نوع مقاله : مقالات پژوهشی

نویسندگان

1 دانشجوی دکتری رشته علم اطلاعات و دانش شناسی، واحد علوم تحقیقات دانشگاه آزاد اسلامی، تهران، ایران

2 دانشیار گروه علم اطلاعات و دانش شناسی، واحد علوم تحقیقات دانشگاه آزاد اسلامی، تهران، ایران

3 استاد یارگروه مدیریت دولتی، دانشگاه شهید بهشتی، تهران،ایران

4 استاد گروه علم اطلاعات و دانش شناسی، واحد علوم تحقیقات دانشگاه آزاد اسلامی، تهران ، ایران

چکیده

مقدمه: کسب‌وکار مبتنی بر داده باز به مدل‌های کسب‌وکار و یک محیط مشترک که اکوسیستم نامیده می‌شود نیاز دارد. هدف این پژوهش ارائه چارچوبی برای مدیریت اکوسیستم داده باز از دیدگاه کسب‌وکار است.
روش‌شناسی: پژوهش حاضر با رویکرد کیفی و با روش گراندد تئوری انجام شده است. داده‌ها با استفاده از مصاحبه‌های نیمه‌ساختاریافته عمیق گردآوری گردید. جامعه پژوهش، 15 نفر از متخصصان حوزه‌های کلان داده، نوآوری باز و مدیریت داده بودند و از نمونه‌گیری هدفمند برای انتخاب مصاحبه‌شوندگان استفاده شد. تحلیل داده‌ها در سه مرحله کدگذاری باز، محوری و گزینشی انجام شد.
یافته‌ها: یافته‌های مدل حاصله، شامل بخش‌های شرایط علی، راهبردها، شرایط مداخله‌گر و زمینه‌ای و نیز پیامد حاصل از آن‌ها است. شرایط علی در عواملی از جمله رویکرد داده‌محور، رویکرد برنامه‌محور، رویکرد کاربرد و کاربر‌محور، رویکرد شبکه و اکوسیستم، و رویکرد نوآوری باز جای گرفته‌اند. شرایط مداخله‌گر، مقوله‌های مکانیزم‌های ارزش‌آفرینی داده باز و مشتریان است. شرایط زمینه‌ای از مقوله‌هایی از جمله بسترسازی کسب‌وکار، الزام حقوقی، الزام نهادی، الزام فنی، الزام عملیاتی ـ فرایندی، و الزام فرهنگی ـ اجتماعی تشکیل شده است. برای مدیریت اکوسیستم داده باز لازم است راهبردهایی مانند کسب‌وکار، سود رابطه‌ای و مدیریت فرایند نوآوری اتخاذ شود. پیامدهای مدیریت اکوسیستم داده باز، ارزش پیشنهادی، ساختار هزینه و جریان درآمدی، قابلیت مهارتی، قابلیت سازمانی و قابلیت فناوری اطلاعات خواهد شد.
نتیجه‌ گیری: چارچوب ارائه شده این پژوهش تا حدودی به کسب‌وکارهای داده‌محور جهت شناخت مؤلفه‌های کلیدی مدیریت اکوسیستم داده باز و توجه به ظرفیت ارزش‌آفرینی داده باز برای توسعه جریان اطلاعات نوآورانه کمک می‌نماید.

کلیدواژه‌ها

عنوان مقاله [English]

Presenting an Open Data Ecosystem Management Framework from a Business Perspective with a Grounded Theory Approach

نویسندگان [English]

  • Umm al-Banin Fayzbakhsh 1
  • Fahimeh Babalhavaeji 2
  • Navid Nezafati 3
  • Najla Hariri 4
  • fatemeh nooshinfard 2

1 Ph.D. Student, Information Science and Knowledge, Science and Research Branch, Islamic Azad University, Tehran, Iran

2 Associate Professor, Information Science and Knowledge, Science and Research Branch, Islamic Azad University, Tehran, Iran

3 Assistant Professor, Public Administration Department of Shahid Beheshti University, Tehran, Iran

4 Professor, Department of Information Science and Knowledge, Science and Research Branch, Islamic Azad University, Tehran, Iran

چکیده [English]

