تحلیل جامع بر عملکرد و کارایی هوش تجاری در صنعت بانکداری بر اساس سلامت مالی بانک ها به روش تحلیل پوششی داده ای (DEA) (مورد مطالعه: بانک های پذیرفته شده در بورس اوراق بهادار)

•   آرشیو : نسخه بهار 1401 - جلد دوم
•   کد پذیرش : 12091
•   موضوع : مدیریت مالی
• نویسنده/گان : | نسرین زردشتی، احمد اصلی زاده
•   زبان : فارسی
•   نوع مقاله : پژوهشی
•   چکیده مقاله به فارسی : سرمایه‌گذاری در فناوری اطلاعات به‌منظور دریافت گزارش‌های مختلف مالی، بازاریابی، میزان فروش و... به‌ منظور کسب گوی سبقت از رقبا، رو به فزونی است و این امر در صنعت بانکداری با اهمیت بیشتری جلوه‌گر است. استخراج اطلاعات از داده‌های خام، یک فرآیند بسیارحیاتی و خسته کننده، در دنیای اطلاعات محور امروز است. امروزه، شرکت‌ها و بنگاه‌های اقتصادی، برای به دست آوردن بینش، به هوش تجاری و مجموعه‌ای از ابزارهای خودکار در کشف دانش تکیه می‌کنند. لذا بررسی عملکرد استقرار و بهره گیری از کاربردهای هوش تجاری از جایگاه‌های مهمی برخوردار است. در این تحقیق به دنبال پاسخ به این سؤال بودیم: آیا سرمایه‌گذاری در هوش تجاری باعث افزایش عملکرد بانک‌ها شده و کارایی آن‌ها را افزایش می‌دهد؟ برای انجام این تحقیق به روش تحلیل پوششی داده‌ها (DEA)، (با استناد بر قوانین کملز)-ده بانک منتخب پذیرفته‌شده در بورس اوراق بهادار تهران، را بر اساس شاخص‌های هوش تجاری (نهاده‌ها) و شاخص‌های عملکرد مالی دستورالعمل کمیته نظارت بر بانکداری ) بازل ((ستاده ها)، با تأکید بر سلامت مالی بانک‌ها در حوزه‌های سودآوری، مدیریت، ریسک بازار، در بازه زمانی ۱۳۹۵ تا ۱۳۹۸ مورد ارزیابی قراردادیم. مدل ریاضی بر پایه تحلیل پوششی داده‌ها، بازده به مقیاس متغیر ورودی محور (BCC-I) است. رتبه بندی بانک‌های ابرکارا، براساس مدل پیترسون- اندرسون بر پایه (BCC-I) انجام پدیرفت. نتایج به‌دست‌آمده در این پژوهش در بازه زمانی ۱۳۹۵ تا ۱۳۹۸ میزان کارایی در حوزه سودآوری ۳۷.۵ درصد، مدیریت ۳۵ درصد و ریسک بازار ۳۳.۳ درصد، نشان می‌دهد که کمتر از ۵۰ درصد مورد انتظار است.
•   لیست منابع : [1] ترابی، روزبه (۱۳۹۴). هوش تجاری با تأکید بر بازاریابی، گسترش ارتباطات بین المللی، فرصت ها و چالش ها، پنجمین همایش بانکداری الکترونیک و نظام های پرداخت، پژوهشکده پولی و بانکی بانک مرکزی جمهوری اسلامی ایران
  [2] کریم خانی، فرهاد (۱۳۹۱).تجاری و مدیریت فرایند کسب و کار در عملیات بانکی، اولین همایش ملی فناوری هوش اطلاعات و شبکه های کامپیوتری دانشگاه پیام نور واحد طبس، ۱-۱۰.
  [3] محقر، علی؛ کارلوس، حسینی؛ فرید، منشی و عاصف، على (۱۳۸۷). «کاربرد هوش تجاری به عنوان یک تکنولوژی اطلاعات استراتژیک در بانکداری بازرسی و کشف تقلب»، نشریه مدیریت فناوری اطلاعات، ۱: ۱۰۵-۱۲۰
  [4] زارع چاهوکی، محمدعلی و بی همتا، محمدرضا (۱۳۹۴). اصول آمار در علوم منابع طبیعی، مؤسسه انتشارات و چاپ،دانشگاه تهران، ۳۵۰.
