تحلیل مقایسهای یادگیری ماشین کسب و کار در اتخاذ تصمیمات مالی موثر با استفاده از مدل معادلات ساختاری (SEM)

در سطح جهانی سازمانها بر استخراج ارزش بیشتر از دادههایی که از منابع مختلف جمع آوری شده اند متمرکز هستند. هدف این پژوهش تحلیل مقایسه ای یادگیری ماشینی کسب و کار در تصمیم گیری های مالی موثر با استفاده از مدل معادلات ساختاری (SEM) است. در این مطالعه رابطه بین سه متغیر کلیدی شامل مدیریت ریسک، حوزه های عملکرد مالی و مدیریت موثر وجه نقد با یادگیری ماشین در تصمیم گیری مالی بررسی شد. پژوهش از نوع توصیفی-پیمایشی بوده و ابزار جمع آوری داده ها پرسشنامه بود. جامعه آماری تحقیق شامل بانک ها بوده و حجم نمونه با استفاده از فرمول کوکران برابر با ۱۰۰ نفر برآورد شد. برای تحلیل داده ها از مدل معادلات ساختاری با رویکرد حداقل مربعات جزئی (PLS-SEM) استفاده شد. نتایج پژوهش نشان داد که تمامی متغیرهای علی مورد بررسی تاثیر مستقیم و مثبت بر یادگیری ماشین در تصمیم گیری مالی دارند. تحلیل های آماری همچنین تایید کردند که پرسشنامه از نظر پایایی و روایی همگرای و واگرا دارای کیفیت بالایی است و مدل مفهومی پژوهش به خوبی با داده ها سازگار است. این نتایج نشان می دهد که یادگیری ماشین می تواند فرآیندهای تصمیم گیری مالی در بانک ها را بهبود دهد، دقت پیش بینی را افزایش دهد و ریسک تصمیم گیری را کاهش دهد. بنابراین، بهره گیری از الگوریتم های یادگیری ماشین همراه با به کارگیری شاخص های مدیریت ریسک و عملکرد مالی می تواند ابزار موثری برای ارتقای تصمیم گیری های مالی در سازمان ها فراهم آورد.

کلیدواژه ها:

یادگیری ماشین ، تصمیم گیری مالی ، مدیریت ریسک ، مدیریت وجه نقد ، مدل معادلات ساختاری ، PLS-SEM ، SEM