مدیریت تکنولوژی

Monday, January 16, 2006

پارکومتر جدید

تا به حال شده برای پرداخت پارکومتر بدنبال سکه بگردید و کلی هم اعصابتان بهم بریزه.

خوب امروزه برای این یک راه حل پیدا کردند و اون پرداخت هزینه پارک با کارت اعتباری و یا کارت عابر بانک. اما این خیلی بیشتر هزینه برداره چون هزینه ناچیز پارکینگ ارزش دادن هزینه بانکی را نداره.

حالا می خواهند چه کنند؟

راه حل اینه که رانندگان با وسیله ای که همیشه با آنهاست اینکار را بکنند. دقیقا با موبایل.

روش اول و ساده استفاده از موبایل اینه که هر راننده در دستگاه پارک.متر شماره تلفن و پین کد خودش را وارد میکنه و هزینه پارکینگ را با موبایلش تقبل میکنه.

راه حل دوم که بسیار مدرنتر و خیلی به صرفه است چون دیگه اصلا به نصب تعداد زیادی پارکومتر احتیاج نیست و هزینه جوهر و کاغذ صدور بلیط هم حذف میشه. برای این روش تمام محلهای پارک یک شماره مخصوص داره. راننده برای پرداخت هزینه پارکینگ با موبایل خود شماره شرکت مخصوص را میگیره و کد پارکینگ و مبلغی را که می خواهد بپردازه وارد می کنه و تمام. حالا میتونه با خیال راحت به کارش برسه. تازه اگر خواست تمدیدش هم بکنه احتیاج نیست کلی بره و از اول دستگاه را شارژ کنه. از هر جا که هست میتونه انرا تمدید کنه. پلیش هم براحتی با اتصال به مرکز میفهمه کلا کدام پارکینگها خالی است و کدام ماشین بدون پرداخت پارک کرده. تازه به نظر من میشه این اطلاعات که کدام پارکینگ خالی به راحتی به سیستم ناوبری ماشینها متصل باشه تا رانندگان از قبل جای پارک خودشون را پیدا کنند. دیگه نیاز هم نیست کلی جای پارک گشت.

خیلی ساده است مگه نه؟! اما مدیریت بالایی میخواهد.

در ضمن از اونجا که فکر ما ایرانی ها بیشتر در مورد سو استفاده و یا کلاهبرداری فعاله، خوشحال میشم اگر آقایون با درایت روشهای تقلب و زیر آبی رفتن در این روش را برام بنویسند.

شرمنده واقعا

میدونم که خیلی وقته ننوشتم یعنی شش ماهی میشه. علتشم ان بود که مسئول پروژه بزرگی شدم که تمتم وقتم را میگیره. حتما اون یکذره خواننده ای رو هم که داشتم از دست دادم. من با هدف اطلاع رسانی آمدم در زمینه مدیریت تکنولوژی با این امید که خیلی ها کمکم کنند و برام مطلب بفرستند. اما متاسفانه این رشته در ایران خیلی جوان است و شاید توقع زیادی داشتم. خودم هم باید خیلی وقت صرف یافتن مطلب و ترجمه و ویرایش بکنم که خداییش ندارم. خیلی از دوستان با من تمتس میگیرند و راهنمایی می خواهند. البته هر کمکی از دستم بربیاد که دریغ نمیکنم اما دوست دارم چند مطلب را بگم:
اول اینکه من در ایران این رشته را تحصیل نکردم و هیچ اطلاعی از اینکه در ایران کدام دانشگاه و یا استاد در این زمینه کار میکنه ندارم.
دوم اینکه مدیریت تکنولوژی به دو صورت تدریس میشود. یک روشهای مدیریت تکنولوژی که مثلا مدیریت فناوری اطلاعات یکی از شاخه های آنست و دوم استفاده از تکنولوژی جدید در روشهای مدیریتی است. من دومی را تحصیل کردم و بالطبع سوالات مدیریتی
شما را بهتر میتوانم پاسخ بدم تا سوالات بسیار تکنیکی که بیشتر به رشته کامپیوتر بر می گرده.
از این به بعد میخوام که سوالاتی را که برای خودم پیش آمده و یا در کارم می آید رو با همه در میان بگذارم تا این بلاگ یک محل خوب و کارآمد تر برای تقسیم تجارب باشه.

Saturday, July 23, 2005

یک سوال داشتم

من دوماهی دارم با یک مشکل دست و پنجه نرم میکنم. حالا شما ها که از کشورهای مختلف و با تجربه های مختلف به اینجا سر میزنید کمکم کنید.

مشکل من اینه که یک همکار جدید پیدا کردم که این بدبخت دچار عقده است. تحصیلاتش هم نمیدونم کجا بوده که بدبخت همش فکر میکنه دیگران میخوان کاراش و ایده هاش رو بدزدند. هر وقت حتی برای قهوه دفتر ترک میکنه کامپیوتر را میگزاره رو و در کشوهای میزشم قفل میکنه. جالبیش اینه که ما از ایشون هیچ نتیجه ای ندیدیم. ایشون فکر میکنند که من ایمیا های شرکت رو که برای ایشون میاد پاک میکنم و هیچ کپی بهش نمیدم. برای همین به خودش این اجازه را هم میده که وقتی من دفتر را ترک میکنم میاد سر کامپیوتر بنده و چک میکنه.

خدا را شکر که اینجا فقط ما دوتا نیستیم و 2 نفر دیگه هم هستند که هر دو شاهد هستند و این آقا برای اینها هم pin in the ass است.

جالب اینه که یک روز یه هو به بنده پرید که تو چرا از لغات زشت(shit, fuck,…) استفاده میکنی و جو دفتر رو بهم میریزی منم بهش پریدم که مردک مگه من به تو فهش میدم یا به فک و فامیلت اصلا وجود تو اینجا جو بهم ریخته (خوب گفتم؟)

خلاصه خدا را شکر همون موقع جلسه داشتم رفتم.

فرداش دیدم به من یه Memo داده و کپی هم به مدیر شرکت. من که هیچی نگفتم تا اینکه مدیر اومد همچین بهش پرید که تو چیکاره ای که همچین نامه هایی مینویسی و همش هم دروغ. بعد هم این لغات رو همه در استفاده میکنند. بهد اینم که دستپاچه شده بود گفت که نه این با تذکر من به من توهین کرده. منم گفتم ببین اولا که من به تو، کشورت، دینت و یا هر چیز مربوط به تو توهین نکردم تا اینکه تو به من چیزی گفتی و من از خودم دفاع کردم. بهد هم یک درس اینجا یاد بگیر که ما ایرانی ها مثل زنبوریم و سرمون به کار خودمون اما امان از اون روزی که کسی انگشت تو خونمون کنه. تو هم خط قرمز رو گذروندی و اینم عکس العمل من بود تازه مراعاتتم کردم.

خلاصه حسابی از طرف مدیر شرکت هم گوشمالی داده شد و شبش هم مدیر به من زنگ زد و گفت که جدی نگیرم.

اما اون امراضی که بالاتر نوشتم هنوز هست.

من با این مریض چه باید بکنم؟

واقعا پوزش میخوام

امروز دوست عزیزی برام نوشته بود شما دیگه وبلاگتون را update نمیکنید؟!

اومدم دیدم که بیشتر از سه ماه که هیچی ننوشتم. راستش سرم خیلی شلوغ یعنی روزی 12 ساعت کار میکنم وقتی هم میرسم خونه کاملا افقی هستم.

حالا قول میدم که حتما تا آخر این ماه update کنم. البته اگر نگید حالا کیلو چند هست مگه!

Saturday, April 09, 2005

تکنیکها و عملیات کاوش داده

تکنیکهای کاوش داده کاربردهای خاصی از الگوریتمها هستند و شش تکنیک معمول برای کاوش داده وجود دارد.

1- Association

آنالیز پیوندی که برای تشخیص رفتار یک رویداد و یا پروسه خاص بکار میرود. یک مثال میتواند تشخیص رفتار خریداران قهوه باشد که بر طبق آن افرادی که قهوه با مارکهای عالی میخرند احتمال اینکه سیگار عالی نیز بخرند سه برابر بیشتر از افرادیست که قهوه معمولی می خرند.

این آنالیز بر اساس قوانینی مانند زیر استوار است . اگر یک مشتری اسنک بخرد، 85% احتمال دارد که نوشابه بدون الکل بخرد. یا مثلا اگر یک مشتری برای تمام اعضای خانواده اش بلیط هواپیما برای تعطیلات بخرد، 95% احتمال دارد که آن فرد یک خودرو بزرگ در آنجا کرایه کند.

با کمک اسکنرها، سوپر مارکتها فرضیاتی را برای الگوی خرید ایجاد میکنند. بخاطر نوع فروش سوپر مارکتها این نوع آنالیز را آنالیز سبد خرید نیز می گویند.

2- Sequence

روش زنجیره ای مانند روش پیوندی است اما در اینجا زمان را نیز در نظر میگیرند. برای مثال این روش ممکن است پیشبینی کند فردی که ماشین لباسشویی می خرد 65% امکان دارد در مدت 6 ماه ماشین خشک کن نیز بخرد. بخاطر همین پیش بینی فروشنده برای افرادی که در 3 یا 4 ماه علاوه بر خرید ماشین لباسشویی خشک کن نیز بخرند 10% تخفیف در نظر میگیرد.

3- Classification

روش طبقه بندی مرسوم ترین روش کاوش داده است. این روش به رفتارها و ویژگیهای گروهایی که در حال حاضر ایجاد شده میپردازد. مثلا این گروهها میتواند شامل افرادی که به ندرت پرواز میکنند، افرادی که ولخرج هستند، مشتریهای دائم و افرادی که درد کمر دارند باشد. این روش میتواند با کمک یک سری قوانین طبقه بندیهای جدیدی از این گروها ایجاد کند. این قوانین بر روی تمام داده ها نیز اعمال میشود تا مجدد طبقه بندی شوند. مثال این روش میتوتند یافتن خصوصیات مشتریهایی که احتمال خرید یک محصول خاصی را دارند باشد. با یافتن این خصوصیات هزینه تبلیغات بصورت چشمگیری کاهش می یابد.

4- Cluster

روش خوشه ای میتواند برای یافتن گروهای مختلف در داده ها بکار رود. این روش شبیه روش طبقه بندی است با این تفاوت که هیچ گروهی قبلا تعریف و مشخص نشده است. این روش اغلب از شبکه های عصبی و یا روش آماری استفاده می کند. این روش اقلام را به گروهایی بر اساس شباهتهایی که ابزار کاوش داده می یابد گروه بندی می کند. اقلام جمع آوری شده در یک گروه باید خیلی شبیه به هم باشند اما خود گروهها باید کاملا فرق داشته باشند. این روش معمولا برای مشکلاتی مانند نقص در تولید و یا گروهایی که تمایل استفاده از کارت اعتباری دارند می باشد.

5- Regression

روش پس گرایی یک روش پیشبینی است که از داده های مطلق دانسته برای پیشبینی رویداد در آینده بر اساس آمار و رویه های قبلی استفاده میکند. برای مثال میزان فروش لوازم جانبی خودروهای اسپورت می تواند بر اساس میزان خودرو اسپورت فروخته شده پیشبینی شود.

6- Time series

روش سریهای زمانی یکی دیگر از روشهای پیشبینی است. تفاوت این روش با روش پس گرایی این است که در اینجا از داده های مطلق که به زمان بستگی دارند استفاده میشود. برای مثال میزان تصادفات در روزهای تعطیل بر اساس میزان تصادفات در همین زمان در سالهای پیش تخمین زده میشود.

عملیات کاوش داده

ابزارهای کاوش داده آمار شناسان را قادر می سازد تا مدلهایی تحلیلی بسازند که ابزارها در طول عملیات کاوش داده استفاده کنند. یک موتور پیشبینی یک لیست ورودی میخواهد و بعد با تعقیب مراحل و روابط در مدل تحلیلی به پیشبینی میپردازد. نتایج عملیاتهای کاوش داده بصورت جدول و فایل هستند که حاوی داده های تحلیلی هستند و میتوانند به ابزارهای تهیه گزارش منتقل شوند. چهار عملیات کاوش داده وجود دارد:

1- Predictive & Classification Modelling

این عملیات برای پیشبینی یک رویداد خاص بکار میرود. این روش فرض میکند که تحلیل گر سوالاتی برای پرسیدن دارد. این مدل، پاسخ سوالات را بوسیله رتبه بندی که در واقع احتمال وقوع کلاسهای مختلف را تعیین میکند استوار است. برای مثال اگر یک بانک بخواهد مشتریهایی که احتمال بستن حساب خود را دارند پیشبینی کند باید دو نوع داده به این مدل وارد کند. داده های مربوط به آن دسته از مشتریها که حسابهای خود را بسته اند و داده های مربوط به آن دسته که حسابهای خود را نگه داشته اند. این ابزار با یافتن متغیرها و تعیین کلاسها از مشخصات این دو دسته مشتریها میپردازد. جواب آنالیز این میتواند باشد:

مشتریهای زن بالای 40 سال که در آمد بیشتر از 150000$ در سال دارند و صاحب خانه نیز هستند، 35% احتمال دارد حساب خود را ببندند.

2- Link Analysis

این رو ش روابطی را بین داده های بانکهای داده پیدا میکند. برای مثال میتواند بگوید چه افلامی با هم به فروش میرسند. مانند شیر و گندم بو داده.

3- Database segmentation

این روش داده های مربوط به هم را در بخشهای مختلف گروهبندی میکند. این گروهبندی اغلب اولین قدم در پیدا کردن داده مناسب قبل از آغاز عملیات کاوش داده است. برای مثال این روش افرادی را که بندرت پرواز میکنند و افرادی را که دائما پرواز میکنند گروه بندی میکند.

4- Deviation Detection

این روش داده هایی را که از نرم خارج هستند پیدا و دلایل انحراف را پیشنهاد میکند. برای مثال افرادی که مشتری دائم بودند اما برای مدت طولانی دیگر خرید نمی کنند، یا از آن محل رفته اند و یا شرکت رقیبی محصولی مشابه با کیفیت بهتر و با قیمت ارزان تر ارائه داده است.

در آخر اینکه

اغلب سازمانها بر روی معادن طلا نشسته اند. این طلا داده های جمع شده از مشتریها و ارباب رجوعان و محصولات فروخته شده هستند. در این داده ها رفتار های خرید و نوع علایق مشتریها به کالا ها نهفته است. استفاده نکردن از این منابع ارزشمند اتلاف منابع است. اما باید این را هم در نظر داشت که این تکنولوژی جدید و خیره کننده فقط در زمانهایی بهتر است استفاده شود که تجارت به آن احتیاج مبرم دارد و به اصطلاح ارزش صرف زمان و هزینه را بابت این تکنولوژی و سیستمها دارد.

Saturday, April 02, 2005

کاوش داده – بخش اول Data Mining

کاوش داده اغلب با نوشتن مقدار زیادی گزارش و تحقیق و استعلام از آنها اشتباه میشود. اما در واقع کاوش داده هیچکدام از اینها را شامل نمی شود. کاوش داده از طریق تجهیزات مخصوصی انجام میشود که عملیات کاوش از پیش تعریف شده را بر اساس مدلهای تجزیه و تحلیل انجام میدهند.

کاوش داده، بررسی داده ها با تمایل به کشف نکات با ارزش و مفید اطلاعات در مقدار متنابهی از داده ها که در طول کار و تجارت بدست آمده است میباشد. کاوش داده با آنالیزهای متداول آماری نیز متفاوت است. در زیر تفاوتهای کاوش داده و آنالیز آماری آمده است.

آنالیز آماری

آمارشناسان همیشه با یک فرضیه شروع به کار میکنند.

آمارشناسان باید رابطه هایی را ایجاد کنند که به فرضیه آنها مربوط شود.

آنها از داده های عددی استفاده میکنند.

آنها میتوانند داده های نابجا و نادرست را در طول آنالیز تشخیص دهند.

آنها میتوانند نتایج کار خود را تفسیر کنند و برای مدیران بیان کنند.

کاوش داده

به فرضیه احتیاجی ندارد.

الگوریتمهای کاوش داده در ابزارها بطور اتوماتیک روابط را ایجاد میکنند.

ابزارهای کاوش داده از انواع مختلف داده و نه فقط عددی میتوانند استفاده کنند.

کاوش داده به داده های صحیح و درست طبقه بندی شده بستگی دارد.

نتایج کاوش داده ها آسان نیست و همچنان به متخصصان آمار برای تحلیل آنها و بیان آنها به مدیران نیاز است.

دومثال زیر اولی در مورد شناخت کلاهبرداری بیمه و دومی بررسی بازار، تفاوت بین روش بررسی سنتی و کاوش داده را نشان میدهد.

مثال اول

روش بررسی سنتی

یک مفسر ممکن است متوجه الگوی رفتاری شود که سبب کلاهبرداری بیمه میشود. بر اساس این فرضیه مفسر یک سری خواسته ها و سوالات می سازد تا این موضوع را بررسی کند. اگر نتایج قاطع و مسلم نبود مفسر با اصلاح فرضیه و یا با یک فرضیه دیگر مجدد شروع میکند. این روش نه تنها وقت گیر است بلکه به قدرت تحلیلی مفسر نیز بستگی دارد. بعلاوه و مهمتر اینکه این روش هیچ وقت الگوهای کلاهبرداری دیگری را که، مفسر به آنها مظنون نشده و در فرضیه جا نداده، پیدا نمی کند.

روش کاوش داده

یک مفسر وسایل کاوش داده را آماده میکند و آنرا طوری تنظیم میکند که تمام الگوهای غیر عادی را که از حالت عادی و نرمال انحراف دارند و ممکن است منجر به کلاهبرداری مالیاتی شوند را پیدا کند. نتایج کاوش داده شرایط مختلفی را که مفسر باید در مراحل بعدی تحقیق کند را نشان میدهد. در مراحل بعدی مفسر میتواند درستی و اثبات این شرایط را بررسی کند. این تلاشها یک مدل ایجاد میکند که میتواند مشتریهایی را که امکان کلاهبرداری دارند پیش بینی نماید.

مثال دوم

روش آنالیز سنتی

یک مفسر میخواهد به مطالعه رفتار خرید یک طبقه مشخص از مشتریها (مثلا معلمان بازنشسته) برای طراحی Target Market بپردازد. ابتدا مفسر از خصوصیات شناخته شده این طبقه مشتری استفاده کرده و سعی می کند آنها را در گروهایی ردیف کند. سپس به بررسی رفتار خرید یکسان در هر یک از این گروها می پردازد. او این کار را آنقدر انجام میدهد تا به گروه بندی مناسب و مورد رضایتی برسد.

کاوش داده

ابزارهای کاوش داده به مطالعه بانک داده ها برای مشخص کردن تمام گروهایی که الگوی خرید مشخص دارند می پردازد. بعد از کاوش ان داده ها، مفسر میتواند این نتایج را گزارش دهد و یا برای بررسی مجدد به ابزارهای تحلیلی دیگری دهد.

کاوش داده و منابع داده

انبار داده Data warehouse از جمله منابع معمول برای بکارگیری کاوش داده هستند زیرا شامل منابع با ارزشی از داده های داخلی که بوسیله روشهای استخراج/ انتقال/ بارگزاری (ETL) جمع آوری، یکپارچه و تایید شده اند.

انبار داده ها همچنین میتوانند شامل داده های با ارزش خارجی مانند قوانین و ضوابط، جمعیت شناسی یا داده های جغرافیایی باشند که وقتی با داده های داخل سازمانی مخلوط میشوند اساس کاوش داده را پی ریزی میکنند.

اما وقتی داده برای انبار داده خلاصه شد، داده های مخفی و روابط و پیوستگی داده ها دیگر قابل تمییز نمی باشند. برای مثال یک ابزار نمیتواند دیگر به بررسی معمولی که بر روی سبد خرید مشتریها با داده های فروش که در هفته خلاصه شده بپردازد زیرا در خلاصه شدن جزییات و روابط و پیوستگیها از بین رفته است. به همین دلیل فایلها و بانکهای داده عملیاتی نیز بعنوان یک منبع معمول هستند زیرا شامل جزییات مبادلاتی و هزاران داده های مخفی هستند.

ابزارهای کاوش داده با بانکهای داده عملیاتی و انبار داده ها بطور مستقیم بدون ساخت بانک داده دست پیدا میکنند. اما بعضی از ابزارهای کاوش داده مثلا روابطی مانند Oracle ، طبقه بندی مانند IMS و حتی فایلهای مسطح مانند VSAM ترجیح میدهند خود نیز یک بانک داده داشته باشند. اما دسترسی مستقیم به انبار داده ها و داده های عملیاتی اصولا توصیه نمی شود زیرا:

حوضچه های داده Data Pool باید قادر باشند بسته به ابزار کاوش داده تغییر کنند اما تعویض جزئیات یک داده عملیاتی و یا بانکهای اطلاعاتی انبار داده ممکن نمیباشد.

  • عملکرد داده های عملیاتی و یا بانک داده با عملیاتهای جستجوی داده تحت تاثیر قرار میگیرند. این برای داده های عملیاتی غیر قابل قبول و برای انبار داده ها مطلوب نیست.
  • یک عملیات کاوش داده ممکن است به جزئیات تاریخی داده احتیاج داشته باشد. بانکهای اطلاعاتی عملیاتی جزئیات تاریخی را نگه نمی دارند و انبار داده ها جزئیات مطلوب را ندارد.

بنابر این همانطور که در شکل زیر آمده است، سازمانها داده ها را برای کاوش داده با توجه به هدف کاوش از انبار داده و یا بانک داده عملیاتی استخراج می کنند.

Sunday, March 27, 2005

تکنولوژی ارتباطات و اطلاعات، نوع آوری و کارایی آن در خدمات تجاری -قسمت دوم

یکی از مسایل بغرنج درباره ICT این است که چرا توانایی شرکتها در استفاده از بهترین پتانسیل نهفته در این تکنولوژی جدید تفاوتهای بسیار دارند. درحالیکه مدارک و شواهد زیادی از نفوذ و گسترش ICT و افزایش بهره وری در اقتصاد امریکا وجود دارد، نتایج برای اروپا بسیار درهم و برهم است.

همانطور که گفته شد، پذیرش ICT و کاربرد آن بین شرکتها در یک صنعت بصورت زیادی متفاوت است. این ناهمگونی سبب شده است که محققان تحقیق کنند که بکارگیری و بهرمندی ازICT تا چه حدی به استراتژی و ماهیت یک شرکت بستگی دارد.

مطالعات تئوری و تجربی بسیاری بر روی رابطه نوع آوری و تغییر ساختار که با استفاده ازICT در یک شرکت ایجاد شده انجام گرفته است. گرینشتاین (1996) نظر دارد که نوع آوریها در شرکتهایی که از ICT استفاده میکنند هزینه های آماده سازی دارد و کاملا مطمئن نیز نیست و تحمل این هزینه ها در هر شرکت فرق دارد. همچنین هیت (2000) نشاد داد که کاربری از ICT مستلزم هزینه های زیاد و کوششهای فراوان مکملی است. همین محققان مدارکی نشان داده اند که نشان میدهد استفاده از ICT شامل تمام شاخه ها و مجموعه ها و تلاشهای تکمیلی مانند تغییر ساختار سازمانی، نوع آوری و بالا بردن مهارت نیروی کار بطور همزمان میباشد.

مشکل معرفی این مجموعه های انبوه و دگردیسسازی بطور همزمان میتواند هم تفاوت در پذیرندگی ICT توسط شرکتها و هم مشکل کاربرد و استفاده بهینه از آن را در شرکتها توضیح دهد. همپل (2002) به این نتیجه رسید که نوع آوریهای تکمیلی به اندازه کافی برای شرکتها کافی نیست که بخواهند از کاربرد ICT برای بهره وری استفاده کنند.

موفقیت پذیرش ICT تا حدی بستگی به استراتژی بلند مدت نوع آوری در یک شرکت دارد. کارشناسان با برسی دو کشور آلمان و هلند به این نتیجه رسیده اند که:

  • در آلمان و هلند سرمایه گذاری بروی ICT سبب افزایش بهره وری کارگران در شرکتهای خدماتی شده است.
  • در هر دو کشور اگر ICT با نوع آوری تکمیلی همراه بوده کامل تر و بهینه تر مورد استفاده قرار گرفته است.
  • در آلمان شرکتهایی که دائما نوع آوری در خدمات دارند بهره بری بسیار بالایی دارند و این نوع آوری تاثیر مستقیم در بهره وری دارد. درصورتیکه در هلند بدین گونه نیست.
  • همچنین نوع آوری مکرر باعث شده بهره وری از ICT نسبت به نوع آوری گهگاه بالاتر باشد.

  • یک محیط نوع آور لازمه بهره برداری ازICT و ایجاد بهره وری در هر شرکتی میباشد.

بطور خاص، بازار کار انعطاف ناپذیر ممکن است از تغییر ساختار شرکتها و پذیرش محیط کار جدی که لازمه استفاده از ICT است جلوگیری کند. در آلمان بطور مثال %9 شرکتها مشکلات داخلی را مانع پذیرش ICT میدانند. بعلاوه پذیرش ICT به نوع آوری خدمات و تولیدات جدید متصل است که در شرکتهایی که در محیط رقابتی نیستند برای استفاده از آن تمایل زیادی ندارند. بخصوص برای خدمات تجاری که پتانسیل بالایی برای استفاده از ICT دارند اما قوانین خاص خود را دارد و بیشتر بازار محلی دارد که این شرکتها را از بکارگیری این تکنولوژی منصرف میکند.

Tuesday, March 22, 2005

تکنولوژی ارتباطات و اطلاعات، نوع آوری و کارایی آن در خدمات تجاری

در طول چند دهه گذشته تکنولوژی ارتباطات و اطلاعات ICT بطور سریعی در حال نفوذ و اشاعه است. عوامل اصلی که پشت این موفقیت هستند پیشرفت تکنولوژیکی در بخش ICT را محافظت کرده و همچنین افت مستمر قیمت کامپیوتر و شبکه، شرکتها را بیشتر به سرمایه گذاری در این تکنولوژی ترغیب کرده است.

اکثر کاربردهای ICT را میشود برای اهداف گوناگونی بکار برد. برای مثال ICT ارتباطات را سریع میکند، بصورت ساده اطلاعات را پردازش و ذخیره میکند و دسترسی به شبکه جهانی اینترنت را گسترش میدهد. این طیف گسترده کاربردها سبب شده که ICT در تمام بخشهای اقتصادی رخنه کند. و بدلیل این وسعت کاربرد است که ICT را با اختراعات بزرگی مانند موتور بخار و الکتریسیته مقایسه میکنند. این اختراعات هم از زمانی که آماده تطبیق با یک رنج گسترده صنایع شدند و تاثیر آشکار بر اقتصاد پیدا کردند بعنوان تکنولوژیهایی با مقاصد جامع GPT شناخته شدند. همچنین همین GPT ها بسیاری از اختراعات و اکتشافات بعدی را در انحصار خود قرار دادند. اختراع میکروپروسسورها که بر پابه ICT است، سرآغاز یک سری از اختراعات بعدی مانند توسعه پردازندهای مرکزی، کامپیوترهای شخصی و شبکه های الکترونیک شده است. بعلاوه و خیلی مهمتر اینکه در بخشهای خارج از صنایع تولید ICT نیز پتانسیل نوع آوری و اختراعات را بوجود آورده است. برای مثال استفاده از ICT شرکتها را قادر میسازد تا ارگانهای خود را دوباره سازی کنند ( مانند از بین بردن سلسله مراتب و سپردن اختیارات و مسولیتها)، برنامه ریزی و مهندسی پروسه های تجاری (مانند معرفی مدیریت و یا تجارت الکترونیک) و توسعه محصولات کاملا جدید (مانند نرم افزارهای مشاورتی). البته این ها هزینه های متعدد و اضافی را نیز شامل میشود، ازقبیل دوباره سازی ارگانها و آموزش کارگران. اما همین اختراعات و بالارفتن مهارت کارگران سبب افزایش تولید و بهره وری میشوند.

اگرچه امروزه کامپیوترها در همه جا هستند اما میزان پذیرش ICT در یک کشور با کشور دیگر و بخش با بخش دیگر تفاوت شایانی دارد. برای مثال در هلند میزان هزینه ها در ICT در تولید ناخالص ملی در سال 2002 به میزان %7.8 بوده در صورتی که این میزان در آلمان %6.4 بوده است. دلیل این اختلاف را فقط میتوان در ساختار متفاوت اقتصادی آنها جست. بعلاوه پذیرش و کاربردهای آن به میزان زیادی در بین شرکتها در یک صنعت و در یک کشور نیز متفاوت است. این اختلافات به این دلیل است که بهره وری ازICT به پایه اطلاعات شخصی و نوع آوریهای هر شرکت بستگی دارد که در هر تجارت و شغلی اختلاف دارند.

کلا ICT در بخش خدماتی بصورت گسترده پذیرفته شده است. بعلاوه خدمات تجاری ( Business-related services) محرکهای اصلی و بسیار مهم رشد اقتصادی در کشورهای توسعه یافته هستند. علارقم این نقش مهم و اساسی خدمات، بیشتر مطالعات و آنالیزها برروی تاثیرICT در بهره وری تولید شده است و تاثیر ICT در بخشهای خدماتی بصورت جدی مورد مطالعه قرار نگرفته است.

در روزهای بعد به بررسی تحلیل تازه ای که در بخش خدمات تجاری و خدمات توزیع شده است میپردازم.

Saturday, March 19, 2005

نوروزتان شاد باد


ایرانیان و فارسی زبانان عزیز، سال نو را به همه شما عزیزان تبریک میگویم.