کسب دانش
این بانک کانالهایی را جهت تداوم ارتباطات دو طرفه با مشتریان کلیدی مهیا نموده است.
این بانک فرایندهایی جهت بدست آوردن دانش در مورد مشتریانش بنا نهاده است.
این بانک فرایندهایی جهت بدست آوردن دانش در مورد محصولات و خدمات جدید بنا نهاده است.
این بانک فرایندهایی جهت بدست آوردن دانش در مورد رقبای خود بنا نهاده است.
کاربرد دانش
این بانک در سایه جهت گیری دانش خود کاملا متوجه نیازهای مشتریان کلیدی اش می باشد.
این بانک به جهت در دسترس بودن دانش مشتریان خود می تواند به سرعت اتخاذ تصمیم نماید.
این بانک میتواند اطلاعات درستی در مورد مشتریانش فراهم آورد تا بتواند اجازه عکس العمل سریع و دقیق را در مقابل آنان داشته باشد.
این بانک فرایندهایی جهت به کار بردن دانش جهت حل مشکلات جدید بنانهاده است.
انتشار دانش:
این بانک کارمندان را جهت به اشتراک گذاشتن دانش مورد تشویق قرار می دهد.
فرهنگ سازمانی این بانک کسب سود از طریق انتشار دانش مابین کارمندان را مشابه سازی نموده است.
این بانک فرایندهایی جهت تسهیل انتشار دانش مابین مناطق کاری طراحی نموده است.
متغیرهای سازمانی
کارکنان
این بانک دارای کارکنان مجرب و منابع مورد نیاز جهت موفقیت در استراتژی مدیریت ارتباط با مشتری (CRM) می باشد.
این بانک برای کمک به پیشرفت مهارتهای مورد نیاز کارکنان در جهت مدیریت مناسب بر ارتباط با مشتری، برنامه هایی آموزشی طراحی نموده است.

عملکرد کارکنان بر اساس خدمات دریافت شده و آشکارسازی نیازها و رضایت مشتریان، اندازه گیری و پاداش دهی شده است.
این بانک کارکنان را برای برآوردن اهداف مدیریت ارتباط با مشتری (CRM) بر می انگیزاند.
رهبری
این بانک اهداف تجاری واضحی راجع به کسب سود و حفظ مشتری بنانهاده و این هدف را مابین کلیه اعضا منتشر کرده است.
مدیریت ارشد مدیریت ارتباط با مشتری (CRM) را به عنوان یک اولویت قرار می دهد.
مدیریت ارشد بطور کامل در اجرای استراتژی مدیریت ارتباط با مشتری ایفای نقش دارد.
ساختار سازمانی
ساختار سازمانی پیرو روش مشتری مداری طراحی شده است.
ارتباطات باز و دوطرفه بین بخشهای مختلف سازمان وجود دارد.
به منظور دستیابی به اهداف مدیریت ارتباط با مشتری (CRM) بخشهای مختلفی از سازمان با هم کار میکنند.
تکنولوژی
این بانک جهت مهیا کردن حمایت فنی از استفاده تکنولوژی مدیریت ارتباط با مشتری (CRM) در ساختن ارتباطات مشتریان، دارای کارکنان فنی لایقی می باشد.
این بانک دارای سخت افزارهای مناسبی برای خدمت رسانی به مشتریان می باشد.
این بانک دارای نرم افزارهای مناسبی برای خدمت رسانی به مشتریان می باشد.
سیستم اطلاعاتی این بانک در تمام مناطق مختلف کاری به صورت یکپارچه می باشد.
اطلاعات شخصی هر مشتری در تمامی نقاط ارتباطی در دسترس است.
این بانک قادر است تمام اطلاعات بدست آمده از مشتریان را اعم از، اطلاعات جامع، اطلاعات متمرکز و بروز رسانی بانک اطلاعات را تثبیت نماید.
نتایج مدیریت ارتباط با مشتری (CRM)
سیستم مدیریت ارتباط با مشتری این بانک باعث …………… گردیده است:
افزایش درآمد فروش
بهبود سودآوری
افزایش سهم بازار
بهبود رضایت مشتری
افزایش اعتماد مشتری
بهبود وفاداری مشتری
سایر : (لطفا قید شود) ……………………………………………………………………………………………………………………………………….
با تشکر فراوان از شما جهت تکمیل این پرسشنامه، امیداست گامی باشد در راستای اعتلای بانک پاسارگاد
خروجی های نرم افزاری :

در این تحقیق برای سنجش روایی از سه تکنیک شامل: به ترتیب تکنیک دلفی، متوسط واریانس استخراجی و روایی منفک استفاده شده است. بدین صورت که پس از آن­که به روش دلفی روایی پرسش­ها سنجیده شد. با بهره گرفتن از نرم­افزار PLS متوسط واریانس استخراجی و روایی منفک متغیرهای تحقیق نیز محاسبه شد. ذیلاً به هر یک از روایی­های مذکور به اختصار اشاره می­ شود.

دلفی یکسری از راندهای پیمایشی یا پرسش­نامه­ای بوده که با پرسش­نامه اولیه، پرسش­نامه راندهای بعدی را نیز شکل می­دهد. و باید در مرحله طراحی تحقیق در مورد آن تصمیم گرفته شود. در مورد سؤال اولیه پیوستاری از سؤالات متمرکز تا وسیع (معمولاً وسیع و باز پاسخ) بکار رفته است. اما در مواردی که راهنمایی شرکت کنندگان نسبت به موضوع خاص هدف باشد سؤالات متمرکز و دارای ساختار استفاده می گردد. در این پژوهش در تکنیک دلفی از سؤال­های متمرکز ساختار یافته استفاده شد. در خصوص تعداد و نحوه انتخاب متخصصین شرکت­کننده در تکنیک دلفی هیچ قانون قوی و صریحی وجود ندارد و تعداد آنها وابسته به فاکتورهای: هموژن یا هتروژن بودن نمونه، هدف دلفی یا وسعت مشکل، کیفیت تصمیم، توانایی تیم تحقیق در اداره مطالعه، اعتبار داخلی و خارجی، زمان جمع­آوری داده­­ها و منابع در دسترس، دامنه مسأله و پذیرش پاسخ است و به­منظور بررسی روایی محتوایی و صوری، پرسش­نامه­ محقق ساخته به صورت ساختار یافته با ۷۰ پرسش به صورت هدفمند در اختیار ۱۰ نفر از صاحب­­نظران و متخصصان امر که دانش و تجربه در حوزه مورد نظر را داشتند، شامل: ۳ نفر از اسـاتید دانشکده مدیریت و حسابداری دانشگاه علامه طباطبایی گروه صنعتی، ۳ نفر از اساتید گروه مدیریت دانشگاه علوم انتـظامی دانشکده اداری و پشتیبانی و ۴ نفر از مدیران ارشد راهـور قرار گرفت. پس از اجرای ۲ راند اصـلاحات لازم در سؤال­ها به­عـمل آمد و با حذف ۴ پرسش روایی صـوری و محتوایی ۶۶ سؤال پرسش­نامه بوسیله متخصصین تأیید گردید. نظر صاحب­نظران در خصوص روایی آن مثبت بوده است.^[۳۱۴] بدین ترتیب می‌توان انتظار داشت که پرسش­نامه­ مورد استفاده در تحقیق، دارای روایی محتوایی^[۳۱۵] و صوری^[۳۱۶] کافی می‌باشد. جهت بررسی روایی سازه پژوهش حاضر به بررسی همسانی درونی سؤالات از طریق محاسبه پایایی پرداخته شد که نتایج در جدول (۳-۳) شاخص‌های روایی، پایایی گزارش شده است^[۳۱۷].
در خصوص روایی منفک و روایی با شاخص متوسط واریانس استخراجی نتایج در جدول (۳-۳) نشان می­دهد که متغیرهای تحقیق از روایی لازم برخوردارند.
ب) سنجش پایایی ابزار اندازه ­گیری
یک‌ ابزار معتبر و پایا ابزاری‌ است‌ که‌ دارای‌ ویژگی‌ تکرارپذیری‌ و باز پدیدآوری‌ باشد، یعنی ‌بتوان‌ آن‌ را در موارد متعدد بکار برد و در همه‌ موارد نتایج‌ یکسان‌ تولید کرد. در واقع‌ پایایی، همبستگی‌ آزمون‌ با خودش‌ است‌ (لین^[۳۱۸]، ۱۹۸۹؛ برنان^[۳۱۹]، ۲۰۰۶؛ نانالی^[۳۲۰] و برنشتاین^[۳۲۱]، ۱۹۹۴).
برای سنجش پایایی پرسش­نامه ازضریب آلفا کرونباخ و ضریب پایای ترکیبی استفاده شده است. ضریب الفا کرونباخ در دو مرحله محاسبه شد. در مرحله اول پرسش­نامه به صورت پایلوت در جامعه آماری به صورت تصادفی بین ۲۵ نفر از جامعه آماری توزیع شد که ۱۸ نفر پرسش­نامه را تکمیل و عودت دادند. پس از جمع­آوری به­منظور محاسبه ضریب اعتبار یا پایایی پرسش­نامه ساخته شده توسط محقق، از ضریب آلفا کرونباخ استفاده شد. که ضریب پایایی ۶۶ سؤال پرسش­نامه در سطح اطمینان ۹۹% رقم ۸۸۴۲% حاصل شد. مرحله بعدی پرسش­نامه، پرسش­نامه نهایی شده بوسیله محقق در جامعه آماری با روش نمونه گیری تصادفی توزیع شد. نتایج محاسبات بعمل­آمده از پرسش­نامه اصلی توزیع شده در بین ۲۰۰ نفر از جامعه نمونه حاکیست که ضریب آلفا کرونباخ کل پرسش­نامه (۶۶ سؤال) در سطح اطمینان ۹۹% رقم ۹۶۱% بدست آمد. نتایج ضریب الفای کرونباخ و ضریب ترکیبی پرسش­نامه نهایی تحقیق در جدول (۳-۳) نشان می­دهد که ابزار اندازه ­گیری تحقیق از پایایی خوبی برخوردار است.
۱۰-۳ اعتبارسنجی مدل‌های اندازه‌گیری
قبل از وارد شدن به مرحله آزمون فرضیات و مدل مفهومی تحقیق،‌ اطمینان یافتن از صحت مدل­های اندازه ­گیری متغیرهای برون­زا و درون­زا ضروری می­باشد. این کار از طریق تحلیل عاملی مرتبه اول و دوم صورت گرفته است. تحلیل عاملی تأییدی یکی از قدیمی­ترین روش­های آماری است که برای بررسی ارتباط بین متغیرهای مکنون (متغیرهای اصلی) و متغیرهای مشاهده شده (گویه‌های پرسش­نامه) به­کار برده می­ شود و بیان­گر مدل اندازه ­گیری است (Byrne, 1994). این تکنیک که به برآورد پارامترها و آزمون فرضیه ­ها با توجه به تعداد عامل­های زیربنایی میان نشانگرها می ­پردازد، مبتنی بر یک شالوده تجربی و نظری قوی است و مشخص می­ کند که کدام متغیرها با کدام عامل (ابعاد آن عامل) و همچنین کدام عامل با کدامیک از عامل­ها همبسته است. معیارهای اعتبارسنجی مدل اندازه‌گیری در جدول (۶-۳) به­ طور خلاصه آورده می‌شود.
جدول ۶-۳: معیارهای اعتبارسنجی مدل‌های اندازه‌گیری

بانکداری الکترونیکی به معنای یکپارچه­سازی کلیه فعالیت­های یک بانک از طریق به­ کارگیری فناوری نوین اطلاعات و ارتباطات، مبتنی بر فرآیندهای بانکی، منطبق بر ساختار­سازمانی بانک­ها است که امکان ارائه کلیه خدمات مورد نیاز مشتریان را فراهم می­سازد. بانکداری الکترونیکی یعنی فراهم آوردن امکاناتی برای مشتریان که بدون نیاز به حضور فیزیکی در بانک و با بهره گرفتن از واسطه­های ایمن بتوانند به خدمات بانکی دسترسی یابند. در تعریفی دیگر بانکداری الکترونیک را ارائه خدمات بانکی از طریق شبکه ­های کامپیوتری عمومی قابل دسترس (اینترنت، اینترانت و …) یا شبکه ­های خاص مانند سیستم شتاب که از امنیت بالایی برخوردار است؛ دانسته و در واقع بانکداری الکترونیک نوع خاصی از بانکداری است که جهت ارائه سرویس به مشتریان از یک محیط الکترونیکی (اینترنت، موبایل و غیره) استفاده می­ کند. در این روش، تمامی عملیات بانکی اعم از دریافت یا واریز پول، تأیید امضاء، مشاهده موجودی و دیگر عملیات بانکی به صورت الکترونیکی انجام می­ شود. در تعریفی جامع، بانکداری الکترونیکی عبارت است از استفاده از کانال­های تحویل الکترونیکی بانکداری که در واقع زیرگروه تأمین مالی الکترونیکی است. مهم­ترین کانال­های تحویل الکترونیکی اینترنت، شبکه ­های ارتباطی بی­سیم، ماشین­های خود­پرداز(ATM) و تلفنبانک و سایر کانال­های ارائه خدمات بانکی می­باشد.

بانکداری الکترونیک دارای سطوح مختلف می­باشد. هر قدر به سمت سطوح بالاتر حرکت کنیم، عملیات دستی کمتر، سیستم­های کامپیوتری متمرکز­تر، شبکه قابل دسترسی گسترده­تر، محدودیت­ زمانی و مکانی کمتر و در نهایت، امنیت اطلاعات بانکی بیشتر خواهد بود. به عبارت دیگر بانکداری الکترونیک را می توان استفاده از فناوری پیشرفته شبکه ­های ارتباطی و مخابراتی جهت انتقال وجوه در سیستم بانکداری معرفی نمود.
آنچه که در جدول ۲-۵ ملاحظه می­نمایید، مقایسه­ ای بین ویژگی­های بانکداری سنتی و بانکداری نوین (الکترونیکی) است. در این بین آنچه که اهمیت فراوانی دارد، این است که بانکداری الکترونیکی با وجود چالش­هایی که برای پیشرفت و توسعه پیش روی خود دارد، می تواند به عنوان پدیده بسیار موثر و غیرقابل انکار، امور تجاری و مالی را برای تمامی گروه ­های ذینفع تسهیل نماید. (علیخانزاده, ۱۳۸۷, ص. ۳۱-۳۲)
جدول۴ مقایسه ویژگیهای بانکداری سنتی و الکترونیکی

آنچه حائز اهمیت و درخور توجه است ویژگی فعال و آینده­نگری خصوصیات بانکداری الکترونیک در مقایسه با بانکداری سنتی است. بانکداری سنتی بیشتر با یک دید محافظه ­کارانه سعی می­نماید به شیوه ­های مختلف هزینه­ های بانک را کاهش دهد. در صورتی که بانکداری الکترونیکی ضمن ارائه جامع خدمات بانکی در فکر توسعه و تحول بر مبنای جلب رضایت مشتری و افزایش درآمد بر مبنای ارائه خدماتی است که در قبالش کارمزد دریافت می­دارد. به طور کلی بانکداری الکترونیکی عبارتند از فراهم­آوردن امکاناتی برای کارکنان در جهت افزایش سرعت و کارایی آن­ها در ارائه خدمات بانکی و ارائه امکانات سخت­افزاری و نرم­افزاری به مشتریان، مبتنی بر شبکه مخابرات که با بهره گرفتن از آن­ها بتوانند بدون نیاز به حضور فیزیکی در بانک، در هر ساعت از شبانه روز از طریق کانال­های ارتباطی ایمن عملیات بانکی خود را انجام دهند. (محمدی و نجفی, ۱۳۸۹, ص. ۳۱)
بانکداری الکترونیکی در شاخه­ها و انواع مختلف ارائه می­شودکه برخی از آنها شامل بانکداری اینترنتی، بانکداری مبتنی بر تلفن همراه، بانکداری تلفنی، بانکداری مبتنی بر نمابر، بانکداری مبتنی بر دستگاه­های خودپرداز، بانکداری مبتنی بر پایانه ­های فروش و بانکداری مبتنی بر شعبه­های الکترونیکی می­باشد
از مهمترین اهداف در توسعه بانکداری الکترونیکی کاهش و یا در حالت مطلوب حذف حضور فیزیکی افراد در شعبه­های بانک­ها است. به این از ترتیب از اتلاف وقت و هزینه و انرژی مشتریان و کارکنان جلوگیری می­ شود و کارایی، کیفیت و سرعت ارائه خدمات بالا می­رود. از طرف دیگر وابستگی مبادله­های مشتریان به ابزارهای پرداخت کاغذی مانند چک و اسکناس کاهش می­یابد. کاهش هزینه­ های مربوط به چاپ و نشر اسکناس برای دولت ارزش افزوده به همراه خواهد داشت.
بانکداری الکترونیکی در ساده­ترین حالت به معنای ارائه اطلاعات درباره یک بانک و خدمات آن از طریق یک صفحه وب است. خدمات پیچیده­تر بانکداری الکترونیکی این امکان را به مشتریان می­دهد تا به حساب­های خود دسترسی پیدا کرده، قادر به جابجایی پول میان حساب­های مختلف باشند و بصورت الکترونیکی وام بگیرند و پرداخت­های خود را انجام دهند. در مفهوم بانکداری الکترونیکی، ارسال الکترونیکی خدمات به این معنا است که یک مشتری به واسطه کانال­های الکترونیکی آنلاین مانند اینترنت بتواند معاملات خود را انجام دهد. بسیاری از بانک­ها و سازمان­های دیگر نسبت به استفاده از این کانال برای ارائه خدمات خود اشتیاق نشان می­ دهند، زیرا هزینه­ های آن پایین بوده، فروش آن بالاست و توانایی بیشتری در عرضه تسهیلات به مشتریان دارد. بسیاری از مردم از ایجاد بانکداری الکترونیکی به عنوان یک تحول انقلابی یاد می­ کنند. اما می­توان از بانکداری الکترونیکی به عنوان قدمی دیگر در سیر تکاملی بانکداری نام برد. این تصور که بانکداری الکترونیکی به طور کامل جای روش­های موجود را خواهد گرفت، ممکن است واقع­بینانه نباشد. تجربه نشان می دهد، آینده آمیزه­ای از بانکداری الکترونیکی و سنتی است. اگر چه هزینه­ های راه ­اندازی بانکداری الکترونیکی زیاد است، اما می ­تواند به سرعت سودآور باشد. (محمدی و نجفی, ۱۳۸۹, ص. ۳۲-۳۳)
در سال ۲۰۰۵ تحقیقی توسط Tech web news انجام گرفته است که نشان می­دهد بانکداری الکترونیکی پر­سرعت­ترین رشد را میان فعالیت­های بازرگانی در اینترنت داشته است. گسترش بانکداری آنلاین با توسعه اتصال­های باندهای پهن پرسرعت و افزایش بلوغ فکری کاربران اینترنت همراه شده است. فاکتور دیگری که در رشد بانکداری الکترونیکی نقش دارد، این است که بانک­ها متوجه فواید بانکداری الکترونیکی شده ­اند و اشتیاق بیشتری برای ارائه آن به مشتریان نشان می­ دهند.
مزایای بانکداری الکترونیکی
توسعه بانکداری الکترونیکی دارای مزایای قابل توجهی است؛ که برخی از آنها عبارتند از :
بازار نامحدود از لحاظ زمانی و مکانی: بانکداری الکترونیکی بر­خلاف بانک­های سنتی محدودیتی برای انجام فعالیت­های بانک در چارچوب زمان فعالیت بانک ندارد. با گسترش اینترنت و رواج بانکداری در محیط الکترونیکی می توانند فارغ از زمان و مکان به نقل و انتقال وجوه از حساب خود به حساب دیگری و برعکس بپردازد و به این ترتیب بدون حضور فیزیکی از خدمات بانک بهره­مند شوند.
امکان ارائه خدمات متنوع و گسترده: مشتریان می­توانند برای پرداخت قبوض مختلف، افتتاح حساب، خرید سهام، دریافت یا حواله انواع چک، نظارت بر حساب شخصی، مبادلات پول و … از خدمات بانکداری الکترونیکی بهره­مند شوند.
کسب درآمد از طریق کارمزد: نظام بانکداری الکترونیکی همواره به دنبال توسعه و ارائه خدماتی است که در قبال آنها رضایتمندی مشتریان را افزایش داده و با دریافت کارمزد، درآمد خود را نیز افزایش دهد.
تمرکز بر هزینه و رشد درآمد: نظام بانکداری سنتی با بکارگیری راه حل های گوناگون، بیشتر سعی در کاهش هزینه­ های خود دارد. در صورتی که نظام بانکداری نوین علاوه بر تمرکز روی کاهش هزینه­ها، با نگاه جامع و آینده­نگر سعی در ارائه خدمات جدید و کسب درآمد از این طریق را دارد.
از دیگر مزایای بانکداری الکترونیکی می­توان به موارد زیر نیز اشاره نمود:
کاهش حجم استفاده از کاغذ و نیروی انسانی؛
ایجاد رابطه نزدیک میان بانک­ها؛

۹۱/۰
۹۰۶/۰
۲۶۲/۰
شناسایی و کسب دانش
۸۵۹/۰
۹۴/۰
ملاحظات فردی
۹۲۷/۰
۹۰۸/۰
استفاده و نگهداری
انگیزش الهام بخش
۹۳۸/۰
۶۰۴/۰
۹۱۴/۰
پاداش مشروط
۸۹۸/۰
ارزیابی و بازخور
شکل ۲-۵: مدل مفهومی نهایی تحقیق
۸۲۸/۰
مدیریت بر مبنای استثناء فعال
توسعه و تسهیم
۵-۵ جنبه نوآوری تحقیق
جنبه ی نوآوری این تحقیق از آن جهت است که به طور خاص به یک بعد از ابعاد پیاده سازی مدیریت دانش پرداخته است در تحقیقات پیشین بعد رهبری در کنار سایر ابعاد مورد بررسی قرار گرفته که این امر باعث کلیت بخشیدن به یافته ها می گردید در این تحقیق سعی شد به صورت متمرکز تر و دقیق تری به این بعد پرداخته شود. همچنین از این جنبه که در این تحقیق سعی شد مدل های جدیدی مورد استفاده قرار گیرند، لذا در مورد سبک رهبری، پس از بررسی سیر تکامل مکاتب رهبری مدل رهبری باس که جزء مباحث جدید در بحث رهبری می باشد مورد استفاده قرار گرفت و در مورد مدیریت دانش مدل سنگ بنای مدیریت دانش که تقریباً در بر گیرنده ی اجزاء مهم سایر مدل های مطرح شده در این زمینه است مورد استفاده قرار گرفت.
۶-۵ محدودیت های تحقیق
دقت پایین در پاسخگویی به پرسشنامه ها یکی از مشکلات پیش رو بود که سعی شد با حضور محقق در زمان پاسخگویی به پرسشنامه ها و رفع ابهامات احتمالی برای پاسخ دهندگان، امکان بروز این مسئله به حداقل ممکن رسانده شود،

نو بودن موضوع در سازمان و کمبود یا فقدان آمار و ارقام مربوط به عملکرد مربوط به این زمینه از دیگر محدودیت های پیش روی محقق در انجام این تحقیق بود.
محدودیت زمانی
۷-۵ پیشنهاد های تحقیق
در این تحقیق بر اساس نتایج و یافته های حاصل از تحقیق دو سری پیشنهاد ارائه گردید، یک دسته پیشنهاداتی که به سازمان مورد بررسی و سازمان های مشابه به منظور بهبود عملکرد آن ها در حوزه ی مورد بررسی این تحقیق است و دسته دوم پیشنهاداتی برای پژوهشگرانی که قصد انجام تحقیق در این زمینه را دارند.
۱-۷-۵ پیشنهاد هایی بر اساس یافته های تحقیق
با توجه به تأیید رابطه قوی میان سبک رهبری و مدیریت دانش سازمان ها باید در هنگام پیاده سازی مدیریت دانش به بعد رهبری توجه ویژه داشته باشند.
به کارگیری رهبری تبادلی به منظور پیاده سازی موفق تر مدیریت دانش در صندوق ضمانت صادرات ایران
به منظور تقویت بعد رهبری دانش در این سازمان کمک کردن به زیردستان باید متناسب با تلاش آن ها صورت گیرد.
مشخص کردن افرادی که برای رسیدن به اهداف برجسته شایسته می باشند، می تواند در تقویت بعد رهبری دانش در این سازمان مؤثر باشد.
تعیین منافع دریافتی افراد بعد از تحقق اهداف و بیان احساس رضایت از زیردستان تنها پس از تحقق اهداف توسط آن ها نیز می تواند بعد رهبری دانش در این سازمان را تقویت کند.
تمرکز بر رسیدگی به اشتباهات، انتقادات، شکایت ها، انحراف از معیارها و شکست ها در رهبری دانش در این سازمان اهمیت بسزایی دارد.
پیگیری منشأ تمام اشتباهات و درس گرفتن از اشتباهات در جهت دستیابی به استاندارها نیز به منظور تقویت بعد رهبری دانش در این سازمان باید مد نظر قرار داده شود.
اجتناب از دخالت در مسائل مهم و اجتناب از تصمیم گیری تضعیف کننده بعد رهبری دانش در این سازمان است.
طفره رفتن از پاسخ به سؤالات مهم و جدی و عدم حضور به هنگام نیاز تضعیف کننده بعد رهبری دانش در این سازمان است.
پیاده سازی شاخص های مربوط به ویژگی های آرمانی شامل القای افتخار و غرور به اعضاء توسط رهبر و صرفنظر از علایق فردی به خاطر مصلحت گروه، عمل کردن به شیوه ای که باعث جلب احترام دیگران می شود و نشان دادن احساس قدرت و شایستگی توسط رهبر تقویت کننده بعد رهبری دانش در این سازمان است.
به کارگیری شاخص های مربوط به رفتارهای آرمانی مانند صحبت کردن در مورد مهمترین ارزش ها و باورها، توجه به نتایج معنوی و اخلاقی تصمیمات و تأکید بر اهمیت داشتن حس همکاری در مأموریت ها بعد رهبری دانش در این سازمان را تقویت می نماید.
به کار بستن شاخص های ترغیب ذهنی شامل بررسی دقیق پیشنهادها، جستجوی چشم اندازهای مختلف به هنگام حل مسئله، وادار کردن دیگران به نگریستن به مسائل از زوایای مختلف و تشویق به کارگیری نگرش جدید و تفکر غیر سیستمی برای پرداختن به مسائل می تواند تقویت کننده بعد رهبری دانش در این سازمان یاشد.
شاخص های تشکیل دهنده انگیزش الهام بخش مانند صحبت خوش بینانه درباره آینده، تأکید بر اهمیت آینده نگری، القای حس امید نسبت به دستیابی به اهداف نیز تقویت کننده بعد رهبری دانش در این سازمان است.
به کار گیری شاخص های مربوط به متغییر ملاحظات فردی مانند کمک به برآورده کردن استعدادهای بالقوه زیردستان، صرف وقت برای راهنمایی و آموزش، رفتار کردن با دیگران به عنوان اشخاص و نه صرفأ به عنوان اعضای گروه، توسعه فردیت و تسهیل رشد افراد از جمله عوامل تقویت کننده بعد رهبری دانش در این سازمان می باشند.
۲-۷-۵ پیشنهادهایی برای تحقیقات آتی
با توجه به گستردگی نظریه ها و سبک های رهبری در تحقیقات آتی می توان به بررسی سایر سبک های رهبری مؤثر بر مدیریت دانش پرداخت،
تحقیق حاضر به نوع سازمان از لحاظ دولتی یا خصوصی بودن تمرکز خاصی نداشته است لذا بررسی مقایسه ای سبک های رهبری مؤثر بر مدیریت دانش در سازمان های دولتی و خصوصی می تواند در تحقیقات آتی صورت گیرد،
تحقیق حاضر رابطه بین سبک رهبری و مدیریت دانش را بدون در نظر گرفتن متغییرهای میانجی و تعدیل گر احتمالی بررسی نموده است لذا در تحقیقات آتی می توان متغییرهای میانجی و تعدیل گر ی را که ممکن است بر این رابطه تأثیر داشته باشد را مورد بررسی قرار داد،
با توجه به اینکه هر سازمان متناسب با نیروی انسانی فعال در آن باید سبک رهبری مناسبی را به کار گیرد لذا امکان انجام این تحقیق در سازمان ها و جامعه های آماری دیگر نیز وجود دارد.
منابع و مآخذ
منابع فارسی

نسبت رشد دارایی:
نسبت رشد فروش:(بریکلی و همکاران، ۱۹۸۳)
نرخ رشد سود خالص: درجه تغییر در سود خالص شرکت در طی دوره زمانی مشخص(ادریسینگ و همکاران،۲۰۰۸).
۲-۳-۷- معیارهای خوشه بازار:
نسبت ارزش بازار به دفتری (MV/BV): فاما و همکاران نشان دادند که این نسبت می تواند تشریح کننده پراکندگی مقطعی بازده سهام باشد.
نسبت قیمت به سود هرسهم (P/E) : این نسبت نشان می دهد که سهامدران انتظار دارند طی چند سال آتی (با فرض حفظ شرایط) ارزش سرمایه گذاری امروز خود را بازیافت نمایند (شهدایی،۱۳۸۵).
۲-۴- داده کاوی
داده کاوی یک اصطلاح است که برای توصیف استخراج ارزش از یک پایگاه داده استفاده می شود. پایگاه داده محلی برای نگهداری اطلاعات ذخیره شده می باشد که در آن نوع داده ذخیره شده بستگی زیادی به نوع صنعت و شرکت دارد، به عنوان مثال: استخراج اطلاعات مبنی بر پیشگویی پنهان از بانک های اطلاعاتی بزرگ، یک فناوری جدید و نیرومند با پتانسیل بالا برای کمک به صنعت پزشکی می باشد.

ابزارهای داده کاوی روش‌ها و رفتارهای آینده و امکان ایجاد کسب وکار فعال و تصمیمات دانش محور را پیش‌بینی می کنند. تکنیک های داده‌کاوی می توانند به سرعت روی پلت فرم های نرم افزار و سخت افزار موجود به منظور افزایش ارزش منابع اطلاعاتی موجود، اجرا شوند.
همچنین در صنعت آموزش که استخراج داده های آموزشی خوانده می شود، در رابطه با شیوه های در حال توسعه‌ای است که به کشف اطلاعات بدست آمده از محیط های آموزشی می پردازد و از تکنیک هایی مانند درخت تصمیم‌گیری، شبکه های عصبی، نزدیک ترین نود مجاور و غیره استفاده می‌کند. در حوزه ورزش نیز داده کاوی برای کاربردهایی از جمله ارزیابی استراتژی های بازی، پیش بینی نتایج آموزش، آسیب دیدگی، عملکرد تیمی و فردی، همچنین شناسایی استعدادهای مختلف در رشته های ورزشی مختلف استفاده می شود. داده کاوی در شکل‌دهی تجارت ها و ارتباطات مشتریان به ابزار مهمی تبدیل شده است. استخراج داده ها و کشف آن ها به منظور تصمیم گیری بهتر می باشد و به عنوان یک مولفه ضروری در سازمان های مختلف در آمده است. این تکنیک ها نیازمند زمینه های جدید علمی،آماری و قابلیت های محاسباتی مناسب می باشد.
داده کاوی به عنوان مهمترین کاربرد انبارهای داده ^[۱۲]شناخته می شود. داده های موجود به وسیله داده کاوی مورد تحلیل قرار می گیرند تا روندهای احتمالی، ارتباط های غیر محسوس و الگو های مخفی از بین انبوه داده ها شناسایی شوند. در این فرایند از الگوریتم های پیچیده ریاضی و آماری استفاده می شود تا داده ها تبدیل به دانش سازمان شوند. شکل (۱) نمای شماتیکی از مراحل داده کاوی را نشان می دهد(بریجشکومار، ۲۰۰۱).
شکل ۲-۱: مراحل داده کاوی

امروزه، بیشترین کاربرد داده کاوی در بانک ها، مراکز صنعتی، کارخانجات بزرگ، مراکز درمانی، بیمارستان ها، مراکز آموزشی، مراکز تحقیقاتی، بازاریابی هوشمند و بسیاری از موارد دیگر می باشد.
داده کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده می باشد. داده کاوی فرآیندی پیچیده جهت شناسایی الگوها و مدل های صحیح، جدید و به صورت بالقوه مفید در حجم وسیعی از داده می باشد، به طریقی که این الگوها و مدل ها برای انسان ها قابل درک باشند. داده کاوی به صورت یک محصول قابل خریداری نمی باشد، بلکه یک رشته علمی و فرآیندی است که بایستی به صورت یک پروژه پیاده سازی شود. هدف اصلی داده کاوی پیش بینی است، و به صورت دقیق تر می توان گفت: “کاوش داده ها شناسایی الگوهای صحیح، بدیع، سودمند و قابل درک از داده های موجود در یک پایگاه داده است که با بهره گرفتن از پردازش های معمول قابل دستیابی نیستند”
الگوریتم و تکنیک های متفاوتی جهت داده کاوی وجود دارد، مانند دسته بندی، خوشه بندی، رگرسیون گیری، هوش مصنوعی، درخت تصمیم گیری و الگوریتم ژنتیک که برای کشف اطلاعات به کار می روند. این تکنیک‌ها برای درک بهتر به طور مختصر بیان شده اند(بریجشکومار، ۲۰۰۱).
۲-۴-۱- مفاهیم اساسی در داده کاوی
Bagging: این مفهوم برای ترکیب رده بندی های پیش بینی شده از چند مدل  به کار می رود. فرض کنید که قصد دارید مدلی برای رده بندی پیش بینی بسازید و مجموعه داده های مورد نظرتان کوچک است. شما می توانید نمونه‌هایی(با جایگزینی) را از مجموعه داده ها انتخاب و برای نمونه های حاصل از درخت رده بندی (مثلا C&RT وCHAID) استفاده نمایید. به طورکلی برای نمونه های مختلف به درخت های متفاوتی خواهید رسید. سپس برای پیش بینی با کمک درخت های متفاوت به دست آمده از نمونه ها، ‌یک رای گیری ساده انجام دهید. رده‌بندی نهایی، رده بندی ای‌ خواهد بود که درخت های مختلف آن را پیش بینی کرده اند.
Boosting: این مفهوم برای تولید مدل‌های چندگانه (برای پیش بینی یا رده بندی) به کار می‌رود و از روش C&RT یا CHAID استفاده وتعدادی از دسته ها را تولید خواهد کرد.
Meta-Learning : این مفهوم برای ترکیب پیش بینی‌های حاصل از چند مدل به کار می‌رود و هنگامی که انواع مدل‌های موجود در پروژه خیلی متفاوت هستند، کاربرد دارد. فرض کنید که پروژه داده کاوی شما شامل چند گروه نظیر C&RT و CHAID، تحلیل خطی و شبکه های عصبی است. هر یک از کامپیوترها، رده بندی‌هایی را برای نمونه‌ها‌ پیش بینی کرده اند. تجربه نشان می‌دهد که ترکیب پیش بینی های چند روش دقیق تر از پیش بینی‌های هر یک از روش هاست. پیش بینی های حاصل از چند گروه را می توان به عنوان ورودی meta-linear مورد استفاده قرار داد. meta-linear پیش بینی ها را ترکیب می کند تا بهترین رده بندی پیش بینی شده حاصل شود.
۲-۴-۲- تکنیک های داده کاوی
۲-۴-۲-۱- دسته بندی
متداول ترین تکنیک است و یک سری نمونه های از پیش تعیین شده را شامل می شود که برای توسعه مدل به کار می رود که بتواند انواعی از موارد ثبت شده را دسته بندی نماید. این شیوه غالباً از درخت تصمیم گیری یا الگوریتم‌های دسته بندی شبکه استفاده می کند، فرایند شامل یادگیری و رده بندی است.
در یادگیری اطلاعات آموزشی با الگوریتم دسته بندی تحلیل می شود و اطلاعات برای برآورد دقیق قواعد به کار می رود، اگر دقت آن در حد مناسبی باشد می توان از آن برای موارد جدید استفاده نمود. الگوریتم دسته بندی‌کننده موارد آموزشی از نمونه های از پیش دسته بندی شده برای تعیین مجموعه ای از پارامترهای مورد نیاز برای تفکیک صحیح استفاده می کند، سپس الگوریتم این پارامترها را به مدلی به نام دسته بندی تبدیل می‌کند(بریجشکومار،۲۰۰۱).
۲-۴-۲-۲- خوشه بندی
داده ها ممکن است حاوی ساختارهای پیچیده ای باشند که حتی بهترین تکنیک های داده کاوی هم قادر به استخراج الگوهای معنی دار از آن ها نباشند. خوشه بندی راهی را برای یافتن ساختار داده های پیچیده فراهم می آورد و سیگنال های رقابتی ناهماهنگ را به اجزایشان تفکیک می کند. خوشه بندی به عمل تقسیم جمعیت ناهمگن به تعدادی از زیرمجموعه ها یا خوشه های همگن گفته می شود.
نقطه تمایز خوشه بندی از دسته بندی:
در دسته بندی براساس یک مدل هر کدام از داده ها به دسته های از پیش تعیین شده اختصاص می یابد. این دسته‌ ها از طریق پژوهش های پیشین تعیین گردیده اند.
لیکن در روش خوشه بندی هیچ دسته ی از پیش تعیین شده ای وجود ندارد و داده ها صرفاً بر اساس تشابه، گروه‌بندی می شوند و عناوین هر گروه نیز توسط کاربر تعیین می گردد(بریجشکومار، ۲۰۰۱).
۲-۴-۲-۳- رگرسیون گیری
تکنیک رگرسیون گیری را می توان برای پیش بینی پذیرفت. از تحلیل رگرسیون می توان برای مدل سازی روابط یک یا چند متغیر مستقل و وابسته استفاده نمود.
در استخراج اطلاعات متغیر های مستقل ویژگی هایی هستند که قبلاً شناخته شده و متغیرهای وابسته مربوط به چیزی هستند که می خواهیم پیش بینی کنیم. متاسفانه، خیلی از مسائل واقعی به راحتی پیش بینی نمی شوند بنابراین، تفکیک های پیچیده تر ممکن است برای پیش بینی مقادیر آینده ضروری باشد، انواعی از مدل ها غالباً برای رگرسیون گیری و دسته بندی به کار می روند. برای نمونه C&RT (دسته بندی و درخت رگرسیون گیری) الگوریتم درخت تصمیم گیری را می توان برای ایجاد درخت دسته بندی و درخت رگرسیون گیری استفاده نمود. شبکه های عصبی می توانند مدل های رگرسیون گیری و دسته بندی را ایجاد کنند(بریجشکومار، ۲۰۰۱).
۲-۴-۲-۴- تجمع و همبستگی
تجمع و همبستگی معمولاً برای یافتن یک آیتم تکراری به کار می رود و یافته ها را در میان مجموعه اطلاعات و سیستم تنظیم می کند. این مورد به تاجران کمک می کند تا تصمیمات مشخصی بگیرند مانند طراحی کاتالوگ، بازاریابی و تحلیل رفتار مشتری. این الگوریتم لازم است بتواند قوانینی را ایجاد نماید که مقدار اعتباری کمتر از ۱ را داشته باشد. به هر حال تعداد قوانین انجمنی احتمالی برای مجموعه داده های مشخص خیلی بزرگ است و نسبت بالای قوانین با مقدار کم همراه است(بریجشکومار، ۲۰۰۱).
۲-۴-۲-۵- الگوریتم ژنتیک
الگوریتم ژنتیک (GA)^[13] یک جستجوی اکتشافی است که فرایند تکامل طبیعی را پیروی می کند، این اکتشاف برای ایجاد راه حل های مفید در بهینه سازی و جستجوی مسائل به طور مدارم استفاده شده است. الگوریتم های ژنتیک متعلق به کلاس بزرگتری از الگوریتم های تکاملی (EA)^[14] هستند، که برای ایجاد راه حل های بهینه سازی مسائل از روش های الهام گرفته از تکامل طبیعی، مانند وراثت، جهش، گزینش و تقاطع استفاده می کنند، و به این صورت است که طبیعت، افراد قوی تر (شایسته تر) را برای زندگی برمی گزیند(اینا کاپور شارما، ۲۰۱۲‌).
۲-۴-۲-۶- شبکه های عصبی مصنوعی
در یادگیری ماشین، دو رهیافت برای یادگیری وجود دارد: یادگیری نمادی و یادگیری زیر نمادی. درخت تصمیم یک روش نمادی است که داری تفسیرپذیری و قابلیت فهم بالایی می باشد. شبکه عصبی یک روش زیر نمادی است که دارای پایداری و انعطاف پذیری بالایی می باشد. درخت شبکه عصبی یک مدل یادگیری ترکیبی است که ساختار اصلی آن درخت تصمیم و هر گره داخلی آن، یک شبکه عصبی خبره خواهد بود و سعی دارد تا مزیت‌های درخت تصمیم و شبکه عصبی را با هم ترکیب کند. نتایج آزمایشات نشان می دهد که در حالت کلی، درخت شبکه عصبی بهتر از درخت تصمیم معمولی عمل خواهد کرد، زیرا شبکه عصبی جداکنندگی بهتری نسبت به یک ویژگی خواهد داشت(پریجایی مقدم و موسوی، ۲۰۱۲).
شبکه های عصبی مصنوعی (ANN)^[15] که معمولاً به عنوان” شبکه های عصبی” نام برده می شوند یک الگوی ریاضی مبنی بر سیستم زیستی است. سیستم های عصبی یک الگوریتم برای بهینه سازی و یادگیری آزادانه بر اساس مفاهیم الهام گرفته از تحقیق در ماهیت مغز می باشند. مغز با بهره گرفتن از قابلیتی شناخته شده به عنوان نورون اجزا ی ساختاری خود را سازمان دهی می کند، در نتیجه محاسبات معینی را بسیار سریع تر از کامپیوتر دیجیتال انجام می‌دهد. در حالت کلی شبکه عصبی ماشینی است که طراحی شده تا روشی مشابه با کاری که مغز برای انجام وظایف خاص یا عملکرد قابل توجه بر اساس مطالعات دکتر سایمون هاسکین^[۱۶] انجام می دهد را مدل سازی کند. این شبکه یک پردازنده توزیع شده موازی بزرگ است که از واحد های پردازش ساده ساخته شده است، و دارای یک تمایل طبیعی برای ذخیره سازی دانش تجربی و ایجاد دسترسی به آن برای استفاده می باشد(اینا کاپور شارما، ۲۰۱۲‌).
۲-۴-۲-۷- تحلیل عاملی^[۱۷]
معمولاً در تحقیقات به دلایل مختلف با حجم زیادی از متغیرها روبرو هستیم. برای تحلیل دقیق تر داده ها و رسیدن به نتایج علمی تر و در عین حال عملیاتی تر، پژوهشگران به دنبال کاهش حجم متغیرها و تشکیل ساختار جدیدی برای آن ها می باشند و بدین منظور از روش تحلیل عاملی استفاده می کنند. تحلیل عاملی یکی از روش های آماری برای تجزیه اطلاعات موجود در مجموعه داده ها است. این روش توسط کارل پیرسون ^[۱۸] (۱۹۰۱) و چارلز اسپیرمن^[۱۹] (۱۹۰۴) برای اولین بار هنگام اندازه گیری هوش مطرح شد و برای تعیین تأثیرگذارترین متغیرها در زمانی که تعداد متغیرهای مورد بررسی زیاد و روابط بین آنها ناشناخته باشد، استفاده می شود. در این روش متغیرها در عامل هایی قرار می گیرند، به طوری که از عامل اول به عامل های بعدی درصد واریانس کاهش می یابد، از این رو متغیرهایی که در عامل های اولی قرار می گیرند، تأثیرگذارترین هستند. تجزیه عاملی در واقع گسترش تجزیه مؤلفه های اصلی است و سعی در شناسایی متغیرهای اساسی یا عامل ها به منظور تبیین الگوی همبستگی بین متغیرهای مشاهده شده دارد. تحلیل عاملی نقش بسیار مهمی در شناسایی متغیرهای مکنون^[۲۰] یا همان عامل ها از طریق متغیرهای مشاهده شده دارد. عامل، متغیر جدیدی است که از طریق ترکیب خطی مقادیر اصلی متغیرهای مشاهده شده برآورد می شود. تحلیل عاملی دارای کاربردهای متعددی است که عبارتند از:

• • کاهش داده ها^[۲۱]

• • شناسایی ساختار^[۲۲]

• • سنجش اعتبار(روایی) پرسشنامه یا یک مقیاس

به طور کلی هدف از تجزیه عامل ها به شرح زیر خلاصه می شود:
الف) تفسیر وجود همبستگی درونی بین تعدادی صفت قابل مشاهده از طریق عواملی که قابل مشاهده نیستند و آن‌ها را عامل گویند. در واقع این عوامل غیرقابل مشاهده دلیل مشترک همبستگی بین متغیرهای اصلی هستند؛