نوع مقاله : مقاله پژوهشی
نویسندگان
1 استادیار، دانشکده حکمرانی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.
2 دانش آموخته کارشناسی ارشد مدیریت دولتی، دانشگاه تهران، تهران، ایران.
چکیده
بودجهریزی دولتی یکی از ابزارهای اصلی خطمشیگذاری مالی-اقتصادی محسوب میشود و بهرهگیری از کلاندادهها میتواند ظرفیتهای جدیدی چون ارتقای شفافیت، افزایش دقت پیشبینیها، بهبود پاسخگویی و کارآمدسازی فرآیندهای تخصیص منابع را برای نظام بودجهریزی فراهم آورد. تاکنون پژوهشهای انجامشده، جهتگیریهای کلی در زمینه کاربست کلاندادهها در نظام بودجهریزی را نشان دادهاند اما این مطالعات بهصورت یکپارچه به چالشها، فرصتها و رهنمودهای سیاستی بهمنظور بهرهبرداری در نظام خطمشیگذاری نپرداختهاند. در این امتداد، این پژوهش باهدف شناسایی چالشها، راهکارها و فرصتهای بهکارگیری کلانداده در نظام بودجهریزی دولتی ایران با رویکرد کیفی و روش تحلیل مضمون انجامشده است. جامعه پژوهش را خبرگان حوزه بودجهریزی دولتی تشکیل دادند و روش نمونهگیری این پژوهش، گلولهبرفی و هدفمند است. برای گردآوری دادهها از مصاحبههای نیمهساختاریافته استفاده شد که با تداوم مصاحبهها، اشباع نظری در مصاحبه پانزدهم حاصل گردید. دادههای بهدستآمده با استفاده از روش تحلیل مضمون، سازماندهی و تحلیل شدند. درنتیجه، 24 مضمون اصلی شناسایی شد که ابعاد گوناگون چالشها، راهکارهای رفع چالشها و فرصتهای ناشی از بهکارگیری کلاندادهها در نظام بودجهریزی دولتی ایران را تبیین میکند. یافتههای پژوهش میتواند مبنایی علمی برای خطمشیگذاران در جهت اصلاح فرآیندهای بودجهریزی مبتنی بر داده و ارتقای شفافیت و پاسخگویی مالی باشد.
کلیدواژهها
عنوان مقاله [English]
The Application of Big Data in Iran’s Public Budgeting System: An Analysis of Challenges, Strategies, and Opportunities
نویسندگان [English]
- Afsaneh Dehghanpour-Farashah 1
- Pouyan Pouyanfar 2
- Masoud Banafi 1
1 Assistant Professor, Faculty of Governance, College of Management, University of Tehran, Tehran, Iran.
2 Master’s Degree in Public Administration, University of Tehran, Tehran, Iran
چکیده [English]
Public budgeting is widely recognized as a primary instrument of fiscal and economic policymaking. The integration of big data can create new capacities within budgeting systems by enhancing transparency, improving forecasting accuracy, strengthening accountability, and optimizing resource allocation processes. Existing studies have identified general trends in the application of big data in budgeting systems; however, they have not comprehensively examined the challenges, opportunities, and policy guidelines related to its implementation within policymaking systems. Accordingly, this study aims to identify the challenges, solutions, and opportunities associated with the use of big data in Iran’s public budgeting system. The research adopts a qualitative approach using thematic analysis. The study population consisted of experts in public budgeting, who were selected through purposive and snowball sampling techniques. Data were collected through semi‑structured interviews, and theoretical saturation was achieved after the fifteenth interview. The collected data were organized and analyzed according to the stages of thematic analysis.
The analysis resulted in the identification of 24 main themes that explain the various dimensions of challenges, strategies for overcoming these challenges, and opportunities arising from the application of big data in Iran’s public budgeting system. The findings provide a scientific basis for policymakers and public sector managers seeking to reform budgeting processes through data‑driven approaches and to enhance financial transparency and accountability.
کلیدواژهها [English]
- Big data
- Public budgeting
- Challenges and opportunities
- Thematic analysis
- Data driven budgeting
- Data driven governance
- آذر، عادل، امیرخانی، طیبه (1395). سیاهچالههای بودجه در نظام بودجهریزی ایران، مدیریت دولتی، 8(4)، 571-590.
- بنافی، مسعود، شهبازی، محمدمهدی (1403). گذار به حکمرانی هوشمند: پیشایندهای استقرار نظام بودجهریزی هوشمند در بخش عمومی، مطالعات مدیریت دولتی ایران، 7(4)،159-193.
- بنافی، مسعود، قرشی، سیدمجتبی (1399). نقش ابزارهای نرم در ایجاد پیامدهای سخت در حکمرانی: پیوندی بین خطمشیگذاری و حقوق (موردمطالعه: شاخص قاچاق انسان)، مطالعات مدیریت دولتی ایران، 3(4)، 127-152.
- حداد، میثم، صالحی ابر، سارا (1403). فرصتها و چالشهای جدید بودجهریزی دولت هوشمند در عصر هوش مصنوعی، فصلنامه پژوهشنامه اقتصاد و برنامهریزی.
- دهقانپور فراشاه، علیرضا، دهقانپور فراشاه، افسانه (1403). واکاوی ملاحظههای اخلاقی و سیاستی حکمرانی دادهمحور، مطالعات راهبردی سیاستگذاری عمومی، 14(51)، 104-124.
- دهقانپور فراشاه، علیرضا، عباسی، طیبه،دهقانپور فراشاه، افسانه (1402). شناسایی و اولویتبندی موانع پاسخگویی عمومی در سازمانهای دولتی ایران، مطالعات مدیریت دولتی ایران، 6(3)، 97-123.
