Implementation of business intelligence framework for Malaysian halal food manufacturing industry towards initiate strategic financial performance management
Notice bibliographique
Résumé
The utilization of Business Intelligence (BI) to yield financial management among manufactures has been one of the main advantages of managing businesses through strategized financial performance. The BI can be conceptualized as a decision-making process, which is an emerging topic within technology management and financial decision making. Furthermore, such factors influencing the adoption of this type of strategized decision-making process are under extensive investigation. The main objective of this research is to develop a BI framework to provide a data analytics and action plan to help Malaysian Halal Food Manufacturing Industry (MHFMI) strategize financial performance. The specific objective of the study is to assess and validate the relationship between the adoption of BI and MHFMI. The methodology of the study starts with the theory adoption of BI parameters and methods, followed by the development of the adopted and adapted theoretical models using the conceptual framework developed and MHFMI involvement into the strategic financial performance management. The managers of the MHFMI is requested to provide the necessary information about their companies, perception of BI and financial performances. Reliability analysis is used to validate the constructs and test measurements in variance. The study applies regression analysis to determine the effects of different decision making strategies on BI. The research output indicates that the BI data analytics and the action plan as well as the conceptual framework could improve the financial performance by the adoption and the adaptation of the conceptualized strategy among MHFMI.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».