چهارشنبه 4 مهر 1403

جایگاه داده کاوی در مدیریت شهری

خبرگزاری دانشجو مشاهده در مرجع
جایگاه داده کاوی در مدیریت شهری

به گزارش خبرنگار اجتماعی خبرگزاری دانشجو، مشکلات و پیچیدگی‌های متعددی همچون آلودگی هوا، آلودگی صوتی، تولید انبوه زباله، توسعه معابر و آسفالت، فضای سبز و... شهر‌ها را احاطه کرده اند. با توسعه‌ی شهرها، وظایف شهرداری‌ها در خدمت رسانی هم توسعه یافته است. به نحوی که وظایف آنها از سطوح سیاستگذاری و برنامه ریزی شهری تا ارائه خدمات متنوع به شهروندان در زمینه‌های حمل و نقل، فضای سبز، بهداشت...

به گزارش خبرنگار اجتماعی خبرگزاری دانشجو، مشکلات و پیچیدگی‌های متعددی همچون آلودگی هوا، آلودگی صوتی، تولید انبوه زباله، توسعه معابر و آسفالت، فضای سبز و... شهر‌ها را احاطه کرده اند. با توسعه‌ی شهرها، وظایف شهرداری‌ها در خدمت رسانی هم توسعه یافته است. به نحوی که وظایف آنها از سطوح سیاستگذاری و برنامه ریزی شهری تا ارائه خدمات متنوع به شهروندان در زمینه‌های حمل و نقل، فضای سبز، بهداشت محیط شهری، ایمنی و مدیریت بحران، امور اجتماعی، فرهنگی و اقتصادی را در بر می‌گیرد؛ لذا شهرداری‌ها نیاز به یک روش کارآمد برای یافتن اطلاعات ارزشمند دارند تا بتوانند به رشد اقتصادی و کسب درآمد پایدار دست یابند. از آنجا که داده‌ها نقش مهمی در پیشرفت و توسعه هر سازمانی دارند، درک اهمیت داده‌ها و داده کاوی ضروری است.

داده‌ها حقایق آمار را منعکس می‌کنند و تا زمانی که پردازش نشوند، برای تصمیم گیری آگاهانه موثر نیستند. با عنایت به اینکه روش‌های آماری سنتی برای مقابله با حجم اطلاعات زیاد، زمانبر و ناکارآمد هستند، بنابراین لازم است از الگوریتم‌های هوشمندی که حجم زیادی از اطلاعات را برای استخراج دانش اداره میکنند، استفاده شود که علم داده کاوی در این زمینه موفق عمل کرده است.

می‌توان داده کاوی را مجموعه‌ای از روش‌ها دانست که بر داده‌های موجود در پایگاه داده‌های بزرگ و پیچیده اعمال می‌شود تا الگو‌ها و روابط پنهان در داده‌ها را کشف کند. در داده کاوی، شناخت همبستگی‌های داده‌ها و استخراج الگو‌ها و تحلیل‌ها به گون ها‌ی انجام میشود که به حل مسائل و برطرف کردن نیاز‌های مدیریتی کمک کند. نتایجی که در دادهک اوی به دست می‌آیند، ضریب اطمینان بالا و ریسک کمی دارند و میتوانند به اتخاذ تصمیم‌هایی منجر شوند که احتمال عدم موفقیت آنها بسیار کم است.

فرایند داده‌کاوی شامل پاک‌سازی داده، یکپارچه‌سازی داده، انتخاب داده، تبدیل داده، کاوش داده، ارزیابی الگو و ارائه دانش میشود. امروزه دانش داده کاوی در تمامی برنامه ریزی‌های خرد و کلان مدیریت شهری نظیر حمل ونقل و ترافیک، زیباسازی و خدمات شهری، مهندسی فرهنگی شهری، ارتباط با شهروندان، ارائه خدمات اضطراری، ایجاد خدمات و تسهیلات جدید، برنامه ریزی ارتقاء سطح رضایت مندی شهروندان، برنامه ریزی آموزش شهروندان و بسیاری دیگر از مقولات مدیریت شهری کاربرد فراوانی دارد.

