تجزیه و تحلیل کلان داده در مدیریت زنجیره تامین
ترجمه نشده

تجزیه و تحلیل کلان داده در مدیریت زنجیره تامین

عنوان فارسی مقاله: تجزیه و تحلیل کلان داده در مدیریت زنجیره تامین: یک بررسی ادبیات مطابق با آخرین پیشرفت های علمی
عنوان انگلیسی مقاله: Big data analytics in supply chain management: A state-of-the-art literature review
مجله/کنفرانس: کامپیوترها و تحقیقات در عملیات - Computers & Operations Research
رشته های تحصیلی مرتبط: مهندسی صنایع، مهندسی فناوری اطلاعات
گرایش های تحصیلی مرتبط: لجستیک و زنجیره تامین، مدیریت سیستم های اطلاعاتی
کلمات کلیدی فارسی: بررسی ادبیات، داده های بزرگ، تجزیه و تحلیل داده های بزرگ، مدیریت زنجیره تامین، جهت تحقیقات
کلمات کلیدی انگلیسی: Literature review، Big data، Big data analytics، Supply chain management، Research directions
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journal List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.cor.2017.07.004
دانشگاه: Connected Cities Research Group, Systems Management and Strategy Department, Faculty of Business, University of Greenwich, London, UK
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2018
ایمپکت فاکتور: 3/976 در سال 2018
شاخص H_index: 133 در سال 2019
شاخص SJR: 1/859 در سال 2018
شناسه ISSN: 0305-0548
شاخص Quartile (چارک): Q1 در سال 2018
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 47
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
کد محصول: E11317
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- Review methodology


3- Material evaluation


4- Results and discussion


5- Future direction


6- Conclusion


References

نمونه متن انگلیسی مقاله

Abstract


The rapidly growing interest from both academics and practitioners in the application of big data analytics (BDA) in supply chain management (SCM) has urged the need for review of up-to-date research development in order to develop a new agenda. This review responds to the call by proposing a novel classification framework that provides a full picture of current literature on where and how BDA has been applied within the SCM context. The classification framework is structurally based on the content analysis method of Mayring (2008), addressing four research questions: (1) in what areas of SCM is BDA being applied? (2) At what level of analytics is BDA used in these SCM areas? (3) What types of BDA models are used in SCM? (4) What BDA techniques are employed to develop these models? The discussion tackling these four questions reveals a number of research gaps, which leads to future research directions.


Introduction


With the fast-paced and far-reaching development of information and communication technologies (ICTs), big data (BD) has become an asset for organizations. BD has been characterized by 5Vs: volume, variety, velocity, veracity, and value (Wamba et al., 2015; Assunção et al., 2015; Emani et al., 2015). Volume refers to the magnitude of data, which has exponentially increased, posing a challenge to the capacity of existing storage devices (Chen and Zhang, 2014). Variety refers to the fact that data can be generated from heterogeneous sources, for example sensors, Internet of things (IoT), mobile devices, online social networks, etc., in structured, semi-structured, and unstructured formats (Tan et al., 2015). Velocity refers to the speed of data generation and delivery, which can be processed in batch, real-time, nearly real-time, or streamlines (Assunção et al., 2015). Veracity stresses the importance of data quality and level of trust due to the concern that many data sources (e.g. social networking sites) inherently contain a certain degree of uncertainty and unreliability (Gandomi and Haider, 2015; IBM, 2012; White, 2012). Finally, Value refers to the process of revealing underexploited values from BD to support decision-making (IDC, 2012; Oracle, 2012).

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

تجزیه و تحلیل کلان داده در مدیریت زنجیره تامین
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها