Identification and analysis of enterprise risks in the open product innovation: the case of Volkswagen Brazil
Notice bibliographique
Résumé
Purpose The problem statement is how to identify and analyze the corporate risks involved in the relationships with external agents involved in the open product innovation process (OPIP)? Seeking to extend this investigation, the purpose of this paper is to analyze the enterprise risks identified in corporate relations with external agents of the OPIP. This study proposes the systematization of the process of identification and analysis of the enterprise risks involved in the process of open product innovation. Design/methodology/approach The case explored in this study is the OPIP of Volkswagen do Brasil (VWB), one of the most important subsidiaries of the Volkswagen Group. Criteria were selected to both assessing corporate relations with external agents of the open innovation of VWB and analyzing the enterprise risks identified in these relations. Data collection included interviews with management-level professionals engaged in the OPIP activities and technical visits to a VWB’s industrial plant. Findings Results demonstrate that the enterprise risks mostly affecting the OPIP have a critical impact on the manufacturing process and initial sales of the new product. Originality/value The originality of the study focuses on the proposal of a systematization of how to identify and analyze the corporate risks involved in the process of open product innovation. The study focuses on the theoretical frontier on the open innovation and enterprise risk management (ERM) in the open innovation process.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».