الگوی سیاست گذاری داده محور در صنایع استارت اپی با رویکرد تحول دیجیتال

توسعه تحول دیجیتال در کسب و کارها بر فرآیند های سیاست گذاری نیز تاثیر گذار بوده است. یکی از تحولات در این مفاهیم مرتبط با سیاست گذاری های مبتنی بر داده بوده است. هدف اصلی این مطالعه ارائه الگوی سیاست گذاری داده محور در صنایع استارت اپی با رویکرد تحول دیجیتال بوده است. روش این مطالعه از نوع کیفی و کمی بوده است و جامعه هدف در بخش کیفی خبرگان شامل مدیران، سیاست‌گذاران، و فعالان حوزه سیاست‌گذاری در صنایع استارت‌آپی بوده است که با استفاده از روش نمونه گیری گلوله برفی حجم نمونه در این بخش 18 نفر تعیین گردید. در بخش کمی نیز جامعه هدف شامل کلیه خبرگان انتخابی در مرحله قبل بوده است. در بخش کیفی به منظور شناسایی مولفه های مورد بررسی از روش تحلیل محتوی جهت دار و ابزار مصاحبه به منظور گردآوری داده ها استفاده شده است. در بخش کمی نیز از مدلسازی ساختاری تفسیری به منظور تعیین سطح مولفه های نهایی استفاده گردید. نتایج نشان می‌دهد که مولفه‌هایی همچون حکمرانی داده و استراتژی داده‌محور به‌عنوان پایه‌های اصلی سیاست‌گذاری در سطح اول قرار دارند. سطوح بعدی شامل عواملی نظیر تحول دیجیتال، مقیاس‌پذیری داده‌ها، منابع انسانی و داده، مشارکت در داده‌ها، تطابق با مقررات، تحلیل پیش‌بینی، اخلاق داده، تعامل با فناوری‌های نوین، ارزیابی عملکرد، یکپارچگی و خودکارسازی داده‌ها، مدل‌های کسب‌وکار و خدمات مشتری مبتنی بر داده، زیرساخت‌های فناوری اطلاعات، امنیت داده‌ها و در نهایت فرهنگ داده‌محور به‌عنوان بستر تحول سازمانی هستند.

data-driven policymaking model in startup industries with a digital transformation approach

the development of digital transformation in businesses has also affected policy-making processes. one of the developments in these concepts has been related to data-driven policy-making. the main goal of this study was to present a data-driven policy-making model in startup industries with a digital transformation approach.the method of this study was qualitative and quantitative, and the target population in the qualitative section of experts included managers, policymakers, and policy-making activists in startup industries. the sample size in this section was determined to be 18 people using the snowball sampling method.in the quantitative part, the target population included all the experts selected in the previous stage. in the qualitative part, the directional content analysis method and interview tools were used to collect data in order to identify the components under study. in the quantitative part, interpretive structural modeling was used to determine the level of the final components.the results show that components such as data governance and data-driven strategy are at the first level as the main foundations of policymaking.the next levels include factors such as digital transformation, data scalability, human and data resources, data engagement, regulatory compliance, predictive analytics, data ethics, engagement with new technologies, performance measurement, data integration and automation, data-driven business models and customer service,information technology infrastructure, data security, and ultimately a data-driven culture are the platforms for organizational transformation. keywords: policymaking, data-driven, startups