Strategic planning techniques and tools in business enterprises: A systematic literature analysis
Notice bibliographique
Résumé
The purpose of this paper is threefold. First, to establish a list of the strategic planning techniques and tools utilized by organizations in business enterprises. Second, to classify these techniques and tools by industry type, i.e., enterprises from different sectors, manufacturing, banking, hospitality, and service industries. Third, to determine the ten most common strategic planning techniques and tools used by these enterprises. A systematic literature review was adopted to attain the purpose of the current research paper covering the period 2006-2021. The review was carried out using Google Scholar platform focusing on articles on business enterprises, i.e., excluding articles on public, healthcare, education, and non-profit organizations. A total of 46 articles were found and classified based on industry type. The Findings shown there are 45 strategic planning techniques and tools used by business enterprises from different sectors, and the most frequent tools are: benchmarking, SWOT analysis, CSFs analysis, TQM, balanced scorecard analysis, competitor analysis, CRM, Porter’s five-forces analysis, customer satisfaction analysis, and PEST analysis. This paper expands the extant literature on strategic planning techniques and tools through focusing on such techniques and tools in business enterprises to develop an updated business-related list for enterprises from different sectors, manufacturing, banking, hospitality, and service industries, as well as identifying the ten most common strategic techniques and tools that business enterprises use in general.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».