تاثیر آتی و اجتماعی تجزیه و تحلیل داده های بزرگ در مدیریت زنجیره تامین: نتایج یک مطالعه دلفی

Elsevier
سال انتشار :
2017
تعداد صفحات مقاله انگلیسی :
15
نشریه :
الزویر
تعداد رفرنس ها :
160
نوع مقاله :
مقاله ISI
کراس مارک :
keywords :
Big Data Analytics Supply Chain Management Organizational Information Processing Theory Delphi method Fuzzy logic
کلمات کلیدی :
تجزیه و تحلیل داده های بزرگ،مدیریت زنجیره تامین،پردازش اطلاعات سازمان،تئوری روش دلفی ،منطق فازی
عنوان فارسی :

تاثیر آتی و اجتماعی تجزیه و تحلیل داده های بزرگ در مدیریت زنجیره تامین: نتایج یک مطالعه دلفی

عنوان انگلیسی :

The future and social impact of Big Data Analytics in Supply Chain Management: Results from a Delphi study

ژورنال :
Technological Forecasting and Social Change
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S004016251731329X
آدرس DOI :
https://doi.org/10.1016/j.techfore.2017.10.005
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2017

تعداد صفحات مقاله انگلیسی : 14

نشریه : الزویر

تعداد رفرنس ها : 160

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Big Data Analytics Supply Chain Management Organizational Information Processing Theory Delphi method Fuzzy logic

کلمات کلیدی : تجزیه و تحلیل داده های بزرگ،مدیریت زنجیره تامین،پردازش اطلاعات سازمان،تئوری روش دلفی ،منطق فازی

عنوان فارسی : تاثیر آتی و اجتماعی تجزیه و تحلیل داده های بزرگ در مدیریت زنجیره تامین: نتایج یک مطالعه دلفی

عنوان انگلیسی : The future and social impact of Big Data Analytics in Supply Chain Management: Results from a Delphi study

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S004016251731329X



چکیده انگلیسی
The continuously growing amount of available data has accelerated the emergence of numerous business intelligence applications that are summarized under the term Big Data Analytics (BDA). BDA is especially relevant to the domain of Supply Chain Management (SCM) as it provides the tools to support decision-making in increasingly global, volatile and dynamic value networks. However, its application challenges traditional institutional arrangements as well as roles that are related to the management of data. The underlying empirical study addresses this challenge with the application of a multi-method approach that is embedded in Organizational Information Processing Theory (OIPT). A Delphi survey was conducted to integrate expert assessments of projections up to the year 2035 and fuzzy c-means clustering was applied to identify future scenarios that span the future of BDA in SCM. The study suggests that BDA will improve demand forecasts, reduce safety stocks and improve the management of supplier performance. However, supply chain (SC) processes will become increasingly automated and traditional tasks of SCM will be partially substituted as a result. Consequently, the transition of the traditional role of SCM within organizations will increase the importance of human intuition, trust and strategic decision-making.

چکیده فارسی
مقدار روزافزون داده های موجود در حال افزایش برنامه های کاربردی متعدد کسب و کار است که تحت نام تجزیه و تحلیل داده های بزرگ (BDA) خلاصه شده است. BDA به ویژه در حوزه مدیریت زنجیره تامین (SCM) اهمیت دارد، زیرا ابزارهایی را برای حمایت از تصمیم گیری در شبکه های ارزشمند به طور فزاینده جهانی، فرار و پویا فراهم می کند. با این حال، کاربرد آن چالش های سازمانی سنتی و همچنین نقش هایی را که مربوط به مدیریت داده ها است، تضمین می کند. مطالعه تجربی مبتنی بر این چالش با استفاده از رویکرد چند روش است که در نظریه پردازش اطلاعات سازمان (OIPT) جاسازی شده است. یک بررسی دلفی برای ادغام ارزیابی پیش بینی های کارشناسان تا سال 2035 انجام شد و خوشه بندی فازی c-means برای شناسایی سناریوهای آینده که آینده BDA در SCM را در بر می گیرد، مورد استفاده قرار گرفت. این مطالعه نشان می دهد که BDA پیش بینی های تقاضا را بهبود می بخشد، ذخایر ایمنی را کاهش می دهد و مدیریت عملکرد کارکنان را بهبود می بخشد. با این حال، فرآیندهای زنجیره تامین (SC) به طور فزاینده اتوماتیک تبدیل خواهد شد و وظایف سنتی SCM در نتیجه به طور جزئی جایگزین خواهد شد. در نتیجه، انتقال نقش سنتی SCM در سازمان ها، اهمیت شهود، اعتماد و تصمیم گیری استراتژیک را افزایش می دهد.

موضوعات مقاله