Using open source data in developing competitive and marketing intelligence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The paper seeks to show how the increasingly popular use of data and information acquired from open sources (OS) impacts competitive and marketing intelligence (C/MI). It describes the current state of the art in analysis efforts of open source intelligence (OSINT) in business/commercial enterprises, examines the planning and execution challenges organizations are experiencing associated with effectively using and fusing OSINT in C/MI decision‐making processes, and provides guidelines associated with the successful use of OSINT. Design/methodology/approach This is a descriptive, conceptual paper that utilizes and develops arguments based on the search of three unclassified bodies of literature in competitive and marketing intelligence, intelligence processing and marketing analysis. Findings Open sources are useful in marketing analyses because they can be easily accessible, inexpensive, quickly accessed and voluminous in availability. There are several conceptual and practical challenges the analyst faces in employing them. These can be addressed through awareness of these issues as well as a willingness to invest resources into studying how to improve the data gathering/analysis interface. Practical implications Marketing analysts increasingly rely on open sources of data in developing plans, strategy and tactics. This article provides a description of the challenges they face in utilizing this data, as well as provides a discussion of the effective practices that some organizations have demonstrated in applying and fusing open sources in their C/MI analysis process. Originality/value There are very few papers published focusing on applying OSINT in enterprises for competitive and marketing intelligence purposes. More uniquely, this paper is written from the perspective of the marketing analyst and how they use open source data in the competitive and marketing sense‐making process and not the perspective of individuals specialized in gathering these data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle