شناسایی و اولویت بندی چالش ها و کاربردهای کلان داده ها در صنعت خرده فروشی با استفاده از روش های تصمیم گیری چندمعیاره

امروزه حجم زیادی از داده ها که از منابع مختلف با سرعت زیاد و تنوع بالا تولید می شوند، به نوآوری و تحول در بسیاری از صنایع منجر شده اند. با توجه به اهمیت روزافزون خلق ارزش از داده ها در صنعت خرده فروشی، بسیاری از صنایع همچون این صنعت، درصدد به کارگیری فناوری کلان داده ها برآمده اند. اما بسیاری از مدیران این صنعت با تعدد گزینه های تصمیم گیری برای به‎ کارگیری کاربردهای این فناوری و نیز مشکلات پیاده سازی آن مواجه هستند. از این رو، هدف اصلی این پژوهش، شناسایی و انتخاب مجموعه کاربردهای کلان‎ داده در صنعت خرده ‎فروشی ایران است که از مشکلات پیاده ‎سازی کمتری برخوردار است. در این پژوهش، ابتدا با استفاده از روش فراترکیب با جست‎وجوی سیستماتیک در پایگاه های معتبر علمی، ابتدا مقالات مرتبط در خصوص کاربردهای کلان‎داده در صنعت خرده‎ فروشی بررسی شده است. سپس، با تحلیل محتوای مقالات، کاربردهای کلان داده در صنعت خرده فروشی شناسایی و دسته بندی شده اند. در ادامه، با شناسایی معیارهای مربوط به مشکلات به کارگیری کلان داده و با استفاده از روش های کمی تصمیم گیری چندمعیاره به صورت ترکیبی از روش های بهترین و بدترین، روش دیمتل و روش شباهت به راه حل ایدیال، اولویت کاربردهای کلان‎ داده  در صنعت خرده فروشی ایران مشخص شده است. یافته های این پژوهش نشان می دهند که سه کاربرد کلان داده شامل تعیین روندهای بازار، تعیین پورتفولیوی بهینه محصولات و نیز بخش بندی خرده مشتریان از کمترین چالش و در نتیجه بالاترین اولویت برخوردار هستند و سه کاربرد همکاری داده محور، حذف محصولات تقلبی و چیدمان فضای فروشگاه از بیشترین چالش و کمترین اولویت در صنعت خرده فروشی ایران برخوردار بودند.