MétaCan
Menu
Retour à la cohorte
Enregistrement W4210432476 · doi:10.5267/j.uscm.2021.12.012

The antecedents of supply chain performance: Business analytics, business process orientation, and information systems support

2022· article· en· W4210432476 sur OpenAlexvenueno aff
Mohammad J Adaileh, Muneer Alrwashdeh, Hasan Z. Abu AlZeat, Nesrin salim Almatarneh

Notice bibliographique

RevueUncertain Supply Chain Management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSupply chainAnalyticsBusinessProcess managementBusiness analyticsReliability (semiconductor)Process (computing)Business processScale (ratio)Computer scienceMarketingElectronic businessWork in processData scienceBusiness model

Résumé

récupéré en direct d'OpenAlex

This study investigates the impact of business analytics (BA) on supply chain performance (SCP) in Saudi industrial companies. It also investigates the mediating impact of information systems supporting (ISS) and business process orientation (BPO). A total of 373 respondents working in 38 manufacturing companies in the Kingdom of Saudi Arabia (KSA) were selected. A scale with acceptable validity and reliability indicators was developed to measure the study variables. The results indicated significant indirect impact of the business analytics (planning, supply, make, delivery) on supply chain performance as ISS and BPO mediate this impact. Based on the results, a set of recommendations were proposed, industrial companies in KSA must develop the analytical capabilities for managers by increasing awareness of the benefits achieved from using business analytics approaches. It is a critical precedent for supply chain SC efficiency, and for companies to enhance their analytical capabilities with good ISS and process orientation to utilize in analyzing vast amounts of internal and external data. Directions for future research are also presented in this paper.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,667
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,253
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetBig Data and Business IntelligenceTravaux en français237 207