Introduction: An open data-based business needs business models and a shared environment called an ecosystem. This research aims to provide a framework for managing a business-oriented open data ecosystem.
Methodology: The research used a qualitative grounded theory method. Data were gathered using deep semi-structured interviews. The research population consisted of 15 experts of macro-data, open innovations, and data management domains. Hence, purposive sampling was used to select the interviewees. Data were analyzed using open, axial, and selective coding stages.
Findings: The findings of the proposed model include the sections of causal conditions, strategies, intervening conditions, infrastructure conditions, and their outcomes. Causal conditions are embedded in factors such as Data-oriented approach, Program-oriented approach, Use- and User-oriented approach, Network and ecosystem approach, and open innovations approach. Intervening conditions are value-based mechanisms based on open data and customers. The Contextual conditions include several categories such as business contextualization, legal requirement, institutional requirement, technical requirement, operational-process requirement, and cultural-social requirement. Strategies such as business, relationship profit, and innovation process management must be employed to manage the open data ecosystem. The outcomes of open data ecosystem management will include value proposition, cost structure and revenue stream, skill capability, organizational capability, and information technology capability.
Conclusion: The framework proposed in this study helps data-based businesses to identify key components of open data ecosystem management and focuses on the capacity of open data ecosystem value creation to develop innovative information flows.

کلیدواژه‌ها [English]

  • open data ecosystem management
  • business contextualization
  • value proposition
  • entrepreneurial tendencies
  • innovation process management
  • skill capability
عبدالحسین زاده، محمد؛ ثنایی، مهدی؛ ذوالفقارزاده، محمدمهدی (1396). مفهوم شناسی سیاستگذاری داده باز حاکمیتی و تبیین مزایا و فواید آن در عرصه‌های مختلف سیاستگذاری. فصلنامه مطالعات راهبردی سیاستگذاری عمومی. 7 (22)، 55-74. بازیابی شده در 21 اسفند 1398 از http://sspp.iranjournals.ir/article_26097.html
 ثنایی، مهدی؛ تسلیمی، محمدحسین؛ عبدالحسین‌زاده، محمد؛ خانی، محمدحسین (1397). تحلیل و ارزشیابی مدل‌های اکوسیستم داده حکومتی باز. پردازش و مدیریت اطلاعات (علوم و فناوری اطلاعات)، 34(2)، 609-636. بازیابی شده در 21 اسفند 1398 از http://jipm.irandoc.ac.ir/article-1-3783-fa.html
 طاهری، سعید؛ شوال‌پور، سعید (1397). تأثیر داده‌های باز دولتی و نوآوری در داده بر توسعه کسب‌وکار صنعت بیمه زندگی. رشد فناوری، 14(55)، 63-75. بازیابی شده در 21 اسفند 1398 از https://www.sid.ir/fa/journal/ViewPaper.aspx?id=348861
ملایی، نجمه؛ طاهری، سعید (1397). توسعه کسب‌وکار الکترونیک با مدل نوآوری در داده، داده باز دولتی و نوآوری باز. رهیافت، 28(69)،41-52. بازیابی شده در 21 اسفند 1398 از https://www.sid.ir/fa/journal/ViewPaper.aspx?id=348861
Ahmadi Zeleti, F. A., & Ojo, A. (2017). Competitive capability framework for open government data organizations. In Proceedings of the 18th Annual International Conference on Digital Government Research, 250-259. https://doi.org/10.1145/3085228.3085280
Bates, J. (2011). This is what modern deregulation looks like: co-optation and contestation in the shaping of the UK’s Open Government Data Initiative. The Journal of Community Informatics, 8(2). Retrieved on 12 March 2020 from
Corrales-Garay, D., Mora-Valentín, E. M., & Ortiz-de-Urbina-Criado, M. (2020). Entrepreneurship Through Open Data: An Opportunity for Sustainable Development. Sustainability, 12(12), 5148.‏ https://doi.org/10.3390/su12125148.
Dawes, S., Vidiasova, L., & Parkhimovich, O. (2016). Planning and designing open government data pro-grams: An ecosystem approach. Government Information Quarterly, 33(1), 15-27. https://doi.org/10.1016/j.giq.2016.01.003.
Dwivedi, Y. K., Janssen, M., Slade, E. L., Rana, N. P., Weerakkody, V., Millard, J., & Snijders, D. (2017). Driving innovation through big open linked data (BOLD): Exploring antecedents using interpretive structural modelling. Information systems frontiers, 19(2), 197-212.‏ https://doi.org/10.1007/s10796-016-9675-5
Eckartz, S., Broek, T. V. D., & Ooms, M. (2016). Open data innovation capabilities: Towards a framework of how to innovate with open data. In International Conference on Electronic Government, 47-60. Springer, Cham.‏ https://doi.org/10.1007/978-3-319-44421-5_4.
Enders, T., Benz, C., Schüritz, R., & Lujan, P. (2020). How to implement an open data strategy? Analyzing organizational change processes to enable value creation by revealing data.In Proceedings of 28th European Conference on Information Systems. Retrieved on 13 April 2021 from https://www.researchgate.net/publication/341821156
European Data Portal (2015). Creating Value through Open Data: Study on the Impact of Re-use of Public Data Resources. Retrieved on 12 March 2020 from
Galetto, M. (2016)., ``What is data management?'' NGDATA, Tech. Article. Retrieved on 12 March 2020 from https://www.ngdata.com/what-is-datamanagement
Huber, F., Ponce, A., Rentocchini, F., & Wainwright, T. (2020). The Wealth of (Open Data) Nations? Examining the interplay of open government data and country-level institutions for entrepreneurial activity at the country-level. Examining the Interplay of Open Government Data and Country-level Institutions for Entrepreneurial Activity at the Country-level. SWPS, 13.‏ http://dx.doi.org/10.2139/ssrn.3667896.
Huber, F., Wainwright, T., & Rentocchini, F. (2020). Open data for open innovation: managing absorptive capacity in SMEs. R&D Management, 50(1), 31-46.‏ https://doi.org/10.1111/radm.12347
Immonen, A., Palviainen, M., & Ovaska, E. (2014). Requirements of an open data based business ecosystem. IEEE Access, 2, 88–103. https://doi.org/10.1109/ACCESS.2014.2302872.
 Janssen, M., Konopnicki, D., Snowdon, J. L., & Ojo, A. (2017). Driving public sector innovation using big and open linked data (BOLD). Information systems frontiers, 19(2), 189-195.‏ https://doi.org/10.1007/s10796-017-9746-2.
Jetzek, T., Avital, M., & Bjorn-Andersen, N. (2014). Data-driven innovation through open government data. Journal of theoretical and applied electronic commerce research, 9(2), 100-120. https://doi.org/10.4067/S0718-18762014000200008
Jetzek, T.H. (2015), The sustainable value of open government data: Uncovering the generative mechanisms of open data through a mixed-methods approach. Copenhagen Business School (CBS), Frederiksberg. https:// doi.org/ 10.13140/RG.2.1.2413.3608
Jetzek, T. (2017). Innovation in the open data ecosystem: Exploring the role of real options thinking and multi-sided platforms for sustainable value generation through open data. In Analytics, Innovation, and Excellence-Driven Enterprise Sustainability, 137–168. https://doi.org/10.1057/978-1-137-37879-8_6
Kitsios, F., Papachristos, N., & Kamariotou, M. (2017). Business models for open data ecosystem: Challenges and motivations for entrepreneurship and innovation. Proceedings of 19th IEEE international conference on business informatics (CBI’17), 398–408.
 https:// doi.org/ 10.1109/CBI.2017.51
Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. Newbury Park, CA: Sage.‏ Retrieved on 12 March 2020 from
Morelli, N., Götzen, A. D., & Simeone, L. (2018). A system of innovation to activate practices on open data: The Open4Citizens project. In Conference on Smart Learning Ecosystems and Regional Development, 99-109. Springer, Cham.‏ https://doi.org/10.1007/978-3-319-92022-1_9
Mosig, T., Lehmann, C., & Neyer, A. K. (2021). Data-driven business model innovation: About barriers and new perspectives. International Journal of Innovation and Technology Management, 18(02), 2040017.‏ https://doi.org/10.1142/S0219877020400179.
Ruijer, E., & Meijer, A. (2020). Open government data as an innovation process: Lessons from a living lab experiment. Public Performance & Management Review,43(3), 613-635.‏ https://doi.org/10.1080/15309576.2019.1568884.
Rouse, M. (2019). What is data management and why is it important? Retrieved on 12 March 2020 from https://searchdatamanagement.techtarget.com/definition/data-management
Smith, G., & Sandberg, J. (2018). Barriers to innovating with open government data: Exploring experiences across service phases and user types. Information Polity, 23(3), 249-265.‏ https://doi.org/10.1109/HICSS.2016.162
Strauss, A., & Corbin, J. (2008). Basics of qualitative research. Translated by Mohammadi, Biok, and Tehran: Human Science & Cultural Studies Center Publication. Sugrue, C. (2015). Principal Professional Learning: Sources of Sustenance, 93-120.‏ Retrieved on 12 March 2020 from https://www.ihcs.ac.ir/UploadedFiles/8/17/18955.pdf
Verma, N., Gupta, M. P., & Biswas, S. (2018). Open Data Infrastructure for Research and Development. In Data Science Landscape, 33-43. Springer, Singapore. Retrieved on 12 March 2020 from https://link.springer.com/book/10.1007/978-981-10-7515-5
Zuiderwijk, A., Janssen, M., & Davis, C. (2014). Innovation with open data: Essential elements of open data ecosystems. Information Polity, 19(1, 2), 17-33. https://doi.org/10.3233/IP-140329
CAPTCHA Image