<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه فردوسی مشهد</PublisherName>
				<JournalTitle>اقتصاد پولی مالی</JournalTitle>
				<Issn>2251-8452</Issn>
				<Volume></Volume>
				<Issue>مقالات آماده انتشار</Issue>
				<PubDate PubStatus="epublish">
					<Year>2025</Year>
					<Month>12</Month>
					<Day>09</Day>
				</PubDate>
			</Journal>
<ArticleTitle>A Proposed Process For Data Analytics Roadmap Development in Banks Based on T-Plan</ArticleTitle>
<VernacularTitle>یک فرآیند پیشنهادی برای تدوین نقشه راه تحلیل داده در بانک‌ها مبتنی بر چارچوب تی پلن</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">47640</ELocationID>
			
<ELocationID EIdType="doi">10.22067/mfe.2025.92148.1512</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>کلثوم</FirstName>
					<LastName>عباسی شاهکوه</LastName>
<Affiliation>&amp;#039;پژوهشکده فناوری اطلاعات، پژوهشگاه ارتباطات و فناوری اطلاعات، تهران-ایران</Affiliation>

</Author>
<Author>
					<FirstName>علیرضا</FirstName>
					<LastName>منصوری</LastName>
<Affiliation>پژوهشکده فناوری اطلاعات، پژوهشگاه ارتباطات و فناوری اطلاعات، تهران-ایران</Affiliation>
<Identifier Source="ORCID">0000-0003-1953-5761</Identifier>

</Author>
<Author>
					<FirstName>معصومه</FirstName>
					<LastName>عظیم زاده</LastName>
<Affiliation>پژوهشکده فناوری اطلاعات، پژوهشگاه ارتباطات و فناوری اطلاعات، تهران-ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>02</Month>
					<Day>11</Day>
				</PubDate>
			</History>
		    <Abstract>We witness a rapidly growing trend in banking data. By proper analysis of these data, a bank achieves sufficient insight for policy making and decisions at different management levels, which results in a more competitive advantage. Banks perform different data analyses and can be classified into different levels of data analysis maturity. Higher levels of data analysis maturity mean more efficient and effective use of data analysis. In this regard, one of the main challenges for the banks and achieving their business targets is how to enhance their data analytics maturity level. Therefore, having a suitable roadmap for step-by-step planning to reach a higher level of data analysis maturity and performing related activities is essential. This paper provides a comprehensive step by step process for developing a data analysis roadmap in the banking industry using T-Plan roadmap framework and in field experiments. The steps of this roadmap include initial planning, holding several workshops and meetings to identify business and market drivers, specifying current analytical needs, depicting desired analytical use cases, gap analysis, and finally, providing a roadmap for data analysis to implementation. Modeling the process of compiling the proposed road map helps the bank extract and prioritize projects and activities that are necessary for data analysis and are aligned with business goals and also increases the maturity level of data analysis.</Abstract>
			<OtherAbstract Language="FA">تنوعی از داده‌های حجیم در بانک تولید می‌شود که تحلیل مناسب آنها بینش کافی برای سیاست‌گذاری و تصمیم‌گیری مدیریتی و در نتیجه، مزیت رقابتی فراهم می‌کند. بانک‌ها تحلیل‌های مختلفی روی داده‌ها دارند و بر اساس سازوکار تحلیل داده، قابل رده‌بندی در سطوح مختلف بلوغ تحلیل داده هستند طوری که سطوح بالاتر بلوغ تحلیل داده یعنی استفادة کارآمدتر و کاراتر از تحلیل داده. چالش عمومی بانک‌ها در این حوزه نحوة بهبود سطح بلوغ تحلیل داده است. اکثر بانک‌ها طرح و برنامة مشخصی برای توسعة تحلیل داده ندارند و واحدهای بانک بر اساس نیاز خود داده‌ها را تحلیل می‌کنند که معمولاً مورد استفاده دیگر واحدها یا سطوح بالاتر نیز قرار نمی‌گیرد. لذا، با توجه به تعدد کاربردها و سناریوهای تحلیل داده در بانک‌ها و لزوم توجه به سطح بلوغ تحلیل داده، داشتن نقشه‌راه مناسب برای برنامه‌ریزی گام‌به‌گام برای رسیدن به سطوح بالاتر بلوغ تحلیل داده و عملیاتی‌سازی موفق تحلیل داده ضروری است. هدف این پژوهش، ارائه یک فرآیند جامع تدوین نقشه‌راه تحلیل داده در صنعت بانکداری، با استفاده از چارچوب نقشه‌راه تی‌پلن و تجربة عملی است. بر اساس این بررسی، گام‌های تدوین نقشه‌راه تحلیل دادة بانک شامل برنامه‌ریزی اولیه، برگزاری کارگاه‌ها و جلسات به منظور شناسایی محرک‌ها و پیش‌ران‌های کسب‌وکاری و بازار، نیازهای تحلیلی موجود، اقلام تحلیلی مطلوب، تحلیل شکاف‌ها و در نهایت ترسیم نقشه‌راه تحلیل داده به‌منظور عملیاتی‌سازی است. الگوبرداری از فرآیند تدوین نقشه‌راه پیشنهادی، در استخراج و اولویت‌بندی اقدامات و پروژه‌های لازم برای تحلیل داده همراستا با اهداف کسب‌وکار و نیز افزایش سطح بلوغ تحلیل داده، به بانک کمک می‌کند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">بلوغ تحلیل داده</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">چارچوب آی اف دبلیو</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">چارچوب باین</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نقشه راه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تی پلن</Param>
			</Object>
		</ObjectList>
</Article>
</ArticleSet>
