اثر هوش تجاری بر عملکرد مالی بانکهای ایران (با تأکید بر شاخصهای سلامت مالی بانکها) | ||
فصلنامه مطالعات اقتصادی کاربردی ایران | ||
مقاله 6، دوره 7، شماره 25، اردیبهشت 1397، صفحه 111-130 اصل مقاله (842.65 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22084/aes.2017.13519.2457 | ||
نویسندگان | ||
بهنوش زارعی* 1؛ ژاله زارعی2 | ||
1دانشجوی کارشناسی ارشد گروه مدیریت بازرگانی، واحد ملایر، دانشگاه آزاد اسلامی، ملایر، ایران | ||
2استادیار گروه پولی و ارزی، پژوهشکده پولی و بانکی، بانک مرکزی جمهوری اسلامی | ||
چکیده | ||
کلید موفقیت تجاری برای بسیاری از بانکها، استفاده صحیح از دادهها جهت اخذ تصمیمات بهتر، سریعتر و بدون نقص میباشد. بانکها برای رسیدن به این هدف نیازمند استفاده از ابزارهای قوی و کارآمد مانند هوش تجاری بهعنوان کاتالیزور مثبت هستند که میتواند این مؤسسات را در مکانیزه نمودن وظایف تحلیل، تصمیمسازی، تدوین استراتژی و پیشبینی یاری رساند. بهعبارتی، هدف استفاده از هوش تجاری در این نهادها، گردآوری، پردازش و تحلیل حجم وسیعی از دادهها و تبدیل آنها به ارزش تجاری مؤثر در تصمیمگیری از طریق ایجاد بستر گزارشات هوشمند تحلیلی است. لذا این مطالعه بهدنبال پاسخ به این پرسش است که آیا عملیاتی کردن هوش تجاری و بهرهگیری از کاربردهای آن میتواند زمینه افزایش عملکرد مالی بانکهای ایران را فراهم کند؟ برای انجام این تحقیق ابتدا باید هوش تجاری بهصورت شاخص کمی تعریف شود. برای کمی نمودن هوش تجاری از تحلیل مؤلفههای اصلی براساس رویکردهای ویکسوم و همکاران (۲۰۰۸) استفاده شد. از سوی دیگر، بازده دارایی، بازده سرمایه، نسبت وام به دارایی و نسبت هزینه به درآمد بهعنوان نمایندهای از شاخصهای سلامت مالی بانکها برای بیان عملکرد مالی بانکها مورد استفاده قرار گرفت. جامعه آماری در این تحقیق، جامعه آماری در این تحقیق شامل ۳۰ بانک ایران اعم از دولتی، خصوصی، تخصصی و بانکهای خصوصی شده است. یافتههای تحقیق نشان میدهد هوش تجاری در دوره زمانی ۱۳۸۵-۱۳۹۳ با تواتر سالیانه بر بازده دارایی و نسبت وام به دارایی اثر مثبت و معنیدار داشته و همچنین با یکسال وقفه زمینه افزایش بازده سرمایه را فراهم میآورد. از سوی دیگر، این فناوری میتواند نسبت هزینه به درآمد را کاهش دهد. | ||
کلیدواژهها | ||
هوش تجاری؛ عملکرد مالی بانکها؛ فناوری اطلاعات | ||
مراجع | ||
ترابی، روزبه (۱۳۹۴). هوش تجاری با تأکید بر بازاریابی، گسترش ارتباطات بینالمللی، فرصتها و چالشها، پنجمین همایش بانکداری الکترونیک و نظامهای پرداخت، پژوهشکده پولی و بانکی بانک مرکزی جمهوری اسلامی ایران. کریمخانی، فرهاد (۱۳۹۱). هوشتجاریومدیریت فرایندکسبوکاردرعملیات بانکی، اولین همایش ملی فناوری اطلاعات و شبکههای کامپیوتری دانشگاه پیام نور واحد طبس، ۱-۱۰. محقر، علی؛ کارلوس، حسینی؛ فرید، منشی و عاصف، علی (۱۳۸۷). «کاربرد هوش تجاری بهعنوان یک تکنولوژی اطلاعات استراتژیک در بانکداری: بازرسی و کشف تقلب»، نشریه مدیریت فناوری اطلاعات، 1: ۱۰۵-۱۲۰. زارع چاهوکی، محمدعلی و بیهمتا، محمدرضا (۱۳۹۴). اصول آمار در علوم منابع طبیعی، مؤسسه انتشارات و چاپ، دانشگاه تهران، ۳۵۰. نصرتی، شیرین (۱۳۹۴). «نقش هوش تجاری بر بهرهوری صنعت بانکداری ایران»، کنفرانس بینالمللی مدیریت، اقتصاد و سیستم مالی دوبی، صفحات ۱-۱۱. Chang, E.; Hussain, F. and Dillon, T. (2006). Trust and reputation for service oriented environments: technologies for building business intelligence and consumer confidence. John Wiley & Sons.
Chen, H.; Chiang, R. H. and Storey, V. C. (2012). “Business Intelligence and Analytics: From Big Data to Big Impact”. MIS quarterly, 36(4): 1165-1188.
Davenport, T. H. (2012). Business intelligence and organizational decisions. Organizational Applications of Business Intelligence Management: Emerging Trends: Emerging Trends, 1.
Evelson, B. and Norman, N. (2008). Topic overview: Business intelligence. Forrester research, 61.
Huang, Z.; Chen, H.; Hsu, C. J.; Chen, W. H. and Wu, S. (2004). “Credit rating analysis with support vector machines and neural networks: a market comparative study”. Decision support systems, 37(4): 543-558.
Kimball, R. and Ross, M. (2010). The Kimball Group Reader: Relentlessly Practical Tools for Data Warehousing and Business Intelligence. John Wiley & Sons.
Moro, S.; Cortez, P. and Rita, P. (2015). “Business intelligence in banking: A literature analysis from 2002 to 2013 using text mining and latent Dirichlet allocation”. Expert Systems with Applications, 42(3): 1314-1324.
Moss, L. and Hoberman, S. (2004). The importance of data modeling as a foundation for business insight. Teradata, available at http://www. teradata.com/white-papers/The-Importance-of-Data-Modeling-as-a-Foundation-for-Business-Insight-eb4331.
Ngai, E. W. T.; Hu, Y.; Wong, Y. H.; Chen, Y. and Sun, X. (2011). “The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literature”. Decision Support Systems, 50(3): 559-569.
Palshikar, G. K. (2002). “The hidden truth–frauds and their control: a critical application for business intelligence”. Intelligent Enterprise, 5(9): 46-51.
Skriletz, R. (2002). New directions for business intelligence. Information Management.
Turban, E.; Sharda, R. and Delen, D. (2011). Decision support and business intelligence systems. Pearson Education India.
Turban, E.; Sharda, R.; Aronson, J. E. and King, D. (2008). Business intelligence: A managerial approach. Upper Saddle River, NJ: Pearson Prentice Hall.
Ubiparipović, B. and Đurković, E. (2011). “Application of Business Intelligence in the Banking Industry”. Management Information System, 6(4): 23-30.
Ubiparipović, B. and Đurković, E. (2011). “Application of Business Intelligence in the Banking Industry”. Management Information System, 6(4): 23-30.
Wixom, B. H.; Watson, H. J.; Reynolds, A. M. and Hoffer, J. A. (2008). “Continental airlines continues to soar with business intelligence”. Information Systems Management, 25(2): 102-112. | ||
آمار تعداد مشاهده مقاله: 3,318 تعداد دریافت فایل اصل مقاله: 3,165 |