سامانه مدیریت نشریات علمی دانشگاه شهید بهشتی

کردحیدری, راحیل, قاسمیان صاحبی, علی, کیانی گهر, محمد حسین, سنگری, نگین. (1402). بررسی مدیریت کلان داده‌ها و تاثیر آن بر رضایت مشتریان و عملکرد سازمانی در صنعت خرده فروشی ایران. , 22(54), 13-46. doi: 10.48308/jbmp.2023.103544
راحیل کردحیدری; علی قاسمیان صاحبی; محمد حسین کیانی گهر; نگین سنگری. "بررسی مدیریت کلان داده‌ها و تاثیر آن بر رضایت مشتریان و عملکرد سازمانی در صنعت خرده فروشی ایران". , 22, 54, 1402, 13-46. doi: 10.48308/jbmp.2023.103544
کردحیدری, راحیل, قاسمیان صاحبی, علی, کیانی گهر, محمد حسین, سنگری, نگین. (1402). 'بررسی مدیریت کلان داده‌ها و تاثیر آن بر رضایت مشتریان و عملکرد سازمانی در صنعت خرده فروشی ایران', , 22(54), pp. 13-46. doi: 10.48308/jbmp.2023.103544
کردحیدری, راحیل, قاسمیان صاحبی, علی, کیانی گهر, محمد حسین, سنگری, نگین. بررسی مدیریت کلان داده‌ها و تاثیر آن بر رضایت مشتریان و عملکرد سازمانی در صنعت خرده فروشی ایران. , 1402; 22(54): 13-46. doi: 10.48308/jbmp.2023.103544

بررسی مدیریت کلان داده‌ها و تاثیر آن بر رضایت مشتریان و عملکرد سازمانی در صنعت خرده فروشی ایران

چشم انداز مدیریت بازرگانی
مقاله 1، دوره 22، شماره 54 - شماره پیاپی 88، شهریور 1402، صفحه 13-46    اصل مقاله (690.95 K)
نوع مقاله: علمی - پژوهشی
شناسه دیجیتال (DOI): 10.48308/jbmp.2023.103544
نویسندگان
راحیل کردحیدری1؛ علی قاسمیان صاحبی1؛ محمد حسین کیانی گهر2؛ نگین سنگری* 3
1گروه مدیریت بازرگانی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران
2گروه مدیریت بازرگانی، دانشکده مدیریت و حسابداری، دانشگاه شهیدبهشتی، تهران، ایران.
3استادیار گروه مدیریت، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران
چکیده
هدف: پژوهش حاضر با هدف بررسی شیوه مدیریت کلان داده‌ها و تأثیر آن بر رضایت مشتری و عملکرد سازمانی در صنعت خرده فروشی ایران، انجام شده است.
روش‌شناسی: این پژوهش از نظر هدف، توسعه‌ای-کاربردی بوده و به صورت آمیخته انجام گرفته و از نوع توصیفی-اکتشافی است. برای دستیابی به هدف پژوهش، ابتدا از مصاحبه باز با 50 نفر از مدیران، متخصصین و خبرگان ستادی حوزه خرده‌فروشی در تهران که از طریق نمونه‌گیری گلوله برفی انتخاب شدند، داده‌های مرتبط با شناسایی مولفه‌ها و اولویت‌بندی اهمیت مولفه‌های استخراج و این داده‌ها با روش تحلیل محتوا مورد تحلیل قرار گرفت. در ادامه پژوهش با استفاده از ابزار پرسشنامه، داده‌ها با نمونه‌گیری در دسترس از 385 نمونه کارشناسان حوزه خرده‌فروشی، در پاییز 1401 جمع‌آوری و با استفاده از نرم افزار SPSS و لیزرل مورد تحلیل همبستگی قرار گرفت.
یافته‌ها: یافته‌های پژوهش شامل شناسایی 56 مفهوم و 27 مقوله در 7 بعد و اولویت‌بندی و استخراج راهبردهای دو راهی و تحلیل شبکه‌های اجتماعی و ابزارهای الگوی پایگاه داده‌ها و استخدام منابع انسانی ماهر برای مدیریت کلان داده‌ها است که منجر به قابلیت‌هایی مانند سفارشی‌سازی در خرده فروشی خواهد شد، که این قابلیت‌ها باعث افزایش رضایت مشتریان و بهبود فروش سازمان به عنوان مهم‌ترین مولفه‌های مورد بررسی در پژوهش خواهد شد.
نتیجه‌گیری: نتایج بیانگر این است که راهبردها و ابزارهای مدیریت کلان داده‌ها، تاثیر مثبت و معناداری در ایجاد قابلیت‌های صنعت خرده فروشی مانند سفارشی سازی گسترده دارد و این قابلیت‌ها نیز، اثر معناداری بر رضایت مشتریان و افزایش فروش سازمان‌های صنعت خرده فروشی ایران دارند.
کلیدواژه‌ها
مدیریت کلان داده‌ها؛ رضایت مشتری؛ عملکرد سازمانی؛ صنعت خرده فروشی
عنوان مقاله [English]
Investigating big data management and its impact on customer satisfaction and organizational performance in the Iranian retail industry
نویسندگان [English]
Rahil Kordheydari1؛ Ali Ghasemian Sahebi1؛ Mohammad Hossein Kiani Gohar2؛ Negin Sangari3
1Business Administration Department, Faculty of Management and Economics, Tarbiat Modares University, Tehran, Iran
2Business Administration Department, Faculty of Management and Accounting, Shahid Beheshti University, Tehran, Iran.
3Assisstant Professor, Department of Management, Faculty of Social Sciences and Economics, Alzahra University, Tehran, Iran.
چکیده [English]
Objective: This study aimed to investigate the method of big data management and its effect on customer satisfaction and organizational performance in the Iranian retail industry.
Methodology: This research is applied-developmental in terms of purpose and has been done in a mixed way and is of descriptive-exploratory type. To achieve the goal, first of all, from an open interview with 50 managers, specialists, and staff experts in the field of retail, who were selected through snowball sampling, data related to identifying components and prioritizing the importance of components were extracted and these data were analyzed using Content analysis. Using the questionnaire tool, the data was collected by available sampling from 385 samples of retail experts, in the Fall of 2023, and correlation was analyzed using SPSS and Lisrel software.
Findings: The findings of the research include identifying 56 concepts and 27 categories in 7 dimensions and prioritizing and extracting two-way strategies and analyzing social networks and database model tools and hiring skilled human resources for big data management, which will lead to capabilities such as customization in the retail industry. , that these capabilities will increase customer satisfaction and ultimately improve the organization's sales as the most important components investigated in the research.
Conclusion: The results indicate that big data management strategies and tools have a positive and significant effect on creating retail industry capabilities such as extensive customization, and these capabilities also have a significant effect on customer satisfaction and increase sales of Iranian retail industry organizations.
کلیدواژه‌ها [English]
Big Data Management, Customer Satisfaction, Organizational Performance, Retail Industry
مراجع
  1. Aakash, A., & Gupta Aggarwal, A. (2022). Assessment of hotel performance and guest satisfaction through eWOM: big data for better insights. International Journal of Hospitality & Tourism Administration, 23(2), 317-346.
  2. Abdian, S., Hosseinzadeh Shahri, M., & Khadivar, A. Identifying Fields of Big Data Application in Marketing. Journal of Business Management Perspective, 20(47), (2021): 64-87 (In Persian).
  3. Aghaei, M., Ghasemian Sahebi, A., & Kordheydari, R. (2021). Design and explain the pattern of destination brand value creation strategies in Iranian tourism industry. Journal of Tourism Quarterly, 3(2), 68-97.
  4. Ahmadi, S., Yazdani, N., & Kazemi, F. (2021). The Effect of Marketing Mix on Brand Profitability with an Emphasis on Khoshkpak Brand Equity in Retailers of Tehran. Journal of Business Administration Researches, 13(25), 499-528 (In Persian).
  5. Aktas, E., & Meng, Y. (2017). An exploration of big data practices in retail sector. Logistics, 1(2), 12-29.
  6. Alikhani zanjani, E., Askari F, Najafi, A., & Hajkarimi, B. (2022). Correlation of Big Data with Supply Chain Health Performance in Employees of the Tehran Intelligent Fuel System. JHPM, 11(4), 1-11 (In Persian).
  7. Amini, M., Jafari, S. M., Mohammadian, A., & Karimi, A. (2021). Prerequisites for Using Big Data to Innovate in Marketing Activities. Iranian Journal of Information Management, 7(1), 243-268 (In Persian).
  8. Belarbi, H., Tajmouati, A., Bennis, H., & Tirari, M. E. H. (2019). Predictive analysis of big data in retail industry. In Proceedings of the international conference on computing wireless and communication systems, 560-563.
  9. Buluswar, M. (2016). How companies are using big data and analytics. Mckinsey and Research (April).
  10. Cao, G., Tian, N., & Blankson, C. (2022). Big data, marketing analytics, and firm marketing capabilities. Journal of Computer Information Systems, 62(3), 442-451.
  11. Chatterjee, S., Chaudhuri, R., & Vrontis, D. (2022). Big data analytics in strategic sales performance: mediating role of CRM capability and moderating role of leadership support. EuroMed Journal of Business.
  12. Chauhan, P., Mahajan, A., & Lohare, D. (2017). Role of big data in retail customercentric marketing. Journal Multidisciplinary Research and Development, 2(3), 484-488.
  13. Chen, C. P., & Zhang, C. Y. (2014). Data-intensive applications, challenges, techniques and technologies: A survey on big data. Information Sciences, 275, 314-347.
  14. Chen, H., Chiang, R. H., & Storey, V. C. (2016). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 36(4), 1165-1188.
  15. Dastranj, R., Ghazinoory, S., Dastranj, N., & Shayan, A. Assessment of Big Data Ecosystem in Iran with Metaphor of Millennium Ecosystem Assessment Model. Iranian Journal of Information processing and Management, 34(4), (2019): 1613-1642 (In Persian).
  16. Davenport, T. (2014). Big data at work: Dispelling the myths, uncovering the opportunities. Harvard Business Review Press, 139-146.
  17. Dekimpe, M. G. (2020). Retailing and retailing research in the age of big data analytics. International Journal of Research in Marketing, 37(1), 3-14.
  18. Ebrahimi, S. A., Zarei, A., & Bahrami, A. (2019). The Impact of Store Atmosphere and Service Convenience on Repurchase Behavior by the Mediation of Consumer Satisfaction in Retail Chain Stores. Journal of Business Administration Researches, 11(21), 163-180 (In Persian).
  19. Fathi, H., Nazari, M., & Esfidani, M. R. (2022). Designing the pattern of "Customer Price Experience" Based on customer touch points in multiple channels. Journal of Business Management Perspective, 21(50), 75-104 (In Persian).
  20. Gawankar, S. A., Gunasekaran, A., & Kamble, S. (2020). A study on investments in the big data-driven supply chain, performance measures and organisational performance in Indian retail 4.0 context. Journal of Production Research, 58(5), 1574-1593.
  21. Ghasemian, S. A., Kordheydari, R., & Aghaei, M. (2023). Effect of Perception of COVID-19 Crisis Management on Destination Image and Intention to Visit. Academica Turistica-Tourism and Innovation Journal, 15(3), 1-19.
  22. Ghasemian Sahebi, A., Moshabaki, A., & Khodadad Hosseini, H. Investigating brand loyalty through customer engagement in online brand communities (a case study of Instagram users). Quarterly Journal of Brand Management, 5(1), (2018): 13-34 (In Persian).
  23. Gupta, S., Justy, T., Kamboj, S., Kumar, A., & Kristoffersen, E. (2021). Big data and firm marketing performance: Findings from knowledge-based view. Technological Forecasting and Social Change, 171, 120986.
  24. Ha, A. Y., Tong, S., & Wang, Y. (2022). Channel structures of online retail platforms. Manufacturing & Service Operations Management, 24(3), 1547-1561.
  25. Hao, J. (2023). Retail investor attention and corporate innovation in the big data era. International Review of Financial Analysis, 102486.
  26. Horng, J. S., Liu, C. H., Chou, S. F., Yu, T. Y., & Hu, D. C. (2022). Role of big data capabilities in enhancing competitive advantage and performance in the hospitality sector: Knowledge-based dynamic capabilities view. Journal of Hospitality and Tourism Management, 51, 22-38.
