شناسایی و اولویت ‌بندی چالش‌ ها و کاربردهای کلان‌ داده ‌ها در صنعت خرده ‌فروشی با استفاده از روش ‌های تصمیم ‌گیری چند معیاره

امروزه حجم زیادی از داده‌‌‌‌‌‌‌ ها که از منابع مختلف با سرعت زیاد و تنوع بالا تولید می‌‌‌‌‌‌‌شوند، به نوآوری و تحول در بسیاری از صنایع منجر شده‌‌‌اند. با توجه به اهمیت روزافزون خلق ارزش از داده‌ها در صنعت خرده‌فروشی، بسیاری از صنایع همچون این صنعت، درصدد به‌کارگیری فناوری کلان‌‌‌‌‌داده‌ها برآمده‌اند. اما بسیاری از مدیران این صنعت با تعدد گزینه‌‌‌های تصمیم‌‌‌گیری برای به‎‌‌‌کارگیری کاربردهای این فناوری و نیز مشکلات پیاده‌سازی آن مواجه هستند. از این رو، هدف اصلی این پژوهش، شناسایی و انتخاب مجموعه کاربردهای کلان‎‌داده در صنعت خرده‌‎فروشی ایران است که از مشکلات پیاده‌‎سازی کمتری برخوردار است. در این پژوهش، ابتدا با استفاده از روش فراترکیب با جست‎وجوی سیستماتیک در پایگاه‌های معتبر علمی، ابتدا مقالات مرتبط در خصوص کاربردهای کلان‎داده در صنعت خرده‎‌‌فروشی بررسی شده است. سپس، با تحلیل محتوای مقالات، کاربردهای کلان‌‌‌‌‌‌‌داده در صنعت خرده‌فروشی شناسایی و دسته‌بندی شده‌‌‌‌‌اند. در ادامه، با شناسایی معیارهای مربوط به مشکلات به‌کارگیری کلان‌داده و با استفاده از روش‌‌‌‌‌‌‌های کمی تصمیم‌‌‌‌‌‌‌گیری چندمعیاره به‌صورت ترکیبی از روش‌های بهترین و بدترین، روش دیمتل و روش شباهت به راه‌‌‌‌‌حل ایدئال، اولویت کاربردهای کلان‎‌داده  در صنعت خرده‌فروشی ایران مشخص شده است. یافته‌های این پژوهش نشان ‌‌‌می‌‌‌‌‌دهند که سه کاربرد کلان‌داده شامل تعیین روندهای بازار، تعیین ‌‌‌ پورتفولیوی بهینه محصولات و نیز بخش‌‌‌بندی خرده مشتریان از کمترین چالش و در نتیجه بالاترین اولویت برخوردار هستند و سه کاربرد همکاری داده‌‌‌محور، حذف محصولات تقلبی و چیدمان فضای فروشگاه از بیشترین چالش و کمترین اولویت در صنعت خرده ‌فروشی ایران برخوردار بودند.

applications and challenges of big data in retail industry: proposing a decision making model for implementation

today, large volumes of data that are generated from various sources with high velocity and variety, has led to innovation and transformation in many industries. many industries, such as the retail industry, have sought to use big data technology due to the growing importance of creating value from data in this industry. but many industry leaders face a number of decision-making dilemmas for applying this technology, as well as the challenges of implementing it. therefore, the main purpose of this study is to determine the big data applications in the retail industry that has fewer implementation challenges. in this research, using the meta-synthesis method with systematic search in reputable scientific databases, first, related articles on how to use big data technology in the retail industry have been examined. then, using the content analysis method, bigdata applications in the retail industry have been analyzed and categorized, by identifying the criteria related to the challenges of big data applications and using quantitative multi-criteria decision-making methods -a combination of bwm, dematel and topsis methods, the priority of big data applications in the iranian retail industry has been determined. the findings of this study show that the three applications of big data including determining market trends, determining the optimal product portfolio and micro-segmentation of retail customers have the least challenge and therefore the highest priority and three applications of data-driven cooperation, elimination of counterfeit products and the layout of the store space had the most challenge and the least priority in the iranian retail industry.