‫بسم اهلل الرحمن الرحیم‬

‫مرکز رشد فناوریهای هوشمند(هوش مصنوعی)‬

‫) ‪(MKIS center / BIS center / AI center‬‬

‫دکتر سید احمد قاسمی‬

‫مدیر مرکز رشد فناوری های هوشمند(هوش مصنوعی)‬
‫‪Seyed Ahmad Ghasemi, PhD in Marketing Management(university‬‬ ‫مطالعات‪of‬‬
‫اجتماعی‬ ‫‪tehran‬‬ ‫‪), Research‬‬
‫انسانی و‬ ‫‪Faculty‬‬
‫پژوهشگاه علوم‬ ‫‪Member,‬‬
‫هیات علمی‬ ‫‪Tehran‬تهران عضو‬ ‫‪Institute‬‬
‫تجاری) دانشگاه‬ ‫‪of Humanities‬‬
‫بازاریابی(هوش‬ ‫‪Social‬سید‪and‬‬
‫احمد قاسمی دکتری‬
‫‪Studies(ACECR), Iran Email: saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174‬‬
 ‫بسم اهلل الرحمن الرحیم‬

‫کاربردهوش مصنوعی در‬

‫پاالیشگاه گاز‬
)‫(صنعت پاالیش گاز‬

(MKIS center / BIS center / AI center )

Seyed Ahmad Ghasemi, PhD in Marketing Management(university of‫مطالعات‬

‫اجتماعی‬ tehran ), Research
‫انسانی و‬ Faculty
‫پژوهشگاه علوم‬ Member,
‫هیات علمی‬ ‫تهران عضو‬Tehran Institute
‫تجاری) دانشگاه‬ of Humanities
‫بازاریابی(هوش‬ and‫سید‬Social2
‫احمد قاسمی دکتری‬
Studies(ACECR), Iran Email: saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174
‫چند سوال اساسی در باره هوش مصنوعی‬

‫‪ -1‬هوش مصنوعی چیست؟‬

‫‪ -2‬هوش مصنوعی چه ظرفیتهایی دارد؟‬
‫‪ -3‬هوش مصنوعی چه کاربردهایی دارد؟‬
‫‪ -4‬پیامدهای عقب ماندگی از این فناوری تا ‪ 2025‬چیست؟‬
‫‪ -5‬کاربرد هوش مصنوعی در بازاریابی و مدیریت کسب و کار چیست؟‬

‫سید احمد قاسمی دکتری بازاریابی(هوش تجاری) دانشگاه تهران عضو هیات علمی پژوهشگاه علوم انسانی و مطالعات اجتماعی‬ ‫‪3‬‬
 ‫امروزه هر تصمیم سازی‬
‫یا تصمیم گیری یا برنامه‬
‫ریزی کوچکی در حوزه‬
‫های مدیریتی‪ ،‬تجارت و‬
‫اقتصاد نیازمند میلیونها‬
‫ترابایت تحلیل داده گسترده‬
‫است‪.‬‬
‫حجم حافظه بلند مدت بیش‬
‫از کل ظرفیت اینترنت برای‬
‫هر فرد است‬
‫اما‬
‫قدرت پردازش داده انسان‬
‫در روز کمتر از چند صد‬
‫ظرفیت حافظه کاری یک منبع محدود است که باید بین همه بازنماییهایی که باید همزمان در حافظهٔ کاری‬
‫مگ است‬
‫دقیقترین تئوری حافظه کاری بر پایه فروپاشی تا به امروز‪" ،‬مدل به اشتراک گذاری منابع مبتنی بر زمان"‬
‫نکته‬
‫این نظریه فرض میکند که بازنماییها در حافظه کاری خراب میشوند‪ ،‬مگر اینکه تجدید شوند‪ .‬تجدید آنها‬
‫هوش مصنوعی در روز‬
‫قدرت پردازش بیش از یک‬
‫میلیون ترابایت در ثانیه را‬
‫دارد‪.‬‬
‫چرا هوش مصنوعی؟‬
‫ظرفیت حافظه انسان حدود ‪ 2.5‬میلیون گیگابایت (معادل دو و نیم پتابایت)‬ ‫قدرت حافظه انسان‪:‬‬ ‫•‬
‫اما‬ ‫•‬
‫حافظه کاری از جمله عملکردهای شناختی است که در سن باال بیشتر در معرض افت قرار دارد‪.‬‬ ‫•‬
‫هر چه اطالعات بیشتری باید در حافظه کاری نگهداری شود‪ ،‬فرایندهای همزمان کندتر و مستعدتر به خطا‬ ‫•‬
‫میشوند و با فشار بیشتر بر پردازش همزمان ‪ ،‬حافظه دچار مشکل میشود‬
‫هنگامی که وظیفه این است که لیستی از ‪ 7‬کلمه را در ترتیب خود به یاد بیاوریم‪ ،‬باید با اولین کلمه به یاد‬ ‫•‬
‫بیاوریم‪.‬‬
‫حافظه کاری با استرسهای روانی حاد و مزمن دچار اختالل میشود‪.‬‬ ‫•‬
‫سوء مصرف الکل‪ ،‬عوامل محیطی‪ ،‬ارثی و ‪ ....‬حافظه کاری را مختل میکند‪.‬‬ ‫•‬ ‫‪Seyed Ahmad Ghasemi,‬‬
‫‪PhD in Marketing‬‬
‫•‬
‫•‬ ‫‪Management(university‬‬
‫‪of tehran ), Faculty‬‬
‫نگهداری شوند‪ ،‬به اشتراک گذاشته شود‪.‬‬ ‫‪Member, Tehran Institute‬‬
‫•‬
‫‪of Humanities and Social‬‬
‫‪Studies(ACECR), Iran‬‬
‫‪Email:‬‬
‫است‪.‬‬ ‫‪saghasemy@ut.ac.ir‬‬
‫•‬ ‫)‪09111522087 (ORCID‬‬
‫‪0000-0002-0103-6174‬‬
‫نیاز به یک مکانیزم توجه دارد که برای هر وظیفه پردازشی همزمان نیز مورد نیاز است‪.‬‬
‫ظرفیت پردازش اطالعات بزرگساالن جوان در حدود هفت عنصر است که به نام "قطعات" نامیده میشود‪،‬‬ ‫•‬ ‫سید احمد قاسمی دکتری‬
‫صرفنظر از اینکه عناصر‪ ،‬رقم‪ ،‬حروف‪ ،‬کلمات یا سایر واحدها باشد‬ ‫بازاریابی(هوش تجاری) دانشگاه‬
‫تهران عضو هیات علمی‬
‫پژوهشگاه علوم انسانی و‬
‫مطالعات اجتماعی‬
‫‪4‬‬
 ‫دقت داده ها‪:‬‬
‫تحقیق بازار نیازمند دسترسی به داده هایی با دقت‬
‫باال و فراوانی مناسب است تا واقیت بازار و‬
‫مشتری را به مدیران منتقل کند‪ .‬تنوع داده و‬
‫ارزیابی روایی و پایایی داده ها با دقت باالی ‪99‬‬
‫درصد از طریق تحلیل هوشمند ممکن میشود‪.‬‬
‫محدویت انسان در تحلیل‪:‬‬
‫حافظه تحلیل انسان قدرت تحلیل چند کاراکتر در‬
‫روز را دارد و این تناسبی با میلیونها ترابایت داده‬
‫های بازار برای تصمیمگیری ندارد‪ .‬سازمانها و‬
‫بازار امروزه بسیار گسترده و تعداد متغییرها میلین‬
‫مسئله و ضرورت بهرگیری از‬
‫ها برابر ظرفیت انسان است‪.‬‬
‫تجارت‬
‫کالن داده و پایگاه دانش‪:‬‬
‫مدیریت جریان داده ها بزرگ در محیط اینترنتی و‬
‫شبکه های اجتماعی و بهره گیری از انها در زمینه‬
‫های برنامه ریزی و نظارت و تصمیمگیری‬
‫موضوعی با اهمیت است‪.‬بهره وری در سازمانهای‬
‫نوین فقط با هوش مصنوعی ممکن است‪.‬‬
‫کسب و کار نسل پنجم‪ :‬ارزش ها‬
‫رقابت امروز در حوزه توسعه ارزشهای محصول‬
‫است که باید از طریق مشتری و ارزیابی بازار‬
‫مستمرا دریافت و به مدیریت منتقل شود‪ .‬نیازها هر‬
‫لحظه تغییر میکند و محصوالت متناسب با ان باید‬
‫ارائه شود‪.‬‬
‫بازار بین الملل‪:‬‬ ‫سرعت تغییرات جهانی‪:‬‬
‫دسترسی به بازارهای جهانی هم فقط از طریق‬ ‫ساالنه بیش از ‪ 1‬میلیون محصول جدید خلق می‬
‫سامانه هوشمند ممکن است‪.‬‬ ‫شود و هر ‪ 15‬دقیقه محصوالت در حوزه خدمات تا‬
‫تحلیل بازار‪ ،‬تحلیل محصول‪ ،‬تحلیل رقبا‪ ،‬تحلیل‬ ‫دو برابر افزایش میابد‪ .‬تغییرات قیمت و نیاز لحظه‬
‫ارزش‪ ،‬تحلیل مشتری نیازمند پردازش میلیونها‬ ‫ای است‪ .‬برنامه ریزی و تصمیگیری نیازمند تحلیل‬
‫ترابایت داده در ثانیه است‪.‬‬ ‫داده ها در هر لحظه است‪.‬‬
‫تنوع و حجم داده ها‪:‬‬
‫میلیونها ترابایت داده برای تحلیل بازار وجود دارد‬
‫که قابلیت ذخیره سازی و تحلیل ان قابل تصور‬
‫نیست‪ .‬نوع داده ها از کاراکتر به تصویر و صوت و‬
‫فیلم تا فایل و ‪ ...‬توسعه یافت‪ .‬پردازش داده و‬
‫هوش مصنوعی در مدیریت کسب‬ ‫تحلیل داده خروجی نیازمند پردازشگر قدرتمند است‬
‫و‬ ‫کار‬ ‫و‬
‫‪BIS / MKIS‬‬
‫اینترنت اشیاء‪:‬‬
‫امکان ارتباط با اشیاه و مدیریت سخت افزارها از‬
‫طریق سنسورها جهت کنترل حرکات و رفتار‬
‫نیازمند هوش مصنوعی است‪ .‬مانند رباتها‪،‬‬
‫شناسایی کاال و خدمات‪ ،‬تحلیل رفتار‪ ،‬تحلیل‬
‫تصویر‪ ،‬انتقال داده ها ذهنی به اشیاء‪.‬‬
‫تنوع قیمت گذاری‪:‬‬ ‫مدیریت مبتنی بر شاخص‪:‬‬
‫قیمت گذاری بر اساس قیمت هر ارزش محصول‬ ‫مدیریت مبتنی بر شاخص بهترین مدل مدیریتی‬
‫تعیین می شود و برای هر محصول تا ‪1000‬‬ ‫امروز دنیا است که نیازمند قدرت تحلیل باال با‬
‫ارزش تعیین کرده اند‪ .‬روشهای قیمت گذاری به‬ ‫سرعت لحظه ای دارد‪ .‬تحلیل هر شاخص میلیونها‬
‫‪ 300‬مورد میرسد‪ .‬زمان برای قیمتگذاری موثر‬ ‫ترابایت داده نیاز دارد‪ .‬شاخصها بر اساس تحلیل‬
‫است‪.‬‬ ‫داده های بزرگ صورت میگیرد‪.‬‬
 ‫مسئله‬
‫(چرا سامانه مدیریت هوشمند کسب و کار ‪ BI/AI‬؟)‬
‫طی ‪ 35‬تا ‪ 50‬سال گذشته همه کشورهای پیشرفته دنیا برای تدوین استراتژیها‪ ،‬مدیریت اقتصادی و سازمانی‪ ،‬ایجاد و مدیریت کسب و کار‪ ،‬تعیین منابع‬
‫انسانی‪،‬محصول‪ ،‬روش تولید و قیمت گذاری و حتی برندسازی و فروش محصوالت در بازارهای داخلی و بین المللی از یک سامانه دقیق و برخط بنام سامانه‬
‫هوشمند تجاری یا مدیریت هوشمند کسب و کار ‪ BIS‬استفاده می کنند‪ .‬تحقیق بازار نیازمند داده های لحظه ای از بازار و رقبا و مشتریان و ‪ ...‬است که قابلیت‬
‫تحلیل داده برای تصمیمگیری های استراتژیک مدیران شرکتها و موسسات و حتی مدیران دولتی را داشته باشد‪ .‬این سامانه با بهره گیری از پایگاه داده بزرگ که‬
‫داده های مورد نیاز را از محیط و شبکه های اجتماعی و اینترنت از طریق نقاط لمس مشتری و صدای مشتری دریافت میکند با استفاده از پایگاه دانش و نرم‬
‫افزارهای هوش مصنوعی تحلیل میکند‪.‬‬
‫‪‬تا سال ‪ 2030‬میالدی مهمترین مزیت رقابتی کشور بصورت مطلق میزان بهره گیری از هوش مصنوعی در حوزه های مختلف مدیریتی‪ ،‬اقتصادی و تجاری‬
‫است که همه ابعاد توسعه و رشد کشورها را در بر خواهد گرفت‪ .‬بهره گیری از کالن داده کسب و کار و پایگاه دانش با هدف دسترسی به تحلیلهای دقیق و‬
‫تخصصی مبتنی بر شاخص عنصر مهم در رقابت پذیری بازارهای داخلی و بین الملل محسوب میشود‪.‬‬
‫‪‬ایجاد این مراکز با بهره گیری از نیروهای توانمند داخلی در هر کشور ضروریست تا بتواند با توجه به شاخصهای بومی از داده ها موجود در راستای توسعه‬
‫اقتصادی و بهره وری منابع موجود استفاده نماید‪.‬‬
‫‪‬مرکز مدیریت هوشمند بازار و کالن داده کسب و کارمی تواند با ایجاد بستر دائمی هوش مصنوعی قابلیت بروز رسانی و بومی سازی پایگاه دانش و شاخصها‬
‫را برای مدیران عالی کشور ها فراهم سازد و امکان استفاده از هوش مصنوعی در همه زمینه های مدیریت منابع انسانی‪ ،‬نقشه تجاری بین الملل‪ ،‬ارزیابی و‬
‫تحقیق بازار‪ ،‬مدیریت سرمایه گذاری هوشمند‪ ،‬مدیریت لجستیک هوشمند‪ ،‬مدیریت اقتصادی هوشمند و ‪ ...‬را برای همه کشورها و شرکتهای عالقه مند فراهم‬
‫سازد‪.‬‬
‫سید احمد قاسمی دکتری بازاریابی(هوش تجاری) دانشگاه تهران عضو هیات علمی پژوهشگاه‬
‫اجتماعی‬
‫‪Seyed Ahmad Ghasemi, PhD in Marketing‬‬ ‫علوم انسانی و مطالعات‬
‫‪Management(university‬‬ ‫‪of tehran ), Faculty Member, Tehran Institute of‬‬‫•‬ ‫‪6‬‬
‫‪Humanities and Social Studies(ACECR), Iran Email: saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174‬‬
 ‫تعاریف‬
‫تعریف ‪:BI / AI‬‬
‫یک سامانه مغز افزاری است که می‌تواند از طریق پردازش داده های متنی و صوتی و تصویری یا سایر اشکال داده ها را جمع آوری و نسبت به پردازش‬
‫و‌تحلیل آن با سرعت و حجم باال اقدام و شاخصهای مورد نیاز کاربران را ارائه نماید ‪.‬این سامانه قابلیت درک محیطی و برنامه ریزی و تصمیم‌گیری را‬
‫دارد و از سه بخش کالن داده و پایگاه دانش و مفهوم سازی داده تشکیل میشود ‪.‬‬

‫کالن داده ‪:big data‬‬

‫به مرکزی که مسئولیت جمع آوری داده(صوتی‪ ،‬متنی‪ ،‬تصویری‪ ،‬فایل و ‪ )....‬از محیط وب و طبقه بندی و راستی آزمایی آن را بر عهده دارد‬
‫گفته می شود که با پایگاه داده و بانک اطالعاتی تفاوتهای اساسی دارد‪.‬‬

‫پایگاه دانش ‪:knowledge base‬‬

‫به مجموعه از داده های محیطی که تعیین کننده شاخصها هست گفته می شود مانند کتابها‪ ،‬قوانین‪ ،‬مقاالت و سایر موارد که امکان دسترسی و‬
‫بروزرسانی شاخص را برای متخصصان سامانه فراهم سازد‪.‬‬

‫شاخص‪KPI :‬‬
‫مدیریت مبتنی بر شاخص حداقل از سال ‪ 2000‬میالدی بعنوان مدل مدیریت در شرکتها و موسسات توسعه یافته جایگزین مدیریتهای سنتی شده‬
‫است‪ .‬در این مدل مدیران با کنترل شاخصهای مدیریتی مانند ضریب نوآوری‪ ،‬ضریب نفوذ‪ ،‬نرخ تورم‪ ،‬نرخ پایداری مشاغل‪ ،‬ضریب توسعه و‬
‫رفاه‪ ،‬ضریب رضایت مشتری و ‪ ...‬با دقت باالی ‪ 99‬درصد سازمانهای بزرگ را مدیریت و عناصر آنرا کنترل می کنند‪.‬‬
‫سید احمد قاسمی دکتری بازاریابی(هوش تجاری) دانشگاه تهران عضو هیات علمی پژوهشگاه علوم انسانی و مطالعات اجتماعی‬ ‫‪7‬‬
 ‫سطوح هوشمندی در فناوری هوش مصنوعی‬
‫‪AI /BI‬‬

‫سطح عالی ‪:HL‬‬

‫مدیریت مبتنی بر شاخص‪ ،‬تحلیل داده آنی(بازار‪ ،‬اجتماعی‪ ،‬اقتصادی‪،‬‬
‫مدیریتی و ‪ )...‬کمک به برنامه ریزی و تصمیم گیری‪ ،‬پیش بینی و‬ ‫‪BI / AI‬‬
‫پیشگیری‪ ،‬تحلیل شاخص‪ ،‬ارائه پیشنهاد‪ ،‬ارائه مدل یا شبیه سازی‪ ،‬قدرت‬
‫برقراری ارتباط‪ ،‬قدرت تفکر‪ ،‬خودکنترلی‬

‫سطح متوسط ‪:ML‬‬

‫داشبوردها‪ ،‬شبکه دولت الکترونیک‪ ،‬سیستمهای یکپارچه‪ ،‬پردازش و طبقه بندی داده های‬ ‫‪ERP/‬‬
‫تصویری و صوتی و متنی در محیط وب‪،‬کالن داده ها‪ ،‬گزارشدهی بصورت آمار و اطالعات‪،‬‬
‫پایگاه دانش‪،‬‬ ‫‪MIS‬‬

‫سطح پایین‪: BL‬‬

‫جستجوگرهای پیشرفته‪ ،‬پایگاه داده‪ ،‬بانکهای اطالعاتی‪ ،‬گزارش داده و اطالعات‪ ،‬نرم افزارهای اداری‪ ،‬ورود‬ ‫‪DB /‬‬
‫اطالعات دستی‪ ،‬اتوماسیون اداری‪ ،‬سنسورهای بینایی و دما و ‪ ،...‬فرستنده ها‪ ،‬گیرنده ها‪ ،‬مترجم‪،‬‬
‫‪EDP‬‬

‫‪Seyed Ahmad Ghasemi, PhD in Marketing Management(university of tehran ), Faculty Member Tehran Institute of Humanities and Social Studies(ACECR), Iran‬‬
‫‪Email: saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174‬‬
 ‫هوش مصنوعی‪ ،‬مدیریت نسل پنجم بازار‪ ،‬دانشگاه‪ ،‬مدارس‪ ،‬سازمانها‬
‫سید احمد قاسمی عضو هیات علمی پژوهشگاه علوم انسانی و مطالعات اجتماعی‬
‫دکتری مدیریت بازاریابی(تجارت و کسب و کار هوشمند) دانشگاه تهران‬

‫‪Seyed Ahmad Ghasemi, PhD in Marketing Management(university of tehran ), Faculty Member, Tehran Institute of Humanities and Social Studies(ACECR), Iran Email: saghasemy@ut.ac.ir‬‬
‫‪09111522087 (ORCID) 0000-0002-0103-6174‬‬

‫مدیریت‌مبتنی‌بر‌شاخص‌و‌تحلیل‌داده‌ها‬ ‫‪AI / BI‬‬

‫‪big data‬‬
‫شبکه‬

‫‪MIS‬‬
‫نرم افزار‬
‫سخت افزار‬

‫‪1930‬‬ ‫‪1950‬‬ ‫‪1970‬‬ ‫‪1990‬‬ ‫‪2000‬‬

‫سیلیکون ولی و تغییرات استراتژی بازار‬

‫سید احمد قاسمی دکتری بازاریابی(هوش تجاری) دانشگاه تهران عضو هیات علمی پژوهشگاه علوم انسانی و مطالعات اجتماعی‬ ‫‪9‬‬
 ‫اهداف پروژه و نیازمندی ها‪:‬‬
‫هدف کلی کالن داده و پایگاه دانش تخصصی بجای یکپارچه سازی بخش های مختلف و تولید برخی ابزار های نرم‬
‫افزاری‬

‫هدف اصلی سامانه جامع هوشمند شرکت پاالیشگاه گاز ایران‪:‬‬

‫در‌وهله‌اول‌تولید‌یکپارچه‌سیستم‌های‌مربوط‌به‪:‬‬
‫حوزه های منابع انسانی ‪HRM‬‬
‫تامین‌اعتبار ‪ERP‬‬
‫امنیت‌و‌سالمت‌‪HSE‬‬
‫رفاهیات ‪services‬‬
‫تردد ‪logistics‬‬
‫امور‌کاال ‪MKIS‬‬
‫فرآیند‌های‌درخواست‌کاال‌و‌… ‪CRM‬‬
‫در‌گام‌بعدی‌برقراری‌ارتباط‌استان‌ها‌با‌ستاد‌و‌یکپارچه‌سازی‌فرآیندهای‌آنان‌از‌طریق‌یک‌کالن‌داده‬

‫هدف غایی ‪:‬‬

‫کنترل‌شبکه‪‌،‬عارضه‌یابی‪‌،‬اشتراک‌گذاشتن‌تجارب‪‌،‬مدیریت‌دانش‌ ‪‌،‬کالن‌داده‌تخصصی‪‌،‬پایگاه‌دانش‪‌،‬مدیریت‌مبتنی‌بر‌شاخص‪‌،‬بازاریابی‌و‌زنجیره‌‬
‫ارزش‌هوشمند‬
 ‫‪Seyed Ahmad Ghasemi, PhD in Marketing Management(university of Tehran ), Research Faculty‬‬
‫‪Member, Tehran Institute of Humanities and Social Studies(ACECR), Iran‬‬
‫‪Email: saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174‬‬
‫‪Director of Iranian artificial intelligence development center (campus).‬‬

‫پایگاه داده‬
‫چشم‬
‫مرکز پایش‬ ‫تصویر و‬ ‫گوش‬
‫پایگاه دانش‬ ‫فیلم‬
‫داده‬ ‫کنترل کننده‬
‫صدا‬

‫ارتباط داده‬
‫عناصر هوش‬ ‫کالن داده‬
‫دستورات‬ ‫ورودی داده‬ ‫بینی‬
‫مصنوعی‬ ‫برنامه‬
‫هوش‬ ‫بو‬

‫جمع اوری‬ ‫‪BI‬‬ ‫فرامطالعه‬

‫مصنوعی‬ ‫زبان‬
‫مدیریت‬
‫داده‬ ‫چشیدن و‬
‫وب‬
‫شتخص‬ ‫دانش‬ ‫‪BI‬‬ ‫طعم‬
‫پردازش داده‬
‫صوتی‪،‬‬ ‫مرکز تحلیل‬ ‫بانکهای‬ ‫پوست‬
‫تصویری و‬ ‫داده‬
‫اطالعاتی‬ ‫خواندن‬
‫متن‬ ‫لمس‬
‫متن و کتاب‬
‫و فایل‬
Seyed Ahmad Ghasemi, PhD in Marketing Management(university of Tehran ), Research Faculty
Member, Tehran Institute of Humanities and Social Studies(ACECR), Iran
Email: saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174
Director of Iranian artificial intelligence development center (campus).

‫برنامه‬ ‫یادگیری‬ ‫پشتیبانی‬

‫ریزی‬ ‫تصمیم‬
‫تصمیم‬
‫نواوری‬ ‫توانمندی‬ ‫سازی‬
‫هوش مصنوعی‬
BI
‫ادراک‬ ‫تفکر‬

‫رشد و‬
‫خالقیت‬
‫محتوی توسعه‬
‫سازی‬
 ‫مرکز رشد فناوری هوشمند(هوش مصنوعی)‬

‫‪Humanities and Social Studies(ACECR), Iran Email: saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174‬‬
‫‪Seyed Ahmad Ghasemi, PhD in Marketing Management(university of Tehran), Faculty Member Tehran Institute of‬‬
‫اشتغال‬ ‫مدیریت‪ :‬دکتر سید احمد قاسمی‬
‫بیش از ‪ 80‬درصد‬
‫اشتغال اینده‬
‫سرعت‬
‫هزینه‬
‫پردازش داده های‬
‫مزایای استفاده از هوش مصنوعی‬
‫مدیریت با یک صدم‬
‫هزینه سنتی‬
‫حجیم در هر یک‬ ‫‪BI / AI‬‬
‫صدم ثانیه‬

‫اشتغال‬
‫بیش از ‪ 80‬درصد اشتغال اینده‬
‫دقت‬ ‫سرعت‬
‫تحلیل‬
‫روایی و پایایی‬ ‫تحلیل داده بصورت‬
‫پردازش داده های حجیم در هر یک صدم ثانیه‬
‫دقیق باالی ‪99‬‬
‫درصد دقت‬
‫شاخص‬ ‫حجم‬
‫بیش از دهها میلیون ترابایت در ثانیه‬
‫مزایای استفاده‬ ‫کالن داده(جمع اوری داده وب)‬
‫از هوش‬
‫مصنوعی‬ ‫تنوع انواع داده ورودی از وب (عکس‪ ،‬فیلم‪،‬‬
‫‪BI / AI‬‬ ‫صوت‪ ،‬متن و ‪)...‬‬
‫بهره وری‬ ‫ادراک و تفکر‬ ‫شبکه سازی‬
‫افزایش از ‪ 5‬درصد‬ ‫تصمیمسازی‪،‬‬ ‫ارتباط نامحدود داده ها با هم‬
‫فعلی به بیش از‬ ‫نواوری‪ ،‬روایی و‬
‫‪ 85‬درصد‬ ‫پایایی‬ ‫بهره وری‬
‫افزایش از ‪ 5‬درصد فعلی به بیش از ‪ 85‬درصد‬
‫دقت‬
‫روایی و پایایی دقیق باالی ‪ 99‬درصد دقت‬
‫شبکه سازی‬
‫حجم‬ ‫هزینه‬
‫بیش از دهها‬
‫ارتباط نامحدود داده‬
‫میلیون ترابایت در‬
‫مدیریت با یک صدم هزینه سنتی‬
‫ها با هم‬ ‫کالن داده‬ ‫ثانیه‬ ‫ادراک و تفکر‬
‫تنوع انواع داده‬
‫ورودی از وب‬ ‫تصمیمسازی‪ ،‬نواوری‪ ،‬روایی و پایایی‬
‫(عکس‪ ،‬فیلم‪،‬‬ ‫تحلیل‬
‫صوت‪ ،‬متن و ‪)...‬‬
‫تحلیل داده بصورت شاخص‬
 ‫مطالعات و پژوهش‬

‫اقتصاد اطالعات‬ ‫تدوین استراتژی‬

‫کاربرد مستقیم‬
‫‪Information economy‬‬ ‫نقشه تجاری‬
‫بیش از ‪ 3‬هزار میلیارد دالر ارزش جهانی و ‪ 200‬میلیارد دالر‬
‫ظرفیت ایران طی ‪ 5‬سال اینده است با اشتغالزایی بیش از ‪10‬‬ ‫تحلیل داده‬
‫میلیون نفر نخبه ایرانی‬
‫آمایش سرزمینی‬

‫کاربرد‬ ‫‪BP‬‬
‫کسب و کار هوشمند‬
‫هوش مصنوعی‬ ‫‪BIS‬‬
‫مدیریت بازار‪ ،‬مدیریت مالی‪ ،‬مدیریت‬
‫‪MKIS‬‬ ‫‪BIS‬‬
‫در‬ ‫فروش‪ ،‬مدیریت ارزش‪ ،‬مدیریت تامین‬
‫مدیریت‪ ،‬تجارت‬ ‫‪MIS‬‬ ‫بازاریابی هوشمند‬ ‫نقشه تجاری‪ ،‬ارزیابی بازار‪ ،‬تحقیق‬
‫‪IS‬‬ ‫‪MKIS‬‬ ‫بازار‪ ،‬استراتژی بازار‪ ،‬قیمت گذاری‪،‬‬
‫و اقتصاد‬
‫برندسازی‬
‫دیجیتال مارکتینگ هوشمند‬
‫‪IDM‬‬ ‫فروشگاه هوشمند‪ ،‬تحلیل نیازمشتری‪،‬‬
‫ارزیابی بازار‬
‫مدیریت منابع انسانی هوشمند‬ ‫رتبه بندی‬
‫کاربرد‬ ‫‪HRM‬‬ ‫کشف‪ ،‬جلب‪،‬جذب و نگهداری‬

‫غیر مستقیم‬ ‫شبکه سازی هوشمند‬ ‫زنجیره ارزش‪ ،‬زنجیره تامین‪ ،‬زنجیره‬
‫تولید‪ ،‬شبکه مالی‪ ،‬شبکه بازار‬
‫‪Networking‬‬
‫کشف مشتری‪ ،‬جلب مشتری‪ ،‬جذب‬
‫مدیریت ارتباط با مشتری هوشمند‬ ‫مشتری‪ ،‬نگهداری مشتری‬
‫‪CRM‬‬ ‫تصمیمگیری‪ ،‬برنامه ریزی‪ ،‬ارزیابی‪،‬‬
‫کنترل و نظارت‬
‫مدیریت هوشمند‬
‫سید احمد قاسمی دکتری بازاریابی(هوش تجاری) دانشگاه تهران عضو هیات علمی پژوهشگاه‬ ‫‪MIS‬‬ ‫رتبه بندی‪ ،‬ارزیابی شاخص‪ ،‬مدیریت‬
‫علوم انسانی و مطالعات اجتماعی‬ ‫شاخص‪ ،‬کنترل شاخص‬
‫‪Seyed Ahmad Ghasemi, PhD in Marketing Management(university of tehran ), Faculty‬‬ ‫نظارت و ارزیابی هوشمند‬
‫‪Studies(ACECR), Iran Email: Institute of Humanities and Social Member, Tehran‬‬ ‫‪Evaluation‬‬ ‫‪18‬‬
‫‪saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174‬‬
 ‫تمایزات سامانه هوشمند مغز افزاری و سامانه های نرم افزاری‬ ‫‪Seyed Ahmad Ghasemi, PhD in Marketing‬‬
‫‪Management(university of tehran ), Research‬‬
‫‪Faculty Member, Tehran Institute of Humanities‬‬
‫مدیران امروز هزینه یک سامانه هوشمند را می دهند اما یک سانه نرم افزاری دریافت میکنند‬ ‫‪and Social Studies(ACECR), Iran Email:‬‬
‫‪saghasemy@ut.ac.ir 09111522087‬‬
‫ما در تشخیص محصول تقلبی به شما کمک می کنیم‪.‬‬ ‫‪(ORCID) 0000-0002-0103-6174‬‬

‫سامانه های هوشمند از طریق پردازش متن و تصویر و فیلم و صوت از فضای مجازی داده ها را بروز و در لحظه دریافت می کنند‪ .‬سامانه های الکترونیکی‬
‫از طریق داده های سازمانی و ورود دستی منابع خود را تامین میکنند و قادر به پردازش تصویر و فیلم و ‪ ..‬و تبدیل ان به داده بروز نیستند‪.‬‬ ‫جمع اوری داده‬
‫سامانه های هوشمند قادر به تشخیص نوع داده و دسته بندی داده بر اساس درخواست کاربر هستند‪ .‬سامانه های الکترونیکی هیچ قدرتی در تمایز داده‬
‫ها ندارند‬
‫دسته بندی داده‬ ‫تمایز در‬
‫سامانه های هوشمند قادر به ارزیابی صحت و قابل اعتماد بودن داده ها هستند ولی سامانه های نرم افزاری این توانمندی را ندارند‬ ‫پایایی و روایی داده‬
‫سامانه های هوشمند مبتنی بر کالن داده هستند یعنی حداقل ‪ 85‬درصد داده ها از محیط وب با پردازش محتوی تصویری و متنی و صوتی و ‪ 25‬درصد از‬
‫ورودی‬
‫محیط داخلی و بانکهای اطالعات سازمانی دریافت می کنند‪ .‬سامانه های نرم افزاری تمام داده ها را از بانکهای اطالعاتی سازمانی دریافت می کنند‪.‬انها‬ ‫کالن داده‬
‫پایگاه داده دارد نه کالن داده‪.‬‬

‫سامانه های مغز افزاری قابلیت تفکیک داده ها بر اساس مفاهیم مورد نظر کاربر را در همه زمینه ها دارد ولی سامانه های نرم افزاری هیچگونه ابزاری‬
‫برای درک اهمیت و جایگاه داد و ارتباط ان با موضوعات را ندارد‪.‬‬
‫مفهوم سازی داده‬
‫در سامانه های مغز افزاری امکان فراوری و داده کاوی برای دسترسی به قابلیت اطمینان باالی ‪ 98‬درصد صورت می گیرد در حالیکه در سامانه های نرم‬
‫تمایز در‬
‫افزاری ارزش خروجی گزارشات دارای دقتی کمتر از ‪ 5‬درصد برای تصمیمگیری و برنامه ریزیهای پیچیده است‪.‬‬
‫فراوری داده‬
‫سامانه های هوشمند منبعی از دانش برای تولید شاخص برای هر موضوع متناسب با خواست مدیران ارائه نمایند‪ .‬در سامانه های نرم افزاری پایگاه دانش‬
‫پایگاه دانش‬
‫فرایند‬
‫نداریم‪.‬‬

‫سامانه های هوشمند داشبورد یا گزارشات مبتنی بر شاخص ارائه می نمایند مانند شاخص(بهره وری‪ ،‬رضایتمندی‪ ،‬سود اوری‪ ،‬ضریب نفوذ‪ ،‬نرخ رشد و ‪)...‬‬
‫ولی سامانه های نرم افزاری فقط اطالعات یعنی داده ها دسته بندی شده ارائه می نمایند که مسئله اصلی در سوء مدیریت و تصمیمات غلط و بهره وری‬ ‫ارائه شاخص‬
‫پایین مدیران هستند‪..‬‬
‫سامانه های هوشمند یا مغز افزاری توانایی تحلیل داده ها بصورت نقطه ای و فردی را دارند در حالیکه سیستمهای نرم افزاری فقط دسته بندی کلی بدون‬
‫تمایز در‬
‫تحلیل داده‬
‫ارتباط با محیط و متغییرهای وابسته را ارائه می کنند‬
‫سامانه های هوشمند می توانند به مدیران در برنامه ریزی و تصمیم گیری و نظارت ضمن نمایش لحظه ای مسیر ‪ ،‬پیشنهادات لحظه ای بر اساس بهترین‬
‫خروجی‬
‫حالت را ارائه کنند ولی سامانه نرم افزاری فقط داده های اماری ارائه می کنند‬
‫پیشنهاد مدیریتی‬

‫مراقب کالهبرداریهای علمی گسترده سازمانها در هوش مصنوعی باشید‪.‬‬

‫پول یک سامانه مغز افزاری ندهید ولی یک سامانه نرم افزاری بگیرید‬
 Seyed Ahmad Ghasemi, PhD in Marketing Management(university of tehran ), Faculty Member Tehran Institute of Humanities and Social
Iranian AI / BI model by: DR S.A.Ghasemy Studies(ACECR), Iran Email: saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174

logistic AI MKIS MIS CRM EHRM BIS ERP

4 level ‫مدیریت هوشمند‬

KPR SAS
KPI Data meaning SAP
KPO Data mining OLAP
3 level KPS Data analysis ORACL
KPD Microsoft SA

Management
Books
MIS
Articles
Strategy
Reports Legal
2 level Control Contents
Market plan Knowledge base Orders
Ideas
Trade map
‫گزارشات‬ ‫پایگاه دانش‬ ‫محتوی دانشی‬

site
Organizations
Image, voice, Web/net
Institutions ERP Touch point text, App/software
1 level banks 15% Big data 85% document,
E . service
clips, …
insurances
100% processing mail
Voice/image
‫داده های سازمانی‬ ‫کالن داده‬ ‫داده های محیطی‬ ،‫ متن‬،‫پردازش تصویر‬ Article/txt
‫اینترنت و شبکه ها‬ ... ‫ صوت و‬،‫فیلم‬
Massage
 AI / BI ‫مدل اجرایی‬
data information Data analysis KPI

‫بانکهای اطالعاتی‬ ‫نرم افزار ساده‬ ‫نرم افزار تحلیلگر داشبورد ساز‬ ‫هوش مصنوعی‬

BP
site
MKIS
web Touch point ERP
BIS
App/soft 85% 15%
ware Image processing KPI
Video processing smart KPR
E . service
Document processing
mail Voice processing system KPO

Voice/ima DSS
ge EIS
Article/txt
Knowledge SIS
Big data
Massage
100% base MIS
Single
IS
windows
net
‫سید احمد قاسمی دکتری بازاریابی(هوش تجاری) دانشگاه تهران عضو هیات علمی پژوهشگاه علوم انسانی و مطالعات اجتماعی‬
Seyed Ahmad Ghasemi, PhD in Marketing Management(university of tehran ), Faculty Member, Tehran Institute of • 21
Humanities and Social Studies(ACECR), Iran Email: saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174
 ‫تحلیلی و‬
‫تفسیری‬

‫انواع‬ ‫نقشه‬
‫جدولی‬
‫نقطه‬
‫تحلیلی‬ ‫گزارش‬ ‫مکانی‬

‫نموداری‬
‫تحلیلی‬

‫سید احمد قاسمی دکتری بازاریابی(هوش تجاری) دانشگاه تهران عضو هیات علمی پژوهشگاه علوم انسانی و مطالعات اجتماعی‬ ‫‪22‬‬
‫‪Humanities and Social Studies(ACECR), Iran Email: saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174‬‬
‫‪Seyed Ahmad Ghasemi, PhD in Marketing Management(university of Tehran), Faculty Member Tehran Institute of‬‬
‫قیمت‬
‫ارزش‬ ‫خرید‬
‫تعرفه‬ ‫فروش‬
‫اولویت‬ ‫جریان‬
‫نیاز‬
‫تجاری‬
‫حجم‬ ‫مشتری‬ ‫مشارکتها‬ ‫بازصادرات‬

‫مصرف‬ ‫تولیدات‬
‫صادرات‬ ‫جایگاه‬
‫درامد‬ ‫لجستیک‬

‫وارادت‬ ‫شبکه‬
‫هزینه‬ ‫مقیاس‬
‫داده های‬
‫های‬ ‫داده‬
‫ظرفیت ارتباطات‬ ‫تجاری‬
‫نقشهنقشه‬ ‫طبقه‬
‫خدمات‬
‫طبقه‬
‫محصول‬
‫تجاری‬
‫هوشمند‬ ‫تجارت‬
‫فرصت رفتار‬
‫تبادلی‬ ‫جریان‬
‫مصرف‬
‫تجارت‬
‫کننده‬
‫تجارت‬
‫تهدید‬
‫ایده‬
‫برند‬ ‫نوع تجارت‬
‫مسیر‬
‫بازار‬
‫رشد‬
‫مسیر‬
‫تراز‬ ‫تنوع‬ ‫نوع کاال‬
‫کارایی‬ ‫ترانزیت‬
‫نواوری‬ ‫شرکتها‬ ‫بازار‬
‫تامین کننده‬ ‫خدمت‬
‫فاصله‬ ‫مشتری‬
‫رقبا‬
 ‫نرخ رضایت‬
‫نرخ خدمات‬ ‫نرخ جذب‬
‫نرخ پاسخ ایمیل‬ ‫نرخ توسعه‬

‫نرخ کلیک ایمیل‬ ‫نرخ پشتیبانی‬

‫•‬‫‪Seyed Ahmad Ghasemi, PhD in Marketing Management(university of tehran), Faculty‬‬

‫نرخ ریزش‬
‫نرخ شفافیت‬
‫مشتری‬
‫‪Member, Tehran Institute of Humanities and Social Studies(ACECR), Iran Email:‬‬

‫نرخ حفظ مشتری‬ ‫نرخ درامد‬

‫شاخصهای‬
‫‪saghasemy@ut.ac.ir 09111522087 (ORCID) 0000-0002-0103-6174‬‬

‫نرخ نگهداری‬ ‫نرخ سرمایه‬

‫خالص‬
‫مدیریت ارتباط‬ ‫گذاری‬

‫میانگین ارزش‬
‫زمان عمر‬
‫با مشتری‬ ‫نرخ مشارکت‬
‫مشتری‬
‫‪CRM‬‬
‫میانگین ارزش‬
‫زمان عمر‬ ‫نرخ ریزش‬
‫مشتری‬

‫نرخ فرسایش‬
‫نرخ نگهداری‬
‫مشتری‬

‫میانگین سود به‬

‫نرخ وفاداری‬
‫ازای هر مشتری‬
‫میانگین مدت‬
‫زمان نگهداری‬ ‫نرخ تماس‬
‫تعداد شکایات در مشتری‬ ‫تعداد ماهانه‬
‫رتبه بندی‬ ‫سرنخ های تبدیل‬
‫ماه‬
‫نظرسنجی‬ ‫نشده‬
‫‪'TOTAL‬‬ ‫‪ 34826343 -3855582‬همه محصوالت‬
‫‪'2710‬‬ ‫روغن های نفتی و روغن های حاصل از مواد معدنی قیر (به استثنای مواد خام)‪ .‬آماده سازی حاوی ‪...‬‬ ‫‪95876‬‬ ‫‪422910‬‬
‫‪'2704‬‬ ‫کک و نیمه کک از زغال سنگ ‪ ،‬از لیگنیت یا از ذغال سنگ نارس ‪ ،‬خواه منجمد شود یا نباشد‪.‬‬ ‫‪71624‬‬ ‫‪-69543‬‬
‫‪'2716‬‬ ‫انرژی الکتریکی‬ ‫‪63456‬‬ ‫‪-28500‬‬
‫‪'2713‬‬ ‫کک نفتی ‪ ،‬قیر نفتی و سایر مانده های روغن نفت یا روغن حاصل از ‪...‬‬ ‫‪15307‬‬ ‫‪177668‬‬
‫‪'2711‬‬ ‫گاز نفت و سایر هیدروکربن های گازی‬ ‫‪13418‬‬ ‫‪548479‬‬
‫‪'2712‬‬ ‫ژله نفتی ‪ ،‬موم پارافین ‪ ،‬موم میکرو کریستالی ‪ ،‬موم شل ‪ ،‬ازوکریت ‪ ،‬لیگنیت ‪...‬‬ ‫‪1717‬‬ ‫‪55003‬‬
‫‪'2706‬‬ ‫قطران تقطیر شده از زغال سنگ ‪ ،‬از لیگنیت یا از ذغال سنگ نارس ‪ ،‬و سایر قرص های معدنی‬ ‫‪1198‬‬ ‫‪-944‬‬
‫‪'2703‬‬ ‫پیت ‪ ،‬شامل بستر ذغال سنگ نارس ‪ ،‬خواه جمع نشده باشد یا نه‬ ‫‪1185‬‬ ‫‪-1174‬‬
‫‪'2707‬‬ ‫روغن و سایر محصوالت تقطیر قطران ذغال سنگ با درجه حرارت باال ؛ محصوالت مشابه ‪...‬‬ ‫‪525‬‬ ‫‪30604‬‬
‫‪'2715‬‬ ‫بناهای قیر ‪ ،‬برش و سایر مخلوط های قیر بر اساس آسفالت طبیعی ‪ ،‬در ‪...‬‬ ‫‪239‬‬ ‫‪37239‬‬
‫‪'2701‬‬ ‫ذغال سنگ بریکت ‪ ،‬و سوخت های جامد مشابه تولید شده از زغال سنگ‬ ‫‪29‬‬ ‫‪7476‬‬
‫‪'2705‬‬ ‫گاز ذغال سنگ ‪ ،‬گاز آب ‪ ،‬گاز تولید کننده ‪ ،‬گاز ناب و گازهای مشابه (به استثنای گازهای نفتی و ‪...‬‬ ‫‪26397‬‬
‫‪'2708‬‬ ‫کک پیچ و پیچ ‪ ،‬که از قطران ذغال سنگ یا از ترکهای معدنی دیگر بدست می آید‬ ‫‪20093‬‬
‫‪'2709‬‬ ‫روغن های نفتی و روغن های حاصل از مواد معدنی قیر ‪ ،‬خام‬ ‫‪14532851‬‬
‫‪'2714‬‬ ‫قیر و آسفالت ‪ ،‬طبیعی؛ شن و ماسه قیر یا روغن شیل و قیر؛ آسفالت و آسفالت ‪...‬‬ ‫‪12741‬‬

‫‪Code‬‬ ‫برچسب خدمات‬ ‫‪Exported Value in 2019‬‬

‫‪S‬‬ ‫همه خدمات‬ ‫‪7,773,589‬‬
‫خدمات تجاری ‪SOX‬‬ ‫‪7,495,218‬‬
‫‪3‬‬ ‫حمل و نقل‬ ‫‪3,964,570‬‬
‫‪4‬‬ ‫مسافرت رفتن‬ ‫‪2,463,290‬‬
‫سایر خدمات تجاری ‪10‬‬ ‫‪512,338‬‬
‫کاالها و خدمات دولتی ‪12 n.i.e‬‬ ‫‪278,371‬‬
‫‪9‬‬ ‫خدمات مخابراتی ‪ ،‬رایانه ای و اطالعاتی‬ ‫‪129,860‬‬
‫‪2‬‬ ‫خدمات تعمیر و نگهداری ‪n.i.e‬‬ ‫‪117,176‬‬
‫‪6‬‬ ‫خدمات بیمه و بازنشستگی‬ ‫‪97,394‬‬
‫‪7‬‬ ‫خدمات مالی‬ ‫‪83,080‬‬
‫‪1‬‬ ‫خدمات ساخت بر روی ورودی های فیزیکی متعلق به دیگران‬ ‫‪70,140‬‬
‫‪5‬‬ ‫ساخت و ساز‬ ‫‪51,011‬‬
‫تفریحی مطالعات‬
‫‪ 11‬اجتماعی‬ ‫فرهنگی و‬
‫علوم انسانی و‬ ‫شخصی ‪،‬‬
‫پژوهشگاه‬ ‫خدمات‬
‫هیات علمی‬ ‫سید احمد قاسمی دکتری بازاریابی(هوش تجاری) دانشگاه تهران عضو‬ ‫‪25 3,567‬‬
‫‪8‬‬ ‫اتهامات استفاده از مالکیت معنوی ‪n.i.e‬‬ ‫‪2,792‬‬
‫با تشکر از توجهتان‬

‫سید احمد قاسمی دکتری بازاریابی(هوش تجاری) دانشگاه تهران عضو هیات علمی پژوهشگاه علوم انسانی و مطالعات اجتماعی‬ ‫‪27‬‬