  [5] نصرتی، شیرین (۱۳۹۴). «نقش هوش تجاری بر بهره وری صنعت بانکداری ایران»، کنفرانس بین المللی مدیریت،اقتصاد و سیستم مالی دوبی، صفحات ۱-۱۱.
  [6] رستگار، ع.، و حکاکی، ا. (1399). تاثیر قابلیت های زیرساختی مدیریت دانش بر هوش تجاری با میانجی گری نوآوری باز در شرکت های تولیدی کوچک و متوسط. پژوهش های نوین در تصمیم گیری, 5(1 ), 119-139.
  [7] یاغلی، پ.، و سهرابی، ط.، و درخشان، س. (1399). بررسی مدل استقرار و توسعه هوش تجاری در سازمان جهت ارتقاء تصمیم گیری (مورد مطالعه: بانک اقتصادنوین). مدیریت فردا, 19(64 ), 195-216.
  [8] هاشمی، س.، و الوداری، ح.، و دارایی، م.، و رازینی، ر. (1398). طراحی مدلی جهت ارزیابی توسعه داشبورد سازمانی با منطق هوش تجاری در سازمان ها موردمطالعه: شرکت طراحی مهندسی و تأمین قطعات ایران خودرو (ساپکو). اندیشه مدیریت راهبردی (اندیشه مدیریت), 13(1 (پیاپی 25) ), 295-320.
  [9] زارعی، ب.، و زارعی، ژ. (1397). اثر هوش تجاری بر عملکرد مالی بانک های ایران (با تاکید بر شاخص های سلامت مالی بانک ها). مطالعات اقتصادی کاربردی ایران (مطالعات اقتصادی کاربردی), 7(25 ), 111-130.
  [10] هاشمی، س.، و الوداری، ح.، و دارایی، م.، و رازینی، ر. (1396). طراحی مدلی جهت ارزیابی توسعه داشبورد سازمانی با منطق هوش تجاری در سازمان ها. مطالعات مدیریت کسب و کار هوشمند, 6(21 ), 95-133.
  [11] خدیور، آ.، و عبدالوند، ن.، و نظری سالاری، ل. (1395). ارائه مدلی به منظور تحلیل موانع به کارگیری هوش تجاری در صنعت گردشگری ایران با رویکرد روشهای آمیخته. پژوهش های نوین در تصمیم گیری, 1(1),
  [12] بخشنده، س.، و رحمتی، م. (1395). بررسی هم راستایی قابلیت ها و اجزای هوش تجاری در راستای ایجاد مزایای هوش تجاری (مطالعه موردی: شرکت های کوچک و متوسط شهر تهران). مدیریت فناوری اطلاعات، 8(1), 27-46.
  [13] روحانی، س.، و حمیدی، ه. (1395). چارچوب ارزیابی ماژول های سیستم بانکداری متمرکز مبتنی بر ویژگی های هوش تجاری. مدیریت فناوری اطلاعات, 8(2 ), 315-334.
  [14] Chang, E., Hussain, F. and Dillon, T. (2006). Trust and reputation for service oriented environments: technologies for building business intelligence and consumer confidence. John Wiley & Sons.
  [15] Chen, H.; Chiang, R. H. and Storey, V. C. (2012). "Business Intelligence and Analytics: From Big Data to Big Impact". MIS quarterly, 36(4): 1165-1188
  [16] Davenport, T. H. (2012). Business intelligence and organizational decisions. Organizational Applications of Business Intelligence Management:Emerging Trends: Emerging Trends, 1.
  [17] Evelson, B. and Norman, N. (2008). Topic overview: Business intelligence. Forrester research, 61.
  [18] Huang, Z., Chen, H.; Hsu, C. J.; Chen, W. H. and Wu, S. (2004). "Credit rating analysis with support vector machines and neural networks: a market comparative study". Decision support systems, 37(4): 543-558.
