آیندهپژوهی هوش کسبوکار در صنعت گردشگری
محورهای موضوعی : مطالعات اجتماعی و گردشگری، جامعه شناسی گردشگریسیده نیر ابطحی نصیری 1 , محمدحسن ملکی 2 * , بهروز بیات 3 , تحفه قبادی 4
1 - دانشگاه آزاد اسلامی واحد همدان
2 - دانشگاه قم
3 - دانشگاه آزاد اسلامی واحد همدان
4 - استادیار گروه مدیریت، دانشگاه آزاد اسلامی، واحد گنید کاووس، ایران.
کلید واژه: آینده, آیندهپژوهی, هوش کسبوکار, صنعت گردشگری,
چکیده مقاله :
با وجود ظرفیتهای بالقوه گردشگری در کشور، به علت فقدان زیرساختها، موانع قانونی و تحریمهای خارجی، گردشگران خارجی کمی در مقایسه با کشورهای رقیب از ایران بازدید میکنند. یکی از روندهای مهم در این صنعت، رشد چشمگیر استفاده از ابزارهای فناوری اطلاعات در این حوزه است. تحقیق حاضر با هدف شناسایی سناریوهای آینده هوش کسبوکار در صنعت گردشگری ایران انجام شده است. تحقیق حاضر از نظر جهتگیری، کاربردی و از منظر هدف، اکتشافی است. همچنین از روشهای کیفی و کمی برای تحلیل دادهها استفاده شد. جامعه نظری پژوهش، خبرگان گردشگری، آیندهپژوهی و هوش کسبوکار بودند و نمونهها با استفاده از روش نمونهگیری قضاوتی انتخاب شدند. تحقیق در سه مرحله انجام شد. در گام اول، پیشرانهای مؤثر روی آینده هوش کسبوکار در گردشگری از طریق مرور پیشینه و اخذ نظر از خبرگان، بدست آمد. در مرحله بعد، 30 پیشران بدست آمده غربال و بعد با ایداس، اولویتبندی شدند. در ابتدا پیشرانها با آزمون دوجملهای غربال شدند و 20 پیشران از تحلیل حذف شد. 10 پیشران باقیمانده با ایداس، ارزیابی و دو پیشران نوع فرهنگ تصمیمگیری و ورود گردشگران خارجی به عنوان پیشرانهای نهایی، انتخاب شدند. بر اساس پیشرانهای نهایی و کاربست ابزار تعاریف ریشهای و کارگاه هماندیشی، چهار سناریو با اسامی عصر شکوفایی، عصر ناهمسانی، خانه عنکبوت و عصر یخی پرورش یافت. سناریوهای عصر شکوفایی و عصر یخی، بهترتیب بهترین و بدترین شرایط را در مورد آینده هوش کسبوکار در گردشگری به تصویر میکشند.
Despite potential tourism capacities in Iran, few foreign tourists visit Iran compared to the competing countries due to the lack of infrastructure, the existence of legal barriers, and the sanctions imposed against Iran. As considerable growth in the application of information technology to tourism is one of the main trends in this industry, this applied exploratory study sought to identify future scenarios of business intelligence in Iran’s tourism industry using both qualitative and quantitative methods to analyze the collected data. The population of the study comprised tourism, future study, and business intelligence experts, out of whom the intended participants were selected via judgmental sampling. The study was conducted in three phases. In the first phase, thirty effective driving forces of the prospective business intelligence in the tourism industry were identified by reviewing the related literature and interviewing the experts. In the next phase, the identified driving forces were screened and prioritized using the EDAS. To this end, the driving forces were screened via the Binominal test, twenty of which were eliminated from the analysis, accordingly. Then, the remaining ten driving forces were assessed using the EDAS method. Finally, the type of decision-making culture and the arrival of foreign tourists were selected as the final driving forces, which, together with the application of root definitions and the organization of consultation workshop, formed the basis of offering four scenarios, namely the prosperity, heterogeneity, the spider web, and the ice ages. Accordingly, the prosperity and ice age scenarios illustrate the best and worst conditions for the future of business intelligence in tourism, respectively.
احمدی، اسماعیل؛ ملکی، محمد حسن؛ ثانوی فرد، رسول و فتحی، محمد رضا. (2020). آیندهپژوهی زنجیره تأمین صنعت نفت با رویکرد سناریونگاری آینده پژوهی ایران. (۱)۵ .۱۰۴-۸۱
اسکافی، مهدیه و عبدی، بهنام.(1395). ارائه مدل پذیرش هوش تجاری در صنعت گردشگری در ایران. اولین همایش بینالمللی پژوهشهای نوین در مطالعات مدیریت، شیراز.
حسن نژاد، امیرحسین و ملکی، محمدحسن. (2016). شناسایی سناریوهای باورپذیر صنعت نساجی. آینده پژوهی مدیریت .(3)26 (پیاپی 104). 64-53.
دلپسند، افسون و محقق، نادر. (1397). بررسی تاثیر هوش تجاری بر چابکی سازمان در بیمارستانهای مقصد گردشگری سلامت (مطالعه موردی شهر تهران). فصلنامه علمی تخصصی رویکردهای پژوهشی نوین در مدیریت و حسابداری، (8)2. 38-27.
دهدهزاده سیلابی، پروین و احمدی فرد، نرگس. (1398). تعیین پیشرانهای کلیدی مؤثّر بر توسعه گردشگری با رویکرد آینده پژوهی (مطالعه موردی: شهرستانهای استان مازندران). جغرافیا و پایداری محیط.30(1)9 .89-73.
رضایی، صلاح؛ میرعابدینی، سید جواد و ابطحی، عطاءالله. (۱۳۹۷). عوامل مؤثر بر پیاده سازی هوشمندی کسب¬وکار در صنعت بانکداری ایران. فصلنامه مطالعات مدیریت کسبوکار هوشمند، سال ششم، شماره ۲۳، بهار ۱۳۹۷، ۸۱-۳۳.
روحانی، سعید؛ ربیعی ساوجی، سوگل. (2016). مدل ارزیابی موفقیت ابزارهای هوش کسبوکار. مطالعات مدیریت کسب¬وکار هوشمند. (15)4. 64-29.
زالی، نادر، عطریان، فروغ. (1395). تدوین سناریوهای توسعة گردشگری منطقه¬ای براساس اصول آیندهپژوهی (مورد مطالعه: استان همدان). مجله علمی. (1) 8 ،131-107.
سعادتی، زینب و تارخ، محمدجعفر. (بی تا). بررسی رویکرد تلفیقی در سیستمهای هوش کسبوکار با تمرکز بر دادهکاوی. سیاست نامه علم و فناوری. (4)7؛56-43.
شریعتی، زینت؛ آقاجانی، حسنعلی و حسینی، ابولحسن. (1399). عوامل مؤثر بر مدل کسب¬وکارهای الکترونیکی در صنعت گردشگری . برنامه¬ریزی و توسعه گردشگری. (34) 9. 41-27.
فرجی، امین؛ نعمت پور، محمد امید، عشریه. (1396)و تحلیل سیستمی اثرات مثبت و منفی توسعه گردشگری ایران با رویکرد آینده پژوهی. دو فصلنامه مطالعات اجتماعی گردشگری، سال پنجم، شماره نهم، بهار و تابستان 1396،189-151.
کروبی، مهدی؛ یاوری گهر، فاطمه؛ زارع، رحیم و عباسی، دیاکو. (1399). موانع اجرای سیاست گردشگری در ج. ا. ایران: ارائهی چارچوبی مفهومی. برنامه¬ریزی و توسعه گردشگری. (34)9. 66-43.
کوشش کردشولی، رضا؛ غلامی جمکرانی، رضا؛ ملکی، محمدحسن و فلاح شمس، میرفیض. (1399). آیندهپژوهی فناوری مالی در ایران با رویکرد سناریونگاری . فصلنامه برنامه ریزی و بودجه. (3)25. 63-33.
محمودی شریف، مصطفی؛ رحیمیان اصل، محمد مهدی و ملکی، محمد حسن. (۱۴۰۰).آیندهپژوهی زنجیره تأمین صنعت نفت ایران با تأکید بر عوامل داخلی. فصلنامه تصمیم گیری و تحقیق در عملیات
ﻣرتضایی، علی؛ سنگری، محمد صادق؛ نظری شیرکوهی، سلمان و رزمی، جعفر. ( ۱۳۹۶). بررسی تاثیر شایستگی هوش تجاری بر فرایند مدیریت ارتباط با مشتری: مطالعه تجربی در صنعت بانکداری. فصلنامه مدیریت فناوری اطلاعات،(۱۰)۳۴. ۲۳۴-۲۰۹.
ملکی، محمد حسن؛ خاشعی ورنامخواستی، وحید؛ فتحی، محمدرضا و صفارینیا، مهدی. (1398). آیندهپژوهی گردشگری مذهبی استان قم با رویکرد سناریونگاری . گردشگری و توسعه. (3)8. 205-184.
نظری سالاری، لیلا؛ خدیور، آمنه و عبدالوند، ندا. (1395). ارائه مدلی به منظور تحلیل موانع بهکارگیری هوش تجاری در صنعت گردشگری ایران با رویکرد روشهای آمیخته . پژوهشهای نوین در تصمیمگیری. (1)1. 102-79.
Ahmad, A. (2015). Business intelligence for sustainable competitive advantage. Sustaining Competitive Advantage Via Business Intelligence, Knowledge Management, and System Dynamics (Advances in Business Marketing and Purchasing), Emerald Group Publishing Limited,. 22, 3-220.
Aho, A. M. (2015). Product data analytics service model for manufacturing company. In International Conference on Knowledge Management in Organizations, Springer, Cham. 282-296.
Ain, N., Vaia, G., DeLone, W. H., & Waheed, M. (2019). Two decades of research on business intelligence system adoption, utilization and success–A systematic literature review. Decision Support Systems, 125, 113113.
Baggio, R. (2016, April). Big Data, Business Intelligence and Tourism: a brief analysis of the literature. In IFITT workshop on Big Data & Business Intelligence in the Travel & Tourism Domain , 9-17.
Buhalis, D., Leung, R. (2018). Smart hospitality—Interconnectivity and interoperability towards an ecosystem. International Journal of Hospitality Management, 71, 41-50.
Chaubey, A., Sahoo, C. K. (2021). Assimilation of business intelligence: The effect of external pressures and top leader’s commitment during pandemic crisis. International Journal of Information Management, 59, 102344.
Checkland, P., Poulter, J. (2020). Soft systems methodology. In Systems approaches to making change: A practical guide.Springer, London. 201-253.
Checkland, P., Poulter, J. (2006). Learning for action: a short definitive account of soft systems methodology and its use for practitioner, teachers, and students. Chichester: Wiley. 26.
Choi, J., Yoon, J., Chung, J., Coh, B. Y., & Lee, J. M. (2020). Social media analytics and business intelligence research: A systematic review. Information Processing & Management, 57(6), 102279.
Farzanegan, M. R., Gholipour, H. F., Feizi, M., Nunkoo, R., & Andargoli, A. E. (2021). International tourism and outbreak of coronavirus (COVID-19): A cross-country analysis . Journal of Travel Research, 60(3), 687-692.
Fathi, M. R., Maleki, M. H., Koksal, C. D., Yuzbaşıoğlu, N., & Ahmadi, V. (2019). Future Study of Spiritual Tourism based on Cross Impact Matrix and Soft Systems Methodology . International journal of Tourism & Spirituality, 3(2), 19-41.
Fathi, M. R., Maleki, M. H., Sobhani, S. M., & Koksal, C. D. (2020). Future study of operations research based on scenario planning and soft systems methodology . Foresight
Fathi, M. R., Sobhani, S. M., Maleki, M. H., & Jandaghi, G. (2021). Future study of textile industry in Iran using the MICMAC and soft operational research methods . foresight.
Fuchs, M., Abadzhiev, A., Svensson, B., Höpken, W., & Lexhagen, M. (2013). A knowledge destination framework for tourism sustainability: A business intelligence application from Sweden . Tourism: An International Interdisciplinary Journal, 61(2), 121-148.
Gallego, I., Font, X. (2021). Changes in air passenger demand as a result of the COVID-19 crisis: Using Big Data to inform tourism policy. Journal of Sustainable Tourism, 29(9), 1470-1489.
Höpken, W., Fuchs, M., Keil, D., & Lexhagen, M. (2015). Business intelligence for cross-process knowledge extraction at tourism destinations. Information Technology & Tourism, 15(2), 101-130.
Ishikiriyama, C. S., Miro, D., & Gomes, C. F. S. (2015). Text Mining Business Intelligence: a small sample of what words can say. Procedia Computer Science, 55, 261-267.
Jandaghi, G., Fathi, M. R., Maleki, M. H., Faraji, O., & Yüzbaşıoğlu, N. (2019). Identification of tourism scenarios in Turkey based on futures study approach. Almatourism-Journal of Tourism, Culture and Territorial Development, 10(20), 47-68.
Kaushal, V., Srivastava, S. (2021). Hospitality and tourism industry amid COVID-19 pandemic: Perspectives on challenges and learnings from India. International Journal of Hospitality Management, 92, 102707.
Keshavarz Ghorabaee, M., Zavadskas, E. K., Olfat, L., & Turskis, Z. (2015). Multi-criteria inventory classification using a new method of evaluation based on distance from average solution (EDAS). Informatica, 26(3), 435-451.
Khan, A. M. A., Amin, N., & Lambrou, N. (2010). Drivers and barriers to business intelligence adoption: A case of Pakistan . In Proceedings of the European and Mediterranean Conference on Information Systems (EMCIS2010), Abu Dhabi, UAE . 1-23.
Mariani, M., Baggio, R., Fuchs, M., & Höepken, W. (2018). Business intelligence and big data in hospitality and tourism: a systematic literature review. International Journal of Contemporary Hospitality Management.
Masa’Deh, R. E., Obeidat, Z., Maqableh, M., & Shah, M. (2021). The impact of business intelligence systems on an organization’s effectiveness: the role of metadata quality from a developing country’s view. International Journal of Hospitality & Tourism Administration, 22(1), 64-84.
Navío-Marco, J., Ruiz-Gómez, L. M., & Sevilla-Sevilla, C. (2018). Progress in information technology and tourism management: 30 years on and 20 years after the Internet-Revisiting.
Nyanga, C., Pansiri, J., & Chatibura, D. (2019). Enhancing competitiveness in the tourism industry through the use of business intelligence: A literature review. Journal of Tourism Futures.
Obeidat, M., North, M., Richardson, R., & Rattanak, V. (2015). Business intelligence technology, applications, and trends.
Patil, S. S., & Chavan, R. R. (2020). Cloud business intelligence: an empirical study. J. Xi’an Univ. Archit. Technol, 12-15.
Paucar-Caceres, A. (2010). Mapping the changes in management science: A review of ‘soft’OR/MS articles published in Omega (1973–2008). Omega, 38 (1-2), 46-56.
Rouhani, S., Ashrafi, A., Ravasan, AZ., & Afshari, AZ .(2016). The impact model of business intelligence on decision support and organizational benefits. Journal of Enterprise Information Management, 29(1), 19-50.
Seyitoğlu, F., & Costa, C. (2022). A systematic review of scenario planning studies in tourism and hospitality research. Journal of Policy Research in Tourism, Leisure and Events, 1-18.
Sharma, G. D., Thomas, A., & Paul, J. (2021). Reviving tourism industry post-COVID-19: A resilience-based framework. Tourism management perspectives, 37, 100786.
Skyrius, R., Katin, I., Kazimianec, M., Nemitko, S., Rumšas, G., & Žilinskas, R. (2016). Factors driving business intelligence culture. Issues in Informing Science and Information Technology, 13, 171-186.
Thakur, P., & Malhotra, M. (2021). Impact of COVID-19 on Cloud Business Intelligence. In Impacts and Challenges of Cloud Business Intelligence, 13-26. IGI Global.
The Travel & Tourism Competitiveness Report 2019. (2019). World economic forum. http://www3.weforum.org/docs/WEF_TTCR_2019.pdf
The Travel & Tourism Competitiveness Report 2016. (2016). World economic forum.
UNWTO World Tourism Barometer and Statistical Annex, December 2020 | World Tourism Organization. Unwto World Tourism Barometer (English Version). 18 (7): 1–36
Vajirakachorn, T., & Chongwatpol, J. (2017). «Application of business intelligence in the tourism industry:A casestudy of a local food festival in Thailand. Tourism Management Perspectives, 23 ,75–86.
Vizgaitytė, G., & Rimvydas, S. (2012). Business intelligence in the process of decision making: changes and trends. Ekonomika, 91(3), 147-157.
Wang, C. H. (2016). A novel approach to conduct the importance-satisfaction analysis for acquiring typical user groups in business-intelligence systems. Computers in Human Behavior, 54, 673-681.
Wen, J., Wang, W., Kozak, M., Liu, X., & Hou, H. (2021). Many brains are better than one: the importance of interdisciplinary studies on COVID-19 in and beyond tourism. Tourism Recreation Research, 46(2), 310-313.
WTTC. (2018). World Travel & Tourism Coucil. TRAVEL & TOURISM ECONOMIC.
Yeh, S. S. (2021). Tourism recovery strategy against COVID-19 pandemic. Tourism Recreation Research, 46(2), 188-194.
Zarour, K., Benmerzoug, D. (2019). A decision-making support for business process outsourcing to a multi-cloud environment. International Journal of Decision Support System Technology (IJDSST), 11(1), 66-92.
Zsarnoczky, M. (2017). How does artificial intelligence affect the tourism industry?. VADYBA, 31(2), 85-90.