دانلود مقاله مزیت رقابتی: تحلیل طولی نقش ظرفیت های نوآوری داده محور، چابکی بازاریابی و آشفتگی بازار

چکیده
     با اینکه ظرفیت‌های نوآوری داده‌محور توانسته است که توجه دانشگاهیان و متخصصان را به خود جلب کند، اما شواهد طولی کافی در مورد نحوه‌ی نقش آنها در بهبود چابکی بازاریابی و مزیت رقابتی وجود ندارد. در این مطالعه، با توسعه مدل مبتنی‌بر دیدگاه ظرفیت‌های پویا، اقداماتی در این راستا انجام می‌دهیم. همچنین، اثرات تعدیل‌کننده آشفتگی بازار بر رابطه‌ی بین چابکی بازاریابی و مزیت رقابتی را بررسی می‌کنیم. ما از داده‌های دو مرحله‌ای (T = 677 و (T + 1 = 569، و رویکرد پانل ناهم‌زمان برای تحلیل داده‌های طولی استفاده کردیم. طبقِ یافته‌های ما، شواهد تجربی قوی در مورد تأثیر زمانی علّی و پیش‌نگرانه‌ی ظرفیت‌های نوآوری داده‌محور بر چابکی بازاریابی و مزیت رقابتی وجود دارند. همچنین، نشان دادیم که چابکی بازاریابی می‌تواند این رابطه را در طیِ زمان میانجی‌گری کند. علاوه بر این، تجزیه و تحلیل نشان داد که آشفتگی بازار می‌تواند تأثیر چابکی بازاریابی بر مزیت رقابتی را تقویت کند. همچنین، مفاهیم مهمی برای تئوری و عمل ارائه کردیم.
1.    مقدمه
     به دلیلِ فرآیند دیجیتالی‌سازی، محصولات، خدمات، فرآیندها، و تمامی مدل‌های کسب و کار دستخوش دگرگونی‌های چشمگیر شده‌اند (بهاتی و همکاران، 2022). با توجه به پیشرفت‌های تکنولوژیکی انقلاب صنعتی چهارم که به عنوان "صنعت  "4.0شناخته می‌شود، سازمان‌های مختلف از فناوری دیجیتالی برای متحول‌سازی فرآیند خود استفاده کرده‌اند (دوبی و همکاران، 2018). ظرفیت‌های نوآوری داده‌محور (DDIC) می‌تواند امکان توسعه عملیات جدیدی را فراهم کند که مکمل یا جایگزین مدل‌های کسب‌وکار سنتی باشند. در حوزه‌ی مدیریت عملیات (عبدالموتی و همکاران، 2022؛ برشیانی و همکاران، 2021)، کلان‌داده و تحلیل‌های پیشرفته به عنوان تغییردهنده قوانین بازی در نظر گرفته می‌شوند (سلطانا و همکاران، 2022). 
7.    محدودیت‌ها و دستورالعمل‌ها برای مطالعات آینده
     اگرچه در بررسی مطالعاتی ما محدودیت‌هایی وجود دارند، اما جهت‌گیری‌های احتمالی برای بررسی‌های بیشتر نیز ارائه می‌شود. اولین مورد این است که مطالعه ما در جامعه درحال توسعه‌ای مانند عربستان سعودی انجام شد. بنابراین، داده‌های یک کشور توسعه‌یافته می‌تواند برای به چالش کشیدن چارچوب مفهومی پیشنهادی از نظرِ جغرافیا و زبان مورد استفاده قرار گیرد. دومین مورد این است که تحقیقات ما بر تأثیر ظرفیت‌های نوآوری داده‌محور و چابکی بازاریابی بر مزیت رقابتی متمرکز است. در تحقیقات آتی می‌توان متغیرهای وابسته اضافی مانند عملکرد مالی و ارزش شرکت را درنظر گرفت. مورد سوم این است که در این مطالعه فقط چابکی بازاریابی به عنوان تنها میانجی ارتباطی بین ظرفیت‌های نوآوری داده‌محور و مزیت رقابتی درنظر گرفته شد. بنابراین، ویژگی‌های مرتبط با ظرفیت، مانند چابکی مشتری، را می‌توان در مطالعات آینده لحاظ کرد. حسنا و لوری (2016) نشان دادند که قابلیت جمع‌آوری و تجزیه و تحلیل مقادیر زیادی داده‌ تأثیر مثبتی بر کسب‌وکارها دارد، و به آنها اجازه می‌دهد تا احساسات مشتری را بهتر ارزیابی کنند. در تحقیقات قبلی نشان داده شد که ظرفیت‌های حاکمیت داده و فرهنگ داده‌محور از محرک‌های اصلی مزیت رقابتی هستند (ابلا و همکاران، 2017؛ آکتر و همکاران، 2021). بنابراین، این متغیرها می‌توانند در مدل ما گنجانده شوند تا قدرت پیش‌بینی آن افزایش یابد. مورد چهارم، بررسی ما بر روی یک فرهنگ متمرکز بود (یعنی، جامعه درحالِ توسعه) و آزمون‌های بین فرهنگی را لحاظ نکرد. به خاطرِ عدم‌وجود دیدگاه جهانی در این مطالعه، نیاز به تحلیل تطبیقی کشورهای توسعه‌یافته و درحالِ توسعه برجسته‌تر می‌شود. مورد پنجم، در بررسی‌های آینده می‌توان با کاوش در موانع اصلی ظرفیت‌های نوآوری داده‌محور در صنعت خرده‌فروشی یک گام به سمتِ جلو برداشت. مورد آخر،  این مطالعه صرفاً بر اندازه‌گیری‌های ادراکی متکی است، درنتیجه، برای دستیابی به بینش‌های عمیق‌تر در موردِ تأثیر واقعی ظرفیت‌های نوآوری داده‌محور و چابکی بازاریابی بر مزیت رقابتی، نیاز به بررسی بیشتر با استفاده از معیارهای عینی در تحقیقات آینده است.

Abstract

     While data-driven innovation capabilities have received considerable attention from academics and practitioners, there is insufficient longitudinal evidence on how they might contribute to improved marketing agility and competitive advantage. In this study, we make a preliminary effort to address this gap by developing a model based on the dynamic capabilities view. We also explore the moderating effects of market turbulence on the link among marketing agility and competitive advantage. We used two-waves data (T = 677 and T+1 = 569) and the cross-lagged panel approach was utilised to analyse the longitudinal data. Our findings provide robust empirical evidence on the causal and predictive temporal impact of data driven innovation capabilities on marketing agility and competitive advantage. It also indicated that marketing agility mediates this relationship over time. Moreover, the analysis suggested that market turbulence reinforce the influence of marketing agility on competitive advantage. We provided significant implications for theory and practice.

1. Introduction

     Due to digitalisation, products, services, processes and entire business models have undergone significant transformations (Bhatti et al., 2022). Due to the technological advancements brought about by the Fourth Industrial Revolution, also known as “Industry 4.0”, organisations from various sectors have utilised digital technology to revolutionise their process (Dubey et al., 2018). Data-driven innovation capabilities (DDICs) enable the development of new operations that can supplement or replace traditional business models. Big data and advanced analytics have been deemed game changers (Sultana et al., 2022) in the realm of operations management (Abdelmoety et al., 2022; Bresciani et al., 2021).

7. Limitations and directions for future studies

     Our examination presents some limitations, offering potential directions for further investigations. First, our exploration was carried out in a developing society like Saudi Arabia. Data from a developed country could be employed to challenge the proposed conceptual framework in terms of geography and language. Second, our research concentrates on the influence of data-driven innovation capabilities and marketing agility on competitive advantage. Future investigations could incorporate additional dependent variables like financial performance and firm value. Third, this study has only included marketing agility as the single mediator of the link between data driven innovation capabilities and competitive advantage. Therefore, more capability-related characteristics, such as customer agility, may be the focus of future studies. Hassna and Lowry (2016) suggest that the ability to collect and analyse large amounts of data has a positive effect on businesses by allowing them to better gauge client sentiment. Prior research revealed that data governance capabilities and data driven culture are key drivers of competitive advantage (Abella et al., 2017; Akter et al., 2021). Thus, these variables could be integrated in our model to improve its predictive power. Fourth, our examination focused on one culture (i.e., developing society) and didn’t consider cross-cultural examinations. The lack of a global perspective in this study highlights the need for a comparative analysis of developed and developing nations. Fifth, the future examinations could go a step further by exploring the main obstacles of data driven innovation capabilities in the retail industry. Finally, this study relies solely on perceptual measurements, a limitation that needs addressing in subsequent research by using objective metrics to gain deeper insights into the genuine influence of data-driven innovation capabilities and marketing agility on competitive advantage.

(جهت بزرگ نمایی روی عکس کلیک نمایید)

چکیده
1.    مقدمه
2.    مروری بر مطالعات
1.2. تئوری‌های مبنا
2.2 ظرفیت نوآوری داده‌محور
3.2. چابکی بازاریابی به عنوان ظرفیت پویا
3.    چارچوب مفهومی و توسعه فرضیه‌ها
1.3. ظرفیت‌های نوآوری داده‌محور و چابکی بازاریابی
2.3. چابکی بازاریابی و مزیت رقابتی
3.3. نقش میانجی آشفتگی بازار
4.3. چشم‌انداز طولی
4.    روش تحقیق
1.4. نمونه و جمع آوری داده‌ها
2.4. معیارها
3.4. سوگیری روش مشترک
4.4. مدل سنجش مرتبه بالاتر
5.4. مقایسه اندازه‌گیری
5.    تجزیه و تحلیل و نتایج
1.5. مدل اندازه‌گیری
2.5. CLPM تجزیه و تحلیل مسیر
1.2.5. فرضیه 1: DDIC→CMD
2.2.5. فرضیه 2: DDIC→AGT
3.2.5.  فرضیه 3: AGT→CMD
4.2.5. فرضیه 4: DDIC→CMD: تأثیر میانجی AGT
6.    بحث و نتیجه‌گیری
1.6. یافته‌های مهم
2.6. ملاحظات تئوری
3.6. ملاحظات کاربردی
7.    محدودیت‌ها و دستورالعمل‌ها برای مطالعات آینده
منابع

Abstract
Graphical abstract
1. Introduction
2. Literature review
2.1. Underlying theories
2.2. Data-driven innovation capability
2.3. Marketing agility as a dynamic capability
3. Conceptual framework and hypotheses development
3.1. Data driven-innovation capabilities and marketing agility
3.2. Marketing agility and competitive advantage
3.3. The moderating role of market turbulence
3.4. Longitudinal perspective
4. Research method
4.1. Sample and data collection
4.2. Measures
4.3. Common method bias
4.4. Higher-order measurement model
4.5. Measurement comparison
5. Analysis and results
5.1. Measurement model
5.2. CLPM of path analysis
5.2.1. Hypothesis 1: DDIC→CMD
5.2.2. Hypothesis 2: DDIC→AGT
5.2.3. Hypothesis 3: AGT→CMD
5.2.4. Hypothesis 4: DDIC→CMD: the mediating influence of AGT
6. Discussion and conclusion
6.1. Key findings
6.2. Theoretical implications
6.3. Practical implications
7. Limitations and directions for future studies
Appendix A. The measurement scales and their sources
References

این محصول شامل پاورپوینت ترجمه نیز می باشد که پس از خرید قابل دانلود می باشد. پاورپوینت این مقاله حاوی 29 اسلاید و 5 فصل است. در صورت نیاز به ارائه مقاله در کنفرانس یا سمینار می توان از این فایل پاورپوینت استفاده کرد.

در این محصول، به همراه ترجمه کامل متن، یک فایل ورد ترجمه خلاصه نیز ارائه شده است. متن فارسی این مقاله در 15 صفحه (3470 کلمه) خلاصه شده و در داخل بسته قرار گرفته است.

علاوه بر ترجمه مقاله، یک فایل ورد نیز به این محصول اضافه شده است که در آن متن به صورت یک پاراگراف انگلیسی و یک پاراگراف فارسی درج شده است که باعث می شود به راحتی قادر به تشخیص ترجمه هر بخش از مقاله و مطالعه آن باشید. این فایل برای یادگیری و مطالعه همزمان متن انگلیسی و فارسی بسیار مفید می باشد.

بخش مهم دیگری از این محصول لغت نامه یا اصطلاحات تخصصی می باشد که در آن تعداد 98 عبارت و اصطلاح تخصصی استفاده شده در این مقاله در یک فایل اکسل جمع آوری شده است. در این فایل اصطلاحات انگلیسی (تک کلمه ای یا چند کلمه ای) در یک ستون و ترجمه آنها در ستون دیگر درج شده است که در صورت نیاز می توان به راحتی از این عبارات استفاده کرد.