دانلود ترجمه مقاله مدیریت منابع در ابتکارات داده بزرگ: فرآیندها و قابلیت های پویا

1. مقدمه 2. مبانی نظری 3. شواهد تجربی 4. نتایج ابتکارات داده بزرگ 5. درس های فرا گرفته شده 6. بحث و بررسی 7. مفاهیمی برای عمل 8. پژوهش های تجاری آینده 9. نتیجه گیری

چکیده – مدیریت موثر منابع سازمانی در ابتکارات داده بزرگ، اهمیت فزاینده ای یافته است. اگرچه مقالات آکادمیک و محبوب حاوی نمونه های زیادی از ابتکارات داده بزرگ هستند، تعداد خیلی کمی از آنها در سازمان گزارش شده اند. این موضوع نشان می دهد که تحویل داده های بزرگ مزایایی برای سازمان و مدیران ارشد داشته و مربوط به استفاده از منابع در زمینه های پایدار می باشد. این مقاله سه مشارکت در زمینه موضوعات اجتماعی در افزایش مدیریت منابع سازمانی دارد. اولی مربوط به ایجاد یک فرآیند تجاری نمونه برای ابتکارات داده بزرگ است. دومی مربوط به توجه مستقیم به ایجاد قابلیتی دینامیک با رویکرد ابتکارات داده بزرگ است. سومی، نقاط ضعف تئوری مبتنی بر منابع (RBT) و مفروضات پایه ای آن در زمینه داده بزرگ را مشخص می کند. این مقاله نکات و مفاهیم مربوط به پژوهش های تجاری را بررسی کرده است. مشارکت علمی و عملی این مقاله بر مبنای مطالعه موردی عمیقی از ابتکارات داده بزرگ قطب های علمی ICT اروپایی و شواهدی از مقالات موجود می باشد.

Effective management of organizational resources in big data initiatives is of growing importance. Although academic and popular literatures contain many examples of big data initiatives, very few are repeated in the same organization. This suggests either big data delivers benefits once only per organization or seniormanagers are reluctant to commit resources to big data on a sustained basis. This paper makes three contributions to the Special Issue's theme of enhancing organizational resource management. One is to establish an archetype business process for big data initiatives. The second contribution directs attention to creating a dynamic capability with big data initiatives. The third identifies drawbacks of resource based theory (RBT) and it's underpinning assumptions in the context of big data. The paper discusses lessons learnt and draws out implications for practice and business research. The paper's intellectual and practical contributions are based on an in-depth case study of the European ICT Poles of Excellence (EIPE) big data initiative and evidence from the extant literature.