منابع پایان نامه ارشد با موضوع هوش تجاری، جامعه آماری، روش تحقیق، معادلات ساختاری

دانلود پایان نامه ارشد

پيشرو بودن بهره برداري نمايند و درك بهتر تقاضاها و نيازمندي هاي مشتريان و مديريت ارتباط با آنان را ميسر مي سازند. هوش تجاري علاوه بر کمک به بانک‌ها براي به‌دست آوردن مشتريان جديد به حفظ مشتريان جديد نيز کمک مي‌کند(محقر و دیگران، 1387). کسب و حفظ مشتري براي هر صنعتي يک عامل اساسي است. امروزه مشتريان براي انتخاب بانکي به منظور انجام فعاليتهاي اقتصادي خود گزينه‌هاي متعددي دارند، درصورتي‌که مسئولين اجرايي نتوانند توجه کامل مشتريان راجلب کنند ، مشتري به راحتي مي‌تواند بانکي را پيدا کند که توقعاتش را برآورده کند. يکي ديگر از حوزه‌هاي مهم در صنعت بانکداري که هوش تجاري ميتواند در آن موثر باشد تشخيص تقلب است. مديران بانک براي بسياري از تصميم‌گيري‌ها نياز دارند بدانند که آيا مشتريان بانک‌ها قابل اطمينان هستند يا خير. اگر آنها اطلاعات کاملي در مورد مشتريان خود نداشته باشند ، ارائه کارت‌هاي اعتباري به مشتريان جديد، گسترش اعتبار مشتريان کنوني و تصويب وام‌ها ، تصميمات داراي ريسک براي بانک هستند. داده کاوي مي‌تواند با استخراج داده در مورد مشتريان ريسک بانک‌ها را در موارد تصميم‌گيري کاهش دهد. با تحليل رفتارهاي تراکنشي مشتريان با حساب‌هاي سپرده هايشان ميتوان رفتار آنها را در ارتباط با وام و بازپرداخت وام‌ها پيش‌بيني کرد. يکي از مهم‌ترين کاربردهاي هوش تجاري در صنعت بانکداري در حوزه بازاريابي است. دپارتمان بازاريابي بانک مي‌تواند از اين ابزار براي تحليل پايگاه داده مشتريان استفاده کند و سرويس‌ها و محصولات ترجيحي مشتريان را تشخيص دهد. با ارائه سرويس‌ها و محصولاتي که مشتريان واقعا متقاضي آنها هستند از هدر رفتن هزينه براي تامين سرويس‌هاي بدون متقاضي جلوگيري مي‌شود. بنابر اين واحد بازاريابي بانک مي‌تواند با کسب دانش بيشتر در مورد مشتريان بيشتر بر روي نيازهاي آنها تمرکز کند. هوش تجاري مزایاي رقابتی زیادي را براي سازمان به ارمغان میآورد ولی با این وجود پیادهسازي موفق یک راهحل هوش تجاري بسیار پرخطر، هزینه بر و زمانبر است. استفاده از سیستم هاي هوش تجاري در صنعت بانکداري می تواند بسیاري از مشکلات این صنعت را به خوبی مرتفع کند.
سازمان هایی که برای استقرار هوش تجاری برنامه ریزی میکنند، باید قبل از تصمیم گیری به بررسی زیرساخت های لازم برای بهره گیری از هوش تجاری بپردازند، چه به لحاظ امکانات فنی و چه به لحاظ نیروی انسانی متخصص و چه به لحاظ فرهنگ سازمانی مورد نیاز. همانطور که در مقاله مطرح شده است این عوامل زیرساختی سهم بسیار مهمی از احتمال شکست پروژه های هوش تجاری در سازمان را بخود اختصاص میدهند و همین امر منجر به لزوم توجه بیشتر به این مقوله میشود. بعد از تصمیم گیری باید ارزیابی آمادگی سازمانی برای قبول استقرار هوش تجاری صورت پذیرد و با توجه به خروجی حاصل از ارزیابی، اقدامات لازم برای ایجاد آمادگی کامل صورت پذیرد. استقرار هوش تجاری در گرو همکاری و همسویی فناوری اطلاعات و کسب و کار سازمان است. و در صورتی که این دو عامل در یک سازمان با هماهنگی کامل در جهت استقرار هوش تجاری برناه ریزی و هدایت شوند میتوان به مرحله استقرار هوش تجاری در سازمان رسید. در این مرحله نیز گام های استقرار یکی پس از دیگری برداشته میشود و در نهایت منجر به ایجاد سازمانی هوشمند و یادگیرنده میگردد.

3-1 مقدمه:
در این فصل به بررسی چگونگی روش تحقیق، گردآوری دادهها و تحلیل آنها جهت استفاده از دادههای خام در راستای فرضیات تحقیق پرداخته میشود. همچنین تعریف وتفصیل مفاهیم اساسی همچون (جامعه آماری، نمونهگیری و…) ارائه گردیده و مفاهیم اساسی فوق برای تحقیق حاضر بررسی میگردد.
3-2 روش تحقیق:
پژوهش حاضر از نظر هدف پژوهش کاربردی میباشد. این پژوهش از نظر منطق اجرای پژوهش از نوع قیاسی، از نظر نحوهی اجرای پژوهش توصیفی- پیمایشی، از نظر نوع دادهها کیفی است.
3-3 جامعه آماری:
جامعه آماري این پژوهش کارکنان، مدیران و کارشناسان شعب بانک رفاه شهر کرمانشاه می باشند. تعداد جامعه آماری 216 نفر است که به شرح جدول 3-1 می باشد.
جدول 3-1 جامعه آماری
طبقه
تعداد
کارکنان
186
مدیران وکارشناسان
30

3-4 حجم نمونه و روش نمونه گیری:
در این پژوهش از روش نمونهگيري طبقه ای استفاده شده است. برای تعیین حجم نمونه از روش کوکران استفاده شده است:

جدول 3-2 حجم نمونه طبقات
طبقات
حجم طبقه ()
حجم نمونه ()
کارکنان
186

مدیران و کارشناسان
30

کل
216
140

3-5 روش گردآوری داده ها:
در اين پژوهش براي جمع آوري اطلاعات مربوط به پاسخ گويي به سوالات پرسشنامه به طور عمده از روش ميداني استفاده شده است و هم چنين در ارائه مدل اوليه و جمع آوري اطلاعات اوليه از روشهاي كتابخانهاي (مطالعه كتاب ها، مقالات، مجلات، طرح هاي پژوهشي و بانكهاي اطلاعاتي اينترنتي) استفاده گرديده است.
3-6 ابزار گردآوری داده:
در این پژوهش برای گردآوری داده ها از ابزار پرسشنامه استفاده شده است. این پرسشنامه با هدف طراحی نقشه استقرار هوش تجاری در بانک رفاه کارگران استان کرمانشاه میباشد. که مشتمل بر 2 قسمت 5 بخش و 16 سؤال میباشد. این پرسشنامه شامل دو قسمت میباشد که قسمت اول سؤالهای جمعیتشناختی(قسمت اول پرسشنامه) مربوط به خصوصیات کلی پاسخدهندگان از قبیل؛ جنسیت، سن، تحصیلات و … و قسمت دوم شامل سؤالهای نگرشی با هدف بررسی و آزمون فرضیات میباشد.
جدول 2-3 دستهبندی سؤالات
متغیرها
سؤالات مرتبط با فرضیات
کیفیت سیستم هوش تجاری
1 تا 3
کیفیت اطلاعات
4 تا 6
ارزش تسهیم اطلاعات
7 تا 9
استفاده از اطلاعات
10 تا 12
استقرار هوش تجاری
13 تا 16
کل
16

3-6-1 نحوهی امتیازبندی پرسشنامه
برای رتبهبندی دادههای این پژوهش از مقیاس رتبهای استفاده شده است. در این روش از پاسخگو خواسته شد که میزان موافقت یا مخالفت خود را با هر گویه، بر مبنای یک طیف مشخص نماید. از طریق این مقیاس می توان حساسیت، تعقل و باور پاسخدهنده را تعیین نمود. در این پرسشنامه از یک مقیاس 5 گزینهای استفاده شده است که ارزش عوامل مقیاسی برای این پرسشنامه از کاملاّ موافقم (1) تا کاملاّ مخالفم (5) امتداد خواهد یافت.

3-6-2 آزمون روايي ابزار پژوهش
مقصود این است که آیا ابزار اندازه‌گیری مورد نظر می‌تواند ویژگی و خصوصیتی که ابزار برای آن طراحی شده است را اندازه‌گیری کند یا خیر. به عبارت دیگر مفهوم روایی به این سوال پاسخ می‌دهد که ابزار اندازه‌گیری تا چه حد خصیصه مورد نظر را می‌سنجد.
در این پژوهش برای تعیین روایی از روش محتوایی استفاده شده است، به این ترتیب که پرسشنامه به چند نفر از اساتید گروه مدیریت دانشگاه آزاد اسلامی واحد کرمانشاه داده شد و پس از اطلاحات لازم روایی آن مورد تأیید قرار گرفت.
3-6-3 آزمون پایایی(قابلیت اعتماد)
پایایی با این امر سر و کار دارد که ابزار اندازه‌گیری در شرایط یکسان تا چه اندازه نتایج یکسانی به دست می‌دهد. در این پژوهش از روش آلفای کرونباخ برای بررسی پایایی پرسشنامه استفاده شد که به شرح جدول زیر می باشد:
جدول 3-5 مقادیر آلفای کرونباخ به تفکیک هر یک از مؤلفه ها
عوامل
تعداد سؤال
مقدار آلفای کرونباخ
کیفیت سیستم هوش تجاری
3
834/0
کیفیت اطلاعات
3
874/0
ارزش تسهیم اطلاعات
3
839/0
استفاده از اطلاعات
3
915/0
استقرار هوش تجاری
4
726/0
کل
16
818/0
3-7 روش تجزیه و تحلیل دادهها:
در این پژوهش برای تجزیه و تحلیل دادهها و آزمون فرضیات از روش معادلات ساختاری به کمک نرمافزار آموس استفاده شده است.
نرم افزار آموس يك محصول نرم افزاري است كه به منظور برآورد و آزمون مدلهاي معادلات ساختاري طراحي شده است. اين نرم افزار با استفاده از همبستگي و كوواريانس بين متغيرهاي اندازهگيري شده، مي‌تواند مقادير بارهاي عاملي، واريانسها و خطاهاي متغيرهاي مكنون را برآورد يا استنباط كند، و از آن مي‌توان براي اجراي تحليل عاملي اكتشافي، تحليل عاملي مرتبه دوم، تحليل عاملي تاييدي و همچنين تحليل مسير(مدل يابي علّي با متغيرهاي مكنون) استفاده كرد. هر گاه در يك تحقيق تعداد نسبتا زيادي متغير وجود داشته باشد، يافتن رابطهها و يا به عبارت ديگر همبستگي بين اين متغيرها به روشهاي معمولي بسيار مشگل و گاه ناممكن مي‌باشد. روش تحليل عاملي براي رفع اين مشكل بوجود آمده است و بر مبناي آن متغيرها به گونهاي دستهبندي مي‌شوند كه در نهايت به دو يا چند عامل كه همان مجموعه متغيرها هستند محدود مي‌گردند، به عبارت ديگر متغيرهاي مورد استفاده در تحقيق بر اساس صفات مشتركشان به دو يا چند دسته محدود شده و اين دستهها را عامل ميناميم. پس از آن روابط بين عامل ها بدست آمده و در هر عامل نيز روابط بين متغيرهاي آن محاسبه شده و در نهايت هدف اصلي تحقيق كه روابط بين متغيرهاي تحقيق است محاسبه مي‌شوند. بنابراين هر عامل را مي‌توان متغيري ساختگي يا فرضي در نظر گرفت كه از تركيب چند متغير كه از وجوهي به هم شباهت دارند، ساخته شده است. از طرف ديگر روش تحليل عاملي به عنوان ابزاري براي كشف ميزان ممكن كاهش دادهها به كار مي‌رود(تحليل عاملي اكتشافي) و يا تاييد فرضهايي كه در مورد رابطه بين عاملها وجود دارد(تحليل عاملي تاييدي).

3-7-1 آزمونهای برازندگی مدل کلی
در طی دهه گذشته برای مدلهای معادلات ساختاری شاخصهای برازندگی متعددی ارائه شده است. با آنکه انواع گوناگون این شاخصها پیوسته در حال توسعه و تکامل هستند ولی شاخص بهینهای که توافق همگانی برآن باشد وجود ندارد. این شاخصها به شیوههای مختلفی طبقه شدهاند که یکی از عمدهترین این طبقهبندیها متعلق به مارش و همکاران (1967) است. آن ها شاخصهای برازندگی را به سه گروه مطلق، نسبی و تعدیل یافته تقسیم میکنند.
3-7-2 شاخصهای مطلق
شاخصهای مطلق این پرسش را مطرح میسازد که آیا واریانس خطا که پس از برازش مدل باقی میماند مقدار قابل توجهای است یا خیر؟
شاخصهای مطلق تابعی از برنامهی Amos (مانند تابع برازندگی بیشینه احتمال یا نسبت درستنمایی مقیاسبندی شده) را به گونهای به کار میبرند که ریشهی میانگین باقی مانده، آزمون مجذور کای و نسبت به درجه آزادی، شاخص برازندگی (GFI) و شاخص تعدیل یافتهی برازندگی(AGFI) را مینیمم کند. در میان شاخصهای مطلق مجذور کای و نسبت به درجه آزادی، به قدرمطلق باقی مانده ها توجه دارد. مشخصهی مجذور کای برای یک مدل کاملاً برازش یافته برابر صفربوده و نسبت (نسبی مجذورکای به درجه آزادی) در یک برازش ایده آل برابر 1 خواهد بود.
دیگر شاخص مطلق، شاخص ریشهی میانگین مجذور باقی ماندهها (RMR) میباشد. این مقدار در واقع تفاوت بین عناصر ماتریس مشاهده شده در گروه نمونه و عناصر ماتریسهای برآورد یا پیش بینی شده با فرض درستی مدل مورد نظر است. ماندههای برازش یافته از تفاضل ماتریس کواریانس نمونه از ماتریس کواریانس برازش یافته حاصل میشود. هرچه مقدار این شاخص به صفر نزدیکتر باشد، مدل مذکور برازش بهتری دارد.
شاخصهای برازندگی GFI و AGFI که چارزکاگ و سوربوم (1989) پیشنهاد کردهاند بستگی به حجم نمونه ندارد و نشان میدهد که مدل تا چه حد نسبت به عدم وجود آن، برازندگی بهتری دارد. شاخص GFI برپایهی تابع برازندگی F طبق فرمول زیر محاسبه میشود،

در این رابطه معرف ساختار کواریانس برای متغیرهای مشاهده شده تصادفی، معرف ماتریس کواریانس گروه نمونه، مقداری از است که را مینیمم میکند و تابع برازندگی در شرایطی است که همه پارامترهای مدل برابر با صفر باشند. این مشخصه در واقع مقدار نسبی واریانسها و کواریانسها را به گونهی مشترک از طریق مدل ارزیابی میکند و دامنهی تغییرات آن بین صفر و یک است. شاخص GFI هرچند مشابه است ولی نمیتواند به عنوان درصد خطای تبیین شده به وسیلهی مدل تفسیر شود زیرا درصد کواریانسهای مشاهده شدهای است که از طریق کواریانسهای دیکته شده به وسیله ی مدل تبیین میشود.

پایان نامه
Previous Entries منابع پایان نامه ارشد با موضوع هوش تجاری، کسب و کار، تصمیم سازی، کیفیت اطلاعات Next Entries منابع پایان نامه ارشد با موضوع توزیع فراوانی، انحراف معیار، هوش تجاری، تحلیل داده