرآیند مداومی است که اطلاعات قابل استفاده ای در اختیار تصمیم گیرندگان می گذارد. هدف نهایی هوشمندی رقابتی، بالا بردن رقابتپذیری شرکت از طریق افزایش کیفیت و سرعت تصمیمات راهبردی است. برآورد کمّی تأثیر هوشمندی رقابتی دشوار است. البته برخی از محققان تأثیرات هوشمندی رقابتی را بر ابعاد عملکردی شرکت، از جمله، عملکرد کسب و کار، "کیفیت برنامه ریزی ،استراتژیک" ، "دانش بازار"  و کیفیت محصول سنجیده و کمّی کرده اند. بنابر مطالب پیشگفته مسأله اصلی تحقیق این است که تأثیر هوشمندی رقابتی بر فرآیند تصمیم گیری استراتژیک چیست؟ و کدام مراحل از فرآیند تصمیم گیری استراتژیک بیشتر تحت تأثیر هوشمندی رقابتی هستند؟ در ادامه اهداف تحقیق، سوالات کلیدی و روش تحقیق به دقت و تفصیل بیان می شوند.

 روش شناسی تحقیق
در این قسمت از مقاله هدف، روش شناسی و سؤالات تحقیق تشریح و شفاف می شوند.

 هدف تحقیق
هدف تحقیق بررسی تأثیر سیستمهای هوشمندی رقابتی بر تصمیمگیری استراتژیک است.

 سؤالات کلیدی تحقیق
با توجه به اینکه ما با تحقیقی توصیفی- استقرایی روبرو هستیم فرضیات در این تحقیق مطرح نیست و باید سوالات کلیدی تحقیق را مبنا قرار داد. سوالات تحقیق عبارتند از:

  • مشخصه های نوع آرمانی هوشمندی رقابتی چیستند؟
  • تأثیر هوشمندی رقابتی بر فرآیند تصمیم گیری استراتژیک چیست؟
  • کدام مراحل از فرآیند تصمیم گیری استراتژیک بیشتر تحت تأثیر هوشمندی رقابتی هستند؟
  • تحلیل بدست آمده از بررسی تأثیر هوشمندی رقابتی بر مراحل مختلف فرآیند تصمیم گیری چیست؟

 در ادامه لایه های مختلف روش شناسی تحقیق معرفی میشوند و مورد پژوهی و نوع آرمانی به علت اهمیتشان در این تحقیق، با توضیحات مبسوطی، روشن خواهند شد.

مشخصات اصلی روش شناسی
نوع پژوهش، توصیفی و تبیینی است. راهبرد تحقیق بر اساس رویکردی استقرایی و کیفی،مورد پژوهی چندگانه برای استخراج نوع آرمانی انتخاب شده است. روش نمونه گیری، نمونه گیری زنجیرهای و نمونه گیری ملاك محور، هر چند باید توجه داشت که تحقیق چند موردی نوعی نمونه گیری نیست، بلکه تکرار تحقیق است. واحد تحلیل در این پژوهش تصمیمات استراتژیکی است که با استفاده از ورودی سیستم های هوشمندی رقابتی اخذ شده اند. روش جمع آوری داده ها، مطالعات اسنادی بوده است. در تجزیه و تحلیل از دو روش استفاده شده است:

  • کدگذاری به روش استقرایی بر اساس چهار اصل فراگیری، همسانی، فراغت از ارزش، عدم ابهام. با ملاحظات روشی تدوین نوع آرمانی
  • استفاده از تعمیم تحلیلی.

برای تحلیل تأثیر نوع آرمانی هوشمندی بر تصمیم گیری استراتژیک. با توجه به اینکه دو مبحث موردپژوهی و نوع آرمانی قلب روش شناسی تحقیق حاضر می باشند لازم می نماید این موارد توضیح داده شوند:

 مطالعات موردی یا مورد پژوهی
به نظر میرسد در ابتدا زیگموند فروید، مورد پژوهی را با به کارگیری آن برای مستندسازی موردهای روانشناسی خود به شهرت رساند. اما اکنون رشد کاربری و اهمیت موردپژوهی با توجه به کاربردهای متعدد آن، چنان بوده است که کتابهایی به صورت مجزا به این روش پرداخته اند. مطالعات موردی معمولاً به چهار صورت مورد استفاده قرار می گیرد:

  • روش آموزشی به صورت حل مسأله و موردپژوهی که مبدأ آن مدرسه بازرگانی دانشگاه هاروارد بوده است.
  • ارایه یک توصیف غنی از یک پدیده درون بستر خاص خود. موردپژوهی برای مطالعات اولیه و اکتشافی استفاده می شوند که به ارایه فرضیاتی برای تحقیقات سیستماتیک بیشتر منجر میشوند.
  • تست نظریه بر اساس تعداد محدودی نمونه. بر خلاف اکثریت روشها که با رویکردی کمی و نمونه های آماری متعدد و معمولاً تصادفی انتخاب می شود در این روش می توان با استفاده از موارد معدود برای ابطال پذیری نظریه ای کوشید.
  • خلق نظریه: که معمولاً (و نه همیشه) بر اساس مطالعات موردی چندگانه است. مطالعات موردی چندگانه مبنایی شده است برای پیدایش روش تحقیق نظریه داده مبنا (نظریه مبنایی، رویش نظریه).

 بدین ترتیب مشاهده میشود که مورد پژوهی، هم به توسعه و خلق نظریه (نظریه پردازی) و هم به تست نظریه (نظریه آزمایی) معطوف است. آنچه در این تحقیق مدنظر بوده است: تحقیق موردی چندگانه برای نظریه پردازی بوده است که در نهایت ما را به سمت نوع آرمانی هوشمندی رقابتی رهنمون می سازد و رویکردی کیفی و استقرایی دارد و در پی آزمون فرضیه نمی باشد. در تاریخ مدیریت نیز تحقیقات متعددی با این رویکرد (کیفی، استقرایی، نوع آرمانی) صورت گرفته است و استخراج نوع آرمانی از مطالعات موردی چندگانه کیفی به شیوه استقرایی کم سابقه نبوده است. مانند کار کلاسیک و مشهور هنری مینتزبرگ در مورد نقشهای دهگانه مدیران در عمل که به صورت غیر کمی (کیفی)، غیر قیاسی (استقرایی) و تدوین نوع آرمانی بوده است. در ادامه مقاله رویکرد نوع آرمانی توضیح داده می شود.

 نوع آرمانی
نوع آرمانی پیشنهاد هوشمندانه ماکس وبر برای تحقیقات اجتماعی است. وبر معتقد بود توجه مطالعات اجتماعی [به معنای عام آن که شامل مدیریت هم میشود باید تفسیری باشد نه اثباتی. به منظور مقایسه پدیده های اجتماعی و تاریخی با یکدیگر و تحلیل آنها، وبر ابزار مفهومی را پیشنهاد داده است. نوع آرمانی نوعی تاکید یک سویه بر برخی مؤلفه ها و عناصر «نوع آرمانی» یک مفهوم و نادیده گرفتن یا حذف دیگر مؤلفه هایی است که از منظر محقق، شایان توجه نیستند. سازه مفهومی که بدین ترتیب بدست آمده است باید بگونه ای باشد که اجزای آن ربط منطقی با یکدیگر داشته و بتوانند با یکدیگر یک ترکیب را تشکیل دهند. به عنوان مثال وبر از ابزار نوع آرمانی در روش شناسی تحقیق خود برای تبیین ارتباط نظام ارزشی فکری پروتستان با رشد نظام سرمایه داری استفاده کرد. روش شناسی وبر هنگام تحلیل پدیده های اجتماعی پیچیده ای نظیر این دو پدیده، دارای دو مرحله اصلی است :

  • مرحله اول : ساختن انواع آرمانی
  • مرحله دوم: جستجوی روابط منطقی ساختاری میان این انواع

 نمونۀ آرمانی سرمایه داری جدید را با مشخصه های انباشت سرمایه ، محاسبه عقلانی و گردش ثروتها مورد توجه قرار می دهد. البته این نوع آرمانی با بذل توجه خاص به برخی از صفات پدیده مورد بررسی و نادیده گرفتن برخی صفات دیگر بدست آمده است . اما به هرحال اصالت سرمایه داری صنعتی را نسبت به سرمایه داری رباخواران یا تدارك کنندگان جنگ که درهمه جامعه ها سابقه داشته است ، کاملا آشکار می کند. در هر صورت وبر این سازه های مفهومی را به منظور سنجش و مقایسه پدیده های تجربی ابداع نمود تا به وسیله آن جایگاه پدیدههای اجتماعی به نسبت نوع آرمانی مشخص شود و نیز  بتوان پدیده های مشابه را با یکدیگر مقایسه نمود.

 سه گزاره کلیدی در مورد نوع آرمانی
معمولاً نوع آرمانی با سوء تفاهمهای اساسی روبرو است، لذا در ادامه به تشریح سه نکته کلیدی در این مورد میپردازیم.

1. نوع آرمانی از مقوله ارزشی نیست که بایدها را در بر داشته باشد. از یک پدیده می توان از منظرهای گوناگون انواع آرمانی متعدد استخراج کرد. وبر معتقد بود علم نمی تواند به مردم بگوید چگونه زندگی کنند و یا چگونه خود را سازماندهی کنند، اما می تواند برای آنها اطلاعات لازم برای اتخاذ چنین تصمیمهایی را فراهم سازد. وبر اذعان داشت که عقل قادر به تشخیص میان خوب و بد و ارائه داوریهای اخلاقی نیست. جامعه شناسی [به معنای عام آن] می تواند در مورد پیامدهای تعهدات ارزشی ما سخن بگوید ولی نمی تواند بگوید آیا این اثرات خوب هستند یا بد بنابراین از نظر وبر، جامعه شناسی به عنوان یک علم تجربی می تواند وقایع را توصیف کند و با فرض یک هدف مشخص، می تواند صرفاً موارد زیر را تعیین کند:

  • وسایل ضروری رسیدن به یک هدف معین
  • پیامدهای اجتناب ناپذیر استفاده از این وسایل
  • رقابت ارزیابیهای متعدد بر سر نتایج عملی شان

بنابراین مقصود وبر نشان دادن آرمان (یک هدف برتر یا یک نمونه عالی) نیست. به عنوان مثال برخی گمان کرده اند که مراد وی از نمونه آرمانی بوروکراسی، معرفی یک هدف برتر آرمانی است؛ یعنی اینکه سازمانها باید باید اینگونه باشند و به این مرحله برسند.

2. وبر به دو نوع معنا قائل است: معنای عینی و معنای بازسازی شده. وبر کار یک جامعه شناس را «نوع آرمانی» معنای بازسازی شده و نه معنای عینی می داند. آنچه در ذهن بازسازی شده را مینامد. به عنوان مثال وبر سه نوع مشروعیت را معرفی میکند: مشروعیت کاریزماتیک، مشروعیت سنتی و مشروعیت قانونی. وبر در توضیح این سه گانه می گوید که این سه نوع مشروعیت به شکل محض و ناب وجود ندارد و چیزی که در عالم خارج وجود دارد، ترکیبی است از این سه. مقصود او این است که این نمونه ها، نمونه هایی مثالی هستند. ممکن است در عالم خارج این مصادیق به صورت ناب یافت نشوند (معنای عینی) اما این نمونه ها معنادار هستند و قابل ارجاع، منتهی به یک امر ذهنی بازسازی شده از عالم خارج.

3. نوع آرمانی، یک تئوری به معنای کلاسیک آن نیست که با خروج یک مصداق از آن ابطال شود، بلکه یک نوع چارجوب ذهنی است که قرار نیست با واقعیات انطباق 100 % داشته باشد، می توان آن را نوعی تشبیه دانست که با صحت یک بعد از شباهت، صحیح خواهد بود. برخی به اشتباه نوع آرمانی را یک تئوری به معنای کلاسیک شمرده اند که باید مصادیقی را تحت پوشش خود قرار دهد، حال آنکه نوع آرمانی یک وسیله اندازه گیری و مانند یک متر است که برای اندازه گیری واقعیات ساخته شده است.

اگر ما توقع داشته باشیم که مصداقی را تحت پوشش خودش قرار دهد،  مانند این است که کسی یک « متر » را بیرون برده و ناامید برگردد که چیزی را پیدا نکردم که در خارج، درست یک متر باشد، پس این متر به درد نمی خورد. این فرد کار متر را درك نکرده که اندازه گیری دنیای خارج است، نه پیدا کردن چیز یک متری. از این رو اشتباه بودن تعبیر  « غلط » یا « درست »  در خصوص نوع آرمانی واضح می شود. با توضیحات داده شده در مورد نوع آرمانی به نظر می رسد این روش در تبیین "تأثیر هوشمندی رقابتی بر تصمیمگیری استراتژیک" هم کارکرد دارد. روش بدین ترتیب خواهد بود که مشخصه ها و ویژگیهای هوشمندی رقابتی آرمانی از دنیای واقع استخراج می شود و بر اساس این نوع آرمانی سنجیده میشود که چگونه هوشمندی رقابتی بر تصمیم گیری استراتژیک موثر است.

 رویکرد مورد پژوهی، جمع آوری اطّلاعات و روش تحلیل
با توجه به هدف و روششناسی تحقیق، کار تحقیق از 5 مورد مطالعاتی شروع شد و تا 17 مورد مطالعاتی ادامه یافت به گونه ای که دیگر اطلّاعات جدیدی بعد از پانزدهمین مورد مطالعاتی بدست نیامد و موارد شانزدهم و هفدهم تکرار یافته های قبلی بودند. بررسی این موارد به صورت جزءگرایانه بوده است. بر طبق یک تقسیم بندی چهار رویکرد موردپژوهی وجود دارد. با توجه به اهداف تحقیق، رویکرد چندموردی جزءنگر انتخاب شده است. اطلاعات بدست آمده که بر اساس سوالات تحقیق از موارد 17 گانه جمعآوری شده بودند بر اساس روش های زیر تحلیل شدند: کد گذاری به روش استقرایی بر اساس چهار اصل فراگیری، همسانی، فراغت از ارزش، عدم ابهام. برای تدوین نوع آرمانی و با استفاده از روشهای زیر جمع بندی شدند:

  • نظم بخشی اطلاعات به ترتیب های مختلف
  • ایجاد ماتریسهایی از طبقات مختلف
  • تشکیل جدولی از رویدادهای مختلف

 نتایج توصیفی
در ادامه، نتایج توصیفی بدست آمده از نمونه های مطالعه شده ارایه می شود که شامل دو قسمت است: الف. اطلّاعات مورد استفاده در نمونه های مورد بررسی و ب. تأثیرات هوشمندی رقابتی بر تصمیم گیری استراتژیک. استخراج اطلاعات مورد استفاده در نمونه های مورد بررسی در 17 مورد تحت بررسی، 11 نوع سرفصل اطلاعاتی مورد استفاده در هوشمندی رقابتی بر اساس کدگذاری استقرایی استخراج شدند.

  1. اطلاعات مالی: عملکرد مالی رقبا، تغییرات ارزش سهام رقباو ...
  2. اطلاعات زنجیره عرضه: قابلیتهای تامین کنندگان، کانالهای توزیع و ...
  3. اطلاعات مربوط به قیمت: تغییر قیمتهای عمده فروشی/ خرده فروشی، سیاستهای اعطای تخفیف، تأثیر قیمتهای رقبا بر فروش سازمان، تغییر حاشیه سود، اثربخشی استراتژیهای قیمت- گذاری
  4. اطلاعات فروش و بازاریابی: اعتبار نام تجاری، برنامه های روابط عمومی سازمان، تغییر در استراتژیهای تبلیغ، اثربخشی تبلیغات برای مشتریان هدف، تأثیر تبلیغات رقبا بر فروش سازمان
  5. اطلاعات خدمات/کالا: معرفی کالا و خدمات جدید، اطّلاعات مندرج در بروشورها و کتابچه های معرفی محصول و خدمت، تقاضا برای محصولات و خدمات رقبا، فناوری تولید و توانایی تحقیق و توسعه، تنوع محصول و خدمات، قیمت تمام شده رقبا، تغییر در کیفیت کالا و خدمات، توقف تولید و یا ارائه خدمت
  6. اطّلاعات فروش: اطّلاعات ماهانه فروش رقبا، سیستم پاداش پرسنل فروش، پورسانت فروش، تغییر در خدمات و محصولات رقبا، تغییر در خدمات پس از فروش و مدیریت مشتری و ...
  7. اطّلاعات بازار: برنامه های ادغام رقبا، ثبت علائم تجاری، تغییر در استراتژیهای بازاریابی و غیره
  8. اطّلاعات نیروی انسانی: جذب نیروی انسانی توسط رقبا، کاهش نیروی انسانی رقبا، چارت سازمانی رقبا، سوابق مدیران اجرایی رقبا
  9. اطّلاعات مشتریان: اطّلاعات مقایسه ای استفاده مشتریان از محصولات رقبا، تعداد دفعات خرید، سطح وفاداری مشتریان نسبت به محصول و خدمات رقبا، علت خرید محصول و خدمات مشابه شرکت از رقبا
  10. اطّلاعات مرتبط با قوانین: قوانین و مقررات زیست محیطی و غیره
  11. ترازیابی رقبا: بهبود در عملکرد فرآیندهای داخلی رقبا

 تأثیرات هوشمندی رقابتی بر تصمیم گیری استراتژیک
در موارد 17 گانه مورد بررسی، تأثیرات هوشمندی رقابتی در موردهای مختلف را می توان به صورت جدول زیر پیشنهاد میشود. ستون اول شماره مورد است. ستون دوم اطلّاعاتی است که مورد استفاده قرار گرفته است یا منبع اطلّاعاتی است و در ستون سوم، تأثیر هوشمندی بر تصمیم گیری استراتژیک استخراج و تنظیم شده است. 

  1. اطّلاعات در مورد آگهی استخدامها: کسب اطمینان از عدم سرمایهگذاری رقبا برای معرفی محصول جدید
  2. بررسی خرید تجهیزات رقیب:  اطمینان از سرمایهگذاری رقیب برای تکنولوژیهای نوین تولیدی
  3. ترازیابی رقابتی: تعیین قابلیتها و شایستگیهای لازم برای سرمایهگذاری و  توسعه و قابل اهرم کردن در بازار
  4. بررسی ساختار هزینۀ رقبا: تصمیمگیری برای تغییراتی در ساختار هزینۀ محصولات
  5. بررسی اطلاعات بازار و شکایات مشتریان از سازمان خودی و رقیب: کشف مشتریان جدید یا بالقوه و شناسایی مشتریهای دایمی
  6. بررسی تغییرات استراتژی تبلیغاتی رقبا: فهم بخشبندی مورد نظر رقیب و بخش مورد نظر رقیب و تعیین بخشهای دیگر برای تمرکز
  7. بررسی اطّلاعات مندرج در بروشورها و کتابچه های معرفی محصول و خدمت: تنظیم قیمتها به نحو مطلوب (قیمتگذاری رقابتی)
  8. فعالیتهای مربوط به ثبت علایم تجاری: تغییر در استراتژیهای تکنولوژی و R&D و تعیین استراتژی های تکنولوژی (جذب، انتقال، بهکارگیری و توسعه تکنولوژی)
  9. مهندسی معکوس محصولات رقبا:  تعیین حوزههای بهبود در محصول
  10. تغییرات ارزش سهام رقبا : بررسی امکان خرید و Take over کردن شرکت رقیب
  11. ورود محصولات جدید به بازارها: تغییر قیمت و خدمات بعد از فروش محصولات جاری
  12. تغییرات تولید سازمانهای تامین کننده سازمان خودی و رقیب: تغییر محصولات و خدمات
  13. تغییر قوانین و مقررات زیست محیطی: اتخاذ تکنولوژی سبز
  14. تغییر قوانین و مقررات صاداراتی و وارداتی: تصمیم گیری برای ورود به بازارهای نوین
  15. تغییر در خدمات پس از فروش: تغییر استراتژی های فروش و خدمات
  16. بررسی برنامه های ادغام رقبا: پشتیبانی از تصمیمات مرتبط با استراتژی یکپارچگی عمودی و افقی. تعیین فرصتهای همکاری رقابتی بین دو یا چند رقیب برای رقابت با دو یا چند رقیب
  17. درس آموختن از شکست و موفقیت رقبا: تعیین عوامل کلیدی موفقیت

 نتایج تحلیلی و استنباطی (استنتاجی)
بعد از ارایه اطلاعات توصیفی، نتایج تحلیلی ارایه میشود. در این قسمت از مقاله در ابتدا استنتاج ویژگیهای نوع آرمانی هوشمندی رقابتی از مطالعات موردی چندگانه ارایه میشود. در قسمت بعدی، تحلیل میشود که اثر نوع آرمانی هوشمندی رقابتی بر تصمیمگیری استراتژیک چه میتواند باشد. اثر نوع آرمانی بر تصمیم گیری استراتژیک، بر اساس تعمیم تحلیلی و نه بر اساس تعمیم آماری صورت می گیرد.

 ویژگیهای نوع آرمانی یک سیستم هوشمندی رقابتی
بر اساس تحلیل بدست آمده از بررسی موارد واقعی در دنیای کسب و کار ویژگیهای نوع آرمانی یک سیستم هوشمندی رقابتی به شرح زیر است:

  • پویش و جستجوی دقیق و با حوصله در منابع اطلاعاتی مختلف و شناخت الگوها و روندها از میان داده های فراوان (داده کاوی)
  • تشخیص زودهنگام خطرات و فرصتها
  • عرضۀ مؤثر، بهنگام و چندرسانه ای اطّلاعات با کیفیت
  • خلاصه سازی و فشرده سازی داده ها و اطّلاعات
  • تسهیم دانش و اطلاعات بین کارکنان و مدیران
  • توانایی ایجاد گزارش ها در قبال پرس وجو ها درلحظه، پیچیده و نو
  • ذخیره سازی اطلاعات و محافظت از آنها

 تأثیر هوشمندی رقابتی بر تصمیمگیری استراتژیک
برای تعیین تأثیر هوشمندی رقابتی بر تصمیمگیری استراتژیک، تصمیم گیری استراتژیک وفرآیند آن معرفی می شود. ویژگی های تصمیم گیری استراتژیک با توجه به ادبیات موجود، ویژگی های زیر را برای تصمیم گیری استراتژیک می توان استنباط کرد و برشمرد:

  1. غیر ساختیافته
  2. خلاقانه و غیر تکراری
  3. در فضای عدم اطمینان و ابهام، پیچیدگی و آشوبناکی
  4. مبتنی بر داده های سخت (آمار و ارقام) و داده های نرم (ایده ها، شهود و قضاوت مدیریتی)
  5. محصول فرآیندی سیاسی- ارزشی تحت تأثیر ذینفعان متعدد
  6. آینده نگرانه و با افق نسبتا بلند مدت
  7. تحت محدودیت منابع و فشار رقابتی
  8. مرتبط با محیط بیرونی
  9. مؤثر بر کلیت سازمان
  10. کلیدی و بحرانی برای موفقیت بلند مدت
  11. مبتنی بر تفکر ترکیبی (در برابر تفکر تحلیلی و جزء گرایانه)
  12. مبتنی بر کلان نگری و مدل ذهنی کلان از کل کسب وکار و نظام خلق ارزش

فرآیند تصمیمگیری استراتژیک
هر چند فرآیند تصمیمگیری استراتژیک غیرساختیافته است اما میتوان در انتزاعی ترین حالت. ساختاری را برای آن در نظر گرفت

 تعیین تأثیر هوشمندی رقابتی بر مراحل مختلف تصمیمگیری استراتژیک
بر اساس فرآیندی که برای تصمیم گیری استراتژیک ترسیم شد، می توان تشخیص داد که یک سیستم هوشمندی رقابتی در کدام مراحل از تصمیم گیری استراتژیک، می تواند مؤثر باشد.

 بحث، تفسیر و تحلیل نتایج توصیفی
حاصل تصمیم گیری استراتژیک، باید به ایجاد مزیت رقابتی نسبت به رقبای اصلی قادر باشد. نظریۀ "مایکل پورتر" درباره کارکرد اصلی استراتژی که در مقالات و کتب خود آن را تکرار می کند کاملا گویاست. هیچ سازمانی نمی تواند در فقدان یک مزیت رقابتی، سودی بیش از متوسط کسب کند. مزیت رقابتی برای مشتری، منافع بالاتر یا قیمت پایینتر را باید فراهم سازد و در عین حال دستیابی به شرایط مشابه باید دشوار باشد.
اگر استراتژی بتواند از طریق یک فرآیند مشخصِ تحلیلیِ ساخت یافته حاصل شود، دیگر نمی تواند در محیط رقابتی کسب وکار مزیت بخش باشد و این رویکرد، تعابیر غیرفرآیندی و غیرتحلیلی استراتژی را تقویت می کند. با این تحلیل کارکرد سیستم های هوشمندی رقابتی به طور خاص و فنآوری اطلّاعات و ارتباطات به صورت عام در فرآیند تصمیم گیری استراتژیک چیست؟ سه کارکرد برای آن متصور است که عبارتند از:

  1. استفاده از هوشمندی رقابتی برای بخش های ساختاریافته تصمیم گیری استراتژیک: در فرآیند تصمیمگیری استراتژیک، علیرغم غیرساخت یافتگی بصورت عام، برخی مراحل خاص ساخت یافته هستند. برای مثال مرحلۀ مشخص کردن بازارهای جذاب و یا انتخاب بازارهای در حال رشد، فرآیندی ساختارمند است و سیستم های هوشمندی رقابتی قادرند تا با استفاده از الگوهای تحلیلی و داده های مناسب آن را به انجام برسانند. ولی آنجا که کار به فرموله کردن استراتژی می رسد، دیگر فرآیندی برای کار وجود ندارد و کار به قابلیت های ذهنی انسان باید سپرده شود.
  2. استفاده از قابلیتهای گردآوری، ساماندهی و تحلیل داده ها در مراحل غیرفرآیندی طراحی استراتژی: مراحل غیرساخت یافته تصمیم گیری استراتژیک نیز به نوبه خود نیازمند گردآوری و پردازش حجم زیادی از اطلاعات محیطی هستند. سیستم های هوشمندی رقابتی با قابلیت پیشرفت های، همچون کارگزاران هوشمند، قادرند تا در دنیایی از اطلاعات شبکه اینترنت با دقت و حوصله جستجو کنند و اطلاعات مورد نظر استراتژیست را با سرعت و کیفیت بالایی فراهم آورند. داده کاوی (قابلیت تشخیص و استخراج الگوهای مفید از انبوه داده ها) نیز یک زمینۀ بسیار  امیدوارکننده بشمار می آید.
  3. توسعۀ گزینه های استراتژیک: کیفیت تصمیم به کمّیت گزینه ها مرتبط است. سیستم های هوشمندی رقابتی از راه های مختلف قادرند، کمّیت گزینه های استراتژیک را توسعه دهند؛ مانند ترازیابی رقابتی با ایده های برگرفته از شرکا؛ تازه واردها ، هوشمندی رقابتی در صورت بکارگیری درست، می تواند در توسعه کمّی گزینه های استراتژیک که مورد نیاز بخش های غیرساخت یافته تصمیم گیری استراتژیک کمکی مؤثر و در عین حال محدود است باشد .

 نوع آرمانی سیستمهای هوشمندی رقابتی، ویژگیهایی دارد؛ از قبیل پویش و جستجوی دقیق و با حوصله در منابع اطّلاعاتی مختلف و داده کاوی، تشخیص زودهنگام خطرات و فرصتها، ارایه مؤثر، بهنگام و چند رسانه ای اطلاعات، فشرده سازی داده ها و اطلاعات، تسهیم دانش و اطلّاعات، توانایی ایجاد گزارش ها در قبال پرس و جوهای در لحظه و ذخیره سازی اطلاعات و محافظت از آنها.
این ویژگیها بر فرآیند تصمیم گیری استراتژیک، مؤثر تشخیص داده شده اند؛ اما بیشترین تأثیر را در مراحل اولیه تصمیم گیری دارند و کمترین تأثیر را بر توسعۀ گزینه ها و انتخاب و ارزیابی گزینه ها.
تصمیم گیری استراتژیک، ماهیتی غیرخطیّ و ترکیبی با درونمایه اصلی خلّاقیت دارد که هیچ فرآیند مشخصی برای آن متصور نیست. مسئلۀ اصلی اینجاست که تکنولوژی های مبتنی بر کامپیوتر، بعنوان هوشمندترین تکنولوژی از فرآیندها و الگوریتم ها جان می گیرند و تصمیم گیری استراتژیک، ماهیتاً رویکردی غیرفرآیندی و غیرالگوریتمیک دارد. سیستمهای برپایه کامپیوتر قدرت اصلی خود را در انجام فرآیندهای پیچیده تکرارپذیر الگوریتمیک نشان می دهد. بنابراین باید جایگاه به کارگیری سیستمهای هوشمندی رقابتی را دانست و انتظاری بجا از آنها داشت. ابزار تحلیل هیچگاه جای تحلیلگر نخواهد نشست و تکنیک تفکر هیچگاه نیاز به متفکر را مرتفع نخواهد ساخت. بایستی تصمیم گیری استراتژیک را با همین پیچیدگی هایش پذیرفت. تحقیقات آینده: با توجه به اینکه این مقاله، رویکردی کیفی و استقرایی داشته است، نویسندگان مقاله سه مسیر تحقیقاتی زیر را بر اساس تجربیات بدست آمده از تحقیق و با تاکیدبر تحقیقات کمی و قیاسی پیشنهاد می کنند:

  • الف. بررسی تأثیر هوشمندی رقابتی بر تصمیمگیری استراتژیک بر اساس مطالعات میدانی گسترده تر؛
  • ب. بررسی فراگیری و کارآمدی کاربری سیستمهای هوشمندی رقابتی در سازمانهای ایرانی در عمل؛
  • ج. بررسی تأثیر هوشمندی رقابتی بر قابلیت تفکر استراتژیک در سازمانها.

 منبع: نگارندگان علی رضائیان ، مجتبی لشکر بلوکی (چشم انداز مدیریت بازرگانی شماره 2 پیاپی 35-تابستان 89 ص ص 65-43)

Top 14 Business Intelligence predictions for 2012 (Lachlan James)

Top 14 Business Intelligence predictions for 2012 (Lachlan James)

1. The spending spree will continue
2. Location Intelligence: Complex layering
3. Mobile BI

  • Improved customer sales, service, and support (65%)
  • More efficiency and coordination in operations and business ۱processes (60%)
  • Faster deployment of BI and analytics applications and services (50%)
  • Customer self-service benefits (45%)

The top four information access benefits sought from Mobile BI are:

  • Faster and easier executive access to information (83%)
  • Easier, self-service access to data sources (67%)
  • Right-time data for users’ roles in processes or operations (54%)
  • More frequently updated information for all users (51%)

4. SaaS: BI in the Cloud spurs SMB adoption
5. Big Data
6. Ease-of-use will continue to be the number one BI priority
7. The consumerization of BI drives greater adoption and BI ROI
8. More pervasive BI leads to changes in BI governance and usership
9. “Enterprises are going to have to ‘live with’ multiple BI tools”
10. The rise of independent information gatherers
11. An analytics talent shortage
12. In-memory capabilities will grow in importance
13. Collaborative BI will experience notable marketplace penetration
14. More software solution providers will take advantage of embedded BI

Source: http://smartdatacollective.com/yellowfin/47360/top-14-business-intelligence-predictions-2012

Global Business Intelligence Initiatives: 7 Critical Success Factors

Global Business Intelligence Initiatives: 7 Critical Success Factors (By Murali Nandini)

In the current competitive business environment, leveraging the information assets of an organization is key to building successful global business enterprises of the future. This need has driven multiple global organizations to spend millions of dollars on business intelligence/data warehousing (BI/DW) solutions, but most of these initiatives have yielded less than expected return on investment (ROI) as they have failed to identify and address the critical aspects influencing the outcome of these BI initiatives.

Aspects like management commitment, scope management, end-user involvement, project team skills and use of appropriate methodology are critical for ensuring success of any large-scale global projects. But in addition to the above, for a global BI initiative organizations have to address key challenges like resistance from regional/local users, sustenance of good data quality, scalability of data model and architecture, ongoing maintenance and enhancements, and increasing cost of support. Hence, it is critical to define an execution approach that addresses these key challenges.

There are 7 key factors that determine the success of a global BI implementation. Organizations planning to roll out global BI programs need to plan, incorporate and track these factors to be able to minimize the risks of failure.




The Seven Critical Success Factors


  1. Balancing Global versus Local Requirements: In a global BI initiative, one of the most important aspects to be addressed is the extent of localization flexibility provided in the solution design. An understanding of information requirements at both global and local levels and at corporate and business unit levels has to be captured. While one may take the approach of defining the requirements through a top-down approach (global requirements perspective), it also needs to be closely tied in by a bottom-up approach (local requirements perspective). Lack of this process leads to a spawning of island systems to meet comprehensive information needs and takes away the advantages that are expected in the global BI initiative. Non-compliance to this process will lead to unsatisfied end-customers, and the initiative will not have the buy-in from the local end-user team.

  2. Focus on Data Quality and Stewardship: The most complex attribute in implementing a large BI solution is data quality, and this needs to be ensured through a rigorously implemented data stewardship structure. Organizations need to identify data owners at regional/local level for creation of region-specific master data and should have a centralized team that ensures alignment to corporate guidelines and standards before approving the data migration to downstream BI applications. However, the approval time should be minimal to ensure regional/local business needs can be met in a timely manner.

  3. Flexibility of the Data Model: The data model is at the heart of any BI program. Ensuring scalability of a data model that changes and adapts to a rapidly dynamic environment is a critical requirement in any BI program. In the case of a global BI program, the expectations are significantly higher. Even when utilizing an industry-standard data model, it is very important to do the due diligence and ensure that all outlier scenarios have been evaluated because the cost involved in changing the structure is very high.

  4. Architecture Focus on Standardization, Reusability & Automation: In any globally scaled system automation, a critical aspect is to take care of standardization, and this should be an area of key focus for the initiative. Implementing global standards without an armory of reusable components is a huge challenge, and the initiative also needs to have an unflinching focus on developing reusable components to aid this activity. Reusability also becomes a critical aspect in ensuring that the time to market and efforts are reduced as the initiative progresses.

  5. Depth of Process and Data Knowledge: It is imperative to ensure that the execution team understands the business processes, process nuances and the underlying data. This understanding is critical when delivering a global project. The ramifications of making a change at a later point in time will result in huge amount of data validation that will need to be performed.

  6. Complexity in Dependency Management: The extent of dependencies in a global BI initiative is substantially higher. Considering the fact that the global BI initiatives are heavily dependent on various global and local upstream source systems, MDM etc., it is important that the interdependencies are closely managed. Before initiating global BI initiatives, organizations should identify potential changes/enhancements that are planned to be implemented in the near future in both upstream and downstream applications and assess the potential impact of those changes. The implementation program plan should ensure that no major changes/enhancements are being carried out during the critical phases of the global BI program.

  7. Oversight of Operational Challenges (Context of 24X7 Infrastructure): This is an often neglected dimension when thinking through BI solutions at a global level. The sequencing and the failover planning, for instance, are extremely important in the case of a global infrastructure as the loading and reporting will be happening simultaneously.

Source: http://www.b-eye-network.com/view/16230

Nine Ways You Must Invest in Your Career.

9 Ways You Must Invest in Your Career

Most people are too busy working to stop and think about how to invest in their careers. You may be thinking, "I'm doing my job, isn't that enough?" However, if you want to make sure you stay on the right career track, it takes more than just getting the day-to-day work done to be successful.
Cynthia Good is an award-winning journalist and the chief executive officer and founding editor of LittlePINKbook.com, an online resource for professional women. She offers the following suggestions to help you keep your eyes on the prize:

1. Focus on the big picture. It's easy to get bogged down by the little things. You have a bad day, or a bad week, and it seems like the world is coming to an end. Stop and think about it--do you have more successes than frustrations? Concentrate on what you are doing well, and keep looking ahead.

2. Delegate and rely on technology. Are you bogged down in managing minutia, like your calendar, contact information, and errands? Consider possible ways to invest in some help for things you don't actually need to do yourself. For some people, this could involve hiring someone to help with certain tasks, but it could be just as easy as finding some great smartphone applications. Many grocery stores have shopping helper apps, banks provide applications and reminders, and there are countless calendar and day-to-day management applications you may want to try.

3. Network for results. Collecting business cards doesn't count as networking. Have goals in mind when you enter each networking event. Who will attend and whom do you want to try to meet? Know how to introduce yourself, so you are relevant for the person you're meeting. Then, follow-up and keep promising contacts engaged by suggesting a coffee meeting.

4. Propel yourself forward. Good suggests: "If your career isn't going where you want, consider hiring a career coach, picking up a few books about career success, or seeking online resources and newsletters to help keep up-to-date with advice to help you accomplish your goals." If you're stuck in a rut, it will be tough to stay motivated, so do what you can to keep sharp.

5. Keep your online presence professional and up-to-date. When people Google your name, you want to be sure they find useful information about you. Update your profiles to include a great avatar, current information, and correct contact details.

6. Find a mentor. Don't underestimate how important it is to identify someone willing to share advice and information. A mentor can make a real difference in your career. Use online research and in-person networking to help you identify someone whose career you admire, is a good match for you personally, and who is interested in you and your career.

7. Project confidence via your appearance. "You don't have to spend big bucks on a designer ensemble," Good says, but take time to select flattering and up-to-date clothing. She explains, "When you do, you will feel more powerful and confident and other people will notice."

8. Consider continuing education. If you are in a field, but you don't have the formal education you may need to succeed, consider enrolling in a degree or certificate program. "Some companies will even pay for this if you can prove it'll benefit them as well," Good notes.

9. Keep your goals in mind. Don't get caught up in the daily grind, only to wake up one day to realize you haven't accomplished everything you had hoped to do. Make a list of what you want to do. Don't be afraid to include aspirational items--dream big and you'll be more likely to wind up where you want to go.

Source: http://en-maktoob.news.yahoo.com/9-ways-must-invest-career-143515632.html

کاربرد داده کاوی در اطلاعات مالی(مهندس علامه)

کاربرد داده کاوی در اطلاعات مالی(مهندس علامه)

داده کاوى فرآیندى است براى استخراج الگوهایى که دانش را بازنمایى می کند، که این دانش به صورت ضمنى در پایگاه داده هاى عظیم، انباره داده و دیگر مخازن بزرگ اطلاعات، ذخیره شده است. داده کاوى بطور همزمان از چندین رشته علمى بهره می برد نظیر: تکنولوژى پایگاه داده، هوش مصنوعى، یادگیرى ماشین، شبکه هاى عصبى، آمار، شناسایى الگو، سیستم هاى مبتنى بر دانش ، حصول دانش ، بازیابى اطلاعات ، محاسبات سرعت بالا …..


• سیستمهای اطلاعات مالی:
• سیستم حسابداری ، عبارتست از مجموعه ای از اجزا به هم پیوسته در داخل یک موسسه که آثار مالی رویدادهای آن موسسه را به گزارشها و صورتهای مالی تبدیل می کند ،اما  اینگونه سیستمها، در واحد های اقتصادی مختلف الگوها وقواعد ویژه مخصوص به خود دارند ، بنابراین براساس استانداردها  از پیش تعیین شده، الگوها و مدلهای کارآ و بهینه قابل کشف وارائه نبوده و یا اینکه با افزایش داده ها ، تجزیه وتحلیل ،تشخیص وپیش بینی که نیاز مدیران جهت تصمیم گیری است از میان حجم انبوه داده ها براحتی امکان پذیر نمی باشد.


• تقریبا تمامی فعالیتهای سازمانها بر داده های مالی تاثیر می گذارد
• افزایش روز افزون داده های مالی، گسترش تکنولوژی  ذخیره داده ، میزان تاثیر داده های مالی بر تصمیمات اساسی سازمانها و...
• تحقیق ذیل که میزان تاثیر داده کاوی در صنایع مختلف را نشان می دهد اهمیت داده کاوی در امور مالی را بیش از پیش نمایش می دهد
• مدیریت ارتباط با مشتری 26.1%    بانکداری  23.9%  بازاریابی مستقیم 20.3%
• شناسایی جرم  18.8%   وب کاوی  10.1%  خرده فروشی 10.1%  بیمه 8.7%
• مالی و لیزینگ 7.2%  تجارت الکترونیک  5.8%   امنیت و ضد تروریسم  6.3%
• سرمایه گذاری و بورس  2.9%

 

• دو گروه عمده که از نتایج داده کاوی بهره می برند عبارتند از:
• الف : مدیران  صنایع جهت ایجاد تصمیم بهتر در حوزه فعالیت که نیاز شدید به دانش نهفته میان داده های شرکت خود و رقبای خود دارند .
• ب: سرمایه گذاران وافرادی که تصمیم دارند پس انداز وسرمایه خود را با انتخاب صحیح، رشد داده و از خطرات دور نگه دارند. اینگونه افراد بایستی از میان حجم عظیمی از داده ها ی شرکتها وصنایع مختلف ، دانش مورد نیاز جهت انتخاب صحیح را کسب نمایند
 

• بیان ویژگیهای خاص داده های مالی وضرورت تمرکز بر تکنیکهایی از داده کاوی که بیشترین  نتایج مثبت را بتوان استخراج نمود 
• نشان دادن نقاط قوت و ضعف هر یک از روش های داده کاوی  بر روی داده های مالی
• بررسی زمینه های کاربردی داده کاوی در اطلاعات مالی
• وتحلیل تکنیکهایی که از دانش اقتصاد بر الگوریتمهای داده کاوی تاثیر گذاشته است
• پیش نیاز جهت این دوره:
• آشنائی با اصول ومفاهیم داده کاوی ، آمار و اطلاعات مالی 

• مفهوم اغلب کاربردهای زیر، شناسایی یک فرصت کسب و کار و ایجاد یک مزیت رقابتی پایدار را نشان می دهند:
– : پیش بینی این که کدام مشتریان به آگهی های اینترنتی پاسخ می دهند و یا یک محصول ویژه را می خرند و بخش بندی جمعیتی مشتریان.
– : پیش بینی وام های بازپرداخت نشده و کلاهبرداری با استفاده از کارت های اعتباری، پرداخت با استفاده از کارت های اعتباری توسط مشتریان جدید و این که کدام مشتریان بهتر به پیشنهاد وام های جدید یا سایر محصولات و خدمات پاسخ می دهند.
– : پیش بینی فروش و تعیین سطح صحیح موجودی و برنامه های توزیع در میان نمایندگی های فروش.


– : پیش بینی زمان تغییر قیمت اوراق بهادار، پیش بینی دامنه نوسان قیمت و تعیین زمان معامله سهام.
– : پیش بینی تعداد درخواست های مبنی بر پرداخت خسارت و هزینه های پزشکی پوشش داده شده، طبقه بندی مهمترین عناصری که بر پوشش هزینه های پزشکی موثرند، پیش بینی این که کدام مشتریان، بیمه نامه های جدید با خصوصیات مخصوص را خریداری می کنند.
– : پیش بینی هزینه جا به جایی تجهیزات ارتش، آزمودن استراتژی هایی برای درگیری ارتش با دشمن، و پیش بینی مصرف منابع.
: پیش بینی این مسئله که بهتر است چه برنامه هایی در ساعات پرمخاطب پخش شوند و چگونه می توان با دانستن این که پخش آگهی های تبلیغاتی چه موقع انجام شود، حداکثر بازده را به دست آورد.


• داده کاوی و مشتریان                           داده کاوی وبورس وسهام
• داده کاوی و بانک                                داده کاوی و ورشکستگی
• داده کاوی و تقلب                                 داده کاوی و سیستم های اطلاعات حسابداری
• داده کاوی و پیش بینی های مالی
• داده کاوی و هزینه یابی (قیمت تمام شده محصولات)
• داده کاوی در حسابرسی
• داده کاوی وتصمیمهای مالی (مانند اعطا وام و..)
• داده کاوی وسیستمهای خبره
• و................

منبع: وبلاگ مهندس علامه  http://allameh.blogsky.com/1391/03/09/post-377/

نظریه اطلاعات نامتقارن(دكتر یدالله مكرمی)

جایزه نوبل سال 2001 در اقتصاد به مایكل اسپنس (Michael Spence)، جورج اكرلوف (George Akerlof) و جوزف استیلیتز (Joseph Stiglitz) به خاطر كارشان در زمینه اقتصاد اطلاعات تعلق گرفت. این سه دانشمند در دهه هفتاد میلادی نظریهای را درباره بازار پایه گذاری كردند كه به نظریه اطلاعات نامتقارن شهرت یافت. این مقاله به اختصار دیدگاههای این سه دانشمند را معرفی میكند.
    تئوری اقتصاد در چند دهه اخیر با سئوالات چالش برانگیزی رو برو بوده است؛ از جمله:

  • چرا نرخ بهره در بازارهای استقراض محلی در كشورهای جهان سوم اغلب بیش از حد بالاست؟
  • چرا كسانی كه میخواهند یك اتومبیل دست دوم خوب خریداری كنند ترجیح میدهند به واسطه مراجعه كنند تا به شخص فروشنده؟
  • چرا موسسه ها با اینكه ناگزیرند بابت مالیات سود سهام، چیزی بیش از مالیات متعلق به سود حاصل از افزایش قیمت سهم، بپردازند، سود سهام تقسیم میكنند؟
  • چرا به نفع موسسه های بیمه است كه به مشتریان خود فهرستی از قراردادهایی را عرضه كنند كه در آنها حق بیمه به تناسب افزایش كسورات خسارت بیمه، كاهش می یابد؟
  • چرا مالكان زمینهای كشاورزی كل مخاطره برداشت محصول را در قراردادهای خود با زارعان تهیدست، به عهده نمیگیرند؟

برندگان جایزه نوبل سال 2001 پاسخی مشترك به سئوالات یادشده عرضه كردند و با استفاده از فرضیه واقع بینانه اطلاعات نامتقارن به بسط نظریه خود پرداختند كه:

  • واسطه ها، در این سوی بازار اطلاعات بسیار بیشتری از طرف های معامله در آن سوی بازار، دارند؛
  • وام گیرندگان بهتر از وام دهندگان می دانند كه آینده شان برای بازپرداخت اقساط چگونه است؛
  • فروشندگان بهتر از خریداران میدانند كه اتومبیل چه كیفیتی دارد؛
  • مدیر شركت و هیئت مدیره، بیش از سهامداران میدانند كه سوداوری شركت چگونه است
  • بیمه گذاران بهتر از شركت بیمه میدانند كه تا چه اندازه با خطر تصادف رو برویند
  • زارعان بیش ازمالكانِ زمینهای كشاورزی میدانند كه شرایط برداشت محصول و تواناییشان برای انجام كار، چگونه است.

به طور مشخص، اكرلوف نشان داد كه نامتقارنی اطلاعات ممكن است موجب افزایش انتخاب ناجور در بازارها شود. به علت اطلاعات ناقص وام دهندگان یا خریداران اتومبیل، وام گیرندگانی كه برنامه روشنی برای بازپرداخت اقساط وام ندارند و فروشندگان اتومبیلهای بی كیفیت، با جار و جنجال مانع ورود دیگران به بازار می شوند. اسپنش نشان داد كه در شرایط خاص، واسطه های مطلع می توانند با انتقال اطلاعات خصوصی خود به واسطه های كم اطلاع، درامد بازار خود را بیشتر كنند. به این ترتیب، مدیر شركت با صرف مخارج اضافی برای مالیات سود سهام، خبر از بالا بودن سود می دهد. استیلیتز خاطرنشان ساخت كه واسطه كم اطلاع، گاهی می تواند با عمل «سرندكردن» ، برای مثال با ایجاد حق انتخاب در فهرستی از چند قرارداد برای یك معامله معین، اطلاعات واسطهای مطلعتر را به دست آورد. به این ترتیب، شركتهای بیمه می توانند با ارائه بیمه نامه های متفاوت كه در آنها حق بیمه به تناسب كسورات خسارت بیمه كاهش می یابد، مشتریان خود را ازنظر خطرپذیری به چند طبقه تقسیم كنند.
    مقاله سال 1970 اكرلوف با عنوان «بازار نابسامان » تنها مطالعه تحقیقی با اهمیت در ادبیات اقتصاد اطلاعات است. ایده وی ساده اما ژرف و فراگیر است و آثار متعدد و كاربرد گسترده دارد.
    در این مقاله اكرلوف اولین تحلیل رسمی از بازارهایی را كه با مشكل اطلاعاتی انتخاب ناجور رو برویند، معرفی كرد. وی نوعی بازار كالا را معرفی میكند كه در آن، به اصطلاح رایج، فروشنده اطلاعات بیشتری از خریدار دارد. اكرلوف به كمك فرضیه علمی نشان میدهد كه مشكل اطلاعاتی ممكن است موجب توقف كل بازار شود و یا به صورت انقباضی، بازار را به انتخاب ناجور محصولات كم كیفیت سوق می دهد.
    اكرلوف علاوه بر این به رواج و اهمیت موضوع نامتقارن بودن اطلاعات از این نوع و انواع مشابه آن، بویژه در كشورهای در حال توسعه اشاره دارد. یكی از مثالهایی كه وی درباره انتخاب ناجور به تصویر كشیده، از بازارهای اعتباری هندوستان در دهه 1960 گرفته شده است كه در آن وام دهندگان محلی نرخ بهرهای دو برابر نرخ بهره شهرهای بزرگ، منظور می كردند. به هرحال، واسطهای كه از شهر پول قرض می كند و در شهرهای كوچك قرض می دهد، اما از وضعیت اعتباری وام گیرنده بی اطلاع است، با خطر جذب وام گیرندگانی كه توانایی كمی در بازپرداخت اقساط دارند رو بروست و در نتیجه ممكن است با زیان سنگین مواجه شود. یكی دیگر از مثالهای درج شده در مقاله اكرلوف، مشكلات اشخاص مسن در استفاده از بیمه درمانيِ فردی و تبعیض قائل شدن در مورد اقلیتها در بازار كار است.
    یكی از نكات مهم مقاله بازار نابسامان این است كه واسطه های اقتصادی ممكن است انگیزهای قوی برای پوشاندن آثار زیانبار مشكلات اطلاعاتی بر كارایی بازار، داشته باشند. اكرلوف در این باره بحث میكند كه بسیاری از نهادهای بازار را میتوان به عنوان نهادهای خودجوشی تلقی كرد كه در تلاش برای حل مشكلات ناشی از اطلاعات نامتقارن پدید آمده اند. مثالی از این قبیل عبارت است از تضمین واسطه های اتومبیل، و نمونه هایی از قبیل اسم تجاری، فروشگاههای زنجیرهای، واگذاری حق امتیاز و انواع مختلف قراردادها.
    مثال مناسبی درباره این ایده كه اطلاعات نامتقارن موجب گزینش زیان آفرین می شود، مقایسه ناظری بی اطلاع در قیاس با اشخاص «خودی » است كه ممكن است اطلاعات بهتری درباره آینده سوداوری شركت داشته باشند. در نتیجه، موسسه هایی كه سوداوری آنها از حد متعارف پایین تر است بالاتر ارزیابی می شوند و نسبت به موسسه هایی كه سوداوری بالاتر دارند اما كمتر ارزیابی شده اند، آسان تر می توانند با انتشار سهام خود پروژه های جدید را تامین مالی كنند. می توان نتیجه گرفت كه موسسه هایی كه سوداوری كمتری دارند ممكن است سریع تر رشد كنند و بازار سهام قبل از هر چیز در تسلط «نابسامانی» است. زمانیكه سهامداران نامطلع در نهایت به اشتباه خود واقف شوند، قیمت سهام افت می كند.
    اسپنس این سئوال را مطرح كرد كه چگونه افراد مطلعتر در بازار می توانند به صورتی قابل قبول، اطلاعات خود را به اشخاص كم اطلاع انتقال یا «علامت » دهند و به این طریق جلوی برخی مشكلات ناشی از انتخاب ناجور را بگیرند. علامت دهی زمانی رخ می دهد كه واسطه های اقتصادی از سنجه های قابل لمس و ارزشمند برای متقاعد كردن دیگر واسطه ها استفاده كنند و نشان دهند محصولی با كیفیت و با ارزش در اختیار دارند. سهم اسپنس این بود كه ایده پیش گفته را باز كرد و رسمیت داد و آثار آن را تحلیل و مشخص كرد.
    اولین مقاله اسپنس در سال 1973 آموزش را به عنوان علامت كارایی در بازار كار مطرح می كند. نكته اساسی در این مقاله این است كه علامت دهی به نتیجه نمی رسد مگر اینكه هزینه های آن به صورتی درخور توجه، در میان «فرستندگان» علامت یعنی متقاضیان شغل، تفاوت داشته باشد. كارفرما نمی تواند تمایزی بین متقاضیان كاراتر نسبت به آنهایی كه كارایی كمتری دارند قائل شود مگر آنكه هزینه آموزش برای دسته اول آشكارا كمتر از دسته دوم باشد. اسپنس به علاوه، این موضوع را خاطرنشان ساخت كه تعادل بین آموزش و دستمزد، انواع مختلف دارد كه بستگی به انتظارات اشخاص دارد؛ برای مثال، مردان و سفیدپوستان با كارایی یكسان نسبت به زنان و سیاهپوستان، دستمزد بیشتری دریافت می كنند. تحقیقات بعدی موارد متعددی از كاربرد نظریه اسپنس را نشان میدهد كه به این نظریه وسعت می بخشد و اهمیت علامت دهی در بازارهای مختلف را تایید می كند. این تحقیقات پدیده های مختلفی را دربرمی گیرد، از جمله تبلیغ گرانقیمت یا ضمانت های بسیار گسترده به عنوان علامت های كارایی، پافشاری در كاهش قیمت به عنوان علامت استحكام بازار، تاكتیكهای تاخیری در پیشنهاد حقوق به عنوان علامت قدرت چانه زنی، تامین مالی از طریق استقراض به جای انتشار سهام جدید به عنوان علامت سوداوری، و سیاست پولی ركودآفرین به عنوان علامت تعهد قطعی برای كاهش تورم شدید لگام گسیخته. یكی از مثالهای قدیمی در ادبیات تحقیق، موضوع سود قابل تقسیم است. چرا موسسه ها به سهامداران خود سود سهام می پردازند با آنكه بخوبی میدانند این روش مشمول مالیات بیشتری نسبت به درامد حاصل از افزایش قیمت سهام است. اگر سود در موسسه باقی بماند به سهامدار خدمت بیشتری می شود زیرا افزایش قیمت سهام، انتفاع بیشتری نصیب وی میكند. پاسخ احتمالی این است كه سود قابل تقسیم می تواند به عنوان علامت آینده مناسب قلمداد شود. موسسه هایی كه براساس اطلاعات نهانی می دانند كه سوداوری بالاست، سود سهام پرداخت می كنند زیرا بازار این علامت را به عنوان خبر خوب قلمداد میكند و قیمت بالاتری برای سهام قائل می شود. بالا رفتن قیمت سهام مالیات اضافی پرداختی بر روی سود سهام را جبران می كند.
    یكی از مقاله های كلاسیك استیلیتز به طور مشخص نشان می دهد كه چگونه میتوان در بازارهای بیمه با مشكلات اطلاعاتی برخورد كرد؛ از جمله در مواردی كه شركتهای بیمه اطلاعات كافی درباره ریسك پذیری فردی مشتریان ندارند. اینكار استیلیتز آشكارا در جهت تكمیل تحلیل های اكرلوف و اسپنس است كه درباره اقدامات واسطه های غیرمطلع در بازاری كه اطلاعات نامتقارن دارد، تحقیق میكردند. استیلیتز نشان داد كه شركت بیمه (طرف غیرمطلع) میتواند به مشتریان خود (طرف مطلع)، به روشی كه از آن با اصطلاح «سرندكردن» یاد می شود، پاداش های موثری عطا كند تا آنها اطلاعات مربوط به ریسك پذیری خود را رو كنند. شركتهای بیمه با ایجاد موازنه از طریق سرند كردن و به وسیله عرضه گزینه های قراردادی مختلف كه حق بیمه به تناسب افزایش كسوراتِ خسارت كاهش می یابد و با اعطای حق انتخاب، طبقات مختلف خطرپذیری بیمه گذاران را تمیز می دهند.
    استیلیتز و همكارانش بارها و بارها اثبات كردند كه مدلهای اقتصادی اگر نامتقارن بودن اطلاعات را ندیده بگیرند ممكن است كاملاً اشتباه برانگیز باشند. پیام محققان این بوده است كه به رغم وجود اطلاعات نامتقارن، بسیاری از بازارها چهره كاملاً متفاوت و حق به جانب از خود نشان می دهند؛ چیزی كه در نتیجه گیری های مربوط به شكل های مناسب مقررات بخش دولتی نیز به چشم می خورد. استیلیتز آثار اطلاعات نامتقارن را در مضامین مختلف متعددی تحلیل كرده است كه دامنه آن از بیكاری تا طراحی سیستم بهینه مالیات را در برمی گیرد. یكی از كارهای وی، در زمینه بازارهای اعتبار با اطلاعات نامتقارن است. استیلیتز نشان داد كه به منظور كاهش زیان های ناشی از وام های سوخت شدنی، راه مناسب برای بانك ها قسط بندی كردن پرداخت وام به جای افزایش نرخ استقراض است. از آنجا كه قسط بندی اعطای اعتبار بسیار رایج است، اندیشه های وی گام های مهمی به سمت واقع بینانه تر ساختن نظریه بازارهای اعتبار است و آثار با اهمیتی نیز در قلمرو مدیریت مالی، نظریه پولی و اقتصاد كلان به جای گذاشته است.
    استیلیتز نشان داده است كه اطلاعات نامتقارن و انگیزه های اقتصادی تنها تجربه های دانشگاهی نیستند بلكه پدیده های كاملاً واقعی با ارزش توضیحی بسیار گسترده در تحلیل نهادها و شرایط بازار در كشورهای در حال توسعه، به شمار می آیند. یكی از كارهای اولیه وی درباره مشكلات اطلاعات، با موضوع تسهیم محصول ، كه از اشكال قدیمی ولی رایج معاملات قراردادی است، سر و كار دارد.
    قرارداد تسهیم محصول مقرر می كند كه محصول باید به نسبت ثابت (معمولاً نصف و نصف) بین مالك زمین و زارع تقسیم شود. از آنجا كه مالك زمین معمولاً از زارع ثروتمندتر است برای هر دو طرف مفید به نظر میرسد كه مالك زمین تمام خطر را به عهده بگیرد. اما چنین قراردادی انگیزه های قوی كافی به زارع نمی دهد تا زمین را به صورتی موثر كشت كند. با در نظر گرفتن اینكه مالك زمین اطلاعات ناقصی درباره شرایط كشت و توانایی كاری زارع دارد، سهم محصول در واقع راه حل بهینه برای هر دو طرف است.

منبع: نگارنده دكتر یدالله مكرمی   http://www.magiran.com/view.asp?ID=74946&l=fa

نظريات بانکداری نوين(نظریه اطلاعات نامتقارن).