به طور کلی می‌توان گفت تصمیم‌گیری‌ها و سیاست‌گذاری به کمک نتایج به‌دست‌آمده از داده کاوی مسیر درست‌تر و نتایج بهتری را به دنبال خواهد داشت. از جمله مزایای کاوش داده ها، میتوان به ایجاد دیدگاه متناظر با واقعیت موجود در داده‌ها برای مدیران و نظارت دقیق بر عملکرد‌های اجرایی، کشف الگو‌های پنهان در داده‌ها، قابلیت پیش‌بینی و کشف الگو‌های احتمالی وقایعی در آینده، شناسایی گپ‌های اطلاعاتی، فراهم کردن شرایط تصمیم‌گیری مبتنی بر داده، تسهیل تحلیل مسائل و تصمیم‌گیری، کاهش هزینه‌ها و افزایش بهره‌وری اشاره کرد.

در کنار مزایای داده کاوی در مدیریت شهری، باید توجه شود که کار با سیستم‌ها و روش‌های کاوش داده نیاز به سطح بالایی از دانش در علم داده دارد و در بسیاری از موارد به راحتی امکان‌پذیر نیست و هزینه مورد نیاز برای فراهم آوردن یک شرایط داده کاوی ایده‌آل زیاد خواهد بود.

برخی از چالش‌های داده کاوی شامل حفظ حریم خصوصی و مسایل امنیتی، داده‌های ناقص و دارای پراکندگی، پیچیدگی برخی داده‌ها و دشواری ارائه مفاهیم قابل درک از داده‌های پیچیده، انتخاب روش تحلیل مناسب برای داده‌ها و منابع داده میباشد. یکی از چالش‌های اصلی که در کاوش داده به وجود می‌آید انتقال مفاهیم و نتایج به‌دست‌آمده از فرآیند‌های داده کاوی است.

کاربران مدیران شهری برای درک نتایج به‌دست‌آمده نیاز به یک ابزار تصویرسازی دارند. با کمک داشبورد‌های مدیریتی علاوه بر دسترسی سریع به داده‌ها، گلوگاه‌ها و نقاط قوت فرآیند‌ها شناسایی شده و قدرت پیش‌بینی برای اتخاذ تصمیم‌های مهم افزایش مییابد. همچنین امکان پایش دائمی فرایند‌های سازمانی فراهم می‌شود و می‌توان برنامه‌های مؤثری را در راستای افزایش بهره‌وری در سازمان شناسایی نموده و به کار گرفت. گرایش‌های آتی دادهکاوی شامل موارد استانداردسازی زبان‌های دادهکاوی، پیشپردازش داده، آرگومان‌های پیچیده داده، منابع محاسباتی، کاوش وب، محاسبات علمی و داده تجاری می‌باشد.

بر اساس توابع داده کاوی یا روش‌هایی مانند خوشه بندی، طبقه بندی، پیشبینی، قوانین ارتباط و خصوصیات، می‌توان الگوریتم‌ها را به دو دسته توصیفی و پیشبینی تقسیم کرد.

استفاده از داده کاوی در جهت کشف الگوی مناسب تصمیم گیری مدیران شهری و پیشبینی آن از پرکاربردترین موضوعات روز دنیا می‌باشد. ازآنجایی که داده کاوی بیشتر به کاربرد‌ها و اهداف موردنظر محقق و یا مدیر توجه دارد تا به اهمیت داده‌ها و اطلاعات، تشریح کاربرد‌ها و به کارگیری آن در تصمیم سازی‌های خدمات، مفید و ضروری است.

با توجه به تحولات بسیار بزرگی که در سال‌های اخیر در حوزه فن آوری اتفاق افتاده است و حجم عظیمی از داده‌ها در پایگاه‌های اطلاعاتی ذخیره شده اند، این داده‌ها میتوانند در فهم و کشف دانش و همچنین در تصمیم گیری مدیران شهری مورد استفاده قرار گیرند تا زمینه‌های مختلفی را شکوفا نمایند. شهرداری‌ها با استفاده از داده کاوی می‌توانند الگو‌های پنهان، روابط، تغییرات، بی نظمی‌ها و قوانین را از مجموعه داده‌های بزرگ کشف کنند. بدین ترتیب فرآیند تصمیم گیری در شهرداری‌ها و مدیریت شهری منطقی تر، دقیق‌تر و سریع‌تر دنبال خواهد شد.