این مطالعه به بررسی منطق تصمیمگیری مورد استفاده توسط شرکتهای سرمایهگذاری جدید برای توسعه مدلهای کسب و کار آنها میپردازد. به ویژه این که تمرکز آنها روی منطق علت و معلولی و این که دینامیک آنها چگونه توسعه مدلهای کسب و کار را در طول زمان شکل میدهد بود. آنها کشف کردند که منطق تصمیمگیری معلولی (موثر) غالبا برای تولید یک پیشنهاد ارزش ماندگار برای یک بخش خاص مشتری استفاده میشود. بنابراین، منطق علّی غالبا برای تعریف سایر مولفههای مدل کسب و کار در رابطه با گزارهی (پیشنهاد) ارزش و بخش مشتری تعریف میشود. هنگامی که یک کمبود منبع ظاهر میشود، منطق علّی، با افزایش دوباره در تصمیمگیری معلولی جایگزین میشود. آنها نتیجه گرفتند که قبل از سرمایهگذاری منابع مهم در یک مدل کسب و کار، لازم بود که شرکتها تا حد امکان عدم قطعیت بازار و تکنولوژیکی را از طریق استراتژیهای معلولی برای اجتناب از هزینههای بعدی پیکربندی مجدد کاهش دهند.
1. پیشگفتار
توسعهی مدل کسب و کار، برای شرکتهای جدید مبتنی بر فناوری به منظور ایجاد و نمایش ارزش حاصل از فناوریهای آنها حیاتی است (چسبروگ و رزنبلوم، 2002؛ تیس، 2010؛ ماسا و توسی، 2014) و توجه زیادی را به خود جلب کرده است (زوت و همکاران، 2011؛ شنیدر و اسپیت، 2013؛ اسپیت و همکاران، 2014). در عین حال، شرکتهای مبتنی بر فناوری اغلب سختی زیادی را در تعریف یک مدل کسب و کار ماندگار در اقدام اول (اندریس و دباکر، 2007) ، به دلیل سطوح بالای عدم قطعیت بازار و تکنولوژیکی که آنها با آن مواجه میشوند و غیر قابل پیشبینی بودن گزینههای تجاریسازی تجربه میکنند. آنها به ویژه در مراحل اولیه دارای دانش و منابع محدودی برای مقابله با همهی این عدم قطعیتهای هستند (بیهاید، 2000). بنابراین، مولفههای مدل کسب و کار ایجاد میشوند و در لحاظت مختلف در طول فرایند توسعه اصلاح میشوند (دمیتریو و همکاران، 2014). بنابراین، توسعهی یک مدل کسب و کار، فرایندی پویا است (ساسنا و همکاران، 2010) که شامل تصمیمگیری تحت عدم قطعیت است.
This study investigates the decision-making logics used by new ventures to develop their business models. In particular, they focussed on the logics of effectuation and causation and how their dynamics shape the development of business models over time. They found that the effectual decision-making logic was used dominantly to generate a viable value proposition for a specific customer segment. Causal logic is then used dominantly to define the other business model components in relation to the value proposition and customer segment. When a shortage of resources emerges, causal logic is replaced by an increase in effectual decision-making again. They concluded that before investing significant resources in a business model it was crucial for firms to reduce, as far as possible, technological and market uncertainty through effectual strategies to avoid high re-configuration costs later.
1. Introduction
Business model development is crucial for new technology-based ventures to create and capture value from their technologies (Chesbrough and Rosenbloom, 2002; Teece, 2010; Massa and Tucci, 2014) and received a great deal of attention (Zott et al., 2011; Schneider and Spieth, 2013; Spieth et al., 2014). Yet, technology-based ventures often experience great difficulty in defining a viable business model at the first attempt (Andries and Debackere, 2007), because of high levels of technological and market uncertainty confronting them and the unpredictability of commercialization options. In the early phases especially, they have limited knowledge and resources to deal with all these uncertainties (Bhide, 2000). Therefore, business model components are created and get revised at different moments during the development process (Dmitriev et al., 2014). Developing a business model thus is a dynamic process (Sosna et al., 2010) that involves decision-making under uncertainty.
1. پیشگفتار
2. نظریه
2.1. فرایند توسعه مدل کسب و کار شرکت های جدید مبتنی بر فناوری
2.2. منطق های تصمیمگیری تحت عدم قطعیت
3. روش ها
3.1. انتخاب مورد
3.2. جمع آوری داده ها
3.3. تجزیه و تحلیل داده ها
4. نتایج
4.1. الگوهای در منظق تصمیمگیری
4.2. مولفه های مدل کسب و کار مربوط به منطق های تصمیمگیری
5. بحث
1. Introduction
2. Theory
2.1. Business model development process of new technology-based ventures
2.2. Decision-making logics under uncertainty
3. Methods
3.1. Case selection
3.2. Data collection
3.3. Data analysis
4. Results
4.1. Patterns in decision-making logic
4.2. Business model components linked to decision-making logics
5. Discussion