New digital technologies are making larger quantities of data available to companies, which still struggle to use them efficiently to extract strategic insights. The aim of this work is to explore the literature on the existing applications of Big Data Analytics (BDA) and Machine Learning (ML) techniques to support decision-making in International Business (IB). It also investigates the current perception of multinational companies about the importance of data, their level of adoption and potential barriers. Finally, the objective is to show how companies can practically use BDA and ML to generate useful strategic insights. This study is based on a mixed methods research approach. First, a multiple case study was implemented, through the conduction of 5 in-depth interviews to managers of Dr. Schär and Galbani. Second, a quantitative analysis of a sample dataset was run through the software SPSS®, by using a classification decision tree. From the analysis, it emerges that despite the hype around BDA and ML, companies are still unaware of their potential or unable to generate insights to support their decisions. They generally are in favour of a larger application of advanced statistical tools to analyse data, but they either do not know how to use them, or they are limited by top management or revenue-based considerations. Our work shows a practical example of how companies could use BDA and ML techniques to support IB decisions, in particular for customer segmentation. This study contributes to the open debate in the IB literature about the application of BDA and ML to support decision-making. From a managerial perspective, our research illustrates practical ways companies can overcome barriers and analyse data to generate insights which support strategic decisions.
Le nuove tecnologie digitali stanno mettendo quantità di dati sempre maggiori a disposizione delle aziende, che però faticano ancora ad utilizzarli in modo efficiente per estrarre insight strategici. L'obiettivo di questo lavoro è esplorare la letteratura sulle esistenti applicazioni dei Big Data Analytics (BDA) e delle tecniche di Machine Learning (ML) per supportare il processo decisionale nell'International Business (IB). Inoltre, analizza l'attuale percezione delle aziende multinazionali sull'importanza dei dati, il loro livello di adozione e le potenziali barriere. Infine, l'obiettivo è mostrare come le aziende possano utilizzare concretamente le tecniche di BDA e ML per generare utili insight strategici. Questo studio si basa su un approccio di ricerca misto. In primo luogo, è stato realizzato un multiple case study, attraverso la conduzione di 5 interviste approfondite ai dirigenti di Dr. Schär e Galbani. In secondo luogo, è stata condotta un'analisi quantitativa di un campione di dati attraverso il software SPSS®, utilizzando un classification decision tree. Dall'analisi è emerso che, nonostante l’enfasi attorno alle tecniche di BDA e ML, le aziende non sono ancora consapevoli del loro potenziale o non sono in grado di generare insight a supporto delle loro decisioni. In generale, sono favorevoli a un'applicazione più ampia di strumenti statistici avanzati per l'analisi dei dati, ma non sanno come utilizzarli o sono limitate da considerazioni legate al top management o ai ricavi. La tesi mostra un esempio pratico di come le aziende potrebbero utilizzare le tecniche di BDA e ML per supportare le decisioni di IB, in particolare per la segmentazione dei consumatori. Questo studio contribuisce al dibattito aperto nella letteratura sull'IB in merito all'applicazione di BDA e ML a supporto del processo decisionale. Da un punto di vista manageriale, la nostra ricerca illustra modalità pratiche con cui le aziende possono superare le barriere e analizzare i dati per generare insight a supporto delle decisioni strategiche.
Il valore strategico dei Big Data Analytics e delle tecniche di Machine Learning per le decisioni di International Business
COSTA, FEDERICO
2022/2023
Abstract
New digital technologies are making larger quantities of data available to companies, which still struggle to use them efficiently to extract strategic insights. The aim of this work is to explore the literature on the existing applications of Big Data Analytics (BDA) and Machine Learning (ML) techniques to support decision-making in International Business (IB). It also investigates the current perception of multinational companies about the importance of data, their level of adoption and potential barriers. Finally, the objective is to show how companies can practically use BDA and ML to generate useful strategic insights. This study is based on a mixed methods research approach. First, a multiple case study was implemented, through the conduction of 5 in-depth interviews to managers of Dr. Schär and Galbani. Second, a quantitative analysis of a sample dataset was run through the software SPSS®, by using a classification decision tree. From the analysis, it emerges that despite the hype around BDA and ML, companies are still unaware of their potential or unable to generate insights to support their decisions. They generally are in favour of a larger application of advanced statistical tools to analyse data, but they either do not know how to use them, or they are limited by top management or revenue-based considerations. Our work shows a practical example of how companies could use BDA and ML techniques to support IB decisions, in particular for customer segmentation. This study contributes to the open debate in the IB literature about the application of BDA and ML to support decision-making. From a managerial perspective, our research illustrates practical ways companies can overcome barriers and analyse data to generate insights which support strategic decisions.È consentito all'utente scaricare e condividere i documenti disponibili a testo pieno in UNITESI UNIPV nel rispetto della licenza Creative Commons del tipo CC BY NC ND.
Per maggiori informazioni e per verifiche sull'eventuale disponibilità del file scrivere a: unitesi@unipv.it.
https://hdl.handle.net/20.500.14239/3246