مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه فناوری اطلاعات و ارتباطات ایران 2717-0411 68 68 2026 4 19 A Systematic Method for Prioritizing Stakeholders in Data Governance Steering Committees: An Organizational Data Ecosystem Approach روشی‌ نظام‌مند برای اولویت‌بندی ذینفعان در کمیته‌ی راهبری حکمرانی داده بر اساس اکوسیستم داده‌ی سازمان fa فهیمه سلیمی کوچی دانشگاه تربیت مدرس ابوالقاسم سرآبادانی دانشگاه تربیت مدرس 2026 2 8 In today’s data-driven economy, data governance is no longer merely a technical or compliance requirement; it represents a strategic organizational capability that enhances operational efficiency, ensures regulatory compliance, and fosters sustainable competitive advantage. Effective data governance frameworks rely on three pillars: people, processes, and technologies. Among these, the people dimension—particularly the design of decision-making structures and organizational mechanisms—plays a decisive role in the success of governance initiatives. In complex data-intensive organizations, such as ministries and large holding entities, much of the data value emerges through inter-organizational interactions and external stakeholders, including data providers, business partners, strategic customers, and governmental bodies. Excluding these stakeholders from governance design, especially in determining the composition of the data governance steering committee, can disrupt the data value chain and reduce governance effectiveness. To address this gap, this study proposes a systematic, transparent, and data-driven algorithm, the Data Ecosystem Stakeholder Prioritization Algorithm (DESPA), for identifying and prioritizing key stakeholders in the steering committee. The algorithm models the organizational data ecosystem as a directed graph of stakeholders and data exchanges, with edges weighted by the strategic importance of datasets and the frequency of exchanges over a defined period. By integrating network analysis, direction-sensitive weighting with emphasis on inbound data flows, and quantitative thresholding, DESPA provides a well-justified, repeatable, and defensible method for determining the steering committee composition. در اقتصاد داده-محور امروز، حکمرانی داده صرفاً یک الزام فنی یا کنترلی تلقی نمی&zwnj;شود، بلکه به&zwnj;مثابه یک قابلیت سازمانی راهبردی، نقش تعیین&zwnj;کننده&zwnj;ای در ارتقای کارایی عملیاتی، تضمین انطباق مقرراتی و ایجاد مزیت رقابتی پایدار ایفا می&zwnj;کند. چارچوب&zwnj;های اثربخش حکمرانی داده به&zwnj;طور کلاسیک بر سه رکن افراد، فرایندها و فناوری&zwnj;ها استوارند. از این میان، رکن افراد -به&zwnj;ویژه از منظر طراحی ساختارهای تصمیم&zwnj;گیری و سازوکارهای سازمانی- نقشی محوری در موفقیت یا شکست سازوکارهای حکمرانی داده دارد. در سازمان&zwnj;های داده&zwnj;محور پیچیده، نظیر وزارتخانه&zwnj;ها و هلدینگ&zwnj;ها، بخش قابل&zwnj;توجهی از ارزش داده در تعاملات میان&zwnj;سازمانی و از طریق ذی&zwnj;نفعان بیرونی، شامل تأمین&zwnj;کنندگان داده، شرکای تجاری، مشتریان راهبردی و نهادهای حاکمیتی، خلق می&zwnj;شود. نادیده&zwnj;گرفتن این ذی&zwnj;نفعان در طراحی ساختارهای حکمرانی داده، به&zwnj;ویژه در ترکیب کمیته راهبری حکمرانی داده، می&zwnj;تواند منجر به اختلال در کل زنجیره ارزش داده و تضعیف اثربخشی حکمرانی شود. این پژوهش با هدف پاسخ به این خلأ، الگوریتمی نظام&zwnj;مند، شفاف و داده&zwnj;محور با عنوان DESPA (Data Ecosystem Stakeholder Prioritization Algorithm)  را برای شناسایی و اولویت&zwnj;بندی ذی&zwnj;نفعان کلیدی در کمیته راهبری حکمرانی داده ارائه می&zwnj;دهد. این الگوریتم اکوسیستم داده سازمان را به&zwnj;صورت یک گراف جهت&zwnj;دار از ذی&zwnj;نفعان و تبادلات داده&zwnj;ای مدل&zwnj;سازی می&zwnj;کند، به&zwnj;گونه&zwnj;ای که هر یال بر اساس دو بُعد «اهمیت راهبردی مجموعه&zwnj;داده برای کسب&zwnj;وکار» و «فراوانی تبادل داده در یک بازه زمانی مشخص» وزن&zwnj;دهی می&zwnj;شود. با تلفیق تحلیل شبکه&zwnj;ای، وزن&zwnj;دهی مبتنی بر جهت&zwnj; با تأکید بر جریان&zwnj;های داده ورودی، و آستانه&zwnj;گذاری کمّی، DESPA  امکان تعیین ترکیب کمیته راهبری حکمرانی داده را به شکلی مستدل، تکرارشونده و قابل دفاع فراهم می&zwnj;آورد.

http://jour.aicti.ir/en/Article/Download/52968