چهارچوب کاهش داده‌ های کلان برای ایجاد ارزش در شرکت‌ های زیست‌ پذیر

قیمت: 48,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

چهارچوب کاهش داده‌ های کلان برای ایجاد ارزش در شرکت‌ های زیست‌ پذیر

عنوان لاتین

Big data reduction framework for value creation in sustainable enterprises

ایجاد ارزش یک فاکتور زیست‌ پذیری بسیار مهم برای شرکت‌ها می‌باشد که با به حداکثر رسانیِ سود و ایجاد درآمد هم‌پا می‌باشد. شرکت‌های مدرن داده‌های کلان را از منابع داده‌ی درونی و خارجیِ مختفی جمع‌آوری می‌کنند. منابع داده‌های درونی با داده‌هایی کار می‌کند که از نتایج عملیات‌های تجاری ایجاد شده‌اند، مانند تولید، مدیریت زنجیره‌ تأمین، بازاریابی، و مدیریت نیروی انسانی. منابع داده‌ی بیرونی داده‌ های تولید شده توسط کاربر را تشکیل می‌دهند که به صورت مستقیم و یا غیر مستقیم از مشتری، تحلیل بازار، بررسی‌ها، بررسی‌های محصولات، و تاریخچه‌های تراکنشی جمع‌آوری می‌شود. با این همه، هزینه‌های استفاده از سرویس‌ های ابری افزایش پیدا می‌کند و دلیل آن تحلیل داده‌ی کلان و فعالیت‌های ایجاد افرزش برای شرکت‌ها و مشتری‌ها می‌باشد. این مقاله یک مفهوم جدید از کاهش داده‌ی کلان از سمت مشتری ارائه می‌دهد که آن عملیات‌های کاهش داده‌ی زودهنگام انجام می‌شوند تا چند هدف به دست آیند، مانند (1) کاهش هزینه‌ی استفاده از سرویس، (2) بهبود اعتماد بین مشتریان و شرکت‌ها، (3) حفظ حریم خصوصیِ مشتریان، (4) تسهیم داده‌ی ایمن و (5) تحول کردن کنترل تسهیم داده به مشتریان. ما همچنین یک چهارچوب برای کاهش داده‌ی زودهنگام در سمت مشتری پیشنهاد کرده و یک مدل تجاری برای کاهش داده‌ی انتها تا انتها در برنامه‌های شرکتی ارائه می‌کنیم. این مقاله یک منحنیِ مدل تجاری ارائه داده و حوزه‌های برنامه‌ی آینده را با نُه اجزای آن نقشه‌کشی می‌کند. در نهایت، این مقاله چالش‌های اتخاذ تکنولوژی را برای ایجاد ارزش از طریق کاهش داده‌ی کلان در برنامه‌های شرکتی را بررسی می‌کند.

Value creation is a major sustainability factor for enterprises, in addition to profit maximization and revenue generation. Modern enterprises collect big data from various inbound and outbound data sources. The inbound data sources handle data generated from the results of business operations, such as manufacturing, supply chain management, marketing, and human resource management, among others. Outbound data sources handle customer-generated data which are acquired directly or indirectly from customers, market analysis, surveys, product reviews, and transactional histories. However, cloud service utilization costs increase because of big data analytics and value creation activities for enterprises and customers. This article presents a novel concept of big data reduction at the customer end in which early data reduction operations are performed to achieve multiple objectives, such as (a) lowering the service utilization cost, (b) enhancing the trust between customers and enterprises, (c) preserving privacy of customers, (d) enabling secure data sharing, and (e) delegating data sharing control to customers. We also propose a framework for early data reduction at customer end and present a business model for end-to-end data reduction in enterprise applications. The article further presents a business model canvas and maps the future application areas with its nine components. Finally, the article discusses the technology adoption challenges for value creation through big data reduction in enterprise applications.