دکتر محمدعلی شاه حسینی

دکتر محمد علی شاه حسینی

دکتر محمد علی شاه حسینی

 

تحصیلات
  • کارشناسی, 1378, مدیریت صنعتی, دانشگاه تهران
  • کارشناسی ارشد, 1381, مدیریت صنعتی _ گرایش تولید, دانشگاه تهران
  • دکتری, 1388, مدیریت-سیاستگزاری بازرگانی, دانشگاه تهران

 

فعالیتهای اجرایی
  • رئیس اداره فناوری و اطلاعات دانشکده مدیریت، 1388/10/01، 1390/11/15، ايران، تهران
  • معاون اقتصادی و توسعه سازمان سرمایه گذاری دانشگاه تهران، 1390/11/15، 1391/02/24، ايران، تهران
  • معاون علمی پردیس البرز دانشگاه تهران، 1391/02/23، 1392/02/23، ايران، تهران
  • معاون پژوهش و فن آوری دانشکده مدیریت، 1394/06/31، 1396/09/28، ایران، تهران
  • معاون آموزشی و تحصیلات تکمیلی دانشکده مدیریت، 1396/09/28، 1399/08/28، ایران، تهران

 

دکتر محمد ابویی اردکان

دکتر محمد ابویی اردکان

دکتر محمد ابویی اردکان

 

تحصیلات
  • کارشناسی, 1373, مهندسی برق-کنترل, دانشگاه صنعتی شریف
  • کارشناسی ارشد, 1377, مدیریت صنعتی, دانشگاه تهران
  • دکتری, 1385, مدیریت سیستمها, دانشگاه تهران
فعالیتهای اجرایی
  • عضو شورای راهبردی استقرار دانشگاه دو فضایی، 1390/11/15، 1394/10/24، ايران، تهران
  • ریاست مرکز تحقیقات سیاست علمی کشور، 1392/09/19، 1395/01/14، ایران، تهران
  • قائم مقام دبیرکل شورایعالی علوم، تحقیقات و فناوری، 1392/09/20، 1395/01/01، ایران، تهران
  • عضویت در کمیسیون تخصصی هیأت ممیزه پژوهشگاه علوم و فناوری اطلاعات ایران، 1393/02/10، ایران، تهران
  • عضو شورای سیاست گذاری دومین همایش ملی مدیریت در دانشگاه ها و موسسات آموزش عالی و پژوهشی کشور با رویکرد الگوی اسلامی ایرانی پیشرفت، 1393/04/29، ایران، تهران
  • عضو کمیته علمی کنفرانس بین المللی مدیریت، 1393/08/22، ایران، تهران
  • عضو کمیته علمی کنفرانس سالیانه مدیریت استراتژیک، 1393/08/22، ایران، تهران
  • عضو کمیسیون پژوهش و فناوری، 1393/12/26، 1395/07/28، ایران، تهران
  • نماینده وزارت علوم، تحقیقات و فناوری در شورای عالی عتف در خصوص تدوین و ارائه سیاست های کلی علم و فناوری و یکپارچه سازی برنامه ها و اقدامات دستگاه های اجرایی، 1394/02/14، ایران، تهران
  • عضو کمیته تخصصی توسعه دولت الکترونیک و هوشمند سازی، 1394/02/19، ایران، تهران
  • عضو کمیته سیاستگذاری نخستین کنفرانس ملی مدیریت دولتی و خط مشی گذاری عمومی، 1394/03/25، ایران، تهران
  • عضو کارگروه تدوین برنامه کلان توسعه پژوهش و فناوری و تحقق دانشگاه های کار آفرین، 1394/04/31، ایران، تهران
  • عضو شورای توسعه پژوهش و فناوری در علوم انسانی و هنر، 1394/06/03، 1396/06/03، ایران، تهران
  • عضو شورای سیاست گذاری علم و فناوری دانشگاه تهران، 1395/04/08، 1398/04/08، ایران، تهران
  • مشاور معاون پژوهشی دانشگاه تهران در امور برنامه ریزی و سیاست گذاری، 1395/04/08، 1398/03/08، ایران، تهران
  • عضو کمیته تدوین پیشنهاد تاسیس مرکز رصد علمی دانشگاه تهران، 1395/05/12، 1398/05/12، ایران، تهران
  • عضو کمیسیون تخصصی شورای ارزیابی کیفیت دانشگاه، 1396/07/29، 1397/07/29، ایران، تهران
  • عضو دائمی کمیته آموزش دانشکده مدیریت، 1396/08/08، ایران، تهران
  • عضو کمیته داوران هجدهمین جشنواره تجلیل از پژوهشگران و فناوران برگزیده کشور، 1396/09/04، 1396/09/04، ایران، تهران
  • نماینده هیأت اجرایی جذب اعضای هیأت علمی دانشگاه تهران جهت حضور در کارگروه صلاحیت علمی گروه مدیریت دولتی دانشکده مدیریت، 1396/11/11، ایران، تهران
Strategy

دوره MBA یکساله آینده‌نگاری استراتژیک

تعریف و هدف دوره

مدیریت منابع انسانی

دوره MBA آینده پژوهی و آینده‌نگاری استراتژیک به منظور توسعه توانمندی‌های انسانی در شناخت آینده و ارتقای کیفیت عملکردهای سازمانی با تاکید بر آینده‌نگری در سازمان‌ها و موسسات تولیدی و خدماتی خصوصی، تعاونی و دولتی در حوزه‌های مربوط به آینده‌پژوهی و آینده‌نگاری است. این دوره مجموعه‌ای میان‌رشته‌ای، کاربردی و کاملا هماهنگ از فعالیت‌های عملی و نظری است که به دنبال دستیابی به اهداف زیر است:
1. ارتقای توانمندی مدیران و کارشناسان سازمانی در درک بهتر و دقیقتر آینده؛
2. آموزش تفکر سناریویی به عنوان زیربنای تصمیم‌گیری در سازمان‌ها؛
3. آموزش ابزارها و رویکردهای جدید در کشف و شناخت آینده؛
4. آموزش چگونگی ایجاد ساختارهای آینده‌نگر در واحدهای کسب و کار؛
5. ارائه مهارت‌های لازم برای کشف علائم ضعیف تغییر در محیط کسب و کار با هدف بهبود تصمیم‌گیری؛
6. آموزش مهارت‌های لازم برای تحلیل آینده‌پژوهانه کسب و کار؛
7. ارائه مهارت‌های لازم برای راه‌اندازی سامانه‌های پایش و پویش محیطی؛
8. آموزش چگونگی مدیریت شگفتی‌سازها و مواجهه با غافلگیری‌ها؛
9. انتقال تجارب و اندوخته‌های مدیران موفق به دانش‌پژوهان دوره؛
10. تربیت انسانی خلاق، مشارکت‌گرا، نوآور و آینده‌نگر در سازمان.

دوره در یک نگاه

مدت250 ساعت
پیش نیاز قبولی در مصاحبه دانشکده مدیریت دانشگاه تهران
گواهینامه از دانشگاه تهران (نمونه گواهینامه)
شهریه دوره 118,000,000 ریال
نحوه پرداخت شهریه برای کسب اطلاعات در مورد شرایط تقسیط شهریه و استفاده از تخفیفات پرداخت نقدی با ما تماس بگیرید.
مدیر علمی دوره دوره MBA یکساله آینده‌نگاری استراتژیک دکتر علی‌اصغر پورعزت
❱ استاد گروه مدیریت دولتی دانشگاه تهران
❱ رئیس انجمن علمی مدیریت دولتی ایران

سرفصل‎های دوره

✓ عارضه‌یابی در کسب‌و کارها با اصول آینده‌نگاری
✓ تحلیل آشوب و پیچیدگی در سیستم‌ها
✓ آینده منابع انسانی
✓ سازمان‌های آینده
✓ تصمیم‌گیری در شرایط عدم قطعیت
✓ توسعه پایدار و حقوق نسل‌های آینده از منظر آینده‌پژوهی
✓ درآمدی بر آینده‌پژوهی و آینده‌نگاری استراتژیک

✓ نسبت آینده‌پژوهی و کسب و کار در عصر دانش
✓ پیمایش تجارب آینده‌پژوهی و آینده‌نگاری در کسب و کارهای موفق جهان
✓ روش‌‌های کیفی آینده‌پژوهی و چگونگی کاربست آنها در تحلیل و ارتقای کسب و کارها
✓ ضرورت آینده‌پژوهی و آینده‌نگاری در عصر دانش
✓ خطاهای ادراکی – شناختی در تحلیل آینده کسب‌وکارها
✓ برنامه‌ریزی سناریویی برای کسب و کارها در عصر عدم قطعیت
✓ برنامه‌ریزی فرض بنیاد با هدف ارتقای برنامه‌های استراتژیک شرکت‌ها

اساتید دوره آینده‌نگاری استراتژیک

MBA-In-data-science

دوره MBA یکساله تحلیل پیشرفته کسب‌و‌کار و علم داده

دوره یکساله MBA تحلیل پیشرفته کسب‌و‌کار و علم داده

هدف اصلی این دوره ارائه مجموعه‌ای از مهارت‌های مناسب برای استفاده از ابزارهایی جهت تحلیل پیشرفته و درک حجم انبوهی از داده‌هایی (کلان داده‌) است که در اختیار بیشتر کسب‌و‌کارها یا سازمان‌ها می‌باشد. این دوره با هدف توسعه یک درک قوی از مفاهیم مقدماتی موجود در تجزیه و تحلیل داده‌ها، مدیریت داده و برنامه نویسی با زبان‌های مورد استفاده در علم داده برای رسیدن به سطح پیشرفته‌ای از قابلیت تحلیل در کسب‌و‌کار طراحی شده است. دانش آموختگان این دوره به درک عمیقی از مفاهیم پیشرفته این حوزه رسیده و قادر خواهند بود ابزارهای کاربردی علم داده را جهت پیش بینی و بهبود تصمیمات کسب و کار به کار گیرند.
دوره MBA علم داده

دوره در یک نگاه

مدت 300 ساعت
← 13 درس (250 ساعت) بعلاوه 50 ساعت کارگاه، سمینار، دعوت از افراد خبره برای سخنرانی و ...
پیش نیاز ✓ دارا بودن مدرک کارشناسی در رشته‌های مهندسی، علوم پایه، مدیریت و اقتصاد؛
✓ دارا بودن سابقه کار عملی مرتبط برای پذیرش در دوره امتیاز مثبت دارد اما اجباری نیست.
نحوه ارزیابی دورهنمره 14 برای دوره ضروری است. نحوه ارزیابی همه دروس کار عملی و مطالعه موردی است.
گواهینامه گواهینامه مورد تایید دانشگاه تهران و مطابق مقررات معاونت آموزشی (نمونه گواهینامه)
شهریه دوره 300,000,000 ریال
نحوه پرداخت شهریه برای کسب اطلاعات در مورد شرایط تقسیط شهریه و استفاده از تخفیفات پرداخت نقدی با ما تماس بگیرید.
مدیر علمی دوره دوره MBA یکساله تحلیل پیشرفته کسب‌و‌کار و علم داده پیام محمودیان
❱ کارشناسی ارشد Information Quality از دانشگاه ایالتی آرکانزاس آمریکا (UALR)

سرفصل‎های دوره

Information Visualization and BI Dashboards
✓ Introduction to Information Visualization
✓ Data Abstraction
✓ Fundamental Graphs and Data Transformation
✓ Graphical Components and Mapping Strategies
✓ Dashboard and Storytelling with Data
✓ Tell the Story of Your Data
(برنامه‌نویسی در پایتون) Python Programming
✓ مقدمه‌ای بر زبان برنامه‌نویسی پایتون و محیط‌های برنامه‌نویسی آن
✓ آشنایی با کتابخانه‌های مهم در پایتون
✓ استفاده از انواع متغیرها، عملگرها، ساختارهای داده و مروری بر کاربرد آنها
✓ پیاده سازی دنباله‌ها، لیست‌ها، تاپل‌ها، دیکشنری‌ها و مجموعه‌ها به همراه متدهای مرتبط
✓ انواع شرط‌ها، حلقه‌ها، دستورات کنترلی، توابع و کاربرد آنها
✓ آشنایی با برنامه‌نویسی شی‌گرا، کلاس‌ها و وراثت در پایتون
✓ کار با انواع فایل‌ها، مصورسازی داده‌ها و ترسیم و تحلیل نمودارها
✓ آشنایی با کتابخانه‌های مرتبط با ایجاد ساختارهای پیشرفته داده در علم داده و یادگیری ماشینی
(علم داده و یادگیری ماشینی در پایتون) Data Science and Machine Learning in Python
✓ آشنایی با مفاهیم علم داده، تحلیل‌های پیشرفته، یادگیری ماشینی و روند تکامل آنها
✓ مروری بر ارتباط بین علم داده و رایانش ابری، داده‌های عظیم، اینترنت اشیاء و بلاکچین و آینده آنها
✓ بررسی آرایه‌ها، ماتریس‌ها، سری‌ها، چارچوب‌ها و پیش پردازش داده در پایتون
✓ مروری بر تحلیل فرضیه‌ها، آزمون‌های آماری، تحلیل واریانس، کواریانس و همبستگی متغیرها
✓ پیاده‌سازی انواع روش‌های یادگیری ماشینی نظارت شده و اعتبارسنجی آنها
✓ پیاده‌سازی انواع روش‌های یادگیری ماشینی بدون نظارت و اعتبارسنجی آنها
✓ مروری بر روش‌های فراابتکاری و الگوریتم‌های تکاملی و کاربرد آنها
✓ بررسی کاربردهای متن کاوی، تحلیل احساسات و یادگیری عمیق در تحلیل پیشرفته کسب‌و‌کار
R Programming
✓ Overview of the R language, Basic Concepts (Vectors, Matrices, and Data Frames)
✓ Reading and Writing Data in R
✓ If , Loops and Functions
✓ Efficient Computation in R
✓ Data Visualization: Basics and Advanced Methods (ggplot2)
✓ Exploring, Cleaning, and Preparing Data
Data Science for Business with R
✓ Data Visualization – Case Study: Uber Trip Data Visualization
✓ Statistical Tests – Case Study: Analyzing a Subscription-Based Service Data
✓ Multiple Linear Regression – Case Study: Toyota Used-Car Prices
✓ Logistic Regression – Case Study: German Credit Data
✓ Classification Using a Nearest Neighbor Analysis – Case Study: German Credit Data
✓ Cluster Analysis – Case Study: Market Segmentation
✓ Market Basket Analysis – Case Study: A Retail Transactional Data Analysis
✓ Churn Analysis – Case Study: Telecom Industry
Introduction to Big Data and Distributed Data Processing
✓ Big Data: Why and Where
✓ Characteristics of Big Data and Dimensions of Scalability
✓ Big Data Standards
✓ Data Lake Architecture
✓ Lambda and Kappa Architectures
✓ Best practices for Data Lake Implementation
✓ Big Data Ingestion Tools and Solutions
✓ Big Data Storage Tools and Solutions
✓ Big Data Processing Tools and Solutions
✓ Big Data Governance
✓ Case Studies: Access Log Analysis, Vector Space Model on Text Data
Big Data Analytics and Stream Processing
✓ Implement Stream Processing using Apache Spark Streaming
✓ Consume Events from Source (Kafka, …), Apply Logics and Send it to a Data Sink
✓ Understand Message Deliveries in Stream Data Processing
✓ Create a job to Analyze Data in Real-Time using the Apache Spark Streaming API
✓ Single Event Processing and the micro-batch Approach to Processing Events
✓ Real-Time Event Processing
✓ Real-Time Dashboard
✓ Case Study: Indexing News Data in Streaming Manner
Advanced Topics in Business Analytics
✓ Data Warehouse in the Age of AI Maturity
✓ Real-Time Data Warehousing
✓ Real-Time Data Analytics
✓ The Path from Reports to AI
✓ The Path to Predictive Analytics and Machine Learning
✓ Business Science Problem Framework
Data Warehouse Concepts, Design, and Integration
✓ Introduction to Data, Information and Knowledge
✓ What is a Data Model (Dimensional vs 3NF)
✓ What is Data Warehouse
✓ Business Side of Data Warehousing
✓ Why build a data warehousing?
✓ The value of a data warehousing
✓ Key Concepts (Measurement, Facts and Dimensions, …)
✓ Data Warehouse Architectures (Inmon, Kimball and Stand-alone Data Marts)
✓ Kimball’s Dimensional Modeling (Dimension Design, Fact Table Design)
✓ DW Performance
✓ ETL Processes and Tools
(اصول مدیریت داده) Data Management Fundamentals
✓ مدیریت داده به عنوان یک دارایی سازمانی
✓ مدیریت داده: ضرورت همسویی با اهداف کسب‌و‌کار
✓ مدیریت داده: اصول، چالش‌ها، موانع و فرصت‌ها
✓ مدیریت داده: چارچوب‌ها، به روش‌ها و استانداردها
✓ مدیریت داده: چارچوب DMBOK
(چارچوب DMBOK2) The Data Management Body of Knowledge
✓ مروری بر DMBOK2
✓ حاکمیت داده
✓ متادیتا
✓ کیفیت داده
✓ معماری و مدل‌سازی داده
✓ داده‌های مرجع و Master
Statistics for Business Analytics
✓ Key Concepts of statistics
✓ Data Preparation
✓ Data Quality and Consistency Assessment
✓ Regression vs Cause/Effect
✓ Probability vs Statistics
✓ Statistical Significance
✓ KPI Definition
DW/BI Project Management
✓ Project Management Concepts
✓ DW/BI Project Management Methodologies
✓ Agile DW/BI Project Management
✓ BI Projects and BI Program in Organization
✓ Which BI tool is the Right Choice?
✓ BI Road Map
✓ Real Cases of Applied Projects
✓ Why Do Business Intelligence Projects Fail?
(تصميم‌گيری داده-محور برای مدیران) Data-Driven Decision Making for Managers
✓ سیستم‌های تفکر دوگانه و تله‌های متداول تصمیم‌گیری
✓ خطاهای شناختی متداول در برآوردهای کمی
✓ انواع تصمیم‌گیری و اقتضائات آن در شرایط متفاوت محیطی و کسب و کار
✓ ابزارهای تحلیلی (Analytics) و نقش آن در تبدیل اطلاعات خام به بینش لازم برای تصمیم‌گیری
✓ گام‌ها و فرآیند حل مسئله
✓ تکنیک‌های ساده و موثر برای جمع‌آوری و استفاده از اطلاعات در جهت حل مسئله
✓ روش‌های کمی پیشرفته‌تر برای تصمیم‌گیری و حل مسئله
(مفاهیم، ابزارها و کاربردهای داده کاوی) Data Mining Concepts, Tools, and Applications
✓ مقدمه‌ای بر مفاهیم داده کاوی و کاربردهای آن
✓ آشنایی با متن کاوی، وب کاوی، فرآیندکاوی، تحلیل احساسات و یادگیری عمیق
✓ آشنایی با برنامه‌نویسی در نرم افزار MATLAB و داده کاوی سریع در نرم‌افزار Rapidminer
✓ آشنایی با منطق فازی و طراحی، پیاده‌سازی و تحلیل سیستم استنتاج فازی
✓ پیاده‌سازی الگوریتم‌های رگرسیون (داده‌های پیوسته) و طبقه‌بندی (داده‌های گسسته)
✓ پیاده‌سازی الگوریتم‌های خوشه بندی داده‌ها
✓ آشنایی با شبکه‌های عصبی و پیاده‌سازی شبکه عصبی چندلایه
✓ آشنایی با سیستم‌های استنتاج فازی عصبی انطباقی و پیاده سازی آن

اساتید دوره تحلیل پیشرفته کسب‌و‌کار و علم داده

vafadar

آرش وفاداری

آرش وفاداری پس از تحصیل در رشته مهندسی شیمی، تحصیلات خود را در مقطع کارشناسی ارشد در رشته مدیریت، بازاریابی و روابط عمومی در دانشگاه مک‌گیل کانادا ادامه داد. او فعالیت حرفه‌ای خود را در کانادا به عنوان مشاور روابط عمومی و ارتباطات آغاز کرد. وفاداری پس از بازگشت به ایران، شرکت مشاوره ارتباطات ماناپیام را به عنوان اولین و در حال حاضر بزرگترین شرکت روابط عمومی ایران تاسیس نمود و تا سال 1396 در سمت مدیرعامل ایفای نقش کرد. در این مدت او همراه با تیم ماناپیام به شرکت‌های ایرانی و بین‌المللی کمک بسیاری کرده است تا با به کارگیری استراتژی‌های بهینه به اهداف سازمانی خود برسند. او امروز رییس هیئت مدیره ماناپیام، اخبار رسمی و چند شرکت دیگر است و هم‌چنین به عنوان مشاور ارشد ارتباطات در هیئت مدیره چند سازمان دیگر ایفای نقش می‌کند. از همان سال‌های اول بازگشت به ایران، وی به تدریس مباحث مختلف روابط عمومی در کنفرانس‌ها و دوره یک‌ساله ارتباطات مدرسه ویژه پرداخته است.

sedri

یلدا فریور صدری

یلدا فریورصدری مشاور و استراتژیست ارتباطات و روابط عمومی و مدیرعامل شرکت مشاوره ارتباطات ماناپیام است. وی مدرک کارشناسی ارشد ارتباطات و رسانه از دانشگاه مدیترانه شرقی (قبرس شمالی) دارد و در سال 1387 پس از چند سال تجربه حرفه‌ای در حوزه تحقیقات بازاریابی، فعالیت خود را در حوزه‏های روابط عمومی و آموزش علوم ارتباطات آغاز کرد. یلدا فریور صدری علاوه بر ارائه مشاوره به شرکت‌ها و سازمان‌های متعدد، سال‌هاست به عنوان مدرس و عضو شورای طرح و برنامه‌ریزی دوره یکساله ارتباطات بازاریابی و تبلیغات مدرسه ویژه (اولین مدرسه تخصصی طراحی گرافیک و ارتباطات در ایران) در حوزه آموزش ارتباطات نیز فعالیت دارد.

saba-kamkar

صبا کامکار

“صبا کامکار دارای مدرک کارشناسی مهندسی طراحی رسانه از دانشگاه راینیش آلمان (Rheinische Fachhochschule Köln) است. او تحصیلات خود را در مقطع کارشناسی ارشد در رشته MBA با گرایش بازاریابی استراتژیک در سازمان مدیریت صنعتی ادامه داد.
صبا کامکار از سال ۸۷ تا ۹۷ مدیریت روابط عمومی و امور بین الملل موسسه خیریه محک را بر عهده داشته است و از سال ۹۷ تا کنون مدیر واحد توسعه و نوآوری موسسه خیریه محک است.”

DR.KAZEMI-DINAN

دکتر غلامرضا کاظمی دینان

سید غلامرضا کاظمی دینان دانش‌آموخته دکتری ارتباطات اجتماعی است. او در سمت‌های مختلفی مانند مشاور ارتباطات، رئیس و عضو هیئت مدیره، عضو شورای سیاست‌گزاری و … حضور داشته و با سازمان‌‌های دولتی و خصوصی مانند بسیاری از بانک‌ها همکاری کرده است. او ریاست انجمن روابط عمومی ایران را بر عهده داشته است. کاظمی دینان تجربه تدریس در دانشگاه‌های مختلف و برگزاری دوره‌های آموزشی متعدد برای کارکنان سازمان‌ها را در فعالیت‌های خود دارد. او هم اکنون در کنار مشاوره به بسیاری از شرکت‌های مطرح ایرانی، مشاور دبیر کل یونسکو است.

AYDA-ABOTORABI

آیدا ابوترابی

آیدا ابوترابی مشاور حوزه ارتباطات استراتژیک و مدیر‌عامل شرکت مشاوره ارتباطات مانا‌پیام است. او لیسانس خود را در رشته ریاضی کاربردی از دانشگاه شهید‌ بهشتی گرفت و سپس تحصیلات خود را در مقطع فوق‌لیسانس مطالعات فرهنگی و رسانه ادامه داد. وی در حال حاضر دانشجوی دکترای فرهنگ و ارتباطات است. آیدا ابوترابی مدت زیادی در حوزه روزنامه‌نگاری فعال بوده‌ و اکنون سال‌ها‌ست که در زمینه ارتباطات استراتژیک و رسانه فعالیت می‌کند.

ریتیل: خرده فروشی یا فروشگاه داری؟!

ریتیل: خرده فروشی یا فروشگاه داری؟!

ریتیل، واژه ای نسبتاً جدید در کسب و کار ایران بوده که تحت عنوان “خرده فروشی” ترجمه شده است. با این حال این ترجمه به دلیل محور قرار گرفتن کالا بیانگر عمق مفهوم نبوده و با تمرکز بر اهمیت فوق العاده زیاد مشتری در این صنعت، بهتر است که در گفتار فارسی برای ریتیل از واژه فروشگاه داری استفاده نمود.

کلمه Retail مشتق از کلمه فرانسوی retaille به معنی “بریدن و تقسیم کردن” بوده و از حدود قرن 14 میلادی به عمل فروش کالا در مقادیر کم و به مصرف کننده نهایی اطلاق شده است. با پیشرفت جوامع و رشد فرهنگ مصرف، ریتیل نه تنها خود به صنعتی عظیم و مستقل تبدیل شد بلکه تمرکز آن نیز از کالا فروشی به سمت مشتری مداری رفته و در نتیجه آن فروشگاهها – حقیقی و مجازی – بعنوان مبادی تماس با مشتری و ارائه برندها در کنار ایجاد تجربه منحصر به فرد خرید (Customer Experience) اهمیتی ورای تصور پیدا کرده اند.

در حال حاضر ریتیل در ادبیات کسب و کار ایران به “خرده فروشی” ترجمه شده که متاسفانه نمی تواند بیانگر تمامیت مفهوم ریتیل مدرن و عظمت این صنعت پیشرو و پویا باشد، زیرا نه تنها ممکن است در ذهن شنونده فقط تصویر یک کسب و کار کوچک و سنتی را ترسیم کند، بلکه به مهمترین جنبه این صنعت که فروشگاهها باشند نیز اشاره ای نمی نماید. به همین دلیل و با در نظر گرفتن موارد فوق الذکر بهتر است که بجای استفاده از تعبیر خرده فروشی از عبارت “فروشگاه داری” که در عین سادگی و موجز بودن مفاهیم گسترده ای مانند مالکیت و مدیریت فروشگاهها و در نتیجه تعامل با مشتری و ایجاد بهترین تجربه خرید برای آنان را در خود مستتر دارد بعنوان معادل فارسی ریتیل استفاده شود.

به دلیل پیشرفت فوق العاده سریع صنعت ریتیل در ایران و توسعه مراکز خرید ممتاز (ایران مال، پالادیوم، سانا و…)، هایپرمارکتهای متعدد (هایپراستار، هایپرمی، افق کورش، اتکا و…)، رشد کمی و کیفی برندهای داخلی و بین المللی (درسا، جین وست، هاکوپیان، نوین چرم و…) و در نتیجه قابلیت کلان اشتغال زایی بالقوه و بالفعل صنعت فروشگاه داری، بسیار ضروری است که علاوه بر کلمه ریتیل سایر کلمات تخصصی این صنعت نیز تا حد امکان توسط متخصصین مربوطه و با نظارت فرهنگستان زبان و ادب فارسی به نحو مؤثر معادل سازی شده و فرهنگ لغات بومی سازی شده در اختیار علاقه مندان و فعالان صنف فروشگاه داری قرار گیرد.

 

پانویس: در دروس اصول و مبانی ریتیل، مدیریت و توسعه فروشگاهها و خلق و مدیریت برند دوره MBA Retail Management، موارد فوق الذکر به تفصیل مورد بحث و بررسی قرار گرفته اند.

دکتر علیرضا جلیلی، دکترای کسب و کار با گرایش مدیریت استراتژیک ریتیل