- خبرگزاری ایرنا (۱۴۰۴). اجرای نسخه اول سکوی یکپارچه اطلاعات مالی دولت؛ تأکید بر حکمرانی دیجیتال، برگرفته از خبرگزاری ایرنا.
- ساعدی، عبداله، اسدی، نازنین (1403). تحلیل و ارزیابی پیامدهای حاکمیت کلاندادهها در مدیریت منابع انسانی، مدیریت سازمانهای دولتی، 13(1 (پیاپی 49))، 109-122.
- عرب مازاریزدی، محمد، مرادی، امیر (1399). فرصتها و چالشهای کاربرد کلانداده ها در سیستم اطلاعاتی حسابداری بخش عمومی از منظر مسئولیت پاسخگویی، دانش حسابرسی، 20(79)، 95-122.
- نوبری فرزانه (1401). نبود نگاه سیستمی در تنظیم بودجه در سطح کلان، ماهنامه علمی امنیت اقتصادی، 10(3)، 19-26.
- هلیلی، خداداد، ولوی، محمدرضا (1396). فناوری کلانداده، فرصتها، چالشها و راهبردها، مطالعات بینرشتهای دانش راهبردی، 7(28)، 7-28.
- Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative research in psychology, 3(2), 77-101. https://doi.org/10.1191/1478088706qp063oa
- Cockcroft, S., & Russell, M. (2018). Big data opportunities for accounting and finance practice and research. Australian Accounting Review, 28(3), 323-333. https://doi.org/10.1111/auar.12218
- Davies, J., Arana-Catania, M., Procter, R., Van Lier, F. A., & He, Y. (2021). Evaluating the application of NLP tools in mainstream participatory budgeting processes in Scotland. ACM International Conference Proceeding Series, 362–366. https://doi.org/10.1145/3494193.3494242
- Desouza, K. C., & Jacob, B. (2017). Big data in the public sector: Lessons for practitioners and scholars, Administration & society, 49(7), 1043-1064. https://doi.org/10.1177/0095399714555751
- Gamage, P. (2016). New development: Leveraging ‘big data’analytics in the public sector. Public Money & Management, 36(5), 385-390. https://doi.org/10.1080/09540962.2016.1194087
- Green, S., McKinney Jr, E., Heppard, K., & Garcia, L. (2018). Big data, digital demand and decision-making. International Journal of Accounting & Information Management, 26(4), 541-555. https://doi.org/10.1108/IJAIM-02-2017-0019
- Guba, G. & Lincoln, Y. S. (1994). Competing paradigms in qualitative research. In Handbook of qualitative research, 2(163 -194), 105.
- Höchtl, J., Parycek, P., & Schöllhammer, (2016). Big data in the policy cycle: Policy decision making in the digital era. Journal of Organizational Computing and Electronic Commerce, 26(1-2), 147-169. https://doi.org/10.1080/10919392.2015.1125187
- Hollands, F. M., Shand, R., Yan, B., Leach, S. M., Dossett, D., Chang, F., & Pan, Y. (2024). A comparison of three methods for providing local evidence to inform school and district budget decisions. Leadership and Policy in Schools, 23(2), 296-330. https://doi.org/10.1080/15700763.2022.2131581
- Kheyfets, I., Mastruzzi, M., Merotto, D., & Sondergaard, L. (2011). A New Data Tool to BOOST Public Spending Efficiency.
- Li, C., Xu, Y., Zheng, H., Wang, Z., Han, H., & Zeng, L. (2023). Artificial intelligence, resource reallocation, and corporate innovation efficiency: Evidence from China’s listed companies. Resources Policy, 81, 103324. https://doi.org/10.1016/j.resourpol.2023.103324
- Moradi, T., Kabir, M. J., Pourasghari, H., Ehsanzadeh, S. J., & Aryankhesal, A. (2023). Challenges of budgeting and Public Financial Management in Iran’s health system: a qualitative study. Medical Journal of the Islamic Republic of Iran, 37, 80. https://doi.org/10.47176/mjiri.37.80
- Nagirikandalage, P., Binsardi, A., & Kooli, K. (2025). The role of big data in public sector accounting and budgeting practices: evidence from a pandemic environment of an emerging economy. International Journal of Accounting, Auditing and Performance Evaluation, 21(1-2), 229-258. https://doi.org/10.1504/IJAAPE.2025.144894
- Saunders, M. N. (2011). Research methods for business students, 5/e. Pearson Education India.
- Valle-Cruz, D., Fernandez-Cortez, V., & Gil-Garcia, J. R. (2022). From E-budgeting to smart budgeting: Exploring the potential of artificial intelligence in government decision-making for resource allocation. Government Information Quarterly, 39(2), 101644. https://doi.org/10.1016/j.giq.2021.101644
- Warren, J. D., Moffitt, K. C., & Byrnes, P. (2015). How big data will change accounting, Accounting horizons, 29(2), 397-407. https://doi.org/10.2308/acch-51069
- Zhang, J., Rardin, R. L., & Chimka, J. R. (2023). Budget constrained model selection for multiple linear regression. Communications in Statistics-Simulation and Computation, 52(11), 5537-5549. https://doi.org/10.1080/03610918.2021.1991956
- Zhyber, T., Pyslytsya, A., Zavystovska, H., Tymchenko, O., & Shchur, R. (2024). Data-Driven Public Budgeting: Business Management Approach and Analytics Methods Algorithmization. In Data-Centric Business and Applications: Modern Trends in Financial and Innovation Data Processes 2023. Volume 2 (pp. 89-124). Cham: Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-53984-8_5
)