شناسایی و اولویت‌بندی چالش‌ها و کاربردهای کلان‌داده‌ها در صنعت خرده‌فروشی با استفاده از روش‌های تصمیم‌گیری چندمعیاره

نویسندگان

1 دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت دانشگاه تهران، تهران، ایران

2 دانشیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.

3 دانشجوی کارشناسی ارشد، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

4 دانشجوی کارشناسی ارشد، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

doi
10.22034/aimj.2022.170983
چکیده

امروزه حجم زیادی از داده‌‌‌‌‌‌‌ها که از منابع مختلف با سرعت زیاد و تنوع بالا تولید می‌‌‌‌‌‌‌شوند، به نوآوری و تحول در بسیاری از صنایع منجر شده‌‌‌اند. با توجه به اهمیت روزافزون خلق ارزش از داده‌ها در صنعت خرده‌فروشی، بسیاری از صنایع همچون این صنعت، درصدد به‌کارگیری فناوری کلان‌‌‌‌‌داده‌ها برآمده‌اند. اما بسیاری از مدیران این صنعت با تعدد گزینه‌‌‌های تصمیم‌‌‌گیری برای به‎‌‌‌کارگیری کاربردهای این فناوری و نیز مشکلات پیاده‌سازی آن مواجه هستند. از این رو، هدف اصلی این پژوهش، شناسایی و انتخاب مجموعه کاربردهای کلان‎‌داده در صنعت خرده‌‎فروشی ایران است که از مشکلات پیاده‌‎سازی کمتری برخوردار است. در این پژوهش، ابتدا با استفاده از روش فراترکیب با جست‎وجوی سیستماتیک در پایگاه‌های معتبر علمی، ابتدا مقالات مرتبط در خصوص کاربردهای کلان‎داده در صنعت خرده‎‌‌فروشی بررسی شده است. سپس، با تحلیل محتوای مقالات، کاربردهای کلان‌‌‌‌‌‌‌داده در صنعت خرده‌فروشی شناسایی و دسته‌بندی شده‌‌‌‌‌اند. در ادامه، با شناسایی معیارهای مربوط به مشکلات به‌کارگیری کلان‌داده و با استفاده از روش‌‌‌‌‌‌‌های کمی تصمیم‌‌‌‌‌‌‌گیری چندمعیاره به‌صورت ترکیبی از روش‌های بهترین و بدترین، روش دیمتل و روش شباهت به راه‌‌‌‌‌حل ایدئال، اولویت کاربردهای کلان‎‌داده  در صنعت خرده‌فروشی ایران مشخص شده است. یافته‌های این پژوهش نشان ‌‌‌می‌‌‌‌‌دهند که سه کاربرد کلان‌داده شامل تعیین روندهای بازار، تعیین ‌‌‌ پورتفولیوی بهینه محصولات و نیز بخش‌‌‌بندی خرده مشتریان از کمترین چالش و در نتیجه بالاترین اولویت برخوردار هستند و سه کاربرد همکاری داده‌‌‌محور، حذف محصولات تقلبی و چیدمان فضای فروشگاه از بیشترین چالش و کمترین اولویت در صنعت خرده‌فروشی ایران برخوردار بودند.