نسل پنجم چیست؟

تکنولوژی 5G یک استاندارد صنعتی است که جایگزین استاندارد رایج کنونی یعنی 4G LTE خواهد شد. مانند دیگر شبکه ها، 5G از سیستمی بر پایه چندین سلول که به بخش های متعدد تقسیم شده تشکیل گشته است. هر کدام از این بخش ها به واسطه امواج رادیویی، داده های کدگذاری شده ارسال می کنند. نسل پنجم ارتباطات سیار سلولی، سرعت انتقال داده را تا 20 گیگابیت بر ثانیه افزایش می دهد و تمرکز اصلی در فناوری 5G، ایجاد ارتباطات بی سیم بدون محدودیت و با کیفیت خارق العاده است.

ویژگی های نسل پنجم؟

1) پشتیبانی عالی از (WWWW (wireless world wide web

2) سرعت و ظرفیت بسیار بالا

3) توزیع داده ها در حد و اندازه های گیگابیت

4) به ارمغان آوردن روزنامه های دیجیتالی و تماشای برنامه ها با کیفیت بی نظیر

5) شفافیت در ارتباط صوتی و تصویری

 

کاربردهای فناوری نسل پنجم

توانایی های نسل پنجم تنها به شبکه و سرعت اینترنت محدود نمی شود؛ در آینده ای نه چندان دور، بشر با استفاده از 5G زندگی بسیار هوشمندتری خواهد داشت. در ادامه کاربرد فناوری 5G در بخش های گوناگون را مرور می کنیم.

خانه هایی هوشمندتر از همیشه

همانطور که قبلا اشاره شد، نسل پنجم شبکه های تلفن همراه دارای پهنای باند زیاد و نرخ تاخیر بسیار کم است؛ بنابراین می توانیم انتظار داشته باشیم خانه ها بیش از پیش هوشمند شوند.تولید کنندگان دستگاه های هوشمند، در حال تهیه استانداردهای لازم برای توسعه  5G در خانه ها هستند. با استفاده از این فناوری لوازم خانه با سرعت بسیار بالا و تنها با یک پروتکل بی سیم، به هم متصل شده و به خوبی کار می کنند. ویژگی LPWAN (low-power wide-area network) نسل پنجم، لوازم منزل را قادر می سازد که با عبور از شبکه های خانگی، به طور مستقیم به هم اتصال پیدا کنند. بنابراین دستگاه ها در عملکرد خود پایداری بیشتری خواهند داشت. امنیت خانه ها نیز تحت تاثیر فناوری 5G قرار خواهد گرفت. کنترل نقاط دوردست راحت تر از قبل خواهد شد و تکنولوژی نظارتی نیز از راه خواهد رسید؛ به لطف 5G اتصال کم قدرت بین دوربین های امنیتی و تجهیزات مشابه، فراهم خواهد شد.

لجستیک و کشتی رانی

نسل پنجم قادر است حمل و نقل کالا، مدیریت ناوگان دریایی را متحول کند. به لطف 5G رهگیری لحظه ای و آنی کالا ها در مسیر رسیدن به مشتری میسر خواهد شد و خریداران می توانند هر لحظه سفارش خود را ببینند. شرکت های چینی و سوئدی یونیکام و اریکسون، در حال ساخت بندری هوشمند در کیندائوی چین هستند. طبق گفته ها فناوری 5G می تواند تا 70 درصد هزینه های جاری بنادر را کاهش دهد. نسل پنجم قرار است به واسطه نرخ تاخیر بسیار پایین و ارتباط پایدار و آنی، 30 دوربین امینتی کیفیت بالا را به هم متصل کرده و از این طریق، بندر را به صورت هوشمند کنترل کند. همچنین جرثقیل ها نیز از این فناوری استفاده خواهند کرد تا کانتینرها به راحتی و از اتاق کنترل جا به جا شوند.

شهرهای هوشمند

فناوری 5G می تواند جنبه های مختلفی از زندگی شهری را تحت تاثیر قرار دهد از جمله: مدیریت انرژی، مدیریت آب، تغییرات آب و هوایی، چراغ های هوشمند، کنترل ترافیک، پیش بینی موقعیت های اضطراری.

سلامتی و پزشکی

نسل پنجم می تواند افراد در سراسر دنیا را با کیفیتی بی نظیر به هم متصل کند؛ به گونه ای که پزشکان قادر خواهند بود به صورت آنی با بیماران در تماس بوده و حتی از راه دور جراحی انجام دهند. وسایل و تجهیزات پزشکی در آینده و با استفاده از شبکه 5G به هم متصل شده و کارهایی مانند عکسبرداری اچ دی و تجزیه و تحلیل هوشمند، قابل انجام خواهند بود. این قابلیت ها تنها بخشی از مزایای استفاده از 5G در صنایع مختلف است. در آینده ماشین های بدون سرنشین با اجزای خیابان و حتی تابلوها در ارتباط خواهند بود و موقعیت های مختلف را تجزیه و تحلیل می کنند. باید صبر کنیم و ببینیم این فناوری چه زمانی همه گیر شده و در اختیار عموم قرار خواهد گرفت.

سیستم تصمیم یار DSS

مقدمه مفهوم (سیستمهای تصمیم یار)DSS برای اولین بار در سالهای آغازین دهه 70 بوسیله اسكات مورتون تحت عنوان (سیستمهای تصمیم گیری مدیریت) مطرح گردید. او چنین سیستمهایی را, سیستم‌های تعاملی برمبنای كامپیوتر نامید كه با استفاده از داده‌ها و مدلها, تصمیم گیرندگان را در حل مسائل ساختار نایافته یاری می‌رسانند. تعریف دیگر DSS به وسیله كین و اسكات مورتن به شرح زیر ارائه شده است: سیستم‌های تصمیم‌یارDSS) منابع هوشمند انسانی را با تواناییهای كامپیوتر برای بهبود بخشیدن كیفیت تصمیمات تركیب می‌كنند, آنها (سیستمهایی برمبنای كامپیوتر)(CBIS) تصمیم‌گیریهای مدیریتی هستند كه به مسائل نیمه ساختار یافته میپردازند. تعاریف مزبور به چهار ویژگی اصلی اشاره دارند: 1 ـ DSS داده‌ها و مدلها را با هم تركیب می‌كند. 2 ـ DSSها برای كمك به مدیران در فرایند تصمیم‌گیری در مورد مسائل نیمه ساختار یافته و ساختار نایافته طراحی می‌شوند. 3ـ DSSها تصمیمات مدیران را پشتیبانی می‌كنند و به هیچ وجه جایگزین آنها نمی‌شوند. 4 ـ هدف DSS بهبود اثر بخشی تصمیمات است. باید یادآوری كرد كه DSS اصطلاحی تفسیر بردار است, به این معنی كه برای اشخاص مختلف معانی مختلف دارد و تعریف جهان شمول قابل قبولی برای DSS وجود نداردو در بسیاری ازحالات DSS با توجه به ویژگیها و فواید آن توصیف می‌شود.

سیستم های تصمیم یار مقدمه ـ مفهوم DSS ـ اهداف DSS ـ تعریف DSS ـ مثالی از DSS ـ یك مدل DSS ـ چارچوب DSS ـ DSS در مقایسه با MIS ـ دلایل ساخت DSS ـ سیستم پشتیبانی تصمیم و انواع آن ـ فواید و ویژگی‌های DSS ـ تكامل سیستم‌های پشتیبانی تصمیم‌یار ـ ساختار سیستم‌های تصمیم‌یار ـ تصویر كلی مدل سازی به عنوان یك ابزار DSS ـ DSS جهت داده با مدل ـ توانایی‌های DSS ـ متدهای تحصیل اطلاعات از DSS ـ كتابخانه نرم افزار DSS ـ تجزیه و تحلیل هزینه منفعت مقدمه مفهوم (سیستمهای تصمیم یار)DSS برای اولین بار در سالهای آغازین دهه 70 بوسیله اسكات مورتون تحت عنوان (سیستمهای تصمیم گیری مدیریت) مطرح گردید. او چنین سیستمهایی را, سیستم‌های تعاملی برمبنای كامپیوتر نامید كه با استفاده از داده‌ها و مدلها, تصمیم گیرندگان را در حل مسائل ساختار نایافته یاری می‌رسانند. تعریف دیگر DSS به وسیله كین و اسكات مورتن به شرح زیر ارائه شده است: سیستم‌های تصمیم‌یارDSS) منابع هوشمند انسانی را با تواناییهای كامپیوتر برای بهبود بخشیدن كیفیت تصمیمات تركیب می‌كنند, آنها (سیستمهایی برمبنای كامپیوتر)(CBIS) تصمیم‌گیریهای مدیریتی هستند كه به مسائل نیمه ساختار یافته میپردازند. تعاریف مزبور به چهار ویژگی اصلی اشاره دارند: 1 ـ DSS داده‌ها و مدلها را با هم تركیب می‌كند. 2 ـ DSSها برای كمك به مدیران در فرایند تصمیم‌گیری در مورد مسائل نیمه ساختار یافته و ساختار نایافته طراحی می‌شوند. 3ـ DSSها تصمیمات مدیران را پشتیبانی می‌كنند و به هیچ وجه جایگزین آنها نمی‌شوند. 4 ـ هدف DSS بهبود اثر بخشی تصمیمات است. باید یادآوری كرد كه DSS اصطلاحی تفسیر بردار است, به این معنی كه برای اشخاص مختلف معانی مختلف دارد و تعریف جهان شمول قابل قبولی برای DSS وجود نداردو در بسیاری ازحالات DSS با توجه به ویژگیها و فواید آن توصیف می‌شود. مفهوم سیستم پشتیبانی تصمیم مفهوم DSS به خاطر استعمال غلط اصطلاح MIS در سیستم بوجود آمد. MIS در ابتدا مفهومی متفاوت با پردازش داده داشت. هدف MIS استفاده از سیستم كامپیوتری برای كمك به مدیر در تصمیم‌گیری بود. ولی پس از مدتی MIS بعنوان تمام فعالیتهای كامپیوتری شناخته شد. بنابراین, وجود اصطلاحی برای نشان دادن نیاز مدیر به اطلاعات, احساس گردید. (سیستم‌های اطلاعات مدیریت, مهدی بهشتیان, ص : 240) گوری و اسكات ـ مورتون1 مفهوم سیستم پشتیبانی تصمیم را پایه‌گذاری كردند. آنان حیطه مسائل نیمه ساختاری كه نیاز به توجه دارند را بهمان صورت مصور در شناسایی نمودند . از سیستم پشتیبانی تصمیم به منظور حل مسائل نیمه ساختاری استفاده می شود. یك مسئله ساختاری را به تنهایی می‌توان توسط كامپیوتر با دنبال كردن یك برنامه فرعی كه توسط مدیر تدارك میشود حل نمود. در حل مسائل نیمه ساختاری, مدیر بخش ساختار مسئله را با كامپیوتر حل می‌كند در حالیكه با آن بخش نیمه ساختاری به طور ذهنی برخورد می نماید. اگر مسئله فاقد هرگونه ساختار باشد, كامپیوتر هیچگونه كمكی نمی‌تواند بنماید و مدیر باید به طور ذهنی به یك راه حل برسد. مفهوم سیستم پشتیبانی تصمیم متداول‌ترین روش را برای استفاده كامپیوتر در حل مسئله در خلال سالهای دهه 1980 بوجود آمد. مدیران تشخیص داده‌اند می‌توانند با كامپیوتر بصورت یك تیم حل مسئله كاركنند. (سیستم‌های اطلاعات مدیریت, مك لویه, ص: 153). رشد تدریجی مفهوم DSS اواخر دهه 1960, استفاده از DSS, وقتی كه استفاده از كامپیوتر عمومیت یافت, آغاز گردید. برای اولین بار قدرت كامپیوتر در دسترس یك نفر قرار می‌گرفت تا به هر شكل مورد نظر خود از آن استفاده نماید. گرچه تنها تا سال 1971 از اصطلاح DSS به صورت غیر رسمی استفاده می‌شد. (جی. آنتونی گری)1 و (مایكل اس. اسكات مورتون)2 دو پروفسور دانشگاه MIT اثری به نام (چارچوبی برای سیستم‌های اطلاعات مدیریت) تالیف نمودند مولفان نیاز به یك چارچوب برای هدایت كاربردهای كامپیوتر در تصمیم‌گیری مدیریت را مطرح كردند. آنها از انواع تصمیم سایمن و سطوح مدیریت آنتونی بعنوان مبنایی برای ایجاد چارچوب ترسیم شده در نمودار 2 ـ 8 استفاده نمودند. سطوح مدیریت در ستونها و درجات ساختیافته بودن در سطرها نشان شده‌اند. به جای استفاده از تصمیمات برنامه‌ریزی شده و غیر برنامه‌ریزی شده سایمن, آنها از تصمیمات ساختیافته و غیر ساختیافته استفاده نمودند. (تصمیمات ساختیافته)3 آنهایی هستند كه مطابق با مراحل خاص و یا روتین باشند و (تصمیمات غیر ساختیافته)4 در غیاب چنین مراحلی اتخاذ می‌شوند. همانند سایمن, گری و اسكات مورتون, منطقه مبهم میانی را تشخیص دادند ـ (تصمیمات نیمه ساختیافته), همانهایی هستند كه قبلا به صورت جزئی شرح داده شدند. گری و اسكات مورتون, انواع مسائل بازرگانی را در جدول خود وارد كردند. بعنوان مثال, حسابهای دریافتنی بوسیله مدیران در سطح (پایین تر) كنترل عملیات, با اتخاذ تصمیمات ساختیافته حل می‌شود. برنامه ریزی R&D بوسیله مدیران سطح (بالاتر) در ستون برنامه‌ریزی استراتژیك, با اتخاذ تصمیمات غیر ساختیافته اجرا می‌گردد. كنترل كنترل برنامه‌ریزی عملیاتی مدیریت استراتژیك ساخت‌یافته حسابهای دریافتنی تجزیه و تحلیل تركیب ناوگان حمل بودجه ـ هزینه و نقل ورودی سفارش پیش بینی كوتاه مكانیابی انبار و مدت كارخانه كنترل موجودی نیمه ساختیافته برنامه‌ریزی تولید تجزیه و تحلیل تركیب و تحصیل واریانس سطح كلان بودجه مدیریت نقدینگی تنظیم بودجه برنامه‌ریزی محصول جدید غیر ساختیافته سیستمهای فروش و تولید برنامه‌ریزی R &D PERT/CPM نمودار 2ـ 8 چارچوب مطرح شده بوسیله گری و اسكات مورتون خط نقطه چین وسط جدول مسائلی را كه با استفاده از كامپیوتر بصورت موفقیت‌آمیزی حل می‌شوند (بالای خط چین) را از مسائلی كه در همان زمان موضوع پردازش كامپیوتر نمی‌باشد جدا می‌سازد. منطقه بالاتر به نام (سیستمهای تصمیم ساختیافته)1 یا SDS و منطقه پایین‌تر به نام (سیستمهای پشتیبان تصمیم) یا DSS شناخته شده‌اند. گری و اسكات مورتون در ابتدا DSS را بعنوان تعریف كاربردهای آینده كامپیوتر شناختند. بعدها این اصطلاح برای تمام كاربردهای كامپیوتر كه درجهت پشتیبانی تصمیم بود به كار گرفته شد. كمك مهم بعدی به درك DSS بوسیله (استیون آل. آلتر)2 انجام شده است. وی ضمن مطالعه‌ای در مورد 56 سیستم پشتیبانی تصمیم آنها را به 6 نوع عمده طبقه‌بندی كرد. انواع DSS در نمودار 3 ـ 8 تشریح شده‌اند. وجه تمایز آنها در درجه پشتیبانی فراهم شده بوسیله آنها می‌باشد. اتخاذ تصمیم پیشنهاد تصمیمها برآورد نتایج تصمیم دریافت گزارشهای استاندارد تجزیه و تحلیل كل فایلها بازیافت اجزا داده دخالت مدیر نمودار 3 ـ 8 شش نوع DSS مطرح شده بوسیله آلتر حداقل میزان پشتیبانی DSS, قادر سازی مدیر به بازیافت اجزا داده می‌باشد. ممكن است مدیر از پایگاه داده بخواهد نرخ بازگشت سرمایه (ROL) عملیات سازمان را بدست آورد. DSS به تجزیه و تحلیل تمام پرونده‌ها پشتیبانی بیشتری را ارائه می‌كند. مدیر ممكن است گزارش خاصی را كه در آن از داده‌های فایل موجودی استفاده شده, تقاضا نماید. بوسیله (گزارشات استاندارد) مانند صورتحساب سود و زیان, پشتیبانی بیشتری ارائه می‌گردد. در سه نوع اول, DSS به شكل جستجوی پایگاه داه و گزارشات استاندارد, پشتیبانی خود را فراهم ساخته است. نوع دوم مستلزم استفاده ازمدلهای ریاضی است كه (پیشنهاد تصمیم) می‌كند. بعنوان مثال ممكن است در یك مدل گفته شود كه اگر شما قیمت را تا 25 ریال كاهش دهید, سود خالص, 5000 ریال افزایش خواهد یافت. این مدل قادر به تعیین این نكته نیست كه آیا قیمت 25 ریال بهترین قیمت است یا خیر و تنها می‌تواند بگوید كه درصورت اتخاذ چنین تصمیمی ممكن است چه وضعیتی ایجاد شود. پشتیبانی بیشتر بوسیله یك مدل كه بتواند بگوید (بهترین قیمت 75 ریال است) ارائه می‌گردد. نوع خاصی از DSS كه بیشترین میزان پشتیبانی را فراهم میكند نوعی است كه برای مدیر تصمیم‌گیری می‌كند. آلتر از مثال نرخهای بیمه یك شركت بیمه كه بوسیله كامپیوتر تعیین می‌گردد, استفاده نمود. مطالعه آلتر بسیار با اهمیت می‌باشد, زیرا این اولین مطالعه در مورد انواع DSS واقعی مورد استفاده در سازمانهای بازرگانی بود. اهداف DSS از دیگر محققین DSS در دانشگاه MIT, پیترجی. دبلیو. كین1 به اتفاق اسكات مورتون بودند كه DSS را برحسب اهدافش تعریف كردند: ـ به مدیران در فرآیندهای تصمیم‌گیری در مسائل نیمه‌ساخت یافته كمك می‌كند. ـ پشتیبانی بجای جایگزینی قضاوتهای مدیریتی. ـ تكمیل اثر بخشی تصمیم‌گیری بجای كارآیی آن. تمركز بر روی مشاغل نیمه ساخت‌یافته , منطقه وسیعی را در برمی‌گیرد, همانطوریكه در نمودار 4 ـ 8 تشریح شده است. اگر مسئله‌ای كاملا ساخت یافته باشد, كامپیوتر میتواند آن را حل كند. مثالی از این مورد فرمول EOQ (مقدار سفارش اقتصادی) است. از طرف دیگر, اگر مسئله‌ای دارای ساختار خاصی نباشد, مدیر بایستی آن را بدون كمك كامپیوتر حل نماید. مسائل نیمه ساخت‌یافته بوسیله مدیر و با كمك كامپیوتر حل می‌شوند. كامپیوتر بعنوان یك سیستم پشتیبانی تصمیم عمل می‌كند. بر حسب هدف دوم, DSS نباید تا بجای مدیر عمل نماید. مدیر بر روی قسمت غیر ساخت‌یافته مسئله متمركز می‌شود ( با بكارگیری قضاوت و یا اشراق و انجام تجزیه و تحلیل). امروزه سومین هدف (تكمیل اثر بخشی به جای كارایی), مفهوم وسیع‌تری از آنچه كه در سال 1978 می‌رسانده است را دارا میباشد. كوششهای DSS برای كمك به مدیر منجر به اخذ تصمیمات بهتری می‌شود. كارایی تصمیم‌گیری خوب است, ولی هدف اصلی نیست. هدف (اثر بخشی) امروزه مفهوم خاصتری پیدا كرده است و همانند مفهوم هوش مصنوعی و سیستم‌های خبره توجه بیشتری را به خود مبذول داشته است هوش مصنوعی به استفاده از كامپیوتر در ارائه دلیل, جهت حل مسئله بدون كمك انسان, توجه دارد. سیستمهای خبره یك زیر مجموعه از هوش مصنوعی است, كه در آن هدف قراهم كردن كامپیوتری با قابلیتهای مشابه به عنوان یك متخصص و یك مشاور می‌باشد. با تركیب سیستم‌های متخصص در DSS, كامپیوتر می‌تواند توسط مدیر در زمینه فرایندهای تصمیم‌گیری به نحو موثرتری مورد مشاوره قرار گیرد. DSS بایستی برنامه‌ریزی شود تا بتواند فرایندهای تصمیم‌گیری بهتری را ابداع نماید.( سیستمهای اطلاعات مدیریت, مهدی بهشتیان, ص: 345 ـ 340 ) تعریف DSS با این مقدمه در مورد چگونگی تكامل تدریجی DSS و اهداف آن, میتوانیم DSS را بعنوان یك سیستم پشتیبان مدیر جهت حل مسائل نیمه‌ساخت یافته بوسیله فراهم كردن اطلاعات و پیشنهادات تعریف نماییم. این پیشنهادات میتوانند به شكل تصمیمات توصیه شده و همچنین فرایندهای توصیه‌ای برای به جریان انداختن امور جاری باشند. ظرفیت فرایندهای توصیه‌ای در این مقوله, DSS قادر به عمل بعنوان یك سیستم خبره می‌نماید. مدیر از یك برنامه زمان‌بندی هفتگی جلسات, بعنوان یك سیستم پشتیبان تصمیم بهره میبرد, لاكن عموماً به اینكه DSS دارای چنین حیطه وسیعی باشد معتقد نیستند. مثالی از DSS كمپانی كداك دو سال وقت و 2/1 میلیون دلار را صرف پیاده كردن DSS اطلاع بازار (Midss) نمود. ستاد خدمات اطلاعاتی با 30 نفر پرسنل از قسمتهای مختلف كمپانی به منظور تهیه یك لیست مقدماتی از نیازهای كاربران, مصاحبه كردند. سپس این نیازهای به اطلاعات و نیازهای نرم افزاری تبدیل شدند بسته‌های نرم افزاری در دسترس ارزیابی قرار گرفتند و در مورد ایجادMidss پیرامون4GL سیستمهای تصمیم مدیریت به نام EXPRESS تصمیم‌گیری شد. همچنین برای فراهم كردن SAS/GRAPH.SASAPL,IFPS بمنظور برآورده كردن نیازهای متفاوت بصورت گسترده تصمیم‌گیری گردید. Midss شامل چند سیستم می باشد. اولین سیستم مدلی بود كه از تصمیمات مرتبط با خط‌مشی تبلیغات پشتیبانی می‌كرد. كداك احساس كرد كه این مدل به تنهایی 5 میلیون دلار در هزینه‌های تبلیغات صرفه جویی می‌كند. بزرگترین سیستم رفتار خرید مشتریان را شناسایی و خرید فیلم را با روند رفتاری آنها مطابقت می‌داد كدام اعتقاد داشت كه این مدل تنها در سال اول 10 برابر بیش از هزینه‌های Midss صرفه جویی میكند.( همان, ص: 329). یك مدل سیستم پشتیبانی تصمیم شكل 2 ـ 13 نحوه حمایت سیستم پشتیبانی تصمیم مدیر را از طریق هر مرحله از فرایند حل مسئله نشان می‌دهد. مراحل همان روش سیستمهای توصیف شده در فصل 7 است. سیستم پشتیبانی تصمیم حاوی یك پردازنده اطلاعات ـ كامپیوتر, پایگاه اطلاعات و كتابخانه نرم افزار است. هر دو داده‌های داخلی و محیطی در پایگاه اطلاعات ذخیره می‌گردند. نرم افزار كامپیوتر را قادر به تهیه اطلاعاتی به شكل گزارشات نموده و به كنكاشهای پایگاه اطلاعات عكس‌العمل نشان داده و با مدلهای ریاضی مشابه سازی می‌كند. پیكانها نحوه‌ای كه اطلاعات در این اشكال عمده در اختیار یك مدیر را گروه خاصی از مدیران جهت استفاده برای تصمیم‌گیری در هر مرحله از حل مسئله قرار می گیرد را نشان می‌دهد. دو نكته را در مورد پشتیبانی مراحل باید مورد توجه قرار داد. اول, تمام مراحل با درجه یكسانی مورد حمایت قرار نمی‌گیرند. به عنوان یك قاعده, دو مرحله اول كه برای شناسایی و درك مسئله دنبال می‌شود كاملا مورد حمایت قرار می‌گیرد. پشتیبانی برای شناسایی گزینه‌ها, معمولا بسیار ناچیز است. دوم, هر وسیله اطلاعاتی جهت حمایت برخی مراحل مناسب‌تر است سایر وسایل است. گزارشات و كنكاشهای پایگاه اطلاعات به كرات در شناسایی و درك مسئله مورد استفاده قرار می‌گیرد. مشابه سازی درگزینه ارزیابی بسیار ارزشمند است. گزارشات برای پیگیری عالی است. اكنون راههایی را كه سیستم اطلاعات مبتنی بر كامپیوتر به تهیه اطلاعات می‌پردازد ـ گزارشات ادواری, گزارشات خاص بعنوان نتیجه‌ای از بررسی‌های پایگاه اطلاعات, و مدل‌سازیهای ریاضی ـ را مورد بحث قرار خواهیم داد. این خروجی‌ها مشخصه‌ای از هر دو سیستم اطلاعات مدیریت و سیستم پشتیبانی تصمیم هستند. شكل 2 ـ 13. یك مدل سیستم پشتیبانی تصمیم گزارشات ادواری و گزارشات خاص چنانچه قرار باشد گزارشی را از میز تحریر یك مدیر برداریم احتمالا نمی‌توانید بگویید آیا این گزارش ادواری یا یك گزارش خاص است. هر دو آنها می‌توانند دقیقا مشابه هم باشند آنچه آنها از یكدیگر متمایز می‌كند شیوه اقدام آنها است. یك گزارش ادواری بر طبق یك برنامه زمان‌بندی معینی نظیر تجزیه و تحلیل ماهانه فروش برحسب مشتری تهیه می‌شود. یك گزارش خاص در هنگام بروز اتفاق خاص تهیه می‌گردد. برای مثال, ممكن است سیاست شركت آن باشد كه در هر بار بروز تصادف یك گزارش تصادف تهیه نماید. یا ممكن است وقتی یك مدیر با اتفاق غیر مترقبه‌ای, نظیر كاهش نرخهای بهره مواجه میشود, نیاز به اطلاعات ویژه داشته باشد. مدیر میتواند اطلاعات ویژه را از طریق كنكاش پایگاه اطلاعات كسب نماید. اصطلاح گزارش خاص برای واكنش به بررسیهای پایگاه اطلاعات مورد استفاده قرار می‌گیرد. گزارشات چاپی و نمایشی در فصل 8 دریافتیم كه گزارشات می‌توانند بصورت چاپی یا نمایشی باشند. این انتخاب در هر دو مورد گزارشات ادواری و گزارشات خاص به كار می‌رود. گزارشات مشروح و گزارشات خلاصه گزارشات ادواری و خاص هر دو می‌توانند بصورت مشروح یا مختصر باشند. یك گزارش مشروح جزئیاتی را در مورد هر عمل یا دادو ستد در اختیار قرار می‌دهد. سطرهای نشان دهنده اعمال یا معاملات, سطرهای توضیح نامیده می‌شوند. خطوطی كه مقادیر سرجمع برای یك گروه از كارهای یا معاملات را نشان می‌دهند سطرهای كل نامیده می شود. در گزارش مشروح مصور در شكل 3 ـ 13 هر سطر توضیح, یك داد و ستد فروش را نمایش و هر سطر كل جمع, مجموع فروشهای مربوط به هر مشتری را نشان می‌دهد. بالعكس یك گزارش مختصر حاوی سطرهایی است كه می توانند چندین عمل یا داد وستد را نمایش دهد. شكل 4 ـ 13 یك گزارش خلاصه‌ای است كه از همان اطلاعات گزارش مشروح تهیه شده است. اطلاعات ریز داد و ستد در آن منظور نمی‌شود.( سیستمهای اطلاعات مدیریت, مك لوید, ص: 447 ـ 445) چارچوب سیستم تصمیم یار: قبل توصیف DSS مفید خواهد بود چارچوب كلاسیكی برای تصمیم یاری ارائه كنیم این چارچوب ما را با مفاهیم اساسی كه در تعاریف DSS و ES1 به كار میروند آشنا خواهد ساخت. همچنین ما را در مباحث دیگری مانند ارتباط بین علم مدیریت و سیستم‌های هوشمند ES و DSS كمك خواهد كرد. این چارچوب بوسیله گوری و اسكات مورتون كه كارسیمون و آنتونی را تركیب و یكپارچه نمود ارائه شده است. جزئیات این چارچوب در زیر خواهد آمد. مطابق نظر سیمون فرایندهای تصمیم گیری پیوستاری است كه از مسائل بشدت ساختار یافته (ترجیحا قابل برنامه‌ریزی) تا مسائل به شدت ساختار نیافته (غیر قابل برنامه‌ریزی) را در برمی‌گیرد. فرایندهای ساختاریافته برای مسائل تكراری و كلیشه‌ای كه راههای استانداردی دارند به كار می‌رود. فرایندهای ساختارنایافته در مواجه با مسائل پیچیده و مبهم كه روشهای حل استانداردی ندارند بكار میرود. فرایندهای ساختارنایافته در مواجه با مسائل پیچیده و مبهم كه روشهای حل استانداردی ندارند بكار می‌رود. تاكید بر تصمیم‌گیری همچنین نیازمند درك فرایند تصمیم‌گیری انسانها نیست. سیمون این فرایند را به سه مرحله تقسیم كرده است: 1 ـ تفكر ـ جستجوی شرایطی كه نیاز به تصمیم‌گیری دارند. 2 ـ طراحی ـ ابداع, گسترش و تجزیه و تحلیل روشهای عمل. 3 ـ انتخاب ـ انتخاب یكی از روشهای موجود. در یك مسئله كاملاً ساختار یافته همه این مراحل وجود دارند. یك مرحله ساختاریافته مرحله‌ای است كه رویه‌هایش استاندارد, اهدافش روشن و ورودی و خروجی آن كاملاً معلوم باشد. در یك مسئله ساختار نایافته هیچكدام از مراحل فوق وجود ندارند. تصمیماتی كه بعضی از مراحل فوق را شامل می‌شود نیمه ساختاریافته نامیده می‌شود. در یك مسئله ساختاریافته رویه‌های دستیابی به بهترین راه حل (یا حداقل راه حل خوب) شناخته شده هستند مسائل موجود در این حال از قبیل سطح موجودی یا تصمیم‌گیری در خصوص استراتژی سرمایه‌گذاری بهینه وكاملاً معلوم و واضح می‌باشند. از این رو مدیر می‌تواند از كارشناسان علم مدیریت (OR)1 بهره گیرد. در یك مسئله ساختار نایافته هنوز فهم ودرك استنباط انسانها پایه تصمیم‌گیری است. مسائل ساختارنایافته نوعاً طراحی خدمات جدید مدیریت را دربردارد. مسائل نیمه ساختاریافته مابین مسائل ساختاریافته و ساختارنایافته قرار دارند و تركیبی از رویه‌های استاندارد و قضاوتهای شخص را دربرمی‌گیرند. كین و اسكات مورتون برای مسائل نیمه ساختاریافته مثالهای زیر را ارائه می‌كنند. بودجه‌بندی بازار برای تولیدات مصرفی, قراردادهای تجاری, تجزیه و تحلیل كسب سرمایه. در اینجا یك سیستم تصمیم‌یار میتواند كیفیت اطلاعاتی كه تصمیم‌گیری بر مبنای آن صورت می‌گیرد (و در نتیجه كیفیت تصمیم) را افزایش دهد این كار با ارائه دامنه‌ای از راه حلهای جایگزین (بدلیها)1 انجام می‌شود. نیمه دوم این چارچوب براساس طبقه بندی آنتونی قرار دارد. این طبقه‌بندی سه مقوله‌ای كه همه فعالیتهای مدیریتی را در برمی‌گیرد موارد زیر را بیان می‌كند: 1 ـ برنامه‌ریزی استراتژیك ـ اهداف بلند مدت و سیاستهای تخصیص منابع. 2 ـ كنترل مدیریتی ـ تهیه و استفاده كارآمد از منابع جهت نیل به اهداف سازمانی. 3 ـ كنترل عملیاتی ـ اجراء موثر و كارآمد كارها. جدول نه گانه طبقه‌بندیهای آنتونی و سیمون در یك جدول نه گانه با هم تركیب می‌شود. این جدول چارچوب تصمیم یار را ایجاد می‌كند. ستون راست ابزارهای مورد نیاز پشتیبانی از تصمیمات گوناگون را نشان میدهد. گوری و اسكات مورتون معتقد بودند كه مدلهای متعارف علم مدیریت برای تصمیمات نیمه ساختاریافته و ساختارنایافته كافی نبوده‌اند. آنها سیستم اطلاعات (حمایتی) را پیشنهاد كردند آنرا سیستم تصمیم‌یار نامیدند. سیستمهای خبره (هوشمند)1 كه چند سال بعد معرفی شدند برای پشتیبانی از كارهایی كه نیازمند كارشناسان خبره می‌باشد مناسبند. جدول (1/17): چارچوب تصمیم یار (DSS) پشتیبانی مورد نیاز برنامه ریزی استراتژیك كنترل مدیریت كنترل عملیاتی انواع كنترل انواع تصمیمات علم مدیریت یا سایر مدلهای كمی 3 ـ مدیریت مالی (سرمایه گذاری) ـ انبارداری, ـ سیستمهای توزیع 2 ـ تجزیه و تحلیل بودجه ـ پیش بینی كوتاه مدت ـ گزارشات پرسنلی ـ تجزیه تحلیل ساخت یا خرید 1 ـ حسابهای دریافتی ـ سفارشات ساختاریافته نیمه ساختاریافته ساختارنایافته -DSS -ES 6 ـ ایجاد تجهیزات جدید ـ ادغامها ـ تملك ـ برنامه ریزی تولیدات جدید ـ طراحی حقوق ودستمزد ـ طرحهای كیفی بیمه 5 ـ ارزیابی اعتبارات ـ تهیه بودجه ـ استقرار تجهیزات ـ برنامه ریزی پروژه ـ طراحی سیستمهای هشدار دهنده 4 ـ برنامه ریزی تولید ـ كنترل موجودی -DSS -ES 9 ـ برنامه ریزی تحقیق و توسعه ـ ایجاد تكنولوژی جدید ـ برنامه‌ریزی اجتماعی و مسئولیت پذیری 8 ـ مذاكره ـ استخدام یك مدیر ـ خرید سخت افزار ـ لابی كردن 7 ـ انتخاب جلد مجله ـ خرید نرم افزار ـ اخذ وام DSS در مقایسه با MIS در فصل اول مطرح كردیم كه DSS یكی از كاربردهای MIS است. رالف اسپراگ چارچوبی برای DSS تعریف نموده كه براساس دیاگرام نشان داده شده در نمودار7 ـ 8 میباشد. طبق این چارچوب DSS برروی تصمیم, MIS برروی اطلاعات و EDP برروی داده‌ها تمركز دارد. به نظر وی در عمل, MIS برروی مدیران سطح میانی و DSS برروی مدیران سطح بالا متمركز است. وی اعتقاد دارد كه MIS برروی گزارشات و جستجوی پایگاه داده‌ها تاكید دارد در حالیكه DSS به پاسخگویی سریع, كنترل كاربر و پشتیبانی تطبیقی مدیران تاكید می‌ورزد. الف ـ مدیر می‌تواند شخصاً از DSS استفاده كند. مدیران صف یاستاد ب ـ مدیر زیردست مدیر می‌توانند بعنوان واسطه عمل كنند. مدیران متخصصان صف اطلاعات یاستاد روشهایی كه مدیر میتواند با DSS ارتباط برقرار كند. دیویس, از یك ساختار واحد با توجه به سلسله مراتب سیستم‌های پردازش داده به شكل یك هرم استفاده نمود. ساختار وی مجددا ترسیم شده است. دیویس DSS را به فرایند تصمیم‌گیری نزدیكتر از MIS می‌داند. به نظر وی قابلیتهای آنالیز DSS از MIS قویتر است. تمركز تصمیم DSS MIS تمركز اطلاعات تمركز داده EDP نمدل اسپراگ كه DSS, MIS و EDP را با هم مقایسه می‌كند. كارلسون DSS و MIS را با استفاده از داده‌های مندرج در جدول با هم مقایسه می‌كند. MIS پشتیبانی غیر مستقیم را فراهم می‌سازد و مدیر بایستی اطلاعات را تفسیر نماید, در حالیكهDSS میتواند یك تصمیم خاص را توصیه نماید. MIS تنها در طی مرحله آگاهی سایمن به مدیر كمك می‌كند, در حالیكه DSS در تمام مراحل از مدیر حمایت می‌نماید. MIS بطور كلی برروی مسائل (مدیریت) متمركز است, در حالیكه DSS همیشه برروی مسائل نیمه ساخت‌یافته تاكید دارد. در نهایت, MIS عمدتاً با فراهم سازی اطلاعات سروكار دارد DSS برروی فرایند تصمیم‌گیری متمركز است. فرأیند تصمیم DSS MIS پردازش داده ن ارائه DSS بعنوان فراهم كننده مسطح بالاتری از پشتیبانی تصمیم نسبت به MIS معیار MIS DSS پشتیبانی تصمیم گیران مراحل تصمیم گیری پشتیبانی شده انواع تصمیمات پشتیبانی شده تاكید غیر مستقیم آگاهی مدیریت اطلاعات مستقیم تمام نیمه ساخت‌یافته پشتبیانی فرایند تصمیم جدولمقایسه MIS و DSS تعریف ما از DSS بر اساس جدول كارلسون می‌باشد و در آن مسائل نیمه‌ساختیافته فرایندهای تصمیم در نظر گرفته شده است. DSS با MIS متفاوت میباشد. دو مورد برای بیان اختلاف اصلیMIS و DSS لازم است. اول, اینكه آشنایی بیشتر در مورد حل مسئله و تصمیم‌گیری نسبت به زمانی كه MIS مطرح گردید موجود است. دوم اینكه, تكنولوژی محاسباتی امروزه خیلی بیشتر توسعه یافته است. سخت افزار و نرم افزار در دسترس مدیران امروزی فرصتهای زیادی نسبت به آنهایی كه در سالهای اولیه شروع MIS ممكن بود, برای پشتیبانی تصمیم ایجاد كرده‌اند. اصطلاحات MIS و DSS هر دو در لغت‌شناسی محاسبات بازرگانی خوب جا افتاده‌اند. تا زمانیكه هر دو اصطلاح مورد استفاده قرار می‌گیرند, بحث در مورد اینكه هر یك چه مفهومی دارند و چطور به دیگری مربوط می‌باشد وجود خواهد داشت. یك مدل DSS مدلی از DSS درنشان داده شده است. مدیر و فرایند تصمیم در سمت راست و DSS در سمت چپ قرار گرفته‌اند. DSS با فراهم كردن اطلاعات برای هر یك از مراحل فرایند تصمیم, پشتیبانی لازم را بعمل می‌آورد. این تصمیمات مدیر را قادر می‌سازد تا چهار نقش تصمیمی را ایفا نماید.(سیستمهای اطلاعات مدیریت, مهدی بهشتیان, ص: 350 ـ 348 ). دلایل ساخت یا ایجاد DSS در چند سال گذشته ما شاهد استفاده از DSS بوده‌ایم. در اواسط دهه 70, DSS عمدتاً به جهان دانش, تحقیق و توسعه صنعتی (R&D) تعلق داشت. در اوایل 1980, DSS در برخی از سازمانها متوسط نیز مورد استفاده قرار می‌گرفت. امروز بعلت انقلاب ایجاد شده در ریزكامپیوترها تقریبا هزاران DSS در سازمانهای مختلف وجود دارد. نصب و استقرار DSSهای بزرگ نیازمندپشتیبانی مدیریت عالی در سازمانهاست. در مواردی DSS در كل سازمان مورد استفاده قرار می‌گیرد و محدود به مسائل مالی نیز نمی‌باشد. حقیقت اینست كه نقش و فایده DSS در پشتیبانی از عملیات بازاریابی مالی و … بسیار ملموس است. در ساخت سیستم‌های تصمیم یار دو نگرش عمده وجود دارد: یكی ساخت از صفر بدون توجه و بهره‌گیری از سیستم‌های موجود و دیگری نیز اصلاح و توسعه سیستم‌های موجود است. نگرش اول كه بسیار پرهزینه است و احتمالا نیز انجام آن به زمان زیادی احتیاج خواهد داشت. در حالیكه در نگرش دوم تنها به اصلاح و توسعه سیستم‌های موجود پرداخته میشود. فایده اساسی توسعه سیستم‌های موجود بصورت صرفه جویی در زمان (كه مواردی صرفاً چند هفته معدود مورد نیاز است) و هزینه نمایان میشود. DSSهای نصب شده برروی ریزكامپیوترها اغلب بوسیله خود DSS ساخته می‌شود. سیستم پشتیبانی تصمیم و انواع آن: سیستم پشتیبانی تصمیم (DSS) ابزار بهره‌ور در دست كاركنان فكری است تا آنها را در امر تصمیم‌گیری یاری رساند. پردازش تبادلات به موضوعات عملیاتی روتین مربوط می‌باشد لذا (DSS) شامل كلیه اجزا MIS جز پردازش تبادلات است. بیشتر توجهات امروزی در جهت برقراری MIS فعالتر جهت پاسخگویی به نیازهای اطلاعاتی تصمیم‌گیرندگان در سطوح عملیاتی, تاكتیكی و استراتژیكی قرار گرفته است. دلایلی چند از این توجهات بشرح زیر می‌باشد. ـ پیچیدگی رویه رشد سیستم‌های كامپیوتری بعنوان بخشی از حیات كاری كاركنان حرفه‌ای و مدیریتی. ـ درك روبه رشد مدیران در این مورد كه MIS را میتوان و باید طوری طراحی نمود كه نیازهای از اطلاعاتی تصمیم گیرندگان را برآورده سازد. ـ پیشرفتهای فنی در برخورداری از خدمات محاسباتی آسانتر (با سخت افزار ارزان و نرم‌افزارهای فراوان). با توجه به پیچیدگی, زمان و هزینه سیستم‌های(DSS) مختلفی تا كنون بوجود آمده‌اند كه نمونه‌هایی از آنها بشرح زیرند: ـ یك معامله‌گر اتومبیل از برنامه SpreadSheet بر كامپیوتر PC خود بهره می‌گیرد تا شرایط مالی وام را محاسبه نماید. ـ یك ستاد كمكی به كنترلر كمك می‌نماید تا به بانك اطلاعات شركت دسترسی یافته تا گزارش موقتی تهیه نماید. این گزارش, گزارش توزیع موجودی كالاهای ساخته شده, بر اساس محصول در نواحی مختلف می‌باشد. ـ متصدی خزانه داری از مدل پیچیده و پیشرفته‌ای بهره می‌گیرد تا وجوه دریافتی و مخارج پرداختی را پیش‌گویی نموده و عدم كارایی نقدینگی شناور در حساب بانكی شركت را كاهش دهد. معاون مالی رئیس مدل Spreadsheet خاصی را تدوین می‌نماید كه قادر است صورتهای مالی پیش‌بینی شده‌ای را تحت محفوظات مختلف و دررابطه با سطوح فروش مختلف, حاشیه سود ناخالص متعدد و هزینه‌های عملیاتی تهیه نماید. ـ دپارتمان توزیع یك شركت تولیدی ازمدلی جهت طرح‌ریزی مسیركامیونها بهره می‌گیردتا هزینه‌های ارسال محصولات از محلهای تولید تا مشتری را كمینه سازد. ـ دپارتمان بازاریابی از مدلی بهره می‌گیرد تا نحوه تخصیص وجوه تبلیغاتی میان وسایل مختلف و هزینه نیل به سطح معینی از دفعات نمایش تبلیغات بر اساس ویژگیهای جمعیتی را تعیین نماید. این مثالها نكات مهمی را در خصوص DSS ارائه می‌نمایند: 1 ـ سیستم پشتیبان تصمیم ممكن است شامل تهیه یك گزارش ساده موجودی كالا یا یك مدل ریاضی پیچیده مانند مدل تعیین مسیر كامیونها باشد . 2ـ DSS ممكنست بر اساس سیستم كامپیوتر PC بنا نهاده شود ویا بر اساس یك Mainframe مركزی. 3ـ DSS ممكنست توسط استفاده كنندگان مستقیم آن اشخاص پشتیبانی كننده تصمیم‌گیری ویا توسط ستاد فنی طرح و به اجرا درآید. 4 ـ DSS ممكن است خودنگهدار باشد و به بانك اطلاعاتی شركت و یا به بانكهای اطلاعاتی بیرون از سازمان متصل باشد. 5 ـ منافع DSS ممكن است بر مبنای واحدهایی ملموس اندازه‌گیری شود ویا بر مبنای شرایط و معیارهای غیر ملموس. DSS بر مبنای بهره‌گیریهای حاصله از كامپیوتر, تصمیم‌گیرندگان را یاری می‌نماید و امكان تركیب بهترین قابلیتهای بشر و كامپیوتر را تواماً فراهم می‌نماید. بشر از قابلیت اعجاب انگیز تشخیص الگوهای مربوط از میان الگوهای متعدد موجود در تصمیمی خاص برخوردار است و برای اینكار نیازمند به دستیابی اطلاعات و داده‌های مربوط به آن تصمیم می‌باشد. هدف سیستم‌های پشتیبان تصمیم (DSS), تكمیل قدرت تصمیم‌گیری بشر با قابلیتهای دستكاری و تغییر داده‌های كامپیوتر میباشد. طرح DSS باید ابتدا وظایف محوله به كامپیوتر را تعیین نماید و بقیه امور را برعهده تصمیم‌گیرنده قرار دهد و لذا درجه مشاركت و مساعدت كامپیوتر در تصمیم‌گیریهای مختلف از صفر تا صددرصد متغیر می‌باشد. بسیاری از تصمیمات مهم سازمان به دلایل مختلفی چون ماهیت كمی نداشتند و یا عدم درك صحیح و فرمالیزه نشدن DSS ممكن است بدون نقش كامپیوتر اتخاذ گردند. اكثر سیستم‌های پشتیبان تصمیم امروزی و موجود با متغیرها, داده‌ها و ارتباطات كمی سرو كار دارند. برای مثال, مدل جریان نقدینگی شركت ممكن است دریافتیها و پرداختیهای نقدی را در رابطه با تولید و فروش قرار دهد. متغیرهای نتیجه (نقدینگی خالص ورودی یا خروجی طی دوره یكماهه), متغیرهای دروندار (تولید و فروش هر ماه) و ارتباط میان متغیرها (تاخیر زمانی فروش و دریافت نقدینگی مربوط به آن فروش) را می‌توان برحسب شرایط كمی مربوطشان به خوبی بیان نمود و لذا تصمیم‌گیریهایی كه شامل اهداف متعدد غیر كمی و متضاد باشند از مساعدت كمتری برخوردار می‌گردند و DSS بر فرایند تصمیم اثر زیادی برجای نخواهد گذاشت. پیشرفتهای جدید دامنه تغییرپذیری مسائلی كه DSS می‌تواند نقش مفید و اقتصادی را در آنها بر عهده داشته باشد افزایش داده است. اهم این پیشرفتها به شرح زیر می‌باشند: 1 ـ كاهش بهای سخت افزارهای كامپیوترهای شخصی و ترمینالهای رودررو و تعاملی و سهولت دستیابی تصمیم‌گیرندگان به آنها. 2 ـ سهولت در یادگیری زبانهای جدید سطح بالا كه سازمان را قادر می‌سازد تا DSS خاص خود را بدون تحمل هزینه‌ای زیاد طراحی نماید. 3 ـ پیشرفتهای حاصله در نرم افزارهای پردازش متون امكان دستكاری و تحلیل داده‌های كمی در زمینه كاربردهای غیر سنتی DSS فراهم نموده است. 4 ـ سهولت و ارزانی نسبی طرح DSS, زمینه مساعدتهای كمی ناقص جهت مسائل غیر كمی و غیره روتین را امكان پذیر ساخته است (مثل تحلیل بار مالیاتی بر درآمدهای مختلف به ازاء سطوح مختلف مالیاتی). 5 ـ روشهای تحلیل و نرم افزارهایی جهت مساعدت تصمیم‌گیرندگان توسعه یافته كه در آنها, وزندهی ذهنی به اهداف متعدد جهت یافتن گزینه‌ای كه توازن قابل قبولی را میان اهداف متضاد برقرار نماید تسهیل شده است.( آشنایی با مبانی سیستم‌های اطلاعات مدیریت, علی اصغر انواری رستمی, ص: 45 ـ43 ). فواید و ویژگیهای DSS ـ توانایی حل مسائل پیچیده: DSS قادر است مسائل پیچیده‌ای را كه بر طرق عادی و بوسیله سایر سیستم‌های كامپیوتری قابل تجزیه و تحلیل نیستند حل نماید. ـ پاسخ سریع به شرایط غیر منتظره كه منجر به تفسیر ورودیها می‌شوند: DSS می‌تواند در زمان كوتاهی تجزیه و تحلیلهای كمی و كلی را انجام دهد. حتی تغییرات اساسی در كل برنامه را میتواند بصورتی هدفدار1 در زمانی كوتاه مورد ارزیابی قرار دهد. ـ توانایی بكارگیری سریع و هدفدار چند استراتژی مختلف درشرایط گوناگون: این عمل توسط DSS در كوتاهترین زمان ممكن انجام می‌پذیرد. حال آنكه سیستم‌های كامپیوتری دیگر به مراتب زمانهای بیشتری را نیاز دارند. ـ آموزش و چشم انداز جدید: كاربر DSS میتواند از طریق تركیب مدل و تجزیه و تحلیل حساسیت, چشم اندازهای جدیدی را پیش خود ببیند. چشم اندازهایی كه در آموزش مدیران فاقد تجریه و سایر كاركنان كارآمد هستند. ـ تسهیل ارتباطات: جمع آوری داده‌ها و مدل‌سازی با مشاركت فعال كاربران انجام می‌گیرد. از این رو سهولت فراوانی برای ارتباطات مدیران فراهم میكند. عینیت و منطق فرایند تصمیم‌گیری, حمایت كاركنان از تصمیمات سازمانی را ایجاد می‌كند. ـ بهبود مدیریت اجرا و كنترل: DSS كنترل مدیریت بر هزینه‌ها و پیشرفت عملیات سازمان را افزایش می‌دهد. ـ صرفه جویی در هزینه‌ها: كاربردهای مكرر DSS به طور قابل توجهی هزینه‌ها را كاهش می‌دهد, همچنین هزینه تصمیمات نادرست را تقلیل می‌دهد. ـ تصمیمات هدفدار: تصمیمات متخذه بر مبنای DSS بسیار پایدارتر و عینی تر از تصمیمات بغرنجی است كه تنها بر مبنای فهم و شعور انسانها قرار دارد. همچنین اینگونه تصمیمات بر پایه تجزیه و تحلیل كلی قرار داشته و با مشاركت افرادی كه در تصمیم‌گیری موثر بوده‌اند اجرا می‌شود از اینرو تصمیمات از كیفتی بهتر برخوردار بوده و احتمال توفیق آنها بیشتر است. ـ بهبود اثربخشی مدیریت: قابلیتهایی كه به آنها اشاره شد اثربخشی مدیریت را بر پایه كاهش زمان و كار افزایش می‌دهد. DSS گاهی زمان كار (زمانی كیفی) برای تجزیه و تحلیل, برنامه‌ریزی و اجرا در اختیار مدیران قرار می‌دهد. ـ پشتیبانی از افراد و گروهها: DSS برای پشتیبانی از هر یك از مدیران و یا گروهی از آنان نیز می‌تواند به كار رود. ـ نمایش گرافیكی: DSS اطلاعات مورد نیاز مدیران را به صورت گرافیكی نیز ارائه می‌دهد. گرافیكهای كامپیوتری كاربر را قادر میسازد تا داده‌ها را به صور گوناگون ببیند. این‌كار تجزیه و تحلیل و فهم مقایر زیادی از داده‌ها را امكان پذیر می‌سازد. ـ گسترش پشتیبانی‌ها: DSS مدیران را در تمامی مراحل تصمیم‌گیری پشتیبانی میكند, حال آنكه مدلهای متعارف علم مدیریت تنها محدود به یك یا دو مرحله در فرایند تصمیم‌گیری هستند. تكامل سیستمهای تصمیم‌یار: مدیریت و علوم اطلاعاتی در 25 سال گذشته شاهد رشد سریع بوده است. این تحول و روشهای اجرایی و تصمیم‌گیری مدیران تاثیر مهمی داشته است. مدیران با استفاده از سیستم‌های اطلاعاتی كامپیوتری وسایر ابزارها تصمیم‌گیریهای خود را بهبود بخشیده‌اند. همانگونه كه در شكل 3/17 نشان داده شده است تركیب دو علم یكی از ویژگیهای DSS می‌باشد. تصویر 3/17 نشان می‌دهد كه تكامل سیستم‌های اطلاعات در چهار سطح با سیستم‌های پردازش داده‌ها شروع شده و به DSS منتهی میگردد. هر كدام از چهار سطح دارای پنج ویژگی هستند. ویژگیهای سطوح بالاتر (DSS یا MIS) ویژگیهای سطح پایین‌تر را در برمی‌گیرد. بعنوان مثال DSS به مدیریت عالی محدود نمی‌شود و از طرف دیگر مدلهای علم مدیریت و كاربردهای كنترل تولید را هم در برمی‌گیرد. اما ویژگیهای یك سطح بالاتر تنها منحصر به آن سطح است. واتسون DSS را بعنوان تكامل طبیعی تكنولوژی سیستم‌های اطلاعات كامپیوتری تلقی می‌كند. بعلاوه زمانیكه سیستم‌های اطلاعاتی به جریان اطلاعات ساختاریافته تاكید می‌كند, توجهDSS به استفاده از مدلهای تصمیم‌یار است. تفاوت اصلی بین فنون پژوهشی عملیاتی سنتی و DSS در جدول 2/17 خلاصه شده است. پایگاه مدل پایگاه داده‌ها زبانهای فرمان و اجرا ( نمایش) جدول (3/17): مدل مفهومی DSS جدول (2/17): ویژگیهای سیستم اطلاعاتی در سطوح اجرایی سطوح ویژگیها بالاتر پایین‌تر سیستمهای تصمیم یاریDSS سیستمهای اطلاعات مدیریتMIS سیستمهای داده پردازی منسجم سیستمهای داده پردازی پایه برنامه‌ریزی دراز مدت استراتژیك و تجزیه و تحلیل تواناییها كنترل تولید, پیش بینی فروش, برنامه ریزی دراز مدت استراتژیكی برنامه ریزی تولید, تجزیه و تحلیل فروش لیست حقوق, فهرست موجودی و پرونده پرسنلی كاربردها سیستمهای مدیریت پایگاه داده‌ها, دسترسی متقابل مدیران, استفاده گسترده از اطلاعات مشترك دسترسی متقابل برنامه نویسان برای وظایف سیستم عمومیت دارد منحصر به فرد برای هر كاربردی پایگاه داده‌ها مدلهای تحقیق در عملیات و علم مدیریت مدلهای علم در مدیریت مدلهای ساده تصمیم مدلهای تصمیم وجود ندارد قابلیت‌های تصمیم پشتیبانی اطلاعاتی از تصمیم گیریهای معین و مسئولیتها گزارشات درخواستی و برنامه‌ریزی شده, اطلاعات درخواستی مدیر, جریان ساختار یافته اطلاعات گزارشات خلاصه, اطلاعاتی عملیاتی گزارشات خلاصه انواع اطلاعات مدیریت عالی مدیریت میانی مدیریت عملیاتی سطوح مدیریت میانی, مدیریت عملیاتی بالاترین سطح سازمانی ساختار سیستمهای تصمیم‌یاری یك سیستم تصمیم‌یار تركیبی از عناصی اصلی زیر است: الف) پایگاه داده‌ها و مدیریت آن. ب) پایگاه مدل و مدیریت آن. ج) سخت افزار د) سیستم ارتباط كاربر الف) پایگاه داده های1 DSS و مدیریت آن: پایگاه داده‌ها مجموعه‌ای از داده‌هایی است كه متناسب با نیازها و ساختار یك سازمان, سازماندهی شده و به دفعات میتوان آن را مورد استفاده قرار داد. برای فهم پایگاه داده‌ها ابتدا باید قدری در مورد اطلاعاتی كه درفایلها نگهداری میشوند بحث كنیم. هر فایل شامل مجموعه‌ای از اطلاعاتی است كه تنها یك كاربرد دارد. بعنوان مثال یك سازمان ممكن است دارای یك فایل كاركنان, (لیست همه كاركنان), یك فایل مشتری (لیست تمام مشتریان) و غیره باشد.

web 3.0

Web 3.0 چیست؟

عدم وجود تعریفی روشن در مورد وب ۲٫۰، باعث بروز مشکلاتی در سنجش استاندارد های Web 3.0 شده است. اکثر مردم درباره اینکه Web 2.0 یک وب تعاملی و اجتماعی به منظور همکاری بین انسان ها است، نظر یکسانی دارند. این عقیده نیز کاملا با تعریف Web 1.0 تفاوت دارد که در آن اطلاعات شخصی در جایی به نام وب سایت ها ذخیره و انبار میشدند و مردم نیز به ندرت با آنها ارتباط برقرار میکردند. اگر ما جوهره وجود تغییرات بین Web 1.0 و Web 2.0 را تقطیر کنیم میتوانیم به جواب سوال خود دست پیدا کنیم. Web 3.0 یک تغییر اساسی است که در شکل گیری وبسایت ها و مهمتر از آن تعامل مردم با آنها تغییرات ایجاد خواهد کرد.

چه زمانی Web 3.0 شروع میشود؟

بسیاری از مردم عقیده دارند که بسیار به Web 3.0 نزدیک شده ایم. اما به نظر میرسد که مرحله ی گذر از Web 1.0 به Web 2.0 نزدیک به ۱۰ سال طول کشیده و تقریبا همینقدر نیز نیاز است تا از Web 2.0 به Web 3.0 برسیم.

عبارت Web 2.0 در سال ۲۰۰۳ و توسط Dale Dougherty (نایب رئیس اوریلی مدیا) ابداع شد و در سال ۲۰۰۴ نیز به کلمه ی رایجی تبدیل شد. اگر تقییرات اساسی بعدی نیز بخواهند در مدت زمان مشابهی اتفاق بیافتند، حدود سال ۲۰۱۵ میتوانیم به Web 3.0 دست پیدا کنیم. بنابراین قبل از آنکه از خودمان بپرسیم Web 3.0 چیست، باید درک کنیم که قبل از آنکه به Web 3.0 برسیم تغییرات زیادی را تجربه خواهیم کرد. در واقع دانش بشری ممکن است دوبرابر شود.

Web 3.0 چه شکلی خواهد بود؟

حقیقت این است که پیش بینی شکل و شمایل Web 3.0 مثل یک بازی حد و گمان است. یک تغییر اساسی در چگونگی استفاده ما از Web 3.0 به این ربط دارد که ما هم اکنون از Web چگونه استفاده میکنیم و به پیشرفت ما در تکنولوژی نیز بستگی بسیاری دارد. اما میتوانیم سناریوهایی را پیش بینی کنیم.

Web 3.0 یک وب معنایی است

در حال حاظر بسیاری از کارها و پروژه ها، در حال استفاده از وب معنایی هستند بدین معنی که اطلاعاتی که طبقه بندی و ذخیره شده اند قابل درک هم توسط انسان باشند و هم توسط کامپیوتر. بسیاری این موضوع را، ترکیب شدن هوش مصنوعی با وب معنایی برای خود  تعریف میکنند. وب معنایی به کامپیوتر می آموزد که دیتا ها چه معنی میدهند و این تقریبا همان استفاده از اطلاعات به وسیله هوش مصنوعی میباشد.

The World Wide Virtual Web 3.0

شاید کمی بلندپروازانه باشد ولی برخی عقیده دارند که محبوبیت دنیاهای مجازی و بازیهای مشهور آنلاین مانند World of Warcraft میتواند به خاطر وبی باشد که بر اساس دنیایی مجازی طراحی شده است. Kinset  اخیرا یک مرکز خرید مجازی درست کرده است که در آن کاربران میتوانند به فروشگاه های مختلف بروند و بین قفسه های مختلف خرید قدم زده و محصولات را مشاهده کنند. با این وضع این موضوع دور از ذهن نیست که ببینیم کسی ایده ی خود را به صورت مجازی گسترش داده تا کاربران بتوانند با ارتباط با آن ایده در یک دنیای مجاز،ی در میان تعداد زیادی از ساختمان ها قدم بزنند و آن ایده را تماشا کنند.

شبکه های اجتماعی

شبکه اجتماعی در علوم اجتماعی به بررسی روابط بین انسانها، گروههای انسانی و سازمانها می پردازد.

لازم به ذکر است مبحث شبکه اجتماعی و شبکه اجتماعی مجازی بسیار نزدیک ولی متفاوت هستند و در حیطه جامعه شناسی و IT و بسیاری از علوم قابل بحث می باشند.

شبکه اجتماعی مجازی مثل هر شبکه اجتماعی از اجتماع و روابط انسانها در اجتماع تشکیل شده، تعداد روابط در یک شبکه یا اندازه شبکه در تعریف آن مهم نیست بلکه ممکن است نوع آن را تغییر دهد، کوچکترین اجتماع انسانی از 2 نفر تشکیل می شود.اجتماع؟
در نظر بگرید 2 شخصی که بایکدیگر رابطه شغلی دارند هر کدام در همان زمان با شخص دیگری ارتباط عاطفی، خانوادگی، تجاری و ... دارند و در مرحله بعد باز هر کدام از این افراد که با 2 نفر اول ارتباط دارند با اشخاص دیگری ارتباطات دیگری دارند و این زنجیره ارتباطات مسلسل وار تکرار می شود، که به هر کدام از این ارتباطها یک گره گفته می شود و تعداد این گره ها اندازه یک شبکه اجتماعی را نمایش می دهد.حال اگر این افراد در یک محل مثل یک دهکده حضور فیزیکی داشته باشند این اجتماع کاملا ملموس خواهد بود.
ممکن است در یک جامعه انواع ارتباط یکطرفه وجود داشته باشد و افراد بدون تمایل به داشتن ارتباط در کنار یکدیگر به شکل ناخواسته در شبکه اجتماعی قرار بگیرند.

از کنار هم قرار دادن کلمات شبکه و اجتماع نمی توان به معنی کاملی برای شبکه های اجتماعی رسید ولی برداشت کلی از آن در ذهن نقش خواهد بست، واقعیت این است که شبکه اجتماعی از ابتدای بشریت وجود داشته ولی نوع مجازی آن که در ابتدای قرن 21 نمایان شده نمونه ای است که با ظهور اینترنت، اصطلاح معروف دهکده جهانی را ترجمه کرده.شبکه های اجتماعی مجازی هم مثل سایر اجتماعات می توانند دسته بندی های مختلفی داشته باشند از جمله خصوصی، عمومی، تفریحی، تخصصی، ...

رسانه اجتماعی یا رسانه شبکه اجتماعی چیست؟ Social Media

رسانه اجتماعی بدون وجود اینترنت و شبکه اجتماعی مجازی بی معنا خواهد شد و در واقع رسانه اجتماعی (سوشیال مدیا) ابزارهای نرم افزاری تحت وبی را می گویند که به کاربران اجازه به اشتراک گذاری، ایجاد یا استفاده از محتوای تولید شده را می دهد و در واقع رسانه اجتماعی بستر یا باعث تشکیل یک شبکه اجتماعی می شوند یا ابزاری است که در یک شبکه اجتماعی برای به اشتراک گذاری محتوا استفاده می شود.

مهندسی اجتماعی چیست؟

گر بخواهیم تعریف خلاصه ای در یک خط از مهندسی اجتماعی داشته باشیم:
مهندسی اجتماعی سوء استفاده از اطمینان و یا فریب عوامل انسانی به جهت دسترسی به اطلاعات محرمانه و در مرحله بعد سوء استفاده از این اطلاعات است.

در مهندسی اجتماعی که شیوه ای ناپاک است یک سازمان یا شخص قصد حمله به یک سازمان یا شخص دیگر را دارد و در این حمله اهدافی دارد مثل بدست آوردن شماره و مشخصات کارت اعتباری یا اطلاعات حساس نظامی یا اطلاعات محرمانه تجاری و هر نوعی از اطلاعات که دسترسی به آن آزاد نیست.

مهاجم در مهندسی اجتماعی به جای اینکه به سراغ روشهای سخت و فنی که نیازمند سطح بالای دانش یا غیر ممکن است برود، از تکنیکهای مهندسی اجتماعی استفاده می کند.

یک مثال :
یک موسسه مالی فرضی از یک نرم افزار سازمانی جهت حسابداری و کنترل دارایی خود و مشتریانش استفاده میکند خود نرم افزار هیچگونه باگی ندارد و شبکه هم فوق العاده امن است و هزینه زیادی صرف امنیت سخت افزاری و نرم افزاری شده و مهاجم برای نفوذ امکان دسترسی به روشهای معمول هک را ندارد یا اصلا دانش فنی آن را ندارد، ولی در این سازمان کارمندانی مشغول به کار هستند که آموزش لازم در زمینه مهندسی اجتماعی را ندیده اند.

 مهاجم  در 3 مرحله تحقیقات قبلی، جلب اطمینان و دریافت اطلاعات هدف خود را نزدیک می کند.
در این مثال مهاجم با خونسردی در تماس با یکی از کارمندان خود را مهندس مسئول شبکه یا مسئول نرم افزار موسسه معرفی میکند و با اطلاعاتی که قبلا از سازمان نام و اطلاعات اولیه واحدها نوع نرم افزار مورد استفاده و موارد مشابه بدست آورده و در تماس نهایی:

مهاجم: حسینی هستم مسئول IT درحال ارتقا نسخه نرم افزار هستیم لطفا رمز خود را به Newversion2 تغییر دهید. ضمنا تا یک ساعت وارد سیستم نشید چون هر تراکنشی ممکنه باعث اختلال بشه.
کارمند: خوب هستید آقای حسینی من الان دارم سند میزنم میشه چند دقیقه دیگه این کار رو بکنید ضمنا من یه مشکلی هم با فلش یو اس بی دارم.
مهاجم: ما امروز به همه واحدها اعلام کرده بودیم ولی مشکلی نداره من شما رو درک میکنم. می تونم تغییر سیستم شما رو با 10 دقیقه تاخیر انجام بدم.
کارمند: ولی به بنده اعلام نشده بود، به هر حال ممنونم که همکاری میکنید.
مهاجم: خواهش میکنم، در خصوص مشکلتون هم در فرصت مناسب تری با واحد ما تماس بگیرید، اسمتون رو بفرمایید من سریع کارتون رو انجام میدم، فرمودید شما آقای؟
کارمند: علوی هستم.
مهاجم: پس جناب علوی شما رمز رو الان تغییر بدید بنده هم از 10 دقیقه دیگه برنامه رو ارتقا میدم، راستی نام کاربریتون چی بود؟
کارمند: مثل بقیه نام خانوادگی...

به همین راحتی مهاجم با روش مهندسی اجتماعی، اطلاعات محرمانه بسیار با ارزش سیستم نرم افزاری سازمان را از کارمندی که تصور میکرد در حال مکالمه با مسئول شبکه سازمان است دریافت کرد و ممکن است مراحل دیگری مثل نفوذ به سطح بالاتر به روشهای دیگر یا ایجاد کاربر جدید و ... نیز داشته باشد، بعلاوه اینکه اکثر نامهای کاربری در اختیار مهاجم قرار گرفت.

مهاجمان چند مرحله تا رسیدن به هدف فاصله دارند:
در مرحله اول تحقیقات اولیه، سپس جلب اطمینان و مرحله سوم دریافت اطلاعات و در نهایت سوء استفاده از اطلاعات که هدف بوده.

تکنیکهای مشخص و از پیش تعریف شده ای برای مهندسی اجتماعی وجود ندارد و هر بار کلاهبرداران و مهاجمان مهندسی اجتماعی، روشی جدید را به کار می گیرند که اگر محرمانگی و طبقه بندی اطلاعات و آموزشهای لازم به درستی رعایت شود تا حدود زیادی جلوی این معضل گرفته خواهد شد.
تعدادی از تکنیکهای مهندسی اجتماعی رایج تر هستند از جمله:

جعل نام و مشخصات پرسنل یا هویت و تقلید صدای اشخاص
بازیابی زباله ها (متاسفانه در زباله های بسیاری از شرکتها روزانه مقدار زیادی اطلاعات قبل از معدوم شدن به بیرون منتقل می شوند)

سیستم های توصیه گر چیست؟

سیستم توصیه گر یا پیشنهاد گر (واژه سیستم گاهی با واژه های مترادفی مثل؛ “پلتفرم” یا “موتور” جایگزین می شود) زیر مجموعه ای از سامانه ی پالایش اطلاعات است که بدنبال پیش بینی “امتیاز” یا “اولویتی” است، که کاربر به یک آیتم (داده، اطلاعات، کالا و …) خواهد داد.

در سال های اخیر سیستم های توصیه گر بسیار متداول شده و در حوزه های مختلفی مورد استفاده قرار گرفته اند. برخی از کاربرد های معروف آن در موارد زیر است:

فیلم های سینمایی، موسیقی، اخبار، کتابها، مقالات تحقیقاتی، جست و جوی پرسش ها، تگ های اجتماعی و غالب محصولات.

علاوه بر این سیستم های توصیه گر برای؛ متخصصان، گروه های همکاران، طنز پردازیها، رستورانها، خدمات مالی، بیمه عمر، مسائل عاطفی (قرار و مدارهای آنلاین) و صفحات تویتر نیز ارائه شده است.

معمولاً سیستم های توصیه گر، لیستی از پیشنهادات را به یکی از دو صورت زیر ارائه می دهند:

از طریق پالایش گروهی و محتوا محور (Collaborative and Content-based filtering) یا رهیافت شخصیت محور (Personality-based approach)

رهیافت های پالایش گروهی، مدلی ایجاد می کنند که این مدل بر اساس رفتار گذشته کاربر (آیتم هایی که قبلاً خریداری یا انتخاب کرده و یا امتیازاتی که به آیتم ها داده است) و نیز تصمیمات مشابهی که توسط کاربران دیگر گرفته شده است، میباشد. سپس با استفاده از مدل ایجاد شده، آیتم هایی که ممکن است مورد علاقه ی کاربر باشد، معرفی می گردد. رهیافت های پالایش محتوا محور، از یک سری مشخصات مجزای یک آیتم برای پیشنهاد آیتم های دیگر با ویژگی های مشابه، استفاده می کند. این رهیافت ها اغلب با یکدیگر ترکیب می شوند (سیستم های توصیه گر هیبرید).

رهیافت شخصیت محور، تمایلات کاربر به کالا و خدمات را از شخصیت وی نتیجه می گیرد.

تفاوت های بین پالایش گروهی و پالایش محتوا محور را می توان با مقایسه ی دو سیستم توصیه گر موسیقی نشان داد؛ Last.fm و Pandora Radio.

Last.fm با بررسی نوازندگان و تراکهایی که کاربر قبلاً گوش کرده است و مقایسه ی آنها با آنچه که دیگر کاربران به آن گوش کرده اند، مجموعه ای از آهنگ های پیشنهادی را ارائه می دهد.

Last.fm تراکهایی را خواهد نواخت، که در کتابخانه ی کاربر (مجموعه ی اهنگ های کاربر) موجود نیستند ولی دیگر کاربران با علایق مشابه به آنها گوش داده اند. از آنجا که این رهیافت، رفتار کاربران را تحت تأثیر قرار می دهد، نمونه ای از تکنیک پالایش گروهی است.

Pandora از خصوصیات یک آهنگ یا هنرمند ( زیر مجموعه ای مشتمل بر 400 ویژگی که توسط “پروژه ژنوم موسیقی” تهیه شده است) برای ایجاد ایستگاهی از موسیقی ها با ویژگی های مشابه استفاده می کند.

واکنش کاربر جهت پالایش نتایج ایستگاه استفاده می گردد، زمانیکه کاربر یک آهنگ را نمی پسندد ویژگی های آن از تاکید Pandora  خارج و زمانیکه کاربر آهنگی را می پسندد، ویژگی های آن آهنگ مورد تأکید قرار می گیرند.  Pandora نمونه ای از رهیافت محتوا محور است.

هر نوع سیستمی نقاط ضعف و قوت خودش را دارد.  در مثال بالا Last.fm جهت ارائه پیشنهادات دقیق، نیازمند حجم بالایی از اطلاعات در مورد کاربر است. نکته ضعف ذکر شده نمونه ای از “مشکل استارت سرد” ( همانند مشکلی که هنگام استارت زدن به موتور سرد پیش می آید) است و در سیستم های پالایش گروهی امری عادیست.  در حالیکه Pandora به اطلاعات بسیار کمی برای آغاز کار خود نیاز دارد، ولی میدان عمل آن بسیار محدود است (بعنوان مثال؛ تنها قادر به ارائه پیشنهاداتیست که شبیه آهنگ اصلی باشند).

سیستم های توصیه گر جایگزین سودمندی برای الگوریتم های جست و جو هستند چرا که به کاربران کمک می کنند تا آیتم هایی را بیابند که ممکن بود خودشان نتوانند آنها را پیدا کنند. سیستم های توصیه گر با استفاده از موتورهای جست و جو، به طور جالبی داده های جدید را فهرست می کنند.

مونتانر نخستین نمایه کلی از سیستم های توصیه گر را از منظر یک عامل هوشمند ارائه داد. آدوماویسیوس (Adomavicius) نمایی جدید از سیستم های توصیه گر را ارائه کرد. هرلاکر (Herlocker) تکنیک های ارزیابی سیستم های توصیه گر را مورد بررسی قرار داد و بیل و همکارانش مشکلات ارزیابی های آفلاین را مورد بحث و بررسی قرار دادند. بیل و همکاران، پیشینه ای از تحقیقات در مورد سیستم های کنترل و چالش های موجود را ارائه دادند.

سیستم های توصیه گر موضوع تحقیقاتی فعال در زمینه های “کاوش اطلاعات” و “یادگیری ماشینی” هستند. RecSys، SIGIR و KDD از جمله کنفرانس هایی هستند که تحقیقات در زمینه سیستم های توصیه گر را مورد توجه قرار دادند.

سیستم های توصیه گر هیبرید

بررسی اخیر حاکی از آنست که رهیافت هیبرید (ترکیبی از پالایش گروهی و پالایش محتوا محور)  در برخی موارد می تواند بسیار مؤثر واقع گردد. رهیافت های هیبرید از چندین راه قابل اجرا هستند، با ایجاد جداگانه پیش بینی های محتوا محور و گروه محور و نهایتاً ترکیب آنها با هم، افزودن قابلیت های رهیافت محتوا محور به گروه محور (یا بالعکس)، یا یکی کردن رهیافت ها در یک مدل . چندین مطالعه ی تجربی، اجرای سیستم هیبرید را با نوع خالص سیستم های گروه محور و محتوا محور مورد مقایسه قرار داده است، و نشان داده شده که روش های هیبرید پیشنهادات دقیق تری را ارائه می دهند. همچنین، این روش ها می توانند برای غلبه بر مسائل روتین سیستم های توصیه گر مثل استارت سرد و پراکندگی مورد استفاده قرار گیرند.

نت فلیکس مثال خوبی از استفاده ی سیستم های توصیه گر هیبرید است. آنها با مقایسه ی عادات دیداری و جست و جویی کاربران مشابه (یعنی پالایش گروهی) و نیز  پیشنهاد فیلم هایی که دارای ویژگی های مشترک با مواردی  هستند که کاربر به انها امتیاز بالایی داده است، پیشنهادات را ارائه می دهند.

انواعی از تکنیک ها به عنوان پایه و اساس سیستم های توصیه گر، مطرح گردیده است: گروهی، محتوا محور، دانش محور و تکنیک های جمعیت شناختی. هر یک از این تکنیک ها کمبودهای شناخته شده ای دارند، مثل مشکل معروف استارت سرد برای سیستم های پالایش گروهی و محتوا محور (با کابران  جدید که به اقلام کمی امتیاز داده اند، چه کند!؟) و تنگنای مهندسی دانش در رهیافت دانش محور. سیستم توصیه گر هیبرید، سیستمی است که چند رهیافت را با هم ترکیب می کند تا به همیاری بین آنها دست یابد.

  • گروهی: سیستم، تنها با استفاده از اطلاعاتی که از طریق پیشینه ی امتیاز دهی کاربران بدست آمده است، پیشنهادات را ارائه می دهد. سیستم های گروهی، کاربران همتا با تاریخچه ی مشابه امتیازدهی با کاربر آنلاین را در مجاور هم قرار داده و با استفاده از این همسایگی اقدام به ارائه پیشنهادات می کند.
  • محتوا محور: سیستم، پیشنهادات را از دو منبع ارائه می دهد: مشخصات مرتبط با محصول و امتیازاتی که کاربر به آنها داده است. توصیه گرهای محتوا محور، با یک پیشنهاد همچون طبقه بندی یک مسئله ی خاص کاربر رفتار می کنند، و در می یابند که طبقه بندی کننده ی پسندها و ناپسندهای کاربر، بر پایه ی ویژگی های محصول است.
  • جمعیت شناختی (Demographic): یک سیستم توصیه گر جمعیت شناختی، پیشنهادات را بر اساس مشخصات جمعیت شناختی کاربر (مشخصاتی همچون؛ سن، جنسیت و ملیت کاربر) ارائه می دهد. محصولات پیشنهادی می توانند برای دیگر مجموعه های جمعیتی، با ترکیب امتیازاتی که کاربران درآن مجموعه ها به محصولات داده اند استفاده گردند.
  • دانش محور: سیستم دانش محور، مواردی را پیشنهاد می کند که از نیازها و تمایلات کاربر استنتاج کرده باشد. این دانش، گهگاه حاوی فهمی عملکردی و واضح از برآوردن نیازهای کاربر توسط ویژگی های معینی از محصول، خواهد بود.

در اینجا، واژه ی “سیستم توصیه گر هیبرید” برای توصیف هر سامانه ی پیشنهاد دهنده ای که جهت ارائه پیشنهاد چند تکنیک توصیه را با هم ترکیب کرده است، بکار می رود. دلیلی برای چرایی اینکه چند تکنیک متفاوت از یک نوع، نتوانند با یکدیگر هیبرید شوند، وجود ندارد. برای مثال دو سیستم توصیه گر محتوا محور متفاوت، می توانند باهم کار کنند که تعدادی از طرح ها این نوع از هیبرید را مورد بررسی قرار داده اند:

NewsDude، که از هر دو طبقه بندی کننده ی ساده Bayes و kNN در توصیه ی اخبارهای خود استفاده می کند، تنها یک مثال از این دست سیستم های هیبرید است.

سیستم های توصیه گر سیار

تحقیق در حوزه ی سیستم های توصیه گر سیار، یکی از حیطه های تحقیقاتی در حال رشد در زمینه ی سیستم های توصیه گر است. با افزایش دسترسی اسمارت فون ها به اینترنت و همه گیر شدن آن، ارائه پیشنهادات شخصی سازی شده و حساس به محیط ممکن شده است. از آنجاییکه اطلاعات سیار بسیار پیچیده تر از داده هایی است که سیستم های توصیه گر با آن درگیر بوده اند، تحقیقات در این حیطه به مراتب دشوارتر است (مسائلی که این حیطه با آن روبروست: ناهمسانی، پر سر و صدایی، نیاز به همبستگی خودکار مکانی و زمانی ، و نیز مشکلات تأیید و عمومیت دارد). علاوه بر این سیستم های توصیه گر سیار از مشکلات جابجایی نیز متضرر هستند، چرا که ممکن است پیشنهادات ارائه شده در تمامی مناطق بکار نیاید (برای مثال، پیشنهاد یک دستور غذایی که همه ی اجزایش را نمی توان در آن منطقه فراهم کرد، پیشنهادی نابخردانه است).

سیستمی که پیشنهاد کننده مسیرهای ایده آل برای رانندگان شهریست، یک نمونه از سیستم های توصیه گر سیار است. این سیستم داده های خود را از طریق ردیابی GPS راههایی که تاکسی پیموده است، بدست می آورد که این داده ها عبارتند از؛ مکان یابی (طول و عرض جغرافیایی)، نشان دادن زمان و وضعیت اجرایی (با مسافر یا بدون مسافر). سیستم از این داده ها برای بهینه سازی زمان صرف شده برای هر مسافر (یعنی با پیشنهاد ایده آل ترین راه، مدت زمانی که مسافر در تاکسی است به کمترین میزان خود برسد) و عاید کردن سود بیشتر برای راننده تاکسی، بهره می گیرد. این نوع سیستم، وابسته به مکان است، و از آنجاییکه در دستگاههای دستی یا جاساز شده استفاده می شود نیاز محاسباتی و انرژی آن بایستی در سطح پایینی نگه داشته شود.

نمونه ای دیگر از سیستم های توصیه گر سیار، سیستمی است که برای کاربران متخصص توسعه داده شده است (بونفوف و همکاران، 2012). این سیستم با ردیابی GPS کاربر و برنامه ی کاری او، بهترین اطلاعات و پیشنهادات را بسته به موقعیت و علایق وی، ارائه می دهد. این سیستم، از فنون یادگیری ماشینی و پردازش  استدلالها برای ایجاد یک سازگاری پویا بین سیستم توصیه گر سیار با سیر تحولی علایق کاربر ، بهره می برد. بانی این الگوریتم نام آن را  hybrid-ε-greedyگذاشته است.

سیستم های توصیه گر سیار همچنین”Web of Data” را به عنوان منبعی برای اطلاعات ساختاری، ایجاد کرده اند. یک مثال خوب از این سیستم ها ” “SMARTMUSEUM است. این سیستم حتی زمانیکه اطلاعات کمی از کاربر ارائه شده باشد با استفاده از مدل سازی معنایی، بازیابی اطلاعات و فنون یادگیری ماشینی اقدام به توصیه ی محتوای مطابق با علایق کاربر می کند.

سیستم های توصیه گر چند معیاره

سیستم های توصیه گر چند معیاره (MCRS) به عنوان سامانه هایی توصیف می شوند که سلایق را در چند معیار با هم متحد می سازند. به جای توسعه ی فنون پیشنهادی مبتنی بر ارزش های تک معیاره، تمامی سلایق کاربر در نظر گرفته می شود. این سیستم ها تلاش می کنند تا رتبه بندی آیتم های ناشناخته توسط کاربر را، پیش بینی کنند. این امر با بهره گیری از اطلاعات سلیقه ای و براساس معیارهای چند گانه که تمامی ارزش های سلیقه ای را تحت تأثیر قرار می دهد، ممکن شده است. چندین محقق MCRS را به عنوان یک مسئله ی تصمیم گیر چند معیاره (MCDM) در نظر گرفته و فنون و روش های MCDM را برای اجرای سیستم های MCRS بکار گرفته اند.

معرفی سایت

سایت کیک استارتر Kickstarter چیست؟

Kickstarter یکی از پیشگامان جذب حمایت مالی برای ساخت بازی‌های ویدئویی و نرم‌افزاری است که در آوریل ۲۰۰۹ تاسیس شد. در وبسایت kickstarter از سال ۲۰۰۹ میلادی تاکنون ۷/۷ میلیون نفر ثبت نام کرده‌اند و ۱ میلیارد دلار سرمایه‌گذاری‌های مختلف انجام شده است و بیش از ۱۰۰ هزار پروژه نوین در بخش‌های مختلف ارایه و به انجام رسیده است.

پروژه‌های انجام شده در Kickstarter در بخش‌های گوناگونی مانند موسیقی، فیلم سازی، هنرپیشگی و دیزاین بسیار قابل توجه بوده است. با انتشار آمار و ارقام مبنی بر تعداد حامیان و مقدار پروژه‌ها و میزان بودجه‌های جمع شده در سال ۲۰۱۸ توسط این سایت، به نظر می‌رسد که بیشترین تعداد پروژه‌هایی که موفق بوده‌اند و توانسته‌اند بیشترین بودجه را جمع‌آوری کنند، مربوط به بازی‌های ویدئویی بوده است.

بنا بر گفته Kickstarter، برخی پروژه‌های جالب و جذاب ممکن است در ظرف سه روز بودجه چند میلیون دلاری مورد نیازشان را از طریق مردم تامین کنند. در نتیجه استارتاپ‌ها نیازی ندارد که به دنبال سرمایه‌گذاران سنتی باشند که ممکن است قانع کردن آنها ماه‌ها طول بکشد.

 

ویژگی‌های Kickstarter چیست؟

۱) سرمایه یک پروژه از سرتاسر دنیا تامین می‌شود، در حقیقت صاحبان استارتاپ و ایده‌های نوین، محدود به یک منطقه جغرافیایی نخواهند شد و مردم و کسانی که طرفداران ایده‌ هستند از کل دنیا به آنها کمک می‌کنند.

۲) فشار کاری بر تیم صاحبان ایده کاسته می‌شود و آنها با استرس کمتری به کار خود ادامه خواهند داد تا به نتیجه مطلوب برسند. در سرمایه‌گذاری‌های سنتی، چون سرمایه‌گذاران سرمایه‌های سنگینی را در پروژه قرار داده‌اند، انتظار دارند که در بازه کوتاهی تیم استارتاپی به نتیجه برسد و معمولا فشار‌های زیاد و غیر قابل تحملی بر صاحبان ایده وارد می‌شود که می‌تواند نتیجه عکس داشته باشد.

۳) Kickstarter یک سایت خیریه نیست، یعنی کسانی که پروژه‌ای را تعریف می‌کنند، به حامیان خود جوایزی پیشنهاد می‌دهند و حامیان هم با توجه به علاقه‌ای که به پروژه دارند و بودجه‌ای که می‌توانند پرداخت کنند، از یک پروژه حمایت می‌کنند و جایزه‌ای متناسب با آن می‌گیرند.

۴) سیاست Kickstarter در قبال تأمین منابع مالی، همه پول یا هیچ است. طبق آمار این روش بسیار جالب توجه و کارآمد بوده است و حدود ۴۴ درصد مواردی که سرمایه را به طور کامل جذب کرده‌اند توانسته‌اند به نتایج موفقیت آمیزی برسند، در حالی که این آمار در شتاب‌دهنده‌های کسب و کار خیلی اوقات پایینتر است. رویکرد Kickstarter در مورد پروژه‌هایی که در زمان مقرر شده به حد نصاب لازم مالی نمی‌رسند، عودت پول به پرداخت‌کنندگان یا هدایت آن به سمت سایر پروژه‌ها است.

۵) صاحبان ایده‌ که قبلا هم در Kickstarter موفقیت‌هایی را کسب کرده‌اند بسیار پر طرفدار خواهند شد و جمع آوری سرمایه پروژه‌های بعدی سریعتر خواهد بود. سابقه افراد و عملکرد استارتاپ‌ها در Kickstarter ثبت خواهد شد. افرادی که حتی به ثروت‌های هنگفت از طریق استارتاپ‌های قدیمیشان دست یافته‌اند و نیاز به سرمایه‌گذار ندارند، باز هم در Kickstarter شرکت می‌کنند چرا که می‌دانند اگر مشتریان در فرایند و روند شکل گیری یک ایده جدید مشارکت‌ کنند، چه جنبه‌های روانی و تاثیرات مثبتی در خروجی آن خواهد داشت.

 

شرایط جذب سرمایه در سایت کیک استارتر Kickstarter چیست؟

برای فعالیت در Kickstarter و جمع‌اوری سرمایه ایده خود، بایستی حتما پاسپورت برخی کشورهای خاص را داشته باشید که شامل کانادا، آمریکا، کشورهای اسکاندیناوی، آلمان، نیوزلند، استرالیا می‌شود. افراد باید یک مسیر احزار هویت سنگینی را در پیش ‌گیردند که شامل تاییدیه محل سکونت و فعالیت بانکی و اعتبار افراد از نظر تجربه کاری یا تحصیلی می‌شود.

در بیشتر مواردی که بودجه‌های مورد نیاز سنگین باشد، به صورت یک جا به حساب استارتاپ واریز نمی‌شود. بلکه استارتاپ باید باید به صورت فاز بندی شده تعیین نماید که قرار است چه کاری انجام شود و چه میزان بودجه نیاز خواهد بود. با اتمام هر فاز به صورت موفقیت آمیز، سرمایه مرحله بعد به حساب شخص صاحب ایده واریز می‌شود.

سایت های مشابه

1 - www.karafariran.com

این سایت با شعار "ایده های خود را به ثروت تبدیل کنید" شروع به کار کرده است.

این سایت سعی دارد با همکاری شرکت های کوچک تولیدی ، شهرکهای صنعتی، تعاونی ها و شرکت های بزرگ در تمام زمینه ها از طراحی ، ساخت و تولید ، بازاریابی ، صادرات ، واردات فناوری ،علاوه بر ایجاد دایره المعارف کار ایران ، با همکاری سرمایه گذاران در بخش های گوناگون تولید اقدام به ایجاد کارگاههای کوچک زودبازده در مناطق محروم با توجه به استعدادهای بازاری منطقه ، قابلیت های منطقه مورد نظر، منابع انسانی ، چشم اندازها و برنامه های 5 ساله توسعه ای با جذب حمایت سازمانهای دولتی و بخش خصوصی ، بانکها ، کارآفرینان ، اقتصاددانان و ایده پردازان نماید. جهت تبلیغ کارگاه ، محصولات ، ایده ها ، اختراعات خود با این سایت تماس بگیرید. خدمات این سایت: عرضه توانمندی های شما در زمینه تولید، ایجاد دایره المعارف مشاغل عرضه توانمندی ها و استعدادهای مناطق غیر صنعتی و محروم ایران ایجاد پیوند بین سرمایه گذاران با صاحبان ایده بازاریابی برای محصولات صادرات واردات تکنولوژی بررسی زیرساختهای موجود در مناطق محروم میباشد.

همچنین این سایت مسابقه ی برترین ایده را برگزار میکند که در صورت علاقه مندی حتما به این سایت سر به زنید.

چند پروژه ی موفق:

2 - www.hamijoo.com

درباره حامی جو

"حامی جو" یک وبسایت کراودفاندینگ ایرانی است که فروردین سال 1394 با پشتیبانی و سرمایه گذاری شرکت مپس (پارس سامانه های دانش پویا) فعالیت خود را به صورت آنلاین آغاز کرده است. این وبسایت رابطی بین صاحبان ایده و حامیان آنها است.

امید است که حامی جو، با ایجاد اکوسیستمی برای خلاقیت، نوآوری و هنر مستقل بتواند قدمی مؤثر در جهت بهبود صنعت و اقتصاد ایران بردارد.

چند پروژه ی موفق:

فیلم کوتاه پدر

مستند تنها میزبان دریا

فیلم درخود مانده 

و...

3- 2nate.com

دونِیت یک پلتفرم کراودفاندینگ ایرانی است که در حال حاضر بر روی تامین سرمایه پروژه هایی که تاثیرات اجتماعی دارند، تمرکز کرده است.

دونیت ابزاری است برای تأمین سرمایه از عموم مردم برای پروژه‌هایی که تاثیرات اجتماعی دارند. به زبان ساده‌تر، مؤسسات خیریه، سازمان‌های مردم‌نهاد، ارگان‌های دولتی، فعالان اجتماعی، و اشخاص، پروژه‌های مورد نظر خود را با سازوکار مشخصی بر روی وب‌سایت دونیت قرار می‌دهند و سایر اعضا و بازدیدکنندگان دونیت نیز، در صورت تمایل، با توجه به علاقه و دغدغه خود، مبلغی را به پروژه‌ها پرداخت می‌کنند. پس از جمع‌آوری کامل مبلغ مورد نیاز پروژه، ایجاد کننده‌ی پروژه مبلغ را دریافت می‌کند و پروژه را اجرا می‌نماید.

چند پروژه ی موفق:

تکمیل 6 کلاس درس شیرآباد زاهدان

پدر طراحی دیجیتال و تصویرسازی

و...

نمونه هایی از سیستم تصمیم یار

سیستم تصمیم یار در پزشکی:

تعریف سيستم پشتيبان تصميم گيري درپزشكي و تاریخچه آن
نرم افزارهاي كامپيوتري كه براي كمك به تشخيص هاي باليني طراحي و ساخته شده اند. اين سيستم ها با استفاده از اطلاعات و دانش پزشكي به تشخيص عارضه هاي گوناگون و تجويز توصيه هاي پزشكي براي بيماران اقدام مي نمايند.
به عبارت دیگر سیستم های پشتیبانی تصمیم گیری (تصمیم یار) بالینی برنامه های رایانه ای تعاملی می باشند که به منظور یاری رساندن در تصمیم گیری به پزشکان و سایر متخصصین بهداشتی طراحی شده اند. به عبارتی این سیستم ها، منابع انسانی ( آگاهیهای فردی ) را با قابلیت های کامپیوتری ترکیب می کنند تا باعث ارتقا کیفیت تصمیم گیری شوند. هدف اصلی سیستم های پشتیبانی تصمیم گیری در واقع یاری رساندن به پزشکان در حین مراقبت می باشد، بدین معنا که یک پزشک می تواند با این سیستم تعامل داشته باشد و درتحلیل داده های بیمار، تشخیص دهی و سایر فعالیت های بالینی ازسیستم کمک بگیرد.

برخی دلایل استفاده از CDSSدر پزشكي
پزشکان برخی اوقات دچار خطا و اشتباه می­شوند.
پزشکان قادر نیستند که همیشه خود را با آخرین یافته­های اطلاعات پزشکی تطبیق دهند.
در موارد متداول استفاده از تصمیم گیری خود کار موثر است.
سازمانهای مراقبت بهداشتی مایل به افزایش کیفیت مراقبت و کاهش هزینه های آن هستنند.
زمینه های مورد استفاده سیستم های CDSS در پزشکی
تولید آلتر  ها و ریمایندر  ها برای پزشک
کمک در تشخیص بیماری به پزشک
برنامه ریزی درمان
تشخیص و تفسیر تصاویر پزشکی
انواع سیستم های پشتیبان تصمیم در بخش سلامت:
به طور کل دو نوع سیستم پشتیبان تصمیم (DSS) در بخش سلامت وجو دارد: اداری - بالینی
تصمیماتی که پزشکان در مراکز درمانی می گیرند برای اطمینان از این است که آیا رفاه تک به تک بیماران حاصل شده است یا خیر.
توجه اصلی پزشک معطوف است به اینکه آیا مداخلات پزشکی انجام شده به سود بیمار بوده است یا خیر، دل نگرانی در مورد منابع صرف شده و هزینه های تحمیل شده از نظر پزشک، در مرحله دوم توجه قرار دارد. در این رویکرد، مرکز درمانی، به دلیل کیفیت بالای ناشی از ارائه بهترین خدمت به بیماران، سرافراز می شود.
از طرف دیگر به دلیل محدودیت منابع در بیمارستان، تصمیم گیران مدیریتی همواره با درنظر گرفتن این محدودیت ها به دنبال اخذ تصمیماتی هستند که منافع حاصله از مداخلات پزشکی را در مقایسه با هزینه های آن سنجیده و آن راه حل را که هزینه – اثربخشی بهتری دارد انتخاب می کنند.
دونابدین این رویکرد را به عنوان ” مراقبت با تاثیر بهینه “ نامیده است.
بهینه یا اپتیمال نشان دهنده این معناست که بیمارستان بررسی می کند به ازای هر ریالی که خرج می کند، چه چیزی به دست می آورد.
مدیران بخش سلامت الزاما باید انواع متنوعی از تصمیمات غیر پزشکی بگیرند، تا بتوانند خدمات درمانی را با قیمت مناسب، کیفیت بالا و در محیطی با منابع محدود ارائه کنند.

دسته بندي سيستم هاي پشتيباني تصميم باليني
سيستم هاي DSS از جوانب مختلفي طبقه بندي مي شوند:
نمايش اطلاعات: مثلا سيستم هاي مبتني بر درخت تصميم يا قواعد توليدي.
نوع تصميم : مثلا تشخيصي يا درماني.
زمينه پزشكي : مثلا سيستم هاي مربوط به پزشكي داخلي يا جراحي.

دسته بندي سيستمهاي DSS از ديد پزشكان:
پيشنهاد درخواستي
پيشنهاد غير درخواستي
سيستم خودكار 

پيشنهاد درخواستي:
تعريف: به شرايطي اطلاق مي شود كه در آن پزشك از DSS مشورت مي طلبد.

مثال: سيستمهاي كنترل بيهوشي يا تنفس مصنوعي

سیستم تصمیم یار در بانکداری:

موفقیت بانک‌ها در بازار رقابتی امروزی بستگی به رویکرد مدیریت داده‌ها، اطلاعات در مدل کسب و کار بانکی و مدیریت ارتباط با مشتری دارد. بانک‌ها دنیای اطلاعات مربوط به مشتریان را مدیریت می‌کنند. لذا بانک‌ها می‌توانند با اضافه نمودن مؤلفه‌ای به نام بازاریابی الکترونیک به پایگاه داده خود، مزایای بی‌شماری را کسب نمایند و با فراهم آوردن پشتیبانی در تصمیم‌گیری در زمینه‌های مختلف به بانک‌ها کمک نمایند. سیستم‌های پشتیبان تصمیم اجازه می‌دهد که آثار تصمیمات اساسی قبل از اجرا، پیش بینی شده و در نتیجه پتانسیل حاشیه سود افزایش یابد.

نظام بانکی کشور نیازمند تحول در حوزه بازاریابی است اما تحولی که مبتنی بر گردش رقابتی، انگیزش لازم، دانش روز و رویکرد و رفتار حرفه‌ای باشد. بازاریابی خدمات الکترونیک به دو دلیل هنوز نتوانسته جایگاه و ارزش واقعی خود را بیابد. نخست آنکه تصور درستی از بازاریابی الکترونیک در ارائه خدمات بانکی شکل نگرفته است و دوم‌ اینکه شفافیت در تبیین مدل کسب و کار بانکی هنوز به طور کامل‌ ایجاد نشده است.

این در حالیست که بر اساس جدید ترین نظرسنجی‌ها از بانکداران و کارشناسان مالی، موفق‌ترین بانک‌ها در آینده آنهایی خواهند بود که سلایق و خواسته‌های مشتریانشان را در سرلوحه خلاقیت و نو آوری قرار دهند. بنابراین در چنین محیط پر رقابتی، استفاده از تکنولوژی‌های جدید پشتیبان تصمیم، آن هم به مبتکرانه‌ترین شکل آن، امری حیاتی و کلیدی است. بسیاری از ‌این تکنولوژی‌ها توانسته‌اند سر منشا باز شدن کانال‌های متعددی برای ارائه خدمات بانکی شوند. به عنوان مثال، ورود مدیریت دانش به دنیای بانکداری ‌این امکان را برای بانکداری الکترونیک و ارائه‌دهندگان خدمات بانکی فراهم می‌آورد تا مشتریان بالقوه خدمات الکترونیک بانکی شناسایی و راهبری شوند.

در ‌این راستا پژوهش‌های انجام شده نشان می‌دهد که نیاز به پیشرفت‌های سیستم‌های پشتیبانی تصمیم وجود دارد به طوری که بانک‌های تجاری قادر به افزایش بهره‌وری خود در استفاده از این سیستم‌ها برای دستیابی به خلاقیت در بازاریابی شوند. همچنین لازم است تمرکز بر انتخاب مدیران بازاریابی الکترونیک که دارای تخصص و صلاحیت مناسب هستند باشد، تا از اثرات منفی که ممکن است بر اثر انتخاب مدیری با تجربه ناکافی رخ دهد، جلوگیری شود.

از سوی دیگر بانک‌ها باید برای آموزش کارکنان خود در مورد چگونگی استفاده از سیستم‌های پشتیبانی تصمیم‌گیری، با توجه به شرایط کاری خود، از طریق برگزاری دوره‌های آموزشی به صورت منظم در مورد برنامه‌های مختلف که مربوط به سیستم‌های حمایت از تصمیم گری بازاریابی الکترونیک است، توجه کنند و در نهایت برای تنوع در جمع آوری داده‌ها و اطلاعات از محیط اطراف و کمک به ارتقا استفاده از سیستم‌های پشتیبان در بانک‌ها، لازم است که مقرراتی برای توسعه سیستم‌های پشتیبانی تصمیم در بانک‌ها اختصاص یابد.

معرفی فناوری های پوشیدنی(Wearable Technology) و نقش آن در کسب و کار آینده

تکنولوژی پوشیدنی، دستگاه های الکترونیکی هوشمند دستگاه الکترونیکی با میکروکنترلرها می باشند که می توانند بر روی بدن به عنوان ایمپلنت یا لوازم جانبی پوشیده شوند. تکنولوژی پوشیدنی مانند ردیاب های فعالیت بهترین نمونه از اینترنت اشیا هستند،تکنولوژی پوشیدنی دارای انواع برنامه های کاربردی است که به محض توسعه فضای خود رشد می کنند.

موارد استفاده

  •   استفاده شخصی
  •   استفاده تجاری

برای استفاده شخصی یا کسب و کار، ابزارهای تکنولوژی پوشیدنی عمدتا برای هر یک از توابع زیر استفاده می شود:

به عنوان یک مد
به عنوان یک ردیاب تناسب اندام
به عنوان یک درمان برای اختلالات شنوایی
برای درمان از راه دور از اختلالات گفتاری و صوتی مانند کسانی که در بیماران مبتلا به بیماری پارکینسون
به عنوان یک ردیاب ورزشی
برای همگام سازی داده ها و ارتباطات از ابزارهای دیگر
برای نظارت بر موارد خاص سلامت، مانند مدیریت استرس
به عنوان یک سنجش برای سطح هوشیاری و انرژی
به عنوان ابزار ناوبری
به عنوان دستگاه های رسانه ای
به عنوان ابزارهای ارتباطی

تکنولوژی پوشیدنی اغلب برای نظارت بر سلامت کاربر استفاده می شود. با توجه به این که این دستگاه در ارتباط نزدیک با کاربر است، می تواند به راحتی داده ها را جمع آوری کند.
Wearables می تواند برای جمع آوری داده ها در مورد سلامت کاربر از جمله:

  • ضربان قلب
  •  کالری سوزانده شده
  • مراحل راه رفتن
  •  فشار خون

این توابع اغلب همراه با یک واحد مانند یک ردیاب فعالیت یا ساعت هوشمند همراه هستند. دستگاه هایی مانند این برای آموزش فیزیکی و نظارت کلی سلامت جسمانی استفاده می شوند.
در حالی که پوشیدنی ها می توانند داده ها را  جمع آوری کنند، هنوز بر اساس این داده ها باید تجزیه و تحلیل  و نتیجه گیری کنند Wearables نمی تواند نیازهای بهداشت فردی فرد را حساب کند؛ آنها فقط می توانند داده ها را جمع آوری کنند. از این رو، پوشیدنی ها در درجه اول برای اطلاعات در مورد رفاه عمومی مورد استفاده قرار می گیرند، نه برای تصمیم گیری در مورد سلامت .

 

معرفی اینترنت اشیا(internet of things) و نقش آن در کسب و کار آینده

 به‌طور کلی اینترنت اشیا اشاره میکند  به اشیا و تجهیزات محیط پیرامون‌مان که به شبکه اینترنت متصل شده و توسط اپلیکیشن‌های موجود در تلفن‌های هوشمند و تبلت قابل کنترل و مدیریت هستنداینترنت چیزها به زبان ساده، ارتباط سنسورها و دستگاه‌ها با شبکه‌ای است که از طریق آن می‌توانند با یکدیگر و با کاربرانشان تعامل کنند. این مفهوم می‌تواند به سادگی ارتباط یک گوشی هوشمند با تلویزیون باشد.

 

اینترنت اشیا یا به‌بیانی دقیق‌تر، «اینترنت چیزها» یعنی اتصال دستگاه‌های فیزیکی نظیر وسایل نقلیه، لوازم خانگی، گوشی‌های هوشمند و... به‌هم‌دیگر از طریق نرم‌افزارهای خاص، حسگرها و... است. در این فناوریِ به‌نسبت نوپا، تمامی دستگاه‌های متصل به یک شبکه، توانایی این را دارند که کارهایشان را به‌صورت خودکار انجام دهند .

آینده این فناوری کاربردی، بر کسب و کارها و نحوه فروش محصولات نیز تاثیر گذاشته و این قوانین را دچار تغییر می کند، در واقع با پیشرفت فناوری اینترنت اشیا در آینده، تعریف ما را از کسب و کار تغییر خواهد داد.

تاثیر اینترنت اشیا در کسب و کار باعث موارد زیر میشود؟

1)به کارگیری داده های بزرگ

با استفاده از اینترنت اشیا، بازاریابان و کارافرینان متوجه می شوند که مردم در هنگام خرید، به چه عواملی اهمیت می دهند، در واقع نسبت به این اطلاعات بینش ذهنی به دست می آورند، الگوهای رفتاری مصرف کننده را تجزیه و تحلیل می کنند و روش های جدید برای فروش بیشتر را کشف خواهند کرد که فرایند فروش را تسریع می بخشد.

2)کار از راه دور

IoT تنها برای یک مکان فیزیکی مانند انبار مورد استفاده قرار نمی گیرد، شما می توانید از آن برای بهبود وضعیت کسب و کار خود به صورت دورکاری استفاده نمایید. در واقع با استفاده از اینترنت اشیا می توانید با تمام کارمندان و کارگرانی که از دفتر شما دور هستند، ارتباط برقرار کرده و نحوه کار و بازده آنها را کنترل کنید.

3)رفع نیاز جدید مصرف کنندگان

مصرف کنندگان با استفاده از فناوری IoT به راحتی می توانند محصولات خود را سفارش دهند، در واقع مصرف کننده می تواند به راحتی و از طریق این فناوری محصولی که مدنظرش است را در خانه و بدون هیچ محدودیتی پیدا کند و با استفاده از چند دستورالعمل ساده سفارش خود را ثبت نماید، این روش فرایند خرید را تسریع بخشیده و مدت زمان آن را کاهش می دهد.

4)مدیریت موجودی انبار

اگر یک شرکت بزرگ هستید که به منظور فعالیت خود، بخش عظیمی از مواد و محصولات خود را ذخیره سازی کرده و در انبار نگهداری می کنید، میتوانید از مزایای IoT بهره ببرید. IoT به شما کمک می کند تا موجودی های انبار خود را کنترل کنید و در مواقع لزوم و قبل از اینکه دیر شود برای تکمیل آن اقدام نمایید.

5)مدیریت کار امد

فناوری IoT تنها در مورد بهره وری نیست، تاثیر این فناوری در محیط کسب و کار و مدیریتی به اندازه بخش تولید است. مطالعات نشان می دهد استفاده از این فناوری باعث می شود مدیر و کارکنان بدون از دست دادن کیفیت و دقت، تمام وظایف خود را به خوبی انجام دهند.