MétaCan
Menu
Retour à la cohorte
Enregistrement W4400686846 · doi:10.20944/preprints202407.1136.v1

The Role of Supplier Relationship Management in Ensuring E-Commerce Supply Chain Resilience

2024· preprint· en· W4400686846 sur OpenAlexaff
Oliver Grant

Notice bibliographique

RevuePreprints.org · 2024
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésSupply chainBusinessProcess managementResilience (materials science)Supply chain managementProcurementCompetitive advantageDynamic capabilitiesSupplier relationship managementQuality (philosophy)Industrial organizationKnowledge managementMarketingComputer science

Résumé

récupéré en direct d'OpenAlex

This qualitative study explores the pivotal role of Supplier Relationship Management (SRM) in enhancing resilience within e-commerce supply chains. In an era marked by rapid digital transformation and global interconnectedness, the resilience of supply chains has become a strategic imperative for organizations striving to maintain operational efficiency and meet customer expectations. Through semi-structured interviews with supply chain managers, procurement officers, and strategic sourcing specialists across diverse industries, this research investigates the strategies, challenges, and outcomes associated with SRM practices. Findings reveal that effective communication and collaboration are fundamental to successful SRM, fostering trust, transparency, and responsiveness in supplier relationships. Strategic risk management through proactive identification and mitigation strategies enables organizations to navigate uncertainties such as economic fluctuations and geopolitical tensions. SRM implementation yields significant organizational benefits, including improved supply chain efficiencies, enhanced product quality, and increased customer satisfaction. However, challenges such as technological complexities, cultural differences among global suppliers, and regulatory compliance issues underscore the need for adaptive strategies and digital investments. The integration of digital technologies such as AI and blockchain enhances SRM effectiveness by enabling real-time data exchange, predictive insights, and decision-making capabilities. Ultimately, SRM emerges as a cornerstone of sustainable growth and competitive advantage in e-commerce, empowering organizations to optimize supply chain performance and resilience amidst dynamic market conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,016
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,005
Communication savante0,0050,006
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,047
Tête enseignante GPT0,297
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207