Navigating across the uncertainty: investigating the impact of buyer firms' digital transformation on operational efficiency
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Extensive literature and business consultants assert that digital transformation (DT) substantially enhances firm business operations, while there are significant counterarguments suggesting that DT may squander resources and fall short of delivering the anticipated benefits. Additionally, the impact of uncertainties arising from the buyer–supplier relationship has been largely overlooked. Drawing upon information processing theory (IPT), we propose to decipher the relationship between DT and operational efficiency through the buyer–supplier perspective, and further examine how uncertainties at the task, source and supply network levels moderate this relationship by influencing information processing capabilities. Design/methodology/approach Using secondary data derived from Chinese A-share listed firms, our study evaluated a total of 257 listed buyer firms with 892 firm-year observations. Findings The findings reveal that DT positively influences operational efficiency, with this effect being moderated by buyers’ technological resources and supplier dependency (SD). Interestingly, the supplier digitalisation level and buyer–supplier distance (BSD) do not significantly moderate this relationship. Originality/value This study contributes to technology literature by empirically investigating the actual impacts of DT on operational efficiency and identifying how various uncertainties at different levels can be managed for improved performance. The distinctive application of IPT offers a novel perspective on addressing these uncertainties in technological advancements. Moreover, this research provides valuable practical insights for firms on effective digitalisation process and offers guidance to policymakers in supporting DT initiatives.
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.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle