دانشگاه علوم پزشکی و خدمات بهداشتی- درمانی استان اصفهان مدیریت اطلاعات سلامت 1735-7853 22 شماره3(پاییز) 2025 09 23 Readiness Profile of Big Data Capabilities with a Value-Creation Approach in Medical Tourism سیمای آمادگی قابلیت‌های کلان‌داده با رویکرد ارزش‌آفرینی در گردشگری پزشکی 152 160 33150 10.48305/him.2025.45395.1314 FA مهدی پور دانشجوی دکترا،گروه مدیریت، دانشکده مدیریت و حسابداری، دانشگاه بین المللی امام رضا(ع)، مشهد، ایران 0009-0008-6145-5822 مرتضی رجوعی دانشیار،گروه مدیریت، دانشکده مدیریت و حسابداری، دانشگاه بین المللی امام رضا(ع)، مشهد، ایران 0000-0003-4135-3446 سید مرتضی غیورباغبانی استادیار،گروه مدیریت، دانشکده مدیریت و حسابداری، دانشگاه بین المللی امام رضا(ع)، مشهد، ایران 0000-0001-5345-1516 شاپور بدیعی اول دانشیار،گروه طب ایرانی، دانشکده طب سنتی و مکمل، دانشگاه علوم پزشکی مشهد، مشهد، ایران 0000-0003-4724-518X Journal Article 2025 07 01 Given the importance of value creation in business and the increasing role of big data, the adoption of big data-driven value creation models has been emphasized over the past decade. Accordingly, this study aims to assess big data capabilities preparedness with a focus on the successful implementation of these models in Medical tourism.<br><br>Methods: This study is applied in terms of purpose and descriptive-correlational in design, conducted using a cross-sectional approach in 2024. The statistical population consisted of managers of medical tourism healthcare centers in Mashhad, Iran, who were included through a census sampling method. Data were collected using a researcher-developed questionnaire distributed among the center managers. The instrument’s validity was confirmed through confirmatory factor analysis, and its reliability was established using Cronbach’s alpha and composite reliability coefficients. Descriptive statistics were employed for data summarization, while structural equation modeling (SEM) was used to test the research hypotheses. Due to the limited sample size, the non-parametric Partial Least Squares (PLS) approach was implemented using SmartPLS software.<br><br>Results: T The overall readiness of big data capabilities (mean = 2.28)—along with analytical capabilities (mean = 2.12), managerial capabilities (mean = 2.14), and infrastructure (mean = 2.49)—was below the theoretical midpoint of 3, indicating a low level of preparedness. Infrastructure, analytical capabilities, and managerial capabilities exerted the strongest influence on overall readiness, with path coefficients of 0.540, 0.300, and 0.192, respectively.<br><br>Conclusion: Improving the readiness level of all capabilities—considering their respective impacts on overall readiness—should be prioritized by first enhancing big data infrastructure, followed by analytical and managerial capabilities. This can be achieved through the implementation and integration of diverse data sources, adoption of advanced analytical capabilities, and fostering a stronger data-driven organizational culture. مقدمه:با توجه به اهمیت ارزش‌آفرینی در کسب‌و‌کار و نقش روزافزون کلان‌داده‌ها، در دهه اخیر استقرار مدل‌های ارزش‌آفرینی مبتنی بر کلان‌داده‌ها، تاکید شده است. پژوهش حاضر با هدف بررسی میزان آمادگی قابلیت‌های کلان‌داده‌ها برای پیاده‌سازی موفق این مدل‌ها در گردشگری پزشکی انجام شد.<br><br>روش بررسی: این پژوهش، از منظر هدف، کاربردی و از نوع توصیفی-همبستگی است که به روش مقطعی در سال 1403 انجام شد. جامعه پژوهش، مدیران مراکز درمانی گردشگری پزشکی مشهد بوده و به صورت سرشماری انتخاب شدند. ابزار گردآوری داده‌ها، پرسشنامه محقق ساخته بود که بین مدیران مراکز توزیع گردید. برای تحلیل داده‌ها، از آمار توصیفی و برای آزمون فرضیه‌ها از مدل‌یابی معادلات ساختاری و به دلیل تعداد محدود مشارکت‌کنندگان در پژوهش، روش ناپارامتری«کمترین مجذورات جزئی» Partial Least Square(PLS) در نرم‌افزار Smart PLS استفاده شد. <br><br>یافته‌ها: آمادگی کلی قابلیت‌های کلان‌داده‌ها(با میانگین 28/2) و قابلیت‌های‌تحلیلی ‌کلان‌داده، قابلیت‌های مدیریتی و زیرساخت‌ها(با میانگین‌های 12/2، 14/2و 49/2)، کمتر از مقدار 3 و در سطح پایینی قراردارند. زیرساختها، قابلیت‌های تحلیلی و قابلیت‌های مدیریتی کلان‌داده‌ها، به ترتیب با ضرایب مسیر 540/0 ، 300/0 و 192/0 بیشترین تاثیر را بر میزان آمادگی کلی دارند.<br><br>نتیجه‌گیری: بهبود سطح آمادگی همگی قابلیت‌ها، با توجه به میزان تاثیر آنها بر آمادگی کلی، بایستی با اولویت ارتقای زیرساخت‌ها، قابلیت‌های تحلیلی و مدیریتی کلان‌داده‌ها، با پیاده‌سازی و یکپارچه‌سازی منابع داده، بهره‌گیری از قابلیت‌های تحلیلی پیشرفته، و ارتقای فرهنگ داده‌محور صورت پذیرد. https://him.mui.ac.ir/article_33150_7f8f6aaedd457e94d650576248b8c469.pdf