مدل‌سازی سطح کیفیت داده‌های پورتال دانشگاهی با استفاده از تکنیک گسترش عملکرد کیفیت (مطالعه موردی: دانشگاه صنعتی امیرکبیر)

هدف: داده با کیفیت نقش حیاتی را در عملکرد و موفقیت یک سازمان ایفا می‌کند و می‌توان اهمیت آن را به‌مثابه اکسیژن برای بقای انسان دانست. حفظ کیفیت سطح بالای داده به سازمان‌ها کمک می‌کند هزینه‌های عملیاتی کاهش و درآمد افزایش یابد. آشنایی با ابعاد کیفیت داده اولین گام به سمت بهبود کیفیت داده است. شناسایی ابعاد مختلف کیفیت داده و گروه‌بندی آن‌ها به تحلیل‌گران اجازه می‌دهد تا روش‌های بهبود و ابزارهای کیفیت داده را در مسیر بهبود اطلاعات و فرآیندهایی که اطلاعات را ایجاد می‌کنند، استفاده نمایند.روش‌شناسی: پژوهش حاضر به لحاظ هدف، از نوع کاربردی و با روش توصیفی پیمایشی انجام شده است. در این پژوهش با هدف ارتقای سطح کیفیت داده در پورتال‌های دانشگاهی، ابتدا نیازهای (صداهای) کاربران مختلف یک پورتال دانشگاهی در خصوص کیفیت داده با استفاده از پرسشنامه شناسایی و سپس با تکنیک ترکیبی کانو و تحلیل سلسله مراتبی، این نیازها اولویت‌بندی شد. در مرحله بعد یک ماتریس چهارتایی خانه کیفیت تشکیل و با صدای کاربران آغاز و در انتها به چگونگی طراحی منتهی شد.یافته‌ها: با انجام تحلیل گسترش عملکرد کیفیت مشخص شد که xml و پس از آن html از جایگاه مناسب‌تر و کاراتری نسبت به سایر بسترها و زبان‌های برنامه‌نویسی در این مطالعه موردی جهت ارتقای سطح کیفت داده به صورت کلی و نیز پاسخگویی به نیازمندی‌های کاربران برخوردار هستند. با بررسی ماتریس‌های خانه کیفیت، «انعطاف‌پذیری» به عنوان مهم‌ترین الزام فنی در طراحی یک پورتال مشخص گردید.نتیجه‌گیری: دقت در انتخاب بسترهای مناسب برای ذخیره‌سازی و نمایش داده‌های پورتال‌های دانشگاهی و توجه به انتظارات و نیازمندی‌های کاربران قبل از اقدام به پیاده‌سازی آن، کیفیت داده‌ها و به تبع آن رضایت کاربران را افزایش می‌‌دهد و موجب بهینه‌‌سازی عملکرد و افرایش اثربخشی و کارایی خواهد شد.

Modeling Quality Level of University Portal Data using Quality Function Deployment (QFD), Case Study: Amir Kabir Universityof Technology

Purpose: Data Quality plays a vital role in the performance and success of an organization and can be compared to oxygen for human beings. Therefore, maintaining data quality helps organizations in low operating costs and increment in revenue. If data has not been offeredon time and adequate to each department’s quality expectation, such organization may not be able to make successful decisions. First step of data quality enhancement is the acquaintance of data quality dimensions. Identifying and grouping various dimensions of data quality allow experts to use data quality enhancement tools and methods on information improvement processes.Methodology: The present study is applied in terms of purpose and analyticalsurvey research. In this paper, to enhance the level of data quality of university portals, users’ requirements (voices) of a university portal have been prioritized using several data qualityrelated questionnaires by combining Kano & AHP techniques. A designed matrix of a 4step QFD has been formed, which started with the users’ requirements and ended with design methodologies.Findings: As a result of combining Kano & AHP techniques, basic requirements have higher priority than others. It has been defined in this paper that entering data in various formats is the most important users’ requirement. Based on QFD analysis, XML & HTML are more proper and useful in comparison to other platforms and programming languages to improve the level of data quality and fulfill users’ requirements. In addition, flexibility could be the most important Engineering Characteristics parameter in designing a portal. HVR software can perform a reliable and secure platform to prepare rapid and optimized data integration.Conclusion: The Quality Function Deployment method could be an appropriate solution to solve problems regarding data quality in the condition that it consists of programming to the designing process.