خانه / مجلات / مجله شماره 255– بهمن 93 / آسیب‌شناسی و اولویت‌بندی مولفه‌های موثر در پیاده‌سازی پروژه‌های هوشمندی کسب‌وکار – بخش اول

آسیب‌شناسی و اولویت‌بندی مولفه‌های موثر در پیاده‌سازی پروژه‌های هوشمندی کسب‌وکار – بخش اول

در دنیای امروز تغییرات محیط کسب وکار، باعث پیچیده‎تر شدن عملیات سازمانی شده است. این پیچیدگی‎ها از طرفی منشاء فرصت‎ها می‎باشند و از طرفی دیگر، مشکلات و موانعی را برای کسب و کار ایجاد می‎کنند. علاوه براین، عوامل تأثیرگذار سازمانی و عواملی که بر محیط کسب و کار تأثیر دارند شامل بازارها، تقاضای مشتری، تکنولوژی و جامعه می‎باشند که شدت تأثیر این عوامل در طی زمان بیشتر و بیشتر می‎شوند و در نتیجه فشارهای محیطی و داخلی بیشتر، رقابت شدیدتر و همچنین مشکلات مدیریتی بیشتر می‎شوند. بنابراین، حجم وسیعی از داده‎ها و اطلاعات وارد سازمان شده و سازمان‎ها را دچار مشکل می‎کنند. در نتیجه‎ی این محیط متغیر، مدیران باید فعال‎تر، منعطف‎تر، سریع‎تر باشند تا بتوانند به تحولات محیطی پاسخ مناسب بدهند. موضوع مهم  موضوع تصمیم‎گیری مدیران است ، چراکه تصمیم‎گیری  مترادف با مدیریت می‎باشد و تصمیم‎گیری مترادف با پیدا کردن بهترین راه حل‏ها در بین گزینه‎های مختلف می‎باشد، نیاز به اطلاعات مناسب دارد. از طرفی دیگر، مدیران در سطوح مختلف عالی، میانی و عملیاتی به اطلاعاتی متناسب با نیاز خود و سطح تصمیم‏گیری خود دارند، همانطور که گفته شد با توجه به داده‎های انبوهی که وارد سازمان شده‎اند، دسترسی به این اطلاعات یا امکان‎پذیر نیست و یا اگر هم اطلاعاتی هم باشد با توجه به متنوع بودن آنها تفکیک آنها غیر ممکن می‎باشد پس نیاز به راه حلی می‎باشد تا بتواند به حل مشکل بپردازد. و از آنجایی که دانش در سازمان‌های امروز بسیار مهم تلقی می‎شود و حتی به عنوان یک دارایی شناخته می‎شود، دسترسی به این دانش بسیار بااهمیت می‎باشد. پیشنهادی که در این زمینه می‎شود ایجاد یک برنامه هوشمندی کسب و کار می‎باشد. هوشمندی کسب و کار را می‎توان اینگونه تعریف کرد: مجموعه فرایندها، تکنولوژی‎ها و ابزارهای موردنیاز برای تبدیل داده به اطلاعات، اطلاعات به دانش، و دانش به برنامه‎هایی که منشاء فعالیت‌های سودآفرین کسب و کار می‎باشد.هوشمندی کسب وکار شامل انبار داده، ابزارهای تجزیه و تحلیل کسب و کار و مدیریت دانش می‎باشد. از جمله اهداف هوشمندی کسب‎ و‌کار مواردی چون دسترسی داده در هر زمان، دستکاری داده برای تجزیه و تحلیل درست برای مدیران، ایجاد بینشی برای تولید تصمیمات بهتر می‎باشند.[۳۰]

۱ – مقدمه
در واژه هوشمندی کسب‌وکار ، از کلمه هوش استفاده شده است. در ابتدا اجازه دهید به صورت اجمالی مفهوم هوش و هوش مصنوعی را بررسی نموده و در ادامه ، مباحث مربوط به هوشمندی کسب‌وکار مطرح گردد. هوش مصنوعی به هوشی که یک ماشین از  خود نشان می‌دهد و یا  به دانشی در رایانه که سعی در ایجاد آن دارد گفته می‌شود. جان مک‌کارتی  واژه هوش مصنوعی را در سال ۱۹۵۶ به کار برد .تحقیقات و جستجوهای انجام شده برای رسیدن به ساخت چنین ماشین‌هایی مرتبط با بسیاری از علوم دیگر مانند رایانه ، روان شناسی ، فلسفه ، عصب شناسی ، علوم ادراکی ، تئوری کنترل ، احتمالات ، بهینه سازی و منطق ریاضی می باشد .
هنوز تعریف دقیقی برای هوش مصنوعی ارائه نشده که مورد قبول تمامی دانشمندان صاحب نظر در این زمینه باشد و این خود بدین علت است که اساس این موضوع  یعنی هوش مورد جنجال و اختلاف است و تعریفی جامع درباره آن وجود ندارد.
بطورکلی ماهیت وجودی هوش به مفهوم جمع‌آوری اطلاعات ، استقراء و تحلیل تجربیات به منظور رسیدن به دانش و یا ارائه تصمیم می‌باشد. در واقع هوش به مفهوم بکارگیری تجربه به منظور حل مسائل دریافت شده تلقی می‌شود. هوش مصنوعی ، علم و مهندسی ایجاد ماشین‌هایی باهوش با بکارگیری از رایانه و الگوگیری از درک هوش انسانی و یا حیوانی و نهایتاً دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی می‌باشد.
در مقایسه هوش مصنوعی با هوش انسانی می‌توان عنوان نمود که انسان قادر به مشاهده و تجزیه و تحلیل مسائل در جهت قضاوت و اخذ تصمیم می‌باشد. در حالی که هوش مصنوعی مبتنی بر قوانین و رویه‌هایی از قبل تعبیه شده بر روی رایانه می‌باشد. در نتیجه علی‌رغم وجود رایانه‌های بسیار کارآمد و قوی در حال حاضر ، هنوز قادر به پیاده‌سازی  هوشی مصنوعی نزدیک به هوش انسان نمی‌باشیم.
بطور کلی ، هوش مصنوعی را می‌توان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد. بین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشته تحصیلی دانشگاهی یا هوش مصنوعی به عنوان مجموعه فنون و راه‌کا‌رهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافته‌ است باید تفاوت قائل بود.
امروزه شاهد هستیم که مفاهیم هوش مصنوعی در سایر رشته‌های دیگر علم نفوذ کرده و منجر به ایجاد شاخه‌هایی جدید علم شده‌اند. هوش سازمانی  و هوشمندی کسب‌و‌کار امروزه بسیار بحث‌انگیز بوده و مورد توجه سازمان‌ها و شرکت‌ها قرار دارند. در این نوشتار در ابتدا به صورت اجمالی هوش مصنوعی و تاریخچه آن معرفی شده  و در ادامه به معرفی هوشمندی کسب‌وکار، ابزارهای هوشمندی کسب‌وکار، معماری هوشمندی کسب‌وکار و هوشمندی کسب‌وکار در صنعت بیمه خواهیم پرداخت.
۲) نگاهی اجمالی به هوش مصنوعی
ایجاد و ابداع فنون و تکنیک‌های لازم برای مدیریت پیچیدگی را باید به عنوان هسته بنیادین تلاش‌های علمی و پژوهشی گذشته، حال و آینده، در تمامی زمینه‌های علوم رایانه، و بویژه، در هوش مصنوعی معرفی کرد. شیوه‌ها و تکنیک‌های هوش مصنوعی، در واقع، برای حل آن دسته از مسائل به وجود آمده‌است که به طور سهل و آسان توسط برنامه‌نویسی تابعی ، یا شیوه‌های ریاضی قابل حل نبوده‌اند.امروزه دانش مدرن هوش مصنوعی به دو دسته تقسیم می‌شود:‌
ا) هوش مصنوعی نمادین
۲) هوش مصنوعی پیوندگرا
هوش‌مصنوعی سمبلیک از رهیافتی مبتنی بر محاسبات آماری پیروی می‌کند واغلب تحت عنوان یادگیری ماشین  طبقه‌بندی می‌شود. هوش نمادین می‌کوشد سیستم و قواعد آن را در قالب علائم بیان کند و با نگاشت اطلاعات به سمبل‌ها و قوانین به حل مسئله بپردازد. درمیان معروف‌ترین شاخه‌های هوش مصنوعی نمادین می‌توان به سیستم‌های خبره  اشاره نمود.
هوش مصنوعی پیوندگرا متکی بر یک منطق استقرایی است و از رهیافت آموزش/ بهبود سیستم از طریق تکرار بهره می‌گیرد. این آموزش‌ها نه بر اساس نتایج و تحلیل‌های دقیق آماری ، بلکه مبتنی بر شیوه آزمون و خطا و یادگیری از راه تجربه‌است. در هوش مصنوعی پیوندگرا ، قواعد از ابتدا در اختیار سیستم قرار نمی‌گیرد ، بلکه سیستم از طریق تجربه ، خودش قوانین را استخراج می‌کند. متدهای ایجاد شبکه‌های عصبی  و نیز بکارگیری منطق فازی  در این دسته قرار می‌گیرد.
در بسیاری از موارد ، با پوشانیدن و پنهان ساختن جزئیات فاقد اهمیت است که بر پیچیدگی فائق آمده و می‌توان بر روی بخش‌هایی از مسئله متمرکز شد که مهم‌تر است. تلاش اصلی در واقع ، ایجاد و دستیابی به لایه‌ها و ترازهای بالاتر از هوشمندی تجرید را نشانه می‌رود ، تا آنجا که ، سرانجام برنامه‌های رایانه‌ای  درست در همان سطحی کار خواهند کرد که خود انسان‌ها رسیده‌اند.
با استفاده از پژوهش‌های وسیع و گسترده دانشمندان علوم مرتبط ، هوش مصنوعی تاکنون راه بسیاری پیموده ‌است. در این راستا ، تحقیقاتی که بر روی توانایی آموختن زبان‌ها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیش‌برد این دانش کمک زیادی کرده‌است. یکی از اهداف متخصصین، تولید ماشین‌هایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.
برای نمونه روباتی هوشمند که بتواند اعضاء بدن خود را به حرکت درآورد در نظر بگیرید. این روبات نسبت به این حرکت خود آگاه بوده و با آزمون و خطا، دامنه حرکت خود را گسترش می‌دهد و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشیده و سر انجام راه رفته و یا حتی می‌دود و یا به روشی برای جابجا شدن دست می‌یابد، که سازندگانش برای او متصور نبوده‌اند.
هر چند مثال فوق ممکن است کمی آرمانی و ایده‌آل به نظر برسد، ولی به هیچ عنوان دور از دسترس نبوده و بسیاری از این موارد پیاده‌سازی شده‌اند. دانشمندان، عموماً برای تولید چنین ماشین‌هایی، از وجود مدل‌های زنده‌ای که در طبیعت موجود است به ویژه آدمی نیز سود برده‌اند. (به مقاله نگارنده با عنوان «سیستم ایمنی مصنوعی» ، ماهنامه رایانه شماره ۲۵۲ ، ویژه نامه الکامپ مراجعه نمائید)
هوش مصنوعی اکنون در خدمت توسعه علوم رایانه نیز می‌باشد. زبان‌های برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن ساخته اند، پایگاه‌های داده‌ای پیشرفته، موتورهای جستجو، و بسیاری نرم‌افزارها و ماشین‌ها از نتایج پژوهش‌هایی در راستای هوش مصنوعی بوده‌اند.

۲-۱ تاریخچه هوش مصنوعی
هوش مصنوعی دانش و علمی با قدمتی کم‌تر از نیم قرن است. مباحث هوش مصنوعی پیشتاز بوجود آمدن علوم الکترونیک، توسط فلاسفه و ریاضیدانانی نظیر بول  که اقدام به ارائه قوانین و نظریه‌هایی در باب منطق نمودند، می‌باشد. در سال۱۹۴۳، با اختراع رایانه‌های الکترونیکی، هوش مصنوعی، دانشمندان را به چالشی بزرگ فراخواند. بنظر می‌رسید، فناوری در نهایت قادر به شبیه‌سازی رفتارهای هوشمندانه خواهد بود.
با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با دیده تردید به کارآمدی آن می‌نگریستند تنها پس از چهار دهه، شاهد تولد ماشین‌های شطرنج باز و دیگر سامانه‌های هوشمند در صنایع گوناگون هستیم.
هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید. البته فعالیت درزمینه این علم از سال ۱۹۶۰ میلادی شروع شده بود.بیش از نیم قرن پیش، هنگامی که هنوز هیچ تراشه‌ سیلیکونی ساخته نشده بود، آلن تورینگ  یکی از بحث ‌بر‌انگیزترین پرسش‌های فلسفی تاریخ را پرسید. او گفت: آیا ماشین می‌تواند فکر کند ؟ اندکی بعد وی کوشید به پیروی از این قاعده که هر ادعای علمی باید از بوته آزمایش سربلند بیرون بیاید، پرسش فلسفی خود را با یک آزمایش ساده و در عین حال پیچیده جایگزین کند. او در مقاله خود سوالاتی را برای ماشین مطرح نمود:
آیا یک ماشین یک رایانه می‌تواند بازی تقلید را با موفقیت پشت سر بگذارد؟ آیا ماشین می‌تواند از انسان چنان تقلید کند که در یک آزمون محاوره‌ای نتوانیم تفاوت انسان و ماشین را تشخیص دهیم؟[۱] تورینگ در سال ۱۹۵۰ براساس محاسباتی تخمین زد که ۵۰ سال بعد رایانه‌ای با یک میلیارد بیت حافظه خواهد توانست به موفقیت‌هایی در این زمینه دست پیدا کند. اکنون که در اوایل سال ۲۰۱۵ میلادی هستیم،  هنوز هیچ ماشینی نتوانسته است از بوته آزمون تورینگ با موفقیت کامل خارج شود.
تورینگ آزمونی با نام بازی تقلید طراحی نمود. او آزمون بازی تقلید را چنین شرح داد: یک پرسش‌گر(یک انسان) هم‌زمان در حال گفت‌وگو با دو نفر است. هر یک از این دو نفر در اتاق‌های جداگانه قرار گرفته‌اند و پرسش‌گر نمی‌تواند هیچ‌یک از آنها را ببیند. یکی از این دو نفر انسان است و دیگری یک ماشین یعنی یک رایانه. پرسش‌گر باید با این دو نفر شروع به گفت‌وگو کند و سعی کند دریابد کدا‌میک از این دو ، انسان است و کدامیک ماشین. اگر رایانه بتواند طوری جواب دهد که پرسش‌گر نتواند انسان را از ماشین تشخیص دهد ، آنگاه می‌توان ادعا نمودکه ماشین هوشمند است. تورینگ برای آسان‌کردن شرایط این آزمون و پرهیز از پیچیدگی‌های اضافی آن را به محاوره‌ای متنی و روی کاغذ محدود کرد تا مجبور به درگیر شدن با مسائل انحرافی مانند تبدیل متن به گفتار شفاهی و تنظیم تُن صدا و لهجه نباشیم.
البته چند سال بعد، در سال ۱۹۶۸ میلادی آرتور سی‌کلارک ،در رمان علمی تخیلی اودیسه فضایی :  ۲۰۰۱ ، اصطلاح « آزمون تورینگ « را به جای « بازی‌ تقلید»‌ بر سر زبان‌ها انداخت و آیزاک آسیموف با قوانین سه‌گانه و سپس چهارگانه روباتیک خود مفاهیم جدیدی را برای شناسایی هوش مصنوعی و مغز پوزیترونیکی در قالب داستان‌های علی تخیلی  مطرح نمود.
از زمانی که تورینگ این فرضیه را مطرح نموده ، هزاران دانشمند با هدف ساختن ماشینی که بتواند آزمون تورینگ را با موفقیت تمام کند، دست به کار شده‌اند. اما هنوز کسی موفق نشده است چنین ماشینی بسازد و تاکنون پیش‌بینی تورینگ هم درست از آب در نیامده است.
تورینگ همچنین در این مقاله یک سری استدلال‌های مخالف با نظریه و آزمون خود را مطرح کرد و کوشید به آنها پاسخ دهد، تصور اینکه ماشین‌های هوشمندی ساخته شوند که بتوانند فکر کنند وحشتناک است. تورینگ در پاسخ می‌گوید این نکته‌ای انحرافی است، زیرا بحث اصلی او بایدها و نبایدها نیست بلکه بحث درباره ممکن‌ها می‌باشد.
دیگر اینکه، ادعا می‌شود محدودیت‌هایی درباره نوع پرسش‌هایی که می‌توان از رایانه پرسید وجود دارد، زیرا رایانه از منطق خاصی پیروی می‌کند. اما تورینگ در پاسخ می‌گوید:‌ خود انسان هنگام گفت‌وگو پر غلط ظاهر می‌شود و نمی‌توان گفتار هر انسانی را لزوما منطقی کرد. او پیش‌بینی کرد که منشا اصلی هوشمندی ماشین فرضی او ، حافظه بسیار زیاد و سریعی است که یک رایانه می‌تواند داشته باشد. بنابراین از نگاه تورینگ، ماشین همچون رایانه Deep Blue که کاسپاروف ، قهرمان شطرنج را شکست داد ، می‌تواند یک ماشین هوشمند تلقی شود. در عین حال تورینگ این نظر را که آزمون مورد بحث معتبر نیست ، زیرا انسان دارای احساسات است و مثلا موسیقی احساسی را خلق و می‌نوازد رد نمود و گفت: هنوز هیچ سند قابل قبولی وجود ندارد که ثابت کند فقط ما انسان‌ها دارای احساسات هستیم، زیرا مشخص نیست مفهوم دقیق این واژه به لحاظ علمی چیست.
مک‌کارتی در سال ۱۹۵۶  اصطلاح «هوش مصنوعی» را برای اولین‌بار در نخستین کنفرانسی که به این موضوع اختصاص یافته بود، به کار برد. دانشمندان بعداً این تاریخ را به عنوان تاریخ تولد علم هوش مصنوعی انتخاب کردند. البته علاقمندي مك‌كارتي به مقوله هوش مصنوعي به قبل از اين دوران برمي‌گردد. وي در سال ۱۹۴۸ از كارهاي جان فون‌نويمان   مطلع مي‌شود به آن‌ علاقمند مي‌گردد . این نظریه نقش موثری در پیشبرد جنبه‌های نظری و علمی هوش مصنوعی داشت. وليكن آنچه وي به آن مي‌انديشيد این بود كه مي‌توان يافته‌هاي فون‌نويمان را به نحوي به‌كار بست كه بتوان هوش انساني را روي ماشين شبيه‌سازي نمود. او در اواسط دهه پنجاه ميلادي كار بر روي شبيه‌سازي هوش انساني را آغاز كرد و بدين ترتيب هوش مصنوعي زاده شد.
درسال  ۱۹۵۶ ،مك‌كارتي با همكاري كلودشانون  وماروين مينسكي  يك كارگاه آموزشي را با موضوع هوش مصنوعي برگزار مي‌كند و اين موضوع را در آنجا مطرح مي‌نمايد. پس از آن ‌كه موضوع هوش‌ مصنوعي به ‌طور جدي مطرح مي‌گردد ، مك‌كارتي كار روي بازي‌هاي هوشمندانه ماشيني را آغاز مي‌كند و در نتیجه زبان LISP پديدار مي‌گردد ، زباني براي توصيف خواسته‌هاي هوشمندانه از ماشين. اين زبان در سال ۱۹۵۸ در دانشگاه MIT توسعه داده شد. مك‌كارتي در آن زمان معتقد بود كه مي‌توان كاري كرد كه ماشين نيز هوشي همانند هوش انساني داشته باشد وLISP زباني است كه مي‌تواند اين هوش را توصيف كند.زبان LISP به جاي آن‌كه از منطق رياضي و كار بر روي اعداد استفاده كند ، علامات و سمبل‌ها را به اشياء تغيير مي‌دهد، يعني از تعدادي ليست‌ براي توصيف منطق كاري برنامه بهره مي‌برد و در نهايت، خروجي اين زبان تعدادي جمله يا عبارت توصيفي خواهد بود.البته امروزه هم از شكل‌هاي تازه‌تري از زبانLISP در سيستم‌هاي خبره و برنامه‌هاي پردازش زبان طبيعي استفاده مي‌شود. اين زبان به قدري سطح بالا بود كه تازه در اواخر دهه هشتاد ميلادي رایانه‌هايي پديد آمدند كه توان كامل پردازش دستورات اين زبان را داشتند.
همه كساني كه نخستين گام‌ها را در راه معرفي هوش مصنوعي برداشتند، يك هدف داشتند و آن رساندن سطح هوش ماشيني به سطح هوش انساني بود. اما امروزه مي‌دانيم كه مطالعه در زمينه هوش انسانی و درك عملكرد آن ، بسيار پيچيده و دشوار است. اكنون موضوع هوش را مي‌توان از دو جنبه بررسي نمود. جنبه نخست آن است كه آگاهي از جهان اطراف چگونه به دست مي‌آيد و چگونه مي‌توان از يافته‌ها و حقايق ، نتيجه‌گيري هوشمندانه نمود. يك سيستم هوشمند نيازمند دريافت دانسته‌ها، تئوري‌هايي تخميني و غيرمشخص از اطراف است. ولي از چيزهايي كه به‌طور دقيق و نامشخص تعريف شده‌اند، بايستي نتايج دقيقي استنتاج گردد. جنبه ديگر اين بررسي، حالت كشف و شهود هوشمندانه است. يعني بايد به طريقه كشف و شهود، راهي به سمت مقصد يافت كه اين راه از ميان هزاران راه ممكن و غيرممكن بايستي انتخاب گردد.

۲-۲ هوش مصنوعی چیست؟
هوش مصنوعی را باید تلفیق بسیاری از دانش‌ها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی جستجو نمود و شاخه‌های فروعی و کاربردهای متنوع و فراوان آن را در علوم رایانه، علوم‌مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و زمینه‌های بسیار دیگر جستجو نمود. هوش مصنوعی را به عنوان کوشش‌هایی در پی ساختن رایانه‌های نظام‌مند ( سخت افزار و نرم افزار ) که رفتاری شبیه انسان داشته باشند ، بیان می‌کنند. یک سیستم هوش مصنوعی به راستی نه مصنوعی است و نه هوشمند بلکه دستگاهی است هدف‌گرا که مسائل را به روش مصنوعی حل می کند ، این سیستم ها بر پایه دانش ، تجربه و الگوهای استدلالی انسان به وجود آمده‌اند .
هدف هوش مصنوعی بطور کلی ساخت ماشینی است که بتواند «فکر» کند. اما برای دسته‌بندی و تعریف ماشین‌های متفکر، می‌بایست به تعریف «هوش» پرداخت. همچنین به تعاریفی‌ برای «آگاهی» و «درک» نیز نیازمندیم و در نهایت به معیاری برای سنجش هوش یک ماشین‌ نیازمندیم.
هنوز تعریف دقیقی که مورد قبول تمامی دانشمندان این علم باشد برای هوش مصنوعی ارائه نشده‌است، و این امر، به هیچ وجه مایه تعجب نیست. چرا که مقوله پایه واساسی‌تر از آن، یعنی خود هوش هم هنوز بطور همه‌جانبه و فراگیر تعریف نشده است. در واقع، می‌توان نسل‌هایی از دانشمندان را سراغ گرفت که تمام دوران زندگی خود را صرف مطالعه و تلاش در راه یافتن جوابی به این سؤال عمده نموده‌اند که : هوش چیست؟
اما اکثر تعریف‌هایی که تاکنون در این زمینه ارائه شده‌اند بر پایه یکی از چهار باور زیرقرار می‌گیرند:
* سیستم‌هایی که به طور منطقی فکر می‌کنند.
* سیستم‌هایی که به طور منطقی عمل می‌کنند.
* سیستم‌هایی که مانند انسان فکر می‌کنند.
* سیستم‌هایی که مانند انسان عمل می‌کنند.
شاید بتوان هوش مصنوعی را این گونه توصیف کرد: «هوش مصنوعی عبارت است از مطالعه این که چگونه رایانه‌ها را می‌توان وادار به کارهایی کرد که در حال حاضر انسان‌ها آنها رابهتر انجام می‌دهند.»
تعریف دیگری كه از هوش مصنوعی می‌توان ارائه داد به قرار زیر است:
«هوش مصنوعی، شاخه‌ای از علم رایانه است كه ملزومات محاسباتی اعمالی همچون ادراك ، استدلال و یادگیری  را بررسی كرده و سیستمی جهت انجام چنین اعمالی ارائه می‌دهد.»
و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:
«هوش مصنوعی، مطالعه روش‌هایی است برای تبدیل رایانه به ماشینی كه بتواند اعمال انجام شده توسط انسان را انجام دهد.»
بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات ، استقرا و تحلیل تجربیات به منظور رسیدن به دانش و یا ارائه تصمیم می‌باشد . در واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسایل دریافت شده تلقی میشود. هوش مصنوعی علم و مهندسی ایجاد ماشین‌هایی با هوش با به کارگیری از رایانه و الگوگیری از درک هوش انسانی و نهایتاً دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی می‌باشد.
در مقایسه هوش مصنوعی با هوش انسانی می توان گفت که انسان قادر به مشاهده وتجزیه و تحلیل مسائل در جهت قضاوت و اخذ تصمیم می‌باشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه هایی از قبل تعبیه شده بر روی رایانه می‌باشد. در نتیجه علی‌رغم وجود رایانه‌های بسیار کارآمد و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوش‌های مصنوعی نبوده‌ایم.
روش شناسی   هوش مصنوعی هنوز به عنوان یک نقطه ضعف مورد انتقاد بسیاری از صاحب‌نظران است ، از نظر برخی از آنان این ضعف یک شکل تکاملی است که به تاریخچه کوتاه علم رایانه مربوط است .
روش‌های هوش مصنوعی روش‌هائی هستند که به درد مسائلی می‌خورند که به خوبی تعریف شده‌اند ، به طور مثال بسیاری از مسائل محاسباتی معمولی از محاسبات فیزیک گرفته تا محاسبه حقوق و دستمزد از این دسته مسائل هستند که برای آنها الگوریتم مشخصی وجود دارد و نیازی به جستجو برای یافتن حل مسأله نیست .
دانشمندان هوش مصنوعی و به طور کلی دانشمندان رشته‌های مختلف ، اکنون مایل‌ هستند با مدل هائی کار کنند که آنها را «مدل مؤلف» می‌نامند.آنها بدنبال ساخت ماشینی مقلد هستند، که بتواند با شبیه‌سازی رفتارهای میلیون‌ها یاخته مغز انسان، همچون یک موجود متفکر به اندیشیدن بپردازد.
در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیات فاقد اهمیت است که برپیچیدگی فائق می‌آییم، و می‌توان بر روی بخش‌هایی از مسئله متمرکز شد که مهم‌تراست. تلاش اصلی، در واقع، ایجاد و دستیابی به لایه‌ها و ترازهای بالاتر است ، تا آنجا که، سر‌انجام برنامه‌های رایانه‌ای درست در همان سطحی کار خواهند کرد که خود انسان‌ها به کار مشغولند.به یاری پژوهش‌های گسترده دانشمندان علوم مرتبط، هوش مصنوعی از آغاز پیدایش تاکنون راه بسیاری پیموده‌است. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبا‌ن‌ها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این علم یاری نموده ‌است. یکی از اهداف متخصصین، تولید ماشین‌هایی است که دارای احساسات بوده ودست کم نسبت به وجود خود و احساسات خود ، آگاه باشند. این ماشین‌ها باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیات کنند.
هوش مصنوعی که همواره هدف نهایی دانش رایانه بوده‌است، اکنون در خدمت توسعه علوم رایانه نیز است. زبان‌های برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن می‌سازند، پایگاه‌های داده‌ای پیشرفته، موتورهای جستجو، و بسیاری نرم‌افزارها وماشین‌ها از نتایج پژوهش‌های هوش مصنوعی بهره می‌برند.
سیستمی که عاقلانه فکر کند. سامانه‌ای عاقل است که بتواند کارها را درست انجام دهد. در تولید این سیستم‌ها نحوه اندیشیدن انسان مَد نظر نیست. این سیستم‌ها متکی به قوانین و منطقی هستند که پایه تفکر آنها را تشکیل داده و آنها را قادر به استنتاج وتصمیم‌گیری می‌نماید. آنها با وجودی که مانند انسان نمی‌اندیشند، تصمیماتی عاقلانه گرفته و اشتباه نمی‌کنند. این ماشین‌ها لزوماً درکی از احساسات ندارند. هم اکنون ازاین سیستم‌ها در تولید عامل‌ها در نرم افزارهای رایانه‌ای، بهره گیری می‌شود. عامل‌تنها مشاهده کرده و سپس عمل می‌کند. (جهت آشنایی بیشتر با مفهوم عامل به مقاله نگارنده با عنوان متدولوژی عامل‌گرا : پرومته ، ماهنامه رایانه ، شماره ۲۵۴ مراجعه نمائید.)

۳-۲- چالش های بنیادین هوش مصنوعی
البته امروزه هوش مصنوعي به واقعيت نزديك‌ شده است و تقريباً مي‌توان گفت وجود دارد، اما دلايل اساسي متعددي وجود دارند كه نشان مي‌دهند چرا هنوز شكل تكامل يافته هوشمندی كه تورينگ تصور مي‌كرد، به وقوع نپيوسته است. به طور كلي خود نظريه تورينگ مخالفاني جدي دارد. بعضي از اين منتقدان اصلا‌ً هوش ماشيني را قبول ندارند و برخي ديگر صرفاً كارآمدي آزمون تورينگ را براي اثبات هوشمندي زير سؤال مي‌برند. يكي از مهم‌ترين مباحث مطرح در اين زمينه، موضوع شبيه‌سازي است. غالباً پرسيده مي‌شود آيا صرف اين‌كه ماشيني بتواند نحوه صحبت كردن انسان را شبيه‌سازي كند، به معني آن است كه هوشمند است؟
ماشين‌ها بتوانند با دنياي پيرامون خود كُنش و واكنش داشته باشند،آنگاه مي‌توانند فكر كنند. منظور اين است كه رایانه‌ها نيز مانند انسان داراي حس بينايي، شنوايي، لامسه و حس‌هاي ديگر باشند. در اين صورت، تركيب همزمان» پاسخ‌هاي تقليدي» با» واكنش مناسب به محيط» يعني همان» هوشمندي» اتفاقاً كسي مانند جان سيرل نيز تفكرات مشابهي دارد؛ با اين تفاوت كه به طور خاص او شكل ايده‌آل كنش و واكنش مورد نياز را همان تعامل بيولوژيكي مي‌داند.
انتقادات ديگري نيز به آزمون تورينگ وارد مي‌شود. ازجمله اين‌كه ممكن است يك ماشين هوشمند باشد، ولي نتواند همچون انسان ارتباط برقرار كند. ديگراين‌كه، در آزمون تورينگ فرض مي‌شود كه انسان مورد آزمايش ، يكي از دو نفري كه داخل اتاق در بسته به سؤالات پاسخ مي‌دهد ، به اندازه كافي هوشمند است. در حالي كه با استناد به استدلال خود تورينگ مي‌توان نتيجه گرفت كه خيلي از افراد مانند بچه‌ها و افراد بيسواد در اين آزمون مردود مي‌شوند؛ نه به دليل هوشمندي ماشين، بلكه به دليل نداشتن مهارت كافي در ارتباط‌گيري و مکالمه مردود شناخته می‌شوند.
مسئله ديگري كه در بحث هوش مصنوعي اهميت دارد، موضوع قالب  و محتوا است. يكي از پايه‌هاي هوشمندي انسان ، توجهي است كه او به قالب محتوا (نه صرفاً خود محتوا) دارد. به عنوان مثال، وقتي گفته می‌شود «شير» ، اين كلمه به تنهايي معاني متفاوتي دارد، ولي هنگامي كه همين واژه داخل يك جمله قرار مي‌گيرد، فقط يك معني صحيح دارد. انسان مي‌تواند معاني كلمات را نه فقط به صورت مجرد، بلكه با دنبال كردن نحوه وابستگي‌شان به جمله تشخيص دهد. مشابه همين هوشمندي، در تمام حس‌هاي پنجگانه انسان وجود دارد. به عنوان مثال، از نظر علمي ثابت شده است كه گوش انسان مي‌تواند هنگام توجه به صحبت‌هاي يك انسان ديگر در محيطي شلوغ، كلمات و عباراتي را كه نمي‌شنود، خودش تكميل كند يا چشم انسان مي‌تواند هنگام مشاهده يك تصوير، قسمت‌هاي ناواضح آن را بااستفاده از دانسته‌هاي بصري قبلي خود تكميل كند. از اين رو كارشناسان معتقدند، دانش پيش‌زمينه يا» آرشيو ذهني»يك موجود هوشمند نقش مؤثري درهوشمندي او بازي مي‌كند. در حقيقت منشأ پيدايش برخي از شاخه‌هاي مدرن و جديد دانش هوش مصنوعي همچون» سيستم‌هاي خبره» و « شبكه‌هاي عصبي» همين موضوع است واساساً با اين هدف پديد آمده‌اند كه بتوانند به ماشين قدرت آموختن و فراگيري بدهند ، هرچند كه هر يك از اين شاخه‌ها، از پارادايم متفاوتي براي آموزش به ماشين استفاده مي‌كنند و همين تفاوت‌ها مبنا و اساس دو جريان فكري عمده در محافل علمي مرتبط باهوش مصنوعي را پديد آورده‌اند.

۴-۲- شاخه‌هاي علم هوش مصنوعي‌
مطرح گردید که دانش هوش مصنوعي به دو دسته  هوش مصنوعي نمادين و هوش مصنوعی پیوند‌گرا تقسیم می‌شود. هوش مصنوعي نمادین از رهيافتي مبتني بر محاسبات آماري پيروي مي‌كند و اغلب تحت عنوان»يادگيري ماشين» طبقه‌بندي مي‌شود. هوش نمادین مي‌كوشد سيستم و قواعد آن را در قالب سمبول‌ها بيان كند و با نگاشت اطلا‌عات به سمبول‌ها و قوانين ، به حل مسئله بپردازد. در ميان معروف‌ترين شاخه‌هاي هوش مصنوعي نمادین مي‌توان به سيستم‌هاي خبره اشاره نمود. يك سيستم خبره مي‌تواند حجم عظيمي از داده‌ها را پردازش نمايد و بر اساس تكنيك‌هاي آماري، نتايج دقيقي را تهيه كند. بنابراين در هوش سمبوليك، منظور از»يادگيري ماشين» ، استفاده از الگوريتم‌هاي تشخيص الگو ، تحليل و طبقه‌بندي اطلاعات است.
این گرایش هوش مصنوعی ، بیشتر بر مدل سازی شناخت اعمال تأکید دارد و چندان خود را به قابلیت تعمق در بیولوژیک سیستم های ارائه شده مقید نمی کند.Case-Based Reasoning یکی از گرایش‌های فعال در این شاخه می باشد . به عنوان مثال روند استدلال توسط یک پزشک هنگام تشخیص یک بیماری کاملاً شبیه به CBR می باشد به این ترتیب که پزشک در ذهن خود تعداد بسیاری زیادی از شواهد بیماری‌های شناخته شده را دارد و تنها باید مشاهدات خود را با نمونه های موجود در ذهن خویش تطبیق داده ، شبیه ترین نمونه را به عنوان بیماری بیابد . به این ترتیب مشخصات ، نیازمندی ها و توانائیهای CBR به عنوان یک چهارچوب کلی پژوهش در هوش مصنوعی مورد توجه قرار گرفته است.
اما هوش پيوندگرا متكي بر يك منطق استقرايي است و از راه حل»آموزش/ بهبود سيستم از طريق تكرار»بهره‌ مي‌گيرد. اين آموزش‌ها نه بر اساس نتايج و تحليل‌هاي دقيق آماري،بلكه مبتني بر شيوه آزمون و خطا ويادگيري از راه تجربه است. در هوش مصنوعي پيوندگرا، قواعد از ابتدا در اختيار سيستم قرار نمي‌گيرد، بلكه سيستم از طريق تجربه، خودش قوانين را استخراج مي‌كند. متدهاي ايجاد شبكه‌هاي عصبي و نيز به‌كارگيري منطق فازي در اين دسته قرار مي‌گيرند.
پيوندگرايی هوشمندی را تنها حاصل كار موازی و هم‌زمان و در عين حال تعامل تعداد بسيار زيادی اجزای كاملاً ساده به هم مرتبط می‌داند. شبكه‌های عصبی كه از مدل شبكه عصبی ذهن انسان الهام گرفته‌اند امروزه دارای كاربردهای كاملاً علمی و گسترده تكنولوژيك شده‌اند و كاربرد آن در زمينه‌های متنوعی مانند سيستم‌های كنترلی، رباتيك، تشخيص متون، پردازش تصوير،… مورد بررسی قرار گرفته است.
علاوه بر اين كار بر روی توسعه سيستم‌های هوشمند با الهام از طبيعت (هوشمندی‌های غيرانسانی) اكنون از زمينه‌های كاملاً پرطرفدار در هوش مصنوعی است. الگوريتم ژنيتك كه با استفاده از ايده تكامل داروينی و انتخاب طبيعی پيشنهاد شده روش بسيار خوبی برای يافتن پاسخ به مسائل بهينه سازي است. به همين ترتيب روش‌های ديگری نيز مانند استراتژی‌های تكاملی  نيز در اين زمينه پيشنهاد شده‌اند. سیستم‌های ایمنی مصنوعی  نیز جزء الگوریتم‌های الهام گرفته شده از بیولوژی هستند[۳۵]. این نوع الگوریتم‌ها، الگوریتم‌هایی رایانه‌ای هستند که اصول و ویژگی‌های آنها نتیجه بررسی در خواص وفقی و مقاومت نمونه‌ها بیولوژیکی است. سیستم ایمنی مصنوعی نوعی الگو برای یادگیری ماشین است. یادگیری ماشین، توانایی رایانه برای انجام یک کار با یادگیری داده‌ها یا از روی تجربه است.دراين زمينه هر گوشه‌ای از سازو كار طبيعت كه پاسخ بهينه‌ای را برای مسائل يافته است مورد پژوهش قرار می‌گيرد. زمينه‌هايی چون سيستم امنيتی بدن انسان كه در آن بيشمار الگوی ويروس‌های مهاجم به صورتی هوشمندانه ذخيره می‌شوند و يا روش پيدا كردن كوتاه‌ترين راه به منابع غذا توسط مورچگان همگی بيانگر گوشه‌هايی از هوشمندی بيولوژيك هستند.
براي درك بهتر تفاوت ميان اين دو شيوه به يك مثال توجه كنيد. فرض كنيدمي‌خواهيم يك سيستمOCR  بسازيم. سيستم OCR نرم‌افزاري است كه پس از اسكن كردن يك نوشته روي كاغذ ، مي‌تواند متن روي آن را استخراج كند و به كاراكترهاي متني تبديل نمايد. بديهي است كه چنين نرم‌افزاري به نوعي هوشمندي نياز دارد. اين هوشمندي را از دو طریق متفاوت مي‌توان فراهم نمود. اگر از روش سمبوليك استفاده كنيم، قاعدتاً بايد الگوي هندسي تمام حروف و اعداد را در حالت‌هاي مختلف در پایگاه داده  سيستم تعريف و سپس متن پویش شده را با اين الگوها مقايسه نموده تا بتوان متن را استخراج نمود. در اينجا الگوهاي حرفي-‌عددي يا همان سمبول‌ها پايه و اساس هوشمندي سيستم را تشكيل مي‌دهند.
روش دوم يا متد» پيوندگرا «اين است كه يك سيستم هوشمند غيرسمبوليك تشکیل شده و متن‌هاي متعددي را يك به يك به آن سیستم داده شود تا آرام آرام آموزش دیده و سيستم را بهينه نماید. در اينجا سيستم هوشمند مي‌تواند مثلا‌ً يك شبكه عصبي يا مدل مخفي ماركوف باشد. در اين شيوه سمبول‌ها پايه هوشمندي نيستند، بلكه فعاليت‌هاي سلسله اعصاب يك شبكه و چگونگي پيوند ميان آن‌ها مبناي هوشمندي را تشكيل مي‌دهند.
در طول دهه‌هاي ۱۹۶۰ و ۱۹۷۰ به دنبال ابداع اولين برنامه نرم‌افزاري موفق در گروه سيستم‌هاي مبتني بر دانش ، سيستم‌هاي هوش سمبوليك به يك جريان مهم دنیای هوش مصنوعی تبديل شد. ايده و مدل شبكه‌هاي عصبي ابتدا در دهه ۱۹۴۰ توسط والتر پیتز  و وارن مک‌کلاچ معرفي شد. سپس دردهه ۱۹۵۰ كارهاي روزنبالت درموردشبكه‌هاي دولايه مورد توجه قرارگرفت. در ۱۹۷۴ الگوريتم BackPropagation توسط پاول ورباس معرفي شد، ولي متدولوژي شبكه‌هاي عصبي عمدتاً از دهه ۱۹۸۰ به اين سو رشد زيادي پيدا كرد و مورد استقبال دانشمندان قرار گرفت. منطق فازي نیز ابتدا توسط پروفسورلطفي‌زاده، در ۱۹۶۵ معرفي شد و از آن زمان به بعد توسط خود او و ديگر دانشمندان دنبال شده است.
البته هنگامی كه از گرايش‌های آينده سخن گفته می‌شود ، هرگز نبايد از گرايش‌های تركيبی غفلت شود. گرايش‌هايی كه خود را به حركت در چهارچوب شناختی يا بيولوژيك يا منطقی محدود نكرده و به تركيبی از آنها می‌انديشند. شايد بتوان پيش‌بينی كرد كه چنين گرايش‌هايی فرا ساختارهای روانی را براساس عناصر ساده بيولوژيك بنا خواهند كرد.
امروزه فناوری‌های نوین با سرعتی سرسام‌آور در حال پیشرفت هستند. جوامع به صورت عام و بازار به صورت خاص با شتابی وصف ناپذیر به دنبال فناوری‌هایی می‌گردند که در این عرصه پر رقابت حضور و اثر بخشی‌شان را تضمین کند.
گسترش فناوری اطلاعات در عرصه‌های سازمانی به سرعت لایه‌های مختلفی از کاربرد برای سازمان‌ها پدید آورده است که از امور جزیی و کوچک دفتری مانند تایپ و… در فرآیند‌های عملیاتی گرفته تا کنترل و مدیریت پیچیده‌ترین فرآیندهای تصمیم‌گیری در فرآیند‌های استراتژیک سازمان را شامل می‌شوند. یکی از این سطوح کاربرد که دو  دهه است به صورت جدی مطرح شده و هم‌اینک بسیاری از جنبه‌های ان پیاده‌سازی شده‌است،  سیستم‌هایی مبتنی بر هوشمندی کسب‌وکار است. می‌توان گفت هوشمندی کسب‌وکار هم ‌اینک بالاترین سطح از کاربرد فناوری اطلاعات در سازمان‌ها محسوب می‌شود.

۳- آشنایی با هوشمندی کسب‌وکار
تعریف هوشمندی کسب‌وکار
در زمینه هوشمندی کسب‌وکارتعاریف متعددی ارائه شده است که در به برخی از آن‌ها اشاره می‌شود:
• تعریف ۱ : هوشمندی کسب‌وکار به فرآیند تبدیل داده‌های خام به اطلاعات تجاری و مدیریتی اطلاق می‌گردد که به تصمیم‌گیرندگان سازمان کمک می‌کند تا تصمیمات خود را سریع‌تر و بهتر گرفته و بر اساس اطلاعات صحیح عمل نمایند.
• تعریف ۲ : هوشمندی کسب‌وکار عبارت است از بُعد وسیعی از کاربردها و فناوری برای جمع‌آوری داده و دانش جهت تولید پرس‌و‌جو در راستای آنالیز سازمان‌ها به منظور اتخاذ تصمیمات تجاری دقیق وهوشمند. داده‌ها با ورود به سیستم هوشمندی کسب‌وکار ، مورد پردازش قرار گرفته و تبدیل به دانش می‌شوند. سپس دانش بدست آمده مورد تحلیل قرارگرفته و از نتایج تحلیلی آن ، دید کلی نسبت به سازمان پیدامی‌شود که بر این اساس ، مدیران تصمیمات لازم را اتخاذ می‌کنند و اعمالی برای بهبود عملکرد سازمان انجام می‌دهند. از این دیدگاه ، اطلاعات ابتدایی موجود قادر به پاسخگویی به این سؤال هستند: «در سیستم چه اتفاقی افتاده‌است؟» باپردازش اطلاعات موجودمی‌توان به این سؤال پاسخ داد: «این اتفاق چرا رخ‌ داده ‌است؟»و در نهایت با تصمیمی که مدیران اتخاذمی‌کنند، می‌توان پیش‌بینی کرد: «چه اتفاقی خواهدافتاد؟»
• تعریف ۳: هوشمندی کسب‌وکارعبارت است از مدیریت کسب‌و‌کار که شامل سیستم‌ها و فناوری‌هایی است که به منظور گردآوری، دسترسی و تحلیل داده‌ها و اطلاعات درباره عملیات سازمان می‌باشد. این سیستم به مدیران کمک می‌‌نماید تا دانش گسترده‌تری از عوامل مؤثر در عملیات شرکت -مانند معیارهای اندازه‌گیری فروش، تولید و عملیات داخلی- را در اختیار داشته باشند، همچنین انها می‌توانند به اتخاذ تصمیم‌های تجاری بهتر کمک نمایند.
• تعریف ۴: هوشمندی کسب‌وکار نه به عنوان یک ابزار یا یک محصول و یا حتی سیستم، بلکه به عنوان یک رویکرد جدید در معماری سازمانی مطرح شده‌است، این معماری بر اساس سرعت در تحلیل اطلاعات به مدیران جهت اتخاذ تصمیمات دقیق و هوشمند کسب و کار در حداقل زمان ممکن کمک می‌کند.
• تعریف ۵: هوشمندی کسب‌وکار، یک سیستم جدید، برنامه نرم‌افزاری یا یک پروژه مستقل نیست بلکه یک چهارچوب کاری شامل فرآیندها ، ابزار و فن‌آوری‌های مختلف است که برای تبدیل داده به اطلاعات و اطلاعات به دانش مورد نیاز هستند. با استفاده از دانش به دست‌آمده، مدیران سازمان می‌توانند بهتر تصمیم‌گیری کنند و با طرح برنامه‌های عملی برای سازمان، فعالیت‌های تجاری را به صورت مؤثرتری انجام دهند.
• تعریف ۶: هوشمندی کسب‌وکار امروزه ابزار قدرتمندی را در اختیار سازمان‌ها قرار می‌دهد که به آنها در شناخت بهتر مشتریان و تهیه کنندگان کمک شایانی می‌کند. همچنین با کمک آن می‌توان کارآیی عملیات داخلی یک سازمان را تعیین کرد. سیستم‌های هوشمندی کسب‌وکار موجب ایجاد بهبود در کارآیی تجاری سازمان‌ها از طریق استفاده صحیح و پیشرفته از اطلاعات مربوط به مشتریان، تهیه کنندگان و عملیات تجاری داخلی سازمان‌ها می‌شوند.
• تعریف ۷: مفهوم هوشمندی کسب‌وکار در ابتدا خیلی ترسناک به نظر می‌رسد. بانک‌های اطلاعاتی بسیار حجیم و پراکنده باید با گروه‌های مختلف کارمندان سازمان به صورت سحرآمیزی ترکیب شوند ولی عملاً می‌توان آن را در یک جمله تعریف کرد: هوشمندی کسب‌وکارچیزی نیست مگر فرآیند بالابردن سود‌دهی سازمان در بازار رقابتی با استفاده هوشمندانه از داده‌های موجود در سازمان.
در مجموع می‌توان هوشمندی کسب‌وکار را از منظر‌های مختلف تعریف نمود، البته هر یک دارای ویژگی‌های به خصوصی است.
• منظرمدیریتی:
•  تصحیح و پیاده‌سازی فرآیند تصمیم‌گیری مدیران که در آنها دانشی بر پایه دقیق‌ترین و جامع‌ترین اطلاعات واقعی سازمان، ایجاد می‌شود.
• استفاده از دانش ایجاد شده برای تصمیم‌گیری در سطوح مختلف مسائل ساخت‌یافته، نیمه ساخت‌یافته و غیر ساخت‌یافته
• افزایش توانایی مدیر در اعمال تصمیمات راهبُردی.
•منظر معماری و فرآیندهای سازمانی:
• هوشمندی کسب‌وکار یک Framework است.
•    بستری برای حرکت از داده به اطلاعات و از اطلاعات به دانش با ایجاد ارزش افزوده برای سازمان.
• تمرکز بر فرآیندهای تصمیم‌گیری در سطوح مختلف مدیریتی در سازمان.
• افزایش کارآیی سازمان با توجه به بخش‌هایی مانند پرسنل مجرب، اطلاعات پنهان تجاری، کاهش فرآیندهای اضافی و…
• اتحاد و یکپارچگی فرآیندهای سازمان.
•منظرتجاری:
• ایجاد برتری رقابتی با استفاده از ابزارهای قدرتمند تحلیل رقبا.
• نظارت هوشمند تعامل با مشتریان و شرکای تجاری.
• نظارت هوشمند بازار و شناسایی تغییرات آتی بازار.
• فرآیند بالابردن سود‌دهی سازمان در بازار رقابتی.
•منظرفناوری:
• یک سیستم هوشمند.
• ایجاد بستر فنی و معماری مناسب جهت گسترش و استفاده بهینه از منابع.
• استفاده از ابزارهای نرم‌افزاری و سخت‌افزاری در راستای شناسایی، جمع‌آوری، پردازش و نتیجه‌گیری و نمایش داده‌ها و اطلاعات مورد نیاز در سازمان.
• مبتنی بر انبار داده‌ها و پایگاه داده‌های عملیاتی.
• در تعامل با بسیاری از سیستم‌های رایانه‌ای دیگر.
• مبتنی بر پردازش تحلیلی برخط.
به کمک هوشمندی کسب‌وکار می‌توان کاوش اطلاعات، آنالیز و تحلیل آنها را ساده نمود و به تصمیم‌گیرندگان در هر رده یک سازمان این اجازه داده می‌شود تا در هر کجا و هر زمان به آسانی به اطلاعات دسترسی داشته و آنها را تحلیل نمایند.
در واقع هوشمندی کسب و کار یکی از شاخه‌های فناوری اطلاعات است و  با دامنه وسیعی از تکنیک‌ها ، ابزارها و برنامه‌های کاربردی از قبیل پردازش تراکنش بَرخط ، پردازش تحلیلی برخط ، پایگاه داده تحلیلی ، داده‌کاوی ، سیستم‌های تصمیم‌یار هوشمند ، سیستم مدیریت دانش ، مدیریت زنجیره تأمین ، مدیریت ارتباط با مشتری و برنامه‌‌ریزی منابع سازمان درارتباط می‌باشد و هدف آن ارتقاء کیفیت عملیات و تحلیل آن است. علاوه براین هوشمندی کسب‌وکار فرآیند تبدیل داده‌ها به اطلاعات است،به گونه‌ای که سازمان تجاری را قادر به آنالیز اطلاعات می‌نماید تا بتواند با کسب بینش ودرک صحیح، نیازمندی‌های همه ذی‌نفعان سیستم را مدنظر داشته باشد.

۱-۳- اهداف زیر ساختی هوشمندی کسب‌وکار
برخی اهداف مهم زیرساختی هوشمندی کسب‌وکار در سازمان ، مربوط به ایجاد یک بستر ،چهارچوب و معماری با ثبات ، قابل گسترش ، تعامل‌پذیر و منعطف است که امکان به‌کارگیری فن‌آوری‌های نوین تجاری را در سازمان فراهم می‌کند. باتوجه به موارد مطرح شده می‌توان عنوان نمود که احساس نیاز به وجود یک سیستم هوشمندی کسب‌وکار در سازمان برای اولین بار در سطوح بالای مدیریتی احساس می‌شود و از بالای هرم ساختار سازمانی به بخش‌های زیرین منتقل می‌گردد. مهم‌ترین عملکرد یک مدیر ، تصمیم‌گیری است. فرآیند تصمیم‌گیری می‌تواند به سه بخش کلی تقسیم شود که عبارتنداز:
• دسترسی ، جمع‌آوری و پالایش داده‌ها و اطلاعات مورد نیاز.
• پردازش ، تحلیل و نتیجه‌گیری بر اساس دانش.
• اعمال نتیجه و نظارت بر پیامدها یا جریان اطلاعات.
در هر یک از موارد فوق ، سازمان‌های قدیمی که از هوشمندی کسب‌وکار استفاده نمی‌کنند ، دارای مشکلاتی هستند که اغلب به دلیل حجیم ‌بودن داده‌ها ، پیچیدگی تحلیل‌ها و ناتوانی در ردگیری پیامد‌هایی که در مورد آنها تصمیم گرفته شده ، به وجود می‌آیند. هوشمندی کسب‌وکار با کمک به حل مشکلات فوق ، به دلیل ساختاری که درسازمان اعمال می‌کند، فرصت‌های جدیدی برای سازمان به وجود می‌آورد.
سیستم‌های کاربردی هوشمندی کسب‌وکار سازمان‌ها را قادر می‌سازند تا با آگاهی بیشتری تصمیم‌گیری نموده و مزیت رقابتی را برای شرکت ایجاد می‌نمایند. به عنوان مثال یک شرکت با استفاده از این سیستم‌ها، اطلاعات و شاخص‌های محیطی ، پیرامون را مقایسه نموده و همچنین آینده روند کارها را در زمینه فعالیت خود پیش‌بینی می‌کند.
سیستم‌های کاربردی هوشمندی کسب‌وکار به شرکت‌ها کمک می‌کنند تا روند تغییرات را در بازار سهام، تغییرات در رفتار مشتریان و الگوهای مصرف، اولویت‌های مشتریان، توانایی‌های شرکت و در نهایت وضعیت شرکت را تجزیه و تحلیل کنند. همچنین به تحلیلگران و مدیران برای تنظیم پاسخ به روند تغییرات نیز کمک می‌نماید و نیز به شرکت‌ها کمک می‌کنند تا ثبات و پایداری بیشتری را ایجاد کنند و فرآیند تصمیم‌گیری مبتنی بر داده‌ها را که نتایج بهتری دارد جایگزین تصمیم‌گیری برمبنای حدس و گمان در فعالیت‌های تجاری نمایند. به علاوه ارتباط بین واحد‌ها را افزایش داده، فعالیت‌ها را هماهنگ می‌کند و شرکت‌ها را برای پاسخ سریع‌تر به تغییرات تجهیز می‌نماید.
زمانی که سیستم‌های هوشمندی کسب‌وکار به طور مناسب و صحیح طراحی و با فرآیند‌های شرکت منطبق شده باشند و از سوی دیگر اطلاعات آن برای تصمیم‌سازی قابلیت استفاده داشته باشد، قادر خواهد بود تا عملکرد شرکت را بهبود دهد. دسترسی به اطلاعات صحیح و به موقع، سرمایه مهمی برای هر شرکت محسوب می‌شود، این موضوع سرعت تصمیم‌گیری‌ها را افزایش داده و رضایت مشتریان را به همراه خواهد داشت.
ارائه خدمات به مشتریان به عنوان یک موضوع رقابتی، شرکت‌ها را ملزم به داشتن اطلاعات به روز و دقیق در مورد اولویت‌ها و نیاز های مشتریان می‌کند تا بتواند به سرعت، خودشان را با تغییر تقاضاها در بازار وفق دهند.
هوشمندی کسب‌وکار سازمان‌ها را قادر می‌سازد تا اطلاعاتی را در مورد روند فعالیت‌ها در بازار جمع‌آوری کنند و تغییر در تولیدات یا خدمات مورد انتظار مشتریان را پیش‌بینی نمایند. همچنین این سیستم‌ها به مدیران کمک می‌کنند تا از فعالیت‌های شرکت رقیب مطلع شوند.
برای کارکرد موثر سیستم های هوشمندی کسب‌وکار، سازمان‌ها باید سیستم‌های مکانیزه قابل اطمینانی داشته باشند تا بتوانند براساس سطوح مختلف سازمانی دسترسی به انبار داده‌ها را براساس سطح استفاده‌کنندگان یعنی کارمند، مدیر یا مدیر اجرایی تعیین کنند. به علاوه این سیستم‌ها نیاز به ظرفیت کافی برای اطلاعات و برنامه‌ای برای ذخیره و نگهداری داده‌ها دارند.
نرم‌افزار‌هایی که توسط تحلیل‌گران هوشمندی کسب‌وکار تولید می‌شود امکان جمع‌آوری و تجزیه و تحلیل حجم زیادی از داده‌های بدون ساختار را مانند معیارهای اندازه‌گیری تولید و تهیه گزارش‌هایی مانند آمارهای فروش، گزارش از خدمات ارائه شده و تعداد مشتریان انصراف داده، فراهم می‌نمایند. هر کدام از شرکت‌های ارائه کننده خدمات هوشمندی کسب‌وکار به طورمعمول سیستم‌های متفاوت و خاص خود را تولید می‌کند.

۲-۳- اهداف کاربردی هوشمندی کسب‌وکاردر سازمان‌ها
در این قسمت به بیان مواردی پرداخته می‌شود  که در بسیاری از سیستم‌های پیاده سازی شده هوشمندی کسب‌وکار به عنوان اهداف سیستم معرفی می‌شوند:
•تعیین گرایش‌های تجاری سازمان.
•تحلیل عمیق سازمان.
•پیشبینی وضعیت بازار و بالا بردن توانایی رقابتی سازمان در بازار.
•بالا بردن میزان سود‌دهی سازمان.
•تنظیم قیمت‌ها به نحو مطلوب.
•بالا بردن میزان فروش.
•کاهش هزینه‌ها.
•تحلیل سبدخرید.
•بالا بردن میزان رضایتمندی مشتری.
•شناسایی مشتری‌های دائمی و حفظ آنها.
•تحلیل‌های مورد نیاز برای تقسیم‌بندی مشتری.
•بالار فتن کارایی سازمان در انجام امور داخلی.
•قابلیت زمانبندی امور در سازمان به صورت دقیق.
•توانایی استفاده مناسب منابع اطلاعاتی موجود در سازمان.
•استاندارد‌سازی و ایجاد سازگازی بین ساختارهای سازمان.
•توانایی فراهم نمودن اطلاعات با کیفیت بالا.
•ایجاد توانایی اتخاد تصمیم‌های سریع در سازمان.
•تشخیص زود هنگام خطرات و فرصت‌ها.
هوشمندی کسب‌وکار به ردگیری منشاء اصلی فاکتور‌های حیاتی کارآیی یک سازمان کمک می‌کند.اغلب اهداف ذکر شده فوق، دارای رویکرد کاربردی هستند. همان‌طور که قبلا هم ذکر شد، هوشمندی کسب‌وکار علاوه بر این اهداف کاربردی ، برخی اهداف مهم زیرساختی هم دارد. این اهداف در سازمان بیشتر مربوط به ایجاد یک بستر و معماری باثبات، قابل گسترش، تعامل‌پذیر و منعطف است که امکان به کارگیری فن‌آوری‌های نوین تجاری را در سازمان فراهم می‌کند.

۳-۳- انگیزه‌های استفاده از هوشمندی کسب‌وکاردر سازمان‌ها
انگیزه استفاده از یک فناوری جدید برای یک سازمان می تواند دو عامل مهم داشته باشد: اول حل برخی مشکلات که با روش‌های قدیمی قابل حل نبودند و دوم ایجاد فرصت‌های جدید تجاری.
سیستم‌های موجود در سازمان‌ها دارای مشکلات زیادی هستند که برخی از انها با استفاده از هوشمندی کسب‌وکارقابل حل هستند. مشکلاتی از سازمان که با هوشمندی کسب‌وکار قابل برطرف کردن هستند را می‌توان به دو دسته تجاری و تکنیکی تقسیم‌بندی کرد که در ادامه به برخی از انها اشاره می‌شود.

۱-۳-۳- مشکلات تجاری
* وجود دیدهای مختلف نسبت به یک واقعیت موجود
* نداشتن اطلاعات کافی در رابطه با مشتریان مانند:
* مشتریان واقعی چه کسانی هستند؟
* این مشتریان چه کالاهایی و در چه زمانی می‌خرند؟
* چگونه می‌توان الگوهای خرید مشتری رااستخراج کرد؟
* چگونه می‌توان میزان وفاداری مشتری را بالا برد؟
* نداشتن اطلاعات مورد نیاز در رابطه با محصولات مانند:
* آیا طبقه‌بندی محصولات به درستی انجام شده است؟
• گزارش گیری ایستا

۲-۳-۳- مشکلات تکنیکی
• برنامه‌ها و ساختارهای داده‌ای قدیمی
• مدیریت ضعیف داده‌ها
• یکپارچه نبودن داده‌ها
• وجود پایگاه‌های بزرگ و پراکنده
• کارایی پایین و زیاد بودن زمان پاسخ سیستم
با استفاده از هوشمندی کسب‌وکار اطلاعات در حوزه‌های مختلفی مورد بررسی قرار می‌گیرد. برخی از این حوزه‌ها عبارتند از: اطلاعات مشتریان، رقبا، شرکای تجاری، اطلاعات اقتصادی، اطلاعات محیط، عملیات داخلی و …
این بررسی‌ها در جهت مدیریت بهتر و تاثیرگذار، کاهش هزینه‌ها، پشتیبانی بهتر از محصولات و افزایش سوددهی مفید واقع می‌شوند.از سوی دیگر می‌توان مشکلاتی را که هوشمندی کسب‌وکار با آنها درگیر می‌شود، به دو دسته مسائل ساخت‌یافته و غیرساخت‌یافته تقسیم‌بندی نمود.در مورد فرصت‌های جدید تجاری، موارد بسیاری را می‌توان ذکر نمود که در این جا تنها به برخی از انها اشاره می‌شود:

•دلایل اقتصادی
•دنبال نمودن اهداف کارایی سیستم کاربردی
•افزایش رقابت‌ها
•تجارت الکترونیکی
•حمایت از تصمیم‌گیری‌های سیستمک اربردی
•افزایش مشتریان
•آنالیز عملیات سیستم
•صحت و دقت اطلاعات حاصل از سیستم
•دسترسی به داده‌های بهنگام شده
•کاهش هزینه
•رضایت کاربران نهایی در مقایسه باکالاهای مشابه

۴-۳- مشکلات راه اندازی سیستم هوشمندی کسب‌وکاردر سازمان‌ها
برای ایجاد هوشمندی کسب‌وکار در یک سازمان موانع و مشکلاتی وجود دارد که در راه‌حل‌های پیشنهاد‌شده برای سازمان باید برای مقابله با مشکلات مذکور تمهیداتی اندیشیده شود. این مشکلات عبارتند از:
* ایجاد هوشمندی کسب‌وکاردر سازمان نیاز به همکاری تنگاتنگ بین واحدهای مختلف داخل و خارج سازمان دارد.
* معمولا تعیین و تعریف اهداف مورد نظر سازمان در هوشمندی کسب‌وکار مشکل است.
*    اغلب سازمان‌ها به دلیل نداشتن اطلاعات کافی، راه اندازی هوشمندی کسب‌وکار در یک سازمان را غیرعملی یا بسیار مشکل می‌دانند.

در راستای ایجاد هوشمندی کسب‌وکار، برخی چالش‌های مهم سازمان عبارتند از:
* جمع‌آوری و یکپارچه‌کردن اطلاعات از بسترهای  سخت‌افزاری و نرم‌افزاری نامتجانس  .
•    مدیریت سیستم‌های توزیع شده‌ای که هیچ نقطه مشترک کنترلی ندارند و دارای فعالیت‌های حساس به زمان می‌باشند.
* بهبود دسترسی به داده‌ها بدون افزایش هزینه‌ها
* بهنگام‌سازی‌های متوالی داده‌های سازمان با افزایش سریع ترافیک ، بار زیادی را متحمل شبکه‌های ارتباطی‌ می‌کند.
* استفاده موثر و به‌کارگیری مفید از فناوری‌های نوین بدون نیاز به زمان از کارافتادن زیاد سیستم‌های سازمان و هزینه بالا و آموزش‌های مجدد حرفه‌ای برای کارکنان.
* تهیه و به‌کارگیری سرورهای قابل گسترش برای اجرای برنامه‌های کاربردی با اندازه‌های ترابایت.
* تهیه و به‌کارگیری حافظه‌های ذخیره برای حفاظت داده‌ها به صورتی که قابل گسترش و قابل مدیریت باشند.
رسیدن به هوشمندی واقعی در سازمان بدین معنا است که بتوان برای این چالش‌های مهم بهترین راه حل را پیدا نمود.
با توجه به مشکلات و چالش‌های مطرح شده، مشکلات عمده استقرار هوشمندی کسب‌وکاردر سازمان عبارتند از:
* سیستم‌های فعلی (داخل و خارج سازمان): بسیاری از سازمان‌ها قبل از استقرار هوشمندی کسب‌وکارسال‌ها است که از سیستم‌های جامع و بزرگ مختلفی استفاده می‌کنند. این سیستم‌ها به قدری در سازمان نفوذ کرده‌اند که تصمیم به کنار گذاشتن انها از فرآیندهای تجاری سازمان بنا به دلایل مختلف غیرممکن است. هوشمندی کسب‌وکاربه دلیل پیشنهاد Frameworkجدید ممکن است با بسیاری از ساختارهای قبلی ناسازگار باشد. حل مشکل ناسازگاری بین سیستم‌های موجود و سیستم هوشمندی کسب‌وکاریکی از مهمترین چالش‌های سازمان است.
* فرآیندهای فعلی (داخلی و خارجی): فناوری جدید هوشمندی کسب‌وکاربه همراه ساختار جدید و بستر فنی نوینی که به همراه می‌اورد برای رسیدن به کارایی مطلوب و استفاده بهینه از تمامی قابلیت‌هایش نیازمند تغییر برخی فرآیندهای تجاری قدیمی سازمان و سازگار‌شدن انها با فناوری نوین است. هزینه این تغییر، مقاومت کارکنان و خود سازمان از چالش‌های مهم استقرار هوشمندی کسب‌وکاردر یک سازمان است.
* سیستم‌های توزیع شده: یکی از مهم‌ترین چشم‌انداز‌های هوشمندی کسب‌وکار، استقرار یک معماری یکپارچه برای داده‌ها و اطلاعات سازمانی است. با توجه به عدم وجود چنین رویکردی در سازمان‌ها، یکی از چالش‌های هوشمندی کسب‌وکار، مدیریت و پردازش منابع توزیع شده‌ای از داده و اطلاعات است که در نقاط مختلف سازمان بدون هیچ گونه ارتباطی پخش شده‌اند.
* برداشت نادرست از مفهوم هوشمندی کسب‌وکار: برداشت‌های نادرست از هوشمندی کسب‌وکارمانند هر فناوری نوین دیگری ممکن است منجر به افزایش ناگهانی انتظارات مدیران از سیستم و ناتوانی سیستم از پاسخگویی به انها باشد.
* افزایش ناگهانی هزینه‌ها در ابتدای به‌کارگیری: عدم مدیریت صحیح فناوری‌هایی که در سطح گسترده‌ای از سازمان مورد استفاده قرار می‌گیرند ممکن است هزینه بالایی را برای سازمان به وجود اورد. هوشمندی کسب‌وکاربه دلیل گستردگی‌اش در سازمان و نفوذ در بسیاری از فرآیندهای سازمانی ممکن است در ابتدای به‌کارگیری، هزینه بسیاری را سربار سازمان کند. قسمتی از این هزینه، طبیعی بوده و در بازگشت سرمایه جبران خواهد شد ولی قسمتی از این هزینه ممکن است به دلیل عدم مدیریت صحیح، عدم آموزش کافی کارکنان، عدم بررسی تمام جوانب سیستم و… به وجود آید.
با توجه به موارد فوق مشاهده می‌شود که تغییر از وضعیت زیرساخت‌ها و فرآیندهای تجاری فعلی سازمان و سازگار کردن آنها با فناوری نوین هوشمندی کسب‌وکارمهمترین چالش سازمان باشد.

۵-۳- وضعیت هوشمندی کسب‌وکاردر جهان
بازار نرم‌افزارها و راهکارهای مرتبط با هوشمندی کسب‌وکاربا رشد مواجه هستند. مطابق گزارش فوربس بازار هوشمندی کسب‌وکاربا رشد ۸% مواجه بوده است[۲].  هوشمندی کسب‌وکاردر سال ۲۰۱۲ میلادی هزینه ای برابر با ۱۳٫۳ میلیارد دلار داشته در سال ۲۰۱۳ به ۱۴٫۴ میلیارد دلار افزایش یافته است.  شرکت SAP به عنوان پیشرو  در هوشمندی کسب‌وکارسهم ۳٫۱ میلیارد دلاری بازار را با افزایش ۵٫۳% به خود اختصاص داده است. در نمودار ۱ سهم بازار شرکت‌های پیشرو در هوشمندی کسب‌وکاررا مشاهده می نمائید.
بخش زیادی از این رشد موجود ناشی از افزایش گرایش عمومی به سیستم‌های گزارش‌گیری و ابزارهای پرس‌و‌جو  مربوط می‌شود و مابقی حاصل رونق سیستم‌های داده‌کاوی و تجزیه و تحلیل پیشرفته آمار است.
در همین فاصله آن دسته از نرم‌افزارها که مبتنی بر بانک‌های اطلاعاتی متداول مانند  SQL Serverیا اوراکل بوده‌اند، تقریبا دو برابر میانگین رشد کل بازار رشد داشته‌اند. بنابراین می‌توان نتیجه گرفت که یکی از دلایل مهم این رشد شدید، گرایش صنعت نرم‌افزار و برنامه‌نویسان بانک‌های اطلاعاتی به سمت استفاده از راهکار هوشمندی کسب‌وکاربوده است.
امروزه شاهد هستیم که هوشمندی کسب‌وکاردر شاخه‌های هوشمندی کسب‌وکارسنتی ، هوشمندی کسب‌وکارمبتنی بر ابری ،  هوشمندی کسب‌وکارمبتنی بر تلفن همراه و هوشمندی کسب‌وکاراجتماعی در حال گسترش است. مطابق گزارش موسسه گارتنر[۳] رشد شاخه‌های هوشمندی کسب‌وکارتا سال ۲۰۱۸ میلادی تا ۲۰ میلیارد دلار خواهد بود.
بازار هوشمندی کسب‌وکار به شدت درحال گسترش است و قابلیت‌های راهکار هوشمندی کسب‌وکاربه گونه‌ای است که به کار هر نوع کسب‌و‌کاری می‌آید. مثلا از این راهکار می‌توان برای بررسی چرایی و چگونگی صفحات پربیننده یک سایت وب، استخراج گزارش‌های مالی از فراز و نشیب شرکت یا سازمان، میزان استقبال مردم از یک برنامه ملی، نظرسنجی و افکارسنجی پیرامون یک موضوع خاص، تغییرات رشد جمعیت و گرایش‌های آتی ان، برنامه‌ریزی برای آینده صنعت کشاورزی با توجه به تغییرات اب و هوا، تغییرات میزان فروش یک محصول در بازار رایانه و پیش‌بینی وضعیت احتمالی بازار در اینده استفاده کرد.
دلیل این استقبال را می‌توان در این مسئله جستجو کرد که استفاده از راه‌کارهای پیچیده و سیستم‌های نرم‌افزاری گران‌قیمت و اختصاصی این بازار، برای همه ممکن نیست و شرکت‌ها و کسب‌و‌کارهای کوچک و متوسط ترجیح می‌دهند به جای سروکله زدن با این پیچیدگی‌ها و هزینه‌ها، به شرکت‌های نرم‌افزاری محلی یا برنامه‌نویسان منفرد مراجعه کنند تا برایشان یک سیستم تجزیه و تحلیل ساده‌تر و کم‌هزینه‌تر بنویسند که متناسب با ساختار کسب‌و‌کارشان باشد. بدیهی است که اگر آنان سرمایه‌گذاری در این زمینه را قابل برگشت تشخیص دهند، پس از مدتی به استفاده از نرم‌افزارهای استاندارد بازار روی خواهند آورد.
پاورقی
۱-John McCarthy
۲-Organization Intelligence
۳-Functional programming
۴-Symbolic
۵-Connection
۶-Machine Learning
۷-Expert Systems
۸-Network Neural
۹-Fuzzy Logic
۱۰-Boole
۱۱-Alan Mathison Turing
۱۲-Sir Arthur Charles Clarke
۱۳-John von Neumann
۱۴-Claude Elwood Shannon
۱۵-Arvin Lee Minsky
۱۶-Perception
۱۷-Reasoning
۱۸-Learning
۱۹-Methodology
۲۰-Context
۲۱-Connectionism
۲۲-EvolutionaryAlgorithms
۲۳-ImmunSystem
۲۴-AntColony
۲۵-Knowledge-Based
۲۶-WalterPitts
۲۷-WarrenMcCulloch
۲۸-Rosenblatt
۲۹-PaulWerbos
۳۰-Meta –Structure
۳۱-Heterogeneous

منابع
[۱]   Turing A.M ,»COMPUTING MACHINERY AND INTELLIGENCE» , ۱۹۵۰ , Mind 49 , p433-460

[۲] Columbos , Louis , « Roundup Of Analytics, Big Data & Business Intelligence Forecasts And Market Estimates», ۲۰۱۴ , www.forbes.com
[۳]  Turino , James , «Business Intelligence» , ۲۰۱۴ , Redwood Capital
[۴]  Russell , Stuart / Norvig , Peter , «Artificial Intelligence:A Modern Approach» , ۲۰۱۰ , Prentice-Hall , ISBN : 0-13-604259-7
[۵]  Williams  , Steve / Williams , Nancy  , «The Profit Impact of Business Intelligence» , ۲۰۰۷ , Elsevier / Morgan Kaufmann publications , ISBN : 0-12-372499-6

[۶] Yue  , Dianmin /  Wu  , Xiaodan and others   , « A Review of Data Mining-based Financial Fraud Detection Research « ,  ۲۰۰۷ ,  IEEE

[۷] Sharma,  Anuj /  Panigrahi ,  Prabin Kumar  , « A Review of Financial Accounting Fraud Detection based on Data Mining Techniques» , ۲۰۱۲ , International Journal of Computer Applications , Volume 39– No.1

[۸] Ngai  , E.W.T. / Hu  , Yong  and other , « The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literature « , ۲۰۱۱,  Decision Support Systems , Elsevier
[۹] Han , Jiawei ,/Kamber , Micheline , « Data Mining:Concepts and Techniques « , ۲۰۰۶ , Elsevies / Morgan Kaufman Publocation , ISBN 10: 1-55860-901-6

[۱۰] Wu , Xindong / Kumar , Vipin  , « Top 10 algorithms in data mining « , ۲۰۰۸ , Knowl Inf Syst / Springer

[۱۱] Kirkos  , Efstathios / Spathis  , Charalambos and other , « Data Mining techniques for the detection of fraudulent  financial statements « , ۲۰۰۷ , Expert Systems with Applications , Elsevier

[۱۲] Yamanishi  , Yoshihiro/ Vert  , Jean-Philippe  , « Kernel matrix regression « , ۲۰۰۷ , HAL

[۱۳] Chen , Wei-Sen / Du ,Yin-Kuan ,» Using neural networks and data mining techniques for the financial distress
prediction model « , ۲۰۰۹ , Expert Systems with Applications , Elsevier
[۱۴] Zhou , Wei / Kapoor  , Gaurav  , « Detecting evolutionary financial statement fraud « , ۲۰۱۱ , Decision Support Systems , Elsevier
[۱۵] Lakshmi,  U.Jothi  ,» A Novel Method to Detect False Financial Statement using Negative Selection Algorithm «,۲۰۱۴ ,  International Journal of Applied Information Systems (IJAIS)  ,  Volume 7– No.9,  ISSN : 2249-0868

[۱۶] Jaya  , Beulah Jeba Y. , «Assessment of Fraud Pretentious Business Region Research Articles Using Data Mining Approaches» , ۲۰۱۳ , International Journal on Computer Science and Engineering (IJCSE) , Vol. 5 No. 07 , ISSN : 0975-3397

[۱۷] Cindi, H & , Eckerson, W , «Business intelligence Tools: Comparison and Market Analysis» , ۲۰۰۸ ,
TDWI Technology Market Report.

[۱۸]  McSherry  , Máire Ryan, « The Benefits of Business Intelligence for Insurance Companies» , ۲۰۱۲ ,   Chartered Insurance Practitioner

[۱۹] Kumar , Pawan  / Swarup  , Saurabh  , «Business Intelligence and Insurance» ,۲۰۰۱ , Wipro , India

[۲۰] Saraswathy , Kanya  , «Business Intelligence Strategy for New Age Insurers» , ۲۰۱۳ , Tata Consultancy Services

[۲۱] Kirlidog , Melih / Asuk , Cuneyt  ,»A fraud detection approach with data mining in health insurance» , ۲۰۱۲ , Social and Behavioral Sciences 62 , Elsevire

[۲۲] Sithic  , H.Lookman /  Balasubramanian , T. , « Survey of Insurance Fraud Detection Using Data Mining Techniques « , ۲۰۱۳ , International Journal of Innovative Technology and Exploring Engineering , Volume-2, Issue-3, ISSN: 2278-3075

]۲۳[ شکوهیار ، سجاد ، «هوش تجاری» ، ۱۳۹۳ ، دانشگاه شهید بهشتی ، دانشکده مدیریت و حسابداری ، گروه مدیریت فناوری اطلاعات

]۲۴[ امیر‌خانی ، امیرحسین / متقی‌ثابت  محمود ، «بررسی موانع توسعه بیمه‌های الکترونیک در شرکت سهامی بیمه آسیا» ، فصلنامه صنعت بیمه ، ۱۳۸۹ ، سال بیست‌و پنجم ، شماره ۱

]۲۵[ محمودی ، مهدی ، «رویکردی بر ساخت و پیاده‌سازی سیستم هوش تجاری» ، ۱۳۸۷ ، ماهنامه تدبیر ، شماره ۲۰۱

]۲۶[ آمای ، امیر ، «هوشمندی کسب‌و‌کار کلید موفقیت بنگاه اقتصادی» ، ۱۳۸۴ ، ماهنامه مدیریت فردا ، شماره ۹ و ۱۰

]۲۷[ بابایی ، علی‌اکبر ، «هوش تجاری خالق فرصت‌های جدید» ، ۱۳۹۰ ، ماهنامه تدبیر ، شماره ۲۳۴

]۲۸[ قره‌خانی ، محسن / ابوالقاسمی ، مریم ، «کاربردهای داده‌کاوی در صنعت بیمه» ، ماهنامه بیمه ، شماره ۱۵۸

]۲۹[ مهرداد ، آسیک ، «کاوش داده‌ها برای کشف تقلب» ، ۱۳۹۱ ، ماهنامه حسابرس ، شماره ۶۰

]۳۰[ صفدری ، رضا / شاهمرادی ، لیلا ، «استفاده از شبکه‌های عصبی در نرم‌افزارهای کد‌گذاری جهت کشف کلاه‌برداری‌ها» ، ۱۳۸۸ ، فصلنامه علمی آموزشی مدارک پزشکی ، دوره ششم ، شماره سوم

]۳۰[ سهرابی ، بابک ، «هوشمندی کسب و کار چیست؟» ، http://www.babaksohrabi.com/show-content.aspx?ID=1&Type=1

]۳۱[ سازور ، اعظم ، «ارائه الگویی برای بهبود هوش تجاری در بازاریابی صنعت بیمه الکترونیک» ، ۱۳۹۰ ، ماهنامه بهبود مدیریت ، سال پنجم ، شماره ۳

]۳۲[ ترکستانی ، محمد صالح ، «ارزیابی شرکت‌های بیمه ایرانی برای پیاده‌سازی انباره داده» ، ۱۳۸۷ ، فصلنامه صنعت بیمه ، سال بیست و سوم ، شماره ۱ و ۲

]۳۳[ رونقی ، محمد‌حسین ، ارزیابی عملکرد هوشمندی کسب و کار  با استفاده از تحلیل فازی ، ۱۳۹۲ ، فصلنامه تخصصی پارک ها و مراکز رشد ، سال نهم ،  شماره ۳۴

]۳۴[ صارمی‌نیا ، صبا ، «ابزار‌های هوش کسب و کار و مقایسه آنها» ، ۱۳۹۱ ،  دانشگاه تربیت مدرس

]۳۵[ وحیدپور ، فرشاد  ، «سیستم ایمنی مصنوعی « ، ۱۳۹۳ ،  ماهنامه رایانه ، ویژه‌نامه الکامپ ، شماره ۲۵۲

————————————–

فرشاد وحیدپور

 

 

دیدگاهتان را ثبت کنید

آدرس ایمیل شما منتشر نخواهد شدعلامتدارها لازمند *

*

x

شاید بپسندید

رویکردها و ابزارهای نوین موثر در آینده پژوهی هوشمندی کسب‌و‌کار

چکیده آینده هوشمندی کسب و کار و آشنایی با ابعاد و مولفه‌های ...