ترجمه مقاله داده های کلان و تحلیل پیشگو برای زنجیره تامین و عملکرد سازمانی – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
داده های کلان و تحلیل پیشگو برای زنجیره تامین و عملکرد سازمانی
عنوان انگلیسی مقاله:
Big data and predictive analytics for supply chain and organizational performance
کلمات کلیدی مقاله:
داده های کلان، همانندسازی، روالمندشدن، اتخاذ، عملکرد زنجیره تامین، عملکرد شرکت
مناسب برای رشته های دانشگاهی زیر:
مهندسی فناوری اطلاعات، مدیریت
مناسب برای گرایش های دانشگاهی زیر:
مدیریت سیستم های اطلاعات، معماری سازمانی، مدیریت کسب و کار و مدیریت دانش
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. سابقه نظری
2.1 نظریه مبتنی بر منابع
2.2 ارتباط و تسهیم اطلاعات
2.3 تاثیر ارتباط و تسهیم اطلاعات بر پذیرش BDPA تحت تاثیر میانجی تعهد مدیریت ارشد
2.4 پذیرش BDPA، روالمندسازی BDPA، و همانندسازی BDPA
2.5 همانندسازی BDPA، عملکرد زنجیره تامین و عملکرد سازمانی
2.6 تاثیر عملکرد زنجیره تامین بر عملکرد سازمانی
2.7 کنترلهای آماری
3. روشهای تحقیق
3.1 توسعه قرارداد
3.2 جمع آوری داده ها
3.3 تعصب عدم پاسخ
4. آنالیز داده ها و نتایج
4.1 اعتبار ارزیابی
4.2 بایاس روش مشترک
4.3 تست فرضیه
5. بحث
5.1 مفاهیم نظری
5.2 مفاهیم مدیریتی
5.3 محدودیتها و تحقیقات آینده
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Big data and predictive analytics (BDPA) is an all-encompassing term for techniques destined to handle big data characterized in terms of high volume, velocity and variety (Duan & Xiong, 2015; Wang, Gunasekaran, Ngai, & Papadopoulos, 2016; Zhou, Chawla, Jin, & Williams, 2014). Big data can help address critical challenges of predictive analytics that refer to data capture, storage, transfer & sharing (i.e. system architecture), and search, analysis, and visualization (i.e. data analytics) (Chen, Chiang, & Storey, 2012; Duan & Xiong, 2015; Erevelles, Fukawa, & Swayne, 2016). BDPA can improve supply chain performance by improving visibility (Barratt & Oke, 2007), resilience and robustness (Brandon-Jones, Squire, Autry, & Petersen, 2014), and organizational performance (OP) (Schoenherr & Speier-Pero, 2015; Waller & Fawcett, 2013).
1-مقدمه
داده های کلان و تحلیل پیشگو (BDPA) یک واژه فراگیر برای تکنیکهایی است که برای رسیدگی به حجم بالا، سرعت و تنوع داده های کلان تعیین شده اند (Duan & Xiong، 2015؛ Wang، Gunasekaran، Ngai& Papadopoulos؛ 2016؛ Zhou, Chawla, Jin & Williams، 2014). داده های کلان می توانند در پرداختن به چالشهای مهم تحلیل پیشگو که به ثبت ، ذخیره سازی، انتقال و تسهیم داده ها (به عنوان مثال، معماری سیستم) و جستجو، آنالیز، و تجسم ( به عنوان مثال، تحلیل داده ها) مربوط می شوند، کمک کند (Chen, Chiang, & Storey، 2012؛ Duan & Xiong, 2015؛ Erevelles, Fukawa, & Swayne, 2016). BDPA می تواند با بهبود میدان دید (Barratt & Oke، 2007)، انعطاف پذیری و نیرومندی (Brandon-Jones, Squire، Autry, & Petersen, 2014) و عملکرد سازمانی (OP) ، عملکرد زنجیره تامین را بهبود بخشد (Schoenherr & Speier-Pero, 2015؛ Waller & Fawcett, 2013).
