دوره 9، شماره 2 - ( 6-1401 )
جلد 9 شماره 2 صفحات 37-21 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Daniali S, Seddighi A H. Data Governance Evaluation in Organizations:A Hybrid AHP-TOPSIS Approach. Human Information Interaction 2022; 9 (2)
URL: http://hii.khu.ac.ir/article-1-3144-fa.html
URL: http://hii.khu.ac.ir/article-1-3144-fa.html
دانیالی سمیرا، صدیقی امیر حسین. ارزیابی حکمرانی داده در سازمان‌ها: رویکردی ترکیبی مبتنی بر فرآیند تحلیل سلسله‌مراتبی و تاپسیس. تعامل انسان و اطلاعات. 1401; 9 (2)
پژوهشکده فناوری اطلاعات، پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)، تهران، ایران
چکیده: (3038 مشاهده)
زمینه و هدف: داده به عنوان یک سرمایه راهبردی در هر سازمانی نیازمند مدیریت صحیح و اثربخش است تا بتواند فرصت‌های تحول‌آفرینی را برای سازمان رقم زند. در این راستا حکمرانی داده با تعیین سیاست‌ها، فرآیندها و مسئولیت‌های داده‌ای به دنبال ارزش‌آفرینی راهبردی از داده‌های سازمان است. حکمرانی داده اثربخش نیازمند ارزیابی است و هدف این پژوهش ارائه روشی برای ارزیابی حکمرانی داده در سازمان‌ها است.
روش: در این پژوهش ابتدا مدلی برای ارزیابی حکمرانی داده در قالب یک ساختار سلسله‌مراتبی و با استفاده از نتایج پژوهش‌های پیشین پیشنهاد می‌شود. سپس روش ارزیابی با استفاده از ساختار پیشنهادی و یک رویکرد ترکیبی مبتنی بر فرآیند تحلیل سلسله‌مراتبی و تاپسیس تبیین می‌گردد. در ادامه رویکرد پیشنهادی در یک مطالعه موردی در صنایع غذایی مورد استفاده قرار می‌گیرد.
یافته‌ها: مطابق با نتایج این پژوهش، حکمرانی داده می‌تواند از سه بعد مختلف شامل کیفیت داده، تاثیرات درون سازمانی و تاثیرات برون سازمانی مورد ارزیابی قرار بگیرد. معیارهای ارزیابی کیفیت داده شامل دقت، کامل بودن، سازگاری، در دسترس بودن، به‌روز بودن و یکتایی داده است. معیارهای کارایی حکمرانی داده، بهره‌وری حکمرانی داده و صرفه‌جویی در هزینه‌های کسب و کار به تاثیرات درون سازمانی اشاره دارند. معیارهای کسب و بهبود رضایت مشتری، انطباق با قوانین و ایجاد فرصت‌های کسب و کار نیز به تاثیرات برون سازمانی مربوط می‌شوند.
نتیجه‌گیری: حکمرانی داده با پایش کیفیت داده‌ها و همراستایی آن‌ها با اهداف کسب و کار از یک سو زمینه‌ساز تحولات درون سازمانی نظیر افزایش بهره‌وری است و از سوی دیگر دارای تاثیراتی برون سازمانی همچون افزایش رضایت مشتری و ایجاد فرصت‌های کسب و کاری جدید است. لذا سازمان‌ها برای حفظ مزیت رقابتی و انطباق با قوانین و مقررات، نیازمند به‌کارگیری، پیاده‌سازی و ارزیابی حکمرانی داده در کسب و کار خود هستند. پژوهش حاضر کوشید تا رویکردی کاربست‌پذیر را برای ارزیابی حکمرانی داده در سازمان‌ها ارائه دهد.
روش: در این پژوهش ابتدا مدلی برای ارزیابی حکمرانی داده در قالب یک ساختار سلسله‌مراتبی و با استفاده از نتایج پژوهش‌های پیشین پیشنهاد می‌شود. سپس روش ارزیابی با استفاده از ساختار پیشنهادی و یک رویکرد ترکیبی مبتنی بر فرآیند تحلیل سلسله‌مراتبی و تاپسیس تبیین می‌گردد. در ادامه رویکرد پیشنهادی در یک مطالعه موردی در صنایع غذایی مورد استفاده قرار می‌گیرد.
یافته‌ها: مطابق با نتایج این پژوهش، حکمرانی داده می‌تواند از سه بعد مختلف شامل کیفیت داده، تاثیرات درون سازمانی و تاثیرات برون سازمانی مورد ارزیابی قرار بگیرد. معیارهای ارزیابی کیفیت داده شامل دقت، کامل بودن، سازگاری، در دسترس بودن، به‌روز بودن و یکتایی داده است. معیارهای کارایی حکمرانی داده، بهره‌وری حکمرانی داده و صرفه‌جویی در هزینه‌های کسب و کار به تاثیرات درون سازمانی اشاره دارند. معیارهای کسب و بهبود رضایت مشتری، انطباق با قوانین و ایجاد فرصت‌های کسب و کار نیز به تاثیرات برون سازمانی مربوط می‌شوند.
نتیجه‌گیری: حکمرانی داده با پایش کیفیت داده‌ها و همراستایی آن‌ها با اهداف کسب و کار از یک سو زمینه‌ساز تحولات درون سازمانی نظیر افزایش بهره‌وری است و از سوی دیگر دارای تاثیراتی برون سازمانی همچون افزایش رضایت مشتری و ایجاد فرصت‌های کسب و کاری جدید است. لذا سازمان‌ها برای حفظ مزیت رقابتی و انطباق با قوانین و مقررات، نیازمند به‌کارگیری، پیاده‌سازی و ارزیابی حکمرانی داده در کسب و کار خود هستند. پژوهش حاضر کوشید تا رویکردی کاربست‌پذیر را برای ارزیابی حکمرانی داده در سازمان‌ها ارائه دهد.
واژه‌های کلیدی: حکمرانی داده، مدیریت کسب و کار، ارزیابی حکمرانی داده، فرآیند تحلیل سلسله‌مراتبی، تاپسیس، کیفیت داده
فهرست منابع
1. Alofaysan, S., Alhaqbani, B., Alseghayyir, R., & Omar, M. (2014). The Significance of Data Governance in Healthcare – A Case Study in a Tertiary Care Hospital. In Proceedings of the 7th International Conference on Health Informatics, Loire Valley, France, pp 178–187.
2. Al-Ruithe, M., Benkhelifa, E., & Hameed, K. (2016). A Conceptual Framework for Designing Data Governance for Cloud Computing. Procedia Computer Science, 94, 160–167.
3. Bradley, C. (2013). Implementing Effective Data Governance. London: IPL / Embarcadero series.
4. Cheong, L.K., & Chang, V. (2007). The Need for Data Governance: A Case Study. In Proceedings of the 18th Australasian Conference on Information System Governance, Toowoomba, Australia, pp 999–1008.
5. Experian Data Quality. (2016). The 2016 Global Data Management Benchmark Report. MA: Experian Information Solutions Inc.
6. García-Cascales, M.S., & Lamata, M.T. (2012). On Rank Reversal and TOPSIS Method. Mathematical and Computer Modelling, 56, 123–132.
7. Hwang, C.-L., & Yoon, K. (1981). Multiple Attributes Decision Making: Methods and Applications A State-of-the-Art Survey. USA: Springer-Verlag.
8. Informatica. (2012). Holistic Data Governance: A Framework for Competitive Advantage. CA: Informatica Corporation.
9. Jena, D., Lampshire, G., McCoppin, T., & Van de Water, J. (2012). The Ultimate Guide to Data Governance Metrics: Healthcare Edition. IL: Ajilitee.
10. Khatri, V., & Brown, C.V. (2010). Designing Data Governance. Communications of the ACM, 53(1), 148–152.
11. Mosley, M., Brackett, M., Earley, S., & Henderson, D. (2009). The DAMA Guide to the Data Management Body of Knowledge (DAMA-DMBOK). USA: Technics Publications, LLC.
12. O’Neal, K. (2015). Top 10 Artifacts Needed for Data Governance. CA: First San Francisco Partners.
13. Panian, Z. (2010). Some Practical Experiences in Data Governance. World Academy of Science, Engineering and Technology, 62, 939–946.
14. Prasetyo, H.N., & Surendro, K. (2015). Designing a Data Governance Model Based on Soft System Methodology (SSM) in Organization. Journal of Theoretical and Applied Information Technology, 78(1), 46–52.
15. Rifaie, M., Alhajj, R., & Ridley, M. (2009). Data Governance Strategy: A Key Issue in Building Enterprise Data Warehouse. In Proceedings of The 11th International Conference on Information Integration and Web-based Applications & Services, Kuala Lumpur, Malaysia, pp 587–591.
16. Saaty, T.L. (2012). Decision Making for Leaders: The Analytic Hierarchy Process for Decisions in a Complex World, 3rd Revised Edition. USA: RWS Publications.
17. Soares, S. (2010). The IBM Data Governance Unified Process – Driving Business Value with IBM Software and Best Practices. USA: MC PRESS.
18. Thomas, G. (2014). The DGI Data Governance Framework. The Data Governance Institute, http://www.datagovernance.com/wp-content/uploads/2014/11/dgi_framework.pdf.
19. Were, V., & Moturi, C. (2017). Toward a Data Governance Model for the Kenya Health Professional Regulatory Authorities. The TQM Journal, 29(4), 579–589.
20. Yulfitri, A. (2016). Modeling Operational Model of Data Governance in Government – Case Study: Government Agency X in Jakarta. In Proceedings of the International Conference on Information Technology Systems and Innovation, Bandung, Indonesia, pp 1–5.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
