این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
توسعه کارآفرینی، جلد ۱۸، شماره ۲، صفحات ۱-۲۲
عنوان فارسی قدرت کلان‌داده‌ها در شرکت‌های کوچک و متوسط) (SMES: ایجاد مزیت رقابتی بر پایه‌ی نظریه‌ی قابلیتهای پویا
چکیده فارسی مقاله هدف: عصر دیجیتالی شدن، محققان را بر آن داشته که به بررسی مزایای تحلیل داده‌های کلان به عنوان ابزاری برای افزایش مزیت رقابتی در سازمان‌ها ‌بپردازند. شواهد قابل توجهی وجود دارد که اطلاعات و بینش‌های تولید شده توسط تحلیل کلان‌داده‌ها منجر به نوآوری و مزیت رقابتی می‌شود .اما ارتباط مستقیم این دو عامل ممکن است توسط مکانیسم‌های تاثیرگذار دیگری نیز میانجی شود. لذا این سوال مطرح می‌گردد که چگونه شرکت‌های کوچک و متوسط، می‌توانند از تحلیل داده‌های کلان و بازاریابی برای حمایت از نوآوری و ایجاد مزیت رقابتی در محیط‌های پویا استفاده کنند؟ در پاسخ به همین سوال، این مطالعه از مدل قابلیت‌های پویا به عنوان زیرساختی برای بررسی این روابط پیچیده استفاده می‌کند.و با معرفی یک مدل مفهومی به بررسی قابلیتهای نوآوری داده محور میپردازد این مدل به صورت تجربی مورد آزمایش قرار گرفته و اهمیت تئوری قابلیتهای پویا در ایجاد توانمندیهای نوآورانه و به دست آوردن مزیت های رقابتی در نتایج منعکس میگردند.

روش: این تحقیق از مدل‌سازی مسیر با استفاده از روش‌های تحلیل معادلات ساختاری (PLS) برای آزمون فرضیات استفاده می‌کند. برای اندازه‌گیری حجم نمونه از روش نمایی گام استفاده گردید. با توجه به اینکه تعداد متغیرهای پنهان 7 و تعداد متغیرهای آشکار 44 مورد بوده است در سطح اطمینان 95 درصد، تعداد نمونه‌ی به دست آمده 247 نفر برآورد گردید پرسشنامه ها از طریق پلتفرم لینکدین در اختیار 247 مدیر عالی شرکت‌های کوچک و متوسط قرار گرفت و مدل‌های اندازه‌گیری و ساختاری با استفاده از تحلیل‌های آماری توسط اطلاعات به دست آمده مورد ارزیابی قرار گرفته‌اند.

یافته‌ها: : از بین 9 فرضیه‌ی اعلام شده، 7 فرضیه مورد تایید قرار گرفت. یافته‌های تحقیق نشان می‌دهند که داده‌های کلان و تحلیل‌های بازاریابی تأثیر مثبتی بر ادغام دانش و نوآوری در SMEs دارند. ادغام دانش به عنوان عامل مهمی در تقویت نوآوری و ایجاد مزیت رقابتی شناخته شده است. اما عامل پویایی محیطی هیچ‌گونه تاثیری به عنوان متغیر تعدیلگر بر روابط بین متغیرها نداشت.

نتیجه: نتایج این تحقیق بینش‌های جدیدی درباره مسیر و روابط متقابلی که برای پشتیبانی از SMEها در یک زمینه داده‌محور برای فعال‌سازی نوآوری و مزیت رقابتی لازم است، ارائه کرد و نشان داد SMEs تنها در صورتی می‌توانند موفق شوند و بقا پیدا کنند که توانایی‌های لازم برای شناخت، به‌کارگیری و تبدیل کلان‌داده‌ها و اطلاعات داخلی و خارجی به دانش را داشته باشند تا از طریق آن، زمینه‌های خلق نوآوری را ایجاد کنند. ادغام دانش نیز یک فرآیند کلیدی است که می‌تواند به SMEs کمک کند تا از این ابزارها بهره‌برداری کرده و مزیت رقابتی پایدار ایجاد کنند. این تحقیق به مدیران و محققان توصیه می‌کند که بر توسعه‌ی قابلیت‌های مرتبط با داده‌های کلان و تحلیل‌های بازاریابی تمرکز کنند و به اهمیت ادغام دانش در فرآیندهای نوآوری توجه ویژه‌ای داشته باشند. به عنوان یک مطالعه‌ی جانبی مشخص شد که شرکت‌های کوچک در مقایسه با شرکت‌های بزرگ توانایی بیشتری در بهره‌برداری از تحلیل‌ها و استفاده از کلان‌داده‌ها در جهت ایجاد سودآوری، نوآوری و خلق مزیت‌های رقابتی دارند.

کلیدواژه‌ها: کلان‌داده، تحلیل‌های بازاریابی، نوآوری، مزیت رقابتی، ادغام دانش، نظریه‌ی قابلیت‌های پویا
کلیدواژه‌های فارسی مقاله کلان‌داده،نوآوری،مزیت رقابتی،ادغام دانش،نظریه‌ی قابلیت‌های پویا،
عنوان انگلیسی The Power of Big Data in Small and Medium-Sized Enterprises (SMEs): Creating Competitive Advantage Based on the Dynamic Capabilities Theory
چکیده انگلیسی مقاله Objective: The digitalization era has prompted researchers to explore the benefits of big data analytics as a tool for enhancing competitive advantage in organizations. Substantial evidence indicates that the information and insights generated by big data analytics lead to innovation and competitive advantage. However, the direct relationship between these two factors may also be mediated by other influencing mechanisms. Thus, the question arises: how can small and medium-sized enterprises (SMEs) utilize big data analytics and marketing to support innovation and create competitive advantages in dynamic environments? To address this question, this study leverages the dynamic capabilities model as a framework to investigate these complex relationships and introduces a conceptual model to examine data-driven innovation capabilities. The model has been empirically tested, and the findings reflect the theoretical importance of dynamic capabilities in fostering innovative capacities and achieving competitive advantages.

Method: This study employs path modeling using structural equation modeling (PLS= Partial least squares) methods to test the hypotheses. The Gamma-exponential methods was used to determine the sample size. Given that the study includes 7 latent variables and 44 observed variables, the required sample size was estimated to be 247 at a 95% confidence level. Questionnaires were distributed through the LinkedIn platform to 247 senior managers of small and medium-sized enterprises (SMEs). Measurement and structural models were evaluated using statistical analyses based on the collected data.

Results: Out of the nine proposed hypotheses, seven were supported. The findings indicate that big data analytics and marketing analytics have a positive impact on knowledge integration and innovation in medium-sized enterprises (SMEs). Knowledge integration has been identified as a critical factor in fostering innovation and creating competitive advantage. However, environmental dynamism had no moderating effect on the relationships between the variables.

Conclusion: The results of this research provide new insights into the pathways and interrelationships necessary to support medium-sized enterprises ( SMEs ) in a data-driven context to enable innovation and achieve competitive advantage. The study demonstrates that medium-sized enterprises ( SMEs ) can only succeed and sustain themselves if they possess the capabilities to recognize, utilize, and transform big data and internal and external information into knowledge, thereby fostering innovation. Knowledge integration is identified as a key process that enables medium-sized enterprises (SMEs ) to leverage these tools and create sustainable competitive advantages. The study recommends that managers and researchers focus on developing capabilities related to big data and marketing analytics and emphasize the critical role of knowledge integration in innovation processes. Additionally, the study highlights that small enterprises, compared to larger firms, demonstrate a higher capacity to exploit analytics and utilize big data for profitability, innovation, and creating competitive advantages..

Keywords: Big Data, Marketing Analytics, Innovation, Competitive Advantage, Knowledge Integration, Dynamic Capabilities Theory
کلیدواژه‌های انگلیسی مقاله کلان‌داده,نوآوری,مزیت رقابتی,ادغام دانش,نظریه‌ی قابلیت‌های پویا
نویسندگان مقاله خاطره قیصری |
گروه مدیریت- دانشگاه پیام نور - تهران- ایران

نشانی اینترنتی https://jed.ut.ac.ir/article_100624_038f903d115e4bb771e6a47b8fdad3ca.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات