نوآوری در مدل کسب‌وکارها مبتنی بر گسترش پلتفرم‌های دیجیتال

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار، گروه مدیریت کسب‌وکار، دانشکدۀ مدیریت کسب‌وکار، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.

2 دانشیار، گروه مدیریت کسب‌وکار، دانشکدۀ مدیریت کسب‌وکار، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.

3 دکتری، گروه مدیریت بازرگانی، پردیس البزر دانشگاه تهران، تهران، ایران.

4 دانشجوی دکتری، گروه مدیریت کسب‌وکار، دانشکدۀ مدیریت کسب‌وکار، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.

10.22059/jibm.2024.369939.4725

چکیده

هدف: هدف این پژوهش، شناسایی و تحلیل نقش پلتفرم‌های دیجیتال در بهبود فرایندها، داده‌ها و ارتباطات کسب‌وکار است. در این راستا، مطالعۀ حاضر، به‌دقت به بررسی تأثیرات مستقیم و غیرمستقیم این پلتفرم‌ها بر ساختارهای سازمانی و عملکردهای تجاری پرداخته است. هدف از این تحلیل، فهمیدن این است که چگونه تکنولوژی‌های دیجیتال، می‌توانند به تسهیل نوآوری و توسعۀ مدل‌های کسب‌وکار نوین کمک کنند و چه چالش‌ها و فرصت‌هایی را برای سازمان‌ها فراهم آورند. این پژوهش با تمرکز بر یک چارچوب دیجیتال مشخص، نحوۀ استفاده از پلتفرم‌های دیجیتالی را در سطوح مختلف سازمانی بررسی می‌کند و به توضیح این موضوع می‌پردازد که چگونه این پلتفرم‌ها می‌توانند به افزایش بهره‌وری و کارایی در فرایندهای کاری کمک کنند. علاوه‌براین، پژوهش به‌دنبال درک بهتری از چگونگی بهره‌مندی سازمان‌ها از فرصت‌های نوآورانۀ ایجاد شده توسط پیشرفت‌های فناوری دیجیتال است، با تأکید بر اینکه چگونه می‌توان از این فرصت‌ها، برای بهبود تعاملات مشتری و استراتژی‌های بازاریابی استفاده کرد.
روش: این پژوهش از روش دلفی خبرگانی برای شناسایی و تجزیه‌وتحلیل پیشران‌های کلیدی استفاده کرده است. روش دلفی یک تکنیک سیستماتیک است که به‌منظور جمع‌آوری و هم‌سوسازی نظرهای متخصصان، از طریق چندین دوره پرسش و پاسخ بدون تعامل مستقیم بین آن‌ها به کار می‌رود. این روش به پژوهشگر اجازه می‌دهد تا داده‌ها و اطلاعات جامعی را از خبرگان مختلف جمع‌آوری کند و به تحلیل عمیق‌تر و بی‌طرفانه‌تری دست یابد. همچنین، این مطالعه از نرم‌افزار تحلیلی میک مک استفاده کرده است تا تأثیرگذاری و تأثیرپذیری پیشران‌های شناسایی شده را بررسی کند. نرم‌افزار میک‌مک ابزار قدرتمندی برای بررسی روابط متقابل و تعیین سطوح نفوذ و تأثیرپذیری بین عناصر مختلف در یک سیستم است. با استفاده از این تکنیک، پژوهشگر می‌تواند نقشه‌ای از پویایی‌های بین پیشران‌ها را ارائه دهد و به تشخیص نقاط کلیدی برای مداخله و بهینه‌سازی بپردازد. علاوه‌براین، تحلیل روند و رویکردهای شهودی به‌کار رفته در این پژوهش، به درک عمیق‌تری از روندهای آینده و عدم‌قطعیت‌های مرتبط با آن‌ها کمک می‌کند. این بخش از مطالعه شامل بررسی دقیق تغییرات محیطی و اقتصادی می‌شود که می‌تواند بر کسب‌وکارها تأثیر چشمگیری داشته باشد. با استفاده از تحلیل‌های شهودی، پژوهش به‌دنبال پیش‌بینی تغییرات پیچیده در بازار و محیط کسب‌وکار است که بر تصمیم‌گیری‌های استراتژیک سازمان‌ها تأثیر می‌گذارد.
یافته‌ها: یافته‌های این پژوهش تأکید می‌کنند که پلتفرم‌های دیجیتال، در دسترسی به داده‌های بزرگ و انجام تحلیل‌های هوشمندانۀ داده‌ها نقش محوری دارند. استفاده از این پلتفرم‌ها به سازمان‌ها اجازه می‌دهد تا از داده‌های خام، به‌طور مؤثرتری استفاده کنند و از تکنیک‌های پیشرفته‌ای مانند یادگیری ماشین و هوش مصنوعی، برای استخراج اطلاعات اجراشدنی بهره ببرند. این فرایند به سهم خود، سبب شکل‌گیری و توسعۀ مدل‌های کسب‌وکار نوین و پایدار می‌شود که می‌توانند به بهبود کارایی و افزایش سودآوری کمک کنند. علاوه‌براین، تطابق و انعطاف‌پذیری در برابر تغییرات فناوری دیجیتال، به‌عنوان عوامل حیاتی در بهره‌مندی از فرصت‌های نوآورانه شناسایی شده‌اند. سازمان‌هایی که قادرند تکنولوژی‌های جدید را انتخاب و آن‌ها را سریع اجرا کنند، می‌توانند به‌طور مؤثری در بازار رقابت کنند و پیشتاز باشند. این انعطاف‌پذیری نه تنها به حفظ رقابت‌پذیری کمک می‌کند، بلکه به توانایی سازمان در پاسخ به نیازها و انتظارات مشتریان در حال تحول نیز می‌افزاید. یافته‌ها همچنین نشان داده‌اند که تعامل میان تکنولوژی‌های دیجیتال و استراتژی‌های کسب‌وکار می‌تواند به توسعۀ محصولات و خدمات نوآورانه‌تر که به‌طور خاص برای جلب رضایت مشتریان طراحی شده‌اند، منجر شود.
نتیجه‌گیری: پژوهش حاضر بر اهمیت توسعۀ قابلیت‌های دیجیتالی و ایجاد مدل‌های کسب‌وکار انعطاف‌پذیر و مقاوم در برابر تغییرات در عصر دیجیتال تأکید می‌کند. این مطالعه نشان می‌دهد که برای دستیابی به موفقیت در فضای کسب‌وکار مدرن، سازمان‌ها باید استراتژی‌هایی را پیاده‌سازی کنند که نه‌تنها به آن‌ها امکان می‌دهد تا با سرعت به تغییرات تکنولوژیکی واکنش نشان دهند، بلکه به آن‌ها این قدرت را می‌دهد که از این تغییرات برای ایجاد مزیت رقابتی پایدار استفاده کنند. این پژوهش همچنین راهنمایی‌هایی را برای تصمیم‌گیرندگان و مدیران کسب‌وکار ارائه می‌دهد تا با استفاده از داده‌های بزرگ و تحلیل‌های هوشمندانه، به بهینه‌سازی عملیات و افزایش کارایی درون سازمانی بپردازند. استفادۀ مؤثر از تکنولوژی‌های پیشرفته می‌تواند به سازمان‌ها کمک کند تا دیدگاه‌های جدیدی به بازارهای هدف خود داشته باشند و به شناسایی فرصت‌های جدید کسب‌وکار بپردازند که پیش از این، دست‌نیافتنی به نظر می‌رسیدند. علاوه‌براین، تأکید می‌شود که سازمان‌ها باید به‌طور مداوم به آموزش و توسعۀ منابع انسانی خود بپردازند تا کارکنان بتوانند با تکنولوژی‌های نوین همراه شوند و از آن‌ها به نحو احسن استفاده کنند. این امر مستلزم ایجاد فرهنگی است که نوآوری و یادگیری مستمر را در هر سطح از سازمان تشویق کند و به کارکنان اجازه دهد تا در محیطی تحریک‌آمیز و پشتیبان‌کننده رشد کنند.
 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Business Model Innovation through the Expansion of Digital Platforms

نویسندگان [English]

  • Seyed Hamed Vares 1
  • Nastaran Haji Heydari 2
  • Mohammad Kargar Shouraki 3
  • Morteza Hadizadeh 4
1 Associate Prof., Department of Business Management, Faculty of Business Management, College of Management, University of Tehran, Tehran, Iran.
2 Associate Prof., Department of Business Management, Faculty of Business Management, College of Management, University of Tehran, Tehran, Iran.
3 Ph.D., Department of Business Management, Alborz Campus, University of Tehran, Iran.
4 PhD Candidate, Department of Business Management, Faculty of Business Management, College of Management, University of Tehran, Tehran, Iran.
چکیده [English]

Objective
This study aims to identify and analyze the role of digital platforms in improving business processes, data management, and communications. It thoroughly examines the direct and indirect impacts of digital platforms on organizational structures and business performance to find how digital technologies can facilitate innovation and contribute to the development of new business models development. It also seeks to explore the challenges and opportunities they present for organizations. Focusing on a specific digital framework, this study investigates how digital platforms are utilized at different organizational levels to enhance productivity and efficiency in work processes. Additionally, it tries to comprehend how organizations can benefit from the innovative opportunities created by advancements in digital technology, emphasizing how these opportunities can be leveraged to improve customer interactions and marketing strategies.
 
Methodology
This research employs the Delphi method to identify and analyze key drivers. The Delphi method is a systematic technique used to collect and align expert opinions through multiple rounds of questionnaires without direct interaction among participants. This approach enables the researcher to gather comprehensive data from various experts and perform deeper, more impartial analyses. Additionally, the study uses the MIC-MAC analytical software to assess the influence and interdependencies among the identified drivers. MIC-MAC is a powerful tool for mapping interactions and determining the level of influence and dependency between various elements in a system. By the use of this technique, the research provides a dynamic map of the drivers, helping to pinpoint key areas for intervention and optimization. Furthermore, the study employs trend analysis and intuitive forecasting methods to gain a deeper understanding of future trends and uncertainties. This part of the research focuses on environmental and economic changes that could significantly affect businesses. Through intuitive analysis, the study aims to predict complex market shifts and business environments that influence strategic decision-making in organizations.
 
Findings
The findings of this study highlight the pivotal role of digital platforms in accessing big data and conducting intelligent data analyses. These platforms enable organizations to process raw data more effectively and leverage advanced techniques such as machine learning and artificial intelligence to extract actionable insights. This process, in turn, promotes the development of sustainable and innovative business models that improve efficiency and profitability. Additionally, adaptability and flexibility in responding to digital technological changes are recognized as crucial factors for leveraging innovative opportunities. Organizations that can swiftly adopt and implement new technologies can compete effectively in the market and maintain their leadership positions. This flexibility helps organizations stay competitive and enhances their ability to respond to evolving customer needs and expectations. The findings also indicate that the integration of digital technologies with business strategies can drive the development of innovative products and services tailored specifically to meet customer satisfaction.
 
Conclusion
This research highlights the significance of developing digital capabilities and creating resilient, flexible business models in the digital age. The results demonstrate that to achieve success in the modern business landscape, organizations must implement strategies that not only enable them to respond swiftly to technological changes but also empower them to leverage these changes to create sustainable competitive advantages. This study can provide guidance for decision-makers and business managers on optimizing operations and enhancing internal efficiency through big data and intelligent analysis. Effective use of advanced technologies can help organizations gain new insights into their target markets and identify business opportunities that previously seemed unattainable. Additionally, it highlights the need for continuous education and development of human resources to ensure that employees can adapt to and effectively utilize new technologies. This requires fostering a culture that encourages innovation and continuous learning at all organizational levels, enabling employees to grow in a stimulating and supportive environment.

کلیدواژه‌ها [English]

  • Trend analysis
  • Digital platforms
  • Business innovation
  • Digital innovation
  • MIC-MAC

مراجع

سلام‌زاده، آیدین؛ تاج‌پور، مهدی و تقدسی، راضیه (1402). بررسی نقش‌آفرینی رسانۀ اجتماعی در موفقیت کارآفرینان هنری. بررسی‌های مدیریت رسانه، 2(1)، 32- 46.
سلام‌زاده، آیدین؛ هادی‌زاده، مرتضی و مرتضوی، سمیراسادات (1400). تحقق آموزش کارآفرینانه آنلاین مبتنی بر فناوری‌های نوین دیجیتال در ایران با رویکرد سناریونویسی. فصلنامه علمی پژوهشی توسعۀ کارآفرینی، 14(3)، 481- 500.
محمدحسینی، بابک؛ هادی‌زاده، مرتضی و قافله‌باشی، سیدفهیم (1399). پیشران‌های ارائه خدمات سایبری پایدار در دولت با تأکید بر حفظ امنیت از طریق هوش مصنوعی. آینده‌پژوهی ایران، 5(2)، 35- 65.
 
 
 
References
Adner, R. & Kapoor, R. (2010). Value creation in innovation ecosystems: How the structure of technological interdependence affects firm performance in new technology generations. Strategic management journal, 31(3), 306-333.
Aher, S. B. & Lobo, L. M. R. J. (2013). Combination of machine learning algorithms for recommendation of courses in E-Learning System based on historical data. Knowledge-Based Systems, 51, 1-14.‏
Al Fararni, K., Nafis, F., Aghoutane, B., Yahyaouy, A., Riffi, J. & Sabri, A. (2021). Hybrid recommender system for tourism based on big data and AI: A conceptual framework. Big Data Mining and Analytics, 4(1), 47-55.
Almahmood, R. J. K. & Tekerek, A. (2022). Issues and Solutions in Deep Learning-Enabled Recommendation Systems within the E-Commerce Field. Applied Sciences, 12(21), 11256.‏
Arabiun, A., Tajpour, M. & Zahedi, M. R. (2024). The effect of digital leadership on the performance of businesses: the mediating role of organizational entrepreneurship. International Journal of Human Capital in Urban Management, 9(1), 17-28. doi: 10.22034/IJHCUM.2024.01.02
Batisha, A. (2022). Horizon scanning process to foresight emerging issues in Arabsphere's water vision. Scientific Reports, 12(1), 12709.‏
Battisti, S., Agarwal, N. & Brem, A. (2022). Creating new tech entrepreneurs with digital platforms: Meta-organizations for shared value in data-driven retail ecosystems. Technological Forecasting and Social Change, 175, 121392.
Benabdellah, A. C., Benghabrit, A. & Bouhaddou, I. (2019). A survey of clustering algorithms for an industrial context. Procedia computer science, 148, 291-302.‏
Bogers, M., Chesbrough, H. & Moedas, C. (2018). Open innovation: Research, practices, and policies. California management review, 60(2), 5-16.‏
Bonina, C., Koskinen, K., Eaton, B. & Gawer, A. (2021). Digital platforms for development: Foundations and research agenda. Information Systems Journal, 31(6), 869-902.‏
Brown, A.W. (2021). Revitalizing your data-driven innovation strategy. In: Digital Economy Dispatch. https://alanwbrown.com/dispatches/dispatch-039/.
Candelon, F., Russo, M., di Carlo, R., Bedraoui, H.El, Feng, T. (2020). Simple governance for data ecosystems. December 2. In: BCG. https://www.bcg.com/publications /2020/simple-governance-rules-for-data-ecosystems.
Carnelley, P., Schwenk, H., Cattaneo, G., Micheletti, G. & Osimo, D. (2013). Europe’s data marketplaces-current status and future perspectives, European Data Market SMART, 63.‏
Crespo, N. F., Crespo, C. F., Silva, G. M., & Nicola, M. B. (2023). Innovation in times of crisis: The relevance of digitalization and early internationalization strategies. Technological Forecasting and Social Change, 188, 122283.
Cusumano, M. A., Gawer, A. & Yoffie, D. B. (2019). The business of platforms: Strategy in the age of digital competition, innovation, and power (Vol. 320). New York: Harper Business.‏
Dana, L. P., Salamzadeh, A., Mortazavi, S., Hadizadeh, M. & Zolfaghari, M. (2022). Strategic futures studies and entrepreneurial resiliency: a focus on digital technology trends and emerging markets. Tec Empresarial, 16(1), 87-100.
Davies, T. & Perini, F. (2016). Researching the emerging impacts of open data: revisiting the ODDC conceptual framework. The Journal of Community Informatics, 12(2).‏
de Aguiar Neto, F. S., da Costa, A. F., Manzato, M. G. & Campello, R. J. (2020). Pre-processing approaches for collaborative filtering based on hierarchical clustering. Information Sciences, 534, 172-191.
De Reuver, M., Sørensen, C. & Basole, R. C. (2018). The digital platform: a research agenda. Journal of information technology, 33(2), 124-135.
Dunleavy, P., Margetts, H., Bastow, S. & Tinkler, J. (2006). New public management is dead—long live digital-era governance. Journal of public administration research and theory, 16(3), 467-494.
Edelman, B. (2014). Mastering the intermediaries. Harvard business review, 92(6), 86-92.
Eisenmann, T., Parker, G. & Van Alstyne, M. W. (2006). Strategies for two-sided markets. Harvard business review, 84(10), 92.
Elayyan, H. O. (2021). Smart City and Smart Transportation: Intelligent IoT-Based Transportation Objects “Me-Online Mobile Application: A Mutual Practice of Internet of Mobile Things”. In Towards Connected and Autonomous Vehicle Highways: Technical, Security and Social Challenges (pp. 87-128). Cham: Springer International Publishing.
Esposito De Falco, S., Renzi, A., Orlando, B. & Cucari, N. (2017). Open collaborative innovation and digital platforms. Production Planning & Control, 28(16), 1344-1353.‏
Evans, D. S., Hagiu, A. & Schmalensee, R. (2018). Invisible Engines. How Software Platforms Drive Innovation and Transform Industries, The MIT Press.   https://doi.org/10.7551/MITPRESS/3959.001.0001
Fruhwirth, M., Rachinger, M. & Prlja, E. (2020). Discovering business models of data marketplaces.‏ 53rd Hawaii International Conference on System Sciences, Hawaii. DOI:10.24251/HICSS.2020.704
Gartner (2017). Capitalizing on Your Business Ecosystems Economy: A Gartner Trend Insight Report. Retrieved from https://www.gartner.com/doc/3759164/capitalizing-business-ecosystems-economy-gartner
Gawer, A. (2022). Digital platforms and ecosystems: remarks on the dominant organizational forms of the digital age. Innovation, 24(1), 110-124.
Goyal, S., Sergi, B. S. & Esposito, M. (2019). Literature review of emerging trends and future directions of e-commerce in global business landscape. World Review of Entrepreneurship, Management and Sustainable Development, 15(1-2), 226-255.
Gunawan, M., Soetjipto, B. & Sudhartio, L. (2023). How to link organizational resilience to transformational entrepreneurship behavior as theoretical framework gap–A systematic literature review. F1000Research, 12.‏ DOI:10.12688/f1000research.133459.1
Hagiu, A. & Altman, E. J. (2017). Finding the platform in your product. Harvard Business Review, 95(4), 94-100.
Hang, C. C., Garnsey, E. & Ruan, Y. (2014). Disruptive innovation and entrepreneurial opportunity. Technovation, 39-40.
Hein, A., Schreieck, M., Riasanow, T., Setzke, D. S., Wiesche, M., Böhm, M. & Krcmar, H. (2020). Digital platform ecosystems. Electronic markets, 30, 87-98.‏
Holmlund, M., Van Vaerenbergh, Y., Ciuchita, R., Ravald, A., Sarantopoulos, P., Ordenes, F. V. & Zaki, M. (2020). Customer experience management in the age of big data analytics: A strategic framework. Journal of Business Research, 116, 356-365.
Hommel, K. & Bican, P. M. (2020). Digital entrepreneurship in finance: Fintechs and funding decision criteria. Sustainability, 12(19), 8035.
Hossain, T., Minor, D. & Morgan, J. (2011). Competing matchmakers: an experimental analysis. Management Science, 57(11), 1913-1925.
Järvi, K. & Kortelainen, S. (2011). The dynamism of the two-sided application store market. International Journal of Technology Marketing, 6(1), 57-71.
Jovanovic, M., Sjödin, D. & Parida, V. (2022). Co-evolution of platform architecture, platform services, and platform governance: Expanding the platform value of industrial digital platforms. Technovation, 118, 102218.‏
Lee, G. H., Kim, S. & Park, C. K. (2022). Development of fashion recommendation system using collaborative deep learning. International Journal of Clothing Science and Technology, 34(5), 732-744.‏
Lee, S. & Kim, D. (2022). Deep learning-based recommender system using cross convolutional filters. Information Sciences, 592, 112-122.‏
Libert, B., Beck, M. & Wind, J. (2016). The network imperative: How to survive and grow in the age of digital business models. Harvard Business Review Press.‏
Mannermaa, M. (1991). In search of an evolutionary paradigm for futures research. Futures, 23(4), 349-372.‏
Mariani, M. M. & Wamba, S. F. (2020). Exploring how consumer goods companies innovate in the digital age: The role of big data analytics companies. Journal of Business Research, 121, 338-352.
Markides, C. (2006). Disruptive innovation: In need of better theory. Journal of product innovation management, 23(1).
Mohammadhosseini, B., Hadizadeh, M. & Ghafelebashi, S. F. (2021). The Drivers of Sustainable Cyber Service Offer in the Government with an Emphasis on Maintaining Security Using Artificial Intelligence. Journal of Iran Futures Studies, 5(2), 35-65. doi: 10.30479/jfs.2021.14002.1221(in Persian)
Nair, A. & Ahlstrom, D. (2003). Delayed creative destruction and the coexistence of technologies. Journal of Engineering and Technology Management, 20(4), 345-365.
Nambisan, S., Wright, M. & Feldman, M. (2019). The digital transformation of innovation and entrepreneurship: Progress, challenges and key themes. Research policy, 48(8), 103773.‏
Nicolae, P. (2018). Use of the PESTEL Model in the Management of the Tourism Branch of the Republic of Moldova. Ovidius University Annals, Economic Sciences Series, 18(1), 370-375.‏
Nwaiwu, F. (2018). Review and comparison of conceptual frameworks on digital business transformation. Journal of Competitiveness, 10(3), 86–100. https://doi.org/10.7441/joc.2018.03.06
Osterwalder, A., Pigneur, Y., Oliveira, M. A. Y. & Ferreira, J. J. P. (2011). Business Model Generation: A handbook for visionaries, game changers and challengers. African journal of business management, 5(7), 22-30.‏
Parker, G. G., Van Alstyne, M. W. & Choudary, S. P. (2016). Platform revolution: How networked markets are transforming the economy and how to make them work for you. WW Norton & Company.
Rana, C. & Jain, S. K. (2014). An evolutionary clustering algorithm based on temporal features for dynamic recommender systems. Swarm and Evolutionary Computation, 14, 21-30.‏
Ratten, V. (2023). Global entrepreneurship research and practice in the post-pandemic world. Global Business and Organizational Excellence, 42(5), 5-8.‏
Salamzadeh, A., Hadizadeh, M. & Mortazavi, S. S. (2021). Realization of online entrepreneurship education based on new digital technologies in Iran: A scenario planning approach. Journal of Entrepreneurship Development, 14(3), 481-500. doi: 10.22059/jed.2021.319839.653617 (in Persian)
Salamzadeh, A., Tajpour, M. & Taghadosi, R. (2023). Exploring the role of social media in the success of arts entrepreneurs. Media Management Review, 2(1), 32-46. (in Persian)
Shree, D., Singh, R. K., Paul, J., Hao, A. & Xu, S. (2021). Digital platforms for business-to-business markets: A systematic review and future research agenda. Journal of Business Research, 137, 354-365.‏
Si, S. & Chen, H. (2020) A Literature Review of Disruptive Innovation: What It Is, How It Works and Where It Goes. Journal of Engineering and Technology Management, 56, Article ID: 101568. https://doi.org/10.1016/j.jengtecman.2020.101568
Spremić, M., Ivancic, L. & Vukšić, V. B. (2020). Fostering innovation and value creation through ecosystems: case of digital business models and digital platforms. In Leadership, Management, and Adoption Techniques for Digital Service Innovation (pp. 25-44). IGI Global.‏
Tan, B., Pan, S. L., Lu, X. & Huang, L. (2015). The role of IS capabilities in the development of multi-sided platforms: The digital ecosystem strategy of Alibaba.com. Journal of the Association for Information systems, 16(4), 2.
Täuscher, K. & Laudien, S. M. (2018). Understanding platform business models: A mixed methods study of marketplaces. European management journal, 36(3), 319-329.‏
Van Alstyne, M. W., Parker, G. G. & Choudary, S. P. (2016). Pipelines, platforms, and the new rules of strategy. Harvard business review, 94(4), 54-62.
Wright, G., O'Brien, F., Meadows, M., Tapinos, E. & Pyper, N. (2020). Scenario planning and foresight: Advancing theory and improving practice. Technological Forecasting and Social Change, 159, 120220.‏
Yoo, Y., Henfridsson, O. & Lyytinen, K. (2010). Research commentary—the new organizing logic of digital innovation: an agenda for information systems research. Information systems research, 21(4), 724-735.
مدیریت بازرگانی
دوره 16، شماره 4
1403
صفحه 832-855

فایل ها

هم رسانی

ارجاع به این مقاله

آمار