Designing an Adaptive Nuero-Fuzzy Inference System for Evaluating the Business Intelligence System Implementation in Software Industry
محل انتشار: فصلنامه مدیریت فناوری اطلاعات، دوره: 7، شماره: 1
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 163
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JITM-7-1_005
تاریخ نمایه سازی: 26 بهمن 1400
چکیده مقاله:
The main goal of research is designing an adaptive nuero-fuzzy inference system for evaluating the implementation of business intelligence systems in software industry. Iranian software development organizations have been facing a lot of problems in case of implementing business intelligence systems. This system would be helpful in recognizing the conditions and prerequisites of success or failure. Organizations can recalculate the neuro-fuzzy system outputs with some considerations on various inputs to figure out which inputs have the most effect on the implementation outputs. By resolving the problems on inputs, organizations can achieve a better level of implementation success. The designed system has been trained by a data set and afterwards, it has been evaluated. The trained system has reached the error value of ۰.۰۸. Eventually, some recommendations have been provided for software development firms on the areas that might need more considerations and improvements.
کلیدواژه ها:
adaptive nuero-fuzzy inference system ، Business Intelligence ، Critical Success Factors ، system implementation
نویسندگان
ایمان رئیسی وانانی
Assistant Prof., Industrial Management, Allameh Tabataba’i University, Management and Accounting College ,Tehran, Iran
فاطمه گنجعلی خان حاکمی
MSc., Information Technology Management, University of Tehran, Management College, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :