ارایه چارچوب فرآیندی شناسایی عدم‌قطعیت‌ها و پیشران‌ها (مورد مطالعه: نفت و انرژی)
محورهای موضوعی : آینده پژوهیفرزین مینو 1 , تهمینه شاوردی 2 , سید کاظم چاوشی 3
1 - دانشجوی دکتری آینده پژوهی، پژوهشگاه علوم انسانی و مطالعات اجتماعی جهاد دانشگاهی(مسئول مکاتبات)
2 - دانشیار پژوهشگاه علوم انسانی و مطالعات اجتماعی جهاد دانشگاهی
3 - استادیار دانشکده مدیریت دانشگاه خوارزمی
کلید واژه: عدم قطعیت, پیشران, سناریو, آینده پژوهی,
چکیده مقاله :
با توجه به اهمیت استخراج عدم قطعیت‌ها و پیشران‌ها به ویژه در محیط‌های پویا و متلاطم کنونی جهت انجام طیف وسیعی از مطالعات در بستر آینده پژوهی مانند تدوین راهبرد، ارزیابی راهبرد، تدوین سناریو و ... طراحی چارچوب فرایندی شناسایی عدم قطعیت‌ها و پیشران‌ها ضروری است. مدیران و تصمیم گیران در چنین محیط‌هایی نیازمند روش‌هایی هستند که امکان شناسایی عوامل تأثیر گذار در آینده را در حداقل زمان ممکن و براساس نتایج پژوهش‌های موجود فرآهم آورد. روش‌های رایج در حوزه شناسایی عدم قطعیت‌ها و پیشران‌ها نیاز مطروحه را برآورده نمی‌نماید لذا این مقاله به دنبال ارائه چارچوبی فرآیندی جهت شناسایی عدم قطعیت‌ها و پیشران‌ها در حداقل زمان ممکن و با استفاده حداکثری از نتایج مطالعات پیشین می‌باشد. با هدف ارزیابی مدل پیشنهادی در محیط‌های عملیاتی نسبت به بکارگیری چارچوب مذکور در حوزه نفت و انرژی اقدام گردید. نتایج حاصله نشانگر کارایی و اثر بخشی مدل پیشنهادی جهت شناسایی عدم قطعیت‌ها و پیشران‌های مرتبط می‌باشد.
Nowdays, using a process framework for extracting uncertainties and driving forces specially in dynamic and turbulent environment is essental to perform a broad extent of futures studies like strategy design and assessment, scenario planning. In this environment, managers and decision makers require methods for identifying factors that shape the future in the shortest possible time based on the results of previous studies. Traditional methods couldnot meet this requirement. In this paper, a process framework has been designed for extracting uncertainties and driving forces in a reasonable time based on the previous studies. In order to show the practically and usefulness of the proposed framework an empirical study of the oil and energy industry is demonstrated. The results show the effectiveness of the proposed model for extracting uncertainties and driving forces.