A framework for future study of business intelligence in the tourism industry Iran

abtahi, nayereh; Maleki, Mohammad Hasan; bayat, behrooz; ghobadi lamuki, tohfeh

doi:10.30495/jmfr.2023.23357

Manuscript ID : JMFR-2104-2456 Visit : 328 Page: 0 - 0

10.30495/jmfr.2023.23357

Article Type: Original Research

A framework for future study of business intelligence in the tourism industry Iran

Subject Areas : Futurology

nayereh abtahi ¹ , Mohammad Hasan Maleki ² , behrooz bayat ³ , tohfeh ghobadi lamuki ⁴

1 - saveh
2 - Associate Professor, Department of Management, Faculty of Management and Economics, University of Qom, Qom, Iran.
3 - department of knowledge and information science، Hamedan، Branch، Islamic Azad University، Hamedan، Iran
4 - Department of Management, Gonbad Kavoos Branch, Islamic Azad University,,Gonbad Kavoos, Iran

Received: 2021-04-27 Accepted : 2021-12-23 Published : 2023-11-22

Keywords: The future of tourism, business intelligence, Tourism, Key drivers,

Abstract :

Tourism is one of the areas that due to cultural and economic effects, has caused many countries to pay attention to the development of infrastructure and promoting its services. Due to its economic, geographical, cultural and historical advantages, Iran can be successful if it develops the necessary infrastructure and makes the right policies in this regard. One of these infrastructures is business intelligence. Business intelligence tools provide users with accurate information about the nature of the business by analyzing data and presenting reports, summaries, dashboards, maps, charts and diagrams. The present study seeks to identify the drivers that affect the future of business intelligence in Iranian tourism. The present study is pragmatic from the point of view of philosophical foundations; It is applied in terms of orientation and exploratory in terms of purpose. To conduct the research, in the first stage, the research drivers were extracted through a systematic review of the literature and interviews with experts. At this stage, 30 drivers were obtained, which were screened by Binominal test. After key drivers screening, 12 factors were eliminated and the remaining 18 drivers were prioritized using the best-worst fuzzy technique. The results showed that the drivers of tourism business environment, data-driven decision-making culture and foreign sanctions and are the most influential drivers on the future of business intelligence in tourism.

References:
_||_

Full-Text:

ارائه چارچوبی برای شناسایی پیشران‌های موثر روی آینده هوش کسب‌و‌کار در صنعت گردشگری ایران

چکیده

گردشگری یکی از حوزه‌هایی است که به دلیل اثرات فرهنگی و اقتصادی، باعث توجه بسیاری از کشورها به توسعه زیرساخت‌ها و ارتقا خدمات آن شده است. ایران به دلیل مزیت‌های اقتصادی، جغرافیائی، فرهنگی و تاریخی، در صورت توسعه زیرساخت‌های لازم و سیاست‌گذاری درست در این زمینه می‌تواند موفق عمل کند. یکی از این زیرساخت‌ها، هوش کسب‌و‌کار است. ابزارهای هوش کسب‌و‌کار، با تجزیه و تحلیل داده‌ها و ارائه‌ی گزارش‌ها، خلاصه‌ها، داشبورد، نقشه‌ها، چارت‌ها و نمودارها، اطلاعات دقیقی در مورد ماهیت کسب‌و‌کار در اختیار کاربران قرار می‌دهند. تحقیق حاضر به دنبال شناسایی پیشران‌های اثرگذار روی آینده هوش کسب‌و‌کار در گردشگری ایران است. تحقیق حاضر از منظر مبانی فلسفی، پراگماتیست؛ از حیث جهت‌گیری، کاربردی و از بعد هدف، اکتشافی می‌باشد. برای اجرای تحقیق، در مرحله اول، پیشران‌های تحقیق از طریق مرور سیستماتیک پیشینه و مصاحبه با خبرگان استخراج شدند. در این مرحله 30 پیشران بدست آمد که این پیشران‌ها با آزمون بینم غربال شدند. پس از غربال پیشران‌ها، 12 عامل حذف شد و 18 پیشران باقیمانده با تکنیک بهترین- بدترین فازی اولویت‌بندی شدند. نتایج نشان داد که پیشران‌های فضای کسب‌و‌کار گردشگری، تصمیم‌گیری داده‌محور و تحریم‌های خارجی اثرگذارترین پیشران‌ها روی آینده هوش کسب‌و‌کار در گردشگری هستند.

کلید واژه: گردشگری، پیشران‌های کلیدی، هوش کسب‌و‌کار، آینده گردشگری

A framework for future study of business intelligence in the tourism industry Iran

Abstract

Keywords: Tourism, Key drivers, Business intelligence, The future of tourism

مقدمه

سازمان جهانی گردشگری¹، صنعت گردشگری را به عنوان موتور پویایی توسعه اجتماعی- اقتصادی از طریق اشتغال‌زایی، کسب‌و‌کارهای نو، ارزآوری، گسترش زیرساخت‌ها و رفاه کشورها در سراسر جهان اعلام کرده است که این موارد با رشد مداوم مقاصد گردشگری جهانی و افزایش در سرمایه‌گذاری در این صنعت صورت گرفته است (سازمان جهانی ﮔﺮدشگری،2016). این بخش اقتصادی در سال ۲۰۱۷ با سهم مستقیم ۲۶۰۰ میلیارد دلاری در تولید ناخالص داخلی جهانی و پوشش مستقیم حدود ۱۱۹ میلیون شغل در اقتصاد و اشتغال جهانی مشارکت داشته است (گزارش شورای جهانی سفر و گردشگری،2018). حدود یک میلیارد و ۴۰۰ میلیون گردشگر در سراسر دنیا وجود دارد که پیش‌بینی می‌شود این تعداد تا سال ۲۰۳۰ به یک میلیارد و ۸۰۰ میلیون نفر برسد، همین مسئله باعث شده تا صنعت گردشگری به یکی از زودبازده‌ترین صنایع با تاثیر بالا و اﺑﺰاری راﻫﺒﺮدی در ﺟﻬﺖ ﺗﻮﺳﻌﻪ اﻗﺘﺼﺎدی کشورها تبدیل شود.براساس گزارش سازمان جهانی گردشگری، در سال ۲۰۱۶ تعداد گردشگران ورودی به ایران به رقم ۴.۹۴۲ میلیون کاهش پیدا کرد که نشانگر افت ۵.۶ درصدی نسبت به سال ۲۰۱۵ است. به طور کلی در بازه زمانی سال‌های ۲۰۱۶ – ۲۰۱۷، ورود گردشگران رشدی منفی داشته و در سال ۲۰۱۷ سهم کشورمان از گردشگری جهانی فقط ۱٫۵ درصد بوده است. درآمد ارزی گردشگری ایران در سال ۲۰۱۶ هم ۳ میلیارد و ۷۱۳ میلیون دلار اعلام شده است. سازمان جهانی گردشگری برای سال ۲۰۲۰ میلادی رشدی بین ۳ تا ۴ درصد را پیش‌بینی کرده است (سازمان جهانی ﮔﺮدشگری،2019) .

با نگاهی به آمارهای جهانی، رتبه‌بندی مقاصد گردشگری توسط نهادها و موسسات معتبر، اعلام سازمان جهانی گردشگری و یونسکو که ایران را به دلیل برخورداری از جاذبه‌های متعدد گردشگری بالقوه جزء 10 کشور برتر جهان از لحاظ ظرفیت جذب گردشگر معرفی نمودند، ایران جایگاه درخور خود را در این رتبه‌بندی‌ها کسب نکرده است (سازمان جهانی ﮔﺮدشگری،2019). از طرفی ایران طی سال‌ها هزینه فراوانی برای رونق و جذب گردشگری نموده است و پس از گذشت حدود 15 سال از افق چشم‌انداز توسعه گردشگری و طرح‌های عملیاتی اجرای سیاست‌های مندرج در سند چشم‌انداز توسعه گردشگری 1404، فاصله زیادی میان چشم‌انداز و اهداف کلان پیشنهادی در این سند راهبردی و واقعیت مشهود است(کروبی و همکاران،1399). توسعه مداوم صنعت گردشگری شاید تنها با رشد سیستم‌های فناوری اطلاعات و ارتباطات ممکن باشد. فناوری اطلاعات نقش حیاتی درافزایش رقابت‌پذیری سازمان‌ها و مقاصد گردشگری دارد. فناوری اطلاعات و ارتباطات در حال تبدیل شدن به یک سیستم یکپارچه‌ای از تجهیزات و نرم‌افزارهای شبکه‌ای است (ناویو-مارکو² و همکاران،2018). سیستم‌های هوش کسب‌و کار³، جزء پیچیده‌ترین سیستمهای اطلاعاتی هستند که ابزاری را برای کلیه ﻣﺪﯾﺮان ﺳﺎزﻣﺎنی فراهم می کنند تا از طریق آن نیازهای اطلاعاتی سازمان مانند دسترسی سریع و تحلیل داده‌ها بر مبنای نیازهای کاربران به شیوه‌ای مناسب پاسخ داده شود و رویکردی نودر کسب‌و‌کار و معماری سازمانی است (آزوف و کارلسورث ⁴،۲۰۰۴). هوش کسب‌و‌کار در سازمان‌ها، اهداف مختلفی مانند شناسایی و حفظ مشتری‌های دائمی، پیش‌بینی وضعیت بازار، تحلیل سبد های خرید، افزایش توانایی رقابتی سازمان، افزایش میزان سوددهی و میزان فروش سازمان ، کاهش هزینه‌ها ، قدرت بکارگیری مناسب منابع اطلاعاتی موجود در سازمان، استانداردسازی و ایجاد سازگازی بین ساختارهای سازمان، ایجاد قابلیت اتخاد تصممیات سریع و تحلیل عمیق سازمان را دنبال می‌کند (چابی و ساهو⁵، 2021). صنعت گردشگری و مدیران کسب‌و‌کارهای گردشگری اغلب نیاز به تجزیه‌و‌تحلیل به‌موقع آمارها و گزارشات در خصوص اندازه‌گیری و نظارت بر عملکرد، افزایش و کاهش تعداد گردشگران، تعداد بازدیدکنندگان و کیفیت خدمات گردشگری دارند . با توجه به نقش آمارها و گزارشات متعدد در مورد شاخص‌های مختلف برای مدیران و کسب‌و‌کارهای گردشگری، هوش کسب‌و‌کار و ابزارهای آن در توسعه و سودآوری این صنعت نقش مهمی ایفا می‌کنند. هوش کسب‌و‌کار با توجه به تکنیک‌های متنوع خود به دنبال افزایش سود‌آوری صنعت گردشگری با استفاده از اتخاذ تصمیمات هوشمند است. با توجه به اهمیت هوش کسب‌و‌کار در رونق صنعت گردشگری و اهمیت این صنعت در توسعه اقتصادی کشور، پژوهش حاضر به دنبال شناسایی پیشران‌های کلیدی موثر روی آینده هوش کسب‌و‌کار در صنعت گردشگری کشور است.

پیشینه تحقیق

هوش کسب‌و‌کار، اولین ﺑﺎر ﺗﻮﺳﻂ ﺗﺤﻠﯿﻞ‌ﮔﺮ ﮔﺮوه ﮔﺎرﺗﻨﺮ⁶، درﺳﻨﺮ⁷ درﺳﺎل 1989 ﻣﻌﺮﻓﯽ ﺷﺪ. او ﺑﻪ ﻋﻨﻮان ﭘﺪر کسب‌و‌کار ﻫﻮﺷﻤﻨﺪ، اﯾﻦ اﺻﻄﻼح را جهت توصیف مجموعه‌ای از مفاهیم و روش‌ها جهت بهبود تصمیم‌گیری کسب‌و‌کار با استفاده از سیستم‌های پشتیبانی رایانه‌ای ﺑﻪ ﻋﻨﻮان ﭼﺘﺮی ﺑﺮای ﭘﻮﺷﺶ ﻧﻮآوری‌ﻫﺎی ﻧﺮم‌اﻓﺰاری در ﻣﺪﯾﺮﯾﺖ ﻋﻤﻠﮑﺮد، ﺑﺮﻧﺎﻣﻪ‌رﯾﺰی و ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ کسب‌و‌کار ، ﮔﺰارش‌دﻫﯽ ﻣﻮﻗﺖ⁸، ﭘﺮس‌وﺟﻮی ﮐﺎرﺑﺮ ﻧﻬﺎﯾﯽ⁹ و مدل‌ﺳﺎزی ﭘﯿﺸﮕویاﻧﻪ¹⁰ معرفی نمود) وانگ¹¹،۲۰۱۶). طبق تعریف اراﺋﻪ شده توسط ﺷﺮﮐﺖ ﺗﺤﻘﯿﻘﺎﺗﯽ ﻓﻮرﺳﺘﺮ¹² در سال 2008، ﮐﺴﺐ و ﮐﺎر ﻫﻮﺷﻤﻨﺪ ﻣﺠﻤﻮﻋﻪ‌ای از روش‌ها، ﻓﺮآﯾﻨﺪﻫﺎ ، اﺑﺰارﻫﺎ ، معماری‌ها و فناوری‌هایی اﺳﺖ ﮐﻪ داده ﺧﺎم را ﺑﻪ اﻃﻼﻋﺎت معنی‌دار و ﻣﻔﯿﺪ ﺗﺒﺪﯾﻞ ﻣﯽ‌ﮐﻨﺪ ﺗﺎ در ﺗﺼﻤﯿﻢ‌ﮔﯿﺮی‌ﻫﺎی راهبردی کاربران کسب‌و‌کار ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار گیرند )هابل و پیلاوولیک¹³،۲۰۱۰). سیستم هوش کسب‌و‌کار ﻧﻪ ﻓﻘﻂ ﺑﻪ ﻋﻨﻮان ﯾﮏ اﺑﺰار ﯾﺎ ﯾﮏ ﺳﯿﺴﺘﻢ، ﺑﻠﮑﻪ ﺑﻪ ﻋﻨﻮان ﯾﮏ روﯾﮑﺮد ﺟﺪﯾﺪ در ﻣﻌﻤﺎری ﺳﺎزﻣﺎﻧﯽ مطرح شده است (میکرویانیدس و تئودولیدیس ¹⁴،۲۰۱۰). به زعم ورچلیز¹⁵، درواﻗﻊ از ﺑﻌﺪ ﻓﻨﺎوراﻧﻪ کسب‌و‌کار ﻫﻮﺷﻤﻨﺪ ﺑﻪ ﻣﺠﻤﻮﻋﻪ‌ای از ﻣﺪل‌ﻫﺎی رﯾﺎﺿﯽ و روش‌ﻫﺎی ﺗﺤﻠﯿﻠﯽ اﻃﻼق ﻣﯽ ﺷﻮد ﮐﻪ ﺑﻪ ﻃﻮر ﺳﯿﺴﺘﻤﺎﺗﯿﮏ داده‌ﻫﺎی ﻣﻮﺟﻮد را ﺑﺮای ﺑﺎزﯾﺎﺑﯽ اﻃﻼﻋﺎت و داﻧﺶ ﻣﻔﯿﺪ در ﺣﻤﺎﯾﺖ از ﻓﺮآﯾﻨﺪﻫﺎی ﭘﯿﭽﯿﺪه ﺗﺼﻤﯿﻢ‌ﮔﯿﺮی، بکار ﻣﯽ‌ﮔﯿﺮﻧﺪ(ورچلیز،۲۰۰۹).

از منظر ﭼﺎﻧﮓ و ﺳﻨﮓ (2012) ¹⁶، هوش کسب‌و‌کار ﯾﮏ ﭼﺎرﭼﻮب ﮐﺎری ﺷﺎﻣﻞ ﻓﺮآﯾﻨﺪﻫﺎ، اﺑﺰار و ﻓﻨﺎوری‌ﻫﺎی ﻣﺨﺘﻠﻒ اﺳﺖ ﮐﻪ ﺑﺮای ﺣﺮﮐﺖ از داده ﺑﻪ اﻃﻼﻋﺎت و از اﻃﻼﻋﺎت ﺑﻪ داﻧﺶ ﻃﺮاﺣﯽ ﺷﺪه و ﺳﺒﺐ اﯾﺠﺎد ارزش اﻓﺰوده ﺑﺮای ﺳﺎزﻣﺎن ﻣﯽ ﺷﻮد. ﺑﺎ اﺳﺘﻔﺎده از داﻧﺶ ﺑﻪ دﺳﺖ آﻣﺪه، ﻣﺪﯾﺮان ﺳﺎزﻣﺎن ﻣﯽ‌ﺗﻮاﻧﻨﺪ ﺗﺼﻤﯿﻤﺎت ﺑﻬﺘﺮی در ﭘﯿﺶ ﮔﯿﺮﻧﺪ و ﺑﺎ ﻃﺮح ﺑﺮﻧﺎﻣﻪ‌ﻫﺎی ﻋﻤﻠﯽ ﺑﺮای ﺳﺎزﻣﺎن، ﻓﻌﺎﻟﯿﺖ‌ﻫﺎی ﺗﺠﺎری را ﺑﻪ ﺻﻮرت ﻣﺆﺛﺮﺗﺮی اﻧﺠﺎم دﻫﻨﺪ. ار نظر ایشیکیریاما¹⁷ و دیگران (2015)، هوش کسب‌و‌کار به معنی داشتن دانشی فراگیر از کلیه عوامل مؤثر بر سازمان شامل (مشتریان، رقبا، محیط اقتصادی، عملیات و فرآیندهای سازمانی) است که تأثیر زیادی بر کیفیت تصمیمات مدیریتی در سازمان می‌گذارد و مدیران را برای تصمیم‌گیری درکلیه امور سازمان توانمند می‌سازد. اﺻﻄﻼح هوش کسب‌و‌کار که گاهاً هوش تجاری یا کسب‌و‌کار ﻫﻮﺷﻤﻨﺪ نیز خوانده می‌شود، مجموعه‌ای ازمفاهیم‌، نرم‌افزارها و روش‌ها، جهت تجزیه‌و‌تحلیل اطلاعات ذخیره شده در مخازن داده‌ها، افزایش قدرت تحلیل و جمع‌بندی آن‌ها است (وانگ،2016).

