Strategy case study : strategic portfolio and risk management during COVID-19
Notice bibliographique
Résumé
This dissertation is a case study on the Canadian fintech referred to as Canada Pay (CP). The case will investigate CP’s strategies during COVID-19 and the adaptive measures to alleviate risks and meet opportunities. The case will deep dive into the gaming and gambling sector. In this industry, CP has adjusted its resources, portfolio, and strategies to adapt to rapid shifts and enhance its competitiveness. It will aim to solve whether or not CP should continue investing in product innovation and penetration in the G&G sector given the shifts caused by COVID-19. The dissertation concludes with the recommendation of continuing investment into product innovation and market penetration for gaming and gambling. This is for 3 key reasons: CP’s resources and dynamic capabilities provide a competitive advantage, the market’s growth opportunities, and CP’s portfolio and risk management that allow for high risk, high reward investments. This case is suitable for academics seeking to perform analyses on the Canadian fintech market, strategic decision-making, or product portfolio and risk management. As the pandemic is still ongoing at the time of this dissertation’s completion, academics will have greater information that may shift the findings and conclusions in the teaching notes. Following the case, theoretical concepts and frameworks are provided for analysis. These should be utilized to address the case from a pedagogical viewpoint. Subsequently, there are teaching notes that are offered as a solution guide. Finally, limitations are provided at the end and may be used to understand where improvements could have been made.
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) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».