تحلیل چندمعیاره هم‌افزایی میان حاکمیت داده و حکمرانی داده‌محور: چارچوب تطبیقی برای طراحی سازمان‌های هوشمند

نوع مقاله : پژوهشی

نویسندگان

1 کارشناس ارشد مهندسی نرم‌افزار، گروه نرم‌افزار، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران

2 دانشجوی دکتری مدیریت راهبردی فضای سایبر، گروه امنیت سایبری، دانشکده امنیت ملی، دانشگاه عالی دفاع ملی، تهران، ایران

چکیده

در عصر تحول دیجیتال، سازمان‌ها برای دستیابی به عملکرد بهینه، چابکی اطلاعاتی و مزیت رقابتی پایدار، نیازمند رویکردهایی یکپارچه در مدیریت داده هستند؛ رویکردهایی که هم کیفیت، امنیت و انطباق داده‌ها را تضمین کند و هم بستر تصمیم‌سازی‌های تحلیلی و مبتنی بر شواهد را فراهم آورد. در این میان، دو رویکرد حاکمیت داده و حکمرانی داده‌محور به‌عنوان ارکان کلیدی مدیریت داده‌های سازمانی و بنیان‌گذار معماری اطلاعات هوشمند مطرح‌ است. این پژوهش با هدف تحلیل تطبیقی این دو رویکرد، به بررسی ابعاد مفهومی، ساختاری، فرهنگی و راهبردی آن‌ها پرداخته است و تلاش می‌کند با الگو‌سازی تلفیقی، پاسخی نظری و عملی به نیاز سازمان‌ها برای توازن میان کنترل و ارزش‌آفرینی از داده‌ها ارائه دهد. روش پژوهش به‌صورت تحلیلی ـ کاربردی و با استفاده از رویکرد ترکیبی انجام شده است. ابتدا با تحلیل اسنادی، معیارهای کلیدی مقایسه استخراج شد و سپس با طراحی الگوی امتیازدهی سه‌بعدی (نقش مفهومی، شدت وابستگی و کاربرد عملی)، داده‌های مقایسه‌ای به‌ کمک پرسشنامه میان ۱۰۰ نفر از خبرگان دانشگاهی و اجرایی گردآوری و تحلیل شد. نتایج نشان می‌دهد رویکرد حاکمیت داده در شاخص‌هایی مانند ساختار، کیفیت، امنیت و کنترل داده‌ها عملکرد برتری دارد، در حالی‌که حکمرانی داده‌محور در مؤلفه‌هایی همچون تحلیل تصمیمات، نگرش داده‌محور، فرهنگ آزمون‌پذیر و بهره‌گیری از ابزارهای تحلیلی قوی‌تر عمل می‌کند؛ همچنین میانگین امتیاز کلی حکمرانی داده‌محور (۸.۹ از ۱۰) نسبت به حاکمیت داده (۸.۰ از ۱۰) بیشتر است و الگوی امتیازدهی، مکمل‌بودن این دو رویکرد را در لایه‌های گوناگون سازمانی نشان می‌دهد. سرانجام، الگوی مفهومی چهارلایه‌ای شامل لایه‌های زیرساخت، عملیات، تصمیم‌سازی و راهبرد ارائه شده است که با ترکیب دو مسیر اجرای بالا به پایین (سیاست‌گذاری) و پایین به بالا (تحول تدریجی)، امکان طراحی سازمان‌های داده‌محور و هوشمند را فراهم می‌سازد. کاربرد این الگو در شرایط گوناگون نیازمند بومی‌سازی و تطبیق با زمینه‌های فرهنگی و صنعتی سازمان‌ها است. پیشنهاد می‌شود در پژوهش‌های آینده، اعتبار تجربی این الگو در بسترهای واقعی آزمون شود. 

کلیدواژه‌ها

موضوعات


احمدی، صدرا و توانا، محمد مهدی (۱۴۰۱). ارائه رویکرد فازی جدید برای سنجش استقرار حاکمیت داده و مدیریت عوامل مربوط به آن، چشم‌انداز مدیریت صنعتی، ۴۵: ۵۵ـ۷۲.
شرفی، علی (۱۴۰۲). حکمرانی داده، اطلاعات و دانش، تهران: انتشارات دانشگاه تهران.
شعبان‌الهی، امید؛ مرعشی‌پور، علیرضا و حسن‌زاده کریم‌آباد، علیرضا (۱۳۹۶). ارائه چارچوب حاکمیت داده‌های بزرگ در بانک مرکزی جمهوری اسلامی ایران. پژوهش‌های پولی و بانکی، شماره ۳۲.
فینی‌زاده بیدگلی، محسن؛ مظفری، افسانه و خجسته باقرزاده، حسن (۱۴۰۲). بررسی وضعیت و نتایج شکل‌گیری حکمرانی داده در ایران. کنفرانس ملی حکمرانی داده.
Refrences
Abraham, R., Schneider, J., & vom Brocke, J. (2019). Data governance: A conceptual framework, structured review, and research agenda. International Journal of Information Management, 49, 424–438.
Alation. (2025). Balance data access with Alation Data Governance.
Alhassan, I., Sammon, D., & Daly, M. (2021). Data governance activities: A comparison between theory and practice. Information Systems Management, 38(1), 2–18.
Belton, V., & Stewart, T. J. (2002). Multiple criteria decision analysis: An integrated approach. Springer Science & Business Media.
Bharadwaj, A., El Sawy, O. A., Pavlou, P. A., & Venkatraman, N. (2013). Digital business strategy: Toward a next generation of insights. MIS Quarterly, 37(2), 471–482.
Chen, Y., Liu, J., & Wang, Y. (2020). How does big data analytics affect firm performance? The mediating role of data-driven decision-making capability. Technological Forecasting and Social Change, 158, 120180.
Collibra. (2025). Collibra Data Governance software.
DAMA International. (2023). Data Management Body of Knowledge (DAMA-DMBOK) Version 2. Technics Publications.
Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics: The New Science of Winning. Harvard Business Press.
Data Quality Pro. (2025). 10 Reasons Why Data Quality and Data Governance Initiatives Fail.
Ghosh, R., Sharma, R., & Nair, S. (2021). Smart organizations and digital transformation: A systematic literature review. Journal of Organizational Computing and Electronic Commerce, 31(3), 206–229.
Greco, S., Ehrgott, M., & Figueira, J. R. (Eds.). (2016). Multiple criteria decision analysis. State of the art surveys (Vol. 233). Springer.
Informatica. (2025). Data Governance, Access and Privacy.
Janssen, M., van den Hoven, J., & Helbig, N. (2020). Transparency-by-design as a foundation for data governance. Government Information Quarterly, 37(1), 101378.
Julakanti, S. R., Sattiraju, N. S. K., & Julakanti, R. (2025). Data Protection through Governance Frameworks. arXiv preprint arXiv:2502.10404.
Kane, G. C., Palmer, D., Phillips, A. N., Kiron, D., & Buckley, N. (2015). Strategy, not technology, drives digital transformation. MIT Sloan Management Review and Deloitte University Press.
Khatri, V., & Brown, C. V. (2010). Designing data governance. Communications of the ACM, 53(1), 148–152.
Li, X., Cheng, Y., & Møller, C. (2024). Data governance: A critical foundation for data-driven decision-making in operations and supply chains. arXiv preprint arXiv:2409.15137.
McAfee, A., & Brynjolfsson, E. (2012). Big data: The management revolution. Harvard Business Review, 90(10), 60–68.
Monte Carlo Data. (2024). Becoming A Data Owner: Roles, Responsibilities, And 4 Best Practices.
Mithas, S., Tafti, A., & Mitchell, W. (2013). How a firm's competitive environment and digital strategic posture influence digital business strategy. MIS Quarterly, 37(2), 511–536.
Müller, O., Junglas, I., Brocke, J. V., & Debortoli, S. (2023). Empowering decision-makers with data-driven capabilities: A research agenda for data governance and business analytics. Decision Support Systems, 165, 113880.
OneTrust. (2025). HIPAA vs. GDPR Compliance: What's the Difference?
Otto, B. (2022). How data governance enables digital transformation: A review and research agenda. Information & Management, 59(1), 103590.
Sebastian, I. M., Ross, J. W., Beath, C. M., Mocker, M., Moloney, K. G., & Fonstad, N. O. (2017). How big old companies navigate digital transformation. MIS Quarterly Executive, 16(3), 197–213.
Secoda. (2025). A Comprehensive Guide To Metadata Governance.
Shao, Z., Feng, Y., & Wang, T. (2022). How to shape organizational agility via digital transformation: The mediating role of IT capabilities and digital dynamic capability. Information & Management, 59(2), 103624.
Shao, Z., Wang, T., & Wang, Y. (2022). How data-driven culture and capabilities enable organizational agility: A dynamic capability perspective. Information & Management, 59(3), 103628.
Tallon, P. P., Ramirez, R. V., & Short, J. E. (2021). The information artifact in IT governance: Toward a theory of governance for information. Journal of Management Information Systems, 38(2), 487–515.
Talend. (2025). Talend Data Quality and Governance: Trusted Data for Everyone.
Triantaphyllou, E. (2000). Multi-criteria decision-making methods: A comparative study. Springer.
Wang, Y., & Byrd, T. A. (2022). Business analytics-enabled decision-making effectiveness: A review and research agenda. European Journal of Information Systems, 31(1), 39–66.
Wang, Y., Byers, A. H., & Otto, B. (2021). Integrating data governance and data analytics capability for business value: A dynamic capabilities perspective. Information & Management, 58(4), 103476.
Weill, P., & Ross, J. W. (2004). IT Governance: How Top Performers Manage IT Decision Rights for Superior Results. Harvard Business School Press.
Wende, K., & Otto, B. (2021). A comprehensive view on data governance: A literature review and research agenda. Journal of Enterprise Information Management, 34(6), 1619–1641.
Westerman, G., Bonnet, D., & McAfee, A. (2014). Leading digital: Turning technology into business transformation. Harvard Business Press.