Supplier Relationship Management in the Age of Digital Transformation: Insights from E-commerce Businesses
Notice bibliographique
Résumé
This qualitative study explores Supplier Relationship Management (SRM) in the context of digital transformation within e-commerce businesses, focusing on the implications of emerging digital technologies. Through semi-structured interviews and documentary analysis, the study examines how organizations leverage technologies like artificial intelligence (AI), blockchain, and Internet of Things (IoT) to enhance SRM practices. Findings reveal that digitalization enables improved operational efficiencies, real-time data analytics, and expanded supplier networks through platforms such as Amazon Business and Alibaba. Strategic shifts are noted towards collaborative supplier relationships, emphasizing joint innovation, technology co-investment, and shared risk management strategies. However, the implementation of digital SRM strategies presents challenges, including data privacy concerns, integration complexities, cybersecurity threats, and regulatory compliance issues. Organizations must navigate these challenges by developing robust governance frameworks and cybersecurity protocols to protect sensitive information and ensure regulatory adherence. Key performance indicators (KPIs) such as supplier performance, cost savings, innovation impact, risk management effectiveness, and sustainability integration are critical for evaluating the success of digital SRM initiatives. Strategically, businesses are advised to prioritize leadership commitment, cross-functional collaboration, and continuous learning to optimize digital SRM practices effectively. Future research should explore emerging trends in digital SRM, investigate technological impacts on supplier dynamics and organizational performance, and examine ethical considerations in digitalization. By integrating these insights into strategic decision-making, businesses can enhance supplier relationships, mitigate operational risks, and achieve sustainable growth in the global marketplace.
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 | 0,009 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,009 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».