New product success through big data analytics: an empirical evidence from Iran
Notice bibliographique
Résumé
Purpose Innovative firms leverage big data analytics (BDA) benefits in optimising value creation, particularly in business-to-business (B2B) contexts. Examples of this are found in new product success and product innovation performance. However, knowledge of how innovative firms and their corporate customers generate insights from big data, develop new products and gain higher-quality service from intra- and inter organisations' resources is limited. This knowledge manifests in the form of opportunities available in BDA and through the adoption of the co-creation approach to generate value in the form of new product innovation. BDA reflects an excellent means of enhancing a firm's customer agility, but how this is possible remains largely unknown. Design/methodology/approach In this research, the authors hypothesise that new product success is a function of a firm's customer agility and product innovation performance moderated by environmental turbulences. In turn, the firm's customer agility is enhanced by the effect of big data aggregation and analytical tools. These hypotheses have been confirmed by a survey in an emerging market. Findings The authors use structural equation modelling to test the authors’ hypotheses. The main contribution of this research is the conceptualisation and test of an integrative framework identifying the links among a firm's customer agility, new product success and BDA capabilities. Practical implications The study established that BDA tools – the effective use of data aggregation tools and the effective use of data analysis tools – shape customer agility in achieving new product success. This study contributes to one’s understanding of the relevance of BDA in B2B value creation contexts. Originality/value The study findings show that BDA shapes a firm's customer agility in achieving new product success.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».