پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,827 |
| تعداد مقالات | 73,631 |
| تعداد مشاهده مقاله | 135,098,841 |
| تعداد دریافت فایل اصل مقاله | 105,363,991 |
قدرت کلان‌داده‌ها در شرکت‌های کوچک و متوسط) (SMES: ایجاد مزیت رقابتی بر پایه‌ی نظریه‌ی قابلیتهای پویا | ||
| فصلنامه علمی پژوهشی توسعه کارآفرینی | ||
| دوره 18، شماره 2، تیر 1404، صفحه 1-22 اصل مقاله (1.52 M) | ||
| نوع مقاله: مقاله پژوهشی - کمی | ||
| شناسه دیجیتال (DOI): 10.22059/jed.2025.386272.654458 | ||
| نویسنده | ||
| خاطره قیصری* | ||
| گروه مدیریت- دانشگاه پیام نور - تهران- ایران | ||
| چکیده | ||
| 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 | ||
| کلیدواژه‌ها | ||
| کلان‌داده؛ نوآوری؛ مزیت رقابتی؛ ادغام دانش؛ نظریه‌ی قابلیتهای پویا | ||
| عنوان مقاله [English] | ||
| The Power of Big Data in Small and Medium-Sized Enterprises (SMEs): Creating Competitive Advantage Based on the Dynamic Capabilities Theory | ||
| نویسندگان [English] | ||
| KHATERE GHEYSARI | ||
| DEPARTMENT OF MANAGEMENT, PAYAM NOOR UNIVRESITY. TEHRAN. IRAN | ||
| چکیده [English] | ||
| 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 | ||
| کلیدواژه‌ها [English] | ||
| Big data, Innovation, Competitive Advantage, Knowledge Integration, Dynamic Capabilities Theory | ||
| مراجع | ||
|
اثنی عشری، ه؛ عباسیان، م؛ سردارشهرکی، ع. (1403). تاثیر کاربرد کلان داده ها بر عملکرد مالی با تاکید بر مزیت رقابتی در صنعت شیر و فرآورده های لبنی استان کرمان. بررسی‌های بازرگانی، 22(12)7، 62-47. doi:https://doi.org/10.22034/bs.2024.2031018.2971
دانائی، ن؛ نامدارزادگان، ز. (1399). بررسی تاثیر حکمرانی دانش بر عملکرد پروژه؛ تبیین نقش تعدیل‌گری فرآیندهای اجتماعی و میانجیگری تسهیم دانش و ظرفیت جذب. سیاست نامه علم و فناوری، 32(10)، 106-91.. doi:http://noo.rs/llTrw
رودساز، ح؛ سید نقوی، م؛ وعبدلی مسینان، ف (1399). تاثیر نوآوری باز بر مزیت رقابتی با نقش میانجیگری مدیریت دانش. مطالعات مدیریت صنعتی، 18(59)، 150-117. . doi:https://doi.org/10.22054/jims.2018.26323.1903
عبدیان، ص؛ حسین زاده شهری، م و خدیور، آ (1400). شناسایی زمینه‌های کاربرد کلان داده در بازاریابی. چشم انداز مدیریت بازرگانی 20(47)، 64-87. . doi:https://doi.org/10.52547/jbmp.20.47.64
غمخواری، م. (1393). تأثیر پویایی محیطی و دانش کارآفرینانه بر تشخیص فرصت‌های آن با نقش میانجی خودکارآمدی کارآفرینانه. چشمانداز مدیریت دولتی، 11(3)، 109-124. doi:https://doi.org/10.48308/jpap.2020.96808
قاضی نوری، س؛ روشنی،ا وگودرزی، س (1397).بررسی مسیرهای توسعه و تطور نظری قابلیتهای پویا مبتنی بر تحلیل هم استنادی، فصلنامه مدیریت توسعه فناوری، 6(2)، 184-161. doi:https://doi.org/10.22104/jtdm.2019.2470.1995
گروسی مختارزاده، ن؛ زمانی، م و گشتاسبی، م. (1395). بررسی تاثیر توانمندی یکپارچهسازی دانش بر نوآوری فناورانه و عملکرد راهبردی (مورد مطالعه: بنگاه های تولید کننده دارو در ایران). . https://www.sid.ir/paper/260435/fa
لعل کاظمیان، ا و جعفری تیتکانلو، س. (1401). تأثیر تغییر استراتژیک با یادگیری سازمانی و پویایی محیطی بر عملکرد سازمانی. فصلنامه مطالعات مدیریت راهبردی، 13(50)، 199-175. . doi:https://doi.org/10.22034/smsj.2022.137667
مالامیری، م؛ نجفی، م و مالکی، م (1401). تاثیر مولفه‌های برنامه‌ریزی استراتژیک شرکت بر قابلیتهای بازاریابی با میانجی کارآفرینی. رویکردهای پژوهشی نوین در مدیریت و حسابداری، 84(6)، 1934-1952. doi:http://noo.rs/RqS8z
محمدکاظمی، ر؛ طالبی، ک؛ داوری، ع و دهقان، ع (1400). بررسی تاثیر نوآوری مدل کسب و کار بر خلق مزیت رقابتی با نقش میانجیگری توانمندی کارآفرینانه (مورد مطالعه: شرکت‌های دانش‌بنیان حوزه فناوری اطلاعات و ارتباطات). فصلنامه علمی پژوهشی توسعه کارآفرینی، 14(2)، 321-329. doi:https://doi.org/10.22059/jed.2021.315134.653534
نکویی زاده، م؛ حسینی، م؛ قره چه، م، و حاجی کریمی، ع. (1394). الگوسازی مسیری ساختاری رابطه قابلیت های پویا و پویایی محیطی. چشم انداز مدیریت بازرگانی (چشم انداز مدیریت (پیام مدیریت)، 14(1(پیاپی 21))، 85-103.
Amarakoon, U., Weerawardena, J., & Verreynne, M.-L. (2018). Learning capabilities, human resource management innovation and competitive advantage. The International Journal of Human Resource Management, 29(10), 1736-1766. doi:https://doi.org/10.1080/09585192.2016.1209228
Ávila, M. M. (2022). Competitive advantage and knowledge absorptive capacity: The mediating role of innovative capability. Journal of the Knowledge Economy, 13(1), 185-210. doi:https://doi.org/10.1007/s13132-020-00708-3
Baker, W. E., Mukherjee, D., & Perin, M. G. (2022). Learning orientation and competitive advantage: A critical synthesis and future directions. Journal of Business Research, 144, 863-873. doi:https://doi.org/10.1016/j.jbusres.2022.02.003
Brinch, M. (2018). Understanding the value of big data in supply chain management and its business processes: Towards a conceptual framework. International Journal of Operations & Production Management, 38(7), 1589-1614. doi:https://doi.org/10.1108/IJOPM-05-2017-0268
Cadden, T., Weerawardena, J., Cao, G., Duan, Y., & McIvor, R. (2023). Examining the role of big data and marketing analytics in SMEs innovation and competitive advantage: A knowledge integration perspective. Journal of Business Research, 168, 114225. doi:https://doi.org/10.1016/j.jbusres.2023.114225
Cao, G., Duan, Y., & El Banna, A. (2019). A dynamic capability view of marketing analytics: Evidence from UK firms. Industrial Marketing Management, 76, 72-83. doi:https://doi.org/10.1016/j.indmarman.2018.08.002
Ciampi, F., Demi, S., Magrini, A., Marzi, G., & Papa, A. (2021). Exploring the impact of big data analytics capabilities on business model innovation: The mediating role of entrepreneurial orientation. Journal of Business Research, 123, 1-13. doi:https://doi.org/10.1016/j.jbusres.2020.09.023
Covin, J. G., & Wales, W. J. (2019). Crafting high-impact entrepreneurial orientation research: Some suggested guidelines. In (Vol. 43, pp. 3-18): SAGE Publications Sage CA: Los Angeles, CA.
Davenport, E., & Hall, H. (2002). Organizational knowledge and communities of practice. Annual review of information science and technology, 36(1). doi:https://doi.org/10.1002/aris.1440360105
Davenport, T. (2019). Managing support knowledge with AI: Talla helps Toast. Forbes.
Dubey, R., Gunasekaran, A., Childe, S. J., Bryde, D. J., Giannakis, M., Foropon, C., . . . Hazen, B. T. (2020). Big data analytics and artificial intelligence pathway to operational performance under the effects of entrepreneurial orientation and environmental dynamism: A study of manufacturing organisations. International journal of production economics, 226, 107599. doi:https://doi.org/10.1016/j.ijpe.2019.107599
Esnaashari,Hajar, abbasian,mojtaba.(2024)The Effect of Using Big Data on Financial Performance with an Emphasis on Competitive Advantage in the Milk and Dairy Products Industry of Kerman Province.commercial survey.vol22.47-62(in percian) https://doi.org/10.22034/bs.2024.2031018.2971
Genc, E., Dayan, M., & Genc, O. F. (2019). The impact of SME internationalization on innovation: The mediating role of market and entrepreneurial orientation. Industrial Marketing Management, 82, 253-264. doi:https://doi.org/10.1016/j.indmarman.2019.01.008
Gupta, M., & George, J. F. (2016). Toward the development of a big data analytics capability. Information & Management, 53(8), 1049-1064. doi:https://doi.org/10.1016/j.im.2016.07.004
Gupta, V. K., Niranjan, S., Goktan, B. A., & Eriskon, J. (2016). Individual entrepreneurial orientation role in shaping reactions to new technologies. International Entrepreneurship and Management Journal, 12, 935-961. doi:https://doi.org/10.1007/s11365-015-0373-4
Ghamkhari Seyedeh Masoumeh (1399)The Impact of Environmental Dynamics and Entrepreneurial Knowledge on Recognition of Opportunities with the Mediating Role of Entrepreneurial Self-Efficacy Public administration perspective.(43). https://www.doi.org/10.29252/jpap.2020.96808 [In Persian]
Haddad, M. G. (2008). Knowledge integration for problem solving in the development of complex aerospace systems. Massachusetts Institute of Technology, Retrieved from http://hdl.handle.net/1721.1/43853
Hervé, A., Schmitt, C., & Baldegger, R. (2021). Digitalization, entrepreneurial orientation & internationalization of micro-, small-, and medium-sized enterprises. Technology Innovation Management Review. doi:https://doi.org/10.22215/timreview/1343
Hoffmann, A. L. (2018). Making data valuable: Political, economic, and conceptual bases of big data. Philosophy & Technology, 31, 209-212. doi:https://doi.org/10.1007/s13347-017-0295-x
Jarrahi, M. H., & Sutherland, W. (2019). Algorithmic management and algorithmic competencies: Understanding and appropriating algorithms in gig work. Paper presented at the Information in Contemporary Society: 14th International Conference, iConference 2019, Washington, DC, USA, March 31–April 3, 2019, Proceedings 14.
Kubina, M., Varmus, M., & Kubinova, I. (2015). Use of big data for competitive advantage of company. Procedia Economics and Finance, 26, 561-565. doi:https://doi.org/10.1016/S2212-5671(15)00955-7
Leiponen, A., & Helfat, C. E. (2010). Innovation objectives, knowledge sources, and the benefits of breadth. Strategic management journal, 31(2), 224-236. doi:https://doi.org/10.1002/smj.807
Li, D.-y., & Liu, J. (2014). Dynamic capabilities, environmental dynamism, and competitive advantage: Evidence from China. Journal of Business Research, 67(1), 2793-2799. doi:https://doi.org/10.1016/j.jbusres.2012.08.007
Malamiri Mohammad , Najafi Mohsen , Maleki Mojtaba,(1401). Impact of Company Strategic Planning Components on Entrepreneurship-Mediated Marketing Capabilities Journal of New Research Approaches in Management and Accounting6(84),1812-1830https://majournal.ir/index.php/ma/article/view/1397. [In Persian]
Mikalef, P., Sharma, K., Chatterjee, S., Chaudhuri, R., Parida, V., & Gupta, S. (2023). All eyes on me: Predicting consumer intentions on social commerce platforms using eye-tracking data and ensemble learning. Decision Support Systems, 175, 114039. doi:https://doi.org/10.1016/j.dss.2023.114039
Miller, K., McAdam, M., Spieth, P., & Brady, M. (2021). Business models big and small: Review of conceptualisations and constructs and future directions for SME business model research. In (Vol. 131, pp. 619-626): Elsevier.
