Conceptualization and value creation of big data in supply chain management: A business process perspective

Denne PhD afhandling undersøger teknologien og konceptet big data inden for forsknings- og praksisdomænet supply chain management (SCM). SCM består af intra-organisatoriske og inter-organisatoriske flows og forretningsprocesser til hensigt at levere produkter og services til slutbrugeren. Big data er et fremspirende fænomen, der typisk udtrykkes i henhold til de 5 V’er (volume, variety, velocity, veracity og value), som virksomheder adopterer for at forbedre beslutningsprocesser. Big data har fået stigende opmærksomhed både i praksis og den akademiske verden i de seneste år og er baseret på en væsentlig præmis om, at øget værdi kan skabes af big data til at forbedre SCM performance og konkurrencefordele. På trods af at big data er blevet et ofte benyttet ord er der stadig ikke opnået konsensus omkring, hvad big data begrebet består af. Den nuværende forskning på området synes at være sparsom og viden omkring big data i en SCM kontekst er begrænset. Samtidig står virksomheder og SCM praktikere over for en række udfordringer omkring, hvordan man kan forbedre styring af virksomhedens supply chain aktiviteter og den reelle værdiskabelse gennem big data. Der er derfor behov for at oparbejde retningslinjer og vejledninger til hvordan denne værdiskabelse kan finde sted. Nærværende PhD afhandling er således motiveret af en tilsyneladende begrænset forståelse af, hvad der omfattes af big data i en SCM kontekst, og hvordan der kan ske reel værdiskabelse gennem big data. Mere specifikt, så undersøger afhandlingen følgende to overordnede forskningsspørgsmål:

Forskningsspørgsmål 1: Hvordan kan big data opfattes og konceptualiseres i SCM?

Forskningsspørgsmål 2: Hvordan kan værdien af big data skabes i SCM?

Til at undersøge disse forskningsspørgsmål anlægges intra-firm level og business-process level SCM perspektiver. Derudover er afhandlingen baseret på det post-positivistiske paradigme, hvortil kvalitative forskningsmetoder er benyttet med det formål at oparbejdeteori. Delspørgsmål til de to overordnerede forskningsspørgsmål er udviklet, hvoraf fire forskningsartikler er produceret som sammen med denne ”kappa” udgør den samlede PhD afhandling.

Artikel 1 omhandler et mixed method studie (Delphi studie og en spørgeskemaundersøgelse) til at adressere praktikers og teoretikers perspektiver på terminologier og anvendelsesområder vedrørende big data i en SCM kontekst. Denne artikel fører til følgende tre hovedkonklusioner. For det første, så synes big data som fænomen i højre grad mere at omhandle dataindsamling end datastyring og dataudnyttelse. For det andet, så synes anvendelsen af big data mere anvendelig i logistiske, service og planlægningsprocesser end i indkøbs-, produktions-, og returneringsprocesser. For det tredje, synes supply chain ledere at have en træg adoptering af big data. Artiklen bidrager dermed med praktikers og teoretikers opfattelse til at opnå en bedre forståelse af big data’s terminologi i en SCM kontekst og bidrager med ny forståelse til, hvordan big data kan anvendes i en procesorienteret teoretisk ramme.

Artikel 2 bygger på et omfattende litteraturstudie af big data, hvor dets indhold analyseres med det formål at bidrage til en bedre forståelse af big data. Til dette formål udvikles en konceptuel big data SCM teoretisk ramme. Artiklen er understøttet af værditeori og procesteori og undersøger 72 peer-reviewed akademiske artikler med henblik på at identificere afhængige og ikke afhængige variabler gennem meta-kategorierne value discovery, value creation og value capture. Artiklen konsoliderer denne viden og foreslår såvel teoretiske som praktiske tilgange til, hvordan big data i en SCM kan forstås og realiseres.

Artikel 3 vedrører et virksomhedsstudie i en serviceforretning til at undersøge, hvordan værdiskabelsen af big data kan skabes i en SCM kontekst. Med afsæt i teori om business process management og IT business value identificeres forudsætninger til, hvorledes big data kan skabe værdi. Artiklen identificerer, ved at gennemføre en iterativ analyseproces, 24 forskellige typer af forudsætninger fordelt på menneskelige, IT, organisatoriske, resultat, proces og strategiske praksisser. Artiklen konkluderer, at egenskaberne vedrørende IT, organisatoriske of strategiske praksisser ændres i takt med at big data udvikles og at modenhedsniveauet for alle seks praksisser påvirker graden af, hvorvidt værdien af big data kan skabes.

Artikel 4 er baseret på samme empiriske data som artikel 3, dog med en anden analysevinkel. Artiklen undersøger værdiskabelsen af big data ud fra et IT-alignment perspektiv. Baseret på dette perspektiv fremhæver virksomhedsstudiet 15 forskellige alignment praksisser, der yderligere grupperes i forhold til forskellige vigtighedsniveauer. Dertil identificeres variabler, hvorpå alignment praksisserne kan realiseres. IT–proces alignment, IT–resultat alignment, menneskelig–IT alignment og resultat–proces alignment er identificeret som værende de vigtigste alignment praksisser i forhold til værdiskabelsen af big data. Dermed er sammenhængende mellem praksisserne IT, proces og resultat mest betydelig, som yderligere er påvirket af forskellige andre komplementerende alignment praksisser.

De samlede bidrag af de fire artikler er en bestræbelse på at ”bygge” teori til bedre at forstå big data som et koncept i en SCM kontekst og på at forstå, hvordan værdiskabelsen af big data i SCM kan opnås. Resultaterne heraf har betydning for den nuværende forståelse af big data og giver et empirisk grundlag på de værdimekanismer forskere og praktikere bør betragte i henholdsvis kommende forskning og implementering af big data løsninger. PhD afhandlingens bidrag er en uddybende forståelsen af big data og efterlader big data som værende et bedre forståeligt fænomen. Mere specifikt, så bidrager afhandlingen til en bedre forståelse af big data terminologier og hjælper med at identificere, definere og konceptualisere big data variabler i SCM baseret på en værdi diskussion. Endvidere er PhD afhandlingen en indledende indsats på at forstå værdiskabende mekanismer for big data i SCM og bygger på et holistisk intra-organisatorisk tilgang til at identificere forudsætninger og alignment praksisser vigtige for værdiskabelsen af big data.

I alt er tretten konklusioner tilvejebragt på hvordan man kan forstå og skabe værdi af big data i SCM. PhD afhandlingens undersøgelser er begrænset af de SCM rammer (intra-organisatorisk, forretningsproces and integrations perspektiv), som afhandlingen er afgrænset til og er yderligere begrænset af de kvalitative metoder adopteret, samt af den subjektive vurdering af værdiskabelse. Derfor bør de kvalitative bidrag benyttes til fremtidige spørgeskemaundersøgelser og anden kvantitativ forskning for at validere hvorvidt disse variabler reelt har en effekt på værdiskabelsen af big data i SCM.