مدیریت استراتژیک هوشمند

مدیریت استراتژیک هوشمند

طراحی مدل استراتژی های مالی سازمان تأمین اجتماعی با استفاده از هوش مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان
گروه حسابداری، واحد ایلام، دانشگاه آزاد اسلامی، ایلام، ایران
چکیده
با توجه به پیچیدگی‌های محیط اقتصادی و حجم گسترده منابع مالی، سازمان تأمین اجتماعی نیازمند طراحی مدل‌های نوین مدیریت مالی است ازاین‌رو هدف طراحی مدل استراتژی‌های مالی سازمان تأمین اجتماعی با رویکرد هوش مصنوعی است. پژوهش حاضر با رویکردی کیفی و از نظر هدف جزو پژوهش‌های کاربردی و با استفاده از روش تحلیل مضمون انجام شد. خبرگان شامل اساتید هیئت‌علمی مدیریت مالی و حسابداری و همچنین حسابرسان بودند و همچنین مصاحبه شوندگان شامل، 15 نفر که به روش نمونه‌گیری هدفمند تا رسیدن به سطح اشباع نظری انتخاب شدند. داده ها با استفاده از مصاحبه نیمه ساختاریافته گردآوری شد. برای اطمینان از روایی و پایایی ، یافته‌ها به تایید مصاحبه‌ ‌شوندگان رسید. به منظور تحلیل داده‌ها نیز از روش براون و کلارک با نرم افزار تحلیل داده های کیفی مکس کیودآ انجام گردید.یافته ها حاصل از تحلیل مصاحبه شامل 66 کد باز ، 14 مضمون پایه ، 7 مضمون سازمان دهنده و 1 مضمون فراگیر شناسایی شدند. که شامل بودجه‌ریزی و تخصیص منابع هوشمند، سرمایه‌گذاری نوین، مدیریت ریسک مالی، تنوع‌بخشی منابع مالی، شفافیت و حسابرسی مالی، استراتژی‌های بهره‌وری مالی، استراتژی‌های عدالت مالی و پایداری است.این مدل با ارائه راهبردهای کاربردی مبتنی بر هوش مصنوعی می‌تواند به بهینه‌سازی تصمیم‌گیری‌های مالی، افزایش عدالت و پایداری مالی و ارتقای عملکرد کلان سازمان تأمین اجتماعی کمک نماید.
کلیدواژه‌ها

موضوعات


عنوان مقاله English

Designing a Financial Strategy Model for the Social Security Organization Using Artificial Intelligence

نویسندگان English

Yaser Jafaiean
Reza Seyedkhani
Mojtaba Moradpour
Rahmatollah Mohammadipour
Department of Accounting, Il.C. Islamic Azad University, Ilam, Iran
چکیده English

Given the complexities of the economic environment and the vast volume of financial resources, the Social Security Organization needs to design new financial management models. Therefore, the aim of designing a financial strategy model for the Social Security Organization with an artificial intelligence approach is to design an artificial intelligence approach. The present study was conducted with a qualitative approach and in terms of purpose, it is an applied research and using the content analysis method. The experts included professors of the financial management and accounting faculty as well as auditors, and the interviewees included 15 people who were selected through purposive sampling until reaching theoretical saturation. The data were collected using semi-structured interviews. To ensure validity and reliability, the findings were confirmed by the interviewees. In order to analyze the data, the Brown and Clark method was used with the Max QDA qualitative data analysis software. The findings from the interview analysis included 66 open codes, 14 basic themes, 7 organizing themes, and 1 overarching theme. Which includes budgeting and smart resource allocation, innovative investment, financial risk management, diversification of financial resources, financial transparency and auditing, financial efficiency strategies, financial justice and sustainability strategies. By providing practical strategies based on artificial intelligence, this model can help optimize financial decision-making, increase financial justice and sustainability, and improve the macro performance of the Social Security Organization.

کلیدواژه‌ها English

Financial strategies
artificial intelligence
Social Security Organization
content analysis
عاقلی، میثم؛ نیک منش، شمس الدین؛ رشیدی، حسن و جلالی، پریسا. (1402). نگارش پایان نامه و مقاله نویسی، چاپ اول، تهران: موسسه کتاب دیباگران.
پازوکی، پریسا، صراف، فاطمه، جعفری، محبوبه، باغانی، علی (1400). کاربرد هوش مصنوعی در شناسایی عوامل عملکردی مؤثر بر سلامت مالی، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، 48(12)، 371-390.
حسینی, روح اله, & حمزه ‏, زهرا. (1402). بررسی تاثیر استراتژی مالی بر عملکرد کارکنان با تاکید بر نقش میانجی ‏تحقیق و ‏توسعه‏( مورد مطالعه: شرکت داروسازی فاران شیمی)‏ ‏. پژوهش های کارآفرینی و نوآوری, 2(4), 40-54.
خدایاری سیار، سجاد (1402). نقش هوش مصنوعی در تامین مالی پایدار و توسعه استاندارد های گزارشگری پایداری،اولین همایش بین المللی مدیریت، حسابداری و اقتصاد با رویکرد نگاهی به آینده،بوشهر،https://civilica.com/doc/1797221
رحمانی نوروزآباد، سامان، انواری رستمی، علی اصغر، خلیلی، کرم، و محمدی، اسفندیار. (1399). استراتژی های تامین مالی شرکت ها در شرایط عادی و بحران: شواهدی از بورس اوراق بهادار تهران. مدیریت دارایی و تامین مالی، 8(2 (29 پیاپی) )، 13-30.
رستمی, ایوب و خلیلی تیرتاشی, نصرالله. (1402). کاربرد هوش مصنوعی در سیستم‌های مالی از دیدگاه اقتصاد اسلامی. فصلنامه علمی مطالعات فقه اقتصادی, 5(2), 21-34.
سلیمانی, شباهنگ, طبائی‌زاده فشارکی, حمید و اسلامی, مهدی. (1402). طراحی مدل مفهومی تأمین منابع مالی شهرهای هوشمند با رویکرد داده‌بنیاد (مورد مطالعه: شهرداری تهران). اقتصاد و برنامه ریزی شهری, 4(4), 74-89.
سیف اللهی, ناصر. (1402). طراحی الگوی ملی ارزیابی و تامین مالی طرح های سرمایه گذاری صنعتی در شهرک‌ها و نواحی صنعتی ایران. مدیریت نوآوری و راهبردهای عملیاتی, 4(1), 82-99.
شفیعی، علی، میرابی، وحیدرضا (1399). طراحی و اعتباریابی مدل تامین مالی در شرکت‌های بزرگ صنعت فولاد، اقتصاد مالی، 14(51)، 83-114.
قلی پورسوته, رحمت ا..., مرادی, محمد, گودرزی, مهدی, و عباسی, محمود. (1399). مدل تصمیم‌گیری استراتژیک تأمین مالی پروژه‌های تحقیقاتی در دانشگاه‌های دولتی (مورد مطالعه: دانشگاه تهران). مدیریت دولتی, 12(3), 404-426.
کمالو, حسن, داوری, علی, ابراهیمی سرو علیا, محمد حسن, & عزیزی, محمد. (1401). ارائه مدل تامین مالی جمعی پروژه‌های کارآفرینی در ایران. مدیریت نوآوری در سازمان های دفاعی, 5(4), 81-100.
مرادی, حمید, خاتمی فیروزآبادی, محمد علی, & فیضی, کامران. (1399). ارائه یک مدل تامین مالی برای شرکتهای کوچک و متوسط در زنجیره تامین. مدیریت نوآوری, 9(3), 139-170.
Ahmed, S., Alshater, M. M., El Ammari, A., & Hammami, H. (2022). Artificial intelligence and machine learning in finance: A bibliometric review. Research in International Business and Finance, 61, 101646.
Bouchetara, M., Zerouti, M., & Zouambi, A. R. (2024). Leveraging artificial intelligence (AI) in public sector financial risk management: Innovations, challenges, and future directions. EDPACS, 69(9), 124-144.
Cao L (2022) AI in finance: challenges, techniques, and opportunities. ACM Comput Surv 55:1–38. https://doi.org/10.1145/3502289
Chan, T.L. (Ron), Hale, N., (2020). Pricing European-type, early-exercise and discrete barrier options using an algorithm for the convolution of Legendre series. Quant. Finance 20 (8), 1307–1324.
Chen, Y. (2021). Framework of the smart finance and accounting management model under the artificial intelligence perspective. Mobile Information Systems, 2021(1), 4295191.
