تهران دیتا-دانشگاه تهران – Telegram
تهران دیتا-دانشگاه تهران
10.4K subscribers
1.05K photos
67 videos
41 files
1.15K links
مرجع آموزش های حرفه ای علم داده و هوش مصنوعی ایران

www.tehrandata.org
linkedin.com/in/tehrandata

دوره (LLM) مدل های زبانی بزرگ: 09377516759
دوره (AI) علم داده: 09357516755
دوره (CBDA) تحلیل داده‌ کسب‌و‌کار: 09377516835
دوره (BI) هوش تجاری: 09377516682
Download Telegram
تهران دیتا-دانشگاه تهران
🔹 مدرس دوره هوشمند سازی کسب و کار 💻 با نرم افزار Table ▪️ دکتر #علی_سعیدی 🆔 @BPERM_UT
▪️معرفی دوره هوشمند سازی کسب و کار
💻با نرم افزار Tableau
#بخش_دوم

آموزش این دوره با هدف شناخت مبانی هوش تجاری و چگونگی پیاده سازی داشبوردهای مدیریتی در بستر نرم افزار Tableau می باشد.(برترین نرم افزار BI در چند سال اخیر) مباحث این دوره به مدیران و کارشناسان کمک می‌کند تا ضمن آشنایی با حوزه هوش تجاری، به تجهیز
و بسیج منابع مالی و انسانی سازمان/شرکت در جهت افزایش کیفیت تصمیم‌گیری‌ها و بهره‌مندی از یافته‌های دانشی ناشی از تجزیه و تحلیل حجم عظیمی از اطلاعات ، نسبت به بکارگیری فنون و تکنیک‌های هوش تجاری پرداخته و سازمان خود را به مغزافزار، نرم‌افزار و سخت‌افزار مربوطه مجهز نمایند.

با شرکت در این دوره قادر خواهید بود به انواع سوالات و دغدغه های کسب و کار خود پاسخ دهید:

▪️به عنوان مثال برخی سوالات مهم و کلیدی (مربوط به حوزه خرده فروشی) به شرح زیر می باشد:

• چه محصولی را کی و کجا دیگر نفروشید؟

• الزما با افزایش فروش،افزایش سود حاصل میشود؟ دقیقا چه محصولاتی و در کدام استانها؟

• کدام خریداران ،دقیقا چه زمانی بیشترین آسیب را به ما زده اند؟

• به کدام مشتریان باید تخفیف و به کدام یک اصلا نباید تخفیف داد؟

• درصورت کاهش ۱۰درصدی ریزش مشتری، درآمد چقدر افزایش می‌ یابد؟

• سهم فروش کالاهای پر بازده به چه صورت است؟

• مشتریان وفادار و فعال کسب و کار چه افرادی هستند؟

• اینکه پیش بین فروش درسال اینده چقدر است؟

• و ...

مشابه همین سوالات را می توان در حوزه کاری شما نیز مطرح و پاسخ های دقیق را پیدا ارائه نمود.

🔰 مخاطبین دوره
• مدیران و کارشناسان حوزه های مختلف کسب و کار مانند برنامه ریزی، آمار، بازاریابی و فروش،تولید، فناوری اطلاعات

• مهندسین کامپیوتر، آمار، صنایع ، برنامه ریزی و مدیریت

• متخصصین دیتابیس ، تحلیلگران داده و علاقه مندان Data Discovery

دکتر علی سعیدی، دکتری مدیریت فناوری اطلاعات، گرایش BI

🔹لینک ثبت نام:
https://evnd.co/UAsxH

🆔 @BPERM_UT
تهران دیتا-دانشگاه تهران
🔹 نام دوره: آموزش مقدماتی و کاربردی ArcGIS 🔰 به همراه حل #پروژه_کاربردی 🔹 مدرس دوره: مهندس #محمد_کاظمی_بیدختی مدیر پروژه سامانه پایش اتوماتیک اراضی کشور 🔹 زمان شروع دوره: پنجشنبه مورخ: ۹۷/۱۲/۰۲ 🔹لینک ثبت نام: https://evnd.co/gyu9R 🆔 @BPERM_UT
▪️معرفی دوره جامع آموزش مقدماتی و کاربردی ArcGIS

▫️این دوره در ابتدا بتشریح مفاهیم مقدماتی سامانه اطلاعات مکانی (GIS) می پردازد و سپس در ادامه به آموزش جامع ابزار ArcGIS که به عنوان کاربردی ترین و جامعترین ابزار این حوزه شناخته می شود، خواهد پرداخت.

▫️بنا به ادعای شرکت های معتبر ازجملهIBM وGoogle، امروزه بیش از ۹۰% داده های تولید شده دارای ماهیت مکانی می باشند که این موضوعGIS را ابزاری قدرتمند جهت تصمیم گیری، پیش بینی، مدیریت، تجزیه و تحلیل و مدلسازی داده های مکان محور در علوم مختلف قرار داده است. بدین منظور، این موضوع نیاز به یادگیری نرم افزار ArcGIS را برای کاربران رشته های مختلف از جمله مهندسین صنایع، معدن، سامانه اطلاعات مکانی، مدیریت، جغرافیا، شهرسازی، حمل و نقل، زمین شناسی، محیط زیست، منابع طبیعی، برنامه ریزی شهری و معماری جهت مدیریت داده های مکان محور بیش از پیش الزامی نموده است.

▫️موضوعات مکان محور طیف وسیعی از مسائل را متناسب با هر رشته شامل می شوند. به عنوان مثال، مسائل مربوط به مکانیابی، داده کاوی و خوشه بندی، تخصیص منابع، VRP، مسیریابی و کوتاهترین مسیر و انواع تحلیل های شبکه ایی در مهندسی صنایع، مسائلی مربوط به پیش بینی سیل، مدیریت بحران و مدلسازی تغییرات کاربری اراضی در جغرافیا، مسائل مدلسازی گسترش شهر نشینی و جمعیت در برنامه ریزی شهری، مدلسازی آلودگی هوا و نحوه توزیع و پخش آلاینده ها در محیط زیست و تحلیل تصادفات و ترافیک شهری در حمل و نقل تعداد محدودی از دسته مسائل مکان محور میباشند.

▫️در این دوره دانشجویان قادر خواهند بود پس از فراگیری نرم افزار ArcGIS کلیه مراحل یک پروژه را از ورود اطلاعات، مدیریت داده های مکانی، نمایش داده های مکانی، ویرایش داده ها، تحلیل و مدلسازی داده ها، نحوه تعامل با نقشه تا قابلیت اخذ نقشه های خروجی استاندارد در محیطArcGIS را انجام دهند.

▫️رویکرد دوره به صورتی است که معرفی هر ابزار و مفهوم با ارائه‌ی مثال ساده کاربردی خواهد بود و افراد می توانند در خود کلاس مفاهیم را به خوبی استفاده کنند و‌ همچنین پروژه ها و تمرین های بسیاری برای حل کردن در خارج کلاس بیان می‌گردد.

▫️این دوره توسط مهندس کاظمی بیدختی با سابقه 2 سال تدریس دوره ArcGIS به همراه 5 سال سابقه فنی و پژوهشی در حوزه های مختلف علوم مکانی ارائه می‌گردد و ایشان تجربه های کاری مرتبط با این حوزه را نیز مطرح می کنند.

🆔 @BPERM_UT

🔰و اما برنامه های آینده:
▫️بعد از تمام شدن این کلاس دورهل پیشرفته نرم افزار ArcGIS ارائه می گردد که در آن مفاهیم پیشرفته از قبیل تحلیل های شبکه ایی از جمله مسائل کوتاهترین مسیر، VRP, تخصیص منابع، مدلسازی های پیشرفته، انواعل تبدیلات فرمت های مختلف و مدیریت داده های تصویری مطرح می‌شوند.

▫️سپس دوره ایی جهت سفارشی سازی انواع تحلیل های مکانی در بستر GIS با زبان پایتان ارائه خواهد شد که این دوره محدودیت استفاده از ابزارهای محدود موجود در نرم افزار ArcGIS را از بین خواهد برد و به کاربران قابلیت پیاده سازی هرگونه تحلیل مکانمند را خواهد داد.

‼️ لازم به ذکر است دوره های تکمیلی در فصل بهار و بعد از دوره مقدماتی آغاز می گردند.

مهندس محمد کاظمی بیدختی، مدیر پروژه سامانه پایش اتوماتیک اراضی کشور

🔹لینک ثبت نام:
https://evnd.co/gyu9R

🆔 @BPERM_UT
تهران دیتا-دانشگاه تهران
@BPERM_UT ▪️ابزار برنامه‌ ریزی منابع و انواع آن #بخش_اول برنامه‌ریزی منابع به فرآیندی گفته می‌شود که در طی آن، فعالیت‌ها به منابع انسانی و غیر انسانی به صورتی تخصیص می‌شود که کارایی منابع حداکثر گردد. همچنین می‌توان برنامه‌ریزی منابع را فرآیند تخصیص فعالیت‌ها…
🆔 @BPERM_UT
مفهوم منبع (resource)

🔺تعریف:

منشاء (source) یا موجودی است که از آن منفعت به دست می‌آید.

▫️ ویژگی‌های منبع:
سودمندی، محدود بودن و دارای قابلیت بالقوه جهت استفاده

🔺حالات اصلی منبع:
منبع طبیعی: سنگ‌ها، آب، هوا، درختان، حیوانات، مواد معدنی، زمین و غیره.
منبع انسانی: انسان‌ها
منبع سرمایه‌ای: پول

مدیریت منابع
مدیریت منابع فرآیند برنامه‌ریزی، تخصیص، استقرار، هدایت، استفاده، هماهنگی و نظارت بر منابع مالی، فیزیکی، نیروی انسانی، فناوری اطلاعات و ماشین‌آلات مرتبط با سازمان یا موسسه است که به منظور دستیابی به اهداف مقرر شده‌ی آن، به صورت موثر انجام می‌گیرد.

جنبه‌های مدیریت منابع برای سازمان:
1️⃣ مدیریت منابع فیزیکی
2️⃣ مدیریت منابع انسانی
3️⃣ مدیریت منابع مالی
4️⃣ مدیریت منابع انگیزشی
5️⃣ مدیریت منابع دارایی


✍️گردآورندگان: مهندس سروش فاطمی، درسا عبدالحمیدی، کارشناسی ارشد مهندسی صنایع دانشگاه تهران

📃 منبع:
https://www.slideshare.net/KarnaBahadurChongban/ppt-presentation-resource-mgmt

#Resource_definition #Resource_types
🆔 @BPERM_UT
🆔 @BPERM_UT
▪️تفاوت و ضرورت
🔻مدیریت فرآیند کسب و کار
🔻باز مهندسی فرآیند کسب و کار (مهندسی مجدد فرآیندهای کسب و کار)

▪️ضرورت شناخت مفاهیم

▫️پرداختن به یک کسب و کار ایستا در فضای رقابتی امروز، شبیه به زندگی روی نوک یک قله است. یک قدم حساب نشده می‌تواند همه چیز را به باد دهد. پیشرفت روز افزون تکنولوژی‌ها و تکنیک‌ها این شیب را پیوسته افزایش داده و افراد را ملزم می‌کند که خود را سریعا با تغییرات پیش رو وفق دهند.

▫️در صورت ایجاد یک اختلال بزرگ در بهبود فرآیندهای کسب و کار، تئوری ها، مفاهیم و راهکارهای زیادی وجود دارد اما باید توجه داشت که راهکار مناسب برای یک سازمان، می‌تواند شکست‌های بزرگ و جبران ناپذیری را برای سایر سازمان‌ها به دنبال داشته باشد. در نتیجه، شناسایی و درک دقیق این مفاهیم، پیش از بکارگیری هر یک از آن‌ها امری بسیار ضروری می‌باشد.

▪️تفاوت مفاهیم

مدیریت فرآیندهای کسب و کار و باز مهندسی فرآیندهای کسب و کار، دو مفهوم اساسی می‌باشند که پیوسته توسط افراد به جای یکدیگر مورد استفاده قرار می‌گیرند.

▫️مدیریت فرآیندهای کسب و کار، به مجموعه فرآیندها و اصول مدیریتی اطلاق می‌گردد که به مستندسازی، تجزیه و تحلیل، بازطراحی، اجرا، مانیتورینگ، کنترل فرآیندهای کسب و کار می‌پردازد، در حالیکه باز مهندسی فرآیندهای کسب و کار یک راهبرد ریشه‌ای در مقابل فرآیندهای کسب و کار جاری سازمان می‌باشد.

▫️باز مهندسی فرآیندهای کسب و کار لزوما جایگزینی سیستم موجود با سیستمی جدید را در پی ندارد. باز مهندسی فرآیندها روی پیش بینی تغییرات مشخص در فرآیندهای کسب و کار موجود تمرکز نمی‌کند، بلکه صرفا ورودی و خروجی مطلوب را در مد نظر قرار داده و به معرفی مجموعه‌ای از فرآیندهای کارآمد جهت رسیدن به هدف مورد نظر می‌پردازد.

▫️مدیریت فرآیندهای کسب و کار را می‌توان به عنوان یک راهبرد نرم که فرآیندهای فعلی را تحت نظر قرار داده و به انعطاف پذیری آن باور دارد، در نظر گرفت. حال آنکه باز مهندسی فرآیندهای کسب و کار سعی در طراحی مجموعه‌ای از فرآیندهای بی نقص از پایه و اساس و جایگزینی نیروی های انسانی با اتوماسیون دارد.

▫️مدیریت فرآیندهای کسب و کار، فرآیندی مستمر بوده که سعی در رسیدن به کارآمدی به وسیله بهبود مستمر از طریق تکرار گام های چرخه ی مدیریت فرآیندها دارد. مدیریت فرآیندهای کسب و کار به دنبال ایجاد یک توازن منطقی بین روش‌های خودکار و غیر خودکار بوده و بر خلاف باز مهندسی فرایندهای کسب و کار، محیط‌های کاری عاری از نیروی انسانی را لزوما قبول ندارد.

▫️مدیریت فرآیندهای کسب و کار، مدیران و افراد را به نظم و ترتیب درآورده و سازگاری بین ماشین آلات و نیروی انسانی را در سازمان‌ها به ارمغان می‌آورد. این در حالی است که تکنولوژی در راس هرم ارکان باز مهندسی فرایندهای کسب و کار قرار دارد. باز مهندسی فرایندهای کسب و کار، باور دارد که کاهش هرچه بیشتر مداخله انسان تنها راه رسیدن به فرآیندهای استوار و عاری از هرگونه خطا می‌باشد.

▫️مدیریت فرآیندهای کسب و کار به تجزیه و تحلیل اطلاعات جمع آوری شده توسط فرآیندهای فعلی پرداخته و بدین طریق می‌تواند به عنوان ابزاری کارا، زمانی که فرایندهای سازمان در حال اجرا هستند، مورد استفاده قرار گیرد. ولی در بازمهندسی، همه فرآیندها از ریشه نابود و مجددا طراحی می‌شوند که به نوبه خود با در اختیار گذاشتن مجموعه ای کاملا جدید از فرآیندها، سازمان را به فاز طراحی باز می‌گرداند.

▫️دیده شده است که کسب و کارهای موفق و پیشرو که خواهان رسیدن به مقام رهبری و کامیابی هرچه بیشتر هستند، به مدیریت فرآیندهای کسب و کار رو می‌آورند در حالیکه سازمان‌هایی که تصمیم به معرفی یک کسب و کار جدید یا یک استارت آپ را دارند از باز مهندسی فرآیندهای کسب و کار بهره می‌برند.

▫️بدیهی است که دو تئوری‌ فوق الذکر با راهبردهای کاملا متفاوت به سمت یک هدف مشترک در حرکت هستند. این هدف مشترک شامل حرکت به سمت سود بیشتر به همراه تضمین بقا و نوآوری در فرآیندهای کسب و کار در فضایی کاملا پویا می‌باشد.

▫️به عنوان جمعبندی می توان بیان داشت که درصد موفقیت پروژه های مدیریت فرآیندهای کسب و کار بسیار بیشتر از پروژه های بازمهندسی فرآیندهای کسب و کار می باشد. زیرا در مدیریت فرآیند به دنبال بهبود مستمر بوده و در بازمهندسی به دنبال بهبودهای آنی می باشند.

گردآورنده:
مهندس نسترن اولادزاد عباس‌آبادی،
کارشناسی ارشد مهندسی صنایع دانشگاه تهران
پژوهشگر مرکز مطالعات مهندسی فرآیندهای کسب و کار و مدیریت فرآیند

📃منبع:
http://www.q3edge.com/bpm-vs-bpr/

#Business_Process_Management #BPM #Business_Process_Reengineerin #BPR


🆔@BPERM_UT
🔰 معاونت پژوهشی و انجمن علمی دانشکده مدیریت با همکاری دانشکده فنی و مرکز مطالعات مهندسی فرآیند کسب و کار و مدیریت منابع دانشگاه تهران برگزار می کند:

🛡لیگ بازی های کسب و کار 💸

▪️با سه مرحله بازی های
مهارت های خلاقیتی
شبیه سازی و سرمایه گذاری
تحلیل داده

ثبت نام در قالب تیم های ۵ نفره

💶 جوایز نقدی 💵
👨‍💻 و فرصت کارآموزی و استخدام
🏅 برای تیم های برگزیده

🗓 تاریخ ثبت نام: ۱ الی ۸ اسفند

🆔 @Bperm_UT
🆔 @Sedayemodiriat
🆔 @Business_Games_League
تهران دیتا-دانشگاه تهران
🔹 نام دوره: Python در علم داده 🔰 به همراه حل #پروژه_کاربردی 🔹 مدرس دوره: مهندس #امیررضا_تجلی متخصص علم داده، مدرس سازمان آموزش و پژوهش مدیریت و برنامه ریزی ریاست جمهوری 🔹 زمان شروع دوره: پنجشنبه مورخ: ۹۷/۱۲/۰۲ 🔹لینک ثبت نام: https://evnd.co/lXVgl 🆔
🔷 علوم داده...
این روزها همگی، از مهندسین و غیرمهندس حداقل یک بار کلمه ی علم داده رو شنیدند و بسیاری آلوده ی جذاب ترین مبحث قرن ۲۱، یعنی علم داده شده اند. با استفاده از علم داده میتوانید اقدام به جمع آوری، آماده سازی، پردازش، تحلیل، ذخیره سازی و مدیریت داده ها کنید.

🔷 و اما پایتان...
که این روزها همگی درگیر این هستیم پایتان صدا بزنیم و یا پایتون!؟ به جرات میتوان گفت یکی از محبوب ترین و مطرح ترین زبان برنامه نویسان مخصوصا در حوزه علم داده، نرم افزار پایتان است. پایتان به دلیل سادگی بی نظیری که دارد، اولویت برنامه نویسان و کارشناسان می باشد جهت استفاده های مختلفی نظیر: تحلیل داده ها انجام میپذیرد.

در پایتان، پکیج ها و کتابخانه های بسیاری با توجه به کاربرد وجود دارد که به بررسی برخی از پکیج های حوزه علم دادهدر ابتدای دوره، میپردازیم:

▫️ لایبرری Pandas: جهت پردازش داده، ایجاد دیتافریم ها و...

▫️لایبرری Numpy: جهت انجام محاسبات ریاضی و عددی در داده ها

▫️لایبرری های Matplotlib - SeaBorn و Bokeh: جهت مصور سازی داده

🔹و اما یادگیری ماشینی...
در روز چندین بار از مشین لرنینگ استفاده می کنید بدون اینکه متوجه این موضوع باشید. اگر در طول روز فعالیت های زیر رو انجام میدید، درواقع دارید با مشین لرنینگ سروکله میزنید بدون اینکه متوجه باشید:

▪️اگر در طول روز درخواست اسنپ، تپسی و... را می کنید.

▪️اگر در طول روز، در سایت های مختلف، از فیلتر های مختلف استفاده میکنید: بطور مثال پیدا کردن یک کالای خاص از یک برند خاص و دست یابی به آن کالا در سایتی مانند دیجی کالا با استفاده از فیلتر هایی که در سایت موجود هستند...

▪️اگر در طول روز سایت های فیلم یابی را بررسی می کنید و بشما پیشنهاد یک فیلم داده میشود و آن دقیقا فیلم محبوب شما است، (بی علت نیست)

▪️اگر در طول روز عکس های خود رو به اپلیکیشن هایی که عکسهایتان را به شکلی خاص فانتزی و کارتونی میکند،

▪️اگر در طول روز از سرچ اینستاگرام استفاده میکنید

▪️اگر در طول روز، از سرچ گوگل استفاده میکنید و ۱۰۰ ها اگر دیگه...


🔰 تمامی این ها مثال هایی از مشین لرنینگ بود که همگی ما در طول روز استفاده می کنیم.

⬅️ مشین لرنینگ مجموعه ای از الگوریتم هاست که به نوعی به دنبال کشف دانش پنهان درون داده ها است و به وسیله آن می توان به توصیف، تشریح، پیش بینی و کنترل پدیده های گوناگون در حوزه های مختلف از جمله فیلد های صنعتی، سازمانی، پزشکی، ارتباطات، کشاورزی، انرژی، اقتصادی، فناوری و نوآوری، بازرگانی و آموزشی و ... پرداخت.

⬅️ قصد داریم این الگوریتم ها رو با کمک ابزار پایتان و بصورت پروژه محور در کلاس پایتان #دانشگاه_تهران پیاده سازی کنیم.

🔹مطالب زیر دید خوبی پیرامون این موضوع بشما می دهد:


مهندس امیررضا تجلی، کارشناسی ارشد مهندسی صنایع دانشگاه تهران - مدرس سازمان آموزش و پژوهش مدیریت و برنامه ریزی ریاست جمهوری

🔹لینک ثبت نام:
https://evnd.co/lXVgl

🆔 @BPERM_UT
▪️قابل توجه دانشجویان کلاس پایتان #دانشگاه_تهران ، جهت تسریع در فرآیند کلاس، نصب نرم افزار پایتان و IDE ژوپیتر (زیرمجموعه توزیع آناکوندا) پیش از کلاس الزامی است. لینک دانلود نرم افزار پایتان:

https://www.python.org/downloads/

همچنین بابت ژوپیتر، با توجه به ۳۲ و یا ۶۴ بیتی بودن سیستم خودتون، آناکوندا رو از لینک زیر نصب کنید - پس از نصب در منو استارت، عبارت jupyter رو سرچ کنید و ران آپ کنید - با مرورگر فایرفاکس یا گوگل کروم ترجیحا اجرا کنید.

https://www.anaconda.com/download/
برگزاری اولین جلسه دوره مدیریت فرآیند کسب و کار با نرم افزار visual Paradigm

🔸 نخستین جلسه دوره تخصصی مدیریت فرآیند کسب و کار مرکز مطالعات مدیریت فرآیند کسب و کار و مدیریت منابع دانشگاه تهران در محل پردیس فنی دانشکده های دانشگاه تهران برگزار گردید.

🔶 #دکتر_علی_بزرگی

@bperm_ut
▪️برگزاری اولین جلسه دوره Python در علم داده و R در علم داده

🔸 نخستین جلسه python در علم داده و R در علم داده مرکز مطالعات مدیریت فرآیند کسب و کار و مدیریت منابع دانشگاه تهران در محل پردیس فنی دانشکده های دانشگاه تهران برگزار گردید.

🔶 #مهندس_امیررضاتجلی

🆔 @bperm_ut
▪️برگزاری اولین جلسه دوره Python در علم داده و R در علم داده

🔸 نخستین جلسه python در علم داده و R در علم داده مرکز مطالعات مدیریت فرآیند کسب و کار و مدیریت منابع دانشگاه تهران در محل پردیس فنی دانشکده های دانشگاه تهران برگزار گردید.

🔶 #مهندس_امیررضاتجلی

🆔 @bperm_ut
🆔 @BPERM_UT
▪️ارتباط بین
🔻مدیریت فرآیندهای کسب و کار
🔻ایزو 9001

#بخش_اول

ایزو تمایل به تمرکز روی مستندسازی به عنوان یکی از نشانه‌های اصلی بلوغ فرآیند دارد. در این رویکرد ریسک‌های زیادی وجود دارد، چرا که سازمان‌ها می‌توانند با تمرکز روی شواهد فیزیکی و ایستا مانند مستندسازی به جای توجه به شواهد پویایی چون پیشینه‌ی سنجه‌ها، معیارهای ایزو را دور بزنند. به علاوه هر سازمان جنبه‌های غیر عینی زیادی همچون ارزش‌های سازمانی، اسلوب معمول و عناصر فرهنگی دارد که به دلیل تحرک زیاد، قابل ثبت و درج در مستندات ایستا نیستند. در مقابل، مديريت فرآیندهای کسب و کار روشی موثر برای تمرکز روی انواع جریان‌های فعال در سازمان می‌باشد.

هدف دیگر ایزو، مستندسازی جامع فرآیندها به صورت سیستماتیک می‌باشد. باید توجه داشت که مستندسازی فرآیندها با وجود مورد تایید بودن به تنهایی مفید نیست. پایه‌گذاری سنجه‌های مناسب و تعریف صریح و روشن روابط بین نقش‌ها برای فرآیندهای هسته‌ای در یک کسب و کار، روش بسیار بهتری جهت رسیدن به بلوغ فرآیندها می‌باشد که این روش کل‌نگرانه توسط مدیریت فرآیندهای کسب و کار حاصل می‌گردد.

اگر شما قصد دارید به عنوان تامین‌کننده‌ای شایسته برای یک یا تعداد بیشتری از مشتریان بالقوه خود انتخاب شوید، ایزو ‌می‌تواند مزایای کلیدی زیادی را برای شما به ارمغان بیاورد. مفاهیم و چارچوب‌ها به وضوح با هر سیستم مدیریت کیفیت دیگری هماهنگ می‌شوند. با این وجود، علی‌رغم تلاش ایزو برای رسیدن به جامعیت بیشتر در این رویکرد، اجرای مفاهیم آن توسط افراد همواره به طور قابل ملاحظه‌ای به سمت مستندسازی معطوف بوده و به اندازه کافی به سیستم‌های سنجش موثر و تعریف نقش‌ها نمی‌پردازد.

گردآورنده:
مهندس نسترن اولادزاد عباس‌آبادی،
کارشناسی ارشد مهندسی صنایع دانشگاه تهران
پژوهشگر مرکز مطالعات مهندسی فرآیندهای کسب و کار و مدیریت منابع

📃منبع:
http://www.bpminstitute.org/resources/articles/bpm-

#Business_Process_Management #BPM
#International_Standards_Organization
#ISO


🆔@BPERM_UT
@BPERM_UT

تفاوت تجزیه و تحلیل‌های توصیفی (Denoscriptive)، پیشگویانه (Predictive) و دستورالعملی (Prenoscriptive)

#بخش_اول

با در نظر گرفتن حجم عظیم اطلاعاتی که از زنجیره‌ی تامین، در اختیار کسب و کارها قرار می‌گیرد، شرکت‌ها در جست‌و‌جوی راه حل‌های تحلیلی برای استخراج مفاهیم از حجم زیاد داده‌ها هستند به گونه‌ای که در امر تصمیم‌گیری آن‌ها را مشایعت نماید. شرکت‌هایی که در صدد هستند فرآیند‌های فروش و فعالیت‌های خویش را بهینه نمایند، نیازمند توانمندی‌هایی جهت بررسی داده‌های تاریخی و پیش‌بینی رویدادهای ممکن در آینده هستند. حرکت به سمت شیوه‌هایی که فرآیندهای سازمان را بر داده کاوی منطبق می‌سازند امر دشواری است. با این حال، این حوزه از جذابیت بالایی برخوردار است زیرا نرخ بازگشت سرمایه تحت اثر بهینه‌سازی زنجیره‌ی تامین، کاهش هزینه‌های عملیاتی، بهبود خدمات مشتریان و ارتقاء معماری محصولات افزایش می‌یابد.

در چنین فضایی، نظر به وجود رویکردهای تحلیلی متنوع، انتخاب راهکار مناسب از پیچیدگی بالایی برخوردار است. با این حال، خوش‌بختانه می‌توان به صورت کلی، ابزار تحلیل را در سه دسته‌ی کلی قرار داد. حقیقت امر آن است که هیچ یک از این دسته‌بندی‌ها بر یکدیگر برتری مطلق نداشته و عملا این روش‌ها مکمل یکدیگر هستند. برای آن که یک کسب و کار بتواند درک جامعی از بازار و نحوه‌ی رقابت در آن به دست آورد، یک رویکرد تحلیلی استوار مورد نیاز است که شامل بخش‌های زیر است:

🔹تجزیه و تحلیل توصیفی:
روش تحلیلی است که در آن از روش‌های تجمیع داده‎‌ها و داده‌کاوی برای دستیابی به بینشی نسبت به گذشته و آگاهی از آن چه رخ داده است، استفاده می‌شود.

🔹تجزیه و تحلیل پیشگویانه:
روش تحلیلی است که در آن از مدل‌های آماری و روش‌های پیش‌بینی به منظور آگاهی از آینده و آن چه ممکن است روی بدهد، استفاده می‌شود.

🔹تجزیه و تحلیل دستورالعملی:
روش تحلیلی است که در آن از تکنیک‌های بهینه‌سازی و شبیه‌سازی برای تشخیص آن چه باید انجام شود و نتایج اختمالی آن استفاده می‌شود.


✍️گردآورندگان: مهندس سروش فاطمی، دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه تهران - درسا عبدالحمیدی، دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه تهران

📃 منبع:
https://halobi.com/blog/denoscriptive-predictive-and-prenoscriptive-analytics-explained/

#Denoscriptive #Predictive #Prenoscriptive
🆔 @BPERM_UT
تهران دیتا-دانشگاه تهران
🆔 @BPERM_UT ▪️ارتباط بین 🔻مدیریت فرآیندهای کسب و کار 🔻ایزو 9001 #بخش_اول ایزو تمایل به تمرکز روی مستندسازی به عنوان یکی از نشانه‌های اصلی بلوغ فرآیند دارد. در این رویکرد ریسک‌های زیادی وجود دارد، چرا که سازمان‌ها می‌توانند با تمرکز روی شواهد فیزیکی و ایستا…
🆔 @BPERM_UT
▪️ارتباط بین
🔻مدیریت فرآیندهای کسب و کار
🔻ایزو 9001

#بخش_دوم

امروزه، بسیاری از سازمان‌ها، گواهینامه‌هایی چون ایزو را به عنوان شانسی جهت متمایز نشان دادن برند خود در نظر ‌می‌گیرند. باید توجه داشت تا زمانی که مشتریان تغییر محسوسی در محصولات یا خدمات احساس نکنند، این گواهینامه منجر به هیچ نوع بهبود خاصی نشده و حتی ممکن است دیدگاه مشتریان را نسبت به رزومه ارائه شده سازمان بد کند.

بسیاری از فلسفه‌های مربوط به مدیریت فرآیندهای کسب و کار بر اساس مفهوم سیستم‌های سازگار می‌باشد. تا حدی می‌توان ادعا کرد که مستندسازی تفصیلی کاملا با این دیدگاه در تناقض است. همین تضاد اغلب در سازمانی که قصد کمینه کردن تغییرات به اندازه شش سیگما را دارد، قابل ملاحظه است. منطق این اتفاق بسیار ساده است: وقتی زمان قابل توجهی صرف بهبود و کنترل دقیق فرآیندها می‌شود، هر تلاشی در راستای تغییر فرآیندها -در پاسخ به نیاز به تغییر- به نوبه خود مانعی برای اعمال هر گونه تغییر می‌شود. بنابراین، ممکن است سازمان‌ها به جای مانیتورینگ پیوسته محیط کار و فضای سازمان، صرفا روی بهبودهای شبه کایزن (kaizen_like) در غالب یک اسکوپ محدود تمرکز کنند.

باید توجه داشت مستندسازی آن روشی نیست که به افراد فرآیند‌ها را آموزش می‌دهد. یادگیری افراد با تمرین، آشنایی با ساختار ابزار و الگوهای مرتبط با فرآیندها و مهم‌تر از همه تماشای افرادی که پیوسته تلاش در مدیریت فرآیندها دارند، میسر است. طبق تحقیقات، سازمان‌ها انتظاری افراطی از مستندسازی فرآیندها و روشمند سازی شیوه‌های بهبود و طراحی فرآیند دارند. در صورت سهل‌انگاری یک سازمان، ساختار پشتیبانی کننده‌ی مدیریت کیفیت ایزو محور، می‌تواند منجر به مصرف بیشتر منابع و عدم رضایت مشتریان، در مقایسه با ساختار مدیریت کیفیت در چارچوب کنترل و بهبود عملکرد شود.

گردآورنده:
مهندس نسترن اولادزاد عباس‌آبادی،
کارشناسی ارشد مهندسی صنایع دانشگاه تهران
پژوهشگر مرکز مطالعات مهندسی فرآیندهای کسب و کار و مدیریت منابع

📃منبع:
http://www.bpminstitute.org/resources/articles/bpm-

#Business_Process_Management #BPM
#International_Standards_Organization
#ISO


🆔@BPERM_UT
تهران دیتا-دانشگاه تهران
@BPERM_UT تفاوت تجزیه و تحلیل‌های توصیفی (Denoscriptive)، پیشگویانه (Predictive) و دستورالعملی (Prenoscriptive) #بخش_اول با در نظر گرفتن حجم عظیم اطلاعاتی که از زنجیره‌ی تامین، در اختیار کسب و کارها قرار می‌گیرد، شرکت‌ها در جست‌و‌جوی راه حل‌های تحلیلی برای…
🆔 @BPERM_UT


تفاوت تجزیه و تحلیل‌های توصیفی (Denoscriptive)، پیشگویانه (Predictive) و دستورالعملی (Prenoscriptive)

#بخش_دوم


☑️ تجزیه و تحلیل توصیفی، بینشی به گذشته:

تجزیه و تحلیل توصیفی یا آماری به تشریح و خلاصه سازی داده‌های خام می‌پردازد و بر آن است داده‌های خام را به طریقی، برای انسان قابل تقسیر نماید. نکته‌ی مثبت این رویکرد در آن است که امکان یادگیری از رفتار‌های گذشته را برای کسب و کارها فراهم می‌سازد و امکان درک اثر وقایع گذشته را بر آینده ایجاد می‌نماید.

روش‌های توصیفی در نشان دادن مواردی نظیر کل موجودی در انبار، میانگین هزینه به ازای هر مشتری، تغییرات سالیانه فروش و ... مناسب هستند. مثال‌های معمول این روش در کسب و کارها، شامل گزارش‌های تولید گذشته‌ی شرکت، اطلاعات مالی گذشته، فرآیندها، فروش، موجودی و مشتریان هستند.

📢 از روش مذکور در مواقعی استفاده می‌شود که کسب و کارها نیازمند نیل به درک جامعی از آن چه در شرکت روی می‌دهد هستند و همچنین زمانی که نیت توصیف جنبه‌های مختلف یک کسب و کار است.


✍️گردآورندگان: مهندس سروش فاطمی و درسا عبدالحمیدی، کارشناسی ارشد مهندسی صنایع دانشگاه تهران

📃 منبع:
https://halobi.com/blog/denoscriptive-predictive-and-prenoscriptive-analytics-explained/

#Denoscriptive #Predictive #Prenoscriptive
🆔 @BPERM_UT
تهران دیتا-دانشگاه تهران
🆔 @BPERM_UT تفاوت تجزیه و تحلیل‌های توصیفی (Denoscriptive)، پیشگویانه (Predictive) و دستورالعملی (Prenoscriptive) #بخش_دوم ☑️ تجزیه و تحلیل توصیفی، بینشی به گذشته: تجزیه و تحلیل توصیفی یا آماری به تشریح و خلاصه سازی داده‌های خام می‌پردازد و بر آن است داده‌های…
🆔 @BPERM_UT


تفاوت تجزیه و تحلیل‌های توصیفی (Denoscriptive)، پیشگویانه (Predictive) و دستورالعملی (Prenoscriptive)

#بخش_سوم


☑️ تجزیه و تحلیل پیشگویانه، آگاهی از آینده:

این روش مبتنی بر توانایی پیشگویی رویدادهای محتمل در آینده است و شرکت‌ها را مجهز به بینشی عملی بر پایه داده می‌نماید. پر واضح است که روش‌های آماری قادر نیستند رویدادهای آینده را با قاطعیت 100درصد پیش‌بینی کنند. دلیل این امر آن است که اساس تجزیه و تحلیل پیشگویانه احتمالات است.

داده‌های ذخیره شده در سیستم‌های ERP، CRM، HR و POS به منظور شناسایی الگوها در داده‌‌ها با یکدیگر ادغام شده و در نهایت از مدل‌های آماری به منظور شناسایی ارتباطات میان مجموعه‌ی داده‌ها استفاده می‌شود.

برخی کاربردهای این رویکرد عبارتند از: پیشگویی رفتار مشتریان و الگوی خرید آن‌ها، پیش‌بینی روند فعالیت‌های فروش، پیش‌بینی تقاضا برای ورودی‌های زنجیره‌ی تامین، پیش‌بینی سطح موجودی‌ها و شناسایی قواعد انحمنی در سبد فروش.


📢 از روش مذکور در مواقعی استفاده می‌شود که نیاز به دستیابی به دانشی از آینده باشد.


✍️گردآورندگان: مهندس سروش فاطمی و درسا عبدالحمیدی، کارشناسی ارشد مهندسی صنایع دانشگاه تهران

📃 منبع:
https://halobi.com/blog/denoscriptive-predictive-and-prenoscriptive-analytics-explained/

#Denoscriptive #Predictive #Prenoscriptive
🆔 @BPERM_UT
تهران دیتا-دانشگاه تهران
🆔 @BPERM_UT ▪️ارتباط بین 🔻مدیریت فرآیندهای کسب و کار 🔻ایزو 9001 #بخش_دوم امروزه، بسیاری از سازمان‌ها، گواهینامه‌هایی چون ایزو را به عنوان شانسی جهت متمایز نشان دادن برند خود در نظر ‌می‌گیرند. باید توجه داشت تا زمانی که مشتریان تغییر محسوسی در محصولات یا…
🆔 @BPERM_UT
▪️ارتباط بین
🔻مدیریت فرآیندهای کسب و کار
🔻ایزو 9001

#بخش_سوم

بکارگیری اصول پایه‌ای مدیریت فرآیندهای کسب و کار شامل سنجش، پرورش و کاربران فرآیند متخصصی است که توانایی مدلسازی جریان‌ کاری/ رفتاری مطلوب را داشته و می‌توانند خروجی سیستم را به سمت خدمات یا محصولات مطلوب‌تر سوق دهند.

اصولا تلاش برای کسب گواهی ایزو تنها به سازمان‌های تازه‌کاری پیشنهاد می‌شود که یک پایگاه جدید و قابل توجه از مشتریان دارند. حتی در این شرایط، سازمان باید توجه داشته باشد که بکارگیری یک راهبرد جامع‌نگر جهت برنامه‌ریزی بهبود عملکرد و تعریف فرآیندها پیش از شروع یک برنامه مستندسازی کلی، امری ضروری است.
برنامه‌های مستندسازی از این قبیل بسیار گران قیمت و زمانبر بوده و گاها می‌توانند منجر به قطع فرآیندهای سازمان شوند. چارچوب ایزو آگاهی قابل توجهی به افراد جهت رسیدن به نتیجه مطلوب نمی‌دهد. رویکرد مدیریت فرآیندهای کسب و کار نیز شرط کافی را برای رسیدن به نتیجه قابل قبول ارائه نمی‌کند، با این وجود نسبت به ایزو بسیار جامع‌تر است.

اگر تصمیم به گرفتن گواهی ایزو برای سازمان خود دارید توصیه زیر را جدی بگیرید:
منابعی که می‌توانند جهت بهبود فرآیندها مورد استفاده قرار گیرند را برای مستندسازی به هدر ندهید. از تجربه دیگران استفاده کنید و مطمئن شوید "تماشای جنگل را بخاطر دیدن درختان از دست نمی‌دهید". توجه خود را به سیستم پویای موجود در سازمان معطوف کنید و توجه داشته باشید که سیستم‌ها ارگان‌های زنده‌ای هستند که پیوسته در حال تغییرند.یکی از بهترین روش‌ها برای انجام این کار از بین موارد فوق الذکر، تمرکز روی سنجه‌های عملکرد می‌باشد.

گردآورنده:
مهندس نسترن اولادزاد عباس‌آبادی،
کارشناسی ارشد مهندسی صنایع دانشگاه تهران
پژوهشگر مرکز مطالعات مهندسی فرآیندهای کسب و کار و مدیریت منابع

📃منبع:
http://www.bpminstitute.org/resources/articles/bpm-

#Business_Process_Management #BPM
#International_Standards_Organization
#ISO

🆔@BPERM_UT