پادکستهوش تجاری

سیستم‌های پشتیبانی تصمیم‌گیری چیست و چه کاربردهایی دارد؟

 غربال کردن داده‌ها برای تصمیم‌گیری بهتر در زمینه کسب و کار

این مطلب دارای نسخه صوتی می‌باشد. کاربران ویژه به لینک نسخه صوتی دسترسی خواهند داشت. هم‌اکنون عضو شوید.
این مطلب نسخه صوتی دارد

سیستم‌های پشتیبانی تصمیم‌گیری زیرمجموعه‌ای از هوش تجاری هستند که هدف آن ها کمک به سازمان‌ها در تصمیم‌گیری آگاهانه برای کسب و کار براساس تعداد زیادی از داده‌های تجزیه و تحلیل شده است.

تعریف کلی سیستم‌های پشتیبانی تصمیم‌گیری

سیستم پشتیبانی تصمیم که با نام اختصاری DSS شناخته می‌شود (Decision Support System) یک سیستم اطلاعاتی تعاملی است که حجم زیادی از داده‌ها را برای اطلاع رسانی جهت تصمیمات تجاری تجزیه و تحلیل می‌کنند.

سیستم پشتیبانی تصمیم با ارزیابی اهمیت یا عدم قطعیت نتایج و مبادلات مربوط به تصمیم‌گیری درباره تحلیل‌های درست، در سطح مدیریت کارآمد، عملیات و برنامه‌ریزی سازمانی را برای تصمیم‌گیری بهتر پشتیبانی می‌کند.

منابع مورد استفاده

سیستم پشتیبانی تصمیم از ترکیبی از داده‌های خام، اسناد، دانش شخصی و یا مدل‌های کسب و کار برای کمک به کاربران در تصمیم‌گیری بهره می‌برد.

منابع داده‌ای که توسط سیستم پشتیبانی تصمیم استفاده می‌شود، می‌تواند شامل منابع داده‌ای رابطه‌ای (Relational Data Sources)، انبارهای داده، سوابق الکترونیکی سلامت (EHR)، پیش‌بینی درآمد، پیش‌بینی‌های فروش و موارد دیگر باشد.

تاریخچه کوتاه

برای اولین بار مفهوم سیستم‌های پشتیبانی تصمیم بر اساس تحقیقاتی که در دهه ۱۹۵۰ و ۱۹۶۰ در انستیتوی فناوری کارنگی مورد توجه قرار گرفت.

این مهم در دهه ۱۹۸۰ به عنوان سیستم‌های اطلاعاتی اجرایی (EIS)، سیستم‌های پشتیبانی تصمیم‌گیری گروهی (GDSS) سیستم پشتیبانی سازمانی (ODSS) استفاده شد.

این مسئله نشان می‌دهد در طی سال‌های متمادی، با تمرکز سازمان‌ها به طور فزاینده در تصمیم‌گیری مبتنی بر داده، استفاده از علم تصمیم‌گیری (یا هوش تصمیم‌گیری) در حال افزایش است و دانشمندان تصمیم‌گیری ممکن است کلید باز کردن پتانسیل سیستم‌های علم تصمیم‌گیری باشند.

علم طراحی با گردآوری علوم داده کاربردی، علوم اجتماعی و علوم مدیریتی بر انتخاب بین گزینه‌ها برای کاهش تلاش مورد نیاز برای تصمیم‌گیری با کیفیت بالاتر متمرکز است.

سیستم‌های پشتیبانی تصمیم در مقابل هوش تجاری

سیستم‌های پشتیبانی تصمیم‌گیری و هوش تجاری (BI) اغلب با هم مخلوط می‌شوند. برخی از کارشناسان هوش تجاری را جانشین سیستم پشتیبانی تصمیم می‌دانند. اما این مسئله به اینجا ختم نمی‌شود.

تفاوت‌های اصلی

سیستم‌های پشتیبانی تصمیم به طور کلی در جهت ذخیره‌سازی داده‌ها و داده کاوی به عنوان یکی از عناصر سیستم‌های هوش تجاری شناخته می‌شوند.

در حالی که هوش تجاری دسته وسیعی از برنامه‌ها، خدمات و فناوری‌ها برای جمع آوری، ذخیره‌سازی، تجزیه و تحلیل و دستیابی به داده‌ها برای تصمیم‌گیری است، برنامه‌های سیستم پشتیبانی تصمیم، بیشتر تمایل دارند تا از تصمیمات خاص پشتیبانی کنند.

به عنوان مثال، یک سیستم پشتیبانی تصمیم تجاری ممکن است با تجزیه و تحلیل داده‌های فروش محصولات گذشته و متغیرهای فعلی، به یک شرکت کمک کند تا درآمد خود را در یک دوره مشخص پیش‌بینی کند.

ارائه دهندگان خدمات بهداشتی از سیستم‌های پشتیبانی تصمیم‌گیری بالینی برای کارآمدتر کردن روند کار بالینی استفاده می‌کنند. مانند: هشدارها و یادآوری‌های رایانه‌ای به ارائه دهندگان خدمات مراقبت، رهنمودهای بالینی، مجموعه سفارشات خاص و غیره.

دسته‌های سیستم‌های پشتیبانی تصمیم‌گیری

در کتاب “سیستم‌های پشتیبانی تصمیم: مفاهیم و منابع برای مدیران” نوشته دانیل جی پاور، استاد سیستم‌های اطلاعات مدیریت در دانشگاه شمال آیووا، سیستم‌های پشتیبانی تصمیم بر اساس منابع اصلی اطلاعات را به پنج دسته تقسیم می‌شوند.

۱٫ سیستم پشتیبانی تصمیم مبتنی بر داده

این سیستم‌ها شامل سیستم‌های گزارش‌های مدیریتی، سیستم‌های اطلاعاتی اجرایی و سیستم‌های اطلاعات جغرافیایی (GIS) هستند. آنها بر دستیابی و دستکاری در پایگاه داده‌های بزرگ، داده‌های ساختاریافته، غالباً یک سری زمانی از داده‌های شرکت داخلی و گاه داده‌های خارجی تأکید دارند.

۲٫ سیستم پشتیبانی تصمیم مدل محور

این سیستم پشتیبانی تصمیم شامل سیستم‌هایی است که از مدل‌های حسابداری و مالی، مدل‌های بازنمایی و مدل‌های بهینه‌سازی استفاده می‌کنند. آنها بر دستیابی به یک مدل و دستکاری آن تأکید دارند.

معمولاً از ابزارهای آماری و تحلیلی ساده بهره می‌برند، اما پاور خاطر نشان می‌کند که برخی از سیستم‌های OLAP که امکان تجزیه و تحلیل پیچیده داده‌ها را دارند، ممکن است به عنوان سیستم‌های ترکیبی سیستم پشتیبانی تصمیم طبقه‌بندی شوند.

این مدل مبتنی بر سیستم پشتیبانی تصمیم از داده‌ها و پارامترهای ارائه شده توسط تصمیم گیرندگان استفاده می‌کند.

۳٫ سیستم پشتیبانی تصمیم دانش محور

این سیستم‌ها اقداماتی را به مدیران پیشنهاد می‌کنند که بعضاً سیستم‌های مشاوره‌ای یا سیستم‌های پیشنهادی نامیده می‌شوند و به صورت تخصصی حل مسئله را بر اساس یک حوزه خاص ارائه می‌دهند.

آنها معمولاً برای کارهایی از جمله طبقه‌بندی، پیکربندی، تشخیص، تفسیر، برنامه‌ریزی و پیش‌بینی استفاده می‌شوند که در غیر این صورت به یک متخصص انسانی بستگی دارد. این سیستم‌ها اغلب با داده کاوی جفت می‌شوند تا پایگاه داده‌ها را برای تولید روابط محتوای داده جستجو کنند.

۴٫ سیستم پشتیبانی تصمیم اسناد محور

 این سیستم‌ها فناوری‌های ذخیره‌سازی و پردازش را برای بازیابی و تجزیه و تحلیل اسناد ادغام می کنند که موتور جستجو نمونه‌ای از آن است.

 ۵٫ سیستم پشتیبانی تصمیم گروهی و  ارتباطات محور

سیستم پشتیبانی تصمیم مبتنی بر ارتباطات بر روی تعامل، همکاری و هماهنگی برای کمک به افرادی که در یک کار مشترک کار می‌کنند، تمرکز دارد. در حالی که سیستم پشتیبانی تصمیم گروه (GDSS) بر پشتیبانی از گروه‌های تصمیم گیرنده برای تجزیه و تحلیل موقعیت‌های مسئله و انجام وظایف تصمیم‌گیری گروهی متمرکز است.


مجموعه

هوش تجاری

این پست بخشی از مجموعه هوش تجاری در کار و کسب است. ترتیب زیر را در این حوزه پیشنهاد می‌کنیم.

  1. به روز رسانی حاکمیت داده در سازمان: از کجا شروع کنیم
  2. کارشناس پایگاه داده کیست و چه وظایفی دارد؟
  3. بررسی تفاوت‌های میان داده، اطلاعات و دانش در یک نگاه
  4. وقتی از هوش تجاری صحبت می‌کنیم، از چه حرف می‌زنیم؟
  5. تبدیل داده به اطلاعات با هوش تجاری
  6. تجزیه و تحلیل داده (Data Analytics) چیست و چگونه انجام می‌شود؟
  7. کلان داده (Big Data) چیست؟
  8. تجزیه و تحلیل کلان داده (Big Data) چیست و چگونه انجام می‌شود؟
  9. مقایسه مفاهیم تحلیل داده، علوم داده و کلان داده (Big Data)
  10. طراحی پایگاه داده چیست و چگونه انجام می‌شود؟
  11. حاکمیت داده (Data Governance) چیست و چه اهمیتی دارد؟
  12. هوش تجاری (BI) چیست و چه تفاوتی با آنالیز تجاری (BA) دارد؟
  13. آنچه باید درباره‌ هوش تجاری بدانیم
  14. هوش تجاری (BI) چطور می‌تواند به کسب و کار شما کمک کند؟
  15. معرفی ۵ کتاب برتر درباره هوش تجاری
  16. ۷ کلید برای یک استراتژی موفقیت آمیز در زمینه هوش تجاری
  17. ۹ راه عدم موفقیت هوش تجاری
  18. تجسم داده (Data Visualization) چیست و چرا اهمیت دارد؟
  19. تمیزسازی داده (Data cleaning) به چه معناست و چه اهمیتی دارد؟
  20. ۱۰ تکنیک اساسی تجسم داده در ایجاد گزارش‌های هوش تجاری
  21. معرفی ۱۳ روش متداول تجسم داده‌ها
  22. تفاوت داشبورد و گزارش چیست؟
  23. ۱۰ اصل طراحی داشبورد هوش تجاری
  24. ۱۳ مثال عملی از تحلیل داده با هوش تجاری
  25. کاربرد هوش تجاری در صنایع مختلف
  26. معرفی نرم افزارهای مختلف هوش تجاری
  27. چگونه نرم‌افزار مناسب هوش تجاری را انتخاب کنیم؟
  28. پاور بی آی (Power BI) چیست و در هوش تجاری چه کاربردی دارد؟
  29. راهنمای کامل پاور بی آی (Power BI)
  30. ویژگی‌های نرم افزار Power BI
  31. تفاوت پاور بی آی و اکسل
  32. معرفی انواع نمودارها در نرم افزار پاور بی آی (Power BI)
  33. راهنمای کامل معماری نرم افزار پاور بی آی (Power BI)
  34. راهنمای انتخاب ابزار مناسب بین پاور بی آی و اکسل
  35. آموزش توابع زبان DAX در هوش تجاری با پاور بی آی (Power BI)
  36. معرفی نرم‌افزار Tableau، کاربردها و محصولات آن
  37. هر آنچه که لازم است درباره نرم‌افزار QlikView بدانید
  38. تفاوت زبان M و DAX در نرم افزار Power BI
  39. مقایسه ابزار Power BI و Tableau در هوش تجاری
  40. آموزش Power BI Report Server
  41. آموزش نصب و راه اندازی Power BI Report Server
  42. AIOps چیست و چه ساختاری دارد؟
  43. مسیر شغلی در هوش تجاری
  44. مهندسی داده چیست؟
  45. تحلیلگر داده (Data Analyst) کیست و چه کاری انجام می‌دهد؟
  46. تحلیل‌گر هوش تجاری کیست و چگونه می‌توان به یک تحلیل‌گر هوش تجاری تبدیل شد؟
  47. ۸ مهارت‌ مهم که هر تحلیل‌گر داده برای موفقیت به آن‌ها نیاز دارد
  48. معرفی مهم‌ترین مدارک و گواهینامه‌های مورد نیاز تحلیل‌گر داده
  49. آیا داشتن مدرک SQL ضروری است؟ معرفی انواع و اهمیت مدرک SQL
  50. مهمترین تکنیک‌های هوش تجاری
  51. پیاده سازی هوش تجاری در سازمان‌ها
  52. نقشه راه پیاده سازی موفق استراتژی هوش تجاری در سازمان
  53. معرفی ۵ کاربرد ارزشمند هوش تجاری در سازمان‌ها
  54. داده کاوی چیست و چه تکنیک‌هایی دارد؟
  55. همه‌چیز درباره علم داده و نحوه استفاده از آن
  56. معرفی معتبرترین مدارک و گواهینامه‌های علم داده
  57. معرفی برترین ابزار برای داده‌کاوی
  58. دانشمند داده کیست و چه نقشی در کسب و کار دارد؟
  59. معرفی برترین زبان‌های برنامه‌نویسی علم داده
  60. آسان ترین زبان برنامه‌نویسی برای یادگیری کدام است؟
  61. تفاوت‌های اصلی در نقش‌های مهندس داده و دانشمند داده
  62. زبان برنامه‌نویسی پایتون چیست و چرا باید آن را یاد بگیرید؟
  63. یادگیری ماشین چیست؟
  64. SSRS چیست و چه کاربردی در مدیریت داده‌ها دارد؟
  65. SSAS چیست و چه کاربردهایی دارد؟
  66. بهترین زبان‌ها برای یادگیری ماشین (Machine Learning) کدام هستند؟
  67. نقش‌ها و مسئولیت‌های کلیدی در یک تیم هوش تجاری چیست؟
  68. تفاوت زبان پایتون (Python) و R در چیست؟
  69. کاربرد KPI در داشبوردهای هوش تجاری
  70. زبان برنامه نویسی R چیست؟
  71. بررسی تفاوت‌های میان داده‌کاوی و یادگیری ماشین در علم داده
  72. مروری بر نحوه یادگیری زبان R
  73. چگونه می‌توان یک داشبورد فروش ایجاد کرد؟
  74. معرفی برترین ابزارهای علم داده
  75. پایگاه داده چیست و چه اجزایی دارد؟
  76. انبار داده چیست؟
  77. مفاهیم، معماری و اجزای انبار داده
  78. دانشمند داده چه تفاوتی با تحلیل‌گر داده دارد؟
  79. فرایند ETL در ایجاد انبار داده چیست؟
  80. مدل‌سازی داده چیست؟
  81. دریاچه داده (Data Lake) چیست و چه ساختاری دارد؟
  82. بهترین شیوه‌های طراحی پایگاه داده (Database design)
  83. نرمال‌سازی داده چیست و چگونه انجام می‌شود؟
  84. سیستم‌های پشتیبانی تصمیم‌گیری چیست و چه کاربردهایی دارد؟
  85. بازار داده (Data Mart) چیست و چه تفاوتی با انبار داده دارد؟
  86. تحلیل‌های پیش‌بینی کننده چیست و چگونه انجام می‌شود؟
  87. علم تصمیم‌گیری چیست و چگونه می‌توانیم تصمیمات داده‌محور بگیریم؟
  88. تصمیم‌گیری مبتنی بر داده چیست و چه تاثیری در موفقیت کسب و کار دارد؟
  89. کاربرد تحلیل داده در بانکداری و شرکت‌های خدمات مالی
  90. معماری اطلاعات (IA) چیست و چطور می‌توان از آن استفاده کرد؟
  91. کلان داده (Big Data) و بررسی تأثیرات آن بر تجارت الکترونیک
  92. بانکداری باز (Open Banking) چیست و چه اصولی دارد؟

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دوره آموزشی «مدیریت محصول» با مدرسانی از دیجی‌کالا و اکالا ؛ با رویکرد کاربردی و اجراییاطلاعات بیشتر و ثبت‌نام
بستن