فهرست نشریات علمی دسترسی آزاد ایران

مقدمه: زنجیره‌های تأمین مدرن، تحت تأثیر جهانی‌شدن و تغییر ترجیحات مشتریان، با پیچیدگی فزاینده‌ای مواجه هستند که منجر به بروز مشکلاتی نظیر عدم شفافیت دارایی‌ها، مدیریت ناکارآمد موجودی و تشدید «اثر شلاقی» می‌شود. صنعت پتروشیمی، با ویژگی‌هایی مانند حجم بالای تولید، ارزش نسبی پایین محصولات، هزینه‌های بالا و زنجیره‌های تأمین طولانی، به‌طور خاص در برابر این اثر آسیب‌پذیر است. راهکار کلیدی برای کاهش این اثر، افزایش شفافیت و یکپارچگی زنجیره تأمین است؛ با این حال، پراکندگی و حجم عظیم داده‌ها دستیابی به این هدف را چالش‌برانگیز کرده است. در این زمینه، فناوری‌های «داده‌های کلان» و «هوش تجاری» به‌عنوان راهکارهای راهبردی ظهور کرده‌اند که توانایی پردازش حجم عظیم داده‌ها و ارائه بینش‌های عملیاتی و بلادرنگ را دارند. با این وجود، تأثیر هم‌زمان این دو فناوری، به‌ویژه در کشورهای در حال توسعه مانند ایران و در صنایع خاصی همچون پتروشیمی، به اندازه کافی مورد مطالعه قرار نگرفته است. این مطالعه با هدف پر کردن این خلأ پژوهشی و ارائه شواهد تجربی از صنعت پتروشیمی ایران انجام شده است. روش‌ها: این مطالعه از نظر هدف کاربردی و از نظر روش گردآوری داده‌ها توصیفی-پیمایشی است که با طرحی ترکیبی (کیفی-کمی) انجام شد. در فاز کیفی، عوامل کلیدی مؤثر ابتدا از طریق مطالعه کتابخانه‌ای و پیمایش‌های میدانی شناسایی شدند. برای نهایی‌سازی و دستیابی به اجماع خبرگان درباره این عوامل، از روش «دلفی فازی» با جامعه‌ای شامل 19 مدیر ارشد صنعت و استادان دانشگاه استفاده شد. در فاز کمی، نمونه آماری شامل 384 نفر از مدیران و ذی‌نفعان صنعت پتروشیمی ایران با استفاده از روش نمونه‌گیری غیر احتمالی قضاوتی انتخاب شد و داده‌ها از طریق پرسشنامه مبتنی بر مقیاس لیکرت جمع‌آوری گردید. برای تحلیل داده‌ها و آزمون فرضیه‌ها از روش‌های آماری پیشرفته شامل تحلیل عاملی اکتشافی، تحلیل عاملی تأییدی و مدل‌سازی معادلات ساختاری با استفاده از نرم‌افزار M plus نسخه 8.3 استفاده شد. پایایی و روایی ابزار پژوهش با شاخص‌هایی نظیر آلفای کرونباخ، پایایی ترکیبی، میانگین واریانس استخراج‌شده و معیار HTMT تأیید شد.  نتایج و بحث: یافته‌های پژوهش نشان داد که مدل مفهومی ارائه‌شده از برازش مناسبی برخوردار است (CMIN/DF=1.122، CFI=0.958، TLI=0.956، SRMR=0.043، RMSEA=0.018). نتایج مدل‌سازی معادلات ساختاری تمامی 13 فرضیه پژوهش را تأیید کرد و نشان داد که هر یازده عامل شناسایی‌شده (تعهد سازمانی، ارزش تجاری، حجم سفارش، قابلیت اشتراک اطلاعات، قابلیت دید، کاربردهای اینترنت اشیا، افزایش اتصال از طریق رایانش ابری، قابلیت چابکی، قابلیت نوآوری، مدیریت ارتباط با مشتری و مدیریت خدمات مشتری) تأثیر مثبت و معناداری بر قابلیت‌های داده‌های کلان و هوش تجاری دارند. همچنین، داده‌های کلان و هوش تجاری به‌طور معناداری (با ضرایب مسیر 0.288 و 0.186 به‌ترتیب) اثر شلاقی را کاهش می‌دهند. نکته مهم آن است که مسیرهای تأثیر این دو فناوری متمایز اما مکمل شناسایی شد: داده‌های کلان عمدتاً از طریق عوامل عملیاتی-فنی (مانند قابلیت دید و بهینه‌سازی حجم سفارش) اثر شلاقی را کاهش می‌دهد و هوش تجاری عمدتاً از طریق عوامل راهبردی-مدیریتی (مانند قابلیت نوآوری و یکپارچه‌سازی داده‌های اینترنت اشیا). ضریب تعیین (R²) برای متغیرهای داده‌های کلان، هوش تجاری و اثر شلاقی به‌ترتیب 0.992، 0.994 و 0.855 بود که نشان‌دهنده توان بسیار بالای مدل در تبیین واریانس متغیرهای وابسته است. نتیجه‌گیری: مطالعه حاضر اثبات می‌کند که فناوری‌های داده‌های کلان و هوش تجاری راهکارهای عملی برای کاهش اثر شلاقی در زنجیره تأمین صنعت پتروشیمی هستند. سرمایه‌گذاری در این فناوری‌ها، حتی با راه‌حل‌های بومی، یک ضرورت راهبردی برای کاهش هزینه‌ها و افزایش رقابت‌پذیری است. اجرای موفق آن‌ها مستلزم تعهد مدیریتی، سرمایه‌گذاری و آموزش است. یک چارچوب اجرای دو مرحله‌ای پیشنهاد می‌شود: نخست، ایجاد زیرساخت داده و شفافیت، و سپس توسعه تحلیل‌ها و هوشمندی. این مطالعه مسیر را برای پژوهش‌های آینده در سایر صنایع و کشورها، و همچنین استفاده از روش‌های مدل‌سازی پیشرفته‌تر هموار می‌کند.