ارائه و پیاده‌سازی مدل پیشگویی مبتنی بر هوش کسب‌وکار جهت تصمیم‌گیری تشخیص‌گرا: مطالعه موردی بنگاه‌های سرمایه‌گذاری جمعی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران

2 استادیار، گروه مدیریت کسب‌وکار، دانشکده مدیریت، دانشگاه خوارزمی، تهران، ایران

3 استادیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه خوارزمی، تهران، ایران

چکیده

بسترهای سرمایه‌گذاری جمعی به سایت‌هایی تبدیل شده‌اند که مردم می‌توانند هم از ایده‌های نو حمایت مالی انجام دهند و هم برای محصولات یا خدمات خود به دنبال جذب سرمایه باشند. در سال‌های اخیر، تجربیات موفق بسیاری در خصوص این نوع جذب سرمایه‌گذاری گزارش‌ شده و افراد بسیاری جهت جلب سرمایه‌گذاری به این‌گونه سایت‌ها مراجعه کرده‌اند؛ اما علی‌رغم رشد چشم‌گیر استقبال افراد در نقش سرمایه‌گذار یا در نقش جذب‌کننده سرمایه، میزان درصد پروژه‌های موفق به جلب کامل سرمایه، رشد کاهنده داشته است. این چالش به دلیل عدم آگاهی و تجربه کافی از نحوه راه‌اندازی پروژه‌ها در سایت‌های سرمایه‌گذاری جمعی توسط افراد ایجاد شده است. به این منظور، در پژوهش کنونی با استفاده از ویژگی‌های هوش تجاری، ابتدا یک مدل جامع برای مسئله پیشگویی در کسب‌وکار هدف بر اساس شاخص‌های کلیدی عملکرد ارائه شده است. سپس مطابق نیاز استخراج‌شده از مدل، مجموعه بزرگی از داده‌ها از سایت کیک استارتر شامل سوابق پروژه، سوابق کاربر، داده زمانی و اطلاعات کاربران پروژه‌ها در رسانه‌های اجتماعی گردآوری شده و در مرحله بعد با توجه به مدل استخراج‌شده با ابزار داده‌کاوی، پیاده‌سازی مدل برای پیشگویی و ارزیابی تعهد مالی پروژه‌های راه‌اندازی شده انجام گرفته است. نتایج پژوهش نشان می‌دهد که مدل‌های پیش‌بینی می‌توانند به‌طور مؤثر موفقیت پروژه‌ها را پیش‌بینی کرده و با استفاده از شناسایی عوامل موفقیت پروژه‌ها، پیشنهادهایی را در راستای بالا بردن احتمال موفقیت پروژه‌ها ارائه کنند.

کلیدواژه‌ها


عنوان مقاله [English]

Presentation and Implementation of Prediction Model Based On Business Intelligence for Recognition Oriented Decision Making (Case Study of Crowdfunding Firms)

نویسندگان [English]

  • Mohammadreza Sheikh Attar 1
  • Hamza khastar 2
  • reza yoosefi zenooz 3
1 PHD. student, Faculty of Management and Shahid beheshti University, Tehran, Iran
2 Assistance Professor, Faculty of Management, Kharazmi University, Tehran, Iran.
3 Assistance Professor, Faculty of Management, Kharazmi University, Tehran, Iran.
چکیده [English]

Crowdfunding Platforms are transformed to Websites by which people will be able either to back financially new Ideas or to try to seek investment (Fundraising) for their products and services. Whereas in recent years this kind of investment is highly advertised in press circles and many success stories are reported in this kind of investments, many people have referred to these newly developed platforms (websites) and many projects have been launched on these various sites. In spite of dramatic growth of the turnout of the people in the role of investors or in the role of investment attractors, the percentage of successful projects in absorbing complete investment has experienced decreasing growth. The works, which have been conducted with regards to prediction of successful projects, are merely concentrated on optimization of prediction models to improve the prediction procedures, but in these studies the prediction scenarios are not dealt with. But we should consider this fact that without identification and definition of prediction scenarios, we couldn’t reach to the main goal of this undertaking which is to present effective suggestions for success improvement of the launching of crowd funding projects. In this paper, the main objective is to suggest some proposals based on the available information regarding the status of the projects through success prediction of launched projects by means of Business Intelligence: (BI). To realize this, in this paper by using business intelligence features, initially, we have presented a comprehensive model for prediction issues in target business based on Key Performance Indicator: (KPI). Then, according to extracted requests from the model, we gathered a large amount of data from the Kick Start website which consist of the project records, user records, temporal data and projects users profile in famous social media. In the next step, by consideration of extracted model, based on business intelligence, we implemented the corresponding model by means of data analysis for prediction and evaluation of the financial pledges of the implemented projects. Our practical results show that prediction models can predict effectively the success of the projects and also they can suggest, by means of identification of projects success factors, proposals in order to improve the success probability of the projects.

کلیدواژه‌ها [English]

  • Business intelligence
  • key performance indicators
  • collective investment
  • Data Mining

[1]    Elbashir, M. Z. Collier, and  , M. J. Davern, "Measuring the effects of  business  intelligence systems: The relationship between business process and  organizational performance",           International Journal of Accounting Information  Systems,vol.9, 2014, pp.135-153

[2]    B. Sohrabi; I. Raeesi Vanani; F. Zareh Mirkabad., "Designing a  Recommender System for Optimizing and Managing Bank Facilities through the utilization of Clustering and Classification Algorithms", Modern research in decision making ,vol. 5, 2016, pp 53-76

[3]    Van Beek, D. Den, "Performance improvement and organizational development with Business Intelligence",Tutein Nolthenius,vol.20 , 2014, pp .37-57

[4]    Juan Trujillo, Alejandro Maté ,"Business intelligence 2.0: A general overview", vol. 96, 2014, pp. 98–116.

[5]    Gerber, E. M, and Hui J." Crowdfunding: Motivations and deterrents For participation," ACM Transactions on ComputerHuman Interaction, vol.20, 2016, pp.134-157

[6]    A. Xu, X. Yang, H. Rao, W. Huang, and B. P.Bailey "Show me the money!: An analysis of project updates during crowdfunding campaigns." In CHI . ACM,vol.6, 2016, pp. 591-600

[7      Gates. S,"Aligning strategic performance measures and results" ,The Conference Board Balanced Scorecard Interest Group,vol.13, 2015, pp.100–110

[8]    L. Nazari Salari; A.Khadivar; N. Abdolvand ,"A model for analyzing the barriers of using Business  Intelligence (BI) in the tourism industry of Iran, a mixed method approach, Modern research in decision making" , Journal of Information Technology Management, vol.1, 2016, pp. 198-228

[9]    Alexa. https://www.alexa.com/topsites

[10]  Dixon. B, and Candade, N, "Multispectral landuse classification using neural networks and support vectormachines: one or the other, or both?" , International J .of Remote Sensing, vol.29,  2016,  pp.1185–1206.

[11]  Taeshik Shon, Yongdae Kim, Cheolwon Lee, Jongsub Moon," A machine learning framework for network anomaly detection using SVM and GA"Information Assurance Workshop, vol.6, 2013, pp.23-28