Business‐to‐business e‐procurement: success factors and challenges to implementation
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 pursue the understanding of current business‐to‐business e‐procurement practices by describing the success factors and challenges to its implementation in the corporate setting. Design/methodology/approach Members of the Institute for Supply Management and the Council of Logistics Management were asked to respond to a survey questionnaire. Factor analysis was used to analyze data from valid responses received from 185 firms. Findings Factor analysis resulted in three e‐procurement success factors (SF):supplier and contract management; end‐user behavior and e‐procurement business processes; and information and e‐procurement infrastructure. Three challenge‐to‐implementation factors (CIF) also emerged: lack of system integration and standardization issues; immaturity of e‐procurement‐based market services and end‐user resistance; and maverick buying and difficulty in integrating e‐commerce with other systems. Research limitations/implications A representative sampling design should be used in the future to be able to make claims for generalizable results. Practical implications E‐procurement is a very important initiative with significant cost savings potential for firms. This study's findings can guide various stages of corporate implementation efforts. Originality/value This study fulfills the need for solid empirical findings on this very important topic that has a direct impact on a firm's bottom line. E‐procurement is still in the early stages of marketplace deployment and guidance is still needed on how to do it right.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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