عوامل کلیدی در مدل هوش تجاری ابری درکسب و کارهای کوچک و متوسط گردشگری با رویکرد فراترکیب و مدلسازی ساختاری-تفسیری

کسب و کارهای کوچک و متوسط گردشگری نسبت به کسب و کارهای بزرگتر در این صنعت پاسخگوتر هستند و در صورت استفاده از سیستم هوش تجاری می توانند از رقابت بالایی برخوردار شوند. استفاده از هوش تجاری در مشاغل منجر به تصمیم گیری بهتر در نتیجه بهبود فرآیندهای مدیریت داده شده است و بستر ابر برای اجرای هوش تجاری هزینه های نگهداری و اجرا را برای این کسب و کارها کاهش میدهد. این مقاله با هدف مدلسازی هوش تجاری ابری در صنایع کوچک و متوسط گردشگری انجام گرفته است.استقرار سیستم هوش تجاری در ابر هزینه های و سرعت زمان نصب و نگهداری این تکنولوژی را را به نحو چشمگیری کاهش میدهند. جامعه آماری این مقاله شامل اساتید و خبرگان باتجربه هوش تجاری است. برای نمونه‌گیری از روش گلوله‌برفی استفاده شده است. فرایند نمونه‌گیری تا رسیدن به اشباع نظری ادامه یافت و در نهایت 19 نفر از خبرگان و ارائه دهندگان هوش تجاری ابری و پردازش ابری در این مطالعه شرکت کردند. در این مقاله برای شناسایی عوامل زیربنایی هوش تجاری از روش فراترکیب استفاده شده است. شاخص‌های نهایی، تعداد 6 عامل اصلی، 27عامل فرعی و تعداد 34 شناسه حاصل گردید برای اعتبارسنجی عوامل از روش دلفی فازی استفاده شده است. در نهایت نیز با استفاده از مدلسازی تفسیری-ساختاری به ارائه مدل هوش تجاری ابری پرداخته شده است. تحلیل داده‌ها با نرم‌افزارهای matlab و micmac انجام شده است.تحقیق ما نشان داده است دو عامل اصلی محرکها و مشخصه های کسب و کار بالاترین قدرت نفوذ را بر بقیه متغیرها دارند

presenthing metasynthesis and interpretive structural modelling approaches in modeling the cloud business intelligence in smes

tourism small and medium enterprises (tsmes( are more responsive to market demand when compared with larger companies. and if they use business intelligence system, they can enjoy high competition. the cloud platform for implementing business intelligence reduces maintenance and implementation costs for these businesses.the globalization of the markets requires the adaptation of the firm for business sustainability . cloud deployments of bi and analytics platforms have the potential to reduce cost of ownership and speed time to deployment. in order to subsist, tsmes have to take advantage of the new technology and new concepts for survival .the statistical population in the qualitative phase included 19 academics and experienced experts in the area of business intelligence .chosen by the purposive sampling approach. further, in the quantitative phase, 393 people among the mangers of small and medium-sized enterprises in the mazandaran province, iran, were participated. in the current study, the meta-synthesis method has been utilized to identify the fundamental categories of business intelligence (bi). fuzzy delphi method (fdm) has been applied for parameter validation purposes, and eventually, the cloud business intelligence model has been presented through exploiting the interpretive structural modeling. final indices, 6 main factors, 27 sub-factors and 34 identifiers were obtained. in this regard, the data analysis process has been performed by matlab and micmac software. our research has shown that the two main themes of business stimuli and characteristics have the highest influence on other variables..