  27. Jayagopal, V., & Basser, K. K. (2022). Data management and big data analytics: Data management in digital economy. In Research Anthology on Big Data Analytics, Architectures, and Applications (pp. 1614-1633). IGI Global.
  28. R., Ghasemian sahebi. A., aghaei, M. Investigating the Relationship between Perceived Organizational Support and Employees' Social Organizational Behaviors during the Outbreak of Covid-19 Virus. ORMR. 11 (4), (2022): 113-136 (In Persian).
  29. Lee, I. (2017). Big data: Dimensions, evolution, impacts, and challenges. Business Horizons, 60(3), 293-303.
  30. Lekhwar, S., Yadav, S., & Singh, A. (2019). Big data analytics in retail. In Information and communication technology for intelligent (pp. 469-477). Singapore: Springer.
  31. Li, T. (2022). Cigarette Data Marketing Methods Based on Big Data Analysis. In International Conference on Cognitive based Information Processing and Applications (CIPA 2021) (pp. 438-444). Springer, Singapore.
  32. Lutfi, A., Alrawad, M., Alsyouf, A., Almaiah, M. A., Al-Khasawneh, A., Al[1]Khasawneh, A. L., ... & Ibrahim, N. (2023). Drivers and impact of big data analytic adoption in the retail industry: A quantitative investigation applying structural equation modeling. Journal of Retailing and Consumer Services, 70, 103129.
  33. Mansouri Moayyed, F., Kordheydari, R., & Ghasemian Sahei, A. The Role of Knowledge Brokers in Developing of technical knowledge marketing model for Knowledge-Intensive Business Service. Management Research in Iran, 24(2), (2021): 35-60 (In Persian).
  34. Mohammadifar, Y., & Khosravi, S. S. (2022). Proposing a Model for Creating Vale from Big Data with a Meta-synthesis Approach. Journal of Advertising and Sales Management, 4(1), 1-22 (In Persian).
  35. Morimura, F., & Sakagawa, Y. (2023). The intermediating role of big data analytics capability between responsive and proactive market orientations and firm performance in the retail industry. Journal of Retailing and Consumer Services, 71, 103193.
  36. Moturi, C. A., Okemwa, V. O., & Orwa, D. O. (2022). Big data analytics capability for digital transformation in the insurance sector. International Journal of Big Data Management, 2(1), 42-59.
  37. Nath, M. D., & Agnihotri, M. A. (2022). A Review of the Revolutionizing Role of Big Data in Retail Industry. Advances in Data Science and Computing Technology, 95-106.
  38. (2015). Case study - big data applied to customer satisfaction intelligence. Paradigma.
  39. Rossi, R., & Hirama, K. (2022). Characterizing big data management. arXiv preprint arXiv:2201.05929.
  40. Sahebi, A. G., Kordheydari, R., & Aghaei, M. (2022). A New Approach in Marketing Research: Identifying the Customer Expected Value through Machine Learning and Big Data Analysis in the Tourism Industry. Asia[1]Pacific Journal of Management and Technology (AJMT), 2(3), 26-42.
  41. Santoro, G., Fiano, F., Bertoldi, B., & Ciampi, F. (2019). Big data for business management in the retail industry. Management Decision, 57(8), 1980-1992.
  42. Sazu, M. H., & Jahan, S. A. (2022). How Big Data Analytics Impacts the Retail Management on the European and American Markets. CECCAR Business Review, 3(6), 62-72.
  43. Verma, N., Malhotra, D., & Singh, J. (2020). Big data analytics for retail industry using MapReduce framework. Journal of Management Analytics, 7(3), 424-442.
  44. Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S. J. F., Dubey, R., & Childe, S. J. (2017). Big data analytics and firm performance. Journal of Business Research, 70, 356-365.
  45. Wang, G., Gunasekaran, A., Ngai, W., & Papadopoulos, T. (2016). Big data analytics in logistics and supply chain management. Journal of Production Economics, 176, 98-110.
  46. Zandi, M. E., & Saghafi, F. (2022). Investigating consumer behavior change in ride[1]haling plaforms with the innovation ecosystem approach. Journal of Business Management Perspective, 21(49), 143-168 (In Persian)
آمار
تعداد مشاهده مقاله: 17,400
تعداد دریافت فایل اصل مقاله: 1,981