طراحی مدل هوشمندی رقابتی با رویکرد ترکیبی مدل‌یابی ساختاری تفسیری– دلفی فازی (مطالعه موردی: شرکت‌های کارآفرین صنایع غذایی استان تهران)

در دنیای رقابتی امروز، استفاده بهینه از فرصت‌های محیطی و ایجاد مزیت رقابتی پایدار از جمله دغدغه‌های اصلی شرکت‌ها است. یکی از تکنیک‌های مهم در ایجاد مزیت رقابتی، هوشمندی رقابتی است. هدف پژوهش حاضر، طراحی مدل هوشمندی رقابتی در صنایع غذایی است، لذا از ترکیب روش دلفی فازی و مدل‌یابی ساختاری تفسیری استفاده شده است. در این پژوهش، از نظرات 16 نفر از صاحب‌نظران و خبرگان درگیر در حوزه‌ی صنایع غذایی استان تهران که به روش قضاوتی و تکنیک گلوله برفی انتخاب شدند، استفاده شد. برای غربال‌گری مولفه‌ها از روش دلفی فازی استفاده شد که از بین 39 شاخص شناسایی شده، میانگین دی فازی شده‌ی سه شاخص، کمتر از 0/7 بود لذا 36 شاخص در قالب 6 مولفه شناسایی شدند. سپس، برای سطح‌بندی مولفه‌های شناسایی شده، از مدل‌یابی ساختاری تفسیری استفاده شد. نتایج 1ism نشان داد مولفه‌ها در سه سطح قرار دارند و زیربنای هوشمندی رقابتی در صنایع غذایی، در درجه اول مولفه‌های نهادی و اجتماعی، درجه دوم مولفه‌ رقبا و درجه سوم، مولفه‌های استراتژیک، تکنولوژی و بازار هستند. همچنین، نتایج تحلیل micmac2 نشان داد مولفه‌های هوشمندی نهادی و اجتماعی در خوشه مستقل و مولفه‌های هوشمندی استراتژیک، تکنولوژی و بازار در خوشه وابسته و هوشمندی رقبا در خوشه خودمختار قرار دارند.

Designing a Competitive Intelligence Model with a Combined Approach to Interpretive Structural Modeling - Delphi Fuzzy (Case Study: Food Industry Entrepreneurial Companies in Tehran Province)

In todaychr('39')s competitive world, the optimal use of environmental opportunities and the creation of sustainable competitive advantage are among the main concerns of companies. One of the most important techniques in creating a competitive advantage is competitive intelligence. The aim of this study was to design a competitive intelligence model in the food industry, so the combination of fuzzy Delphi method and interpretive structural modeling has been used. In this study, the opinions of 16 experts involved in the field of food industry in Tehran province who were selected by judgment and snowball technique were used. For component screening, the fuzzy Delphi method was used. Among the 39 identified indicators, the average defuzzy of the three indicators was less than 0.7, so 36 indicators were identified in the form of 6 components. Then, structuralinterpretive modeling was used to level the identified components. The results of ISM showed that the components are in three levels and the foundation of competitive intelligence in the food industry is primarily the institutional and social components, the second component of competitors and the third strategic components, technology and market. Also, the results of MICMAC analysis showed that the components of institutional and social intelligence are in the independent cluster and the components of strategic intelligence, technology and market are in the dependent cluster and competitorschr('39') intelligence is in the autonomous cluster.