راهبردهای مدیریت هوشمند و توسعه 3115-9052 2 پیاپی 4 2024 07 02 The Role of Predictive Analytics Technologies in Macroeconomic Policy-Making نقش فناوری‌های تحلیل پیش‌بین در سیاست‌گذاری کلان 1 11 EN محسن احمدی گروه علوم تربیتی، دانشگاه سیستان و بلوچستان، زاهدان، ایران فاطمه رنجبر گروه روان‌شناسی تربیتی، دانشگاه سیستان و بلوچستان، زاهدان، ایران Journal Article 2024 04 21 <p><strong>Objective:</strong> This study aims to explore the role and functions of predictive analytics technologies in improving macro-level policy-making processes and to identify the core components of this transformation within data-driven governance systems.</p> <p><strong>Methods and Materials:</strong> This qualitative review study employed a thematic analysis approach. Data were collected through a systematic review of the scientific literature published between 2018 and 2025. From the identified sources in reputable databases such as Scopus, Springer, and ScienceDirect, twelve eligible articles were selected and analyzed using NVivo 14 software. The analysis process included open, axial, and selective coding, and data collection continued until theoretical saturation was reached.</p> <p><strong>Findings:</strong> The analysis revealed three major themes: “Data-Driven Transformation in Policy-Making,” “Institutional and Managerial Capacity Building for Predictive Analytics,” and “Outcomes and Impacts of Predictive Policy-Making.” Findings indicated that predictive analytics—through big data and machine learning algorithms—enhances agility, transparency, social equity, and crisis prevention in governance systems. Moreover, institutional capacity building and analytical human capital development were identified as essential prerequisites for implementing data-driven policy-making effectively.</p> <p><strong>Conclusion:</strong> Predictive analytics technologies improve policy-making quality and governance efficiency by enabling the forecasting of trends and policy outcomes. Institutionalizing these technologies requires robust data infrastructures, organizational restructuring, data literacy enhancement among decision-makers, and the establishment of clear legal and ethical frameworks. The findings provide practical insights for policymakers to design and implement intelligent, anticipatory, and evidence-based policies.</p> <p><strong>هدف: </strong>هدف این پژوهش، تبیین نقش و کارکردهای فناوری‌های تحلیل پیش‌بین در بهبود فرآیند سیاست‌گذاری کلان و شناسایی مؤلفه‌های اصلی این تحول در نظام حکمرانی داده‌محور است.</p> <p><strong>روش‌ها و مواد:</strong> پژوهش حاضر از نوع مروری کیفی با رویکرد تحلیل مضمون است. داده‌ها از طریق مرور نظام‌مند ادبیات علمی بین سال‌های ۲۰۱۸ تا ۲۰۲۵ گردآوری شد. از میان مقالات شناسایی‌شده در پایگاه‌های علمی معتبر نظیر Scopus، Springer و ScienceDirect، دوازده مقاله واجد شرایط انتخاب و با استفاده از نرم‌افزار NVivo 14 تحلیل شدند. فرآیند تحلیل شامل کدگذاری باز، محوری و انتخابی بود و گردآوری داده‌ها تا رسیدن به اشباع نظری ادامه یافت.</p> <p><strong>یافته‌ها:</strong> نتایج تحلیل داده‌ها سه مضمون اصلی را آشکار کرد: «تحول داده‌محور در سیاست‌گذاری»، «ظرفیت‌سازی نهادی و مدیریتی برای تحلیل پیش‌بین» و «پیامدها و اثرات سیاست‌گذاری پیش‌بین». یافته‌ها نشان داد که تحلیل پیش‌بین با بهره‌گیری از داده‌های کلان و الگوریتم‌های یادگیری ماشین، به چابکی، شفافیت، عدالت اجتماعی و پیشگیری از بحران‌ها در نظام سیاست‌گذاری کمک می‌کند. همچنین ظرفیت‌سازی نهادی و توسعه سرمایه انسانی تحلیلی از پیش‌شرط‌های کلیدی موفقیت در پیاده‌سازی سیاست‌گذاری داده‌محور محسوب می‌شوند.</p> <p><strong>نتیجه‌گیری:</strong> فناوری‌های تحلیل پیش‌بین، با فراهم‌سازی امکان پیش‌بینی روندها و پیامدهای سیاستی، موجب ارتقای کیفیت تصمیم‌گیری و کارایی نظام حکمرانی می‌شوند. نهادینه‌سازی این فناوری‌ها نیازمند توسعه زیرساخت‌های داده‌ای، اصلاح ساختارهای سازمانی، ارتقای سواد داده‌ای مدیران و تدوین چارچوب‌های حقوقی و اخلاقی شفاف است. نتایج پژوهش می‌تواند راهنمایی برای سیاست‌گذاران در طراحی و اجرای سیاست‌های هوشمند، پیش‌نگر و مبتنی بر داده باشد.</p> https://jimds.com/index.php/jimds/article/download/19/18