Eluwole, O. T., & Akande, S. (2022). Artificial Intelligence in Finance: Possibilities and Threats. In 2022 IEEE International Conference on Industry 4.0, Artificial Intelligence, and Communications Technology (IAICT) (pp. 268-273). IEEE.
Gao, B., (2021). The use of machine learning combined with data mining technology in financial risk prevention. Comput. Econ
Goodell, J. W., Kumar, S., Lim, W. M., & Pattnaik, D. (2021). Artificial intelligence and machine learning in finance: Identifying foundations, themes, and research clusters from bibliometric analysis. Journal of Behavioral and Experimental Finance, 32, 100577. doi:10.1016/j.jbef.2021.100577
Houlihan, P., Creamer, G.G., (2021). Leveraging social media to predict continuation and reversal in asset prices. Comput. Econ. 57 (2), 433–453.
Kokina, J., Gilleran, R., Blanchette, S., Stoddard, D., (2020). Accountant as digital innovator: Roles and competencies in the age of automation. Account. Horiz. 35 (1), 153–184
Li, X., Sigov, A., Ratkin, L., Ivanov, L. A., & Li, L. (2023). Artificial intelligence applications in finance: a survey. Journal of Management Analytics, 10(4), 676-692.
Martínez, R.G., Román, M.P., Casado, P.P., (2019). Big data algorithmic trading systems based on investors’ mood. J. Behav. Finance 20 (2), 227–238
Musleh Al-Sartawi, A. M., Hussainey, K., & Razzaque, A. (2022). The role of artificial intelligence in sustainable finance. Journal of Sustainable Finance & Investment, 1-6.
Park MS, Son H, Hyun C, Hwang HJ (2021) Explainability of machine learning models for bankruptcy prediction. IEEE Access 9:124887–124899.
Rane, N. L. ., Choudhary , S. P., & Rane, J. (2024). Artificial Intelligence-driven corporate finance: enhancing efficiency and decision-making through machine learning, natural language processing, and robotic process automation in corporate governance and sustainability. Studies in Economics and Business Relations, 5(2), 1–22. https://doi.org/10.48185/sebr.v5i2.1050
Shao, J., Lou, Z., Wang, C., Mao, J., & Ye, A. (2022). The impact of artificial intelligence (AI) finance on financing constraints of non-SOE firms in emerging markets. International Journal of Emerging Markets, 17(4), 930-944.
Teng, H.-W., Lee, M., (2019). Estimation procedures of using five alternative machine learning methods for predicting credit card default. Rev. Pac. Basin Financ. Mark. Polic. 22 (03), 1950021.
Wall, L.D., (2018). Some financial regulatory implications of artificial intelligence. J. Econ. Bus. 100, 55–63
Wang, X., & Cui, X. (2022). PPP financing model in the infrastructure construction of the park integrating artificial intelligence technology. Computational Intelligence and Neuroscience, 2022(1), 6154885.
Weber, P., Carl, K. V., & Hinz, O. (2024). Applications of explainable artificial intelligence in finance—a systematic review of finance, information systems, and computer science literature. Management Review Quarterly, 74(2), 867-907.
Agheli, M., NikMenesh, Sh., Rashidi, H., & Jalali, P. (2023). Training on thesis writing and scientific article writing. first edition, Tehran: Dibagaran Book Institute.  (In Persion)