سیستم تصمیمیار دادهمحور برای شناسایی فرصتهای کارآفرینی سبز در نظام بانکی
کلمات کلیدی:
سیستم تصمیمیار, بانکداری سبز, اعتبارسنجی سبز, کارآفرینی زیستمحیطی, دادهمحورچکیده
هدف: هدف این پژوهش توسعه یک سیستم تصمیمیار دادهمحور برای شناسایی، ارزیابی و اولویتبندی فرصتهای کارآفرینی سبز در نظام بانکی با در نظر گرفتن همزمان شاخصهای مالی، زیستمحیطی و ریسک اعتباری بود. روششناسی: پژوهش حاضر با رویکرد کمی و دادهمحور انجام شد و دادههای مورد نیاز از سه بانک تجاری و توسعهای گردآوری گردید. اطلاعات شامل شاخصهای مالی، اعتبارات سبز، سوابق بازپرداخت و شاخصهای زیستمحیطی مانند کاهش انتشار دیاکسیدکربن، بهرهوری انرژی، مدیریت پسماند و مصرف منابع بود. در بخش تصمیمگیری چندمعیاره، از روشهای AHP و TOPSIS برای وزندهی و رتبهبندی پروژهها استفاده شد و در ادامه الگوریتمهای یادگیری ماشین شامل Random Forest و XGBoost جهت پیشبینی موفقیت پروژهها به کار گرفته شدند. همچنین یک مدل ریاضی چندهدفه مبتنی بر الگوریتم NSGA-II برای بهینهسازی همزمان سود، ریسک و عملکرد زیستمحیطی طراحی و در محیط Python پیادهسازی شد. یافتهها: نتایج نشان داد که سیستم تصمیمیار پیشنهادی توانست پروژههای دارای بیشترین توازن میان سودآوری و عملکرد زیستمحیطی را با دقت بالا شناسایی کند. پروژههای P3 و P1 در رتبههای برتر قرار گرفتند و در جبهه پارتوی حاصل از الگوریتم NSGA-II نیز بیشترین فراوانی انتخاب را داشتند. تحلیل سناریوها نشان داد که افزایش بودجه منجر به رشد همزمان سود و شاخصهای زیستمحیطی میشود، در حالی که سختگیری زیستمحیطی سود را اندکی کاهش اما عملکرد محیطی را بهبود میبخشد. همچنین تحلیل حساسیت بیانگر پایداری مدل در برابر تغییرات متعارف پارامترهای ورودی بود و تنها در شرایط شدید، ترکیب پروژههای منتخب تغییر معنادار پیدا کرد. نتیجهگیری: یافتههای پژوهش نشان داد که ترکیب سیستم تصمیمیار دادهمحور با مدلسازی ریاضی چندهدفه میتواند چارچوبی جامع و قابل اعتماد برای اعتبارسنجی سبز و تخصیص بهینه منابع در نظام بانکی فراهم سازد. این چارچوب علاوه بر افزایش دقت تصمیمگیری، امکان ایجاد تعادل میان سودآوری، کاهش ریسک و تحقق اهداف توسعه پایدار را فراهم میکند و میتواند مبنایی برای توسعه بانکداری سبز هوشمند و سیاستهای مالی پایدار در آینده باشد.
دانلودها
مراجع
Al-Khatib, A. W. (2022). Can Big Data Analytics Capabilities Promote a Competitive Advantage? Green Radical Innovation, Green Incremental Innovation and Data-Driven Culture in a Moderated Mediation Model. Business Process Management Journal, 28(4), 1025-1046. https://doi.org/10.1108/BPMJ-05-2022-0212
Bibri, S. E. (2023). Data-Driven Smart Eco-Cities of the Future: An Empirically Informed Integrated Model for Strategic Sustainable Urban Development. World Futures, 79(7-8), 703-746. https://doi.org/10.1080/02604027.2021.1969877
Bickley, S. J., Macintyre, A., & Torgler, B. (2025). Artificial Intelligence and Big Data in Sustainable Entrepreneurship. Journal of Economic Surveys, 39(1), 103-145. https://doi.org/10.1111/joes.12611
Canakoglu, E., Erzurumlu, S. S., & Erzurumlu, Y. O. (2018). How Data-Driven Entrepreneur Analyzes Imperfect Information for Business Opportunity Evaluation. Ieee Transactions on Engineering Management, 65(4), 604-617. https://doi.org/10.1109/TEM.2018.2826983
Grant, E. (2021). Big Data-Driven Innovation, Deep Learning-Assisted Smart Process Planning, and Product Decision-Making Information Systems in Sustainable Industry 4.0. Economics, Management, and Financial Markets, 16(1), 9-19. https://doi.org/10.22381/emfm16120211
Hamzat, L., Abiodun, D., & Joseph, A. (2023). Empowering Entrepreneurial Growth through Data-Driven Financial Literacy, Market Research, and Personalized Education Tool. World Journal of Advanced Research and Reviews, 19, 1692-1711. https://doi.org/10.30574/wjarr.2023.19.2.1568
Khan, W., Nisar, Q. A., Roomi, M. A., Nasir, S., Awan, U., & Rafiq, M. (2024). Green Human Resources Management, Green Innovation and Circular Economy Performance: The Role of Big Data Analytics and Data-Driven Culture. Journal of Environmental Planning and Management, 67(10), 2356-2381. https://doi.org/10.1080/09640568.2023.2189544
Lazaroiu, G., Androniceanu, A., Grecu, I., Grecu, G., & Negurita, O. (2022). Artificial Intelligence-Based Decision-Making Algorithms, Internet of Things Sensing Networks, and Sustainable Cyber-Physical Management Systems in Big Data-Driven Cognitive Manufacturing. Oeconomia Copernicana, 13(4), 1047-1080. https://doi.org/10.24136/oc.2022.030
Liu, Y., Fang, W., Feng, T., & Gao, N. (2022). Bolstering Green Supply Chain Integration via Big Data Analytics Capability: The Moderating Role of Data-Driven Decision Culture. Industrial Management & Data Systems, 122(11), 2558-2582. https://doi.org/10.1108/IMDS-11-2021-0696
Makhloufi, L. (2024). Predicting the Impact of Big Data Analytics Capability and Green Absorptive Capacity on Green Entrepreneurship Orientation and Eco-Innovation. Journal of Enterprising Communities: People and Places in the Global Economy, 18(4), 746-770. https://doi.org/10.1108/JEC-05-2023-0069
Rane, S. B., & Narvel, Y. A. M. (2022). Data-Driven Decision Making with Blockchain-IoT Integrated Architecture: A Project Resource Management Agility Perspective of Industry 4.0. International Journal of System Assurance Engineering and Management, 13(2), 1005-1023. https://doi.org/10.1007/s13198-021-01377-4
دانلود
چاپ شده
ارسال
بازنگری
پذیرش
شماره
نوع مقاله
مجوز
حق نشر 2025 Khadijeh Rajani, Maryam Rahmaty, Mohammd Ali Nasimi , Azam Hajiaghajani (Author)
این پروژه تحت مجوز بین المللی Creative Commons Attribution-NonCommercial 4.0 می باشد.
