Platform Economy and Global Supply Chain Integration: A Technology-Driven Approach to Business Model Innovation
Notice bibliographique
Résumé
There is no question that the platform economy has integrated deeply into global supply chains through advanced technologies like blockchain, cloud computing, AI, and IoT.This work investigates how digital platforms can improve the transparency, coordination and efficiency of supply chains by addressing known inefficiencies such as delays in data updates or general time based failures adopted for access.This research uses case study methodology focussing on multinational enterprises (MNEs) which involve platform based technologies in their supply chains.Data collection consisted of semi-structured interviews, operational data from the supply chain system and document analysis.This paper calculated the relative impact of platform technology adoption on supply chain efficiency by using Structural Equation Modeling (SEM) model.The results indicate a highly significant positive association (0.82) between digitalization and improvements in supply chain productivity In particular, blockchain provided 25% of the efficiency gains, cloud computing added another 30%, and AI & machine learning amounted to just under a quarter (24%), with IoT contributing two in ten.Ability to blend these technologies provide facility in supply chain coordination and flexibility, notably for industries focusing on data based decision making like real time tracking of products.The results of the research provide further confirmation that using platform technologies is an important factor in increasing levels of integration within a supply chain, as has been found elsewhere in the literature.These implications are key to supply chain strategy for global companies, as such technologies enable resilience and agility.However the study was limited by a small sample size, and an early stage in the adoption of platform technologies.Theoretically interesting and highly relevant to practice, future research could study different industries or regions which may vary in response to how disruptions occur so that patterns observed do not simply arise from specifics of a particular industry.Another stream for investigation is whether platform adoption brings long-term changes on overall supply chain performance or just improves resilience against previous types of disruption.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».