Reaping IT Externality Benefits Across Business Units in Multibusiness Firms
Notice bibliographique
Résumé
The indirect productivity gains related to information technology (IT), known as IT externalities, in inter-firm contexts have been extensively studied. However, the impact of IT investments within a business unit (BU) of a multibusiness firm on the productivity of other BUs remains unclear. Additionally, the conditions that facilitate such intra-firm externalities are not well understood. Research on resource externalities within multibusiness firms typically focuses on capacity-sharing benefits, where unused capacity in one unit can be utilized by another. IT resources, however, often lack capacity-sharing potential due to their full utilization or contractual limitations. Despite this, IT resources can generate non-rivalrous intangibles, such as internally developed applications, expertise, and consulting know-how, which can be shared within the firm to create externalities. This study investigates whether IT centralization (ITC), as a vertical coordination mechanism, is effective in harnessing IT externality potential arising from IT portfolio similarities (ITPSs), a form of horizontal coordination, across BUs. Utilizing data from 8,374 unique units within 866 firms from 2005 to 2020, we find that BUs must meet two conditions—higher ITPS and higher levels of ITC—to realize greater intra-firm IT externality benefits. Furthermore, these benefits accrue from IT investments made by units with a sufficient number of IT employees. Interestingly, BUs with limited access to IT employees gain more from pooled IT investments. Our findings suggest that concurrent vertical and horizontal coordination, along with access to human talent for creating knowledge, code, and expertise from digital resources, are crucial for maximizing digital resource externalities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».