نظريات بانکداری نوين(نظریه اطلاعات نامتقارن)
طی سال‌های اخیر، نظریه بانکداری دستخوش تحولات عمده و شگرفی بوده است. چنین تحولات و تغییرات بزرگی را شاید بتوان به‌عنوان پیامد منطقی سلسله رویدادهایی در نظر گرفت که در بخش مالی اقتصاد کشورهای مختلف، در جریان وقوع است. از میان این رویدادها می‌توان به نوآوری‌های گسترده‌ای اشاره کرد که در عرصه‌های مالی، صورت پذیرفته است؛ نوآوری‌هایی که زمینه‌ساز دگرگونی و انقلاب در بازار مالی و ظهور ابزارهای مالی نوین شده است. در نتیجه، ماهیت بازارها و نهادهایی که باید مشمول نظارت باشند، به‌تدریج در طول زمان تغییر یافته است.
به موازات چنین تحولاتی و در نتیجه آموزه‌های حاصل از بحران‌های مالی - بانکی سال‌های اخیر، فرایند نظارت و تدوین قوانین و مقررات نظارتی نیز مشمول تغییرات اساسی بوده که حاصل آن، پیچیدگی هرچه بیشتر سازوکارهای نظارتی است. نمود بارز چنین پیچیدگی‌هایی را می‌توان در طرح الزامات جدید کفایت سرمایه و هم‌چنین اعمال محدودیت‌های گسترده بر رویه‌های عملیاتی بانک‌ها مشاهده کرد.

در همین اثنا، جریان جدیدی نیز در عرصه محافل علمی بانکداری پدیدار شده است؛ جریانی که بر درک و شناخت متخصصان حرفه مالی و اندیشمندان بانکداری درباره بازار مالی و نظارت بر آن، سایه افکنده است.نظریه اطلاعات نامتقارن، چارچوبی را مورد بررسی قرار می‌دهد که تحت آن، محدوده فعالیت نمایندگان اقتصادی متأثر از ناقص بودن اطلاعات و در پاره‌ای اوقات مغرضانه بودن (فاقد ویژگی بی‌طرفانه بودن اطلاعات) آن است. نگارنده مقاله حاضر بر این باور است که تأکید و تمرکز بر چارچوب‌های مفروض در نظریه اطلاعات نامتقارن می‌تواند زیربنای تحلیل و بررسی بسیاری از مباحثی باشد که در عرصه نظریه بانکداری مورد توجه است.

حقیقت آن است که تحلیل دقیق نظریه اطلاعات نامتقارن، بر شیوه تلقی و نگرش صاحب‌نظران بانکداری از مسائل و مباحث مربوط به نظارت بر بانک‌ها، اثر شگرفی دارد. در نوشتاری که اکنون در مقابل شماست، اثر ناقص بودن اطلاعات بر تحلیل‌های مربوط به ضرورت وجود واسطه‌های مالی و بانک‌ها، شیوه کارکرد آنها و مناسب‌ترین رویه و نحوه عمل در مورد نظارت بر آنها، بررسی خواهد شد. بر این پایه، ابتدا تحلیلی از پدیده ناتوانی بازار در عرصه صنعت بانکداری ارائه می‌شود؛ و در همین ارتباط و در راستای کسب شناخت مناسب‌تر از انواع ناتوانی‌های بازار در صنعت بانکداری، تحلیلی از گونه‌های مختلف نارسایی‌ها و نقصان‌ها در بازار مالی و هم‌چنین استدلال‌های پشتوانه فلسفه وجودی واسطه‌های مالی و بانک‌ها، مطرح می‌گردد. طرح و بررسی چنین آرا و مباحثی موجب فراهم آمدن زمینه‌های دست‌یابی به نوعی نگرش منسجم درباره نقش و جایگاه نظارت در صنعت مالی و نظام بانکی می‌شود.
منافع حاصل از صورت‌بندی ژرف‌نمایی کلی از مبانی نظری نظارت بر صنعت مالی و نظام بانکی از طریق تحلیل نقصان و یا نبود ارتباط میان سازوکارهای نظارتی مانند الزامات کفایت سرمایه و قوانین و مقررات حقوقی و مالی، قابل دست‌یابی است و از این‌رو، بر این مفاهیم و مباحث نیز تأکید ویژه‌ای صورت می‌گیرد.
منبع: سایت بانک ملی ایران https://amoozesh.bmi.ir/forums/ShowPost.aspx?PostID=7
--------------------------------------------
در بسياری اوقات در روابط روزمره ميان دو فرد، يكی اطلاعات بيشتری از ديگری در اختيار دارد كه در علم اقتصاد به اين موضوع «اطلاعات نامتقارن» گفته می‌شود. به عنوان مثال فردی كه دنبال كار می‌گردد بيشتر از كسی كه مي‌خواهد او را استخدام كند از توانايی خود خبر دارد، فروشنده اتومبيل دست دوم بيش از خريدار آن در مورد وضعيت خودرو اطلاع دارد، ...
--------------------------------------------

بازار سرمایه،ضرورت اصلاح و بهبود فضای کسب و کار.(دکتر علی رحمانی، دانشگاه الزهرا)

بازار سرمایه،ضرورت اصلاح و بهبود فضای کسب و کار.(دکتر علی رحمانی، دانشگاه الزهرا)

الگوی فرهنگی تصمیم گیری یکی از موضوعاتی است که میتواند به ثبات مالی بازار و تصور ریسک آن و در نهایت اقبال مردم به بازار سرمایه تاثیر گذارد. در ایران، بیشتر اعتقاد به تصمیم گیری شهودی است. حتی افراد با تحصیلات عالی نیز کمتر عادت کرده اند که برای اخذ یک تصمیم، اطلاعات کافی جمع آوری و تحلیلی  کنند.
این امر موجب میشود که شایعات، اخبار غیر رسمی و اطلاعات نهانی تعیین کننده باشد و جهت بازار سرمایه یک طرفه شود. مشکلی که به شکل پدیده صفهای خرید و فروش در بورس اوراق بهادار مشاهده میشود، در حالی که باید شرایط به گونه ای  فراهم شود که مدیران سرمایه های بزرگ، همانند مردم عادی و غیر حرفه ای عمل نکنند. 

منبع: نشریه پول و اقتصاد(دوره جدید)، سال اول، شماره اول(پژوهشکده پولی و بانکی بانک مرکزی) ص ۱۶۶، نگارنده دکتر علی رحمانی، استادیار دانشگاه الزهرا

چگونه در پشت رايانه ورزش کنیم.

چگونه در پشت رايانه ورزش کنیم.
برای انجام حركت كششی روی گردن می‌توانید سرتان را به آرامی به جلو و عقب و چپ و راست برده و به اطراف بچرخانید. در هر زمانی می‌توانید جهت كاهش فشار و استرس این كار را انجام دهید. هیچ گاه سعی نكنید سرتان را حول محور گردن بچرخانید، زیرا این كار باعث آسیب دیدن مفصل‌های گردن می‌شود.
به گزارش ایسنا، برخی از كارمندان مجبورند كه بیش از ۱۰ ساعت در روز پشت میز كامپیوتر خود نشستید. اما، نشستن مدام پشت كامپیوتر برای بدن ضرر دارد، چون باعث ایجاد كمردرد، كاهش بینایی چشم شده و عارضه‌های مختلف دیگری هم دارد. با این حال می‌توان از این مسایل جلوگیری كرد. اگر كار شما هم به گونه‌ای است كه مجبورید در تمام طول روز پشت میز بنشینید، می‌توانید با انجام چند دستورالعمل ساده به بهبود سلامتی خود كمك كنید. البته راه‌های دیگری هم وجود دارد. مثلا می‌توانید صاحب كار خود را متقاعد كنید كه برایتان میزهای بلند تهیه كند تا كارهایتان را به صورت ایستاده انجام دهید.

تحقیقات نشان می‌دهد كه نشستن طولانی مدت تاثیرات مخربی روی سلامتی كارمندان دارد. به همین دلیل لازم است كه هر كاری می‌توانید انجام دهید تا فعالیت خود را افزایش دهید.

۱ـ از صندلی مناسبی كه برای میزتان طراحی شده استفاده كنید و در وضعیت صحیحی بنشینید. كمرتان باید صاف باشد و چشمانتان باید در راستای بالاترین نقطه مانیتور باشد. اگر برای نگاه كردن مانیتور مجبورید به بالا یا پایین نگاه كنید، معنایش این است كه ارتفاع مانیتور مناسب نیست و باید تنظیم شود. همچنین مطمئن شوید كه مچ دستانتان روی صفحه كلید یا ماوس خم نمی‌شود. این كار از بروز سندروم مجرای مچ دست جلوگیری می‌كند. پاهایتان را هم كمی از زانو خم كنید. كف پاهایتان باید به صورت صاف روی زمین و یا یك زیرپایی مناسب قرار بگیرد.

۲ـ حركات كششی ساده انجام دهید: در حال نشستن با بازوها، پاها و گردن خود حركات كششی انجام دهید، این كار باعث جلوگیری از خشك شدن بدن می‌شود.

* گردن: برای انجام حركت كششی روی گردن می‌توانید سرتان را به آرامی به جلو و عقب و چپ و راست برده و به اطراف بچرخانید. در هر زمانی می‌توانید جهت كاهش فشار و استرس این كار را انجام دهید. هیچ گاه سعی نكنید سرتان را حول محور گردن بچرخانید، زیرا این كار باعث آسیب دیدن مفصل‌های گردن می‌شود.

* شانه‌ها: شانه‌هایتان را حدود ۱۰ بار به جلو و عقب ببرید. این كار باعث رفع خستگی شانه‌ها خواهد شد.

* بازوها و شانه‌ها: یك حركت كششی مناسب برای بازوها و شانه‌ها به این صورت است كه دستان خود را به گونه‌ای روی گوشه میز قرار دهید كه عرض شانه‌هایتان افزایش یابد. سپس دستان خود را به صورتی تاب دهید كه بدنتان رو به جلو حركت كند و شانه‌هایتان خم شود. پس از این یك مرحله جلوتر بروید و شانه‌ها و آرنج خود را به میز نزدیك‌تر كنید.

* مچ: مچ‌های خود را هر یك ساعت یك بار به صورت مكرر بچرخانید. برای این كار لازم است مچ‌هایتان را به مدت ۱۰ دقیقه در جهت حركت عقربه‌های ساعت و ۱۰ دقیقه در خلاف جهت عقربه‌های ساعت بچرخانید. اگر مدت زیادی را صرف تایپ كردن می‌كنید، این تمرین برایتان مفید است و از ابتلا به سندروم مجرای مچ جلوگیری می‌كند.

* قوزك پا: قوزك خود را مكررا بچرخانید. برای این كار هم مثل مچ دست، قوزك خود را سه بار در جهت حركت عقربه‌های ساعت و سپس سه بار در خلاف جهت حركت عقربه‌های ساعت حركت دهید. این كار به بهبود گردش خون كمك كرده و از خواب رفتن پاها جلوگیری می‌كند.

* قفسه سینه: ممكن است گاهی اوقات به سمت صفحه كلید خود خم شوید و قوز كنید. برای جلوگیری از این كار تمرین‌های ذیل را انجام دهید: بازوهایتان را به گونه‌ای كه انگار می‌خواهید شخصی را در آغوش بگیرید، از هم باز كنید و سپس مچ خود را به سمت خارج برگردانده و شانه‌هایتان را به عقب بكشید. به كمك این تمرین می‌توانید بدنتان را در خلاف جهت قوز بكشید و كششی خوبی به قفسه سینه خود وارد كنید.

* شكم: عضلات شكم خود را منقبض كرده، چند ثانیه در این وضعیت نگه داشته و سپس رها كنید. وقتی پشت میزتان نشسته‌اید، در تمام طول روز هر چند دقیقه یك بار این كار را تكرار كنید.

* ساق پا: ساق پای خود را بكشید. زمانی كه نشسته‌اید، پاهایتان را بلند كرده و به آرامی پایین بگذارید. این كار را تا زمانی كه احساس خستگی ملایمی در شما ایجاد شده تكرار كنید. پس از آن ۱۰ دقیقه استراحت كرده و دوباره این تمرین را انجام دهید. به مدت حدود یك ساعت این روند را تكرار كنید. این كار باعث تمرین ساق پایتان می‌شود و از تشكیل لخته خون در پاها جلوگیری می‌كند. لخته خون در بین كاربران میان سال كامپیوتر یك پدیده شایع است.

۳ـ هر نیم ساعت یك بار بلند شوید و قدم بزنید: این عمل باعث تسریع گردش خون در دست‌ها و پاهایتان می‌شود و از خستگی آن‌ها جلوگیری می‌كند. برای پر كردن لیوان آب‌تان به آبخوری بروید. در صورت امكان برای قدم زدن از ساختمان خارج شوید و برای پایین رفتن به جای آسانسور از پله استفاده كنید. با این كار علاوه بر این كه پاها و قلبتان به فعالیت می‌پردازد، می‌توانید كمی هم هوای تازه دریافت كنید.

۴ـ چشمانتان را از روی مانیتور بردارید: هر ۳۰ دقیقه از مانیتور چشم برداشته و به سایر اشیای درون اتاق نظیر پنجره، ساعت، میز یا در نگاه كنید. این كار باعث افزایش حركات چشم شده و احتمال خستگی چشم و سر درد را كاهش می‌دهد. یك روش دیگر برای استراحت دادن به چشم‌هایتان این گونه است كه دستان خود را در یكدیگر قفل كرده و آن‌ها را روی چشم‌هایتان بگذارید.

۵ـ از فرصت غیر فعال بودن شبكه یا زمان لازم برای بارگذاری فایل‌های بزرگ استفاده كنید: در این صورت از جایتان برخاسته و كمی قدم بزنید. اگر امكانش وجود داشته باشد و هم كارانتان از دستتان ناراحت نمی‌شوند، می‌توانید برخی حركات ورزشی نظیر پرش را نیز انجام دهید.

۶ـ به كمك ابزارهای ساده ورزش كنید.

* یك گریپر دستی تهیه كنید. این ابزار بسیار ارزان، ساده و سبك است. وقتی می‌خواهید روی مانیتور یا كاغذ چیزی بخوانید، نیازی به دستانتان ندارید. بنابراین می‌توانید از این فرصت برای تقویت دستانتان استفاده كنید. در این صورت در شرایطی كه دستانتان بیكار است می ‌توانید این رینگ پلاستیكی را فشار دهید تا مچ شما تقویت شود.

* یك كش پلاستیكی تهیه كنید. این وسیله هم ارزان، كوچك و سبك است. می‌توانید از كش برای انجام دادن حركت‌های بالا استفاده كنید. به وسیله این ابزار می‌توانید روی عضلات خود حركات كششی انجام دهید.

* می‌توانید یك توپ تعادل یا صندلی بادی تهیه كنید و روی به نحوی كه كمرتان صاف قرار بگیرد روی آن بنشینید. در این صورت مجبورید برای حفظ تعادلتان روی توپ كالری بسوزانید. اگر چه یك توپ تعادل كمك بیشتری می‌كند، اما تهیه صندلی بادی برای محیط‌های اداری مناسب‌تر است. در این صورت وقتی كه نشسته‌اید و یا مشغول مكالمه تلفنی هستید، می‌توانید بدنتان را حركت دهید. البته در هنگام تایپ كردن روی یك صندلی معمولی بنشینید تا مچ دستتان آسیب نبیند.

۷ـ نفس عمیق بكشید: برای تقویت عضلات شكم می‌توانید نفستان را چند ثانیه درون شكم خود حبس كرده و سپس رها كنید. در صورت امكان، با قدم زدن در خارج از ساختمان، هوای تازه وارد بدن خود كنید.

۸ـ كنارتان یك بطری آب داشته باشید و در طول روز آب فراوان بنوشید، اگر همیشه این كار را انجام دهید، هوشیاری‌تان افزایش پیدا می‌كند. برای پر كردن بطری یا لیوانتان به سمت آبخوری قدم بزنید تا به پاهایتان هم فعالیت بدهید.

نكات:

* پشتی صندلی خود را با زاویه‌ای بیشتر از ۹۰ درجه باز كنید.

* از سلامت چشمانتان غافل نشوید. خیره شدن طولانی مدت به یك نقطه برای روی مانیتور بینایی‌تان مضر است. به همین دلیل سعی كنید از پنجره به بیرون نگاه كرده و به نقطه‌ای در دور دست خیره شوید. همچنین سعی كنید از مانیتورهای LCD استفاده كنید، چون برای چشم خطر كمتری دارند. چشم پزشكان توصیه می‌كنند كه اگر برای مدت طولانی با كامپیوتر كار می‌كنید، از قاعده ۲۰ـ۲۰ـ۲۰ استفاده كنید. این قاعده می‌گوید پس از هر ۲۰ دقیقه نگاه كردن به مانیتور، ۲۰ ثانیه به شی‌ای كه ۲۰ فوت با شما فاصله دارد نگاه كنید.

* وقتی روی مانیتور مطلبی می‌خوانید، چشمان خود را كج نكنید، در بیشتر كامپیوترها می‌توان اندازه فونت را بزرگ كرد. اگر دو كلید + و CTRL را همزمان فشار دهید، اندازه فونت افزایش خواهد یافت تا فشار كمتری به چشمتان وارد شود. فشردن همزمان ـ و CTRL نیز اندازه فونت را كاهش می‌دهد و فشردن همزمان ۰ و CTRL اندازه فونت را به وضعیت پیش فرض باز می‌گرداند. حتی اگر مشكل بینایی ندارید، امتحان كردن این امكان خالی از لطف نخواهد بود.

* بی‌حركت ننشینید: با داشتن تحرك می‌توانید سلامتی خود را حفظ كنید. حركت مدام باعث سوختن كالری می‌شود و به سلامت قلبی ـ عروقی نیز كمك می‌كند. تكان خوردن روی صندلی روش خوبی برای تحرك داشتن است. حتی كار ساده‌ای همچون تكان دادن پا می‌تواند مفید باشد. با این حال، مراقب همكارانتان هم باشید و سر و صدا ایجاد نكنید.

* اگر تنها هستید از پشت كامپیتوترتان بلند شده و ورزش كنید. اگر با تلفن همراه خود صحبت می‌كنید از جایتان برخاسته و حركات كششی انجام دهید. هر كاری كه می‌توانید برای داشتن فعالیت و تحرك انجام دهید.

* سعی كنید ورزش‌هایی انجام دهید كه عضلات مخالفتان درگیر شود. (عضلات منبسط كننده و منقبض كننده نظیر عضله دو سر و سه سر). دست‌هایتان را به نحوی در یكدیگر قفل كنید كه كف دست‌ها با یكدیگر برخورد كنند. پس از آن، یك دست خود را به طرف خودتان بكشید و دست دیگر را به جلو فشار دهید.

* وقتی ورزش می‌كنید، به موسیقی گوش كنید تا فشارهایتان كاهش یابد.

** هشدارها:

* بدن شما به ورزش بیشتری نیاز دارد، بنابراین تصور نكنید كه ورزش كردن پشت كامپیوتر برایتان كافی است. اگر چه ورزش كردن پشت كامپیتوتر مفید است، اما به یاد داشته باشید كه این كار نمی‌تواند جایگزین رفتن به باشگاه ورزشی و یا دنبال كردن یك برنامه ورزشی منظم شود.

* زمانی كه عضلات بی‌حركت باقی می‌مانند، گردش خون در بدن كاهش می یابد. علاوه بر این، عدم فعالیت عضلات باعث تنبلی آن‌ها شده و انجام دادن كارها را برایتان دشوارتر می‌كند.

* نشستن پشت كامپیوتر در وضعیت نامناسب و بی‌تحركی طولانی مدت عضلات در كنار یكدیگر می‌تواند منجر به مشكلات پزشكی نظیر ضایعه تجمعی ناشی از تروما (CTD) یا فشار ناشی از اعمال تكراری (RSI) جلوگیری كند. 

منبع: http://alef.ir/vdcgq79qtak9nz4.rpra.html?158014