https://virgool.io/feed/@m.sakhaie539 fa 2026-06-19 05:50:49 https://static.virgool.io/images/default-avatar.jpg https://virgool.io/@m.sakhaie539 https://virgool.io/@m.sakhaie539/%D8%AE%D9%84%D8%A7%D8%B5%D9%87-%D8%A7%DB%8C-%D8%A7%D8%B2-%D9%BE%D9%86%D8%AC-%D9%88%DB%8C%D8%AF%D8%A6%D9%88-%D8%AD%D9%88%D8%B2%D9%87-%D9%85%D8%B9%D9%85%D8%A7%D8%B1%DB%8C-%D9%86%D8%B1%D9%85-%D8%A7%D9%81%D8%B2%D8%A7%D8%B1-svmoo9kwdlw6 (این مطلب برای تمرین درس معماری نرم افزار مقطع کارشناسی ارشد - دکتر صادق علی اکبری تهیه شده.)Democratising Software Architecture • Eoin Woods • GOTO 2023در این ویدئو، اوون وودز، مهندس ارشد شرکت Indava، در مورد اهمیت معماری نرم افزار در عصر دیجیتال بحث می کند. او توضیح می دهد که پلتفرم ها به جای برنامه های کاربردی مستقل، رایج تر می شوند و نیاز به معماری نرم افزاری انعطاف پذیر و سازگار افزایش می یابد.اوودز چالش های معماری نرم افزار در دنیای دیجیتال را برجسته می کند، از جمله:ناشناخته های بیشتر در مورد نیازهای تجارینیاز به انتشار سریعتر و مکررتروابستگی به خدمات ابریاو معماری پیوسته را به عنوان یک رویکرد نوظهور برای رسیدگی به این چالش ها معرفی می کند. معماری پیوسته بر جریانی از تصمیمات معماری متمرکز است که در طول چرخه توسعه گرفته می شود. این رویکرد بر ویژگی های کیفیت، تصمیم گیری تا حد امکان دیرتر، معماری برای تغییر و در نظر گرفتن استقرار و عملیات تأکید دارد.اوودز پنج جنبه مهم کار معماری در دنیای پیوسته امروز را خلاصه می کند:ارائه رهبری فنیتمرکز بر ویژگی های کیفیتمدیریت بدهی فنیتصمیم گیری به عنوان مصنوعات درجه یکاجرای حلقه های بازخورداو همچنین بر اهمیت مستندسازی حداقلی و قابل استفاده، مدیریت بدهی فنی و حلقه های بازخورد تأکید می کند.در نهایت، اوودز تغییر از معماران به رهبران و مشاوران قابل اعتماد را برجسته می کند. او مطالعه بیشتر در مورد معماری پیوسته را تشویق می کند و هدف مشترک را برای مهم و مستمر کردن معماری در عصر دیجیتال بیان می کند.در اینجا یک نسخه بازنویسی شده از متن است که سعی می کند روان تر و خواناتر باشد:اهمیت معماری نرم افزار در عصر دیجیتالدر عصر دیجیتال، پلتفرم ها به جای برنامه های کاربردی مستقل، رایج تر می شوند. پلتفرم ها همیشه در حال تکامل هستند و نیاز به معماری نرم افزاری انعطاف پذیر و سازگار دارند.معماری نرم افزار به تیم های توسعه کمک می کند تا سیستم هایی بسازند که ویژگی های کیفیت مورد نیاز کسب و کار را برآورده کند. این ویژگی ها می تواند شامل عملکرد، مقیاس پذیری، امنیت و قابلیت دسترسی باشد.با این حال، معماری نرم افزار در دنیای دیجیتال می تواند چالش برانگیز باشد. تیم های توسعه نیاز به انتشار سریعتر و مکررتر دارند و به خدمات ابری وابسته هستند. این عوامل می تواند منجر به ناشناخته های بیشتری در مورد نیازهای تجاری شود.معماری پیوسته یک رویکرد نوظهور برای معماری نرم افزار است که به این چالش ها پاسخ می دهد. معماری پیوسته بر جریانی از تصمیمات معماری متمرکز است که در طول چرخه توسعه گرفته می شود. این رویکرد بر ویژگی های کیفیت، تصمیم گیری تا حد امکان دیرتر، معماری برای تغییر و در نظر گرفتن استقرار و عملیات تأکید دارد.در اینجا پنج جنبه مهم کار معماری در دنیای پیوسته امروز آورده شده است:ارائه رهبری فنی: معماران باید رهبران فنی باشند که ذینفعان را در مورد نگرانی های فنی راهنمایی می کنند.تمرکز بر ویژگی های کیفیت: معماران باید بر ویژگی های کیفیت مورد نیاز کسب و کار تمرکز کنند.مدیریت بدهی فنی: معماران باید بدهی فنی را شناسایی و مدیریت کنند تا از ایجاد مشکلات در آینده جلوگیری کنند.تصمیم گیری به عنوان مصنوعات درجه یک: معماران باید تصمیمات معماری را به عنوان مصنوعات درجه یک ثبت و مستند کنند.اجرای حلقه های بازخورد: معماران باید حلقه های بازخورد را برای دریافت بازخورد از ذینفعان و بهبود کار خود اجرا کنند.معماری پیوسته یک رویکرد انعطاف پذیر و سازگار است که می تواند به تیم های توسعه در ساخت سیستم های با کیفیت در عصر دیجیتال کمک کند.https://www.youtube.com/watch?v=nchRmYvUf2YWhat Software Architecture Should Look Like • Dave Farley • GOTO 2022مفهوم معماری نرم‌افزار از دیدگاه دیو فارلی:در این ویدئو، دیو فارلی به بحث در مورد مفهوم معماری نرم‌افزار پرداخته است. او شروع به تاکید بر دشواری تعریف دقیق معماری نرم‌افزار می‌کند، اما همچنین آن را به عنوان یک جنبه مهم در توسعه نرم‌افزار ترسیم می‌کند. فارلی از منظر مهندسی به معماری نرم‌افزار نگاه می‌کند و بر اهمیت فرآیند تکاملی در طراحی یک سیستم تأکید می‌کند.وی به تعریف Grady Booch اشاره کرده که معماری را به عنوان تصمیمات مهم طراحی تعریف کرده و بر اهمیت این تصمیمات با هزینه تغییر تأکید دارد. هرچند فارلی با این تعریف موافق است، اما معتقد است که این تعریف به عنوان یک راهنمای عملی برای ساخت یک سیستم از ابتدا کافی نیست. به جای اینکه از یک رویکرد تکاملی به معماری تأکید کند، وی با تصحیح محدودیت‌های اعمال شده برای طراحی، به سمت سیستم میل می‌کند.فارلی مفهوم "نقشه گردشگری" را به عنوان ابزاری برای هدایت تکامل سیستم معرفی می‌کند. این نقشه نشان دهنده درک مشترک توسعه‌دهندگان خبره است و به عنوان وسیله‌ای برای بحران در مورد ایده‌های طراحی و بررسی مفاهیم انتخاب‌های طراحی عمل می‌کند. او با تعریف Ralph Johnson از معماری به عنوان چیزهایی که توسعه‌دهندگان در ابتدای پروژه به درستی دست یافته‌اند موافق است، اما اذعان دارد که این درک احتمالاً در طول زمان تغییر خواهد کرد.فارلی به دلایلی برخوردار از یک معماری خوب امکان جداسازی بخش‌های مختلف سیستم را می‌دهد، چه جنبه‌های عملکردی یا غیرعملکردی. او ایده الزامات غیرعملکردی را زیر سوال می‌برد زیرا معتقد است که تمام جنبه‌های یک سیستم، حتی مواردی که به ظاهر خودمحور هستند مانند قابلیت نگهداری، در نهایت برای ارائه ارزش به کاربران هستند. او بر نیاز به طراحی سیستمی برای نشان دادن رفتارهای مطلوب و مدیریت پیچیدگی این رفتارها از طریق تقسیم آنها تأکید می‌کند.دیو فارلی به این نتیجه می‌رسد که معماری نرم‌افزار مجموعه‌ای از محدودیت‌هاست که از اشتباهات محافظت می‌کند. او تأکید دارد که تمام توسعه‌دهندگان، بدون توجه به سطح تجربه، باید در مباحث معماری فعالیت کنند و به درک و توسعه معماری کمک کنند. فارلی به یادآوری می‌کند که نقش معمار در سال‌های اخیر کاهش یافته است، اما او با اعتقاد به اینکه تصمیمات هر فرد می‌تواند بر معماری یک سیستم تأثیر گذار باشد، به اهمیت این نقش تأکید می‌کند.در این ویدئو، سخنران در مورد واکنش توسعه چابک به طراحی پیچیده فرانت بحث می کند. آنها استدلال می کنند که در حالی که طراحی پیچیده فرانت ممکن است غیر ضروری یا حتی مضر در نظر گرفته شود، نداشتن هیچ طراحی از جلو می تواند منجر به مشکلات جدی شود.سخنران پیشنهاد می کند که مهم است که از جایی شروع کنید و یک طرح اولیه بر اساس درک مشکل و تجربه ایجاد کنید. این طرح اولیه باید به عنوان یک آزمایش تلقی شود و تمرکز باید بر روی کار تدریجی و تکراری باشد.سخنران تصدیق می کند که در کار تدریجی معاوضه هایی وجود دارد. اگر مشکل حل شده رایج باشد، ممکن است بهتر باشد از یک معماری آزمایش شده و آزمایش شده استفاده کنید. با این حال، هیچ معماری واحدی برای همه کاربردها مناسب نیست. مهم است که یک معماری را انتخاب کنید که به نیازهای خاص سیستم شما پاسخ دهد.سخنران نمونه‌ای از معماری سیستم لایه‌ای را ارائه می‌دهد که توسط یک پایگاه داده رابطه‌ای پشتیبانی می‌شود. این معماری برای سیستم‌هایی با تعداد متوسط کاربر و ویژگی‌های ساده CRUD مناسب است. با این حال، مهم است که مقیاس پذیری را نیز در نظر بگیرید. پایگاه داده های رابطه ای ممکن است در زمینه های خاص مقیاس خوبی نداشته باشند.سخنران اهمیت تفکر در مورد معماری یک سیستم را به جای تمرکز بر ابزارها برجسته می کند. آنها موردی را ذکر می کنند که در آن یک تیم بدون در نظر گرفتن فقدان حفاظت از تراکنش، از یک پایگاه داده NoSQL استفاده کرد. این منجر به ناهماهنگی و از دست دادن داده ها شد.در اینجا خلاصه ای از نکات اصلی سخنران آورده شده است:طراحی بزرگ جلو می تواند غیر ضروری یا حتی مضر باشد.مهم است که از جایی شروع کنید و یک طرح اولیه ایجاد کنید.طرح اولیه باید به عنوان یک آزمایش تلقی شود و تمرکز باید بر روی کار تدریجی و تکراری باشد.هیچ معماری واحدی برای همه کاربردها مناسب نیست.مهم است که مقیاس پذیری را نیز در نظر بگیرید.تفکر در مورد معماری یک سیستم مهمتر از تمرکز بر ابزارها است.سخنران همچنین در مورد تصور نادرست و استفاده نادرست از میکروسرویس ها صحبت می کند. آنها توضیح می دهند که میکروسرویس ها برای جدا کردن توسعه و فعال کردن استقرار مستقل در نظر گرفته شده بودند. با این حال، بسیاری از تیم هایی که ادعا می کنند از میکروسرویس ها استفاده می کنند، خدمات قابل استقرار مستقلی ندارند. این منجر به نیاز به آزمایش همه سرویس ها با هم قبل از انتشار می شود که اساساً یک مونولیت توزیع شده ایجاد می کند.سخنران پیشنهاد می کند که نرم افزار پیچیده تر از آن چیزی است که اغلب تصور می شود و باید احتیاط کرد. آنها رویکرد به معماری نرم افزار را با این فرض که حدس اولیه احتمالاً اشتباه است، آغاز می کنند. آنها طراحی سیستم هایی را پیشنهاد می کنند که امکان بازیابی و انطباق را با آموختن بیشتر فراهم می کنند. آنها بر ماهیت تکراری و افزایشی طراحی معماری تاکید دارند.سخنران با توصیه به مبهم بودن عمدی در مورد جزئیات معماری به پایان می رسد. آنها معتقدند که معماری باید تصمیمات را با محدودیت ها هدایت کند، اما همچنین باید انعطاف پذیری و انطباق را نیز فراهم کند. آنها از کتاب خود در مورد مهندسی نرم افزار مدرن یاد می کنند که تکنیک های مدیریت پیچیدگی و بهبود معماری را بررسی می کند. آنها همچنین تجربه خود را در مورد ساختن یک سیستم مبادله و اینکه چگونه یک رویکرد افزایشی اجازه ایجاد تغییرات در معماری پایه را بدون از دست دادن تلاش قابل توجه می دهد، به اشتراک می گذارند.در اینجا خلاصه ای از نکات اصلی سخنران آورده شده است:میکروسرویس ها برای جداسازی توسعه و فعال کردن استقرار مستقل در نظر گرفته شده اند.بسیاری از تیم هایی که ادعا می کنند از میکروسرویس ها استفاده می کنند، خدمات قابل استقرار مستقلی ندارند.نرم افزار پیچیده تر از آن چیزی است که اغلب تصور می شود و باید احتیاط کرد.معماری باید تصمیمات را با محدودیت ها هدایت کند، اما همچنین باید انعطاف پذیری و انطباق را نیز فراهم کند.یک رویکرد افزایشی به معماری می تواند به شما کمک کند تا تغییرات را بدون از دست دادن تلاش قابل توجه ایجاد کنید.https://www.youtube.com/watch?v=Eg_dapdKCHUDevnexus 2022 - Keynote - Software Architecture by Example - Neal Fordدر این ویدئو، سخنران به معرفی مبحث معماری نرم افزار می پردازد. آنها توضیح می دهند که معماری نرم افزار به عنوان تصمیمات مهم طراحی که یک سیستم را شکل می دهد، تعریف می شود. این تصمیمات بر نحوه عملکرد و مقیاس پذیری سیستم تأثیر می گذارد.سخنران اشاره می کند که نیاز به یک برنامه درسی برای تبدیل شدن به یک معمار نرم افزار وجود داشت، زیرا یکی از مطلوب ترین مشاغل به حساب می آمد. آنها کارگاه هایی ایجاد کردند و در نهایت کتابی به نام «مبانی معماری نرم افزار» نوشتند. آنها همچنین مواد آموزشی، از جمله پخش ویدئو، برای پاسخگویی به حالت های مختلف یادگیری تولید کردند.سپس سخنران مفهوم کاتای معماری را معرفی می کند که راهی برای تمرین طراحی معماری است. آنها نمونه ای از کاتای معماری را برای یک شرکت حراج ارائه می دهند که به دنبال انجام حراج های خود به صورت آنلاین است. الزامات عبارتند از مقیاس پذیری تا هزاران شرکت کننده، حراج های پخش زنده، گرفتن حس یک حراج، ردیابی شرکت کنندگان از طریق شاخص شهرت، و موارد دیگر.سخنران توضیح می دهد که این ویدئو بر جنبه طراحی سازه و معماری نرم افزار در شغل معمار نرم افزار تمرکز خواهد داشت. آنها اشاره می کنند که در این فرآیند دو فعالیت وجود دارد: تعیین ویژگی های معماری و انتخاب نقطه شروع برای سبک معماری. آنها از ترتیب ارائه شده در کتاب خود پیروی می کنند که با تعیین ویژگی های معماری شروع می شود.ویژگی های معماری که به عنوان الزامات غیر عملکردی یا الزامات مقطعی نیز شناخته می شوند، ملاحظات طراحی غیر دامنه ای هستند که بر جنبه ساختاری طراحی تأثیر می گذارند. اینها شامل مواردی مانند مقیاس پذیری، قابلیت اطمینان، امنیت، و قابلیت نگهداری می شوند.سخنران تأکید می کند که ویژگی های معماری برای موفقیت برنامه حیاتی یا مهم هستند. آنها اشاره می کنند که تعیین بیش از حد این ویژگی ها می تواند منجر به مهندسی بیش از حد و پیچیدگی در راه حل شود.سخنران سه بخش از تعریف خود را برای ویژگی های معماری معرفی می کند:توجه به طراحی غیر دامنه: ویژگی های معماری بر جنبه های فنی برنامه تأثیر می گذارند، اما الزامات مستقیماً توسط کاربران یا مشتریان بیان نمی شوند.تأثیر بر ساختار: ویژگی های معماری بر نحوه سازماندهی و اجرای سیستم تأثیر می گذارند.حیاتی یا مهم برای موفقیت برنامه: ویژگی های معماری برای موفقیت برنامه حیاتی یا مهم هستند.آنها همچنین اصلاح کننده ویژگی های معماری آشکار در مقابل ضمنی را ذکر می کنند. مشخصه های صریح به صراحت مورد استفاده قرار می گیرند، در حالی که ویژگی های ضمنی بر تصمیم گیری ها تأثیر می گذارند حتی اگر به صراحت بیان نشده باشند.به طور کلی، این ویدئو یک نمای کلی از دوره معماری نرم افزار ارائه می دهد و مفهوم ویژگی های معماری و اهمیت آنها را در فرآیند طراحی معرفی می کند.در این قسمت از ویدئو، سخنران در مورد اهمیت در نظر گرفتن ویژگی های معماری در طراحی یک سیستم بحث می کند. آنها توضیح می دهند که ویژگی های معماری، که به عنوان الزامات غیر عملکردی یا الزامات مقطعی نیز شناخته می شوند، ملاحظات طراحی غیر دامنه ای هستند که بر جنبه ساختاری طراحی تأثیر می گذارند. اینها شامل مواردی مانند مقیاس پذیری، قابلیت اطمینان، امنیت، و قابلیت نگهداری می شوند.سخنران تأکید می کند که ویژگی های معماری برای موفقیت برنامه حیاتی یا مهم هستند. آنها اشاره می کنند که تعیین بیش از حد این ویژگی ها می تواند منجر به مهندسی بیش از حد و پیچیدگی در راه حل شود.سخنران مفهوم "کمترین بدترین طراحی" را معرفی می کند که به جای تلاش برای راه حل کامل، بر یافتن بهترین راه حل برای مجموعه معینی از الزامات و محدودیت ها تمرکز می کند. آنها توضیح می دهند که ویژگی های معماری اغلب هم افزایی هستند و می توانند بر یکدیگر تأثیر بگذارند، بنابراین یافتن تعادل مناسب مبادلات بسیار مهم است.سپس به ویژگی های معماری عملیاتی، مانند عملکرد، مقیاس پذیری، کشش، قابلیت اطمینان و یکپارچگی داده ها می پردازند. این ویژگی ها به ویژه در معماری های مدرن مانند میکروسرویس ها مهم هستند، زیرا به همکاری بین عملیات، معماری و تیم های DevOps نیاز دارند.در مرحله بعد، سخنران این مفاهیم را برای نمونه ای از یک سیستم حراج آنلاین به کار می برد. آنها چندین ویژگی معماری را بر اساس الزامات شناسایی می کنند، مانند در دسترس بودن، قابلیت اطمینان، قابلیت اطمینان داده ها، عملکرد، مقیاس پذیری و کشش. آنها تفاوت بین مقیاس پذیری و کشش را توضیح می دهند، با مقیاس پذیری به پشتیبانی از تعداد معینی از کاربران همزمان و کشش اشاره به مدیریت ترافیک انفجاری اشاره دارد.سخنران همچنین بر اهمیت امنیت در سیستمی که با پول سر و کار دارد و همچنین نیاز به مدیریت همزمانی در رسیدگی به مناقصه های زنده و آنلاین را برجسته می کند. آنها سپس مفهوم شاخص شهرت را مورد بحث قرار می دهند که یک ویژگی معماری نیست بلکه بخشی از حوزه مشکل است که برای پیاده سازی به دانش دامنه نیاز دارد.در پایان، سخنران بر ماهیت تکراری تعیین ویژگی‌های معماری و نیاز به یافتن تعادل مناسب از مبادلات تأکید می‌کند. آنها همچنین بر اهمیت مشارکت ذینفعان تجاری در اولویت بندی این ویژگی ها تاکید می کنند.در این قسمت از ویدئو، سخنران به مبادلات و ملاحظاتی می پردازد که باید هنگام انتخاب یک سبک معماری برای راه حل مورد توجه قرار گیرد. آنها تأکید می‌کنند که اولویت‌بندی ویژگی‌های معماری که با مشکل در دست همسو هستند، به جای تلاش برای تناسب با یک سبک خاص، مهم است. سخنران اشاره می کند که در حالی که معماری میکروسرویس نقطه شروع محبوب برای بسیاری از راه حل ها است، همیشه برای هر مشکلی مناسب نیست.سخنران توضیح می دهد که انتخاب یک سبک معماری باید بر اساس عوامل مختلفی مانند الزامات عملکردی، الزامات غیر عملکردی، محدودیت های فنی، و محیط اجرا انجام شود. آنها همچنین بر اهمیت مشارکت ذینفعان تجاری و فنی در فرآیند انتخاب سبک معماری تأکید می کنند.سخنران سپس مفهوم معماری منطقی یا طراحی دامنه را معرفی می کند. آنها توضیح می دهند که معماری منطقی شامل تصمیم گیری در مورد نحوه سازماندهی سیستم از نظر اجزا و ارتباطات بین آنها است. آنها اشاره می کنند که معماری منطقی مستقل از پیاده سازی فیزیکی سیستم است.سخنران فرآیند طراحی معماری منطقی را به چهار مرحله تقسیم می کند:شناسایی اجزای اولیه: این مرحله شامل شناسایی اجزای بنیادی سیستم است که عملکردهای کلیدی آن را فراهم می کنند.تخصیص الزامات به اجزا: این مرحله شامل تخصیص الزامات عملکردی و غیر عملکردی به اجزای شناسایی شده است.تجزیه و تحلیل نقش ها و مسئولیت ها: این مرحله شامل شناسایی نقش های مختلف در سیستم و مسئولیت های آنها است.تجزیه و تحلیل ویژگی های معماری: این مرحله شامل شناسایی ویژگی های معماری کلیدی سیستم، مانند مقیاس پذیری، قابلیت اطمینان، و امنیت است.سخنران بر اهمیت طراحی تکراری در فرآیند طراحی معماری منطقی تأکید می کند. آنها توضیح می دهند که طراحی معماری منطقی یک فرآیند پویای است که باید در طول توسعه سیستم تنظیم شود.در مرحله بعد، سخنران مشکلات احتمالی افتادن در دام ایجاد یک نمودار رابطه موجودیت به جای معماری را مورد بحث قرار می دهد. آنها نسبت به استفاده از عباراتی مانند "مدیر" یا "جریان کاری" که نشان دهنده تمرکز بر موجودیت ها به جای طراحی کلی سیستم است، هشدار می دهند. در عوض، آنها اتخاذ یک رویکرد گردش کار یا استفاده از رویکرد کنشگر-عملی را پیشنهاد می‌کنند که شامل شناسایی نقش‌ها و فعالیت‌های مربوط به آن‌ها در سیستم است.با استفاده از مثال یک سیستم حراج، سخنران نحوه شروع ساخت اجزا را بر اساس نقش ها و فعالیت های شناسایی شده نشان می دهد. آنها اجزایی مانند جلسه حراج برای شروع و توقف مزایده ها، ردیاب پیشنهاد برای ردیابی فعالیت پیشنهاددهنده، و گرفتن پیشنهاد برای گرفتن پیشنهادها ایجاد می کنند. سخنران همچنین بر اهمیت در نظر گرفتن وابستگی بین اجزا و اطمینان از جداسازی مناسب آنها تأکید می کند.در خاتمه، سخنران بر نیاز به رویکردی منعطف و سازگار با طراحی معماری تاکید می کند. آنها استفاده از یادداشت های چسبناک یا سایر وسایل کمک بصری را برای تسهیل همکاری و سهولت اصلاح در مراحل اولیه توسعه معماری تشویق می کنند.در این قسمت از ویدئو، سخنران اهمیت عدم فروش بیش از حد پیشرفت یک پروژه در مراحل اولیه طراحی معماری را مورد بحث قرار می دهد. آنها توضیح می دهند که در این مرحله، مهم است که بر ایجاد یک طرح کلی که نیازها را برآورده کند تمرکز کنید، نه بر ایجاد یک مستند کامل و دقیق.سخنران به ابزاری به نام Excalidraw اشاره می کند که یک ابزار تخته سفید مشترک رایگان است که برای ایجاد نمونه های اولیه عالی است. آنها توضیح می دهند که ظاهر خشن و آنالوگ خطوط و فونت‌ها در Excalidraw کمک می‌کند تا نشان دهد که طراحی هنوز در مرحله تکراری است و به اتمام نزدیک نیست.سخنران سپس مفهوم ویژگی های معماری و اهمیت تجزیه و تحلیل خوشه های مختلف این ویژگی ها را مطرح می کند. آنها توضیح می دهند که ویژگی های معماری، ملاحظات طراحی غیر دامنه ای هستند که بر جنبه ساختاری طراحی تأثیر می گذارند. آنها شامل مواردی مانند مقیاس پذیری، قابلیت اطمینان، امنیت، و قابلیت نگهداری می شوند.سخنران نمونه ای از یک سیستم حراج را ارائه می دهد و در مورد نیاز به ویژگی های مختلف معماری برای حراج کننده و پیشنهاد دهندگان بحث می کند. آنها توضیح می دهند که حراج کننده نیاز به ویژگی هایی مانند مقیاس پذیری و قابلیت اطمینان دارد، در حالی که پیشنهاد دهندگان نیاز به ویژگی هایی مانند امنیت و قابلیت نگهداری دارند.سخنران توضیح می دهد که این تحلیل نیاز به یک معماری توزیع شده را آشکار می کند. آنها توضیح می دهند که یک معماری توزیع شده سیستم را به اجزای مستقل تقسیم می کند که می توانند به صورت مستقل توسعه و مدیریت شوند. این امر امکان مقیاس پذیری و قابلیت اطمینان را بهبود می بخشد.سخنران نمودارهای ستاره ای را که برای سبک های مختلف معماری ایجاد کرده اند، معرفی می کند. این نمودارها ارزیابی می‌کنند که هر سبک چقدر از ویژگی‌های معماری مختلف پشتیبانی می‌کند. آنها اشاره می کنند که میکروسرویس ها و معماری مبتنی بر سرویس، کاندیدای خوبی برای معماری توزیع شده هستند. میکروسرویس‌ها درجه بالایی از جداسازی و مقیاس‌پذیری را ارائه می‌دهند، در حالی که معماری مبتنی بر سرویس یک رویکرد عمل‌گرایانه‌تر برای مهاجرت از یک معماری یکپارچه است.به طور کلی، سخنران بر اهمیت در نظر گرفتن ویژگی های معماری و انتخاب سبک معماری مناسب بر اساس نیازهای خاص پروژه تاکید می کند.در این قسمت از ویدیو، سخنران به سبک های مختلف معماری می پردازد که می توان برای پروژه «رفتن، رفتن، رفت» در نظر گرفت. اولین سبکی که ذکر شد، معماری مبتنی بر سرویس است که شامل داشتن یک پایگاه داده رابطه ای واحد و خدمات بزرگتر است. این سبک اغلب به‌عنوان یک انتخاب عمل‌گرایانه انتخاب می‌شود که تجزیه و تحلیل بیشتر داده‌ها ضروری نباشد. با این حال، ممکن است برای نیازهای پروژه مناسب نباشد، زیرا فاقد عملکرد، مقیاس پذیری و کشش مورد نیاز است.سپس سخنران معماری رویداد محور را به عنوان گزینه دیگری معرفی می کند. این سبک می تواند هم به عنوان سبک معماری و هم به عنوان الگوی ارتباطی مورد استفاده قرار گیرد. این امکان تنظیم دقیق عملکرد و مقیاس‌پذیری را فراهم می‌کند، اما ساخت آن در مقایسه با معماری میکروسرویس به زمان بیشتری نیاز دارد. دو سبک رایج در معماری رویداد محور وجود دارد: سبک بروکر و سبک واسطه. سبک کارگزار شامل ارتباطات صرفاً مبتنی بر رویداد است، در حالی که سبک واسطه شامل یک واسطه رویداد برای کنترل گردش کار و هماهنگی پردازشگرهای رویداد است.سخنران پیشنهاد می کند که سبک معماری میکروسرویس ها را با الگوی ارتباطی رویداد محور در داخل ترکیب کنید. این به معنای استفاده از میکروسرویس ها به عنوان سبک کلی معماری، از جمله وفاداری داده ها، اما استفاده از رویدادها برای مدیریت همزمانی و سایر پیچیدگی ها است. سپس نمودار مؤلفه های منطقی به خدمات تبدیل می شود و محل ماندگاری و حالت بر اساس نیاز به هماهنگی تعیین می شود.به طور کلی، سخنران پیشنهاد می کند ترکیبی از میکروسرویس ها و معماری رویداد محور را برای پروژه «رفتن، رفتن، رفت» در نظر بگیرید. این رویکرد به انعطاف پذیری، مقیاس پذیری و عملکرد اجازه می دهد در حالی که نیازهای منحصر به فرد پروژه را مورد توجه قرار می دهد.در اینجا برخی از تغییرات خاص که انجام دادم آورده شده است:در پاراگراف اول، من عبارت "که شامل داشتن یک پایگاه داده رابطه ای واحد و خدمات بزرگتر است" را اضافه کردم تا تعریف معماری مبتنی بر سرویس را روشن تر کنم.در پاراگراف دوم، من عبارت "این امکان تنظیم دقیق عملکرد و مقیاس‌پذیری را فراهم می‌کند" را اضافه کردم تا مزایای معماری رویداد محور را برجسته کنم.در پاراگراف سوم، من عبارت "سبک کارگزار شامل ارتباطات صرفاً مبتنی بر رویداد است، در حالی که سبک واسطه شامل یک واسطه رویداد برای کنترل گردش کار و هماهنگی پردازشگرهای رویداد است" را اضافه کردم تا تفاوت بین دو سبک رایج معماری رویداد محور را روشن تر کنم.در پاراگراف چهارم، من عبارت "این به معنای استفاده از میکروسرویس ها به عنوان سبک کلی معماری، از جمله وفاداری داده ها، اما استفاده از رویدادها برای مدیریت همزمانی و سایر پیچیدگی ها است" را اضافه کردم تا توضیح دهم که چگونه می توان میکروسرویس ها و معماری رویداد محور را ترکیب کرد.در قسمت دوم ویدیو، سخنران به طور همزمان استفاده از نشانه‌ها در قسمت‌های کلیدی عدد آرم را مورد بحث قرار می‌دهد. نشانه‌ها می‌توانند به تعیین پیشنهاد برنده و کنار گذاشتن بقیه کمک کنند. این استفاده از نشانه ها به مدیریت مشکلات ارزی در معماری کمک می کند.سخنران همچنین به مفهوم یکپارچه ساز و تجزیه کننده در معماری های میکروسرویس اشاره می کند. تجزیه کننده ها شکستن اجزا را به قطعات کوچکتر تشویق می کنند، در حالی که یکپارچه کننده ها آنها را دوباره به هم می چسبانند. تراکنش‌پذیری نمونه‌ای از یکپارچه‌ساز است که می‌توان از آن برای جمع‌کردن اجزا با هم استفاده کرد، اگر تراکنش‌های توزیع‌شده تبدیل به سردرد شوند.سخنران توصیه می‌کند که تراکنش‌پذیری را بررسی کنید و در نظر بگیرید که آیا تراکنش‌هایی وجود دارد که باید از مرزهای سرویس عبور کند. آنها همچنین وب سایت همراه را در کتاب خود ذکر می کنند که شامل نمودارها و منابع اضافی است. سخنران در پایان به مخاطبان توصیه می کند که به معماری بپردازند و از طریق کاتاهای ارائه شده برای بهبود مهارت های خود کار کنند.https://www.youtube.com/watch?v=KWKrSw_wI3sCoevolution of Architecture & Code - Closing The Gap • Dave Thomas • YOW! 2022در این ویدئو، سخنران در مورد اهمیت تکامل مشترک معماری و کد در توسعه نرم افزار بحث می کند. آنها معتقدند که معماری یک انتزاع ساده از یک محصول پیچیده است که به مردم کمک می کند تا سیستم را بدون گم شدن در جزئیات درک کنند. بنابراین، داشتن یک معماری قابل مشاهده که امکان برنامه ریزی و بحث در مورد جفت و انسجام را می دهد، بسیار مهم است.سخنران همچنین در مورد شکاف مدل-کد صحبت می کند، که به این ایده اشاره دارد که کد تمایل به فرار از معماری دارد. آنها اشاره می کنند که کد اغلب از دیدگاه معماری اصلی جدا می شود و منجر به عدم همسویی بین این دو می شود. برای جلوگیری از این امر، سخنران بر اهمیت تکامل مشترک معماری و کد تأکید می کند.آنها چندین اقدام را برای دستیابی به این هدف پیشنهاد می کنند. اول، آنها بر اهمیت وجود چند API همه منظوره در معماری به جای هزاران API تاکید می کنند. این به کاهش پیچیدگی و بهبود قابلیت استفاده کمک می کند. دوم، آنها نیاز به آزمایش و نظارت مداوم بر ویژگی های غیر کاربردی مانند قابلیت استفاده و قابلیت اطمینان را ذکر می کنند. این به اطمینان از اینکه معماری و کد برای نیازهای کاربران مناسب هستند کمک می کند.سخنران استدلال می کند که معماری فقط یک شغل برای یک نقش خاص نیست، بلکه یک مفهوم کل نگر است که همه را در فرآیند توسعه نرم افزار درگیر می کند. بنابراین، مهم است که همه اعضای تیم در مورد معماری و کد درک مشترک داشته باشند.سخنران به طور خلاصه به معماری چابک می پردازد که از اصول ناب الهام گرفته شده است. آنها بر اهمیت دانش دامنه تأکید می‌کنند و پیشنهاد می‌کنند به جای اینکه آن‌ها را به قطعات کوچک برای پیاده‌سازی به توسعه‌دهندگان آموزش دهند، سرمایه‌گذاری کنند. آنها همچنین به اصول شروع با API، حفظ یک معماری قابل مشاهده و انجام همه کارها به طور مداوم اشاره می کنند.در مجموع، سخنران بر نیاز به یک رویکرد تکاملی مشترک به معماری و کد، با آزمایش مداوم، معماری قابل مشاهده و تمرکز بر دانش دامنه تأکید می کند.سخنران در مورد اهمیت پرداختن مداوم به بدهی فنی بحث می کند. آنها استدلال می کنند که بدهی فنی زمانی ایجاد می شود که کد به گونه ای نوشته شود که قابل نگهداری نباشد. این می تواند به دلایل مختلفی اتفاق بیفتد، مانند عجله برای تحویل، عدم برنامه ریزی مناسب یا عدم درک کامل نیازهای کاربر.سخنران بر اهمیت آزمایش کافی هنگام ایجاد تغییرات در کد تأکید می کند. آنها استدلال می کنند که آزمایش به اطمینان از اینکه تغییرات باعث شکست کد نمی شوند کمک می کند. آنها همچنین بر اهمیت بهبود مستمر تأکید می کنند. این بدان معناست که کد باید به طور مداوم بهینه شود و با نیازهای کاربر سازگار شود.سخنران همچنین از رویکرد ساده لوحانه به توسعه چابک انتقاد می کند. آنها استدلال می کنند که این رویکرد اغلب منجر به عدم مستندسازی و تداخل بین ویژگی ها می شود. آنها پیشنهاد می کنند که رویکرد متعادل تری مورد نیاز است، جایی که قضاوت برای تعیین بهترین تکنیک ها و ابزارها برای هر زمینه استفاده می شود.سخنران سپس چالش های حفظ معماری را در یک پایگاه کد به سرعت در حال تغییر بحث می کند. آنها اشاره می کنند که کد ملموس است و می تواند به سرعت تغییر کند، در حالی که معماری ناملموس است و مدیریت آن سخت تر است. آنها مفهوم شکاف مدل کد را معرفی می کنند که محدودیت های استفاده از کد را به عنوان تنها منبع اطلاعات معماری برجسته می کند.برای پرداختن به این چالش ها، سخنران تمرین معماری پیوسته را پیشنهاد می کند. آنها بر لزوم مشاهده و به روز نگه داشتن معماری با استفاده از تکنیک هایی مانند نسخه سازی و مستندسازی تاکید می کنند. آنها همچنین بر اهمیت به اشتراک گذاری تصویر بزرگ معماری و مدیریت آن به گونه ای که گویی یک کد است، تأکید می کنند.به طور کلی، سخنران بر نیاز به یک رویکرد متعادل برای توسعه نرم‌افزار تاکید می‌کند، جایی که هم کد و هم معماری به طور مداوم بهبود و نگهداری می‌شوند. آنها استدلال می کنند که تکیه صرف بر کد بدون در نظر گرفتن زمینه معماری گسترده تر می تواند منجر به مشکلات و ناکارآمدی شود.در مورد اهمیت تسخیر ماهیت معماری و حفظ وابستگی ها و توانایی های یک سیستم بحث می کند. آنها استدلال می کنند که معماری یک مفهوم پیچیده است که می تواند به راحتی درک شود. بنابراین، مهم است که یک داستان یا استعاره ایجاد کنید که بتواند ماهیت معماری را به طور خلاصه و موثر بیان کند.سخنران داستان سرایی را به عنوان راهی موثر برای انتقال اطلاعات معماری برجسته می کند. آنها استدلال می کنند که معماران یا مهندسان اصلی اغلب بهترین داستان نویسان هستند زیرا تجربه و دانش عمیقی از سیستم دارند.سخنران سه تجربه شخصی را برای نشان دادن قدرت داستان سرایی در درک معماری به اشتراک می گذارد. در مثال اول، آنها در مورد یادگیری سیستم عامل Xerox Data Systems از طریق توضیح دقیق و از کار افتادن سیستم برای درک علت خرابی صحبت می کنند. در مثال دوم، آنها در مورد یک جلسه آموزشی در Nortel صحبت می کنند که در آن به استخدام های جدید در مورد پردازش تماس از طریق نمودارهای تعاملی و داستان سرایی آموزش داده شد. در مثال سوم، آنها در مورد شرکت خود صحبت می کنند، جایی که آنها یک مدل ساده از دیدگاه خود برای در دسترس قرار دادن Smalltalk بر روی پلتفرم های مختلف داشتند.سخنران همچنین به مشارکت آنها در ساخت Eclipse و Java اشاره می کند، جایی که داستان سرایی نقش مهمی در ایجاد یک مدل ذهنی از معماری ایفا کرد. آنها اهمیت این داستان ها را در هدایت فرآیند توسعه و توانمندسازی تیم ها برای همکاری موثر با یکدیگر برجسته می کنند.برای به تصویر کشیدن هر چه بیشتر معماری به شکل بتنی، گوینده چندین رویکرد را پیشنهاد می کند. اینها شامل گرفتن تعاریف API و نسخه سازی آنها، استفاده از زیرساخت به عنوان ابزار کد مانند Palumi یا CDK، استفاده از نمودارها به عنوان کد برای توصیف بصری سیستم، و استفاده از کدهای محدود شده با مدل یا مدل های UML خاص صنعت است. سخنران همچنین به روند رو به رشد ابزارهای کم‌کد اشاره می‌کند و پیش‌بینی می‌کند که آنها ممکن است شبیه برخی از مفاهیم مورد بحث در قسمت‌های قبلی ویدیو شوند.در مجموع، سخنران بر اهمیت تسخیر و انتقال ماهیت معماری از طریق داستان گویی و ابزارها و تکنیک های مختلف تاکید می کند.در این قسمت از ویدئو، سخنران در مورد اهمیت داده‌ها و اینکه چگونه برنامه‌نویسان اغلب کد را بر داده‌ها اولویت می‌دهند، بحث می‌کند. آنها استدلال می‌کنند که تغییر داده‌ها آسان‌تر است و طرح‌واره‌ها به‌طور کلی پایدار هستند. با این حال، بسیاری از توسعه‌دهندگان اطلاعات کافی در مورد داده‌ها ندارند و ترجیح می‌دهند همه چیز را در یک لکه ذخیره کنند، که دسترسی و تجزیه و تحلیل داده‌ها را برای دیگران دشوار می‌کند.سخنران همچنین به استفاده از اجزای جعبه سیاه به جای چارچوب‌ها اشاره می‌کند، زیرا فریم‌ورک‌ها وابستگی‌هایی را به کد تزریق می‌کنند و می‌توانند معماری را پیچیده کنند. آنها از الگوی حلقه رویداد که از رایانه خودکار در زیراکس پارک سرچشمه می‌گیرد انتقاد می‌کنند و استدلال می‌کنند که در بسیاری از چارچوب‌های MVC به خوبی کپی و پیاده‌سازی نشده است.سخنران پیشنهاد می‌کند از سبک‌های معماری مانند منبع‌یابی رویداد، پخش جریانی و جریان داده برای ساخت میکروسرویس‌ها استفاده کنید. آنها همچنین اثربخشی توابع، برنامه‌ریزی مبتنی بر جدول، و جداول محدودیت (صفحات گسترده) را در مدیریت حجم زیادی از داده‌ها و تسهیل تغییرات آسان برجسته می‌کنند.علاوه بر این، سخنران بر اهمیت حفظ ریسک عقب‌مانده، به‌روزرسانی توانایی‌ها بر اساس تست‌های پذیرش، ردیابی و انتشار وابستگی‌ها، و حاشیه‌نویسی مصنوعات مهم در کد تأکید می‌کند. آنها توصیه می‌کنند تصمیمات معماری، یادداشت‌های بازنگری طراحی و کد، و گزارش‌های رویدادهای بزرگ را مستندسازی کنند تا درک جامعی از پایگاه کد ارائه شود.در نهایت، سخنران چالش مقابله با وابستگی‌ها در توسعه نرم‌افزار را ذکر می‌کند و استفاده از ماتریس ساختار طراحی را برای ردیابی و تجسم وابستگی‌ها پیشنهاد می‌کند. آنها با ذکر این نکته نتیجه‌گیری می‌کنند که معماری‌ها پویاتر می‌شوند که هم فرصت‌ها و هم چالش‌هایی را برای توسعه‌دهندگان ایجاد می‌کند.در قسمت دوم ویدئو، سخنران در مورد مفهوم میکروسرویس‌های ناهمزمان و چالش‌هایی که ارائه می‌کنند صحبت می‌کند. او اشاره می‌کند که در حالی که سیستم‌های ناهمزمان و رویدادمحور شگفت‌انگیز هستند، طراحی و آزمایش ماشین‌های حالت همزمان می‌تواند دشوار باشد. او خواندن پایان‌نامه جو آرمسترانگ در مورد Erlang را برای درک بهتر طراحی سرویس‌های ناهمزمان به روشی قوی توصیه می‌کند.سخنران همچنین بر اهمیت معماری داده‌ها و نیاز معماران به استفاده از ابزارهای پرس و جو برای درک معماری‌های پویا تأکید می‌کند. او معتقد است که query آینده برنامه‌نویسی است و SQL باز خواهد گشت. او پیشنهاد می‌کند که GraphQL باید با یک مدل رابطه‌ای جایگزین شود و سرویس‌های ساده‌ای مانند query به خوبی کار کنند.سخنران تصدیق می‌کند که درک و اجرای معماری می‌تواند چالش‌برانگیز باشد، به‌ویژه زمانی که نمونه‌ها کوچک هستند و چندان مرتبط نیستند. او از کتاب راه کسوف، نوشته اریک گاما، به عنوان منبعی برای یادگیری معماری یاد می‌کند. او همچنین کتاب «مهندسی نرم‌افزار مدرن» نوشته دیو فارلی را توصیه می‌کند که اصول مهندسی نرم‌افزار را پوشش می‌دهد و در مورد تحویل و آزمایش مداوم بحث می‌کند.سخنران در مورد کمبود آموزش مهندسی نرم‌افزار در استرالیا و در سطح جهانی ابراز نگرانی می‌کند. او معتقد است که تمرکز بر ابزارهای آموزشی به جای مفاهیم اساسی مانند جفت و انسجام وجود دارد. وی بر لزوم آموزش و راهنمایی بهتر در زمینه مهندسی نرم‌افزار تاکید می‌کند.به طور کلی، سخنران پیچیدگی‌های طراحی و درک معماری‌های مدرن را برجسته می‌کند و بر اهمیت تحلیل مستمر و استفاده از ابزارهای پرس و جو برای به دست آوردن بینش در مورد رفتار زمان اجرا تأکید می‌کند.https://www.youtube.com/watch?v=slGZMTFPEloدر این سخنرانی، سخنران پنج افسانه در مورد معماری نرم افزار را مورد بررسی قرار می دهد. اولین افسانه این است که معماری نرم افزار مترادف با طراحی بزرگ است. سخنران استدلال می کند که طراحی بزرگ و معماری نرم افزار یکسان نیستند. طراحی بزرگ یک فرآیند پیشگامانه است که در آن تمام جنبه های یک سیستم قبل از توسعه آن مشخص می شود. معماری نرم افزار، در مقابل، یک رویکرد انعطاف پذیرتر است که نیازهای سیستم را در طول زمان در نظر می گیرد.سخنران می گوید که طراحی بزرگ در دهه های 1980، 1990 و اوایل 2000 محبوبیت داشت. با این حال، این رویکرد به دلیل خطرات و پتانسیل شکست آن مورد انتقاد قرار گرفته است. یکی از خطرات طراحی بزرگ این است که ممکن است منجر به یک سیستم غیرقابل انعطاف شود که برای تغییر دشوار است. خطر دیگر این است که طراحی بزرگ ممکن است زمان و منابع زیادی را صرف کند.در مقابل، معماری نرم افزار یک رویکرد چابک تر است که بر پاسخگویی به تغییرات پس از توسعه اولیه تمرکز دارد. این رویکرد از مانیفست چابک الهام گرفته شده است، که ارزش پاسخگویی به تغییرات را در برابر کنترل فرآیند توسعه قرار می دهد.سخنران می گوید که هیچ پاسخ واحدی برای این سوال که چقدر طراحی اولیه باید انجام شود وجود ندارد. این به عوامل مختلفی مانند ماهیت پروژه، پیچیدگی سیستم و زمان و بودجه موجود بستگی دارد. با این حال، سخنران بر اهمیت انجام طراحی اولیه به اندازه کافی تاکید می کند. این به معنای ایجاد نقطه شروع و اتخاذ تصمیمات مهمی است که هزینه تغییر بالایی دارند.سخنران پنج افسانه دیگر در مورد معماری نرم افزار را نیز مورد بررسی قرار می دهد. این افسانه ها عبارتند از:معماری نرم افزار فقط مربوط به کد است.معماری نرم افزار یک کار یکباره است.معماری نرم افزار فقط توسط معماران انجام می شود.معماری نرم افزار یک فعالیت فنی است.معماری نرم افزار یک فعالیت غیرقابل اندازه گیری است.سخنران استدلال می کند که این افسانه ها می توانند منجر به درک نادرست از معماری نرم افزار شوند. او می گوید که معماری نرم افزار یک رویکرد کل نگر است که نیازهای سیستم را در نظر می گیرد. این رویکرد شامل کد، داده ها، معماری فناوری اطلاعات و سایر جنبه های سیستم است.سخنران همچنین می گوید که معماری نرم افزار یک فرآیند پیوسته است که باید در طول عمر سیستم ادامه یابد. او می گوید که معماری نرم افزار باید به تغییرات نیازهای کاربر و فناوری پاسخ دهد.سخنران در نهایت می گوید که معماری نرم افزار یک مهارت مهم برای توسعه دهندگان نرم افزار است. او می گوید که توسعه دهندگان باید درک کنند که معماری نرم افزار چیست و چگونه می تواند برای ایجاد سیستم های نرم افزاری کارآمد و انعطاف پذیر استفاده شود.در اینجا خلاصه ای از سخنرانی آورده شده است:معماری نرم افزار مترادف با طراحی بزرگ نیست.معماری نرم افزار یک رویکرد انعطاف پذیرتر است که نیازهای سیستم را در طول زمان در نظر می گیرد.هیچ پاسخ واحدی برای این سوال که چقدر طراحی اولیه باید انجام شود وجود ندارد.معماری نرم افزار یک رویکرد کل نگر است که نیازهای سیستم را در نظر می گیرد.معماری نرم افزار یک فرآیند پیوسته است که باید در طول عمر سیستم ادامه یابد.معماری نرم افزار یک مهارت مهم برای توسعه دهندگان نرم افزار است.در این قسمت از ویدئو، سخنران به اهمیت طراحی و معماری پیشرو در توسعه نرم افزار می پردازد. او بر نیاز تیم‌ها به در نظر گرفتن زمینه، دامنه و الزامات سیستمی که در حال ساختن هستند، و همچنین نحوه انطباق آن با دنیای بزرگ‌تر پیرامون آن تاکید می‌کند. بدون معماری مناسب، تیم‌ها می‌توانند با پایه‌های کد آشفته و آشفته‌ای مواجه شوند که کار با آن‌ها دشوار است و ویژگی‌های کیفیت مهمی مانند مقیاس‌پذیری و امنیت ندارند.سخنران همچنین نقش رهبری فنی در معماری نرم افزار را برجسته می کند. او استدلال می کند که هر تیم، صرف نظر از اندازه، به درجاتی از رهبری فنی نیاز دارد. این رهبری باید در کل چرخه عمر پروژه مستمر باشد و نه فقط در ابتدا. تیم های مختلف ممکن است بر اساس سطح بلوغ و تجربه خود به سبک های رهبری متفاوتی نیاز داشته باشند.بر خلاف رویکرد سنتی معماری به عنوان یک خدمات، که در آن معماران تصمیمات را به توسعه دهندگان دیکته می کنند، سخنران از یک رویکرد مشارکتی دفاع می کند. او پیشنهاد می‌کند که معماران باید از نزدیک با توسعه‌دهندگان کار کنند، آموزش کدنویسی و همکاری را تقویت کنند. این رویکرد به معماران این امکان را می‌دهد که یک پالس روی پایه کد داشته باشند و مطمئن شوند که در جهت درست حرکت می‌کند.سخنران همچنین به این سوال می پردازد که آیا معماران باید کد بنویسند. او قویاً معتقد است که معماران باید در صورت امکان کد تولید بنویسند. این به معماران اجازه می دهد تا درک عمیق تری از پایه کد داشته باشند و اطمینان حاصل کنند که توسعه دهندگان از دستورالعمل های توافق شده پیروی می کنند.از نظر نمودار و ارائه طرح ها، سخنران این مفهوم را کهUML ضروری است به چالش می کشد. او تصدیق می کند که بسیاری از مردم UML را بسیار پیچیده یا قدیمی می دانند. در عوض، او استفاده از تخته وایت برد یا سایر ابزارهای بصری را برای ارتباط موثر طرح ها پیشنهاد می کند.خلاصه ای از نکات کلیدی این قسمت از سخنرانی آورده شده است:طراحی و معماری پیشرو برای توسعه نرم افزار مهم است.تیم‌ها باید زمینه، دامنه و الزامات سیستم را در نظر بگیرند.رهبری فنی در معماری نرم افزار نقش مهمی ایفا می کند.یک رویکرد مشارکتی برای معماری نرم افزار مطلوب است.معماران باید کد تولید بنویسند.UML ضروری نیست.چند نکته اضافی برای توسعه دهندگان نرم افزار آورده شده است:توسعه دهندگان باید درک اساسی از معماری نرم افزار داشته باشند.توسعه دهندگان باید درک کنند که معماری یک فرآیند مستمر است.توسعه دهندگان باید با معماران همکاری کنند تا یک معماری موثر ایجاد کنند.توسعه دهندگان باید از ابزارها و تکنیک های مناسب برای مستندسازی و ارتباط معماری استفاده کنند.به طور کلی، سخنران بر ماهیت چند وجهی نقش معماری نرم افزار تأکید می کند، که هم به مهارت های فنی و هم به مهارت های نرم نیاز دارد. او معماران را تشویق می کند که به طور مداوم مهارت های خود را بیاموزند و توسعه دهند تا رهبران و همکاران موثری باشند.اهمیت نمودارها در معماری نرم افزار می پردازد و مدل C4 را معرفی می کند. او توضیح می دهد که نمودارها مانند نقشه هایی هستند که به تیم ها اجازه می دهند به طور موثر ارتباط برقرار کنند و مکالمات متفاوتی با مخاطبان مختلف داشته باشند.مدل C4 از نمودارهای سلسله مراتبی تشکیل شده است که سطوح مختلفی از جزئیات را در سیستم های نرم افزاری نشان می دهد. چهار نوع نمودار در مدل C4 وجود دارد:Context: این نمودار نمای کلی از سیستم را نشان می دهد و شامل اجزای اصلی آن و نحوه ارتباط آنها با یکدیگر است.Container: این نمودار اجزای اصلی سیستم را به گروه های منطقی تقسیم می کند.Component: این نمودار اجزای فردی سیستم را نشان می دهد.Code: این نمودار کد منبع سیستم را نشان می دهد.مدل C4 مستقل از علامت گذاری است، به این معنی که تیم ها می توانند از نمادهای مختلفی مانند جعبه ها و خطوط، UML یا ArchiMate استفاده کنند.سخنران همچنین به ابزاری به نام Structurizer DSL اشاره می کند که یک زبان مخصوص دامنه است که از مدل C4 پشتیبانی می کند و امکان ایجاد نمودارها را به صورت مختصر فراهم می کند. این ابزار همچنین از نمودارهای معماری ابری پشتیبانی می کند.سخنران استفاده از نمودارها را به عنوان کد توصیه می کند که شامل ایجاد نمودارها با استفاده از قالب متنی یا کد زبان برنامه نویسی است. او ساختارساز DSL و رابط خط فرمان همراه آن را معرفی می کند که می تواند نمودارهای متعددی را در قالب های مختلف تولید کند.سخنران تأکید می کند که یک معماری خوب چابکی را امکان پذیر می کند و توضیح می دهد که چابکی را می توان به عنوان یک ویژگی کیفی در نظر گرفت. او پیشنهاد می‌کند که در کجای پایه کد چابکی مورد نیاز است و معماری را متناسب با آن طراحی کنید، چه یک رویکرد یکپارچه، میکروسرویس یا یک رویکرد ترکیبی. او نسبت به تصمیم گیری بر اساس روند یا مد هشدار می دهد و بر اهمیت یک معماری ساختار یافته و بسیار مدولار برای توانمندسازی چابکی تاکید می کند.سخنران در پایان از توسعه دهندگان می خواهد که به دقت در مورد تصمیمات خود فکر کنند و سرویس های میکرو را بدون برنامه ریزی و طراحی مناسب اتخاذ نکنند.خلاصه ای از نکات کلیدی این قسمت از سخنرانی آورده شده است:نمودارها ابزارهای مهمی برای ارتباط و مستندسازی معماری نرم افزار هستند.مدل C4 یک چارچوب نموداری محبوب برای معماری نرم افزار است.نمودارها را می توان به عنوان کد ایجاد کرد که مزایای خاصی را ارائه می دهد.یک معماری خوب چابکی را امکان پذیر می کند.انتخاب یک معماری مناسب برای نیازهای خاص شما مهم است.سرویس های میکرو می توانند برای بهبود چابکی مفید باشند، اما باید به دقت برنامه ریزی و طراحی شوند.چند نکته اضافی برای توسعه دهندگان نرم افزار:توسعه دهندگان باید درک اساسی از نمودارها و مدل C4 داشته باشند.توسعه دهندگان باید بتوانند از ابزارهای و تکنیک های مناسب برای ایجاد و استفاده از نمودارها استفاده کنند.توسعه دهندگان باید در هنگام انتخاب یک معماری برای نیازهای خاص خود دقت کنند.https://www.youtube.com/watch?v=9Az0q2XHtH8 mohadese sakhaie mohadese sakhaie Thu, 28 Dec 2023 08:14:13 +0330 https://virgool.io/@m.sakhaie539/%D8%AA%D9%88%D8%B6%DB%8C%D8%AD%D8%A7%D8%AA-%D8%A8%DB%8C%D8%B3%DB%8C%DA%A9-%D8%AF%D8%B1%D8%A8%D8%A7%D8%B1%D9%87-%D9%85%D9%88%D8%B6%D9%88%D8%B9%D8%A7%D8%AA-%D9%85%D9%87%D9%85-%D9%85%D8%B9%D9%85%D8%A7%D8%B1%DB%8C-%D9%86%D8%B1%D9%85-%D8%A7%D9%81%D8%B2%D8%A7%D8%B1-duqjh8rnsdpp Modular Monolithicمعماری یکپارچه یک مدل سنتی از یک برنامه نرم افزاری است که به عنوان یک واحد واحد ساخته شده است که مستقل و مستقل از سایر برنامه ها است. کلمه "مونولیت" اغلب به چیزی بزرگ و یک تکه نسبت داده می شود که از حقیقت معماری یکپارچه برای طراحی نرم افزار دور نیست. معماری یکپارچه یک شبکه محاسباتی بزرگ و منفرد با یک پایه کد است که همه دغدغه‌های تجاری را با هم پیوند می‌دهد. برای ایجاد تغییر در این نوع برنامه، نیاز به به روز رسانی کل پشته با دسترسی به پایه کد و ساخت و استقرار یک نسخه به روز شده از رابط سمت سرویس است. این امر به روز رسانی را محدود و زمان بر می کند. Monolithic ها می توانند در اوایل ساخت پروژه برای سهولت مدیریت کد، سربار شناختی و استقرار راحت باشند.همچنین اجازه می دهد تا همه چیز در یک کل واحد به یکباره ریلیز شود.https://www.atlassian.com/microservices/microservices-architectureAWSسرویس وب آمازون یک پلتفرم جامع و در حال تحول رایانش ابری است که توسط آمازون ارائه شده است که شامل ترکیبی از زیرساخت به عنوان یک سرویس (IaaS)، پلت فرم به عنوان یک سرویس (PaaS) و نرم افزار بسته بندی شده به عنوان ارائه خدمات (SaaS). سرویس‌های AWS می‌توانند ابزارهایی مانند توان محاسباتی، ذخیره‌سازی پایگاه داده و خدمات تحویل محتوا را به سازمان ارائه دهند. خدمات وب Amazon.com اولین خدمات وب خود را در سال 2002 از زیرساخت داخلی که Amazon.com برای مدیریت عملیات خرده فروشی آنلاین خود ساخته بود راه اندازی کرد. در سال 2006، شروع به ارائه خدمات تعریف شده IaaS خود کرد. AWS یکی از اولین شرکت‌هایی بود که یک مدل رایانش ابری پرداخت به‌موقع را معرفی کرد که برای ارائه محاسبات، ذخیره‌سازی یا توان عملیاتی به کاربران در صورت نیاز مقیاس می‌شد. AWS ابزارها و راه حل های مختلفی را برای شرکت ها و توسعه دهندگان نرم افزار ارائه می دهد که می توانند در مراکز داده در بیش از 190 کشور استفاده شوند. گروه هایی مانند سازمان های دولتی، موسسات آموزشی، سازمان های غیرانتفاعی و خصوصی می توانند از خدمات AWS استفاده کنند. چگونه AWS کار می کند AWS به سرویس های مختلفی تقسیم می شود. هر کدام را می توان به روش های مختلف بر اساس نیاز کاربر پیکربندی کرد. کاربران می توانند گزینه های پیکربندی و نقشه های جداگانه سرور را برای یک سرویس AWS ببینند.https://www.techtarget.com/searchaws/definition/Amazon-Web-ServicesAPI-first Approachرویکرد API-first که رویکردی ست که در آن API ها را در ابتدای فرآیند توسعه نرم افزار اولویت بندی می کنند و API ها را به عنوان بلوک های سازنده نرم افزار قرار می دهد. سازمان‌های API-first قبل از نوشتن کدهای دیگر، API را توسعه می‌دهند، به‌جای اینکه آنها را به‌عنوان افکار بعدی در نظر بگیرند. این به تیم‌ها اجازه می‌دهد برنامه‌هایی را با سرویس‌های داخلی و خارجی بسازند که از طریق API ارائه می‌شوند. شرکت API-first سازمانی است که مدل توسعه API-first را اتخاذ کرده است. API-first چگونه کار می کند؟ برای اینکه یک سازمان یک مدل توسعه API-first را اتخاذ کند، باید API ها را اولویت بندی کند، نقش API های عمومی، خصوصی و شریک در سازمان ها را بشناسد و چرخه عمر API و ابزار مورد نیاز برای تبدیل شدن به API-اول را درک کند.https://www.postman.com/api-firsNoSQL Databasesپایگاه داده NoSQL (غیر SQL) یا پایگاه داده بدون رابطه، یک نوع پایگاه داده است که برای ذخیره و بازیابی داده‌ها استفاده می‌شود و از مدل غیر رابطه‌ای برای سازماندهی داده‌ها استفاده می‌کند. در مقابل، پایگاه داده‌های رابطه‌ای از روش مبتنی بر جداول و رابطه‌های میان جداول برای سازماندهی داده‌ها استفاده می‌کنند.در پایگاه داده NoSQL، داده‌ها به صورت سند‌ها، ستون‌ها، کلید-مقدار یا گراف‌ها ذخیره می‌شوند. هر سند معمولاً به صورت JSON یا BSON نمایش داده می‌شود که اجازه می‌دهد ساختار برای داده‌ها تعریف شود. در این نوع پایگاه داده، به جای استفاده از جداول و رابطه‌ها، از ساختارهایی مانند کلید-مقدار، نمایش‌های داده‌ها و ساختارهای برنامه‌نویسی استفاده می‌شود.پایگاه داده NoSQL برای کاربردهایی که نیاز به مقیاس‌پذیری بالا، عملکرد سریع، انعطاف‌پذیری در ساختار داده‌ها و قابلیت توسعه آسان دارند، مناسب است. برخی از موارد استفاده از پایگاه داده NoSQL عبارتند از: ذخیره و بازیابی داده‌های حجیم، ذخیره سازی و تجزیه و تحلیل داده‌های نیمه ساخت یا غیر ساخت یا داده‌های غیر ساخت یا نیمه ساخت، انتخابات و رای‌گیری آنلاین، ذخیره و بازیابی داده‌های گرافی، وب‌سایت‌ها و برنامه‌هایی که نیاز به انعطاف‌پذیری بالا در ساختار داده دارند.برخی از نمونه‌های معروف پایگاه داده NoSQL عبارتند از MongoDB، Cassandra، Redis، Couchbase و Neo4j. هر یک از این پایگاه‌های داده دارای ویژگی‌ها و قابلیت‌های منحصر به فرد خود هستند و ممکن است بر اساس نیازهای خاص پروژه، انتخاب شوند.Serverless Architectureمعماری بدون سرور (Serverless Architecture) یا همچنین به عنوان معماری فاقد سرور یا معماری تابع‌محور (Function-as-a-Service) شناخته می‌شود. در این معماری، توسعه‌دهندگان برنامه‌ها فقط به نوشتن کدهای منطقی و تابع‌ها تمرکز می‌کنند و نیازی به مدیریت زیرساخت سروری، پیکربندی سرورها و مقیاس‌پذیری آنها ندارند. به جای آن، ارائه‌دهنده خدمات ابری (مانند امازون وب سرویس‌ها، مایکروسافت آزور و گوگل کلود پلتفرم) مسئول مدیریت زیرساخت سروری است و تابع‌ها را به صورت رویدادها فراخوانی می‌کند.در معماری بدون سرور، تابع‌ها به صورت مجزا و مستقل از یکدیگر و در واکنش به رویدادها (Event-driven) اجرا می‌شوند. هر تابع به عنوان یک واحد عملکردی کوچک، محدود و قابل مقیاس‌پذیری طراحی می‌شود و معمولاً به صورت یک تابع کوتاه و محدودیت‌های زمانی اجرا می‌شود. این تابع‌ها توسط یک سرویس مدیریت شده توسط ارائه‌دهنده ابری فراخوانی و اجرا می‌شوند، و پس از اتمام عملیات، مقیاس‌پذیری و خاموش می‌شوند.Domain Driven Designطراحی دامنه محور (Domain-Driven Design (DDD)) یک رویکرد معماری و روش توسعه نرم‌افزار است که هدف آن هماهنگ کردن سیستم‌های نرم‌افزاری با دامنه کسب و کار است. این روش، مجموعه‌ای از اصول، الگوها و شیوه‌های طراحی برای ساخت سیستم‌های نرم‌افزاری پیچیده را ارائه می‌دهد که متمرکز بر مفاهیم و منطق اصلی کسب و کار است.تمرکز اصلی DDD بر روی درک و مدل‌سازی دامنه مسئله کسب و کار است. این رویکرد بر همکاری بین کارشناسان دامنه و توسعه‌دهندگان تاکید دارد. با استفاده از زبانی مشترک و توافق بر مفاهیم و اصطلاحات دامنه، تیم‌های توسعه قادرند تا سیستم‌های نرم‌افزاری را بر اساس نیازها و توانایی‌های واقعی کسب و کار طراحی و پیاده‌سازی کنند.Hexagonal architectureمعماری هگزاگونال (Hexagonal Architecture) یک الگوی طراحی نرم‌افزار است که بهبود قابل توجهی در جداسازی و مدیریت وابستگی‌ها و ارتباطات بین لایه‌های مختلف سیستم نرم‌افزاری را بهبود می‌بخشد. این الگو بر مفهوم اصلی "دامنه هسته" (Core Domain) تمرکز دارد و سیستم را درون یک لایه مرکزی قرار می‌دهد که به آن "هسته" (Core) یا "دامنه هسته" (Core Domain) می‌گویند.مفهوم اصلی هگزاگونال این است که هسته سیستم (یا دامنه هسته) باید مستقل از جزئیات فنی و جزئیات بیرونی سیستم باشد. به عبارت دیگر، هسته سیستم باید بتواند بدون توجه به رابط‌ها و فناوری‌های خارجی خود را تغییر دهد.معماری هگزاگونال تشریح می‌کند که یک سیستم نرم‌افزاری باید به شکل یک هگزاگون (شش ضلعی) به نظر برسد. در این هگزاگون، هسته سیستم در مرکز قرار می‌گیرد و محاط از طریق لایه‌های مستقیم (Adapters) با عوامل خارجی ارتباط برقرار می‌کند. این لایه‌های مستقیم می‌توانند شامل واسط‌های کاربری (UI Adapters)، واسط‌های دسترسی به داده (Data Access Adapters)، واسط‌های نرم‌افزاری خارجی (External Software Adapters) و ... باشند.مزیت اصلی معماری هگزاگونال در جداسازی هسته سیستم از جزئیات بیرونی آن است. این الگو به توسعه‌دهندگان اجازه می‌دهد تا هسته را براساس منطق و قوانین دامنه بهینه کنند و در عین حال از مشکلاتی مانند تغییرات فنی و وابستگی به تکنولوژی‌های خاص جلوگیری کنند. در صورت نیاز به تغییرات، تنها لایه‌های مستقیم را باید تغییر داد و هسته سیستم به صورت خودکار تغییرات را اعمال می‌کند.Event Sourcingیک الگوی طراحی نرم‌افزار است که برای ذخیره‌سازی و بازیابی وضعیت سیستم بر اساس رویدادها (Events) در طول زمان استفاده می‌شود. در این الگو، هر عملیات یا تغییری که در سیستم رخ می‌دهد به صورت یک رویداد ثبت می‌شود و سیستم بر اساس این رویدادها به حالت فعلی خود می‌رسد.در مدل Event Sourcing، وضعیت فعلی سیستم تنها توسط رویدادهایی که در گذشته رخ داده‌اند، تعیین می‌شود. به عبارت دیگر، به جای ذخیره کردن وضعیت فعلی سیستم، ما می‌توانیم تمام رویدادها را ذخیره کنیم و با اجرای آنها به ترتیب زمانی، وضعیت فعلی سیستم را بازسازی کنیم. این الگو به ما اجازه می‌دهد تا یک تاریخچه کامل از تغییراتی که در سیستم رخ داده‌اند را داشته باشیم و بتوانیم به هر زمان مشخصی در گذشته بازگردیم.با استفاده از Event Sourcing، می‌توانیم عملیاتی مانند ثبت نام، بروزرسانی اطلاعات، حذف و غیره را با استفاده از رویدادها ذخیره کنیم. هر رویداد در واقع یک شیء است که شامل اطلاعاتی در مورد تغییراتی است که در سیستم رخ داده است (برای مثال: رویداد "کاربر ساخته شد" شامل اطلاعات مانند شناسه کاربر، نام، ایمیل و زمان ساخت کاربر است).Low code platformsپلتفرم‌های Low-Code یا Low-Code Platforms، ابزارهای توسعه نرم‌افزار هستند که به توسعه‌دهندگان امکان می‌دهند بدون نیاز به تجربه برنامه‌نویسی عمیق، برنامه‌های کاربردی را سریع‌تر و با کمترین تلاش ایجاد کنند. این پلتفرم‌ها با ارائه یک محیط توسعه گرافیکی و ابزارهای بصری، فرایند توسعه نرم‌افزار را ساده‌تر و قابل فهم‌تر می‌کنند.مزایای استفاده از پلتفرم‌های Low-Code عبارتند از:سرعت توسعه: با استفاده از ابزارها و قالب‌های بصری، توسعه‌دهندگان قادرند به سرعت برنامه‌های کاربردی را ایجاد کنند و زمان توسعه را به شدت کاهش دهند.سهولت استفاده: پلتفرم‌های Low-Code برای توسعه‌دهندگان با سطح مهارت مختلف قابل استفاده هستند. این به معنی این است که حتی افرادی که تجربه برنامه‌نویسی کمی دارند می‌توانند از این پلتفرم‌ها بهره ببرند و برنامه‌های قابل استفاده را ایجاد کنند.کاهش وابستگی به توسعه‌دهندگان: با استفاده از پلتفرم‌های Low-Code، توسعه‌دهندگان می‌توانند به شدت وابستگی به توسعه‌دهندگان خاص را کاهش دهند. این به معنی این است که اگر یک توسعه‌دهنده راهی سازمان را ترک کند، دیگر توسعه‌دهندگان می‌توانند به راحتی پروژه را ادامه دهند.انعطاف‌پذیری: پلتفرم‌های Low-Code انعطاف بالایی دارند و امکان توسعه و تغییر برنامه‌ها را با سرعت بالا به توسعه‌دهندگان می‌دهند. این به معنی این است که در صورت نیاز به اعمال تغییرات در برنامه، آن را بسرعت و با کمترین کدنویسی ممکن انجام داد.اتصال به سیستم‌های موجود: پلتفرم‌های Low-Code قابلیت اتصال به سیستم‌ها و خدمات موجود را دارند. این به معنی این است که می‌توانید به راحتی با سیستم‌های دیگر ارتباط برقرار کنید و از قابلیت‌های آنها بهره ببرید.Business Process Management Systems (BPMS)سیستم‌های مدیریت فرآیند کسب و کار (Business Process Management Systems یا BPMS) ابزارهایی هستند که برای مدیریت و بهینه‌سازی فرآیندهای کسب و کار در یک سازمان استفاده می‌شوند. این سیستم‌ها امکانات متنوعی را برای تعریف، مدیریت، اجرا، نظارت و بهبود فرآیندها فراهم می‌کنند.سیستم BPMS به تیم‌های سازمانی اجازه می‌دهند تا فرآیندهای کسب و کار را به صورت گرافیکی تعریف کنند و قابلیت اتوماسیون اجرای این فرآیندها را فراهم می‌سازند. همچنین، این سیستم‌ها اطلاعاتی درباره عملکرد فرآیندها ارائه می‌دهند که به تصمیم‌گیری بهتر و بهبود مستمر کمک می‌کنند.سیستم BPMS معمولاً شامل ابزارهایی برای تنظیم قوانین، مدیریت و پیگیری وظایف، اتصال به سیستم‌های دیگر و گزارش‌گیری است. این ابزارها به سازمان‌ها کمک می‌کنند تا به صورت کارآمدتر و تصمیم‌گیری بهتری درباره فرآیندهای کسب و کار خود داشته باشند.Message Queue (such as Kafka and RabbitMQ)صف پیام (Message Queue) یک مکانیزم نرم‌افزاری است که برای انتقال و ذخیره پیام‌ها بین اجزای سیستم مورد استفاده قرار می‌گیرد. سیستم‌های صف پیام مانند Apache Kafka و RabbitMQ ابزارهایی هستند که برای پیاده‌سازی این مکانیزم استفاده می‌شوند.صف پیام به عنوان یک لایه میانی بین فرستنده و گیرنده پیام‌ها عمل می‌کند. در این سیستم، فرستنده پیام پیام خود را به یک صف (یا یک تاپیک در Kafka) ارسال می‌کند و سپس گیرنده پیام از همان صف پیام برای دریافت و پردازش پیام استفاده می‌کند. این فرآیند اجازه می‌دهد که فرستنده و گیرنده پیام‌ها به صورت ناهمزمان (Asynchronous) و مستقل از هم عمل کنند.Container orchestration (such as Kubernetes)مدیریت ظرفیت (Container orchestration) یک روش برای مدیریت و اجرای برنامه‌های محاکمه شده درون ظروف (container) مانند Docker است. یکی از ابزارهای معروف برای مدیریت ظرفیت، Kubernetes است.کوبرنتیز (Kubernetes) یک سامانه متن‌باز و قابل مقیاس برای مدیریت و اجرای برنامه‌های محاکمه شده درون ظروف است. با استفاده از Kubernetes، می‌توانید یک مجموعه از ظروف را به عنوان یک واحد سازماندهی و مدیریت کنید. این سیستم مسئولیت‌هایی مانند توزیع بار، مقیاس پذیری خودکار، بررسی و تعمیر خودکار، مدیریت نودها و مانیتورینگ را بر عهده می‌گیرد.با استفاده از Kubernetes، می‌توانید برنامه‌های خود را درون ظروف اجرا کرده و آن‌ها را در یک محیط متناوب و قابل اعتماد مدیریت کنید. این سیستم به شما اجازه می‌دهد تا برنامه‌های خود را بر روی یک مجموعه از سرورها، معمولاً به عنوان یک خوشه (cluster) شناخته می‌شوند، توزیع کنید. این خوشه می‌تواند شامل چندین نود (node) باشد که هرکدام از آن‌ها می‌توانند درون ظروفی که برنامه‌ها را اجرا می‌کنند، قرار گیرند.با استفاده از Kubernetes، می‌توانید برنامه‌های خود را به صورت اتوماتیک مقیاس پذیر کنید. در صورتی که بار کار برنامه افزایش یابد، Kubernetes می‌تواند تعداد ظروف که برنامه را اجرا می‌کنند، به طور خودکار افزایش دهد تا بتواند با ترافیک بیشتر سر و کار داشته باشد. همچنین، در صورت کاهش بار کار، می‌توانید تعداد ظروف را کاهش دهید تا منابع سیستم را بهینه سازی کنید.با استفاده از Kubernetes، می‌توانید نیازمندی‌های خود را توسعه دهید و برنامه‌های خود را به صورت مداوم بروزرسانی کنید بدون اینکه برنامه را متوقف یا از دسترس برای کاربرانتان ببرید. این سیستم به صورت هماهنگی و همزمانی بین برنامه‌های مختلف و نگهداری خوبی از آن‌ها، بروزرسانی‌ها را فراهم می‌کند.همچنین با استفاده از Kubernetes، می‌توانید مانیتورینگ و مدیریت عملکرد برنامه‌های خود را بهبود بخشید. Kubernetes امکاناتی برای نظارت بر عملکرد ظروف و نودها را فراهم می‌کند و اطلاعاتی مانند میزان استفاده از منابع سیستم، ترافیک شبکه، وضعیت سلامتی ظروف و غیره را در اختیار شما قرار می‌دهد. این اطلاعات به شما کمک می‌کنند تا عملکرد برنامه‌ها را بررسی کرده، مشکلات را تشخیص دهید و تصمیم‌گیری‌های مناسب برای بهبود عملکرد بگیرید.Log Management Tools (such as ELK)ابزارهای مدیریت لاگ (Log Management Tools) مجموعه‌ای از ابزارها و سیستم‌ها هستند که برای جمع‌آوری، مدیریت، ذخیره و تجزیه و تحلیل لاگ‌ها (Logs) استفاده می‌شوند. این ابزارها به سازمان‌ها کمک می‌کنند تا لاگ‌های تولید شده توسط سیستم‌ها و برنامه‌های مختلف را به صورت مرتب و قابل جستجو ذخیره و بهبود پیدا کنند.یکی از ابزارهای معروف مدیریت لاگ ELK است که شامل مجموعه‌ای از ابزارها به نام‌های Elasticsearch، Logstash و Kibana است. این مجموعه ابزارها که با هم تعامل می‌کنند، قابلیت‌های مختلفی را در زمینه مدیریت لاگ‌ها فراهم می‌کنند.الستیک سرچ (Elasticsearch) یک موتور جستجو و تحلیل توزیع‌شده است که برای ذخیره و جستجوی سریع و قابل مقیاس لاگ‌ها و سایر داده‌ها استفاده می‌شود. این سیستم مقیاس‌پذیری بالا را ارائه می‌دهد و قابلیت پردازش موازی و جستجوی پیچیده را در داده‌ها فراهم می‌کند.لاگ ستچ (Logstash) یک ابزار تجزیه و تحلیل لاگ است که برای جمع‌آوری، تبدیل و فیلتر کردن لاگ‌ها استفاده می‌شود. این ابزار می‌تواند لاگ‌ها را از منابع مختلفی مانند فایل‌های لاگ، سیستم‌های مختلف مانیتورینگ و سرویس‌های شبکه جمع‌آوری کند و آن‌ها را برای تحلیل و ذخیره در Elasticsearch آماده کند.کیبانا (Kibana) یک رابط کاربری وب برای تجزیه و تحلیل و نمایش داده‌های ذخیره شده در Elasticsearch است. با استفاده از Kibana، کاربران می‌توانند به راحتی نمودارها، نمودارهای متحرک، جداول و داشبوردهای تعاملی را براساس داده‌های لاگ‌ها و سایر داده‌ها ایجاد کنند و به تحلیل و نظارت بر عملکرد سیستم‌ها و برنامه‌ها بپردازند.با استفاده از این ابزارها، سازمان‌ها می‌توانند لاگ‌های سیستم و برنامه‌های خود را به صورت مرکزی جمع‌آوری کرده، آن‌ها را تحلیل کنند و به راحتی درک کنند که در طول زمان چه اتفاقی در سیستم‌ها و برنامه‌ها رخ داده است. همچنین، این ابزارها قابلیت‌های جستجو و فیلتر کردن پیشرفته را فراهم می‌کنند، که به کاربران امکان می‌دهد بر اساس معیارهای مختلف لاگ‌ها را جستجو و تحلیل کنند.Monitoring tools (such as Prometheus)ابزارهای نظارت (Monitoring tools) مجموعه‌ای از ابزارها و سیستم‌ها هستند که برای مانیتورینگ و پایش عملکرد سیستم‌ها، برنامه‌ها و خدمات مورد استفاده قرار می‌گیرند. این ابزارها به سازمان‌ها کمک می‌کنند تا معیارهای مختلفی مانند عملکرد، قابلیت دسترسی، استفاده از منابع و وضعیت سیستم را نظارت کرده و در صورت بروز مشکلات و خطاها، هشدار دهند و اطلاعات لازم را برای تحلیل و رفع مشکل فراهم کنند.یکی از ابزارهای معروف نظارت Prometheus است که به عنوان یک سیستم متن‌باز برای جمع‌آوری و ذخیره سازی داده‌های معیار استفاده می‌شود. نحوه عملکرد Prometheus از طریق معماری Pull می‌باشد، به این صورت که Prometheus به طور مداوم از سرویس‌ها و برنامه‌های هدف درخواست‌های HTTP می‌گیرد و داده‌های معیار آن‌ها را جمع‌آوری می‌کند.Static Code Analysis (such as SonarQube)تجزیه و تحلیل کد استاتیک (Static Code Analysis) یک فرآیند اتوماتیک است که در آن نرم‌افزارها و کدهای برنامه‌نویسی برای شناسایی خطاها، نقاط ضعف امنیتی، عدم رعایت قوانین برنامه‌نویسی و مشکلات عملکردی مورد بررسی قرار می‌گیرند. این فرآیند بر روی کدهای منبع (source code) صورت می‌گیرد و بدون اجرای واقعی برنامه، بررسی‌های مورد نیاز را انجام می‌دهد.یکی از ابزارهای معروف برای تجزیه و تحلیل کد استاتیک، SonarQube است. SonarQube یک ابزار متن‌باز است که برای ارزیابی کیفیت کد و شناسایی مشکلات مختلف در برنامه‌های نرم‌افزاری استفاده می‌شود. این ابزار می‌تواند در پروژه‌های برنامه‌نویسی با زبان‌های مختلف از جمله Java، C، C++، C#، JavaScript و Python استفاده شود. mohadese sakhaie mohadese sakhaie Fri, 24 Nov 2023 17:39:26 +0330 https://virgool.io/@m.sakhaie539/%D9%81%D8%B5%D9%88%D9%84-%D8%AF%DB%8C%DA%AF%D8%B1-v2nys5fbrvnw خلاصه ای از سایر فصولمعماری چیست؟ معماری به سیاست های سطح بالا یا اصول طراحی اشاره دارد که توسعه یک سیستم نرم افزاری را هدایت می کند. این پایه ای است که سیستم بر روی آن ساخته می شود و تصمیمات مربوط به رابط ها، چارچوب ها، وابستگی ها و سیستم های پایگاه داده را در بر می گیرد.خط مشی سطح بالا باید در مورد جزئیات خاص سیستم، مانند رابط با دنیای خارج، میکروسرویس های یا چارچوب های SOA، چارچوب های تزریق وابستگی، و انتخاب سیستم پایگاه داده، ناشناس باشد. با توسعه خط مشی سطح بالا بدون تعهد به این جزئیات، می توان تصمیم گیری در مورد آنها را به تأخیر و یا تعویق انداخت و امکان جمع آوری اطلاعات بیشتر و انتخاب های آگاهانه تر را فراهم کرد. ساختار دقیق سیستم، مانند تعداد سیلندرها و هدهای روی دیسک یا داده‌های خاص ذخیره‌شده در هر سیلندر، نباید به‌صورت سخت به کد متصل شود، بلکه باید توسط خط‌مشی سطح بالا تعیین شود. خط مشی سطح بالا نباید مربوط به نوع خاصی از سیستم پایگاه داده مورد استفاده باشد، چه فایل های رابطه ای، توزیع شده، سلسله مراتبی یا مسطح . mohadese sakhaie mohadese sakhaie Fri, 20 Oct 2023 21:51:56 +0330 https://virgool.io/@m.sakhaie539/%D9%85%D8%B9%D9%85%D8%A7%D8%B1%DB%8C-%D8%AA%D9%85%DB%8C%D8%B2-ctftvjzhpcj1 فصل 15:معماری چیست؟ معماری به سیاست های سطح بالا یا اصول طراحی اشاره دارد که توسعه یک سیستم نرم افزاری را هدایت می کند. این پایه ای است که سیستم بر روی آن ساخته می شود و تصمیمات مربوط به رابط ها، چارچوب ها، وابستگی ها و سیستم های پایگاه داده را در بر می گیرد.خط مشی سطح بالا باید در مورد جزئیات خاص سیستم، مانند رابط با دنیای خارج، میکروسرویس های یا چارچوب های SOA، چارچوب های تزریق وابستگی، و انتخاب سیستم پایگاه داده، ناشناس باشد. با توسعه خط مشی سطح بالا بدون تعهد به این جزئیات، می توان تصمیم گیری در مورد آنها را به تأخیر و یا تعویق انداخت و امکان جمع آوری اطلاعات بیشتر و انتخاب های آگاهانه تر را فراهم کرد. ساختار دقیق سیستم، مانند تعداد سیلندرها و هدهای روی دیسک یا داده‌های خاص ذخیره‌شده در هر سیلندر، نباید به‌صورت سخت به کد متصل شود، بلکه باید توسط خط‌مشی سطح بالا تعیین شود. خط مشی سطح بالا نباید مربوط به نوع خاصی از سیستم پایگاه داده مورد استفاده باشد، چه فایل های رابطه ای، توزیع شده، سلسله مراتبی یا مسطح .فصل 16:جداسازی در سطح کد منبع ممکن است برای طول عمر پروژه کافی باشد، اما اگر مشکلات استقرار یا توسعه ایجاد شود، جداسازی در سطح استقرار ممکن است ضروری باشد. جداسازی در سطح خدمات یک رویکرد رایج است، اما می‌تواند گران باشد و جداسازی درشت دانه را تشویق کند. معماری سیستم باید از موارد استفاده ای که برای آن در نظر گرفته شده است پشتیبانی کند و این باید اولین دغدغه معمار باشد.حالت جداسازی یک سیستم احتمالا با گذشت زمان تغییر می کند و یک معمار خوب باید این تغییرات را پیش بینی و تسهیل کند. هنگام جداسازی عمودی موارد استفاده، مهم است که در برابر وسوسه جفت کردن آنها بر اساس شباهت‌ها در ساختار صفحه نمایش، الگوریتم‌ها یا پرسش‌ها و طرح‌واره‌های پایگاه داده مقاومت کنید.فصل 17:این بخش مفهوم معماری نرم‌افزار را مورد بحث قرار می‌دهد، که شامل ترسیم مرزهای بین عناصر نرم‌افزار برای به تعویق انداختن تصمیم‌های غیر تجاری و به حداقل رساندن منابع مورد نیاز برای توسعه و نگهداری سیستم است. هدف این است که تصمیمات مربوط به چارچوب‌ها، پایگاه‌های داده، وب سرورها، کتابخانه‌های ابزار و تزریق وابستگی را از منطق اصلی کسب‌وکار جدا نگه داریم و به آنها اجازه دهیم در مراحل بعدی بدون تأثیر قابل‌توجه اتخاذ شوند. این قسمت بر اهمیت جداسازی اجزای مختلف یک سیستم، مانند رابط‌های کاربری گرافیکی و قوانین تجاری، با مرزها تأکید می‌کند. این مرزها به مدیریت تغییرات و وابستگی‌های بین اجزا کمک می‌کند و امکان انعطاف‌پذیری و جایگزینی آسان‌تر اجزا را بدون تأثیرگذاری بر دیگران فراهم می‌کند. اصل مسئولیت منفرد و اصل وارونگی وابستگی به عنوان اصول راهنما برای ترسیم این مرزها ذکر شده است.فصل 18:این بخش در مورد هدف معماری داشتن فرآیندهای سطح پایین به عنوان پلاگین برای فرآیندهای سطح بالاتر، با ارتباط در سراسر مرزهای فرآیند محلی شامل فراخوانی سیستم عامل، مارشال کردن داده ها و رمزگشایی، و سوئیچ های زمینه بین پردازشی بحث می کند. حالت جداسازی در سطح استقرار استفاده می شود، که در آن اجزا به شکل باینری یا قابل استقرار، مانند یک فایل WAR یا یک فهرست، تحویل داده می شوند. وابستگی‌های کد منبع برای ایجاد گذرگاه‌های مرزی مناسب مدیریت می‌شوند، زیرا تغییرات در یک ماژول کد منبع ممکن است نیاز به تغییر یا کامپایل مجدد ماژول‌های دیگر داشته باشد. معماری یک سیستم با اجزای نرم افزاری و مرزهایی که آنها را از هم جدا می کند، تعریف می شود که می تواند اشکال مختلفی داشته باشد.فصل 19:Policy and Level یک بخش تحقیقاتی است که در مورد چگونگی سیستم های نرم افزاری و اساساً بیانیه خط مشی هستند، جایی که یک برنامه کامپیوتری به عنوان توصیف دقیق خط مشی ای عمل می کند که توسط آن ورودی ها به خروجی تبدیل می شوند. این قسمت بر اهمیت جداسازی سیاست‌های سطح بالا از ورودی‌های سطح پایین تأکید می‌کندفصل 20:قوانین کسب و کار و قوانین حیاتی کسب و کار: قوانین تجاری، از جمله قوانین حیاتی کسب و کار، قوانین یا رویه هایی هستند که باعث ایجاد یا صرفه جویی در پول کسب و کار می شوند. آنها صرف نظر از اینکه بر روی کامپیوتر پیاده سازی شوند یا به صورت دستی اجرا شوند وجود دارند. قوانین حیاتی کسب و کار برای خود کسب و کار ضروری هستند و حتی بدون اتوماسیون نیز وجود خواهند داشت. آنها را می توان توسط یک برنامه کامپیوتری یا به صورت دستی توسط یک کارمند محاسبه کرد. موارد استفاده و قوانین خاص برنامه: موارد استفاده قوانین خاص برنامه را توصیف می کند که بر تعامل بین کاربران و موجودیت ها حاکم است. آنها رابط کاربری سیستم یا نحوه ظاهر شدن سیستم برای کاربر را توصیف نمی کنند. موارد استفاده اشیایی هستند که دارای عملکردهایی هستند که قوانین تجاری خاص برنامه را اجرا می کنند. آنها همچنین شامل داده های ورودی، داده های خروجی و ارجاع به نهادهای مربوطه می شوند. بی ربط بودن تحویل سیستم و مدیریت داده ها: موارد استفاده نحوه تحویل سیستم (وب، کلاینت ضخیم، کنسول یا سرویس) یا نحوه ورود و خروج داده ها به سیستم را مشخص نمی کند. تمرکز بر روی قوانین خاص برنامه است که بر تعامل کاربر و نهاد حاکم است.فصل 21:این بخش اهمیت معماری نرم‌افزاری را مورد بحث قرار می‌دهد که از موارد استفاده سیستم پشتیبانی می‌کند، مشابه اینکه چگونه پلان‌های یک ساختمان موارد استفاده آن را منعکس می‌کنند. چارچوب‌ها ابزارهای قدرتمندی هستند، اما باید با شک و تردید به آن‌ها نگاه کرد و برای حفظ تأکید مورد استفاده در معماری، به‌طور استراتژیک از آن‌ها استفاده کرد. معماری نباید بر اساس چارچوب باشد. فریم ورک ها ابزارهایی هستند که باید مورد استفاده قرار گیرند، نه معماری هایی که باید با آنها مطابقت داشته باشند. معماری یک سیستم به جای تمرکز بر چارچوب های مورد استفاده، باید موارد استفاده سیستم را به اشتراک بگذارد. هنگامی که برنامه نویسان جدید به مخزن منبع نگاه می کنند، باید بتوانند موارد استفاده سیستم را بدون اطلاع از جزئیات نحوه تحویل آن درک کنند.فصل 22:این بخش معماری های مختلفی را مورد بحث قرار می دهد که هدف آنها جداسازی نگرانی ها و استقلال از چارچوب ها است. این معماری ها شامل معماری clean، معماری شش ضلعی (همچنین به عنوان پورت ها و آداپتورها نیز شناخته می شود) و غیره است. همه آنها در هدف جداسازی قوانین تجاری از رابط های کاربر و سیستم مشترک هستند و با تقسیم نرم افزار به لایه ها به این هدف می رسند. معماری پاک، به طور خاص، بر استفاده از لایه‌ها برای جداسازی نگرانی‌ها و حفظ جزئیاتی مانند پایگاه داده و چارچوب وب در خارج تأکید می‌کند. درونی‌ترین لایه تبدیل داده‌ها را برای چارچوب‌های ماندگار انجام می‌دهد، در حالی که بیرونی‌ترین لایه از چارچوب‌ها و ابزارها تشکیل شده است. این قسمت بینش هایی در مورد این معماری ها و اصول آنها برای ساختن سیستم های نرم افزاری قوی و قابل نگهداری ارائه می دهد.فصل 23:این بخش استفاده از الگوی Humble Object در معماری نرم افزار را برای افزایش تست پذیری سیستم ها مورد بحث قرار می دهد. این الگو در مرزهای معماری مانند بین رابط های دروازه و پایگاه داده یا بین سرویس ها اعمال می شود. با تفکیک رفتارهای قابل آزمایش و غیر قابل آزمایش به کلاس‌های مختلف، مانند Presenter و Viewدر مورد رابط‌های گرافیکی، الگوی Humble Objectامکان تست واحد را آسان‌تر می‌کند. این بخش تأکید می کند که آزمایش پذیری یک ویژگی مهم معماری های خوب است و استفاده از الگوی Humble Object به دستیابی به این هدف کمک می کند. فصل 24:این بخش مفهوم مرزهای معماری و استراتژی های مختلف برای اجرای آنها را مورد بحث قرار می دهد. یک رویکرد این است که به طور مستقل اجزای قابل کامپایل و قابل استقرار ایجاد کنید و آنها را با هم در یک جزء نگه دارید. سه راه ساده برای اجرای جزئی یک مرز معماری وجود دارد، اما استراتژی های بسیار دیگری نیز وجود دارد. هر رویکرد دارای هزینه ها و مزایای خاص خود است و در زمینه های خاص به عنوان یک مکان نگهدار برای یک مرز آینده مناسب است. با این حال، اگر مرز هرگز محقق نشود، پیاده سازی می تواند تنزل یابد.فصل 25:این بخش مفهوم مرزهای معماری در سیستم‌های نرم‌افزاری و اهمیت تشخیص زمانی که به آنها نیاز است را مورد بحث قرار می‌دهد. نویسنده از مثال یک بازی رایانه ای مبتنی بر متن برای نشان دادن مفهوم جداسازی رابط کاربری (UI) از قوانین بازی با استفاده از یک API مستقل از زبان استفاده می کند. مؤلفه UI API را به زبان انسانی مناسب برای بازارهای مختلف ترجمه می کند. قانون وابستگی به عنوان دستورالعملی برای هدایت صحیح وابستگی ها بین اجزا ذکر شده است که با استفاده از مثال MoveManagement و PlayerManagementدر بازی، ممکن است مرزهای معماری اضافی فراتر از UI، قوانین بازی و اجزای ذخیره سازی داده وجود داشته باشد. نمودار در شکل 25.7 این سناریو را به شکلی مختصر نشان می دهد. این بخش تاکید می کند که مرزهای معماری در همه جا وجود دارد و معماران باید در شناسایی و اجرای آن دقت کنند.فصل 26:جزء اصلی در سیستم:مولفه اصلی پایین ترین خط مشی است و به عنوان نقطه ورود اولیه سیستم عمل می کند. مستقل از اجزای دیگر است و مسئول ایجاد تمام کارخانه ها، استراتژی ها و سایر امکانات جهانی است. شرایط و تنظیمات اولیه را تنظیم می کند، منابع خارجی را جمع آوری می کند و سپس کنترل را به خط مشی سطح بالای برنامه واگذار می کند. می توان آن را به عنوان یک افزونه برای برنامه در نظر گرفت، با قابلیت داشتن چندین مؤلفه اصلی برای پیکربندی های مختلف. وابستگی های کامپوننت اصلی باید توسط یک چارچوب تزریق وابستگی تزریق شود و پس از تزریق، Main باید آن وابستگی ها را به طور معمول بدون استفاده از چارچوب توزیع کند. فصل 27:خلاصه: خدمات در معماری خدمات در معماری با خود معماری یکسان نیستند، زیرا خدمات فقط فراخوانی تابع در سراسر مرزهای فرآیند و/یا پلت فرم هستند. برخی از خدمات ممکن است از نظر معماری مهم باشند، در حالی که برخی دیگر اینگونه نیستند. معماری یک سیستم با مرزهایی تعریف می شود که خط مشی سطح بالا را از جزئیات سطح پایین جدا می کند و از قانون وابستگی پیروی می کند. خدماتی که به سادگی رفتارهای برنامه را از هم جدا می کنند، کمی فراتر از فراخوانی عملکرد گران قیمت هستند و ممکن است از نظر معماری مهم نباشند. با این حال، ایجاد سرویس‌هایی که عملکردها را در بین فرآیندها و پلتفرم‌ها از هم جدا می‌کنند، چه از قانون وابستگی پیروی کنند یا نه، مزایایی دارد. علاقه در خدمات معماری قابل توجه نهفته است. فرض بر این است که مزایای فرضی خدمات تحت مالکیت و بهره برداری توسط یک تیم اختصاصی، که امکان توسعه و استقرار مستقل را فراهم می کند، مقیاس پذیر است. سیستم‌های سازمانی بزرگ را می‌توان از سرویس‌های مستقل توسعه‌پذیر و قابل استقرار با توسعه، نگهداری و بهره‌برداری بین تیم‌های مستقل ایجاد کرد. با این حال، در این باور اشتباهاتی وجود دارد. به عنوان مثال، اگر یک فیلد جدید به رکورد داده‌ای که بین سرویس‌ها ارسال می‌شود اضافه شود، هر سرویسی که در آن فیلد کار می‌کند باید تغییر کند، و آنها را به طور غیرمستقیم با یکدیگر جفت می‌کند. رابط های خدماتی رسمی تر، دقیق تر یا بهتر از رابط های تابع تعریف نمی شوند.فصل 28:خلاصه ای از "مرز آزمون": همه آزمون ها، صرف نظر از اندازه و نوع آنها، از نظر نقشی که در سیستم دارند، از نظر معماری معادل هستند. تست ها مانند هر جزء دیگر در معماری سیستم شرکت می کنند. تست ها را می توان بخشی از سیستم در نظر گرفت و می تواند تاثیر بسزایی در معماری سیستم داشته باشد. به عنوان مثال، تغییرات در صفحه ورود یا ساختار ناوبری می تواند باعث شکست بسیاری از تست ها شود. آزمون‌ها انواع مختلفی دارند، مانند آزمون‌های واحد، آزمون‌های ادغام، آزمون‌های پذیرش، آزمون‌های عملکردی، آزمون‌های خیار، آزمون‌های TDD، آزمون‌های BDD و آزمون‌های مؤلفه. با این حال، از منظر معماری، همه آزمون ها یکسان هستند. API آزمایشی مسئول پنهان کردن ساختار برنامه از آزمایش‌ها است و به کد تولید و آزمایش‌ها اجازه می‌دهد تا به طور مستقل بازسازی و تکامل یابند. جفت ساختاری قوی بین تست ها و کد تولید می تواند مانع از تکامل لازم هر دو جزء شود. اگر نگرانی‌هایی در مورد استقرار APIآزمایشی در سیستم‌های تولید وجود دارد، می‌توان آن را در یک جزء جداگانه و مستقل نگهداری کرد.فصل 29:ادعای مطرح شده توسط داگ اشمیت در قسمت خود این است که در حالی که نرم افزار فرسوده نمی شود، سیستم عامل و سخت افزار منسوخ می شوند و نیاز به اصلاحات نرم افزاری دارند. توسعه جاسازی شده نگرانی های خاصی مانند فضای حافظه محدود، محدودیت های زمان واقعی، IO محدود، رابط های کاربری غیر متعارف، و اتصالات به دنیای واقعی دارد. سخت افزار اغلب همزمان با نرم افزار و سیستم عامل توسعه می یابد و ممکن است تا زمانی که سخت افزار در دسترس نباشد، جایی برای اجرای کد وجود نداشته باشد. علاوه بر این، سخت افزار ممکن است نقص هایی داشته باشد که پیشرفت توسعه نرم افزار را بیشتر کند می کند.توضیح ادعا: ادعای داگ اشمیت در قسمت خود این است که در حالی که نرم افزار فرسوده نمی شود، سیستم عامل و سخت افزار منسوخ می شوند و نیاز به اصلاحات نرم افزاری دارند. نگرانی های توسعه جاسازی شده: توسعه جاسازی شده نگرانی های خاصی مانند فضای حافظه محدود، محدودیت های زمان واقعی، IOمحدود، رابط های کاربری غیر متعارف، و اتصالات به دنیای واقعی دارد. سخت‌افزار اغلب همزمان با نرم‌افزار و سیستم‌افزار توسعه می‌یابد، و ممکن است تا زمانی که سخت‌افزار در دسترس نباشد، جایی برای اجرای کد وجود نداشته باشد. علاوه بر این، سخت افزار ممکن است نقص هایی داشته باشد که پیشرفت توسعه نرم افزار را بیشتر کند می کند. به طور خلاصه، این ادعا نشان می‌دهد که در حالی که نرم‌افزار به خودی خود فرسوده نمی‌شود، سفت‌افزار و سخت‌افزاری که به آن متکی است می‌تواند منسوخ شود و نیاز به اصلاحات نرم‌افزاری داشته باشد. توسعه تعبیه شده چالش های منحصر به فردی از جمله منابع محدود و نیاز به توسعه نرم افزار در کنار سخت افزار را ایجاد می کند. این عوامل می توانند بر طول عمر و مفید بودن نرم افزارهای تعبیه شده تأثیر بگذارند. mohadese sakhaie mohadese sakhaie Fri, 20 Oct 2023 21:40:51 +0330 https://virgool.io/@m.sakhaie539/%D9%85%D8%AF%DB%8C%D8%B1%DB%8C%D8%AA-%D8%AF%D8%A7%D9%86%D8%B4-%D9%88-%D9%87%D9%88%D8%B4-%D8%B3%D8%A7%D8%B2%D9%85%D8%A7%D9%86%DB%8C-%D8%A8%D8%A7-%D8%B1%D9%88%DB%8C%DA%A9%D8%B1%D8%AF-%D8%AA%D8%AD%D9%84%DB%8C%D9%84-%D8%B4%D8%A8%DA%A9%D9%87-%D9%87%D8%A7%DB%8C-%D9%BE%DB%8C%DA%86%DB%8C%D8%AF%D9%87-wn1jvuxaf10j چکیدههدف از این پیشنهاد پژوهشی، بررسی رابطه بین مدیریت دانش، هوش سازمانی و علم شبکه در زمینه یک سازمان است. با استفاده از رویکرد علم شبکه، این مطالعه با هدف روشن کردن چگونگی تولید، به اشتراک گذاری و استفاده از دانش در شبکه سازمانی و اینکه چگونه این شبکه دانش بر هوش کلی و سازگاری سازمان تأثیر می‌گذارد، می‌پردازد و تلاش می‌کند راهی بهینه برای یافتن گلوگاه‌های دانش و به اشتراک گذاری اطلاعات در یک سازمان بپردازد. این مطالعه با به کارگیری رویکرد علم شبکه، کشف چگونگی تولید، به اشتراک گذاری و استفاده از دانش در شبکه سازمانی است و اینکه چگونه این شبکه دانش بر هوش کلی و سازگاری شرکت تأثیر می گذارد.مقدمهتحلیل شبکه پیچیده ابزار ارزشمندی برای مدیریت دانش و هوش سازمانی است. سازمان ها را قادر می سازد تا روابط بین بازیگران مختلف، جریان اطلاعات و ساختار دانش در سازمان خود را درک کنند. با تجزیه و تحلیل ارتباطات بین افراد و بخش‌های مختلف، سازمان‌ها می‌توانند بازیگران کلیدی، تنگناهای بالقوه و حوزه‌هایی را که دانش ممکن است در آن‌ها محو شده یا کمتر مورد استفاده قرار گیرد، شناسایی کنند. نکته حائز اهمیت دیگر این است که ما نمی‌توانیم سیستم‌های پیچیده را درک کنیم مگر اینکه درک عمیقی از شبکه‌های پشت آن‌ها ایجاد کنیم. به طور سنتی، پیوندهای بین افراد به عنوان کانال‌هایی تلقی می‌شوند که از طریق آن‌ها جریان منابع (اطلاعات، دانش، یا مواد) تسهیل یا محدود می‌شود. Barabási(2016).در اقتصاد دانش محور امروزی، شرکت‌ها در مدیریت موثر منابع دانش و بهره‌گیری از هوش جمعی نیروی کار خود با چالش های مهمی روبرو هستند. در حالی که سازمان ها اهمیت مدیریت دانش و هوش سازمانی را درک می کنند، اغلب به دلیل عوامل مختلفی مانند پیچیدگی جریان دانش، درک ناکافی از شبکه های دانش و مشکلات در اندازه‌گیری و ارزیابی هوش سازمانی، برای طراحی و اجرای استراتژی‌های موثر تلاش می‌کنند.علاوه بر این، رویکردهای سنتی مدیریت دانش اغلب بر دانش صریح تمرکز می‌کنند و نقش حیاتی دانش ضمنی و تعاملات اجتماعی در ایجاد و انتشار دانش را نادیده می‌گیرند. این دیدگاه محدود، سازمان ها را از سرمایه گذاری کامل بر دارایی های دانش خود باز می دارد و مانع از توسعه فرهنگ یادگیری لازم برای تقویت نوآوری و سازگاری می شود. وجود شکاف در درک شبکه‌های دانش و رابطه آن‌ها با هوش سازمانی را یکی از عوامل مهم در شناخت سازمان دانشته و محدودیت های رویکردهای مدیریت دانش موجود و نیاز به دیدگاه علم شبکه برای تجزیه و تحلیل و بهینه سازی جریان های دانش را شناسایی می کنید.برای مقابله با این چالش ها و پیشبرد حوزه مدیریت دانش، پذیرش یک رویکرد کل نگر و شبکه محور ضروری است. علم شبکه، به عنوان یک حوزه بین رشته ای، مجموعه ای از ابزارها و روش های تحلیلی را برای کشف روابط پیچیده و پویایی در شبکه‌های دانش سازمانی ارائه می‌دهد. هدف این مطالعه با اتخاذ دیدگاه علم شبکه، کشف الگوها، ساختارها و فرآیندهای اساسی است که بر تبادل دانش، همکاری و هوش سازمانی تأثیر می‌گذارد و همچنین یافتن سیلوهای دانش، نودهای با ریسک بالا و یافتن شبکه ارتباطات خاص و معایب و مزیت‌های ساختارهای شبکه‌های همکاری ست.در رابطه با زمینه و بستر تحقیق به اطلاعات پس زمینه و محیطی را که تحقیق در آن قرار دارد، می‌پردازیم. سازمان مدنظر در این تحقیق هر سازمانی خواهد بود که کارمندان به شیوه‌های مختلف به ارتباط گرفتن با یکدیگر و مبادله اطلاعات می‌پردازند. طبعا در این شرایط و برای ساخت گراف تعداد کارمندان باید از کسب و کارهای کوچک و سنتی چشم پوشی کرد و هدف این تحقیق چنین کسب و کارهایی نخواهند بود، سازمان مدنظر باید دارایه چندین بخش و لایه ساختاری باشد تا پژوهش قابل اعمال بر آن باشد. برای مثال یک سازمان با حدود 100-200 عضو و یا یک دانشگاه مثال‌های مناسبی برای تحلیل خواهند بود که امکان ساخت گراف همکاری، خوشه بندی و تحلیل‌های مربوط به هوش سازمانی را فراهم می‌نماید.اهمیت موضوعاین تحقیق پیامدهای قابل توجهی هم برای تئوری و هم برای عمل دارد. یافته‌ها با ادغام حوزه‌های مدیریت دانش، هوش سازمانی و علوم شبکه به مجموعه دانش موجود کمک خواهد کرد. با بررسی رابطه بین شبکه‌های دانش و هوش سازمانی، این مطالعه درک ما را از اینکه چگونه سازمان‌ها می‌توانند جریان دانش خود را بهینه کنند و فرآیندهای تصمیم‌گیری را بهبود بخشند، افزایش می‌دهد.از منظر عملی، نتایج این چنین تحقیقاتی بینش‌ها و توصیه‌های ارزشمندی را برای مدیران و تصمیم گیرندگان در شرکت ها ارائه خواهد کرد و روند تصمیم‌گیری برای آنان را تسهیل خواهد کرد. درک پویایی شبکه های دانش و تأثیر آن‌ها بر هوش سازمانی، سازمان‌ها را قادر می‌سازد تا استراتژی‌های مدیریت دانش مؤثرتری را توسعه دهند، همکاری و نوآوری را تقویت کنند و در نهایت مزیت رقابتی خود را افزایش دهند. مزیت دیگر این مطالعه شناسایی نقاط ضعف سازمان در تبادل دانش و نقاط حساس و گلوگاه‌های جریان دانش و داده و نمایش آن‌ها به عوامل تصمیم‌گیرنده به صورت عینی (از طریق مدلسازی و شبیه سازی شبکه‌ها) خواهد بود که برای بهبود و تقویت این موارد برنامه‌ای طرح‌ریزی کند.ادبیات موضوعدر این قسمت تلاش خواهد شد که به توضیح اجمالی از مفاهیم اولیه که در ادامه پژوهش تکرار خواهد شد پرداخته شود.مدیریت دانش: مدیریت دانش به فرآیندها، فعالیت ها و شیوه های سیستماتیک و استراتژیک با هدف ایجاد، جذب، سازماندهی، به اشتراک گذاری و استفاده از دانش در یک سازمان اطلاق می‌شود. این شامل شناسایی، اکتساب، ذخیره، بازیابی و کاربرد دانش صریح (رسمی و مدون) و ضمنی (شخصی و تجربی) برای افزایش یادگیری سازمانی، تصمیم‌گیری، نوآوری و عملکرد کلی است.هوش سازمانی: هوش سازمانی به توانایی جمعی یک سازمان برای جمع‌آوری، پردازش، تفسیر و استفاده از اطلاعات و دانش برای تصمیم‌گیری آگاهانه، انطباق با شرایط متغیر و دستیابی به اهدافش اشاره دارد. این ظرفیت سازمان برای یادگیری، تجزیه و تحلیل داده‌ها، شناسایی الگوها و روندها، و ایجاد بینش عملی است که به مزیت رقابتی و موفقیت سازمانی کمک می‌کند.علوم شبکه: علم شبکه یک رشته بین رشته‌ای است که بر مطالعه شبکه‌های پیچیده و ویژگی‌های آن‌ها تمرکز دارد. در زمینه این تحقیق، علم شبکه به کاربرد نظریه شبکه، نظریه گراف و روش‌های مرتبط برای تحلیل و درک روابط، تعاملات و جریان‌های دانش، چگونگی تشخیص خوشه‌های همکاری در یک شبکه سازمانی اشاره دارد. این شامل تجسم و مدلسازی ارتباطات بین افراد، تیم‌ها، بخش‌ها و سایر نهادها برای به دست آوردن بینش در مورد ساختار، پویایی، و اثربخشی تبادل دانش و همکاری است.شبکه های دانش: شبکه‌های دانش، روابط و تعاملات به هم پیوسته بین افراد، گروه‌ها یا نهادهای درون یک سازمان هستند که از طریق آن دانش به اشتراک گذاشته می‌شود، انتشار می‌یابد و مورد استفاده قرار می‌گیرد. این شبکه‌ها می‌توانند شامل کانال‌های ارتباطی رسمی (به عنوان مثال، ساختارهای گزارش‌دهی رسمی) و همچنین ارتباطات غیررسمی (به عنوان مثال، روابط شخصی، ارتباط از طریق ایمیل سازمانی و یا شخصی و حتی تبادل اطلاعات رو در رو باشد(2)) باشند که جریان دانش، ایده‌ها، تخصص و بهترین شیوه‌ها را تسهیل می‌کنند.جریان های دانش: جریان های دانش به حرکت و تبادل دانش در درون و بین افراد، تیم‌ها و بخش‌های درون یک سازمان اشاره دارد. این جریان‌ها هم می‌توانند صریح باشند، مانند اسناد رسمی، گزارش‌ها یا پایگاه‌های اطلاعاتی و هم ضمنی که از طریق تعاملات اجتماعی، گفتگوها، راهنمایی‌ها و مشاهده‌ها اتفاق می‌افتد. درک جریان های دانش برای شناسایی تنگناها، شکاف ها و فرصت ها در شبکه سازمانی ضروری است(2).تجزیه و تحلیل شبکه های اجتماعی: تجزیه و تحلیل شبکه های اجتماعی روشی است که برای تجزیه و تحلیل و تجسم روابط اجتماعی و تعاملات درون یک شبکه استفاده می‌شود. در زمینه مدیریت دانش و هوش سازمانی، SNA[1]را می توان برای درک الگوهای ارتباط، همکاری و تبادل اطلاعات بین افراد یا گروه ها به کار برد. این به شناسایی افراد با نفوذ، کارگزاران کلیدی دانش و پویایی‌های اشتراک دانش در شبکه کمک می‌کند. در این مورد باید توجه داشت که روابط افراد در یک سازمان نیز در دسته رفتار و ارتباطات اجتماعی دسته بندی می‌شود از این رو مهم است که به این جنبه توجه داشت.مرکزیت: مرکزیت معیاری است که در علم شبکه برای تعیین اهمیت یا تأثیر یک گره (فرد، تیم، بخش) در یک شبکه استفاده می‌شود. معیارهای مرکزیت، مانند مرکزیت درجه[2]، مرکزیت نزدیکی[3]، و مرکزیت میانی[4]، می‌توانند گره‌هایی را که به خوبی متصل، تأثیرگذار هستند یا به عنوان واسطه در شبکه دانش عمل می‌کنند، آشکار کنند.نقشه برداری دانش: نگاشت دانش شامل نمایش و تحلیل بصری دارایی‌ها، جریان‌ها و روابط دانش در یک سازمان است. این یک تصویر گرافیکی از شبکه دانش را ارائه می‌دهد و ارتباطات، تخصص و شکاف‌های دانش را در بین افراد، تیم‌ها و بخش‌ها برجسته می‌کند. نقشه‌برداری دانش به شناسایی منابع دانش، زمینه‌های تخصص و فرصت‌های همکاری و اشتراک دانش کمک می‌کند.تقریباً هر کتاب یا مقاله ای که با موضوع مدیریت دانش در سازمان ها منتشر می‌شود، تعریف متفاوتی از مدیریت دانش دارد. بنابراین بسیاری از نویسندگان بر عدم توافق در مورد چگونگی تعریف و مفهوم سازی مدیریت دانش تأکید می‌کنند (لوریا 2008؛ مهریزی و بونتیس 2009). یکی از تمایزات کلی که می توان از نظر نحوه مدیریت دانش ایجاد کرد، بین رویکردهای فناوری و مردم محور است. بنابراین، در حالی که برخی پیشنهاد می‌کنند که مدیریت دانش را می‌توان با پیاده‌سازی و استفاده از انواع خاصی از فناوری‌های اطلاعات و ارتباطات (ICTs) برابر دانست، برخی دیگر بر موارد بیشتری تمرکز می‌کنند. روش‌های غیرمستقیم مدیریت دانش، از طریق مدیریت افرادی که دانش را در اختیار دارند و از آن استفاده می‌کنند. هولسپل (2005) ادعا می‌کند که این دو رویکرد قابل تفکیک نیستند و مدیریت دانش مدرن از فناوری جدایی ناپذیر است، به این معنی که اجرای واقعی مدیریت دانش در سازمان ها همیشه ترکیبی از این دو است.در این بخش مروری با توجه به بر مدیریت دانش و اهمیت آن در سازمان‌ها، درک جامعی از مفهوم و اهمیت آن در چارچوب عملکرد و موفقیت سازمانی ارائه می‌دهد.همانطور که قبل‌تر نیز اشاره شد، مدیریت دانش شامل فرآیندها، شیوه‌ها و فعالیت‌های سیستماتیک و استراتژیک است که سازمان‌ها برای ایجاد، جمع‌آوری، ذخیره، سازمان‌دهی، اشتراک‌گذاری و بکارگیری دانش برای دستیابی به اهداف خود به کار می‌گیرند. هم دانش صریح (اطلاعات رسمی و مدون) و هم دانش ضمنی (بینش های شخصی، تجربیات و تخصص) را در بر می گیرد. با مدیریت مؤثر دانش، سازمان ها می توانند قابلیت های یادگیری خود را افزایش دهند، تصمیم گیری را بهبود بخشند، نوآوری را تقویت کنند و مزیت رقابتی به دست آورند. مدیریت دانش در سازمان‌ها به فرآیند سیستماتیک شناسایی، جذب، سازماندهی و استفاده از دانش برای ارتقای عملکرد سازمانی و دستیابی به اهداف استراتژیک اشاره دارد. این شامل ایجاد محیطی است که به اشتراک گذاری دانش، همکاری و یادگیری در بین کارکنان را ترویج می کند.اولین تعاریف مدیریت دانش را می توان در کتاب اصلی Working Knowledge توسطDavenport و Prusak (1998) یافت: مدیریت دانش به بهره برداری و توسعه دارایی های دانش یک سازمان با هدف پیشبرد اهداف سازمان مربوط می شود. دانشی که باید مدیریت شود شامل دانش صریح و مستند و دانش ضمنی و ذهنی است. مدیریت مستلزم تمام آن فرآیندهای مرتبط با شناسایی، اشتراک و ایجاد دانش است. این امر مستلزم سیستم هایی برای ایجاد و نگهداری مخازن دانش، و پرورش و تسهیل اشتراک دانش و یادگیری سازمانی است. سازمان‌هایی که در مدیریت دانش موفق می‌شوند، احتمالاً دانش را به عنوان یک دارایی می‌بینند و هنجارها و ارزش‌های سازمانی را توسعه می‌دهند که از ایجاد و اشتراک دانش حمایت می‌کند.تعریف بعدی مدیریت دانش بیان می‌کند(Dalkir 2005): مدیریت دانش عبارت است از هماهنگی سنجیده و سیستماتیک افراد، فناوری، فرآیندها و ساختار سازمانی یک سازمان به منظور ایجاد ارزش از طریق استفاده مجدد و نوآوری. این هماهنگی از طریق ایجاد، به اشتراک گذاری و به کارگیری دانش و همچنین از طریق تغذیه درس های ارزشمند آموخته شده و بهترین شیوه ها در حافظه شرکت به منظور تقویت یادگیری سازمانی مستمر حاصل می شود.اما تعریف گسترده مدیریت دانش همچنان بسته به دیدگاهی که انتخاب می‌شود، فضایی را برای تفسیرهای مختلف از مدیریت دانش باقی می‌گذارد. در این کتاب ما از دو دیدگاه پرکاربرد برای مدیریت دانش استفاده می‌کنیم: دیدگاه عینیت‌گرا و دیدگاه مبتنی بر عمل (که مشابه دیدگاه «دانش به‌عنوان یک شی» و «دانش به‌عنوان یک فرآیند» از علوی و لیدنر 2001 هستند. . دیدگاه عینی گرایی دانش را به عنوان یک موجودیت مجزا در نظر می گیرد که می تواند جمع آوری و در مخازن ذخیره شود که به کارکنان اجازه می دهد به این دانش دسترسی پیدا کرده و جستجو کنند. از این رو، این یک رویکرد بسیار فنی است و بر انتخاب و استقرار فناوری های مدیریت دانش مناسب تمرکز دارد. دیدگاه مبتنی بر عمل، دانش را به عنوان تجسم در انسان ها در نظر می گیرد و بنابراین بر تسهیل فرآیندها و به اشتراک گذاری دانش بین فردی تمرکز می کند. این امر مستلزم یک رویکرد سازمانی است و شامل ایجاد فرهنگی است که در آن دانش به اشتراک گذاشته می‌شود و مدیران کارکنان خود را بر اساس سهم آنها در مدیریت دانش و نه تنها در بهره‌وری مالی ارزیابی می‌کنند.(1)هدف مدیریت دانش این است که اطمینان حاصل شود که دانش و تخصص با ارزش به طور موثر در سازمان مورد استفاده قرار می‌گیرد و در سراسر سازمان به اشتراک گذاشته می‌شود، نه اینکه در هنگام خروج کارکنان از بین برود. این شامل اجرای استراتژی‌ها، فرآیندها و فناوری‌ها برای تسهیل ایجاد، ذخیره سازی، بازیابی و انتشار دانش است.مدیریت دانش مؤثر می‌تواند به چندین مزیت برای سازمان‌ها منجر شود، از جمله افزایش نوآوری، بهبود تصمیم‌گیری، افزایش بهره‌وری، خدمات بهتر به مشتریان و توانایی سازگاری با محیط‌های متغیر. همچنین فرهنگ یادگیری مستمر و به اشتراک گذاری دانش را تقویت می کند که می‌تواند به موفقیت بلندمدت سازمان کمک کند.(3)در اینجا باید اشاره کرد که مدیریت دانش به این شیوه فعالیت‌های مختلفی را در برمی‌گیرد. مثل ایجاد، جمع‌آوری، ساماندهی و سازماندهی، اشتراک گذاری، استفاده و نگهداری و حفظ دانش.1. ایجاد دانش: تشویق کارکنان به تولید دانش جدید از طریق تحقیق، نوآوری و حل مسئله.2. جمع‌آوری دانش: شناسایی و به دست آوردن دانش صریح (مانند اسناد، گزارش ها) و دانش ضمنی (مانند تخصص، تجربیات) از افراد درون سازمان.3. سازماندهی دانش: ساختار و دسته بندی دانش برای سهولت در دسترس و قابل فهم کردن آن. این ممکن است شامل ایجاد مخازن دانش، پایگاه های داده یا استفاده از سیستم‌های مدیریت دانش باشد.4. به اشتراک گذاری دانش: تسهیل تبادل دانش بین کارکنان از طریق پلتفرم های همکاری، جوامع عملی، برنامه های مربیگری و سایر کانال های ارتباطی.5. استفاده از دانش: بکارگیری دانش برای بهبود تصمیم گیری، حل مسئله و نوآوری در سازمان.6. حفظ دانش: حصول اطمینان از حفظ و دسترسی به دانش مهم حتی زمانی که کارکنان سازمان را ترک می کنند. این ممکن است شامل ایجاد فرآیندهای انتقال دانش یا اجرای برنامه ریزی جانشین پروری باشد.(2).(3)تحلیل داده و جریان داده در سازمانتجزیه و تحلیل داده ها شامل بررسی، تبدیل و تفسیر داده های خام برای کشف الگوها، استخراج بینش های معنادار و حمایت از تصمیم‌گیری است. این شامل تکنیک‌های مختلف، مانند تجزیه و تحلیل آماری، داده‌کاوی، یادگیری ماشینی، و تجسم، برای درک داده‌های موجود و استخراج اطلاعات عملی است.از طرفی جریان داده که شامل جمع آوری، ذخیره سازی، پردازش، به اشتراک گذاری و استفاده از آن در عملکردها و بخش های مختلف می شود. این شامل جریان داده های داخلی تولید شده در سازمان و داده های خارجی به دست آمده از منابع مختلف است.فرآیند شناسایی داده ها چگونه به جمع آوری داده ها کمک می کند؟باید توجه داشت که فرآیند شناسایی داده ها نقش مهمی در استراتژی کلی حفاظت از داده ایفا می‌کند. با شناسایی و طبقه بندی انواع مختلف داده‌ها در یک سازمان، شرکت ها می‌توانند درک جامعی از چشم انداز داده‌های خود به دست آورند. این فرآیند به تعیین حساسیت و بحرانی بودن داده ها کمک می‌کند و به سازمان ها اجازه می‌دهد تلاش‌های حفاظتی خود را بر این اساس اولویت بندی کنند.شناسایی داده‌ها شرکت ها را قادر می سازد تا خطرات و آسیب پذیری های بالقوه مرتبط با انواع مختلف داده‌ها را شناسایی کنند. این به شناسایی عناصر داده حساس (SDEs) مانند اطلاعات تماس مشتری، شماره های امنیتی یا بررسی پیشینه کارمندان کمک می‌کند. با درک اینکه کدام عناصر داده حساس هستند، سازمان‌ها می‌توانند اقدامات امنیتی مناسب را برای محافظت از آن‌ها در برابر دسترسی، افشا یا از دست دادن غیرمجاز اجرا کنند. علاوه بر این، شناسایی داده‌ها انطباق با الزامات قانونی را تسهیل می‌کند. این به سازمان‌ها اجازه می‌دهد تا جریان داده‌های شخصی را شناسایی و ردیابی کنند و اطمینان حاصل کنند که مطابق با قوانین و مقررات مربوط به حفاظت از داده‌ها مدیریت می‌شود. این فرآیند همچنین به برآورده شدن الزامات قانونی کسب رضایت از مشتریان برای پردازش داده ها کمک می‌کند.به طور کلی، فرآیند شناسایی داده‌ها، پایه‌ای برای حفاظت موثر از داده‌ها فراهم می‌کند. این سازمان‌ها را قادر می‌سازد تا دارایی‌های داده خود را درک کنند، خطرات را ارزیابی کنند و اقدامات امنیتی مناسب را برای حفاظت از اطلاعات حساس اجرا کنند. با داشتن درک روشنی از چشم انداز داده های خود، سازمان ها می‌توانند تصمیمات آگاهانه در مورد جمع آوری، ذخیره سازی و پردازش داده‌ها اتخاذ کنند و از حفاظت کلی از داده‌های خود اطمینان حاصل کنند.(4)مدیریت دانش به کمک شبکه پیچیدهرابطه بین علم شبکه و مدیریت دانش در سازمان قابل توجه است و می تواند مزایای ارزشمندی چون درک شبکه های دانش را فراهم آورد علم شبکه یک چارچوب سیستماتیک برای درک ساختار، پویایی و تعاملات درون شبکه های دانش ارائه می‌دهد. این به شرکت ها اجازه می دهد تا روابط بین افراد، تیم ها، بخش ها و مخازن دانش را نقشه‌برداری کرده و تجزیه و تحلیل کنند. با به کارگیری اصول علم شبکه، سازمان‌ها می‌توانند بینشی در مورد چگونگی جریان دانش، کارگزاران کلیدی دانش و نحوه اشتراک گذاری اطلاعات و تخصص کسب کنند.یکی دیگر از امکانات استثنائی علم شبکه در مدیریت دانش و هوش سازمانی شناسایی گره های دانش کلیدی است با تکنیک‌های علوم شبکه می توانند به شناسایی تأثیرگذارترین و مرکزی ترین گره‌ها در شبکه‌های دانش کمک کنند. این گره‌ها می‌توانند افراد یا تیم‌هایی باشند که نقش مهمی در ایجاد، انتشار و استفاده از دانش دارند. با شناسایی این گره‌های کلیدی دانش، شرکت‌ها می‌توانند از تخصص خود استفاده کنند و به اشتراک گذاری دانش را تشویق کنند و همکاری بین کارکنان را ارتقا دهند.همچنین مزیت دیگر این روش این است که انتقال دانش تسهیل می‌گردد، علم شبکه می‌تواند انتقال کارآمد دانش را در یک شرکت تسهیل کند. با تجزیه و تحلیل ساختار و پویایی شبکه‌های دانش، سازمان‌ها می‌توانند الگوهای ارتباطی و همکاری را که از انتقال موثر دانش پشتیبانی می‌کنند، شناسایی کنند. به علاوه مداخلات و استراتژی‌هایی را برای تقویت ارتباطات بین منابع دانش و گیرندگان طراحی کنند و فرهنگ به اشتراک گذاری دانش و یادگیری را تقویت کنند.تکنیک های علم شبکه می‌توانند به افزایش نوآوری و قابلیت‌های حل مسئله در یک شرکت کمک کنند. با ترسیم شبکه‌های دانش، سازمان‌ها می‌توانند شکاف‌های دانش، حوزه‌های تخصص و همکاران بالقوه را برای پروژه‌ها یا چالش‌های خاص شناسایی کنند. این امکان همکاری هدفمند و بسیج کارآمد منابع دانش را فراهم می کند که منجر به بهبود نوآوری و نتایج حل مسئله می‌شود. به کارگیری اصول علم شبکه می تواند به بهینه سازی جریان دانش در یک سازمان کمک کند. با درک مسیرها، تنگناها و موانع در انتشار دانش، سازمان ها می‌توانند فرصت‌هایی را برای ساده سازی فرآیندهای انتقال دانش شناسایی کنند. آن‌ها می‌توانند استراتژی‌هایی را برای غلبه بر موانع ارتباطی، ترویج همکاری متقابل کارکردی، و اطمینان از اینکه دانش در زمان مناسب به افراد مناسب می‌رسد، اجرا کنند.با تجزیه و تحلیل شبکه های دانش و تکامل آن‌ها در طول زمان، سازمان‌ها می‌توانند بینشی در مورد اثربخشی ابتکارات به اشتراک‌گذاری دانش، تأثیر مداخلات، و پیدایش هاب‌های دانش جدید به دست آورند. این دانش می‌تواند راهبردهای یادگیری آینده، تلاش‌های بهبود مستمر و توسعه فرهنگ یادگیری در سازمان را اطلاع دهد.ادغام علم شبکه و مدیریت دانش در سازمان مهم است زیرا به سازمان‌ها اجازه می‌دهد تا شبکه‌های دانش را درک و بهینه کنند، انتقال دانش را تسهیل کنند، نوآوری و حل مسئله را تقویت کنند، از تصمیم‌گیری حمایت کنند و یادگیری سازمانی را ارتقا دهند. با استفاده از قدرت علم شبکه، شرکت ها می‌توانند پتانسیل کامل دارایی‌های دانش خود را باز کنند و به مزیت رقابتی در چشم انداز تجاری که به سرعت در حال تغییر هستند دست یابند.تحلیل شبکه پیچیده سازمانتحلیل شبکه پیچیده در سازمان شامل به کارگیری اصول و تکنیک‌های علوم شبکه برای مطالعه و تجزیه و تحلیل ساختار، پویایی و رفتار شبکه‌های پیچیده در تنظیمات سازمانی است. تجزیه و تحلیل شبکه پیچیده می‌تواند برای تجزیه و تحلیل شبکه‌های اجتماعی موجود در یک سازمان استفاده شود. با ترسیم ارتباطات بین کارمندان، تیم ها، بخش ها و سایر نهادهای سازمانی بینشی در مورد الگوهای ارتباطی، پویایی همکاری و جریان اطلاعات ارائه دهد. این تجزیه و تحلیل به شناسایی تأثیرگذاران کلیدی، کارگزاران دانش و گلوگاه های اطلاعاتی کمک می‌کند و سازمان ها را قادر می‌سازد تا فرآیندهای ارتباطی و همکاری را بهینه کنند. تجزیه و تحلیل شبکه پیچیده را می توان برای درک جریان دانش در یک سازمان به کار برد. با نگاشت شبکه های دانش، سازمان ها می توانند منابع دانش، افراد تاثیرگذار در حوزه دانش سازمان و دریافت کنندگان دانش را شناسایی کنند. تجزیه و تحلیل ساختار و پویایی شبکه های دانش به بهینه سازی اشتراک دانش، شناسایی شکاف های دانش، و تسهیل مداخلات هدفمند برای ترویج انتقال دانش و همکاری کمک می‌کند.پویایی و نوآوری در یک شرکت از دیگر مزایای استفاده از شبکه‌های پیچیده در تحلیل سازمان است با بررسی شبکه‌های همکاری و اشتراک ایده، سازمان‌ها می‌توانند بازیگران کلیدی در فرآیند نوآوری را شناسایی کنند، خوشه‌های نوآوری را شناسایی کنند و همکاری متقابل کارکردی را تقویت کنند. این تجزیه و تحلیل به بهینه سازی شبکه های نوآوری، تسهیل تبادل ایده ها و ترویج فرهنگ نوآوری کمک می‌کند و همچنین می‌تواند مدیران سازمان در جهت گسترش بهینه یاری نماید. در موارد مشابه به بهینه سازی عملیات زنجیره تامین، شناسایی آسیب پذیری‌ها و بهبود کارایی و پاسخگویی کلی کمک می‌کند.با مدلسازی و تجزیه و تحلیل پیوستگی عناصر مختلف سازمانی مانند سیستم ها، فرآیندها و ذینفعان، سازمان ها می‌توان به ارزیابی و مدیریت ریسک در یک سازمان کمک کرد. با یافتن نقاط بالقوه شکست، آسیب پذیری‌ها و اثرات آبشاری را شناسایی کنند. این تجزیه و تحلیل مدیریت ریسک فعال، برنامه ریزی اضطراری و ایجاد انعطاف پذیری را امکان پذیر می‌کند. شبکه پیچیده بینش‌های ارزشمندی را برای پشتیبانی از فرآیندهای تصمیم گیری در سازمان ارائه می‌دهد. با تجزیه و تحلیل ساختارها و ویژگی‌های شبکه، سازمان‌ها می‌توانند سهامداران کلیدی، تأثیرگذاران و رهبران افکار را شناسایی کنند. این دانش می‌تواند به تصمیم گیری استراتژیک، مشارکت ذینفعان و تلاش‌های مدیریت تغییر، کمک کند.همچنین تجزیه و تحلیل شبکه پیچیده را می توان برای ارزیابی و ارزیابی عملکرد شرکت مورد استفاده قرار داد. با تجزیه و تحلیل ویژگی‌های شبکه، مانند مرکزیت، اتصال، و ضرایب خوشه بندی، سازمان‌ها می‌توانند اثربخشی ارتباطات، همکاری و جریان دانش را اندازه گیری کنند. این تجزیه و تحلیل به شناسایی زمینه های بهبود، بهینه‌سازی ساختارهای سازمانی و افزایش عملکرد کلی کمک می‌کند.تجزیه و تحلیل شبکه پیچیده در سازمان یک چارچوب قدرتمند برای درک روابط پیچیده و پویایی که سیستم های سازمانی را شکل می‌دهد.هوش سازمانیهوش سازمانی به دانش جمعی، قابلیت ها و ظرفیت یادگیری یک سازمان به عنوان یک کل اشاره دارد. این شامل توانایی یک سازمان برای به دست آوردن، پردازش، تفسیر و به کارگیری موثر اطلاعات و دانش برای دستیابی به اهداف خود و سازگاری با محیط‌های در حال تغییر است. هوش سازمانی فراتر از هوش فردی است و بر هوشی تمرکز دارد که از تعاملات و همکاری بین افراد، تیم ها و سیستم‌های درون یک سازمان پدید می‌آید.در اینجا جنبه ها و ویژگی های کلیدی هوش سازمانی آورده شده است:در واقع هوش سازمانی در محیطی امکان رشد دارد که برای یادگیری و بهبود مستمر ارزش قائلند. سازمان‌هایی که فرهنگ یادگیری دارند، کنجکاوی، آزمایش و اشتراک دانش را تشویق می‌کنند. آن‌ها فضای باز و حمایتی را ایجاد می‌کنند که در آن افراد تشویق شوند تا به دنبال ایجاد ارتباط و کسب دانش جدید باشند، بینش‌های خود را به اشتراک بگذارند، و از موفقیت ها و شکست‌ها درس بگیرند و از تجارب موجود استفاده کنند.هوش سازمانی بر شیوه‌های مؤثر مدیریت اطلاعات متکی است. این شامل جمع آوری، سازماندهی، ذخیره سازی و بازیابی داده‌ها و اطلاعات مربوطه است. سیستم‌های اطلاعاتی، پایگاه‌های داده و پلتفرم‌های مدیریت دانش برای جمع آوری و انتشار اطلاعات در سراسر سازمان استفاده می‌شوند. همچنین از طریق ایجاد و به اشتراک گذاری، دانش افزایش می یابد و غنی‌تر می‌شود این شامل گرفتن دانش ضمنی از افراد و تبدیل آن به دانش صریح است که می تواند توسط دیگران به اشتراک گذاشته شود و مورد استفاده قرار گیرد. مکانیسم‌های به اشتراک گذاری دانش، مانند پلتفرم های مشارکتی، و برنامه های آموزشی انتقال دانش را در بین کارکنان تسهیل می کند.هوش سازمانی شامل توانایی درک اطلاعات پیچیده و تصمیم گیری آگاهانه است. این مستلزم توانایی تجزیه و تحلیل داده‌ها، شناسایی الگوها، اتصال اطلاعات متفاوت، و استخراج بینش‌های عملی است. فرآیندهای تصمیم‌گیری مؤثر، که با رویکردهای داده‌محور و هوش جمعی پشتیبانی می‌شوند، مؤلفه‌های کلیدی هوش سازمانی هستند. همچنین هوش سازمانی سازمان ها را قادر می‌سازد تا با تغییرات محیط داخلی و خارجی خود سازگار شوند و به آن‌ها پاسخ دهند. این شامل توانایی جمع‌آوری و پردازش سریع اطلاعات، شناسایی روندهای نوظهور، و ایجاد تنظیمات به موقع برای استراتژی ها و عملیات است. هوش سازمانی از چابکی پشتیبانی می‌کند و به سازمان‌ها اجازه می‌دهد تا فرصت‌ها را غنیمت بشمارند، ریسک‌ها را مدیریت کنند و به طور موثری عدم قطعیت‌ها را مدیریت کنند. به علاوه هوش سازمانی از طریق همکاری و کانال‌های ارتباطی موثر پرورش می‌یابد. این شامل ایجاد شبکه‌ها و روابطی است که تبادل ایده‌ها، تخصص و اطلاعات را در سطوح و عملکردهای مختلف سازمان تسهیل می‌کند. پلتفرم‌های همکاری، ساختارهای تیمی و ابتکارات متقابل عملکردی، هوش جمعی و اشتراک دانش را ارتقا می‌دهند.یکی از تکیه‌گاه‌های هوش سازمانی بر فرهنگ و بهبود مستمر تاکید دارد. این شامل استفاده از مکانیسم‌های بازخورد، معیارهای عملکردی برای هدایت نوآوری و افزایش اثربخشی سازمانی است. ابتکارات بهبود مستمر، مانند بهینه سازی فرآیند، پروژه‌های نوآورانه، و ارزیابی عملکرد، از رشد و توسعه هوش سازمانی حمایت می‌کند.هوش سازمانی سازمان ها را قادر می‌سازد تا از دانش جمعی خود استفاده کنند، از منابع خود به طور موثر استفاده کنند و تصمیمات آگاهانه بگیرند. فرهنگ یادگیری محور را ترویج کنند، توانایی سازمان را برای انطباق و پیشرفت در یک محیط تجاری پویا افزایش دهد. با پرورش هوش سازمانی، سازمان‌ها می‌توانند به موفقیت پایدار دست یابند و مزیت رقابتی را در صنایع مربوطه خود حفظ کنند.نمونه‌های انجام شده (مطالعه موردی)یکی از مطالعات نسبتا کامل و مشابه به این مبحث مقاله Complex Network Analysis for Knowledge Management and Organizational Intelligence است در این مقاله مروری بر مفهوم مدیریت دانش و تکامل آن در 40 سال گذشته ارائه می‌کند. این نشان می دهد که چگونه انتقال دانش به منبع مهمی از مزیت رقابتی برای شرکت ها در دستیابی به موفقیت تبدیل شده است. این مقاله همچنین چگونگی تغییر مدیریت دانش در طول زمان را با چالش‌ها، دیدگاه‌ها، نظریه‌ها و ابزارهای جدید برای حمایت و افزایش رشد و عملکرد شرکت‌ها مورد بحث قرار می‌دهد.این مقاله همچنین به بررسی مفهوم هوش سازمانی و ارتباط آن با مدیریت دانش می پردازد. هوش سازمانی به توانایی سازمان برای کسب، پردازش و استفاده از اطلاعات برای انطباق با محیط و دستیابی به اهدافش اشاره دارد. این مقاله پیشنهاد می‌کند که هوش سازمانی یک جنبه کلیدی مدیریت دانش است و پیامدهای آن را برای تحقیقات آینده مورد بحث قرار می‌دهد.علاوه بر این، این مقاله بینش هایی را در مورد منابع بالقوه داده برای مطالعه تعاملات کارکنان در یک سازمان ارائه می‌دهد. این منابع شامل ارتباط حضوری، ایمیل، پیام فوری، تماس های صوتی و شرکت در جلسات و بحث‌های آنلاین است. این مقاله پیشنهاد می‌کند که انتخاب روش گردآوری داده‌ها به طرح تحقیق و اهداف خاص مطالعه بستگی دارد.سپس روش‌ ساخت گراف در این تحقیق را بیان می‌کند و روش‌های عمومی محاسبات درجات و میزان سایر پارامترهای پایه‌ای علم شبکه را محاسبه می‌نماید.(2)به طور کلی، این مقاله یک نمای کلی از مدیریت دانش، اهمیت آن در موفقیت سازمانی، و راه های بالقوه برای تحقیقات آینده ارائه می دهد. اهمیت انتقال دانش، هوش سازمانی و روش‌های جمع‌آوری داده‌ها در درک تعاملات کارکنان در یک سازمان را برجسته می‌کند.(2)به صورت کلی در مقاله درباره یافتن گلوگاه در یک سازمان بحث نمی کند. در عوض، اهمیت ایجاد یک محیط حمایتی برای توسعه روابط رسمی و غیررسمی در تمام سطوح سلسله مراتب شرکت را مورد بحث قرار می دهد. این می تواند به ایجاد یک شبکه "جهان کوچک"، کاهش هزینه های مدیریت دانش و افزایش انتقال دانش کمک کند. این مقاله همچنین مفهوم هوش سازمانی و ارتباط آن با مدیریت دانش را مورد بحث قرار می دهد. هوش سازمانی به توانایی یک سازمان برای کسب، پردازش و استفاده از اطلاعات برای انطباق با محیط و دستیابی به اهدافش اشاره دارد. در حالی که این مقاله اطلاعاتی در مورد یافتن گلوگاه ها ارائه نمی‌شود.(2)مقاله بعدی در به کاربرد تحلیل شبکه دانش برای شناسایی تنگناهای اشتراک دانش در یک شرکت مهندسی(3) می‌پردازد در این مقاله استفاده از تکنیک تحلیل شبکه دانش را برای تجزیه و تحلیل شبکه های‌دانش در یک حوزه دانش خاص توصیف می‌کند. این تکنیک مبتنی بر تجزیه و تحلیل شبکه‌های اجتماعی که یک مفهوم عمومی در علم شبکه است و تکنیک پژوهشی پذیرفته شده در علوم اجتماعی است. برای اینکه تحلیل شبکه های اجتماعی برای تحلیل شبکه‌های دانش مناسب‌تر باشد، نویسندگان مفاهیم زیر را به این تکنیک اضافه کردند: نقش های مدیریت دانش، سطوح تخصص، سرعت دانش، و چسبناکی[5]دانش.این مقاله نتایج یک مطالعه موردی اکتشافی انجام شده در یک شرکت مشاوره و مهندسی دانش محور را ارائه می‌کند. هدف مطالعه موردی بررسی میزان توانایی این تکنیک برای شناسایی تنگناهای اشتراک دانش بود. نویسندگان یک حوزه دانش را برای انجام تحلیل شبکه دانش شناسایی کردند: مهندسی عمران. تعداد افراد شاغل در این حوزه دانش 31 نفر بود که 28 نفر از آن‌ها توانستند در پژوهش شرکت کنند.نویسندگان داده‌ها را با استفاده از تحلیل شبکه دانش تجزیه و تحلیل کردند و چندین گلوگاه اشتراک دانش را در شبکه دانش شناسایی کردند. آن‌ها دریافتند که شبکه دانش بسیار متمرکز است و تعداد کمی از افراد دارای درجه بالایی از قدرت و نفوذ هستند. آن‌ها همچنین دریافتند که جریان دانش محدود است و بیشتر افراد دانش را تنها با چند نفر از همکاران مبادله می‌کنند.بر اساس نتایج تجزیه و تحلیل، نویسندگان توصیه‌هایی را برای بهبود اشتراک دانش در سازمان مورد مطالعه فرموله کردند. این توصیه‌ها شامل تشویق کارکنان به تبادل دانش با تعداد بیشتری از همکاران، استفاده از فناوری اطلاعات و ارتباطات برای غلبه بر موانع تبادل دانش و ایجاد فرهنگ اشتراک دانش و همکاری بود.(3)به طور خلاصه، نویسندگان از تجزیه و تحلیل شبکه دانش، تکنیکی مبتنی بر تجزیه و تحلیل شبکه‌های اجتماعی، برای تجزیه و تحلیل شبکه‌های دانش در یک حوزه دانش خاص استفاده کردند. آن‌ها داده ها را از طریق یک نظرسنجی جمع آوری کردند و از NetMiner برای تجزیه و تحلیل بصری و کمی شبکه‌های دانش استفاده کردند. نتایج تجزیه و تحلیل برای شناسایی تنگناهای اشتراک دانش و تدوین توصیه هایی برای بهبود اشتراک دانش در سازمان مورد مطالعه استفاده شد.در مقاله دیگر بعدی تعریف خاصی از «مرکزیت» و «اتصال» در شبکه‌های سازمانی ارائه نشده است با این حال، نویسندگان اشاره می‌کنند که شاخص‌های مرکزیت و اتصال در سه سازمان مورد تجزیه و تحلیل اندازه گیری شده است و این شاخص‌ها احتمالاً برای تعیین کمیت اهمیت و تأثیر افراد در شبکه سازمانی استفاده می‌شوند. علاوه بر این، محققان بیان می‌کنند که بر اساس شاخص‌های مرکزیت و اتصال، تفاوت‌های آماری معناداری بین افراد در سطوح سلسله مراتبی مختلف وجود دارد. این نشان می دهد که مرکزیت و اتصال برای ارزیابی موقعیت و نفوذ افراد در شبکه بر اساس سطح سلسله مراتبی آنها استفاده می شود.(5)در حالی که روش های اندازه گیری دقیق برای مرکزیت و اتصال در متون داده شده ارائه نشده است، معیارهای رایج مورد استفاده در تحلیل شبکه شامل مرکزیت درجه، مرکزیت بینابینی، مرکزیت نزدیکی و مرکزیت بردار ویژه برای ارزیابی مرکزیت است. قابلیت اتصال را می‌توان با بررسی تعداد و قدرت اتصالات بین افراد یا گره ها در شبکه اندازه گیری کرد که توضیح تقریبا گنگی را ارائه داده‌اند.از نظر یافته‌های غیرمنتظره، محققان در این پژوهش دریافتند که در دو سازمان از سه سازمان مورد بررسی، تفاوت معنی‌داری در مرکزیت و ارتباط بین مدیران میانی و مدیران ارشد وجود ندارد. این نشان می‌دهد که سطح سلسله مراتبی در سازمان تأثیر قابل توجهی بر موقعیت یک فرد در شبکه ندارد. این یافته این فرض را به چالش می‌کشد که موقعیت‌های سلسله مراتبی بالاتر به طور خودکار مرکزیت و اتصال بیشتری را در شبکه سازمانی ایجاد می‌کنند. همچنین در مورد محدودیت‌ها، مطالعه تصدیق می‌کند که نمونه بزرگ‌تری از سازمان‌ها برای گسترش نتیجه‌گیری فراتر از زمینه خاص مورد مطالعه مفید خواهد بود. علاوه بر این، محققان برای مقایسه نتایج به‌دست‌آمده، استفاده از شبکه‌های بیشتر، به‌ویژه شبکه‌های غیررسمی را توصیه می‌کنند. این امر نیاز به تحقیقات آینده را برای کشف نقش رهبران غیررسمی و شبکه های غیررسمی در تحلیل شبکه سازمانی برجسته می کند.علاوه بر این، این مطالعه بر اهمیت انجام مطالعات تطبیقی برای شناسایی الگوها در زمینه‌های مختلف و توسعه نظریه‌هایی که رفتار روابط درون شبکه‌ها را توضیح می‌دهند. این نشان می دهد که تحقیقات آینده باید بر مطالعات بین فرهنگی متمرکز شود و باید پیامدهای آن را به صورت خاص مورد مطالعه قرار دهد.(5)ابزارهای مربوط در علم داده و شبکهابزارها و نر‌م‌افزارهای مختلفی وجود دارد که معمولاً در زمینه‌های دانش و علم داده و همچنین علوم شبکه استفاده می‌شود. در اینجا چند ابزار محبوب در هر حوزه آورده شده است.دانش و علم داده:Python پایتون یک زبان برنامه نویسی همه کاره است که به طور گسترده در علم داده استفاده می‌شود. دارای کتابخانه‌هایی مانند NumPy، Pandas و Scikit-learnاست که قابلیت‌های دستکاری، تجزیه و تحلیل و یادگیری ماشینی قدرتمندی را ارائه می‌دهند.R یک زبان برنامه نویسی است که به طور خاص برای محاسبات آماری و تجزیه و تحلیل داده‌ها طراحی شده است. این مجموعه گسترده‌ای از بسته‌ها، از جمله dplyr، ggplot2، و caretدارد که دستکاری، تجسم و مدلسازی داده‌ها را تسهیل می‌کند.SQL یک زبان استاندارد برای مدیریت و پرس و جو پایگاه داده های رابطه‌ای است. برای استخراج، دستکاری و تجزیه و تحلیل داده های ذخیره شده در پایگاه‌های داده استفاده می شود.Tableau ابزاری محبوب برای تجسم و توصیف داده‌ها است که به کاربران اجازه می‌دهد داشبوردها و گزارش‌های تعاملی و از نظر بصری جذاب ایجاد کنند. از منابع داده‌های مختلف پشتیبانی می‌کند و یک رابط کاربر پسند برای کاوش داده‌ها و داستان سرایی فراهم می‌کند.Apache Hadoop چارچوبی است که پردازش توزیع شده مجموعه داده‌های بزرگ را در میان خوشه‌های کامپیوتری امکان پذیر می‌کند. برای ذخیره و تجزیه و تحلیل داده‌های بزرگ استفاده می‌شود و ابزارهایی مانند سیستم فایل توزیع شده Hadoop (HDFS) و MapReduceرا برای پردازش داده ارائه می‌دهد.علم شبکه:NetworkX یک کتابخانه پایتون برای ایجاد، دستکاری و مطالعه ساختار، دینامیک و عملکرد شبکه های پیچیده است. طیف گسترده‌ای از الگوریتم ها و توابع را برای تجزیه و تحلیل شبکه، تجسم و مدل سازی فراهم می‌کند و یکی از ابزارهای پایه در این علم و این پژوهش در کنار Matplot خواهد بود.Gephi یک نرم افزار متن باز برای کاوش و تجسم شبکه‌ها است. این یک رابط کاربر پسند با قابلیت تجسم قدرتمند ارائه می‌دهد و از الگوریتم های مختلف تجزیه و تحلیل شبکه پشتیبانی می‌کند.Cytoscape یک پلت فرم همه کاره برای تجسم و تجزیه و تحلیل شبکه‌های پیچیده است. از طیف گسترده ای از انواع شبکه پشتیبانی می‌کند و قابلیت‌های تحلیل و مدلسازی شبکه گسترده‌ای را ارائه می‌دهد.Pajek یک بسته نرم‌افزاری برای تحلیل و تجسم شبکه‌های بزرگ است. این نرم‌افزار الگوریتم‌ها و ابزارهای پیشرفته تجزیه و تحلیل شبکه را برای تجزیه و تحلیل شبکه‌های اجتماعی، تشخیص جامعه و تجسم شبکه ارائه می‌دهد.igraph کتابخانه‌ای است که در چندین زبان برنامه نویسی از جمله R و Pythonموجود است. مجموعه ای جامع از توابع را برای تجزیه و تحلیل شبکه، تشخیص جامعه، معیارهای مرکزیت و تجسم فراهم می‌کند.هر کدام از ابزارهای معرفی شده با توجه به خروجی مدنظر و محدودیت‌های موجود قابل بحث و استفاده هستند.ابزارهای تحلیلتجزیه و تحلیل داده ها در تمام ابعاد در یک سازمان مستلزم ترکیبی از ابزارها و تکنیک ها است. در اینجا چند ابزار متداول استفاده می شود که می تواند به تجزیه و تحلیل داده ها در ابعاد مختلف کمک کند.ابزارهای هوش تجاری مجموعه ای جامع از ویژگی‌ها را برای تجزیه و تحلیل داده‌ها، گزارش‌دهی و تجسم ارائه می‌دهند. آن‌ها به کاربران اجازه می‌دهند داده‌ها را از زوایای مختلف و ابعاد مختلف کاوش کنند، داشبوردهای تعاملی ایجاد کنند و از طریق تجزیه و تحلیل‌های پیشرفته بینش ایجاد کنند. ابزارهای محبوب BI عبارتند از Tableau، Power BI، QlikViewو Looker.ابزارهای تجسم داده ها به نمایش مجموعه داده‌های پیچیده به صورت بصری کمک می‌کند و شناسایی الگوها، روندها و موارد پرت را آسان‌تر می‌کند. این ابزارها کاربران را قادر می‌سازد تا نمودارها، نمودارها، نقشه‌های حرارتی و سایر نمایش‌های بصری ایجاد کنند که کاوش و درک داده‌ها را تسهیل می‌کند. نمونه‌هایی از ابزارهای تجسم داده‌ها عبارتند از D3.js، Plotlyو Google Data Studio.ابزارهای تجزیه و تحلیل آماری برای انجام تحلیل‌های آماری پیشرفته بر روی داده های سازمانی استفاده می شود. این ابزارها کاربران را قادر می سازد تا مدل های آماری را اعمال کنند، آزمایش فرضیه ها را انجام دهند، تحلیل رگرسیون را انجام دهند و بینش‌هایی را از داده به دست آورند. ابزارهای رایج تجزیه و تحلیل آماری شامل کتابخانه‌های آماری R، SPSS، SASو Python (به عنوان مثال، NumPy، SciPy و StatsModels) است.یکپارچه سازی داده و ابزارهای ETL (Extract, Transform, Load) یکپارچه سازی داده‌ها و ابزارهای ETL شرکت‌ها را قادر می‌سازد تا داده را از منابع مختلف استخراج کنند، آن را تبدیل و پاکسازی کنند و در یک سیستم هدف برای تجزیه و تحلیل بارگذاری کنند. این ابزارها فرآیند آماده سازی داده را ساده کرده و کیفیت داده را تضمین می‌کنند. یکپارچه سازی داده‌ها و ابزارهای ETLرایج عبارتند از Informatica PowerCenter، Talendو Microsoft SSIS (SQL Server Integration Services).انتخاب ابزارها به نیازهای خاص و ماهیت داده‌های مورد تجزیه و تحلیل و تکنیک‌های تحلیلی به کار گرفته شده بستگی دارد. توجه به عواملی مانند مقیاس پذیری، سهولت استفاده، سازگاری با سیستم‌های موجود و تخصص تیم تجزیه و تحلیل داده‌ها هنگام انتخاب ابزارهای مناسب برای تجزیه و تحلیل داده‌ها در همه ابعاد در یک سازمان مهم است.تشخیص ساختار شبکه و آنتولوژییکی از وجوب مهم انجام تحلیل در هر زمینه و سازمانی شناخت ویژگی‌های پایه‌ای و مرتبط با موجودیت آن سازمان است. برای شناسایی هستی شناسی یک سازمان، می‌توان از روش‌های متفاوتی به پاسخ دست یافت، انجام مصاحبه با ذینفعان کلیدی در سازمان، مانند کارشناسان موضوع، مدیران و کارمندان مصاحبه کنید. از آن‌ها در مورد دامنه، فرآیندها و مفاهیم مرتبط با شرکت بپرسید. بینش و دیدگاه‌های آن‌ها را در مورد نحوه عملکرد شرکت و عناصر کلیدی که ساختار و عملکرد آن را تعریف می‌کنند جمع آوری شود.راه دیگر بازنگری اسناد موجود در سازمان، مانند نمودارهای سازمانی، اسناد فرآیند، خط مشی ها و رویه ها را بررسی کنید. این اسناد اغلب حاوی اطلاعات ارزشمندی در مورد ساختار، نقش ها و روابط درون سازمانی هستند. اصطلاحات و مفاهیم مورد استفاده در مستندات را برای به دست آوردن بینشی در مورد هستی شناسی شرکت تجزیه و تحلیل کنید.مطالعه فرآیندهای کسب و کار در شرکت. نقشه برداری و تحلیل فرآیند می‌تواند به کشف جریان اطلاعات، منابع و فعالیت‌ها و شناسایی موجودیت‌ها و روابط درگیر کمک کند. این تجزیه و تحلیل می‌تواند مفاهیم و نهادهای کلیدی را که برای عملیات شرکت حیاتی هستند، آشکار کند.کارگاه های مشترک یا جلسات طوفان فکری را با ذینفعان مرتبط سازماندهی کنید. شرکت کنندگان را تشویق کنید تا درک خود را از شرکت و حوزه آن به اشتراک بگذارند. تسهیل بحث برای شناسایی و تعریف مفاهیم کلیدی، موجودیت‌ها و روابطی که هستی شناسی شرکت را تشکیل می‌دهند. به علاوه تجزیه و تحلیل داده ها و سیستم های اطلاعاتی مورد استفاده در سازمان. به دنبال مدل‌های داده، طرح‌واره‌های پایگاه داده و ابرداده‌هایی باشید که بینش‌هایی درباره موجودیت‌ها، ویژگی‌ها و روابط ثبت‌شده در سیستم‌های شرکت ارائه می‌دهند. این تحلیل می تواند به شناسایی و اعتبارسنجی مفاهیم کلیدی و ارتباطات متقابل آنها کمک کند.برای بررسی تحقیقات موجود یا چارچوب‌ها و هستی‌شناسی‌های خاص صنعت مرتبط با حوزه شرکت، مروری بر ادبیات انجام دهید. این می‌تواند بینش‌هایی را در مورد مفاهیم و روابط تثبیت شده‌ای که معمولاً در زمینه‌های مشابه استفاده می‌شود، ارائه دهد.یکی دیگر از روش‌های پی بردن به هستی‌شناسی در یک سازمان این است که با جمع آوری اطلاعات و بینش از مراحل بالا، به طور مکرر هستی شناسی شناسایی شده را اصلاح و اعتبار سنجی کرد. با این حال همچنان باید به دنبال بازخورد از ذینفعان و کارشناسان موضوع بود تا مطمئن شد که هستی شناسی به طور دقیق ساختار و حوزه دانش شرکت را نشان می‌دهد. همچنین باید هستی‌شناسی شناسایی‌شده را مستند کرده و مفاهیم کلیدی، موجودیت‌ها، روابط، و تعاریف آن‌ها را به تصویر کشید. با استفاده از نمادها یا ابزارهای مناسب، یک نمایش واضح و مختصر از هستی شناسی ایجاد کرد. به طور منظم هستی شناسی را بررسی و به روز نمود تا مطمئن شد که هر گونه تغییر یا پیشرفت در شرکت را منعکس می‌کند. توجه به این نکته مهم است که شناسایی هستی شناسی یک سازمان یک فرآیند تکراری و مشارکتی است. این امر مستلزم مشارکت فعال و ورودی ذینفعان مختلف برای اطمینان از نمایش جامع و دقیق از ساختار و حوزه دانش شرکت است.روش‌های مدلسازی شبکه‌ایجاد یک شبکه مبتنی بر داده‌ها و جریان دانش در سازمان شامل چندین مرحله است. در اینجا یک نمای کلی از روند را بیان می‌کنیم، ابتدا باید محدوده تحلیل شبکه را به وضوح تعریف کرد، مانند داده‌ها و جریان‌های دانش خاص که باید تجزیه و تحلیل شوند و اهدافی که باید به آن‌ها دست یافت. همچنین حوزه‌های تمرکز، مانند شبکه‌های ارتباطی، شبکه‌های اشتراک دانش، یا شبکه‌های همکاری را بر اساس اهداف تجزیه و تحلیل معین نمود. سپس به جمع آوری داده‌های مرتبط پرداخت در مورد داده‌ها و جریان‌های دانش در سازمان این می‌تواند شامل داده‌هایی از منابع مختلف مانند گزارش‌های ارتباطی، پلت فرم‌های همکاری، سیستم‌های مدیریت دانش و مستندات پروژه باشد. باید هم داده‌های کمی (مانند تبادل ایمیل، فراوانی اشتراک‌گذاری اسناد) و هم داده‌های کیفی (مانند مصاحبه‌ها، نظرسنجی‌ها) را جمع‌آوری نمود تا بررسی کرد و دیدی جامع از شبکه به دست آورد.سپس گره ها یا موجودیت‌های درون سازمانی را که در جریان داده‌ها و دانش مشارکت دارند، شناسایی کردد. این گره‌‌ها می‌توانند شامل افراد، تیم ها، بخش ها، سیستم ها یا سایر واحدهای سازمانی باشند. روابط یا ارتباطات بین این گره ها را بر اساس ماهیت داده‌ها و جریان دانش، مانند روابط فرستنده و گیرنده یا مشارکت و همکاری تعیین کرد.در مرحله بعد داده‌های جمع آوری شده را در قالبی مناسب برای تحلیل شبکه نمایش می‌دهیم. این کار را می‌توان با استفاده از ابزارهای مدل سازی شبکه یا بسته‌های نرم افزاری که از تحلیل شبکه پشتیبانی می‌کنند انجام داد. گره‌ها را به عنوان نقاط (راس) و روابط را به عنوان اتصالات (لبه ها) در شبکه نمایش داد و در مرحله بعد به تجزیه و تحلیل آن پرداخت و از تکنیک‌های تحلیل شبکه برای مطالعه شبکه ایجاد شده استفاده کرد. این می‌تواند شامل تجزیه و تحلیل ویژگی‌های مختلف شبکه مانند معیارهای مرکزیت (به عنوان مثال، مرکزیت درجه، مرکزیت بینابینی)، ضرایب خوشه بندی، تراکم شبکه، یا الگوریتم های تشخیص جوامع و خوشه‌ها باشد. این تحلیل‌ها بینشی را در مورد ساختار، پویایی و رفتار شبکه، مانند شناسایی گره های کلیدی، هاب های دانش، گلوگاه های اطلاعاتی، یا الگوهای همکاری فراهم می‌کند که به درک بهتر ساختار و الگوهای شبکه کمک می‌کند. ابزارهای تجسم شبکه می‌توانند گره‌ها را به صورت دایره یا نماد، و لبه‌ها را به‌عنوان خطوط یا فلش‌ها با رنگ‌ها یا اندازه‌های مختلف نشان‌دهنده ویژگی‌ها یا معیارهای شبکه نشان دهند. همچنین امکان تعلق وزن باتوجه به میزان اهمیت آن نود یا لینک وجود خواهد داشت.تفسیر نتایج تجزیه و تحلیل شبکه باید به صورت دقیق تفسیر شوند تا بتوانند منجر به یافتن بینش‌های معنادار، الگوها، روندها و روابط باشند و این موارد ذکر شده را در شبکه شناسایی کرد که نهایتا می‌توانند تصمیم‌گیری، بهینه‌سازی فرآیند یا استراتژی‌های مدیریت دانش را تعیین کنند.قدم بعدی این است که مدیران و مسئولین وضع موجود باید بر اساس بینش‌های به‌دست‌آمده، توصیه‌ها و گام‌های عملی را برای بهبود جریان داده و دانش در سازمان توسعه دهند. این توصیه‌ها می‌تواند شامل مداخلاتی برای تقویت کانال‌های ارتباطی، ترویج اشتراک دانش، تقویت همکاری یا بهینه سازی ساختارهای سازمانی باشد و اقدامات توصیه شده برای افزایش داده‌ها و جریان دانش در سازمان را اجرا کند. احتمال دارد که با دنبال کردن این مراحل، یک شرکت می تواند شبکه ای مبتنی بر داده ها و جریان دانش ایجاد کند، تجزیه و تحلیل معنادار انجام دهد و از بینش های به دست آمده برای بهبود ارتباطات، همکاری و شیوه‌های مدیریت دانش بهره ببرد.تکنیک‌ها و اصول تحلیل شبکه:تشخيص جامعه فرايند شناسايي گروهي از گره هاست كه به طور متراكم در يك شبكه به هم متصل شده‌اند. در یک شرکت، تشخیص جامعه می‌تواند بخش‌ها، تیم‌ها یا واحدهای عملکردی را نشان دهد که همکاری و اشتراک دانش قوی را نشان می‌دهند. با درک این جوامع، سازمان ها می‌توانند همکاری بین بخشی را تقویت کنند، تأثیرگذاران کلیدی را شناسایی کنند و جریان دانش را در داخل و بین جوامع بهینه کنند.معیارهای مرکزیت، گره‌هایی را که در یک شبکه تأثیرگذار یا مهم هستند، شناسایی می‌کند. برخی از معیارهای مرکزی که معمولاً مورد استفاده قرار می‌گیرند عبارتند از مرکزیت درجه، که تعداد اتصالات یک گره را می‌شمارد، و مرکزیت بین‌المللی، که میزان قرار گرفتن یک گره در کوتاه‌ترین مسیر بین گره‌های دیگر را کمیت می‌دهد. در یک شرکت، تجزیه و تحلیل مرکزیت می‌تواند به شناسایی افراد یا بخش‌های کلیدی که به عنوان دروازه بان یا کارگزار دانش عمل کند، کمک کند و مداخلات هدفمند را برای افزایش انتشار دانش و همکاری ممکن سازد.انعطاف پذیری شبکه[6]به توانایی یک شبکه برای مقاومت و بازیابی از خرابی‌ها یا اختلالات اشاره دارد. ارزیابی انعطاف‌پذیری یک شبکه سازمانی شامل تجزیه و تحلیل آسیب‌پذیری آن در برابر خرابی‌های گره یا پیوند، درک تأثیر چنین شکست‌هایی بر جریان اطلاعات و اشتراک‌گذاری دانش، و توسعه استراتژی‌هایی برای افزایش انعطاف‌پذیری شبکه است. این تجزیه و تحلیل می‌تواند اجرای سیستم‌های پشتیبان، اقدامات افزونگی یا کانال‌های ارتباطی جایگزین را برای اطمینان از جریان بی‌وقفه دانش در سازمان راهنمایی کند.مدل سازی و شبیه سازی شبکه:امروزه مدل‌های شبکه نمایش‌های ریاضی یا محاسباتی شبکه‌های دنیای واقعی هستند. آن‌ها به شبیه سازی رفتار و پویایی شبکه‌ها کمک می‌کنند و بینش‌هایی را در مورد جریان اطلاعات، انتشار دانش یا الگوهای همکاری ارائه می‌دهند. در یک شرکت، مدل‌های شبکه می‌توانند روابط و تعاملات بین افراد، تیم‌ها یا سیستم‌ها را به تصویر بکشند و امکان ارزیابی سناریوها و مداخلات مختلف را فراهم کنند.همچنین مدل‌های انتشار، گسترش اطلاعات، دانش یا نفوذ در یک شبکه را شبیه‌سازی می‌کنند. این مدل‌ها می‌توانند به تجزیه و تحلیل چگونگی انتشار ایده‌ها یا نوآوری‌ها در یک سازمان، شناسایی گره‌های کلیدی که انتشار را تسهیل یا مهار می‌کنند، و ارزیابی استراتژی‌ها برای افزایش انتشار دانش کمک کنند. مدل‌های انتشار می‌توانند فرآیندهای تصمیم‌گیری مرتبط با مدیریت تغییر، ابتکارات به اشتراک گذاری دانش، یا یادگیری سازمانی را اطلاع دهند.راه دیگر مدل‌سازی مبتنی بر عامل، شامل شبیه‌سازی رفتار عامل‌های فردی در یک شبکه و تجزیه و تحلیل ویژگی‌های نوظهور در سطح جمعی است. که امکان مطالعه تعاملات پیچیده، فرآیندهای تصمیم گیری و پویایی تبادل دانش در یک شرکت را فراهم می کند. این می تواند بینش‌هایی را در مورد تأثیر رفتارهای فردی بر عملکرد کلی سازمان ارائه دهد و به طراحی استراتژی‌های مدیریت دانش مؤثر کمک کند.با استفاده از تکنیک‌های تحلیل شبکه و مدل‌سازی و شبیه‌سازی شبکه، شرکت‌ها می‌توانند درک عمیق‌تری از شبکه‌های دانش خود به دست آورند، تنگناها را شناسایی کنند، همکاری را تقویت کنند و استراتژی‌هایی را برای بهینه‌سازی جریان دانش و هوش سازمانی توسعه دهند. این رویکردها تصمیم گیری مبتنی بر شواهد را امکان پذیر می‌کند و طراحی مداخلاتی را تسهیل می‌کند که مدیریت دانش مؤثر را ارتقا می‌دهد و فرهنگ یادگیری را در سازمان پرورش می‌دهد.به روش‌های مدلسازی سازمانتاکنون روش‌های مدلسازی شبکه در سازمان را بررسی کردیم ولی یافتن بهترین روش برای تحلیل مستلزم این است که بتوانیم به‌روش‌ها را شناسایی و براساس آن‌ها اقدام نمائیم. برای این مهم باید در ابتدا سوال تحقیق یا هدف مطالعه مدل سازی و شبیه سازی شبکه را به وضوح تعریف کرد و تعیین کرد که چه جنبه خاصی از مدیریت دانش یا هوش سازمانی مورد بررسی ست. و سپس از طریق شبیه سازی به بررسی یا بهبود روندها پرداخت. این وضوح به توسعه مدل و طراحی شبیه‌سازی بهترکمک می‌کند. در مرحله بعد باید متغیرهای کلیدی مرتبط با سوال تحقیق خود را شناسایی کرد، این متغیرها ممکن است شامل رفتار اشتراک دانش، الگوهای همکاری، ساختار شبکه یا معیارهای عملکرد سازمانی باشد. باید تعیین کرد که چگونه این متغیرها در مدل نمایش داده شده و کمی سازی می‌شوند.در فاز جمع آوری داده‌های مربوطه برای اطلاع از روند توسعه مدل که ممکن است شامل داده‌هایی در مورد الگوهای ارتباطی، تبادل دانش، سلسله مراتب سازمانی یا شاخص‌های عملکرد باشد، کیفیت و دقت داده‌ها به طور قابل توجهی بر اعتبار و قابلیت اطمینان نتایج شبیه سازی تأثیر گذار است.همچنین انتخاب رویکرد مدلسازی که با سؤال تحقیق و داده‌های موجود همسو باشد حائز اهمیت است. مدل‌سازی مبتنی بر عامل، مدل‌های انتشار شبکه یا مدل‌های نمودار ریاضی می‌توانند بسته به مشکل خاصی که به آن می‌پردازید مناسب باشند. هر رویکرد مدل سازی نقاط قوت و محدودیت های خود را دارد، بنابراین ماهیت سؤال تحقیق خود و سطح جزئیات مورد نیاز را باید در نظر گرفت.مورد بعدی اعتبار و کالیبره کردن مدل با مقایسه رفتار و خروجی‌های آن با مشاهدات دنیای واقعی یا داده‌های تاریخی ست. باید از داده‌های موجود برای تنظیم پارامترهای مدل استفاده کرد و اطمینان حاصل نمود که مدل به طور دقیق پویایی شبکه سازمانی را نشان می‌دهد و نتایج قابل قبولی تولید می‌کند. اعتبارسنجی مدل، قابلیت اطمینان شبیه سازی‌های شما را افزایش می‌دهد و اعتبار آن‌ را افزایش می‌دهد. همچنین باید تجزیه و تحلیل حساسیت را برای ارزیابی استحکام مدل خود و تأثیر پارامترها یا مفروضات مختلف انجام داد. مثلا پارامترهای ورودی کلیدی را در یک محدوده معقول تغییر داد و نحوه تغییر خروجی‌های مدل را مشاهده کرد. این تجزیه و تحلیل به شناسایی عوامل حیاتی موثر بر نتایج کمک می‌کند و بینشی در مورد حساسیت سیستم به تغییرات در آن عوامل ارائه می‌دهد.مورد بعدی در یافتن بهترین روش‌های مدلسازی تست سناریوهای مختلف است می‌توان از مدل برای شبیه سازی و آزمایش سناریوهای مختلف مرتبط با مدیریت دانش و هوش سازمانی استفاده کرد. برای مثال، تأثیر پیاده‌سازی یک پلتفرم ارتباطی جدید، تغییر الگوهای همکاری، یا معرفی طرح‌های به اشتراک گذاری دانش را شبیه‌سازی کرده و نتایج این سناریوها را برای درک اثرات بالقوه آن‌ها بر جریان دانش و عملکرد سازمانی مقایسه نمود.در این حالت نیز باید توجه داشت که مدل سازی و شبیه سازی شبکه یک فرآیند تکراری و مداوم است باید با به دست آوردن بینش و دریافت بازخورد، مدل را اصلاح و دقت و سودمندی آن را بهبود بخشید. داده های جدید را ترکیب، مفروضات را به روز کرد یا دامنه مدل را در صورت لزوم گسترش داد تا به سؤالات تحقیقاتی پیچیده تر بپردازد یا مداخلات مختلف را شبیه سازی کند. با این روش اخختمالا می‌توان به طور موثر از مدل سازی و شبیه سازی شبکه برای کشف مدیریت دانش و هوش سازمانی در تحقیقات خود استفاده کرد. این شیوه‌ها اعتبار و قابلیت اطمینان یافته‌های را افزایش می‌دهند، تصمیم‌گیری مبتنی بر شواهد را امکان‌پذیر می‌سازند و به توسعه استراتژی‌های مؤثر برای افزایش دانش در سازمان کمک می‌کنند.چگونگی یافتن گلوگاه‌های دانش و داده سازمانیافتن گلوگاه‌ها از اهداف اصلی این پژوهش است در این قسمت سعی به بررسی چگونگی شناسایی این گلوگاه‌های داده و دانش در یک شرکت با استفاده از علم شبکه داریم. مهم‌ترین فعل در ابتدا تعریف محدوده تجزیه و تحلیل خود است، نمونه گیری از داده‌ها و جریان‌های دانش خاص، سیستم‌ها و فرآیندهایی که قصد بررسی آن را داریم باعث می‌شود که کار تحلیل ساده‌تر شود. این می‌تواند شامل شبکه‌های ارتباطی، سیستم‌های اطلاعاتی، پلتفرم‌های اشتراک‌گذاری دانش، یا بخش‌های خاص در سازمان باشد. پس از تعیین محدوده بهترین شیوه ترسیم جریان داده و دانش در سازمان است. لازم است منابع داده‌ها و دانش، کانال‌هایی که از طریق آن‌ها منتقل می‌شوند و گیرندگان یا کاربران را شناسایی شود. نقشه برداری کمک می‌کند تا شبکه‌ای از تعاملات و وابستگی‌ها را بین افراد، تیم‌ها و سیستم‌های مختلف تجسم کرد.تجزیه و تحلیل شبکه دانش با مطالعه شبکه های روابط بین کارکنان در یک سازمان به شناسایی تنگناهای اشتراک دانش کمک می‌کند. این مبتنی بر تجزیه و تحلیل شبکه های اجتماعی است و از تحلیل بصری و کمی شبکه های دانش پشتیبانی می‌کند. با تجزیه و تحلیل این شبکه‌ها، هدف این تکنیک شناسایی مناطقی است که اشتراک دانش مانع یا محدود شده است، بنابراین تنگناها را مشخص می‌کند. این تجزیه و تحلیل عواملی مانند نقش های مدیریت دانش، سطوح تخصص، سرعت دانش و ویسکوزیته دانش را در نظر می گیرد. هدف، ارائه بینشی در مورد ساختار و پویایی به اشتراک گذاری دانش در سازمان است که امکان مداخلات هدفمند برای بهبود جریان دانش و غلبه بر تنگناها را فراهم می کند.(3)همانطور که گفته شد تجزیه و تحلیل داده‌ها و شبکه جریان دانش کمک می‌کند که بتوانیم به شناسایی گره‌های کلیدی (افراد، بخش‌ها یا سیستم‌ها) که نقش مهمی در جریان داده‌ها و دانش بازی می‌کنند بپردازیم. و باید از معیارهای علم شبکه، مانند معیارهای مرکزیت (به عنوان مثال، مرکزیت درجه، مرکزیت بین‌المللی) و ضرایب خوشه‌بندی استفاده کرد. این معیارها می‌توانند به شناسایی تنگناها، افراد تأثیرگذار و مناطقی با اتصال بالا یا پایین در شبکه کمک کنند.در مورد شناسایی گره های گلوگاه باید گفت که امکان دارد گره‌های گلوگاه افراد، تیم‌ها یا سیستم‌هایی باشند که به طور قابل توجهی بر جریان داده‌ها و دانش تأثیر می‌گذارند. آنها اغلب به دلیل مرکزیت یا عدم اتصال به اندازه کافی با سایر نودهای شبکه به عنوان گلوگاه عمل ‌کنند. از نتایج تحلیل شبکه برای شناسایی گره‌هایی با مرکزیت بالا اما اتصال محدود یا گره‌هایی که به عنوان واسطه های حیاتی عمل می‌کنند، استفاده خواهد شد. این گره‌های تنگنا مناطق بالقوه‌ای هستند که جریان داده و دانش ممکن است مانع یا محدود شود و نقاط ضعف سازمان خواهند بود. در واقع در این بخش به دنبال یافتن الگوهای تبادل اطلاعات، فراوانی تعاملات و ماهیت اشتراک دانش هستیم به دنبال مواردی که اطلاعات ممکن است به دلیل همکاری محدود، ساختارهای سلسله مراتبی یا شکاف های ارتباطی درست عمل نکرده و باعث کند یا به تاخیر افتادن جریان می‌شود.همچنین برای به دست آوردن بینش عمیق‌تر بهتر است به صورت دوره‌ای نظرسنجی یا مصاحبه با کارمندان، مدیران یا سایر ذینفعان انجام شود و جمع آوری بازخورد در مورد تجربیات افراد در مورد داده‌ها و جریان دانش، شناسایی چالش‌هایی که با آن مواجه هستند، و جمع آوری پیشنهادات برای بهبود و... پرداخت. این اطلاعات کیفی می‌تواند تجزیه و تحلیل شبکه را تکمیل کند و درک جامع تری از تنگناها ارائه دهد.در نهایت براساس یافته‌های حاصل از تجزیه و تحلیل شبکه، تجزیه و تحلیل ارتباطات، و ورودی ذینفعان، راه حل‌های هدفمند برای رفع تنگناهای شناسایی شده پیشنهاد می‌شود. این ممکن است شامل پیاده‌سازی کانال‌های ارتباطی جدید، تقویت پلتفرم‌های همکاری، ایجاد تیم‌های متقابل یا ترویج ابتکارات اشتراک‌گذاری دانش باشد یا این احتمال وجود دارد که توصیه ها شامل تشویق کارکنان به تبادل دانش با تعداد بیشتری از همکاران و استفاده از فناوری اطلاعات و ارتباطات برای غلبه بر موانع تبادل دانش، به ویژه در زمینه مکان های مختلف در سازمان باشد(3). باید در نظر گرفت که چگونه بینش علوم شبکه می‌تواند طراحی و اجرای این راه حل ها را راهنمایی و راهنمایی کند. برای آخرین قدم نیز باید راه حل‌های پیشنهادی را پیاده سازی کرد و اثربخشی آن‌‌ها را به طور مستمر پایش کرد. ردیابی تغییرات در ساختار شبکه، جریان داده‌ها و دانش، و رضایت کارکنان. ارزیابی تأثیر مداخلات بر کاهش تنگناها، بهبود تبادل اطلاعات و افزایش اشتراک دانش در سازمان خواهد بود.[1]. Social Network Analysis[2]. Degree centrality[3]. Closeness centrality[4]. Betweenness centrality[5]. viscosity[6]. Robustnessمنابع و مراجع1. Hislop D. Knowledge Management in Organizations: A Critical Introduction. OUP Oxford; 2013. 305 p.2. Daňa J, Caputo F, Ráček J. Complex Network Analysis for Knowledge Management and Organizational Intelligence. J Knowl Econ. 2020 Jun;11(2):405–24.3. Helms R, Buijsrogge K. Application of knowledge network analysis to identify knowledge sharing bottlenecks at an engineering firm. 2006;4. G DK, Mahesh B. An Analysis about Different Steps that Play an Indispensable Role in Developing Enterprise Data Protection Framework. TechnoareteTransactions Intell Data Min Knowl Discov [Internet]. 2022 May 15 [cited 2023 Jun 22];2(2). Available from: https://technoaretepublication.org/intelligent-data-mining/analysis-different-steps.php5. Ramos V, Pazmiño P, Franco-Crespo A, Ramos-Galarza C, Tejera E. Comparative organizational network analysis considering formal power-based networks and organizational hierarchies. Heliyon. 2022 Jan;8(1):e08661.6. Helms R, Ignacio R, Brinkkemper S. Limitations of Network Analysis for Studying Efficiency and Effectiveness of Knowledge Sharing. 2010;8(1).7. Sharma R, Mithas S, Kankanhalli A. Transforming decision-making processes: a research agenda for understanding the impact of business analytics on organisations. Eur J Inf Syst. 2014 Jul;23(4):433–41.8. Albrecht K. Organizational Intelligence & Knowledge Management: Thinking Outside the Silos.2010. mohadese sakhaie mohadese sakhaie Fri, 07 Jul 2023 13:19:54 +0330 https://virgool.io/@m.sakhaie539/%D8%B9%D9%84%D9%85-%D8%B4%D8%A8%DA%A9%D9%87-%D8%A7%D8%A8%D8%B2%D8%A7%D8%B1%DB%8C-%D9%85%D9%81%DB%8C%D8%AF-%D8%AF%D8%B1-%D8%A7%D9%82%D8%AA%D8%B5%D8%A7%D8%AF-%D9%88-%D8%A7%D9%85%D9%88%D8%B1-%D9%85%D8%A7%D9%84%DB%8C-etzgzavsrnpq افزایش فراوانی و دامنه بحران‌های مالی، نگرانی‌ها و نیازهای سیاست‌گذاران و تصمیم‌گیران اقتصادی را درباره ثبات مالی جهانی افزایش داده است. در این شرایط پیچیده، نظارت بر سیستم مالی باید به عنوان یک وظیفه سیستمی مدنظر قرار گیرد که بر مؤسسات و روابط بین آنها تمرکز دارد و ساختار و پویایی سیستم را به عنوان یک کل نشان می‌دهد. علم شبکه به عنوان یک ابزار پیشرو در بررسی سیستم‌های پیچیده مورد استفاده قرار می‌گیرد. در اینجا، چندین کاربرد علم شبکه در امور مالی و اقتصاد مورد بررسی قرار می‌گیرند و چالش‌ها و جهت‌گیری‌های آینده بحث می‌شوند که نشان می‌دهد علم شبکه به عنوان ابزاری کلیدی برای دانشجویان مالی، صاحبان شغل و سیاست‌گذاران است.مقدمهعلم شبکه به عنوان یک ابزار نوین برای مطالعه سیستم‌های پیچیده رشد یافته است. ترکیب نتایج نظری با تجزیه و تحلیل داده‌های بزرگ تجربی، نوع جدیدی از علم را به وجود آورده است که تحقیقات تئوری و تجربی را ترکیب می‌کند.بسیاری از پدیده‌های غیرمنتظره در سیستم‌های واقعی شناسایی شده‌اند و ساختارهای سیستمی پیچیده‌تر مورد بررسی قرار می‌گیرند. برای مثال، ساختارهای مولکولی یا سلولی، شبکه‌های آب و هوا، شبکه‌های ارتباطی و زیرساختی، همچنین شبکه‌های اجتماعی و اقتصادی از این دسته می‌باشند. درک رشد، ساختار، پویایی و عملکرد این شبکه‌ها و روابط آنها برای پیش‌بینی تغییرات، انعطاف‌پذیری سیستم در مقابل خرابی‌ها یا محافظت در برابر حملات خارجی بسیار حائز اهمیت است. ارتباط متقابل بین ساختار (توپولوژی) و دینامیک، عملکرد و وظیفه سیستم‌های پیچیده نشان‌دهنده تمرکز بسیاری از تحقیقات در رشته‌های مختلف است که کاربردهای علمی و فناورانه مهمی دارند.شبکه‌های پیچیده به‌عنوان چارچوبی برای توصیف رفتار شبکه‌های فیزیکی، شیمیایی، بیولوژیکی، فناوری و اجتماعی معروف هستند. علم شبکه در قرن بیست و یکم به طور قابل توجهی تکامل یافته و به یکی از رشته‌های فعال و متقاطع (cross cut) تبدیل شده است.مثال‌های معروف شامل شبکه اینترنت و وب جهانی، شبکه‌های شیوع، استراتژی‌های امنیتی، شبکه‌های استنادی، ساختار بازارهای مالی، نفوذ اجتماعی و پویایی افکار، شبکه‌های فیزیولوژیکی، شبکه‌های پروتئینی، سازماندهی و عملکرد مغز، ساختار شبکه‌های ارتباطی سیار، شبکه‌های آب و هوا، سیستم‌های حمل و نقل و بسیاری دیگر می‌باشند. پدیده‌هایی که در این چارچوب مفهومی قرار می‌گیرند، شامل خرابی‌های آبشاری، خاموشی، سقوط، حباب‌ها، بحران‌ها، حملات و دفاع در برابر آنها ست.نمونه‌های معروف علم شبکه شامل شبکه اینترنت و وب جهانی (WWW)، شیوع همه‌گیر، استراتژی‌های ایمن سازی، شبکه‌های استنادی، ساختار بازارهای مالی، نفوذ اجتماعی و پویایی افکار، پویایی شبکه‌های فیزیولوژیکی، شبکه‌های پروتئینی، سازماندهی و عملکرد مغز، ساختار شبکه‌های ارتباطات سیار، شبکه‌های آب و هوا، سیستم‌های حمل و نقل و بسیاری موارد دیگر است. در این زمینه، پدیده‌هایی مانند خرابی‌های آبشاری، خاموشی، سقوط، حباب‌ها، بحران‌ها، حملات و دفاع در برابر آنها، معرفی فناوری‌های جدید، درک اندازه‌گیری و پیش‌بینی ظهور و تکامل شبکه‌ها مورد بررسی قرار می‌گیرند. ویژگی‌های تلطیف شده، گسترش پدیده‌ها و استراتژی‌های ایمن سازی، و همچنین ثبات و شکنندگی شبکه‌های خطوط هوایی نیز مطالعه می‌شوند.تحقیقات انجام شده در گذشته و در حال حاضر نشان می‌دهد که در سیستم‌های واقعی، بازخورد قوی بین حالت‌های کوچک و کلان سیستم وجود دارد. به عبارت دیگر، تأثیر میکروسکوپی گره‌ها و پیوندهای شبکه و تأثیر ماکروسکوپی خود شبکه در توپولوژی، دینامیک و عملکرد آن قابل مشاهده است. بنابراین، علم شبکه یک چارچوب پیشرو برای بررسی سیستم‌های زندگی واقعی است. به عنوان مثال، در مقابل سیستم‌های فیزیکی که پویایی آنها معمولاً از سطح کوچک به سطح بزرگ است، در سیستم‌های اجتماعی و اقتصادی تعاملاتی بازخوردی بین سطوح بزرگ و کوچک وجود دارد. در نتیجه، علاوه بر مکانیسم‌های انتشار از پایین به بالا، افراد و وابستگی‌های آن‌ها و رفتارهایشان رفتار مشارکتی سیستم را شکل می‌دهند که در نهایت بر افراد تأثیر می‌گذارد. این پدیده نشان می‌دهد که بازخورد پایین به بالا و بالا به پایین قادر به تغییر کامل ویژگی‌های یک انتقال فاز از حالت پیوسته به ناپیوسته است و در نتیجه می‌تواند شدت بحران‌های اقتصادی در سیستم‌ها را توضیح دهد. (منبع: کوهن و هاولین، 2010)بررسی ادبیات شبکه مالیتئوری شبکه یک ابزار است که برای مدل‌سازی ساختار عملکردی در حوزه‌های مختلف مورد علاقه و درک دقیق‌تر از عملکرد شبکه روابط بین بازیگران سیستم، پویایی آن و دامنه یا درجه نفوذ فراهم می‌کند. این رویکرد امکان اندازه‌گیری کیفیت‌های سیستمی مانند استحکام سیستم در سناریوهای خاص یا تأثیر سیاست‌ها بر اقدامات سیستم را فراهم می‌کند. یکی از مزایای این رویکرد این است که به جای فرض کردن رفتار عوامل سیستم، از روابط واقعی بین آنها نشات می‌گیرد. به عبارت دیگر، ساختارهایی که توسط نظریه شبکه به دست می‌آیند، نیروهای نظری یا تعیین‌کننده‌های مصنوعی نیستند که توسط پژوهشگر ایجاد شده‌اند. به جای آن، مدل‌سازی توسط نظریه شبکه می‌تواند فرضیات رفتاری نظریه‌های اقتصادی را تأیید کند. در زمینه مالی، نظریه شبکه می‌تواند برای بررسی مسائل مختلفی جالب باشد، مانند توصیف ساختار سیستم، تحلیل تأثیر نفوذ و گسترش در ساختار، بررسی تأثیر ورشکستگی یک یا گروهی از بازیگران در سیستم، ارزیابی مشکلات نقدینگی و تحلیل تأثیر آنها در نقاط مختلف سیستم. در کل، نظریه شبکه نه تنها به ما نگرشی جدید ارائه می‌دهد، بلکه ابزارهایی را نیز فراهم می‌کند که امکان مقایسه و مقابله ساختارهای سیستمی را به صورت استاتیک و با طراحی سناریوهای پویا مختلف فراهم می‌کند.به عنوان یک مثال از یک شبکه پیچیده، سیستم پرداخت را می‌توان در نظر گرفت. برای مطالعه این ساختار، از چارچوب‌های تحلیلی متنوعی استفاده می‌شود. این چارچوب‌ها شامل شناسایی نوع و ویژگی‌های شبکه، تجزیه و تحلیل تأثیر شوک‌های شبیه‌سازی شده برای کاهش ریسک‌های مرتبط با عملکرد سیستم و سیاست‌های طراحی می‌شوند.به عنوان مثال، تحقیقات اخیر توسطAguiar و همکاران (2014) سیستم پرداخت را به عنوان یک شبکه مورد بررسی قرار دادند. این پژوهشگران با توجه به ساختار شبکه، توانستند ساختار سیستم را کشف کنند و به طراحی سناریوها و تجسم جلوه‌های خاص در سیستم پرداخت بپردازند.همچنین، تحقیقات انجام شده توسطInaoka و همکاران (2004)، Suramaeki و همکاران(2007)، Cepeda (2008)، و Galbiati و Sorama¨ki (2012) نیز به بررسی سیستم پرداخت بین بانکی با استفاده از علم شبکه پرداخته‌اند. در این مطالعات، سازماندهی سیستم به عنوان یک شبکه امکان فهم ساختار سیستم را فراهم کرده و اجازه می‌دهد تا سناریوها و جلوه‌های خاصی را در طراحی سیستم مدل‌سازی کرد.در تحقیقات مرتبط با بازار شبه پول ، Eurek و همکاران (2008) نیز شبکه‌هایی را با تعاملات روزانه بدهی و وام بررسی کردند. هدف از این تحقیقات، ارزیابی تحول توپولوژیکی سیستم ایتالیایی و تأثیر آن بر پایداری سیستم و عملکرد بازار بین بانکی بود.به طور کلی، با توجه به استفاده از چارچوب‌های تحلیلی مبتنی بر علم شبکه، می‌توان ساختار و ویژگی‌های سیستم پرداخت یا سایر شبکه‌های پیچیده را بررسی کرده و امکان طراحی سناریوها و تحلیل اثرات مختلف را فراهم نمود.با توجه به شبکه بین بانکی(Hu¨ser 2015)، دو کانال اصلی سرایت ریسک در سیستم بانکی در نظر گرفته شده است. این کانال‌ها عبارتند از:بدهی مستقیم بین بانکی: این کانال بر روی پویایی انتشار تلفات از طریق شبکه مستقیم تمرکز دارد. در این مورد، مؤسسات مالی با یکدیگر ارتباط برقرار می‌کنند و در صورت بروز تلفات، تأثیر این تلفات بر سایر مؤسسات مالی در شبکه بررسی می‌شود. تحقیقات تجربی و نظری بسیاری در این زمینه انجام شده است.سرایت از طریق تغییر در ارزش دارایی‌های بانک: این کانال بر اساس تغییر در ارزش دارایی‌های بانک تأکید دارد. در صورتی که ارزش دارایی‌های بانک کاهش یابد، می‌تواند منجر به سرایت و تأثیر آن بر سایر بانک‌ها و شبکه بانکی شود.در مورد شبکه‌های بانکی و شبکه‌های دیگر مشابه، تحقیقات گسترده‌ای انجام شده است. برای مثال، برای شبکه بانکداری جهانی، تحقیقاتی با استفاده از اطلاعات وام‌های دوجانبه از کشورها و جریان‌های سرمایه‌گذاری مستقیم بررسی شده است. این تحقیقات نشان می‌دهند که اقتصادهای پیشرفته نقش اصلی در بازار بانکداری جهانی را ایفا می‌کنند و بیشترین جریان را دارند، در حالی که کشورهای در حال توسعه و نوظهور جریان کمتری دارند. توپولوژی شبکه بانکداری نیز تحت تأثیر شوک‌ها تغییر می‌کند و در دوره‌های بحرانی از پایداری آن کاسته می‌شود.اخیراً، هوانگ و همکاران (2013) یک مدل شبکه دو بخشی برای بررسی داده‌های ترازنامه بانکی ارائه کرده‌اند. این مدل شبکه بانک-دارایی به ما امکان می‌دهد تأثیر هر دارایی یا گروهی از دارایی‌ها را بر سیستم مالی کلی بررسی کنیم. این مدل اطلاعات مهمی ارائه می‌دهد که می‌تواند تعیین کند که کدام بانک‌ها در برابر شکست آسیب‌پذیر هستند و همچنین پیشنهادهای سیاستی را مطرح می‌کند. به عنوان مثال، نیاز به کاهش اجباری قرار گرفتن در معرض دارایی‌هایی که شوک می‌بینند یا نظارت دقیق‌تر بر بانک‌ها به منظور جلوگیری از چنین شکستی. این مدل نشان می‌دهد که انتقال‌های شدید می‌توانند در سیستم بانک-دارایی جفت‌شده رخ دهند و این شبکه می‌تواند بین دو منطقه متمایز، یعنی پایدار و ناپایدار، جابجا شود. به عبارت دیگر، سیستم بانکی می‌تواند در حالتی که سالم و پایدار است، باقی بماند یا سقوط کند.از آنجا که حفظ پایداری سیستم اقتصادی جهانی بسیار حائز اهمیت است، پیشنهاد می‌شود که این مدل برای انتشار ریسک سیستمی در سایر سیستم‌های مالی پیچیده نیز استفاده شود. به عنوان مثال، می‌توان از این مدل برای مدل‌سازی تأثیر کاهش ارزش بدهی دولتی بر بانکداری جهانی استفاده کرد یا نحوه تأثیر کاهش یا افزایش ارزش برخی ارزها بر اقتصاد جهانی را مورد بررسی قرار داد.در نهایت، بحث در مورد استفاده از شبکه‌های مبتنی بر همبستگی در امور مالی نیز بسیار مهم است. این روش بر اساس تحلیل سری‌های زمانی مالی و تخمین ماتریس همبستگی (یا کوواریانس) برای ساختاردهی شبکه استفاده می‌شود. این روش به ما امکان می‌دهد اطلاعات مهمی در مورد سیستم‌های مالی را به دست آوریم و ساختار و پویایی زیربنایی آنها را بشناسیم. استفاده از شبکه‌های مبتنی بر همبستگی می‌تواند روابط سبب-نتیجه و روابط علّی را شناسایی کند و برای مثال، بتواند تأخیرها را پیش بینی کند. استفاده از این روش در مورد شناسایی ریسک و آسیب‌پذیری سیستم‌های مالی نیز پیشنهاد شده است.3 چالش ها و مسیرهای آیندهعلیرغم موفقیت بزرگ خود در بررسی بسیاری از سیستم‌های اجتماعی، فناوری و طبیعی دنیای واقعی، علم شبکه نرخ پذیرش پایین‌تری در اقتصاد و امور مالی داشته است. در حالی که برخی از محققان در جامعه به سودمندی آن در درک پیچیدگی اقتصاد پی برده‌اند، در میان بسیاری دیگر، شکی در مورد کاربرد علم شبکه در چنین رشته‌ای وجود دارد. در این بخش به موضوعات کلیدی ناشی از چنین انتقاداتی می پردازیم که تحولات آینده در علم شبکه باید به آنها بپردازد تا مفید بودن آن به عنوان یک چارچوب نظری، تحلیلی و کاربردی برای این حوزه ها تقویت شود.3.1 حافظه جریان در شبکه هایک موضوع مهم در امور مالی، اعتبار منبع دارایی قابل انتقال است. از آنجایی که یک دارایی یا مقدار مالی معین، منتقل می شود و در امتداد پیوندهای شبکه جریان می یابد، ارزش آن بسته به گره هایی که از آن عبور می کنند می تواند تغییر کند. مهمتر از آن، برخی از دارایی‌های مالی، مانند وثیقه، می‌توانند در شبکه جریان داشته باشند و سپس مجبور شوند همان مسیر را به سمت منبع اصلی خود طی کنند. چنین فرآیندهای دینامیکی در شبکه‌ها در حال حاضر وجود ندارند، و باید به منظور ارائه درک پویایی جریان در شبکه مورد توجه قرار گیرند. به عنوان مثال، با توجه به جریان وثیقه، که می تواند دوباره استفاده شود و از یک گره به گره دیگر منتقل شود، چگونه می توان مدل کرد که وقتی گره اصلی (موجودی) آن را پس بگیرد چه اتفاقی می افتد؟ جریان معکوس وثیقه که می تواند به عنوان باز شدن یک زنجیره روزانه در نظر گرفته شود، چگونه بر گره هایی که از آن عبور می کند تأثیر خواهد داشت؟ پاسخ به این گونه سوالات به منظور ترسیم و مدل سازی جریان های عملیاتی در سیستم مالی بسیار حائز اهمیت است. برای پاسخ به چنین سؤالاتی، باید مدل‌های جدیدی از دینامیک جریان در شبکه‌ها ایجاد شود. علاوه بر این، مدل‌های موجود خرابی‌های آبشاری در شبکه‌ها باید به گونه‌ای تطبیق داده شوند که حافظه اشته باشد زیرا این مسئله بر انتشار و گسترش آسیب در سراسر شبکه تأثیر می‌گذارد.3.2 تابع و تبدیلدر حالی که بیشتر مطالعاتی که از علم شبکه برای بررسی ویژگی‌های سیستم مالی استفاده می‌کنند، به گره‌های منفرد (مانند بانک‌ها، شرکت‌ها، کشورها) به‌عنوان یک جعبه بسته نگاه می‌کنند، در واقعیت، این گره‌ها یک یا چند عمل یا تبدیل را بر روی ارزش انجام می‌دهند. (وجوه، وثیقه، دارایی، بدهی و غیره). کار اخیر آگویار و همکاران. (2014) اولین چارچوب روش شناختی را ارائه کرده است که به این موضوع می پردازد و به عنوان طرحی برای کار آینده عمل می کند. نویسندگان نقشه ای از جریان تامین مالی در سیستم مالی ارائه می دهند و به جای اینکه بانک ها را به عنوان یک نهاد واحد نگاه کنند، آنها را به عنوان مجموعه ای از واحدهای فرعی در نظر می گیرند که نقش های متفاوتی را در شبکه ایفا می کنند. واحدهای مالی بسته به نوع فعالیتی که در آن دخیل هستند، عملکردهای متفاوتی دارند، از تک تا چندگانه. یک توصیف و بررسی کامل و واقعی از سیستم مالی با استفاده از علم شبکه تهیه کنید (برای مثال به Bookstaberو همکاران 2015 مراجعه کنید). به عنوان مثال، ویژگی عملکرد گره و تبدیل باید در تحقیقات فعلی در مورد فرآیندهای آبشاری دینامیکی در شبکه ها گنجانده شود تا آنها را واقعی تر و در مورد اقتصاد و مالی کاربردی تر کند.3.3 تکامل زمانبرای درک عملکردهای شبکه، باید خصوصیات دینامیکی آن را مطالعه کرد (Arenas et al. 2008)، و در این راستا کار زیادی لازم است. دینامیک پیوندها و گره ها می تواند خصوصیات شبکه ها را به طور کامل تغییر دهد و بنابراین، سؤالات اساسی که به طور گسترده در شبکه های استاتیک مورد مطالعه قرار گرفته اند، هنوز برای شبکه های دینامیکی باز هستند با مطالعه خصوصیات دینامیکی شبکه، می توان عملکرد زیربنایی آن را کشف کرد. کاملاً منطقی است که ادعا کنیم ارتباط قوی بین پویایی و عملکرد در یک شبکه مشخص وجود دارد. بنابراین، برای درک بهتر عملکرد شبکه، مطالعه چگونگی تکامل ساختارهای شبکه در زمان بسیار مهم است. ابزارهای جدید برای درک رابطه بین پویایی شبکه و توپولوژی و عملکرد آن ضروری است. به طور خاص، زمانی که سیستم در یک وضعیت بحرانی قرار دارد (یعنی در لبه فروپاشی، مانند بحران مالی)، افزودن یا حذف حتی چند دقیقه لینک می تواند سیستم را به مراحل مختلف سوق دهد. مشاهدات اولیه نشان داده است که مشکل اتصال زمانی در یک شبکه را می توان مستقیماً بر روی یک مسئله نفوذ جهت دار ترسیم کرد، جایی که جهت نشان دهنده زمان است (پارشانی و همکاران 2010b). بنابراین، دانش نفوذ مستقیم می تواند برای درک شبکه های دینامیکی و بالعکس مورد استفاده قرار گیرد. از آنجایی که نفوذ به اپیدمی‌ها و ایمن‌سازی مربوط به حذف گره‌ها است، رویکردهای نفوذی برای مطالعه سیستم‌های دینامیکی توسعه خواهند یافت. با توجه به ماهیت بسیار سازگار بازارهای مالی و سرعت تغییر در سیستم های اقتصادی و مالی، این موضوع مهمی است که علم شبکه باید به آن بپردازد تا بتواند به طور کامل ویژگی های دینامیکی چنین سیستم هایی را به تصویر بکشد.3.4 شبکه های مالی وابسته به یکدیگرمورد یک شبکه منفرد که جدا شده باشد و با سیستم‌های دیگر تعامل نداشته باشد یا به آنها وابسته نباشد، به ندرت اتفاق می‌افتد، درست مانند ذرات غیر متقابل در فیزیک آماری. در واقع، اکثر سیستم های شبکه به طور مداوم با شبکه های دیگر تعامل دارند، به ویژه از آنجایی که فناوری مدرن وابستگی بین شبکه ها را افزایش داده است. تنها مطالعات کمی و مقدماتی اخیراً برای مواجهه با سؤالات مرتبط با چنین سیستم‌هایی تلاش کرده‌اند، اما عمدتاً کیفی بوده و بر روی نمونه‌های خاص متمرکز شده‌اند. درک اتصالات متقابل شبکه ها و تأثیر آنها بر رفتار ساختاری و عملکردی سیستم جفت شده برای مدل سازی مناسب بسیاری از سیستم های دنیای واقعی بسیار مهم است. معرفی جفت بین شبکه‌ها مشابه معرفی برهمکنش‌های بین ذرات در فیزیک آماری است که منجر به رفتار مشارکتی جدید با پدیده‌های غنی مانند انتقال فاز شد. مدل های ریاضی (Buldyrev et al. 2010; Parshani et al. 2010a; Gao et al. 2012) نشان می دهد که تحلیل سیستم های پیچیده به عنوان شبکه ای از شبکه ها ممکن است اساسی ترین مفروضاتی را که نظریه شبکه برای شبکه های منفرد بر آن تکیه کرده است، تغییر دهد. در حالی که پیشرفت قابل توجهی در زمینه شبکه های وابسته به هم (کنت و همکاران 2014) و شبکه های چند لایه (بوکالتی و همکاران 2014) در حال انجام است، هنوز کاربردهای بسیار کمی از این چارچوب ها در اقتصاد یا امور مالی وجود دارد. یکی از نمونه های اخیر کار بارگیگلی و همکاران است. (2015)، که یک پایگاه داده منحصربفرد از گزارش‌های نظارتی بانک‌های ایتالیایی به بانک ایتالیا را بررسی کرد که شامل تمام قرارهای دوجانبه تفکیک شده بر اساس سررسید و ماهیت تضمین شده و بدون تضمین قرارداد است. با بررسی این پایگاه داده به عنوان یک شبکه چندلایه اعتباری، نویسندگان دریافتند که لایه ها دارای خواص توپولوژیکی و ماندگاری متفاوت در طول زمان هستند. در حالی که این یک گام مهم رو به جلو در توصیف سیستم مالی به عنوان یک شبکه چند لایه وابسته به هم است، نویسندگان تعاملات بین لایه‌های مختلف را در نظر نگرفتند و تنها به مقایسه آنها پرداختند. مراحل آتی مستلزم نقشه برداری از لایه های مختلف سیستم مالی و بررسی ارتباطات متقابل و وابستگی های متقابل بین آنها خواهد بود (Bookstaber and Kenett 2015). علاوه بر این، چارچوب شبکه چند لایه می تواند برای توسعه روش های جدید برای بررسی پویایی شبکه ها مورد استفاده قرار گیرد (بوکالتی و همکاران 2014)، بنابراین بینش جدیدی در مورد چالش های مورد بحث در بخش قبل ارائه می دهد.3.5 شبکه ها و مدل های مبتنی بر عاملشبکه های مالی از تعامل نهادهای مالی مختلف (تجار منفرد، بانک ها، شرکت های مالی، ابزارهای مالی، کشورها و غیره) شکل می گیرند. به این ترتیب، درک ویژگی های شبکه اطلاعات مهمی در مورد روابط و تعاملات ارائه می دهد، اما نه قوانین تصمیم گیری اساسی. این می تواندتوسط مدل‌های مبتنی بر عامل (ABM) حل و فصل شود (Tesfatsion 2002، 2003؛ LeBaron 2006؛ Amman et al. 2006). به عنوان مثال، هنگامی که سیستم پرداخت می تواند به عنوان یک شبکه ترسیم شود، مانند نقشه تامین مالی اخیراً معرفی شده (Aguiar et al. 2014)، سپس ساختار شبکه می تواند به عنوان ورودی برای مدل هایی استفاده شود که پویایی سیستم را شبیه سازی می کنند. Bookstaberو همکاران 2014). ترکیب چارچوب‌های علم شبکه و ABMمنجر به چارچوبی می‌شود که ویژگی‌های خرد (قوانین تصمیم‌گیری، از طریق ABM) و کلان (روابط و تعاملات، از طریق تجزیه و تحلیل شبکه) را از سیستم مالی زیربنایی در بر می‌گیرد. همانطور که سیستم در سیلیکون تکامل می یابد و عوامل به روز می شوند و با یکدیگر تعامل ایجاد می کنند، شبکه حاصل از تعاملات تکامل می یابد. بنابراین، کار آینده باید ABM موجود را گسترش دهد، مانند آنچه که توسط Bookstaberو همکاران پیشنهاد شده است. (2014) با لایه ای از تحلیل شبکه.3.6 توپولوژی های معیار شبکه های مالییک عنصر کلیدی شبکه ها تعامل بین توپولوژی و عملکرد است. توپولوژی‌های شبکه معیار عبارتند از Erd}os و Re´nyi (1959)، بدون مقیاس (Albert and Barabasi 2002؛ Barabasi et al. 2014)، هسته پیرامونی (Borgatti and Everett 2000)، مدولار (Shai et al. 2014) و شبکه های کاملاً متصل (بوکالتی و همکاران 2006). کار اخیر نشان داده است که سیستم های مالی مانند شبکه بین بانکی دارای توپولوژی هسته پیرامونی هستند (Fricke and Lux 2015; Boss et al. 2004; Hu¨ser 2015). با این حال، تحقیقات بیشتری برای شناسایی توپولوژی های معیار شبکه های مالی مورد نیاز است. شناسایی چنین توپولوژی‌های معیار ابزار جدیدی را برای شناسایی خطرات و آسیب‌پذیری‌های سیستمی، با نظارت بر نحوه واگرایی یا همگرایی شبکه مالی داده‌شده به عذرخواهی معیار معین ارائه می‌کند. علاوه بر این، برای توصیف کامل این توپولوژی‌ها، و مرتبط ساختن آنها با شبکه‌های مالی مختلف (شبکه‌های بین بانکی، شبکه‌های CDS، شبکه‌های همبستگی سهام، شبکه‌های ورودی-خروجی، و غیره) به کار بیشتری نیاز است.4 خلاصههالدن (2009)، مدیر اجرایی ثبات مالی در بانک انگلستان، به این شهرت دارد که گفته است شبکه‌های مالی بسیار به هم پیوسته ممکن است قوی و در عین حال شکننده باشند، به این معنا که در محدوده خاصی، اتصالات به عنوان ضربه‌گیر عمل می‌کنند [و ] اتصال استحکام ایجاد می کند. با این حال، فراتر از یک محدوده مشخص، اتصالات متقابل به عنوان مکانیزمی برای انتشار شوک‌ها عمل می‌کنند، سیستم به سمت اشتباه لبه چاقو می‌چرخد، و شکنندگی غالب است (Acemoglu et al. 2013c). این اصطلاح بیانگر درک مفید بودن علم شبکه در توصیف و نظارت بر سیستم های اقتصادی و مالی است. با این حال، برای حل کامل این انقباض و درک اساس این تعادل و چگونگی دستیابی به آن، نیاز به تداوم، گسترش و پیشبرد نقش علم شبکه در اقتصاد و امور مالی است. پرداختن به چالش‌های برجسته‌شده در این نوشته به بینش‌های جدیدی در مورد ساختار، پویایی، و عملکرد سیستم‌های اقتصادی و مالی منجر می‌شود، بینش‌هایی که برای دانشگاهیان، شاغلان، و سیاست‌گذاران و تصمیم‌گیران حیاتی هستند. mohadese sakhaie mohadese sakhaie Fri, 26 May 2023 17:20:13 +0330