  [19] Kimball, R. and Ross, M. (2010). The Kimball Group Reader: Relentlessly Practical Tools for Data Warehousing and Business Intelligence. John Wiley & Sons.
  [20] Moro, S.; Cortez, P. and Rita, P. (2015). "Business intelligence in banking: Aliterature analysis from 2002 to 2013 using text mining and latent Dirichlet allocation". Expert Systems with Applications, 42(3): 1314-1324.
  [21] Moss, L. and Hoberman, S. (2004). The importance of data modeling as a foundation for business insight. Teradata, available at http://www. teradata.com/whitepapers/The-Importance-of-Data-Modeling-as-a-Foundation-for-Business-Insight eb4331,
  [22] Ngai, E. W. T., Hu, Y., Wong, Y. H.; Chen, Y. and Sun, X. (2011). "The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literature". Decision Support Systems, 50(3): 559-569.
  [23] Palshikar, G. K. (2002). "The hidden truth-frauds and their control: a critical application for business intelligence". Intelligent Enterprise, 5(9): 46-51.
  [24] Skriletz, R. (2002). New directions for business intelligence. Information Management,
  [25] Turban, E.; Sharda, R. and Delen, D. (2011). Decision support and business intelligence systems. Pearson Education India.
  [26] Ain, N., Vaia, G., DeLone, W. H., & Waheed, M. (2019). Two decades of research on business intelligence system adoption, utilization and success–A systematic literature review. Decision Support Systems, 125, 113113.
  [27] Bordeleau, F. E., Mosconi, E., & de Santa-Eulalia, L. A. (2020). Business intelligence and analytics value creation in Industry 4.0: a multiple case study in manufacturing medium enterprises. Production Planning & Control, 31(2-3), 173-185.
  [28] Caseiro, N., & Coelho, A. (2019). The influence of Business Intelligence capacity, network learning and innovativeness on startups performance. Journal of Innovation & Knowledge, 4(3), 139-145.
  [29] Torres, R., Sidorova, A., & Jones, M. C. (2018). Enabling firm performance through business intelligence and analytics: A dynamic capabilities perspective. Information & Management, 55(7), 822-839.
  [30] Ahmad, S., Miskon, S., Alabdan, R., & Tlili, I. (2020). Towards sustainable textile and apparel industry: Exploring the role of business intelligence systems in the era of industry 4.0. Sustainability, 12(7), 2632.
  [31] Božič, K., & Dimovski, V. (2019). Business intelligence and analytics use, innovation ambidexterity, and firm performance: A dynamic capabilities perspective. The Journal of Strategic Information Systems, 28(4), 101578.
  [32] AHLIJAH, Y. A. (2022). BUSINESS INTELLIGENCE AND PERFORMANCE OF THE STANDARD BANK OF SOUTH AFRICA LIMITED. Asian Journal of Advances in Research, 49-63.
  [33] Huang, Z. X., Savita, K. S., & Zhong-jie, J. (2022). The Business Intelligence impact on the financial performance of start-ups. Information Processing & Management, 59(1), 102761.
  [34] Lee, S., Lim, D., Moon, Y., Lee, H., & Lee, S. (2022). Designing a business intelligence system to support industry analysis and innovation policy. Science and Public Policy.
  [35] Yang, M., Sulaiman, R., Yin, Y., Mallamaci, V., & Alrabaiah, H. (2022). The effect of business intelligence, organizational learning and innovation on the financial performance of innovative companies located in Science Park. Information Processing & Management, 59(2), 102852.
  [36] Lale, A. W. (2022). Business intelligence implementation in different organizational setup evidence from reviewed literatures. Knowledge Engineering for Modern Information Systems: Methods, Models and Tools, 173.
•   کلمات کلیدی به فارسی : هوش تجاری، عملکرد صنعت بانکداری، تحلیل پوششی داده‌ها.
•   چکیده مقاله به انگلیسی :
•   کلمات کلیدی به انگلیسی :
•  صفحات : 66-77
•   دانلود فایل ( 654.09 KB )