ﻫﻤﺎن‌ﻃﻮر ﮐﻪ ﻣﺸﺎﻫﺪه ﻣﯽ‌ﺷﻮد ﺗﻌﺎرﯾﻒ ﻣﺘﻌﺪدی از هوش کسب‌و‌کار در ادﺑﯿﺎت ﻧﻈﺮی ﻣﻮﺟﻮد اﺳﺖ، ﺑﺮﺧﯽ از ﻧﻮﯾﺴﻨﺪﮔﺎن هوش کسب‌و‌کار را ﺑﻪ ﻋﻨﻮان ﯾﮏ روﯾﮑﺮد ﺟﺎﻣﻊ و ﭘﯿﭽﯿﺪه ﺟﻬﺖ ﺣﻤﺎﯾﺖ از ﺗﺼﻤﯿﻢ‌ﮔﯿﺮی‌ﻫﺎی ﻣﺘﻘﺎﺑﻞ ﺳﺎزﻣﺎﻧﯽ ﺗﻌﺮﯾﻒ ﮐﺮده‌اﻧﺪ و ﺑﺮﺧﯽ دﯾﮕﺮ آن را از ﻧﻘﻄﻪ‌ﻧﻈﺮ ﻓﻨﯽ ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار داده‌اﻧﺪ، ﻟﺬا کسب‌و‌کار ﻫﻮﺷﻤﻨﺪ ﺑﻪ ﻋﻨﻮان ﺳﯿﺴﺘﻤﯽ ﻣﺘﺸﮑﻞ از دو ﻋﻨﺻﺮ ﻓﻨﯽ و ﺳﺎزﻣﺎﻧﯽ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ ﮐﻪ ﺑﺎ ﻫﺪف ﮐﻠﯽ اﻓﺰاﯾﺶ ﻋﻤﻠﮑﺮد و اﺛﺮﺑﺨﺸﯽ ﺳﺎزﻣﺎﻧﯽ ﺑﻪ ﺗﺠﺰﯾﻪ‌و‌ﺗﺤﻠﯿﻞ ﺗﺼﻤﯿﻢ‌ﮔﯿﺮی‌ﻫﺎی ﻣﻮﺛﺮ و ﭘﺸﺘﯿﺒﺎﻧﯽ از ﻣﺪﯾﺮﯾﺖ ﻣﯽ‌ﭘﺮدازد (فیلیپس-رن، دالی و برستاین¹⁸، 2021). با توجه به اهمیت و ارزش واقعی هوش کسب‌و‌کار و عملکرد آن درسازمان‌ها در محیط رقابتی و پیچیده امروزی، وجود هزینه‌های سرسام‌آور در صنایع مختلف، ارائه‌دهندگان خدمات گردشگری را به استفاده از هوش کسب‌و‌کار واداشته است تا با کارایی بیشتری فعالیت نمایند و با راه‌حل‌های این سیستم، هزینه‌های خود را به نحو موثری کاهش دهند (خان ¹⁹و دیگران، ۲۰۱۰).

سازمان ها با استفاده از هوش کسب‌وکار و مقایسه اطلاعات و شاخص‌های محیط به پیش‌بینی روند کارها در آینده می‌پردازند و مدیران قادر به شناسایی موقعیت سازمان و رقبا خواهند بود و با استفاده صحیح و پیشرفته از اطلاعات مربوط به رقبا، مشتریان، تامین‌کنندگان و عملیات تجاری داخلی سازمان برای مسائل خود راه‌حلی مناسب می یابند و موجب بهبود عملکرد تجاری سازمان می‌شوند. یکی از حوزه‌هایی که هوش کسب‌و‌کار به طور گسترده مورد توجه قرار گرفته، بخش گردشگری است. گردشگری با توجه به اطلاعات گسترده موجود در این صنعت و اهمیت رضایت مشتریان به شدت نیازمند کارکردهای هوش کسب‌و‌کار است (وجیراکهون و چانگواتپول²⁰، 2017). در ادامه به ارائه پژوهش‌های انجام شده در باب هوش کسب‌و‌کار، پیشران‌ها و روندهای مربوط به آن پرداخته می‌شود.

تاکر و مالهوترا²¹ (2021) در پژوهشی تحت عنوان "تاثیر کوید 19 بر هوش کسب‌و‌کار ابری" با اشاره به تاثیرات ویروس کرونا در کسب‌و‌کارهای سراسر جهان و شرایطی که باعث دورکاری در سازمان‌ها گردید، سازمان‌ها را به ارائه راهکارهایی برای بهتر شدن عملیات کسب‌و‌کارشان ترغیب نمود. قبل از وضعیت شیوع ویروس کرونا، هر سازمان روی حداکثر کردن سود تمرکز داشت، اما امروز سازمان‌ها در حال گزینش شیوه‌هایی مانند رایانش ابری، هوش کسب‌و‌کار، شبکه عصبی، اینترنت اشیا، و بسیاری دیگراز فناوری‌ها هستند تا از طریق آن‌ها کسب‌و‌کارشان را بهبود بخشند. در این وضعیت همه‌گیری، هوش کسب‌و‌کار ابری نقش مهمی برای امور کسب‌و‌کار ایفا می‌کند. نتایج تحقیق نشان داد چگونه می‌توان از هوش کسب‌و‌‌کار ابری برای برآورده نمودن نیاز اکوسیستم کسب‌و‌کارها استفاده نمود. پاتیل و چاوان²² (2020) در پژوهشی به رشد سریع فناوری‌هایی نظیر اینترنت اشیا، خدمات مبتنی بر وب و واقعیت مجازی، هوش کسب وکار ابری که از روندهای فناورانه در دهه اخیراست، اشاره نمودند. نتایج تحقیق نشان داد با توجه به چالش‌هایی که سازمان‌ها با آن مواجه هستند (نظیر حجم زیاد داده ، قابلیت‌های ذخیره‌سازی، هزینه‌های بالای پیاده‌سازی پایگاه‌های داده با ظرفیت بالا و افزایش مصرف برق توسط سخت‌افزار)، سازمان‌ها برای غلبه بر چنین مشکلاتی نیاز به اجرای راه‌حل‌های رایانش ابری دارند. مزیت برنامه‌های کاربردی هوش کسب‌و‌کار ابری این است که آن‌ها در دستگاه‌های متعدد و مرورگرهای وب قابل دسترس هستند. رایانش ابری هزینه پیاده‌سازی استفاده از هوش کسب‌و‌کار را کاهش می‌دهد و دسترسی به آخرین نرم‌افزارهای موجود و به روز شده را برای پیشگامی در رقابت فراهم می‌کند. اقتصاد هوش کسب‌و‌کار با کاربست رایانش ابری تغییر خواهد کرد. زارور و بنمرزوگ ²³ (2019) اظهار کردند که امروزه برون‌سپاری فرایند کسب و کار همچنان به عنوان راهبرد منتخب سازمان‌ها برای مقابله با رقابت شدید بازار می‌باشد. این عمل با ظهور رایانش ابری شدت گرفته و با شیوه جدید مصرف و پرداخت منابع، توجه شرکت‌ها را به خود جلب کرده است. با این وجود، قرار گرفتن در معرض برون‌سپاری فرایندهای کسب‌و‌کار در برابر تهدیدات مربوط به فضای ابری و همچنین تنوع فضای ابری از نظر قیمت و کیفیت یکی از بزرگ‌ترین موانع در برون‌سپاری فرایندهای کسب‌و‌کار در فضای ابری می باشد، بنابراین سازمان‌ها باید عوامل مختلفی را بررسی کنند تا مشخص گردد کدام بخش های فرایند کسب وکار برای برون‌سپاری و اختصاص به صورت ابری مناسب است. نتایج تحقیق منجر به ارائه مدلی گردید که با در نظر گرفتن معیارهای امنیتی، انطباق، هزینه و عملکرد به سازمان‌ها در برون‌سپاری فرایندهای کسب‌و‌کار به محیط‌های چند ابری کمک می کند. ناویو-مارکو و همکاران (2018) در مقاله "پیشرفت در فناوری اطلاعات و ارتباطات و مدیریت گردشگری" به پیش‌بینی تحولات آینده گردشگری الکترونیکی وشناسایی تغییرات بحرانی که ممکن است بر ساختار صنعت گردشگری تأثیر بگذارد، پرداختند و سه محور مصرف‌کنندگان، تقاضا و نوآوری در فناوری را محورهای اساسی در بررسی خود قرار دادند و به نقش حیاتی فناوری اطلاعات، در افزایش رقابت‌پذیری سازمان‌ها و مقاصد گردشگری اشاره نمودند. وجیراکهون و چانگواتپول (2017) درپژوهشی با عنوان "کاربرد هوش کسب‌و‌کار در صنعت گردشگری: مطالعه موردی از برگزاری یک جشنواره محلی در تایلند" به دنبال پاسخ به این سوال اصلی بودند که چگونه می‌توان داده‌های گسترده جمع‌آوری شده در مورد کالاها، خدمات، گزینه‌ها و اقامت گردشگران را به اطلاعات معناداری تبدیل کرد تا سازمان‌دهندگان رویداد، رفتار گردشگران را به منظور افزایش رضایت‌مندی و افزایش درآمد و سود درک کنند. این مطالعه راهی برای ادغام چارچوب هوش کسب‌و‌کار برای مدیریت و تبدیل داده‌ها به بینش گردشگری جشنواره را تشریح می‌کند. این چارچوب، ترکیبی از معماری مدیریت پایگاه داده، تجزیه و تحلیل کسب‌و‌کار، مدیریت عملکرد تجاری و تجسم داده‌ها برای کمک به تحلیلگران در ترسیم دانش از داده‌های بازدیدکنندگان می باشد. اسکایریوس²⁴ و همکاران (2016) در مقاله خود با عنوان "نیروهای محرک فرهنگ هوش کسب‌وکار" به تغییر توجه پژوهشگران به سمت عوامل انسانی پذیرش هوش کسب و کار و مجموعه گسترده‌ای از عوامل انسانی تأثیرگذار در پذیرش هوش کسب‌و‌کار با عنوان فرهنگ هوش کسب‌و‌کار اشاره نمودند. نیروهای پیشران شناسایی شده برای موفقیت پذیرش هوش کسب‌و‌کار در تحقیق فوق عبارت بودند از: رویکردهای مبتنی بر داده، چابکی هوش کسب و کار، بلوغ هوش کسب‌و‌کار است. همچنین عوامل تاثیرگذار فرهنگ هوش کسب‌و‌کار شامل تسهیم و هم افزایی کار گروهی مجازی ²⁵ ، فعالیت هوش کسب‌و‌کار چند منظوره²⁶، ثبت تجارب آموخته، جامعه اطلاعاتی، تعادل عناصر هوش کسب‌و‌کار متمرکز و غیرمتمرکز و در انتها مدیریت فناوری است. نتایج تحقیق نشان داد اشتراک یکی از ویژگی های اساسی فرهنگ هوش کسب و کار است که از جریان اطلاعات متقابل عملکرد پشتیبانی می کند، در رویکردهای مبتنی بر داده ، شرکت کنندگان هوش کسب و کار منابع را به اشتراک می گذارند ، در حالی که برای رویکردهای مبتنی بر نیاز، نتایج را به اشتراک می گذرند. عبیدات²⁷ و همکاران (2015) در مقاله‌ای تحت عنوان " فناوری هوش کسب‌و‌کار، کاربردها، و روندها " به طور گسترده‌ای به بررسی کاربردهای متنوع هوش کسب‌و‌کار و ویژگی‌های طبقه‌بندی شده هوش کسب‌و‌کار مانند ادغام داده‌ها، تجزیه‌و‌تحلیل زمان واقعی، کارایی و اثربخشی متعادل، همکاری و کار گروهی پرداختند. در ادامه به ارائه مهم‌ترین جنبه‌های ذخیره‌سازی داده‌ها (ساختاریافته و بدون ساختار) و فناوری انبارداری داده‌ها، داده‌کاوی، و اطلاعات در فضای ابری پرداخته شد. نتایج تحقیق روندهای منتخب مانند اکتشاف و تجسم داده‌ها²⁸، بهبود هوش کسب‌و‌کار، رایانش ابری²⁹، هوش کسب‌و‌کار سلف سرویس³⁰ ، نرم‌افزار محصول منبع باز برای هوش کسب‌و‌کار³¹ و مسائل محاسبه هوش کسب‌و‌کار را به عنوان جهش‌های بعدی در هوش کسب‌و‌کار نشان داد. احمد³² (2015) در پژوهشی با ﻋﻨﻮان "ﮐﺴﺐ‌و‌ﮐﺎر ﻫﻮﺷﻤﻨﺪ ﺑﺮای اﯾﺠﺎد ﻣﺰﯾﺖ رﻗﺎﺑﺘﯽ ﭘﺎﯾﺪار"، به بررسی و ارزیابی ﺗـﺄﺛﯿﺮ ﻋﻮاﻣـﻞ ﺗﻌﺪﯾﻞ‌ﮐﻨﻨﺪه ﻣﺎﻧﻨﺪ اﺳﺘﺮاﺗﮋی و ﻓﺮﻫﻨﮓ ﺳﺎزﻣﺎﻧﯽ ﺑﺮ ﺗﻮﺳﻌﻪ ﮐﺴﺐ‌و‌ﮐﺎر ﻫﻮﺷﻤﻨﺪ و ﻣﺰﯾـﺖ رﻗﺎﺑﺘﯽ ﮐﺴﺐ‌و‌ﮐﺎر ﭘﺮداﺧﺖ. ﻧﺘﺎﯾﺞ اﯾﻦ ﺗﺤﻘﯿﻖ ﺣﺎﮐﯽ از آن اﺳﺖ ﮐﻪ ﺳﺎزﻣﺎن‌ﻫﺎﯾﯽ ﮐﻪ ﮐﺴﺐ‌و‌ﮐﺎر ﻫﻮﺷﻤﻨﺪ را ﺑـﺎ ﺣﻤﺎﯾـﺖ‌های ﻣـﺎﻟﯽ و اﺧﻼﻗﯽ ﻣﺪﯾﺮﯾﺖ ارﺷﺪ سازمان ﭘﯿﺎده‌ﺳﺎزی ﮐﺮده‌اﻧﺪ، ﻓﺮﺻﺖ‌های ﺑﯿﺸﺘﺮی ﺟﻬﺖ ﭘﯿﺸﺮﻓﺖ و ارﺗﻘـﺎ در دﺳﺖ دارﻧﺪ. شریعتی و همکاران (1399) در پژوهشی با عنوان "عوامل موثر بر مدل کسب‌و‌کارهای الکترونیکی در صنعت گردشگری" به بررسی و شناسایی عوامل موثر بر مدل کسب‌و‌کارهای الکترونیکی در صنعت گردشگری پرداختند. عوامل موثر شناسایی شده شامل تاثیر شرکای کلیدی، فعالیت‌های کلیدی، منابع کلیدی، ارزش پیشنهادی، ارتباط با مشتری، کانال‌های ارتباطی، ساختار هزینه، جریان درآمدی، فرهنگ ﮐﺴﺐ‌و‌ﮐﺎر الکترونیک، زنجیره تامین کسب‌و‌کارهای الکترونیکی در صنعت گردشگری است. نتایج تحقیق نشان داد که این عوامل باعث افزایش بهره‌وری و موفقیت کسب‌و‌کارهای الکترونیکی در صنعت گردشگری می‌شوند. ملکی و همکاران (1398) در پژوهشی با عنوان" آینده‌پژوهی گردشگری مذهبی استان قم با رویکرد سناریونگاری" به شناخت ‌پیشران‌ها ‌و ‌عوامل‌ کلیدی ‌تأثیرگذار‌ در‌آینده ‌گردشگری ‌مذهبی ‌استان ‌قم پرداختند. سناریوهای باورپذیر تحقیق حاضر عبارت بودند از: سناریوی دنیای آشوب‌زده، سناریوی شهر پایدار، سناریوی شهر زیبا و سناریوی شهر سوخته. برای تعیین پیشران‌های نهایی تحقیق به منظور شکل‌گیری سناریوهای باورپذیر از تکنیک عدم قطعیت بحرانی استفاده شد. سناریوهای باورپذیر تحقیق حاضر از برخورد دو عدم قطعیت تحریم‌های خارجی و توسعه شهر بر مبنای مزیت رقابتی شکل گرفت. سناریوی شهر زیبا وضعیتی را نشان می‌دهد که تحریم‌های خارجی کاهش می‌یابد و توسعه شهر مبتنی بر مزیت رقابتی آن یا گردشگری مذهبی خواهد بود و بهترین آینده را نشان می‌دهد. از طرفی سناریوی شهر سوخته معرف بدترین وضعیتی است که ممکن است رخ دهد. این سناریو از محل تلاقی افزایش تحریم‌ها و توسعه ناهماهنگ و نامنظم شهری ایجاد خواهد شد. دلپسند و محقق (1397) در پژوهشی تحت عنوان "بررسی تاثیر هوش کسب‌و‌کار بر چابکی سازمان در بیمارستان‌های مقصد گردشگری سلامت (مطالعه موردی شهر تهران) " با مطالعه مبانی نظری و تحقیق از تعداد ۱۴۰ نفر از جامعه آماری مدیران و کارکنان و بیماران بیمارستان‌های مقصد گردشگری سلامت شهر تهران، به شناسایی ابعاد زیر پرداختند. متغیرهای شناسایی شده شامل متغیرهـای یکپـارچگی داده‌هـا، متغیرهـای قـابلیت‌هـای تحلیلی، کیفیت محتوای اطلاعاتی، کیفیت دسترسی بـه اطلاعات، اســتفاده از اطلاعات در فـرآیند کسب‌و‌کار و فرهنگ تصمیم‌گیری تحلیلی است. نتایج تحقیق نشان داد متغیرهای فوق، متغیر چابکی سازمانی را پشتیبانی می کنند. نظری سالاری و همکاران (1395) به شناسایی موانع بکارگیری هوش کسب‌و‌کار در صنعت گردشگری ایران پرداختند. ابعاد شناسایی شده شامل موانع مربوط به داده‌ها، موانع مدیریتی، موانع فرهنگی، عدم آموزش و آگاهی‌رسانی، موانع مربوط به نیروی انسانی، موانع سیاسی و قانونی، عدم اعتماد درانتقال دانش، موانع سازمانی، عدم یکپارچگی سیستم‌ها، موانع مربوط به تامین بودجه طرح‌های هوش مصنوعی، موانع مربوط به زیرساخت‌ها است. با ارزیابی ابعاد و شاخص‌ها، مدل موانع بکارگیری هوش کسب‌و‌کار در صنعت گردشگری ایران استخراج شد. اسکافی و عبدی (1395) در پژوهشی با عنوان "ارائه مدل پذیرش هوش کسب‌و‌کار در صنعت گردشگری در ایران"، به شناسایی و تحلیل عوامل موثر بر پذیرش هوش کسب‌و‌کار در صنعت گردشگری ایران اقدام کردند. با بررسی دیدگاه مدیران و کارکنان مشخص شد که عوامل مختلفی مانند آموزش کارکنان، داشتن تجربه کارکنان در استفاده از فناوری اطلاعات، اضطراب رایانه‌ای کارکنان، حمایت مدیران ارشد و یکپارچگی صنعت گردشگری بر پذیرش هوش کسب‌و‌کار، در صنعت گردشگری ایران تاثیر دارد. نتایج پژوهش نشان داد صنعت گردشگری برای موفقیت در کسب‌و‌کار باید به تدوین راهبردهای متناسب در رابطه با یکپارچگی راهبردهای کسب‌و‌کار با فناوری اطلاعات، تلاش در جهت نیل به اهداف سازمان با توجه به راهبردهای فناوری اطلاعات مطرح شده و برنامه‌ریزی برای ارتقاء سطح آگاهی و دانش رایانه‌ای مدیران و کارکنان به منظور پذیرش بهتر و استفاده مناسب از هوش کسب‌و‌کار در سازمان‌ها بپردازد.

روش‌شناسی تحقیق

پژوهش حاضر از منظر مبانی فلسفی، پراگماتیسم؛ از جهت هدف، اکتشافی و از حیث جهت‌گیری، کاربردی است. همچنین پژوهش فعلی از منظر گردآوری داده‌ها، پژوهشی پیمایشی است و روش‌شناسی آن آمیخته می‌باشد. در این پژوهش، دو تکنیک فراترکیب و بهترین- بدترین فازی بکار گرفته شده است. جامعه آماری پژوهش مشتمل بر تصمیم‌سازان دولتی گردشگری، مدیران و کارآفرینان بخش خصوصی و متخصصین هوش کسب‌و‌کار می‌باشد. همچنین روش نمونهگیري به صورت قضاوتی و مبتنی بر تخصص خبرگان می باشد. قابل ذکر است حجم نمونه در این پژوهش 15 نفر میباشد که مشخصات آنها به شرح جدول زیر است.

جدول 1. مشخصات خبرگان پژوهش

ردیف	مشخصات خبرگان	تعداد خبرگان
1	مدیران و تصمیم‌سازان دولتی	4
2	مدیران و کارآفرینان بخش خصوصی	5
3	متخصصین هوش کسب‌و‌کار	6

مراحل تحقیق حاضر عبارتند از:

1. مرور سیستماتیک پیشینه و مصاحبه با خبرگان گردشگری برای تعیین پیشران‌های کلیدی موثر روی آینده هوش کسب‌و‌کار در صنعت گردشگری ایران؛

2. اولویت‌بندی پیشران‌های کلیدی با بکارگیری بهترین- بدترین فازی؛

3. ارائه پیشنهاد با توجه به اولویت‌دارترین پیشران‌ها.

در ادامه هر یک از این روش‌ها توضیح داده می‌شوند. فراترکیب را می‌توان مطالعه و بررسی سیستماتیک تحقیقات پیشین دانست. فراترکیب مستلزم آن است که پژوهشگر بازنگری دقیق و عمیقی را نسبت به متون علمی مورد نظر انجام دهد و یافته‌های پژوهش‌های پیشین را با هم تلفیق کند. در حین این بررسی، ابعاد و مؤلفه‌های پژوهش بهتر بازنمایی می‌شود، بنابراین فراترکیب به بازنمایی نتایج بیش از هر یک از تحقیقات پیشین کمک می‌کند. گام‌های فراترکیب عبارتند از:

گام اول: تنظیم سوالات پژوهش

گام دوم: بررسی نظام‌مند متون علمی

گام سوم: جست‌وجو و بررسی مقالات مرتبط

گام چهارم: استخراج اطلاعات مقالات

گام پنجم: تجزیه‌وتحلیل و تلفیق یافته‌های کیفی

گام ششم: کنترل کیفیت

گام هفتم: ارائه یافته‌ها (سینگ³³، 2013).

برای رتبه‌بندی پیشران‌های تحقیق، روش بهترین- بدترین فازی مورد استفاده قرار خواهد گرفت. روش بهترین -بدترین فازی نیز مانند سایر روش‌های فازی، روشی است که نسبت به روش‌های قطعی، عدم اطمینان را بهتر نمایش می‌دهد. این روش در سال 2017 توسط جو و ژو³⁴ بیان شد. آن‌ها سعی کردند تا روش بهترین-بدترین را در یک محیط فازی توسعه داده و با استفاده از متغیرهای زبانی نظر خبرگان را در باب معیارها مورد ارزیابی قرار دهند. اعدادی که این محققان برای ارزیابی معیارها از نظر خبرگان در شرایط فازی مورد استفاده قرار داده‌اند، اعداد فازی مثلثی است (جو و ژو، 2017). جدول 2، متغیرهای زبانی مورداستفاده در روش بهترین- بدترین فازی را نمایش می‌دهد.

جدول 2. متغیرهای زبانی فازی

متغیرهای زبانی	نماد	اعداد فازی
اهمیت یکسان	E	(1,1,1)
اهمیت کم	LI	(3/2,1,2/3)
نسبتاً مهم	RI	(2/3,2,2/5)
خیلی مهم	VI	(2/5,3,2/7)
کاملاً مهم	EI	(2/7,4,2/9)

گام‌های روش بهترین- برترین فازی به شکل زیر است.

گام اول، تعیین مجموع معیارهای تصمیم‌گیری: مجموع معیارهای تصمیم‌گیری، معیارهایی هستند که به محقق در ارزیابی گزینه‌ها کمک می‌کنند. این معیارها باید با کمک نظر خبرگان استخراج شود. فرض کنید معیارهای تصمیم‌گیری ما، هستند.

گام دوم، شناسایی مهم‌ترین معیار و کم‌اهمیت‌ترین معیار: در این گام خبرگان باید با نظر خود بهترین و بدترین معیار را انتخاب کنند. بهترین معیار با و بدترین معیار با نشان داده می شود.

گام سوم، مقایسه‌ی مهم‌ترین معیار با سایر معیارها: با استفاده از متغیرهای زبانی موجود در جدول2 مهم‌ترین معیارها را با سایر معیارها مقایسه کنید. نتایج مقایسه بهترین معیار نسبت به سایر معیارها در رابطه 1 نشان داده‌شده است.

نشان‌دهنده‌ی ترجیح مهم‌ترین معیار B نسبت به سایر معیارهای است. معیار ، در نظر گرفته شود.

گام چهارم، مقایسه‌ی سایر معیارها با بدترین معیار: در این قسمت با استفاده از متغیرهای زبانی جدول 2 سایر معیارها نسبت به ضعیف‌ترین معیار سنجیده می‌شود. نتایج مقایسه سایر معیارها نسبت به بدترین معیار در رابطه 2 نشان داده‌شده است.

نشان‌دهنده‌ ترجیح سایر معیارهای نسبت به معیار است. معیار ، در نظر گرفته شود.

گام پنجم، دستیابی به وزن بهینه: وزن مطلوب برای هر معیار، جایی است که برای هر جفت و باشد. در این صورت و . برای دست‌یابی به این شرایط برای تمامی ها، باید راه‌حلی را تعریف نمود که حداکثر شکاف مطلق را برای تمام ها حداقل نماید.

در تکنیک بهترین- بدترین فازی اعداد، و اعدادی فازی هستند و با اعداد مثلثی فازی نشان داده می‌شوند که متمایز از اعداد بهترین-بدترین قطعی است. در اغلب موارد ترجیح داده می‌شود که از استفاده شود. بنابراین می‌توان؛ مسئله‌ی بهینه‌سازی وزن معیارها را با استفاده از رابطه 3 فرمول نویسی کرد.

s.t.

محاسبه‌ نرخ ناسازگاری

در ابتدا با استفاده از رابطه 4 شاخص ناسازگاری محاسبه می‌شود.

سپس با قرار دادن این شاخص در رابطه 5 نرخ ناسازگاری موردمحاسبه قرار می‌گیرد.

جدول3 نرخ ناسازگاری روش بهترین-بدترین را نشان می‌دهد.

جدول 3- نرخ ناسازگاری

یافته‌های پژوهش

پیشران‌های کلیدی پژوهش از طریق مرور سیستماتیک پیشینه و مصاحبه با خبرگان استخراج شدند. این پیشران‌ها در جدول زیر آورده شده است. در این پژوهش پایگاه‌های داده مختلفی بین سال‌های ۲۰۰۰ تا ۲۰20 میلادی( ۱۳90 تا ۱۳۹9 شمسی) مورد جستجو و ارزیابی قرار گرفت. در پایگاه‌‌‌‌های داده منتخب، واژگان کلیدی خاصی برای جستجوی مقالات بکار گرفته شد. واژگانی چون هوش کسب‌و‌کار، گردشگری و آینده گردشگری، کاوش شدند. بعد از جستجوی گسترده، 88 عنوان مقاله در این زمینه طی بازه‌ی زمانی مورد نظر استخراج شد. در شکل زیر فرایند غربال مقالات استخراجی نمایش داده شده است.

شکل 1. الگوریتم غربال مقالات

همچنین در این پژوهش برای افزایش اعتبار از برنامه مهارت‌های ارزیابی حیاتی³⁵ جهت انتخاب مطلوب‌ترین مقالات استفاده شد. در این بخش مقالات غربالی از طریق ۱۰ پرسش روش CASP مورد ارزیابی قرار گرفت و بهترین مقالات گزینش شدند. در این مرحله هدف اصلی، احصا اطلاعات ضروری کلیدی از مقالات است. تعداد کدها و معیارهای استخراجی پژوهش پس از کاربست فراترکیب، 26عدد بود. 4 مورد هم توسط خبرگان به این لیست اضافه شد. مقالات نهایی برای بررسی، 21 عدد بود.

جدول 4. پیشران‌های کلیدی تحقیق

کاملاً مهم	خیلی مهم	نسبتاً مهم	اهمیت کم	اهمیت یکسان	متغیرهای زبانی
(2/7,4,2/9)	(2/5,3,2/7)	(2/3,2,2/5)	(3/2,1,2/3)	(1,1,1)

توضیحات	منابع	پیشران
سیستم‌های هوش کسب‌و‌کار با نیروی انسانی شاغل در سازمان تعامل دارند. وقتی تعامل به بهترین نحو انجام شود در آن صورت کارایی سیستم به بهترین حالت می‌رسد.	این و همکاران (2019) ، آهو³⁶ (2015)	نیروی انسانی³⁷
اجرای آموزش و بهسازی نیروی انسانی سبب می شود تا افراد بتوانند متناسب با تغییرات سازمانی و محیط، به طور موثر فعالیت‌هایشان را ادامه داده و بر کارایی خود بیفزایند.	این و همکاران (2019)، اسکافی و عبدی (1395)، خان و همکاران (2010)	آموزش نیروی انسانی
آمادگی فنی به معنی توانایی در طراحی، تولید، راه‌اندازی، مدیریت و نگهداری محیط فنی هوش کسب‌و‌کار(سخت‌افزار و نرم‌افزار) برای پشتیبانی از اهداف تجاری هوش کسب‌و‌کاراست .	این و همکاران (2019)، اسکایریوس و همکاران (2016)، نظری سالاری و همکاران (1395)، خان و همکاران (2010)	زیر ساخت‌های فنی
تصمیم‌گیری داده‌محور فرایند تصمیم‌گیری بر اساس داده‌ها است و میزان درك سازمان از نقش اطلاعات در بهبود موقعیت‌ها می باشـد.	آهو (2015)، نظری سالاری و همکاران (1395)	فرهنگ تصمیم‌گیری داده محور³⁸
پشتیبانی مالی و اخلاقی مدیریت و اعتقاد و ضرورت به لزوم هوش کسب و کار در سازمان‌ها و دیدگاه بین‌المللی داشتن را شامل می شود.	نظری سالاری و همکاران (1395) ، اسکافی و عبدی(1395) ، احمد (۲۰۱۵)	سبک مدیریت
رایانش ابری در دسترس قرار دادن سخت‌افزار، ایجاد شبکه، امنیت و نرم‌افزار در قالب سه نوع سرویس نرم‌افزار³⁹ و پلتفرم⁴⁰ و زیرساخت به عنوان سرویس⁴¹ می‌باشد.	تاکر و مالهوترا (2021)، پاتیل و چاوان (2020)، زارور و بنمرزوگ (2019)، بوهالیس و لئونگ (2018)	توسعه خدمات رایانش ابری⁴²
ملاحظات سياسي و قانونی، عوامل دولتي یا قانوني هستند که سازمان در قالب آن به فعالیت می‌پردازد.	کروبی و همکاران (1399)، ده‌ده‌زاده سیلابی و احمدی فرد(۱۳۹۸)، نظری سالاری و همکاران (1395)	ملاحظات سیاسی و قانونی
وظیفه دولت و سازمان‌های تابعه به عنوان ارگان‌های خط‌مشی‌گذار کسب‌و‌کارها(کاهش سود بانک‌ها-تخصیص وام-معافیت‌های مالیاتی)برای کسب‌و‌کارهای گردشگری است.	کروبی و همکاران (1399)، خان و همکاران (2010)	حمایت‌های دولتی
تحریم‌های خارجی تاثیر بسیار منفی روی کسب‌و‌کار گردشگری دارند.	کروبی و همکاران(1399) ،ده‌ده‌زاده سیلابی و احمدی فرد(۱۳۹۸)، ملکی و همکاران (1398)	تحریم‌های خارجی (گشودگی بین‌المللی)
ذهنیت و میزان آگاهی مدیران دولتی از مزایای هوش کسب‌و‌کار و طرح‌ها و پروژه‌های هوش کسب‌و‌کار است.	نظری سالاری و همکاران(1395)، خان و همکاران (2010)	نگرش مدیران دولتی
هرچه تعداد گروه‌های ذی‌نفع بیشتر بوده و تعارض منافع آن‌ها بیشتر باشد، امکان توافق در مورد موضوعات مبنایی سخت‌تر است.	کروبی و همکاران (1399)، ملکی و همکاران (1398)	گروه‌های ذینفع
در بازاریابی‌هایی که از داده و اطلاعات بهره می‌گیرند، نیاز به هوش کسب‌و‌کار بیشتر می شود. چرا که یک رکن اصلی بازاریابی استفاده از داده‌ها می‌باشد.	ملکی و همکاران(1398)، خان و همکاران (2010)	توسعه روش‌های بازاریابی در گردشگری
عدم کیفیت داده در سیستم‌های عملیاتی و مکانیزه، یکی از مهم‌ترین عوامل شکست پروژه‌های هوش کسب‌و‌کار است.	این و همکاران (2019)، ناویو-مارکو و همکاران (2018)، دلپسند و محقق(۱۳۹۷)، نظری سالاری و همکاران (1395)	کیفیت داده‌ها⁴³
یکی از مشکلات بزرگ در ایران عدم دسترسی به داده‌ها است و در هوش کسب‌و‌کار، دسترسی به داده‌ها از ارکان اصلی کار می باشد و بدون داده، برنامه‌ریزی انجام نمی‌شود.	بوهالیس و لئونگ (2018)، دلپسند و محقق(۱۳۹۷)	امکان دسترسی به داده‌ها
با توجه به اینکه داده‌ها، تحلیل‌ها و حکمرانی داده‌ها، هسته هر کسب‌وکاری به شمار می‌روند، امنیت یکی از مهم‌ترین روندهای هوش کسب‌و‌کار می باشد.	زارور و بنمرزوگ (2019)، نظری سالاری و همکاران (1395)، خان و همکاران (2010)	ملاحظات امنیتی
هرچه سرمایه‌گذاری بیشتری وارد صنعت گردشگری شود در نتیجه سرمایه‌گذاری در هوش کسب‌و‌کار هم افزایش خواهد یافت.	ملکی و همکاران (1398)	سرمایه گذاری خارجی در صنعت گردشگری
هر صنعت یا حوزه‌ای برای رشد نیاز به زیرساخت‌هایی دارد که در اغلب کشورها، دولت متولی آن است.	نظری سالاری و همکاران (1395)	سرمایه گذاری دولت روی زیرساخت‌های هوش کسب‌و‌کار
هزینه شامل کلیه هزینه‌های زیرساخت فنی مورد نیاز و استقرار انباره داده و راه‌اندازی، اجرا و نگهداری هوش کسب‌و‌کار و هزینه جابجایی داده بین سیستم‌ها است.	پاتیل و چاوان (2020)، زارور و بنمرزوگ (2019)	هزینه‌های هوش کسب‌و‌کار
منظور ذهنیتی است که ذی‌نفعان در مورد مزایای گردشگری دارند.	نظری سالاری و همکاران(1395) ، خان و همکاران (2010)	سودآوری ادراک شده از منافع هوش کسب‌و‌کار
رشد گردشگری و لوازم آن (از جمله هوش کسب‌و‌کار) نیازمند هماهنگی و یکپارچگی دستگاه‌های تصمیم‌ساز و اثر گذار در حوزه گردشگری در دو بعد سیاست‌گذاری و اجرا است.	کروبی و همکاران (1399)، ده‌ده‌زاده سیلابی و احمدی فرد(۱۳۹۸)	یکپارچگی سیاست‌های مدیران محلی در مورد توسعه گردشگری
وجود یک زنجیره تامین منسجم و یکپارچه که با یک سیستم اطلاعاتی قوی، اجزای زنجیره به هم وصل شده باشند.	شریعتی و همکاران (1399)	زنجیره تامین خدمات گردشگری
ورود گردشگران خارجی باعث افزایش انتظارات از خدمات گردشگری و زیرساخت‌های مربوط به آن می‌شود.	مصاحبه	ورود گردشگران خارجی
شوک‌های اقتصادی، تهدیدات و تکانه‌های اجتماعی و سیاسی و زیست‌محیطی بر رونق گردشگری تاثیر دارند .	تاکر و مالهوترا (2021)	تهدیدات محیطی
مجموعه ای از قوانین، سیاست‌ها، اقدامات و محیطی که کسب‌و‌کارهای گردشگری در آن فعالیت می‌کنند.	ملکی و همکاران (1398)	فضای کسب‌و‌کار گردشگری
برای اینکه هوش کسب‌و‌کار مورد استفاده قرار گیرد باید فرهنگ داده‌محور و اعتماد مدیران و افراد به یکدیگر وجود داشته باشد.	مصاحبه	سرمایه اجتماعی
ساختار مجموعه‌ای از فرآیندها، رویه‌ها و سیستم مدیریتی است که ساختارهای نرم و منعطف از هوش کسب‌و‌کار استفاده می‌کند .	مصاحبه	ساختار سازمانی کسب‌و‌کارهای گردشگری
شدت رقابت باعث افزایش کیفیت خدمات گردشگری شده و یکی از لوازم افزایش کیفیت خدمات استفاده از فناوری و از جمله هوش کسب‌و‌کار است.	ده‌ده‌زاده سیلابی و احمدی فرد(۱۳۹۸)	رقابت
هر چه کسب‌و‌کارها منعطف‌تر باشند، اقبال بیشتری به استفاده از فناوری و موارد جدید نشان می‌دهند.	بوهالیس و لئونگ (2018)	انعطاف‌پذیری و چابکی کسب‌و کارهای گردشگری
کسب‌و‌کارهای مشتری‌محور سعی می‌کنند خدمات را بهبود بدهند و برای تحقق این هدف، نیاز به فناوری و هوش کسب‌و‌کار خواهد بود.	مصاحبه	رویکرد کسب‌و‌کارها به مشتری
منظور لوازم و فناوری‌هایی است که به رشد هوش کسب‌و‌کار کمک می کنند.	وجیراکهون و چانگواتپول (2017)، عبیدات و همکاران (2015)	توسعه ابزارهای فناورانه

پیشران‌های مورد نظر با بکارگیری آزمون بینم غربال شدند. آزمون بینم آزمونی ناپارامتریک است که برای غربال عوامل مورد استفاده قرار می‌گیرد. 12 عامل با توجه به نتایج آزمون بینم از نظر خبرگان ضعیف تشخیص داده شده و حذف شدند. در ادامه این پیشران‌ها با استفاده از روش بهترین- بدترین فازی اولویت‌بندی می‌شوند.

جدول5. معیارهای انتخاب شده

پیشران
فرهنگ تصمیم‌گیری داده‌محور	C1
توسعه خدمات رایانش ابری	C2
ملاحظات سیاسی و قانونی	C3
حمایت‌های دولتی	C4
تحریم‌های خارجی (گشودگی بین‌المللی)	C5
نگرش مدیران دولتی	C6
گروه‌های ذی‌نفع	C7
امکان دسترسی به داده‌ها	C8
سرمایه‌گذاری خارجی در صنعت گردشگری	C9
سرمایه‌گذاری دولت روی زیرساخت‌های هوش کسب‌و‌کار	C10
سودآوری ادراک شده از منافع هوش کسب‌و‌کار	C11
یکپارچگی سیاست‌های مدیران محلی در مورد توسعه گردشگری	C12
ورود گردشگران خارجی	C13
فضای کسب‌و‌کار گردشگری	C14
سرمایه اجتماعی	C15
رقابت	C16
انعطاف‌پذیری و چابکی کسب‌و کارهای گردشگری	C17
توسعه ابزارهای فناورانه	C18

پس از دست‌یابی به معیارها، باید وزن هر یک از معیارها مورد ارزیابی قرار گیرد تا مشخص شود از بین معیارهای موجود کدام‌یک دارای اهمیت بیشتری است. برای ارزیابی وزن معیارها از روش بهترین- بدترین فازی کمک گرفته شد. برای دست‌یابی به این امر با توجه به نظرات خبرگان، بهترین معیار «C5» و بدترین معیار «C14» در نظر گرفته شد. بعد از آن خبرگان نظرات خود را راجع به مقایسه بهترین معیار با سایر معیارها و سایر معیارها با بدترین معیار را در جدول 6 و 7 بیان کردند.

جدول6. مقایسه بهترین معیار با سایر معیارها

C18

C17

C16

C15

C14

C13

C12

C11

C10

C14

جدول7- مقایسه سایر معیارها با بدترین معیار

C11
RI	C1
E	C2
RI	C3
VI	C4
VI	C5
RI	C6
RI	C7
RI	C8
EI	C9
RI	C10
E	C11
RI	C12
EI	C13
EI	C14
EI	C15
EI	C16
RI	C17
E	C18

پس از این که خبرگان نظر خود را راجع به هر یک از معیارها بیان کردند. این نظرات با استفاده از رابطه زیر مدلسازی غیرخطی می شود.

s.t.

پس از دست‌یابی به مدل‌سازی غیرخطی، این مدل باید به شیوه‌ی زیرخطی شود.

s.t.

;

پس از خطی سازی مدل فوق، این مدل باید در نرم‌افزار لینگو حل شود تا وزن هر یک از متغیرها به دست آید. جدول 8 نتایج به‌دست‌آمده از جدول لینگو را نشان می‌دهد. اعداد به‌دست‌آمده از نرم‌افزار لینگو اعدادی فازی هستند که باید به اعداد قطعی تبدیل شوند.

جدول8. وزن معیارها

معیارها	وزن فازی	وزن قطعی
C1	[065/0,092/0,097/0]	088/0
C2	[035/0,039/0,043/0]	041/0
C3	[036/0,038/0,044/0]	039/0
C4	[049/0,064/0,065/0]	062/0
C5	[075/0,078/0,08/0]	078/0
C6	[048/0,064/0,066/0]	063/0
C7	[046/0,063/0,069/0]	062/0
C8	[035/0,038/0,053/0]	04/0
C9	[05/0,064/0,065/0]	062/0
C10	[057/0,064/0,065/0]	064/0
C11	[013/0,016/0,017/0]	016/0
C12	[049/0,065/0,068/0]	065/0
C13	[027/0,028/0,032/0]	028/0
C14	[092/0,093/0,096/0]	093/0
C15	[049/0,064/0,065/0]	063/0
C16	[048/0,064/0,066/0]	062/0
C17	[025/0,033/0,039/0]	033/0
C18	[013/0,0.029,04/0]	028/0

همچنین نرخ ناسازگاری برابر با 0039/0 بدست آمد. با توجه به اینکه مقدار آن کمتر از 1/0 است، درنتیجه مقایسات زوجی صورت گرفته سازگار می‌باشد.

بحث و نتیجه‌گیری

پژوهش حاضر با هدف شناسایی پیشران‌های موثر روی آینده هوش کسب‌و‌کار در گردشگری انجام شده است. هوش کسب‌و‌کار قابلیت‌های بسیاری را در اختیار کسب‌و‌کارها برای شناسایی و پیش‌بینی روندها، تحلیل رقابت و نیازهای مشتریان قرار می‌دهد. با مرور سیستماتیک پیشینه و مصاحبه با خبرگان تحقیق، 30 پیشران شناسایی شد. در مرحله بعد این پیشران‌ها با استفاده از آزمون بینم تحلیل شدند و 12 عامل حذف گردید. 18 عامل باقیمانده با بکارگیری تکنیک بهترین- بدترین فازی وزن‌دهی و اولویت‌بندی شدند. از میان پیشران‌های پژوهش، پیشران‌های فضای کسب‌و‌کار گردشگری، فرهنگ تصمیم‌گیری داده‌محور، تحریم‌های خارجی و یکپارچگی سیاست‌های مدیران محلی در مورد توسعه گردشگری بیشترین وزن را داشتند.

پژوهش‌های انجام شده در زمینه هوش کسب‌و‌کار تنوع گسترده‌ای دارند. بخش عمده تحقیقات به بررسی کاربردها و قابلیت‌های هوش کسب‌و‌کار روی گردشگری پرداخته‌اند (پاتیل و جوان، 2020؛ ناویو-مارکو و همکاران، 2018؛ وجیراکهون و چانگواتپول، 2017؛ عبیدات و همکاران، 2015؛ دلپسند و محقق، 1397). برخی دیگر از پژوهش‌ها، موانع پیاده‌سازی و بکارگیری هوش کسب‌و‌کار را در صنعت گردشگری مورد ارزیابی قرار داده‌اند (نظری سالاری و همکاران، 1395). بعضی از پژوهشگران، مقوله هوش کسب‌و‌کار را از منظر نیروی انسانی و فرهنگ بررسی کرده‌اند (اسکایریوس و همکاران، 2016). دسته دیگری از پژوهش‌ها تلاش خود را به ارائه مدل برای پذیرش هوش کسب‌و‌کار در صنعت گردشگری متمرکز کرده‌اند (اسکافی و عبدی، 1395). در زمینه شناسایی پیشران‌ها و آینده‌های گردشگری، تمرکز روی کلیت صنعت گردشگری بوده (جندقی و همکاران، 2019؛ فتحی و همکاران، 2019؛ ملکی و همکاران، 1398) و موضوع فناوری و هوش کسب‌و‌کار در گردشگری کمتر مورد توجه قرار گرفته است. نکته جالب در تحقیقات مرتبط با آینده گردشگری این است که تحریم‌های خارجی به عنوان یکی از مهم‌ترین پیشران‌ها در شکل‌گیری آینده گردشگری مطرح شده است. در این پژوهش هم تحریم‌های خارجی به عنوان یکی از مهم‌ترین پیشران‌ها در شکل‌گیری آینده هوش کسب‌و‌کار در صنعت گردشگری در نظر گرفته شده است.

در ادامه پیشنهادات کاربردی پژوهش با توجه به یافته‌های پژوهش مطرح می‌شوند. مهم‌ترین پیشران پژوهش برای شکل‌دهی به آینده هوش کسب‌و‌کار در صنعت گردشگری، فضای کسب‌و‌کار گردشگری است. بدون رونق کسب‌و‌کار گردشگری در کشور و ورود گردشگران خارجی در این صنعت فضای رقابتی شکل نخواهد گرفت. بدون فضای رقابتی، ظرفیتی برای استفاده از فناوری‌هایی مانند هوش کسب‌و‌کار در این صنعت وجود نخواهد داشت. از طرفی رونق کسب‌و‌کار گردشگری باعث ورود پول و نقدینگی به این صنعت شده و کسب‌و‌کارها بخشی از این نقدینگی را صرف بهبود و توسعه خود خواهند نمود. از سوی دیگر اصلاح قوانین مالیاتی، بانکی و قضائی و توسعه زیرساخت‌های فناورانه، موانع پیاده‌سازی هوش کسب‌و‌کار در این صنعت را مرتفع می‌سازد. پیشران دوم، به فرهنگ تصمیم‌گیری در کسب‌و‌کارها و مدیران متولی گردشگری مربوط می‌شود. بدون توسعه سبک تصمیم‌گیری مبتنی بر داده و واقعیات میان مدیران کسب‌و‌کارها و سیاست‌گذاران، ضرورت بکارگیری هوش کسب‌و‌کار به خوبی درک نخواهد شد. فقدان شفافیت در میان دستگاه‌های مسئول، فضای سوء ظن میان کسب‌و‌کارها و نبود سرمایه اجتماعی و تصمیم‌گیری بر مبنای سلایق و ذهنیات به جای توجه به داده‌ها و واقعیات باعث می‌شود نه‌تنها نیازی برای توسعه زیرساخت‌های فناورانه هوش کسب‌و‌کار میان مدیران و سیاست‌گذاران دولتی وجود نداشته باشد، حتی کسب‌و‌کارها هم به استفاده از این فناوری‌ها روی خوش نشان ندهند. در حقیقت بدون توسعه شفافیت در زمینه اطلاع‌رسانی، وجود پایگاه داده‌های قوی و در دسترس، سرمایه اجتماعی قوی و توسعه سبک تصمیم‌گیری علمی داده‌محور امکان توسعه قابلیت‌های هوش کسب‌و‌کار در گردشگری عملاً غیر ممکن خواهد بود. در این زمینه، استفاده از تجربیات بین‌المللی موفق در حوزه هوش‌کسب‌و‌کار در گردشگری، تدوین قوانین و سیاست‌های مناسب برای توسعه شفافیت اطلاعاتی، آموزش کاربردی نیروی کار گردشگری برای آشنایی با علم تحلیل‌داده‌ها و توجه دانشگاه‌ها و موسسات آموزشی به این حوزه، حمایت دولت برای توسعه زیرساخت‌های فناوری اطلاعات و الزام سازمان‌ها به ارائه اطلاعات شفاف نقش مهمی در توسعه فرهنگ تصمیم‌گیری داده‌محور خواهد داشت. پیشران بعدی تحریم‌های خارجی است که از چند مسیر به صنعت گردشگری آسیب وارد می‌سازد. یکی اینکه صنعت گردشگری را از رونق می‌اندازد، دوم اینکه به دلیل محدودیت‌های بین‌المللی، امکان استفاده از فناوری‌های پیشرفته وجود نخواهد داشت. این پیشران نیروی محرکه بسیار مهمی است که نیاز به اجماع سیاست‌گذاران برای بهبود مناسبات با کشورهای دیگر و تلاش‌های دیپلماتیک وزارت خارجه و دستگاه‌های مسئول دارد. چرا که بدون بهبود مناسبات تجاری و فرهنگی با کشورهای دیگر، کلیت فضای کسب‌و‌کار گردشگری دچار آسیب شده و رکود گردشگری امکان هر گونه پیشرفت و بهبود در کسب‌و‌کارهای گردشگری را با مشکل مواجه می‌سازد. در رابطه با یکپارچگی سازمان‌ها و نهادهای مسئول محلی هم باید گفت که حتی در صورت وجود برنامه‌ها و چشم‌اندازهای عالی در زمینه توسعه گردشگری، اگر مدیران دستگاه‌ها و نهادهای محلی با هم اختلاف نظر داشته باشند، کسب‌و‌کارهای گردشگری با موانع و چالش‌های بسیاری روبرو می‌شوند. در حقیقت در صورت تعقیب اهداف بخشی از سوی سازمان‌ها به جای هماهنگی برای تحقق اهداف ملی و منطقه‌ای، امکان توسعه پایگاه‌های اطلاعاتی قوی و شفافیت در فرایند تصمیم‌گیری میسر نخواهد بود. صنعت گردشگری برای رشد و شکوفایی به اطلاعات گسترده‌ای در مورد روندها، گردشگران، نیازها و خواست‌های گردشگران، امکانات موجود و ضعف‌های مربوطه نیاز دارد. تنش و تعارض میان دستگاه‌ها، زیرساخت‌های سخت‌افزاری و نرم‌افزاری مورد نیاز برای توسعه هوش کسب‌کار را مهیا نکرده و کسب‌و‌کارها را به استفاده از ابزارها و رویکردهای سنتی تشویق خواهد کرد. در رابطه با تحقیقات آتی، پیشنهاد می‌شود تا علاوه بر شناسایی پیشران‌های اثرگذار، سناریوهای آتی هوش کسب‌و‌کار در گردشگری ارائه شده و با شناسایی سناریوهای محتمل و مطلوب، اقدامات مورد نیاز برای بهبود وضعیت هوش کسب‌و‌کار در گردشگری روشن شود.

[1] Word tourism organization

[2] Navío-Marco

[3] Business Intelligence

[4] Azoff & Charlesworth

[5] Chaubey & Sahoo

[6] Gartner Group

[7] Howard Dresner

[8] Ad-hoc reporting,

[9] End-user querying

[10] Predictive modeling

[11] Wang

[12] Forrester research company

[13] Habul

[14] Mikroyannidis & Theodoulidis

[15] Vercellis

[16] Chung and Tseng

[17] Ishikiriyama

[18] Phillips- Wren, Daly & Burstein

[19] khan

[20] Vajirakachorn & Chongwatpol

[21] Thakur, Malhotra

[22] Patil & Chavan

[23] Zarour & Benmerzoug

[24] Skyrius

[25] Synergy of virtual teamwork

[26] Cross-functional BI activity

[27] Obeidat

[28] Data Exploration and Visualization

[29] Cloud Computing

[30] Self-Service BI

[31] Open Source Product Software for BI

[32] Ahmad

[33] Singh

[34] Guo & Zhao

[35] Critical Appraisal Skills Program

[36] Aho

[37] Human factor

[38] Data-Driven Decisions culture

[39] Software as a Service (SaaS)

[40] Platform as a service(PaaS)

[41] Infrastructure as a Service)IaaS)

[42] Cloud Computing

[43] Data Quality

فهرست منابع

اسکافی، مهدیه ؛ عبدی، بهنا.(1395). ارائه مدل پذیرش هوش تجاری در صنعت گردشگری در ایران، اولین همایش بین‌المللی پژوهش‌های نوین در مطالعات مدیریت، شیراز.

دلپسند، افسون؛ 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؛ 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.

شریعتی، زینت؛ آقاجانی، حسنعلی؛ حسینی، ابولحسن (1399). عوامل موثر بر مدل کسب و کارهای الکترونیکی در صنعت گردشگری. برنامه ریزی و توسعه گردشگری. (34) 9, 41-27.

کروبی، مهدی؛ یاوری گهر، فاطمه؛ زارع، رحیم؛ عباسی، دیاکو (1399). موانع اجرای سیاست گردشگری در ج. ا. ایران: ارائه‌ی چارچوبی مفهومی. برنامه ریزی و توسعه گردشگری. (34)9,66-43.

ملکی، محمد حسن؛ خاشعی ورنامخواستی، وحید؛ فتحی، محمدرضا؛ صفاری‌نیا، مهدی (1398). آینده‌پژوهی گردشگری مذهبی استان قم با رویکرد سناریونگاری. گردشگری و توسعه. (3)8,205-184.

نظری سالاری، لیلا ؛ خدیور، آمنه؛ عبدالوند، ندا (1395). ارائه مدلی به منظور تحلیل موانع به‌کارگیری هوش تجاری در صنعت گردشگری ایران با رویکرد روش‌های آمیخته. پژوهش های نوین در تصمیم‌گیری، (1)1,102-79.

Ahmad, A. (2015). Business intelligence for sustainable competitive advantage. In Sustaining competitive advantage via business intelligence, knowledge management, and system dynamics. Emerald Group Publishing Limited. ‏

Aho, A. M. (2015, August). Product data analytics service model for manufacturing company. In International Conference on Knowledge Management in Organizations, 282-296. Springer, Cham.

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.

Azoff, M., & Charlesworth, I. (2004). The new business intelligence. A European Perspective, Butler Group, White Paper. ‏

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.‏

Chung, W., & Tseng, T. L. B. (2012). Discovering business intelligence from online product reviews: A rule-induction framework. Expert systems with applications, 39(15), 11870-11879.‏

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.

Guo, S., & Zhao, H. (2017). Fuzzy best-worst multi-criteria decision-making method and its applications. Knowledge-Based Systems, 121, 23-31.‏

Guo, S., & Zhao, H. (2017). Fuzzy best-worst multi-criteria decision-making method and its applications. Knowledge-Based Systems, 121, 23-31.

Habul, A., & Pilav-Velic, A. (2010, June). Business intelligence and customer relationship management. In Proceedings of the ITI 2010, 32nd International Conference on Information Technology Interfaces, 169-174. IEEE.‏

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.

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 (pp. 1-23).

Mikroyannidis, A., & Theodoulidis, B. (2010). Ontology management and evolution for business intelligence. International Journal of Information Management, 30(6), 559-566.‏

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

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.‏

Phillips-Wren, G., Daly, M., & Burstein, F. (2021). Reconciling business intelligence, analytics and decision support systems: More data, deeper insight. Decision Support Systems, 113560.‏

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(unknown), 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

Vajirakachorn, T., & Chongwatpol, J. (2017). Application of business intelligence in the tourism industry: A case study of a local food festival in Thailand. Tourism Management Perspectives, 23 ,75–86.

Vercellis, C. (2009). Business intelligence: data mining and optimization for decision making, 1-18. New York: Wiley. ‏

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.‏

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.

Providing a model for the market of selling new goods by one-to-one marketing method
Print Date : 2021-05-22
Presenting A model to predict the Educational and Research Activities Outsourcing Model in Organizations Governmental
Print Date : 2018-07-23
Modeling & Analysis of Future Scenarios in Iranian Banking System
Print Date : 2019-01-21
Corporate Foresight Capabilities and Its Effect on Innovation, Strategic Decision Making and Organizational Performance (Case Study: Iranian Banking System)
Print Date : 2021-02-19
Future Studies for Presenting Model of Personal Differentiation Role on Guerilla Advertising with Using Perceptron Artificial Neural Network
Print Date : 2023-02-20
Conceptualization of business excellence model: Based on future study approach
Print Date : 2021-02-19

Share To

Article Url

A framework for future study of business intelligence in the tourism industry Iran

C11
RI	C1
E	C2
RI	C3
VI	C4
VI	C5
RI	C6
RI	C7
RI	C8
EI	C9
RI	C10
E	C11
RI	C12
EI	C13
EI	C14
EI	C15
EI	C16
RI	C17
E	C18

C11
RI	C1
E	C2
RI	C3
VI	C4
VI	C5
RI	C6
RI	C7
RI	C8
EI	C9
RI	C10
E	C11
RI	C12
EI	C13
EI	C14
EI	C15
EI	C16
RI	C17
E	C18

C11
RI	C1
E	C2
RI	C3
VI	C4
VI	C5
RI	C6
RI	C7
RI	C8
EI	C9
RI	C10
E	C11
RI	C12
EI	C13
EI	C14
EI	C15
EI	C16
RI	C17
E	C18