کامران گیلک - دانشجوی کارشناسی ارشد، مهندسی نرم افزار، دانشگاه پیام نور
احمد فراهی - استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه پیام نور

عمومی شدن مفاهیمی همچون پردازش ابری، اینترنت اشیا و گستردگی استفاده از تلفن همراه، سبب گردیده است تا میزان داده های تولیدشده رشد نماید. قدرت رشد داده ها یک نیاز وسیع برای تجزیه وتحلیل داده ها ایجاد کرده است، بهترین تحلیل داده ها در کوتاهترین زمان ممکن برای مدیران حایز اهمیت است تا بهترین تصمیم را اخذ نموده و در رقابت، گوی سبقتاز را سایر رقبا کسب نمایند. به همین منظور از هوش تجاری بهره میگیرند، اما تنها داشتن هوش تجاری در سازمان کافی نیست بلکه چگونگی طراحی و شیوه پیاده سازی و سازگاری آن با حجم عظیم و متنوع داده ها مهمترین چالش ارایه دهندگان هوش تجاری میباشد.کلانداده تحولی در علم داده ها به وجود آورده که به دنبال خود ضرورت تحول در سیستمهای هوش تجاری سنتی را همراه دارد. شیوه چابک1 در مهندسی و ارایه محصولات هوش تجاری سبب تکامل آن گردویده است بهره گیری از مفهوم کلانداده ها زمینه های جدید مانند تجزیه وتحلیل سریع و علم داده ها را در مفهوم هوش تجاری ترکیب نموده و بلوغ این محصول را نوید میدهد.

روش های چابک، هوش تجاری، علم داده ها، تجزیه وتحلیل سریع، کلان داده ها