پروپوزال مدیریت استراتژیک تاثیر تجزیه و تحلیل داده های بزرگ بر تصمیمات استراتژیک خرید در زنجیره تامین و نحوه تعامل آن با ظرفیت جذب شرکت

فهرست مطالب

1. بیان مساله اساسی تحقیق
2. اهمیت و ضرورت انجام تحقیق
3. مرور ادبیات و سوابق مربوطه
4. جنبه جدید بودن و نوآوری در تحقیق
5. اهداف مشخص تحقیق
6. سؤالات تحقیق
7. فرضیه ‏های تحقیق
8. روش شناسی تحقیق
9. متغیرهای مورد بررسی در قالب یک مدل مفهومی
10. شرح کامل روش (میدانی، کتابخانه‏ای) و ابزار
11. جامعه آماری، روش نمونه‏ گیری و حجم نمونه
12. روش‌ها و ابزار تجزیه و تحلیل داده ‏ها
13. مراجع

بخشی از بیان مساله

تجزیه و تحلیل کلان داده (BDA)، یک موضوع مهم در زمینه نوآوری، استراتژی و مدیریت عملیات است که توجه بیشتری را در زمینه مدیریت زنجیره تامین (SCM) به خود جلب کرده است (Patrucco ،2023). بسیاری از فرآیندهای درگیر در مدیریت زنجیره تامین ، مانند برنامه ریزی تقاضا، مدیریت مواد، حمل و نقل و مدیریت موجودی، همگی حجم عظیمی از داده ها را تولید می کنند.

ظهور و استفاده فراگیر از فناوری‌های دیجیتال جدید منجر به تولید انبوهی از داده ها شده است و در نتیجه چالش‌هایی را برای کسب‌وکارهای زنجیره تامین ایجاد می‌کند. این داده ها دارای اطلاعات پنهان مفیدی هستند و در حقیقت دارایی ارزشمند سازمان هستند (Hasan و همکاران، 2024).

بنابراین تحلیل داده های بزرگ، به ابزاری ایده آل برای پیش بینی، تجزیه و تحلیل و بهینه سازی عملیات زنجیره تامین تبدیل شده است. برای بهبود عملکرد بازار در مواجهه با رقابت شدید و محیط کسب و کار نامطمئن، کسب و کارها باید از منابع تجربی داده برای افزایش بهره وری عملیات خود استفاده کنند .

مطالعات نشان داده اند که سیستم های اطلاعاتی، مانند هوش تجاری، تجزیه و تحلیل و ابزارهای پیش بینی، در بهینه سازی فرآیند تصمیم گیری و عملیات تجاری سازمان های مدرن بسیار مهم هستند.

تحقیقات نشان داده است که خرید در زنجیره تامین (PSM) می تواند تأثیر قابل توجهی بر موفقیت زنجیره تأمین شرکت و همچنین عملکرد شرکت داشته باشد.

(PSM) شامل فعالیت های برنامه ریزی استراتژیک برای نیازهای فعلی و آینده و خرید عملیاتی کالاها و خدمات از تامین کنندگان خارجی است . در بسیاری از صنایع، سازمان‌های خریدار، به ایجاد انعطاف‌پذیری سازمانی کمک می‌کنند، عملکرد بهتر تولید را ممکن می‌سازند، و در نهایت نتایج سازمانی را به حداکثر می‌رسانند. در نتیجه، بخش‌های خرید زنجیره تامین اهمیت بیشتری پیدا کرده‌اند و به طور فزاینده‌ای به‌عنوان همتای استراتژیک برای همتایان بازاریابی و تولید شناخته می‌شوند. با توجه به نقش استراتژیک خود، بسیاری از شرکت ها بر چگونگی توسعه یک فرآیند تصمیم گیری خرید زنجیره تامین موثرتر تمرکز می کنند (Patrucco ،2023). فعالیت‌های خرید در زنجیره تامین، حجم عظیمی از داده‌های تولید شده داخلی (مانند داده‌های هزینه، داده‌های قرارداد و داده‌های عملکرد تامین‌کننده) را تولید می‌کنند که می‌توانند به راحتی با داده‌های منابع اطلاعات خارجی ادغام شوند. ظرفیت جذب (AC) را می توان به عنوان «توانایی یک شرکت برای تشخیص ارزش اطلاعات جدید و خارجی، جذب آن و به کارگیری آن برای اهداف تجاری» تعریف کرد. ظرفیت جذب به عنوان یک منبع مکمل و یک توانمندساز پذیرش سیستم های اطلاعاتی شناخته میشود.

سازمان‌هایی که ظرفیت جذب بالاتری دارند، درک واضح‌تری از نیازهای داده‌ای خود، نحوه مشارکت داده‌ها به اهداف تجاری آنها و مزایای استفاده از تجزیه و تحلیل داده‌ها برای تصمیم‌گیری آگاهانه دارند. این سازمانها، همچنین به احتمال زیاد دارای فناوری لازم، نیروی کار ماهر و فرآیندهای ساده برای تجزیه و تحلیل موثر کلان داده ها و ادغام دانش جدید در عملیات موجود خود هستند و در نتیجه نوآوری و رشد را تقویت می کنند. هدف این مطالعه تاثیر تجزیه و تحلیل داده های بزرگ بر تصمیمات استراتژیک خرید در زنجیره تامین و نحوه تعامل آن با ظرفیت جذب شرکت می باشد.

برخی از مراجع

1. Rodríguez-González, R. M., Madrid-Guijarro, A., & Maldonado-Guzmán, G. (2025). Digital organizational culture and absorptive capacity as precursors to supply chain resilience and sustainable performance. Journal of Cleaner Production, 420, 138411.
3. Lozada, N., Arias-Pérez, J., & Henao-García, E. A. (2024). Unveiling the effects of big data analytics capability on innovation capability through absorptive capacity: why more and better insights matter. Journal of Enterprise Information Management, 36(2), 680-701.
4. Patrucco, A. S., Marzi, G., & Trabucchi, D. (2023). The role of absorptive capacity and big data analytics in strategic purchasing and supply chain management decisions. Technovation, 126, 102814.
5. Schiele, H. (2024). Purchasing and supply management. Operations, logistics and supply chain management, 45-73.