تصمیم کاوی در فرآیندهای فناوری اطلاعات- مطالعه موردی فرآیند تبدیل شناسایی ایده‌های جدید

فرآیندهای دانش‌بنیان جزء جدایی ناپذیر فرآیندهای کسب و کار شرکتهای فعال در حوزه فناوری اطلاعات هستند. در این صنعت، فرآیندهای دانش بنیان که مبتنی بر دانش نیروی ماهر اجرا می‌شوند و در زنجیره ارزش شرکتهای فعال این حوزه نقشی اساسی ایفا می‌کنند. مهمترین عنصر در فرآیندهای دانش بنیان، تصمیم‌گیری‌های صورت گرفته در این فرآیندها است. از این رو مساله شناسایی قواعد و مدلهای تصمیم‌ فرآیندهای دانش‌بنیان دارای اهمیت به‌سزایی است. در این مقاله یکی از مهمترین فرآیندهای موجود در صنعت نرم افزار (فرآیند شناسایی و تصمیم گیری در خصوص ایده های مطرح شده) مورد بررسی قرار می‌گیرد و با استفاده از لاگ‌های تصمیم گیری موجود در یکی از بزرگترین شرکتهای نرم افزاری کشور، به تحلیل این فرآیند با استفاده از نظریه مجموعه‌های ژولیده پرداخته می‌شود. بر اساس این نظریه و با بهره گیری از الگوریتم کاست سریع، روشی گام به گام برای تحلیل داده‌ها و شناسایی قواعد تصمیم‌گیری ارایه می‌شود. این الگوریتم در گام نخست خصیصه های حیاتی مورد استفاده در نقطه تصمیم‌ را شناسایی نموده و سپس مدل تصمیم‌گیری را به صورت قواعد اگر-آنگاه ارایه می‌کند. نتایج ارزیابی نشان می‌دهد که در نتیجه بهره‌گیری از این مدل حجم مورد نیاز برای مراجعه مستقیم به تصمیم‌گیرندگان کاهش قابل توجهی خواهد داشت و فرآیند تصمیم‌گیری و در نتیجه مدت زمان کل فرآیند کاهش قابل ملاحظه‌ای خواهد یافت.

decision mining in information technology processes (case study): the new idea discovery process

effective knowledge-based processes are essential for companies operating in the information technology industry. these processes rely on the expertise of skilled workers and play a crucial role in the value chain of such organizations. decision-making is a critical element of knowledge-based processes, highlighting the need to identify decision rules and models accurately. in this paper, we examine the process of identifying and deciding on proposed ideas in the software industry, analyzing decision logs from a leading software company. the rough sets theory and fast reduction algorithm are employed to provide a step-by-step approach to data analysis and decision mining. the algorithm identifies vital features used in decision-making and presents the decision model as if-then rules, utilizing existing equivalence rules between data. the results demonstrate that this model can significantly reduce the direct involvement of decision-makers and the duration of the decision-making process.