آینده‌پژوهی در مدیریت هوشمند: رویکردهای نوین و چالش‌های اجرایی
کلمات کلیدی:
آینده‌پژوهی, مدیریت هوشمند, تحلیل داده‌محور, حکمرانی الگوریتمی, چالش‌های اجرایی, راهبردهای بهبودچکیده
هدف: هدف این پژوهش بررسی و تحلیل نظام‌مند رویکردهای نوین آینده‌پژوهی در مدیریت هوشمند، شناسایی چالش‌های اجرایی و ارائه راهبردهای بهبود در جهت توسعه تصمیم‌سازی آینده‌محور در سازمان‌ها است.
روش‌ها و مواد: پژوهش حاضر از نوع مروری ـ کیفی است که با رویکرد تحلیل مضمون و بهره‌گیری از نرم‌افزار NVivo نسخه 14 انجام شد. داده‌ها از طریق مرور نظام‌مند ادبیات پژوهشی در پایگاه‌های Scopus، Web of Science، ScienceDirect و SID گردآوری گردید. از میان مقالات مرتبط، ۱۲ مقاله بر اساس معیارهای شمول و کیفیت علمی انتخاب و مورد تحلیل کیفی قرار گرفتند. کدگذاری در سه سطح باز، محوری و انتخابی انجام و فرآیند تحلیل تا رسیدن به اشباع نظری ادامه یافت.
یافته‌ها: نتایج تحلیل مضمون سه مقوله اصلی را آشکار ساخت: (۱) رویکردهای نوین آینده‌پژوهی در مدیریت هوشمند شامل تحلیل داده‌محور، حکمرانی الگوریتمی و سناریونویسی تعاملی؛ (۲) چالش‌های اجرایی شامل ضعف زیرساخت‌ها، کمبود نیروی انسانی متخصص، مقاومت فرهنگی و مسائل اخلاقی؛ و (۳) راهبردهای بهبود شامل توسعه مدل‌های ترکیبی، توانمندسازی سرمایه انسانی، نهادینه‌سازی سیاست‌گذاری مبتنی بر داده و گسترش همکاری‌های بین‌المللی. یافته‌ها نشان دادند که آینده‌پژوهی هوشمند زمانی اثربخش است که هم ابعاد فناورانه و هم انسانی در آن مورد توجه قرار گیرد.
نتیجه‌گیری: آینده‌پژوهی در مدیریت هوشمند، نه صرفاً ابزاری تحلیلی بلکه رویکردی تحول‌آفرین برای ساخت آینده مطلوب سازمانی است. ادغام تحلیل داده‌محور، تفکر سیستمی، و رویکرد اخلاقی می‌تواند به ایجاد نظام تصمیم‌سازی هوشمند، پاسخ‌گو و پایدار منجر شود.
دانلودها
مراجع
Ali, M., Usman, M., Pham, Q. V., & Kim, D. (2021). Data-driven decision support systems for public sector: A review and research agenda. Government Information Quarterly, 38(4), 101616. https://doi.org/10.1016/j.giq.2021.101616
Bryson, J. M., Crosby, B. C., & Bloomberg, L. (2020). Public value governance: Moving beyond traditional public administration and the New Public Management. Public Administration Review, 80(4), 665–674. https://doi.org/10.1111/puar.13149z
Chen, H., Chiang, R. H. L., & Storey, V. C. (2020). Business Intelligence and analytics: From big data to big impact. MIS Quarterly, 44(2), 317–337.
Desouza, K. C., & Jacob, B. (2017). Big data in the public sector: Lessons for practitioners and scholars. Administration & Society, 49(7), 1043–1064.
Hartley, J., & Rashman, L. (2018). Data-informed policymaking in the public sector: The role of business intelligence. Public Money & Management, 38(3), 173–180.
Janssen, M., & van der Voort, H. (2020). Agile and adaptive governance in crisis response: Lessons from the COVID-19 pandemic. International Journal of Information Management, 55, 102180.
Karanasiou, A., & Robinson, N. (2022). Data-driven health governance: Ethical and regulatory challenges. Health Policy and Technology, 11(2), 100630.
Kitchin, R. (2021). The data revolution and smart government: Big data, open data, and data infrastructures. Information Polity, 26(1), 17–33.
Knabke, T., & Olbrich, S. (2020). Fostering data-driven decision-making in the public sector: A framework for data literacy. Government Information Quarterly, 37(3), 101465.
Luna-Reyes, L. F., & Gil-Garcia, J. R. (2014). Digital government transformation and public sector data management. Government Information Quarterly, 31(1), 123–132.
Maroufkhani, P., Ismail, W. K. W., & Ghazali, E. (2019). Big data analytics adoption model for public organizations: An integrated view. Public Organization Review, 19(3), 489–510.
Mikalef, P., Pappas, I. O., Krogstie, J., & Giannakos, M. (2020). Big data analytics capabilities: A systematic literature review and research agenda. Information Systems and e-Business Management, 18(3), 547–578.
Mora, L., Deakin, M., & Reid, A. (2021). Smart city development paths: An integrative framework. Cities, 110, 103084.
