دانلود رایگان مقالات الزویر - ساینس دایرکتدانلود رایگان مقالات بیس مدیریتدانلود رایگان مقالات بیس مدیریت کسب و کاردانلود رایگان مقالات پژوهشی مدیریتدانلود رایگان مقالات ژورنالی مدیریتدانلود رایگان مقالات سال 2019دانلود رایگان مقاله ISI تحلیل داده ها به زبان انگلیسیدانلود رایگان مقاله ISI عملکرد شرکت به زبان انگلیسیدانلود رایگان مقاله ISI مدیریت به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI مدیریت کسب و کار MBA به زبان انگلیسیسال انتشارمقالات Q1 مدیریت به زبان انگلیسیمقالات مدیریت با ایمپکت فاکتور بالا به زبان انگلیسیمقالات مدیریت با مدل مفهومی به زبان انگلیسیمقالات مدیریت دارای متغیر به زبان انگلیسی

مقاله انگلیسی رایگان در مورد تجزیه و تحلیل داده های بزرگ و عملکرد شرکت – الزویر ۲۰۱۹

 

مشخصات مقاله
ترجمه عنوان 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
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی  ۱۶ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس میباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۵٫۳۵۲ در سال ۲۰۱۸
شاخص H_index ۱۵۸ در سال ۲۰۱۹
شاخص SJR ۱٫۶۸۴ در سال ۲۰۱۸
شناسه ISSN ۰۱۴۸-۲۹۶۳
شاخص Quartile (چارک) Q1 در سال ۲۰۱۸
مدل مفهومی دارد
پرسشنامه ندارد
متغیر دارد
رفرنس دارد
رشته های مرتبط مدیریت
گرایش های مرتبط مدیریت کسب و کار
نوع ارائه مقاله
ژورنال
مجله / کنفرانس  مجله تحقیقات کسب و کار-Journal of Business Research
دانشگاه  Department of Computer Science, Norwegian University of Science and Technology, Sem Sælandsvei 9, 7491 Trondheim, Norway
کلمات کلیدی  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
شناسه دیجیتال – doi
https://doi.org/10.1016/j.jbusres.2019.01.044
کد محصول  E12192
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract
۱٫ Introduction
۲٫ Background and research framework
۳٫ Method
۴٫ Findings
۵٫ Discussion
Acknowledgements
Appendix A. Survey instrument
Appendix B. Heterotrait-monotrait ratio (HMTM)
Appendix C. Fuzzy set calibration
Appendix D. Interview guidelines
References

 

بخشی از متن 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).

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا