Within highly competitive business environments, data mining (DM) is viewed as a significant technology to enhance decision-making processes by transforming data into valuable and actionable information to gain competitive advantage. There appears, however, to be a dearth of empirical case studies which consider in detail the initial stages in DM management to enable apt foundation for its later successful implementation. Our research applied a multi-method strategy to determine the critical success factors of embryonic DM implementation. We propose and validate, through a series of cases, a conceptual framework to guide practitioners’ adoption of DM. Our findings reveal additional issues for applied decision making in the context of DM success

چکیده

در داخل محیط های کسب و کار بسیار رقابتی، داده کاوی (DM) را می توان به عنوان یک فناوری مطرح برای ارتقاء فرآیندهای تصمیم گیری در نظر گرفت، به طوری که با این فناوری می توان داده ها را به اطلاعاتی کاربردی و با ارزش تبدیل کرده تا بتوان به مزیت رقابتی دست پیدا کرد. البته به نظر می رسد که به منظور ایجاد یک بستر بنیادین مناسب برای پیاده سازی موفقیت آمیز داده کاوی، مطالعات تجربی کمی به بررسی گام های اولیه در مدیریت DM پرداخته اند. در این مقاله، از یک استراتژی چند روشی برای تعیین فاکتورهای بحرانی در موفقیت پیاده سازی داده کاوی جنینی استفاده خواهیم کرد. در همین راستا، با بکار گیری یک سری از مطالعات تجربی، به ارائه و ارزیابی یک چارچوب مفهومی خواهیم پرداخت تا بتواند به افراد در بکار گیری و اتخاذ داده کاوی کمک نماید. یافته های ما نشان می دهد که مسائل متعددی در تصمیم گیری کاربردی برای حصول موفقیت DM وجود دارد.

1-مقدمه

پیاده سازی موفقیت آمیز نوآوری های فناوری اطلاعات (IT) را می توان یک چالش مدیریتی و نظری دانست. بسیاری از نوآوری های IT که توسط سازمان ها مطرح می شود، یا مورد استفاده قرار نمی گیرند و یا مورد پذیرش قرار نگرفته اند (شارما و وتن 2003). با توجه به اینکه پروژه های پیاده سازی IT از ریسک بالایی برخوردار می باشند (کوتش دینر، هال و لی 2013)، مدیریت پروژه را می توان یک مسئله ی کلیدی در سازمان هایی که در محیط های رقابتی و غیر قطعی فعالیت دارند در نظر گرفت...