دانلود ترجمه مقاله داده های بزرگ و تحلیل پیش بینی کننده برای زنجیره تامین (ساینس دایرکت – الزویر 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

داده های بزرگ و تحلیل پیش بینی کننده برای زنجیره تامین و عملکرد سازمانی

Big data and predictive analytics for supply chain and organizational performance

چکیده
1- مقدمه
2- سابقه نظری
2-1 نظریه مبتنی بر منابع
2-2 ارتباط و تسهیم اطلاعات
2-3 تاثیر ارتباط و تسهیم اطلاعات بر پذیرش BDPA تحت تاثیر میانجی تعهد مدیریت ارشد
2-4 پذیرش BDPA، روالمندسازی BDPA، و همانندسازی BDPA
2-5 همانندسازی BDPA، عملکرد زنجیره تامین و عملکرد سازمانی
2-6 تاثیر عملکرد زنجیره تامین بر عملکرد سازمانی
2-7 کنترلهای آماری
3- روشهای تحقیق
3-1 توسعه قرارداد
3-2 جمع آوری داده ها
3-3 تعصب عدم پاسخ
4- آنالیز داده ها و نتایج
4-1 اعتبار ارزیابی
4-2 بایاس روش مشترک
4-3 تست فرضیه
5- بحث
5-1 مفاهیم نظری
5-2 مفاهیم مدیریتی
5-3 محدودیتها و تحقیقات آینده

چکیده

دانشمندان به اهمیت داده های کلان و تحلیل پیشگو (BDPA) در دستیابی به ارزش کسب و کار و عملکرد شرکت اذعان می کنند. به هر حال، تاثیر همانندسازی BDPA بر زنجیره تامین (SCP) و عملکرد سازمانی (OP) بدرستی مورد بررسی قرار نگرفته است. این مقاله برای پرداختن به این شکاف نظریه مبتنی بر منابع را مطرح می کند و همانندسازی را به عنوان یک فرایند سه مرحله ای (پذیرش، روالمند شدن و همانندسازی) تصور می کند و تاثیر منابع ( ارتباط، تسهیم اطلاعات) را تحت تاثیر میانجی تعهد مدیریت ارشد نسبت به همانندسازی داده های کلان ( قابلیت) ، SCP و OP بازمی شناسد. این یافته ها نشان می دهند که ارتباط و تسهیم اطلاعات تحت تاثیر میانجی تعهد مدیریت ارشد دارای رابطه مثبتی با پذیرش BDPA است که دارای رابطه مثبتی با همانندسازی BDPA تحت تاثیر میانجی روالمند شدن BDPA می باشد ، و با SCP و OP نیز رابطه مثبتی دارد. محدودیتها و دستورالعملهای تحقیقات آینده در اینجا ارائه شده اند.

5-3- محدودیتها و تحقیقات آینده

علی رغم وجود بینشهای قابل توجه این مطالعه برای محققان و پژوهشگران، محدودیتها و دستورالعملهای تحقیقات آینده نیز باید مطرح شوندو یکی از محدودیتها تمرکز مطالعه بر ارتباط داده ها و تسهیم اطلاعات به عنوان منابعی است که به معماری سیستم اشاره دارند. تاثیر تحلیل داده ها بر BDPA می تواند در تحقیقات آینده مورد بررسی قرار گیرد تا به طور قابل توجهی به توان توصیفی مدل کنونی بهبود ببخشد. یکی دیگر از محدودیتهای بالقوه بررسی نقش همانندسازی BDPA به عنوان قابلیتی است که بر SCP و OP تاثیر می گذارد. TMC ممکن است نیاز به بررسی بیشتری از طریق بررسی نقش فشارهای نهادی بر مدیران ارشد و تعهد آنها نسبت به توسه قابلیتهای همانندسازی BDPA شرکت داشته باشد. در چنین تلاشی، نظریه نهادی (Bhakoo & Choi، 2013 ؛ DiMaggio & Powell، 1983؛ Kauppi، 2013) ممکن است سودمند باشد. علاوه براین، این نمونه همگن است و کمال داده های کلان در آن مد نظر قرار نگرفته است. مطالعات آینده می تواند تاثیر کمال داده های کلان بر همانندسازی آنها، SCP و OP را کنترل کند. در نهایت، این مطالعه بر یک رویکرد مبتنی بر نظرسنجی اتکا دارد. برای ارائه بینشهای بهتر در همانند سازی BDPA ، استفاده از یک رویکرد پژهشی مرکب ، به عنوان مثال استفاده از نظر سنجی و مصاحبه های نیمه باز با مدیران و تصمیم گیرندگان، می تواند سودمندباشد. اگرچه این امر در یک رویکرد متدولوژیکی بخوبی مورد استفاده قرار گرفته است ، برای مثال Irani و Love را ببینید (2001). در این راستا، رابطه بین ساختارهای مدل پیشنهادی می توانند بهتر قابل درک باشند.

Abstract

Scholars acknowledge the importance of big data and predictive analytics (BDPA) in achieving business value and firm performance. However, the impact of BDPA assimilation on supply chain (SCP) and organizational performance (OP) has not been thoroughly investigated. To address this gap, this paper draws on resource-based view. It conceptualizes assimilation as a three stage process (acceptance, routinization, and assimilation) and identifies the influence of resources (connectivity and information sharing) under the mediation effect of top management commitment on big data assimilation (capability), SCP and OP. The findings suggest that connectivity and information sharing under the mediation effect of top management commitment are positively related to BDPA acceptance, which is positively related to BDPA assimilation under the mediation effect of BDPA routinization, and positively related to SCP and OP. Limitations and future research directions are provided.

5-3- Limitations and future research

Notwithstanding the substantial insights of this study for researchers and practitioners, limitations and future research directions need to be outlined. One limitation is the focus of the study on data connectivity and information sharing as the resources that refer to system architecture. The impact of data analytics on BDPA could be explored in future research to significantly improve the explanatory power of the current model. Another potential limitation is the investigation of the role of BDPA assimilation as a capability that impacts on SCP and OP. TMC may need to be further explored through investigating the role of institutional pressures on top managers and their commitment towards developing a firm’s BDPA assimilation capabilities. In such an attempt, institutional theory (Bhakoo & Choi, 2013; DiMaggio & Powell, 1983; Kauppi, 2013) may be useful. Furthermore, the sample is homogeneous and the maturity of big data has not been considered. Future studies could control for the effect of big data maturity on big data assimilation, SCP, and OP. Finally, this study relies on a survey based approach. To offer better insights into BDPA assimilation a mixed research approach could be useful, for instance using both a survey and semi-structured interviews with managers and decision makers although, it is a well used methodological approach, see for example Irani and Love (2001). In this vein, the relationships between the constructs of the proposed model could be further understood.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

داده های بزرگ و تحلیل پیش بینی کننده برای زنجیره تامین و عملکرد سازمانی

Big data and predictive analytics for supply chain and organizational performance