دانلود ترجمه مقاله نقش به کارگیری هوش کسب و کار در بهبود عملکرد بانک ها

مطالعات صورت گرفته در مورد BI در زمینه تصمیم گیری و کارائی کلی:
مطالعه مروری انجام گرفته توسط کاتارینا و همکاران (2008) از کرواسی اثبات کرد که ابزارهای BI مبتنی بر فناوری های اطلاعات نظیر پردازش تحلیلی درون خطی و داده کاوی، تصمیم گیری تجاری هوشمند را در محیط پیچیده بانکی امکانپذیر می کند. علاوه بر این، شیلا و همکاران (2009) یک مطالعه تجربی را در 23 بانک خرده فروشی انگلستان انجام دادند و یافته های بدست آمده، تصویر واضحی را از وضعیت فعلی هوش رقابتی در بانک های خرده فروشی ارائه کردند. از اینرو، BI توصیه شد و مستلزم این بود که که این بخش به عنوان عملگر موثر و کارآمد عمل اطلاعات رقابتی در نظر گرفته شود. بوگدان و امینا (2011) از یوگسلاوی، در مقاله مروری خود یک نمونه خاص از کاربرد سیستم BI در خصوص تصمیم‌گیری با کیفیت بالا و به موقع در مدیریت دارایی و مسئولیت را شرح دادند. مقاله مروری دیگری توسط آنوج و همکاران. (2012) از هند نشان داد که روش های داده کاوی نظیر مدل های لجستیک، شبکه های عصبی، شبکه باور بیزی و درختان تصمیم گیری به طور گسترده ای جهت ارائه راه حل های اولیه برای مسائل ذاتی در خصوص تشخیص و طبقه بندی داده های جعلی استفاده شده است. این تحقیق، تأثیر ابزارهای آماری از طریق چارچوب BI مناسب در تشخیص کلاهبرداری را نشان می دهد. مریم و سید (2012) از ایران مقاله ای را منتشر کرده و استنباط کردند که به دلیل رقابت شدید بین بانک های مختلف، در صنعت بانکداری هر بانک خدمات مورد تقاضا را ارائه می دهد و رضایت مشتری یکی از چالش های مهمی است که با استفاده از راه حل هوش تجاری حل می شود. یکی دیگر از کاربردهای مهم هوش تجاری در صنعت بانکداری، کشف تقلب و کلاهبرداری است. سوندجا (2013) از اندونزی مقاله ای مروری در رابطه با BI را ارائه نموده و عنوان می کند که سیستم هوش تجاری ممکن است باعث شود که مدیریت، رفتارهای آتی سیستم را پیش بینی کند و همچنین مدلسازی رفتارهای مشتری را نیز امکان پذیر می کند. ویژگی پیاده سازی سیستم هوش تجاری، پشتیبانی از کیفیت و تسریع تصمیم گیری است. لیونل و همکاران (2013) یک مطالعه تجربی را در بین کارکنان سازمان های خدمات مالی در آفریقای جنوبی انجام داده و دریافتند که پشتیبانی مدیریت، پیروزی، منابع ، مشارکت کاربران ، کیفیت داده ها جزء هفت عامل اصلی موفقیت آمیز هوش تجاری قرار داردند که به این معناست که چارچوب BI می تواند خلاصه ای کوتاه از CSF های کلیدی را ارائه دهد و تعمیم یافته ها را نیز تائید کند.

Studies on BI in decision making and overall effectiveness:
A review study by Katarina et al. (2008) from Croatia has proved that BI tools founded on information technologies such as on-line analytical processing and data mining make possible intelligent business decision making in complex banking environment. Also Sheila et al. (2009) carried an empirical study in 23 retail banks of UK and the findings provided a clear picture of the current status of Competitive Intelligence in the retail banks. BI was recommended and it was required for the sector to be considered effective and efficient operators of Competitive Intelligence practice. Bogdan and Emina (2011) from Yugoslavia, in their review paper explained a characteristic instance of application of BI system support to high-quality and timely decision making in asset and liability management. An another review paper by Anuj et al. (2012) from India mentioned that, the data mining techniques like logistic models, neural networks, Bayesian belief network, and decision trees have been applied most extensively to provide primary solutions to the problems inherent in the detection and classification of fraudulent data. This study shows the effect of statistical tools through proper BI framework in detecting fraudulence. Maryam and Seyyed (2012) from Iran published a review paper and inferred that, in the banking industry, due to intense competition between different banks, each bank provide demanded services and customer satisfaction is one of the important challenges that can be solved by using business intelligence solution. Another important application of business intelligence in banking industry is fraud detection. Sundjaja (2013) from Indonesia has presented a review paper on BI and opined that the system of business intelligence may enable the management to anticipate future behaviour from the system and allows the modelling of customer behaviour. The characteristic of the implementation of business intelligence system is to support the quality and to prompt decision making. Lionel et al. (2013) made an empirical study among employees of finance service organisations in South Africa and detected that Management Support, Champion, Resources, User Participation, data Quality featured in the top seven Critical Success factors of business intelligence. This means that the BI framework can provide a ‘short-cut’ summary of the key CSFs and validates the generalization of the findings.