تجزیه و تحلیل کلان داده‌ها و عملکرد زنجیره تأمین: نقش واسطه‌ای قابلیت‌های زنجیره تأمین و نوآوری

عنوان فارسی مقاله:تجزیه و تحلیل کلان داده‌ها و عملکرد زنجیره تأمین: نقش واسطه‌ای قابلیت‌های زنجیره تأمین و نوآوری

چکیده

این مطالعه با هدف بررسی تأثیر تجزیه و تحلیل داده‌های بزرگ، نوآوری و قابلیت‌ها در زنجیره تأمین و همچنین یافتن تأثیر تعدیل‌کننده انعطاف‌پذیری سازمانی بر عملکرد زنجیره تأمین (SCP) و یافتن تأثیر شدت رقابت به عنوان یک متغیر کنترل کننده بر عملکرد زنجیره تأمین انجام شد. هدف این پژوهش ارائه یک مدل نظری مبتنی بر دیدگاه رابطه‌ای نظریه منبع محور (RBV) است. داده‌ها از طریق پرسشنامه جمع آوری شد و ۲۵ مدیر شرکت سازنده در این نظرسنجی شرکت کردند. با توجه به یافته‌های این مطالعه BDA ارتباط مطلوب و قوی با SCI و SCC و همچنین SCP دارد. اکثر شرکت‌های سازنده در این تحقیق از BDA برای سرعت بخشیدن به الگوریتم‌های ایستاده خود با مجموعه کلان داده استفاده کردند.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Big data analytics and supply chain performance: The mediating role of supply chain capabilities and innovation

Abstract

This study aims to examine the influence of Big Data analytics, innovation & capabilities in the supply chain as well as to find the moderating effect of organisational flexibility on the performance of the supply chain (SCP) and find the effect of competitive intensity as a controlling variable on the performance of supply chain. This research aims to present a theoretical model based on the resource-based theory's relational view (RBV). The data was collected through a survey questionnaire and 25 manufacturer firms managers participate in this survey. According to the findings of this study BDA has a favourable and strong association with SCI and SCC, as well as SCP. The majority of the manufacturers' firms in this research employed BDA to speed up their standing algorithms quicker with massive data sets.