مهندسی ارزش استراتژیک در بازارهای رقابتی (صنعت بانک و بیمه)

چکیده      هدف از انجام این پژوهش طراحی الگوی ژنریک شراکت استراتژیک در صنعت بانک و بیمه مبتنی بر فرایند خلق و تخصیص ارزش بوده است. در این مقاله ضمن مرور بسترهای نظری و متدولوژی­های نوین در عرصه مطالعه شراکت استراتژیک در حوزه بانک و بیمه، زوایای دستیابی به عملکرد سازمانی برتر نیز مورد بررسی و تجزیه و تحلیل دقیق قرار گرفته و در نهایت الگوی ژنریک شراکت استراتژیک مبتنی بر فرایند خلق و تخصیص ارزش در صنایع بانک و بیمه ارائه گردید. با در نظر گرفتن موارد فوق­الذکر این تحقیق با بهره­گیری از رویکرد توسعه­ای-کاربردی، استراتژی­های همبستگی و پیمایشی را دنبال نموده و با جهت­گیری آزمون فرضیه، هم از جنبه توصیفی و هم از دیدگاه استنباطی به تحلیل یافته­های حاصل از پرسشنامه می­پردازد. نتایج تحقیق حاکی از ارتباط میان متغیرهای مداخله گر بر روی رابطه میان شراکت استراتژیک و فرایند خلق ارزش است. این در حالی است که از میان متغیرهای مداخله­گر تنها اثرات مربوط به سن و قدمت شرکاء و پرتفوی شرکاء بر روی ارتباط میان شراکت استراتژیک و فرایند خلق و تخصیص ارزش معنی­دار نبوده­ است. مطابق با ننایج حاصله و در خصوص مولفه­های موثر بر عملکرد سازمانی نیز معیارهای استراتژیک سازمانی در قیاس با معیارهای عملیاتی، ارتباط موثرتری را منعکس کرده­اند asbstract      the delay in the supply of gasoil has wide consequences of political, social and economic. therefore, the gasoil demand forecasting is very important. the use of artificial neural networks in forecasting has many applications. appropriate design of ann parameters enhances performance and accuracy of the neural network model. trial and error method is used to setting the ann parameters in the most of studies. trial and error method is not a reliable solution to achieve the best ann structure. in the present study, the optimum structure of ann to forecasting the demand of gasoil in the province of hormozgan determined by taguchi experimental design method. analysis of variance (anova) of the ann parameters indicates that contribution of the number of neurons in first hidden layer to the changes in the network mean square error (mse) is about 41% and contribution of the learning algorithm is about 27%. also, the results of this study show that artificial neural networks are designed using taguchi experimental design method have better performance than other networks.