Miroshnychenko, I., Strobl, A., Matzler, K., & De Massis, A. (2021). Absorptive capacity, strategic flexibility, and business model innovation: Empirical evidence from Italian SMEs. Journal of Business Research, 130, 670-682. doi:https://doi.org/10.1016/j.jbusres.2020.02.015
Mitchell, A. P., Trivedi, N. U., Gennarelli, R. L., Chimonas, S., Tabatabai, S. M., Goldberg, J., . . . Korenstein, D. (2021). Are financial payments from the pharmaceutical industry associated with physician prescribing? A systematic review. Annals of internal medicine, 174(3), 353-361. doi:https://doi.org/10.7326/M20-5665
Mohammadkazemi Reza , talebi kambiz , Davari Ali.(1400)Investigating the Impact of business model innovation on creation of competitive advantage with the mediating effects of entrepreneurial empowering (Case Study: ICT-Based Knowledge-Based Companies) Journal of Entrepreneurship Development. , 14(2), 321-329. https://doi.org/10.22059/jed.2021.315134.653534 [In Persian]
Namdarzadegan, Mehdi and Hamidieh, Alireza and Prak Sari Khanbaglou, Mahbobeh, 2019, Analysis and analysis of big data and knowledge management: investigating its impact on the performance of small and medium enterprises, 17th International Conference on Industrial Engineering, Mashhad http://dx.doi.org/10.1016/j.procs.2018.10.111.[In Persian]
Nekooeezade, Maryam, Hosseini, Sayyed Mahmoud, GHARECHEH, MANIZHEH, & HAJIKARIMI, ABBASALI. (2015). Path-Structural Modeling of Dynamic Capabilities and Environmental Dynamics Relationship. JOURNAL OF BUSINESS MANAGEMENT PERSPECTIVE (MANAGEMENT PERSPECTIVE), 14(1 (21) ), 85-103. SID. https://sid.ir/paper/115582/en
Pavlou, P. A., & El Sawy, O. A. (2011). Understanding the elusive black box of dynamic capabilities. Decision sciences, 42(1), 239-273. doi: https://doi.org/10.1111/j.1540-5915.2010.00287.x
Pérez Luño, A. E. (2017). Derechos humanos, estado de derecho y constitución.
Salunke, S., Weerawardena, J., & McColl-Kennedy, J. R. (2019). The central role of knowledge integration capability in service innovation-based competitive strategy. Industrial Marketing Management, 76, 144-156. doi:https://doi.org/10.1016/j.indmarman.2018.07.004
Roshani Saeed ghazinouri soroush Mehdi Goodarzi.(1397)Developmental and Evolutionary Paths Study of Dynamic Capabilities Based on Co- Citation Analysis Quarterly OFTechnology Development Management (6)1 https://doi.org/10.22104/jtdm.2019.2470.1995. [In Persian]
Rudsaz Habib, naghavi mir ali seyed , Abdoli Masinan Faezeh (1399) The Effect of Open Innovation on Competitive Advantage Considering the Mediation Role of Knowledge Management industrial management studies https://doi.org/10.22054/jims.2018.26323.1903 [In Persian]
Shepherd, N. G., & Rudd, J. M. (2014). The influence of context on the strategic decision‐making process: A review of the literature. International journal of management reviews, 16(3), 340-364. doi:https://doi.org/10.1111/ijmr.12023
Teece, D. J. (2012). Dynamic capabilities: Routines versus entrepreneurial action. Journal of management studies, 49(8), 1395-1401. doi:https://doi.org/10.1111/j.1467-6486.2012.01080.x
Thrassou, A., Vrontis, D., Weber, Y., Shams, S., & Tsoukatos, E. (2020). The changing role of SMEs in global business: Palgrave Macmillan.
Wamba, S. F., Akter, S., Edwards, A., Chopin, G., & Gnanzou, D. (2015). How ‘big data’can make big impact: Findings from a systematic review and a longitudinal case study. International journal of production economics, 165, 234-246. doi:https://doi.org/10.1016/j.ijpe.2014.12.031
Wiklund, J., & Shepherd, D. (2005). Entrepreneurial orientation and small business performance: a configurational approach. Journal of business venturing, 20(1), 71-91. doi:https://doi.org/10.1016/j.jbusvent.2004.01.001
Xu, Z., Frankwick, G. L., & Ramirez, E. (2016). Effects of big data analytics and traditional marketing analytics on new product success: A knowledge fusion perspective. Journal of Business Research, 69(5), 1562-1566. doi:https://doi.org/10.1016/j.jbusres.2015.10.017 | ||
|
آمار تعداد مشاهده مقاله: 361 تعداد دریافت فایل اصل مقاله: 128 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب