ارائه چارچوب مدیریت اکوسیستم داده باز از دیدگاه کسب‌وکار با رویکرد گراندد تئوری

مقدمه: کسب‌وکار مبتنی بر داده باز به مدل‌های کسب‌وکار و یک محیط مشترک که اکوسیستم نامیده می‌شود نیاز دارد. هدف این پژوهش ارائه چارچوبی برای مدیریت اکوسیستم داده باز از دیدگاه کسب‌وکار است.روش‌شناسی: پژوهش حاضر با رویکرد کیفی و با روش گراندد تئوری انجام شده است. داده‌ها با استفاده از مصاحبه‌های نیمه‌ساختاریافته عمیق گردآوری گردید. جامعه پژوهش، 15 نفر از متخصصان حوزه‌های کلان داده، نوآوری باز و مدیریت داده بودند و از نمونه‌گیری هدفمند برای انتخاب مصاحبه‌شوندگان استفاده شد. تحلیل داده‌ها در سه مرحله کدگذاری باز، محوری و گزینشی انجام شد.یافته‌ها: یافته‌های مدل حاصله، شامل بخش‌های شرایط علی، راهبردها، شرایط مداخله‌گر و زمینه‌ای و نیز پیامد حاصل از آن‌ها است. شرایط علی در عواملی از جمله رویکرد داده‌محور، رویکرد برنامه‌محور، رویکرد کاربرد و کاربر‌محور، رویکرد شبکه و اکوسیستم، و رویکرد نوآوری باز جای گرفته‌اند. شرایط مداخله‌گر، مقوله‌های مکانیزم‌های ارزش‌آفرینی داده باز و مشتریان است. شرایط زمینه‌ای از مقوله‌هایی از جمله بسترسازی کسب‌وکار، الزام حقوقی، الزام نهادی، الزام فنی، الزام عملیاتی فرایندی، و الزام فرهنگی اجتماعی تشکیل شده است. برای مدیریت اکوسیستم داده باز لازم است راهبردهایی مانند کسب‌وکار، سود رابطه‌ای و مدیریت فرایند نوآوری اتخاذ شود. پیامدهای مدیریت اکوسیستم داده باز، ارزش پیشنهادی، ساختار هزینه و جریان درآمدی، قابلیت مهارتی، قابلیت سازمانی و قابلیت فناوری اطلاعات خواهد شد.نتیجه‌ گیری: چارچوب ارائه شده این پژوهش تا حدودی به کسب‌وکارهای داده‌محور جهت شناخت مولفه‌های کلیدی مدیریت اکوسیستم داده باز و توجه به ظرفیت ارزش‌آفرینی داده باز برای توسعه جریان اطلاعات نوآورانه کمک می‌نماید.

Presenting an Open Data Ecosystem Management Framework from a Business Perspective with a Grounded Theory Approach

Introduction: An open databased business needs business models and a shared environment called an ecosystem. This research aims to provide a framework for managing a businessoriented open data ecosystem.Methodology: The research used a qualitative grounded theory method. Data were gathered using deep semistructured interviews. The research population consisted of 15 experts of macrodata, open innovations, and data management domains. Hence, purposive sampling was used to select the interviewees. Data were analyzed using open, axial, and selective coding stages.Findings: The findings of the proposed model include the sections of causal conditions, strategies, intervening conditions, infrastructure conditions, and their outcomes. Causal conditions are embedded in factors such as Dataoriented approach, Programoriented approach, Use and Useroriented approach, Network and ecosystem approach, and open innovations approach. Intervening conditions are valuebased mechanisms based on open data and customers. The Contextual conditions include several categories such as business contextualization, legal requirement, institutional requirement, technical requirement, operationalprocess requirement, and culturalsocial requirement. Strategies such as business, relationship profit, and innovation process management must be employed to manage the open data ecosystem. The outcomes of open data ecosystem management will include value proposition, cost structure and revenue stream, skill capability, organizational capability, and information technology capability.Conclusion: The framework proposed in this study helps databased businesses to identify key components of open data ecosystem management and focuses on the capacity of open data ecosystem value creation to develop innovative information flows.