Corporate foresight for strategic innovation management: the case of a Russian service company
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 This paper aims to provide a detailed case study of a corporate foresight for innovation (CFI) project done by the Higher School of Economics’ (HSE) (Moscow, Russia) corporate foresight (CF) unit for a large state-owned Russian service company. It demonstrates how CFI methods lead to recommendations and how these recommendations result in decisions. Design/methodology/approach Drawing from being part of the project team, review of the project documents and interviews, the case describes a multi-phased CFI project which incorporated several CF methods. Techniques used for the project itself included grand challenges and trend analysis, analysis of best practices through use of benchmarking and horizon scanning, interviews, expert panels, wild card and weak signals analysis, cross impact analysis, SWOT and backcasting. The project used a broad-base of secondary information, expert panels consisting of company experts and HSE CF team personnel, interviews with senior management and an extensive literature review using HSE’s propriety iFORA system. Findings In all 17 CFI recommendation and over 100 implementation recommendations were made; 94 per cent of the CFI recommendations were accepted with most implemented at the time this case was written. The case also identifies five enabling factors that collectively both helped the CFI project and led to a high rate of recommendation acceptance and one factor that hindered CFI project success. Practical implications The case study provides detailed information and insight that can help others in conducting CF for innovation projects and establishes a link between CF methods and innovation-based recommendations and subsequent decisions. Originality/value In-depth case studies that show academe and practitioners how CFI leads to recommendations and is linked to subsequent decisions have been identified as a gap in the literature. This paper therefore seeks to address this need by presenting a detailed CF case for a corporate innovation project.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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