تجزیه و تحلیل داده های بزرگ و عملکرد شرکت
ترجمه نشده

تجزیه و تحلیل داده های بزرگ و عملکرد شرکت

عنوان فارسی مقاله: تجزیه و تحلیل داده های بزرگ و عملکرد شرکت: یافته هایی از رویکرد روش مخلوط
عنوان انگلیسی مقاله: Big data analytics and firm performance: Findings from a mixed-method approach
مجله/کنفرانس: مجله تحقیقات کسب و کار-Journal of Business Research
رشته های تحصیلی مرتبط: مدیریت
گرایش های تحصیلی مرتبط: مدیریت کسب و کار
کلمات کلیدی فارسی: تجزیه و تحلیل داده های بزرگ، نظریه پیچیدگی، تحلیل های مقایسه ای کیفی مجموعه فازی (fsQCA)، ارزش کسب و کار، روش مخلوط، عدم قطعیت محیطی
کلمات کلیدی انگلیسی: Big data analytics، Complexity theory، fsQCA، Business value، Mixed-method، Environmental uncertainty
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus – Master Journals List – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.jbusres.2019.01.044
دانشگاه: Department of Computer Science, Norwegian University of Science and Technology, Sem Sælandsvei 9, 7491 Trondheim, Norway
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 5.352 در سال 2018
شاخص H_index: 158 در سال 2019
شاخص SJR: 1.684 در سال 2018
شناسه ISSN: 0148-2963
شاخص Quartile (چارک): Q1 در سال 2018
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 16
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: دارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: دارد
کد محصول: E12192
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1. Introduction


2. Background and research framework


3. Method


4. Findings


5. Discussion


Acknowledgements


Appendix A. Survey instrument


Appendix B. Heterotrait-monotrait ratio (HMTM)


Appendix C. Fuzzy set calibration


Appendix D. Interview guidelines


References

نمونه متن انگلیسی مقاله

Abstract


Big data analytics has been widely regarded as a breakthrough technological development in academic and business communities. Despite the growing number of firms that are launching big data initiatives, there is still limited understanding on how firms translate the potential of such technologies into business value. The literature argues that to leverage big data analytics and realize performance gains, firms must develop strong big data analytics capabilities. Nevertheless, most studies operate under the assumption that there is limited heterogeneity in the way firms build their big data analytics capabilities and that related resources are of similar importance regardless of context. This paper draws on complexity theory and investigates the configurations of resources and contextual factors that lead to performance gains from big data analytics investments. Our empirical investigation followed a mixed methods approach using survey data from 175 chief information officers and IT managers working in Greek firms, and three case studies to show that depending on the context, big data analytics resources differ in significance when considering performance gains. Applying a fuzzy-set qualitative comparative analysis (fsQCA) method on the quantitative data, we show that there are four different patterns of elements surrounding big data analytics that lead to high performance. Outcomes of the three case studies highlight the inter-relationships between these elements and outline challenges that organizations face when orchestrating big data analytics resources.


Introduction


We are living in the “Age of Data”, with new data being produced from all industries and public bodies at an unprecedented, and constantly growing rate (McAfee, Brynjolfsson, & Davenport, 2012). As a result, there has been a great hype which has led organizations to make substantial investments in their quest to explore how they can use their data to create value (Constantiou & Kallinikos, 2015). The main premise big data analytics builds on is that by analyzing large volumes of unstructured data from multiple sources, actionable insights can be generated that can help firms transform their business and gain an edge over their competition (Chen, Chiang, & Storey, 2012). Being able to obtain such data-generated insight are particularly relevant, especially for organizations that operate in dynamic and high-paced business environments, where making informed decisions is critical (Wamba et al., 2017).

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

تجزیه و تحلیل داده های بزرگ و عملکرد شرکت
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها