Využití blockchainu a umělé inteligence při nákupu a řízení dodavatelského řetězce: strategický přístup pro Walmart

Tento článek byl poprvé publikován na blogu Dr. Craiga Wrighta a se svolením autora jsme jej znovu publikovali.

Úvod

Walmart Inc. (NASDAQ: WMT), se sídlem v Bentonville, Arkansas, je největší maloobchodní společnost na světě podle příjmů a zaměstnanců (Bank Muñoz et al., 2018). Walmart provozuje různé formáty maloobchodních prodejen ve 27 zemích pod 55 různými názvy a řídí rozsáhlý globální dodavatelský řetězec. Mezi její klíčové produktové kategorie patří potraviny, oblečení, domácí potřeby a elektronika, které pocházejí od řady domácích i mezinárodních dodavatelů. Tento dokument zkoumá kritické nejistoty v řízení nákupu a dodávek společnosti Walmart a nabízí doporučení pro zvládnutí těchto nejistot a posílení dodavatelských vztahů.

1. Hlavní nejistoty ovlivňující nákup a řízení dodávek

Jako jedna z největších nadnárodních maloobchodních korporací jsou činnosti nákupu a řízení dodavatelského řetězce společnosti Walmart významně ovlivněny různými nejistotami. První z nich jsou geopolitické narušení (Yeung & Coe, 2015). Změny v obchodní politice, zavedení cel nebo uvalení sankcí mohou drasticky ovlivnit cenu a dostupnost zboží. K udržení účinnosti a efektivity svého dodavatelského řetězce musí Walmart tyto změny zásad neustále sledovat a přizpůsobovat se jim.

Další významnou nejistotou jsou obavy o životní prostředí. Vzhledem k celosvětovému rozsahu jeho operací mohou být zásobovací trasy Walmartu významně ovlivněny ekologickými katastrofami, jako jsou hurikány, záplavy nebo požáry. Například povodeň v regionu, kde se nachází klíčový dodavatel, by mohla narušit výrobu nebo přepravu zboží, což by ovlivnilo schopnost Walmartu zásobit své obchody a obsluhovat své zákazníky (McKnight & Linnenluecke, 2019).

Ekonomické výkyvy také představují značnou výzvu. Spotřebitelé mohou snížit výdaje v době hospodářského poklesu, čímž se sníží poptávka (Greenwald & Stiglitz, 1993). Alternativně může během období hospodářského růstu zvýšená konkurence zvýšit ceny zboží a ovlivnit tak strukturu nákladů Walmartu. V obou scénářích musí být činnosti nákupu a řízení dodávek společnosti Walmart dostatečně agilní, aby se přizpůsobily těmto změnám, což může zahrnovat hledání cenově výhodnějších dodavatelů nebo přizpůsobení strategií nákupu tak, aby odpovídaly měnící se poptávce.

Další podstatnou nejistotou je rychlý vývoj technologií. Maloobchodní průmysl se stále více digitalizuje a elektronický obchod se stává významnou oblastí růstu (Dekhne et al., 2019). Walmart jako takový musí zajistit, aby jeho činnosti v oblasti nákupu a řízení dodávek držely krok s tímto technologickým pokrokem. To může zahrnovat integraci digitálních nástrojů pro zefektivnění procesů nákupu nebo analýzy dat, abyste mohli přijímat informovanější rozhodnutí o nákupu.

A konečně, změny v chování spotřebitelů mohou významně ovlivnit nákup a řízení dodávek Walmartu (Mason et al., 2020). Rostoucí počet spotřebitelů hledá udržitelné a eticky pocházející produkty, takže Walmart musí odpovídajícím způsobem přizpůsobit své nákupní strategie. To může zahrnovat důslednější prověřování dodavatelů, aby se zajistilo, že splňují tyto normy udržitelnosti a etické standardy, nebo upřednostnění dodavatelů, kteří je splňují.

Nejistoty, kterým Walmart čelí v oblasti nákupu a řízení dodávek, jsou v podstatě mnohostranné a složité, což vyžaduje dynamický a přizpůsobivý přístup. Jak se svět vyvíjí, tyto výzvy budou pravděpodobně přetrvávat a dokonce se zintenzivní, což podtrhuje důležitost efektivních strategií nákupu a řízení dodávek pro udržení konkurenční výhody Walmartu (Bank Muñoz et al., 2018).

2. Řízení dopadu nejistot

Ke zmírnění potenciálních dopadů těchto nejistot by Walmart mohl nasadit různé strategie, které nejenže využívají jeho stávající kapacity, ale také využívají špičkové technologie, jako je blockchain (Tan et al., 2018). Jádrem těchto strategií je vytvoření diverzifikované dodavatelské základny a logistické sítě, která Walmartu nabízí flexibilitu tváří v tvář geopolitickým narušením.

Prostřednictvím získávání zdrojů z více regionů se Walmart může zajistit proti změnám v obchodních politikách nebo sankcím, které neúměrně ovlivňují určité regiony. Podobně v reakci na ekologické krize může diverzifikovaná logistická síť zajistit alternativní zásobovací trasy, a tím zachovat tok zboží.

Posouzení rizik a pohotovostní plánování jsou zásadními součástmi strategie Walmartu (Sheffi, 2009). Tento proaktivní přístup zahrnuje systematickou identifikaci a vyhodnocování potenciálních rizik a vytváření krizových plánů pro efektivní řešení těchto rizik. Pokud je například kritický dodavatel v regionu náchylném k přírodním katastrofám, může mít pohotovostní plán, jako je identifikace alternativních dodavatelů nebo zvýšení úrovně zásob, poskytnout záchrannou síť, která zajistí nepřetržité dodávky.

Technologický pokrok, zejména blockchain (Christopher, 2016), může nabídnout
transformační řešení pro nákup a řízení dodávek společnosti Walmart. Technologie blockchain by mohla poskytnout transparentní a neměnnou účetní knihu, která by zajistila sledovatelnost a ověřování transakcí v dodavatelském řetězci. To by mohlo pomoci při přijímání informovanějších nákupních rozhodnutí a posílit důvěru mezi všemi zúčastněnými stranami. Walmart by také mohl využít cloudová řešení pro zadávání zakázek, aby zefektivnil své operace, zvýšil efektivitu a umožnil spolupráci s dodavateli v reálném čase, čímž by se zlepšila doba odezvy a rozhodovací procesy.

Rostoucí spotřebitelská poptávka po produktech pocházejících z udržitelných a etických zdrojů vyžaduje intenzivnější zaměření na udržitelnost při nákupu. Blockchain zde může hrát významnou roli tím, že poskytuje přehled o postupech dodavatelů a potvrzuje dodržování udržitelných a etických standardů (Ahmad et al., 2021). Upřednostněním dodavatelů, kteří prokazují pevné závazky k udržitelnosti a etickým praktikám, i když jsou jejich ceny o něco vyšší, může Walmart zlepšit image své značky a získat dlouhodobou loajalitu zákazníků.

Tváří v tvář ekonomickým výkyvům jsou prvořadé nákladově efektivní strategie. Walmart by mohl posílit vztahy s dodavateli a vyjednat lepší podmínky. Zavázání se k dlouhodobějším smlouvám s dodavateli, které umožňují inteligentní smlouvy blockchain (Cong & He, 2019), by mohlo zajistit nižší ceny a zaručit dodávky, a to i během hospodářského poklesu. Tyto chytré smlouvy by mohly zautomatizovat transakce na základě předem stanovených pravidel, snížit administrativní náklady a pravděpodobnost sporů.

Jak se Walmart orientuje ve složitosti a nejistotách, které jsou vlastní globálnímu maloobchodnímu sektoru, strategické plánování a šikovná aplikace špičkových technologií, jako je blockchain a umělá inteligence (AI), mohou pomoci zmírnit rizika a udržet provozní efektivitu. Technologie blockchain klade důraz na transparentnost, sledovatelnost a bezpečnost a umožňuje Walmartu řídit rizika spojená s padělaným zbožím, narušení dodavatelského řetězce a dodržování předpisů ze strany dodavatelů (Ahram et al., 2017). Neměnný, decentralizovaný účetní systém blockchainu zajišťuje pravost zboží, sleduje jeho cestu dodavatelským řetězcem a zaznamenává dodržování dohodnutých standardů a smluv ze strany dodavatele. Tato úroveň viditelnosti a odpovědnosti pomáhá zvládat nejistoty související s kvalitou a dodávkami a zároveň podporuje důvěru mezi Walmartem, jeho dodavateli a zákazníky.

Kromě toho integrace umělé inteligence s blockchainem otevírá nové cesty pro řízení rizik a nejistot (Charles et al., 2023). Prediktivní analytika AI může analyzovat data blockchainu a předpovídat potenciální narušení dodavatelského řetězce, což Walmartu poskytuje proaktivní postoj při řízení těchto rizik. Algoritmy strojového učení mohou například používat data uložená v blockchainu k předvídání možných zpoždění dodávek nebo k identifikaci dodavatelů, kteří představují riziko kvůli minulým problémům s nedodržováním předpisů.

Umělá inteligence může také optimalizovat držení zásob předpovídáním vzorců poptávky, což Walmartu pomáhá vyhnout se zásobám a nadměrnému zásobování, které představuje finanční rizika. Schopnost umělé inteligence analyzovat obrovské množství dat navíc může Walmartu pomoci předvídat změny v chování spotřebitelů, tržních trendech nebo regulačních změnách, a tím vybavit společnost, aby mohla účinně a včas reagovat, a snížit tak riziko zastarání nebo nedodržení (Natanelov et al. , 2022).

Kombinace blockchainu a umělé inteligence může vytvořit robustní rámec pro řízení rizik pro Walmart (Kashem et al., 2023). Blockchain poskytuje důvěryhodný záznam transakcí a pohybů v rámci dodavatelského řetězce, zatímco umělá inteligence tato data analyzuje, aby předpověděla potenciální rizika a nabídla strategická doporučení. Tato fúze zajišťuje nákup a řízení dodávek společnosti Walmart a zajišťuje konzistentní dodávky zboží splňující potřeby a očekávání zákazníků. Efektivní řízení nejistot pomocí těchto pokročilých technologií posiluje konkurenční pozici Walmartu v maloobchodním sektoru a umožňuje mu poskytovat vynikající hodnotu pro zákazníky a udržovat provozní dokonalost, a to i tváří v tvář měnící se dynamice trhu a nepředvídatelným narušením (Deiva Ganesh & Kalpana, 2022).

3. Postupy nákupu a řízení dodávek

Efektivní postupy nákupu a řízení dodávek jsou klíčové ve stále složitějším globálním maloobchodním průmyslu. Blockchain, distribuovaný a transparentní účetní systém, může tyto praktiky rozšířit a výrazně tak zvýšit konkurenceschopnost Walmartu. Ústředním bodem této strategie je podpora silných a spolupracujících vztahů s dodavateli, kde se prolínají vzájemné cíle. Transparentnost a sledovatelnost blockchainu by mohla otevřít nové cesty pro spolupráci, od společných iniciativ vývoje produktů po sdílené cíle udržitelnosti, čímž se zvýší kvalita produktů a celková provozní efektivita (Tan et al., 2018).

Blockchainové tokeny mohou způsobit revoluci v dodavatelském řetězci Walmartu tím, že poskytují viditelnost a sledovatelnost v reálném čase (Alkhader et al., 2020). Tyto digitální tokeny představují fyzický majetek a lze je sledovat v celém dodavatelském řetězci, od fáze surovin až po konečného spotřebitele. To může Walmartu pomoci zajistit pravost produktů, monitorovat pohyb produktů a identifikovat úzká místa nebo neefektivitu v dodavatelském řetězci, a tím snížit ztráty spojené s padělky, krádežemi a neefektivitou. Tento druh viditelnosti může také ujistit spotřebitele o původu a kvalitě jejich nákupů, čímž se zvyšuje image značky Walmart a její důvěryhodnost.

Důležitým aspektem těchto praktik je pravidelná komunikace a transparentnost, což je oblast, kde blockchain může poskytnout podstatné výhody. Blockchain může usnadnit sdílení dat v reálném čase v celém dodavatelském řetězci, což vede k proaktivnímu řešení problémů a výměně nápadů. Tato úroveň transparentnosti také umožňuje Walmartu sdílet své obchodní strategie a očekávání s dodavateli, což jim pomáhá efektivněji sladit jejich operace (Bertino et al., 2019).

Nepřetržité monitorování výkonu dodavatelů a poskytování konstruktivní zpětné vazby je další kritickou oblastí, kde může blockchain hrát transformační roli. S blockchainem může Walmart vytvořit neměnný a přesný záznam ukazatelů výkonnosti dodavatelů, jako je kvalita, dodávka, náklady a inovace (Ozdayi et al., 2020). Jasnost, kterou tato technologie poskytuje, umožňuje dodavatelům porozumět oblastem, v nichž se mohou zlepšit, a sladit své cíle s cíli Walmartu. Kromě toho může Walmart zahájit iniciativy na budování kapacit, jako jsou školicí programy o technologii blockchain, s cílem zlepšit schopnosti dodavatelů a jejich pohodlí přijetím této technologie.

Kromě toho lze prostřednictvím blockchainu posílit také motivační aspekt řízení dodavatelů. Dlouhodobé smlouvy lze uzavřít jako chytré smlouvy na blockchainu, které poskytují dodavatelům bezpečnost a demonstrují odhodlání Walmartu ke vztahu (Natanelov et al., 2022). Podobně lze pomocí blockchainu automatizovat pobídky založené na výkonu. Jako uznání výjimečného výkonu nebo inovace mohou být dodavatelé odměňováni prostřednictvím tokenizovaných pobídek na blockchainové platformě.

Zavedení digitálních měn centrální banky (CBDC) do platebního systému Walmartu by navíc mohlo snížit transakční náklady a zjednodušit přeshraniční platby. Tato digitální měna, řízená centrální bankou dané země, může zefektivnit platební proces, zkrátit dobu transakcí a snížit obchodní náklady (Kim et al., 2022). Používání CBDC může také snížit závislost na tradičních bankovních systémech, minimalizovat riziko zpoždění plateb a přidat větší hodnotu aktivitám Walmartu v oblasti nákupu a řízení dodávek.

Prostřednictvím těchto postupů založených na blockchainu může Walmart vytvořit harmonický vztah se svými dodavateli, v souladu se svými strategickými cíli, snížit ztráty a posílit svou konkurenční pozici. Kombinace technologie blockchain a potenciálního využití CBDC revoluce přinese společnosti Walmart nákup a řízení dodávek, zvýší efektivitu nákladů a zlepší transparentnost a sledovatelnost (Tan et al., 2018).

4. Proces hodnocení a výběru dodavatelů

Proces hodnocení a výběru dodavatelů ve Walmartu vyžaduje pečlivé zvážení mnoha faktorů, včetně kontextu odvětví, strategických priorit společnosti, povahy dodavatelského trhu a charakteristik její dodavatelské sítě. Vzhledem k tomu, že provozní model Walmartu závisí na nabídce levných produktů, je proces výběru dodavatelů zaměřen na identifikaci dodavatelů, kteří trvale dodávají vysoce kvalitní zboží za konkurenceschopné ceny (Ross, 2008).

Dynamika maloobchodního průmyslu a vyvíjející se očekávání spotřebitelů však vyžadují jemnější přístup. Důraz by měl být kladen na náklady, spolehlivost a strategické přizpůsobení. To znamená výběr dodavatelů, jejichž obchodní strategie, hodnoty a cíle jsou v souladu s obchodními strategiemi, hodnotami a cíli společnosti Walmart, což může vést k lepší spolupráci a vzájemně prospěšným vztahům (Ross, 2008).

Udržitelnost se navíc stala kritickou prioritou pro mnoho spotřebitelů a podniků (Bateh et al., 2014). To zaručuje větší důraz na praktiky udržitelnosti dodavatelů ve výběrovém procesu. Dodavatelé, kteří prokáží pevné závazky k udržitelnosti, jako například ti, kteří používají odpovědné získávání zdrojů a postupy omezování odpadu, mohou Walmartu pomoci uspokojit rostoucí poptávku spotřebitelů po produktech šetrných k životnímu prostředí a z etických zdrojů.

Technologie umělé inteligence (AI) je v popředí transformace maloobchodního odvětví, přináší novou efektivitu a konkurenční výhody. Dodavatelé, kteří tyto pokroky šikovně využívají, mohou Walmartu poskytnout strategickou výhodu na vysoce konkurenčním trhu a zlepšit každý aspekt dodavatelského řetězce, od výroby po logistiku (Deiva Ganesh & Kalpana, 2022).

Umělá inteligence nabízí jedinečné možnosti mapování pohybu zboží a služeb, díky čemuž je dodavatelský řetězec transparentnější a efektivnější (Deiva Ganesh & Kalpana, 2022). Dodavatelé využívající umělou inteligenci mohou používat prediktivní analytiku k přesné předpovědi poptávky, což jim umožňuje upravovat výrobu v reálném čase a minimalizovat plýtvání. Umělá inteligence může také analyzovat množství dat z různých zdrojů k identifikaci trendů a vzorců, a tím předvídat potenciální narušení dodavatelského řetězce. Preventivním rozpoznáním těchto narušení může Walmart přijmout proaktivní opatření ke zmírnění jakýchkoli nepříznivých dopadů, a tím zachovat konzistentní dodávky zboží.

Umělá inteligence může také optimalizovat držení zásob a snížit náklady spojené s nadměrným nebo nedostatečným zásobováním. Algoritmy strojového učení mohou analyzovat historická prodejní data a proměnné, jako je sezónnost, propagační aktivity a ekonomické ukazatele, a přesně předpovídat budoucí prodeje (Punia & Shankar, 2022). To umožňuje přesné řízení zásob a zajišťuje, že Walmart má správné zásoby ve správný čas. Efektivní správa zásob snižuje náklady a zvyšuje spokojenost zákazníků tím, že se vyhne zásobám a zajistí, že produkty budou dostupné, když je spotřebitelé chtějí.

Umělá inteligence může také automatizovat a optimalizovat logistiku, což je kritická oblast pro globální prodejce, jako je Walmart. Logistická řešení poháněná umělou inteligencí dokážou určit nejúčinnější trasy s ohledem na faktory, jako je provoz, povětrnostní podmínky a náklady na palivo, a zajistit tak včasné a nákladově efektivní doručení zboží (Punia & Shankar, 2022). Kromě toho mohou dodavatelé, kteří jsou vybaveni schopnostmi umělé inteligence, podpořit Walmart při nabízení inovativnějších produktů svým zákazníkům. Umělá inteligence dokáže analyzovat chování a preference spotřebitelů, aby identifikovala mezery na trhu nebo předpověděla nadcházející trendy, což vede k vývoji nových, vysoce cílených produktů.

Dodavatelé, kteří integrují umělou inteligenci do svých operací, mohou společnosti Walmart poskytnout významnou konkurenční výhodu. Dodavatelé s umělou inteligencí mohou Walmartu pomoci orientovat se ve složitosti maloobchodního odvětví, od zlepšování efektivity ve výrobě a logistice až po vylepšování nabídky produktů na základě preferencí zákazníků (Tarallo et al., 2019). Prostřednictvím těchto partnerství založených na technologiích může Walmart zůstat v popředí maloobchodu, plnit a překonávat očekávání zákazníků a zároveň zlepšovat své výsledky.

Aby se zvýšila celková efektivita procesu hodnocení a výběru dodavatelů, mohl by Walmart zvážit přijetí komplexního hodnocení dodavatelů propojeného se systémem strojového učení (Guan et al., 2023). To by zahrnovalo posouzení potenciálních dodavatelů podle řady kritérií, nejen nákladů a spolehlivosti, ale také finančního zdraví, provozní efektivity, úsilí o udržitelnost a kapacity pro inovace. Walmart by tak mohl zajistit holističtější hodnocení dodavatelů, což by vedlo k lépe informovaným rozhodnutím o výběru, která jsou v souladu s jeho strategickými cíli a vyvíjejícími se požadavky maloobchodního průmyslu.

Proč investovat do čističky vzduchu?

Jako titán v globálním maloobchodním průmyslu jsou postupy nákupu a řízení dodavatelského řetězce Walmartu rozhodující při utváření jeho výkonnosti a konkurenčního postavení (Bank Muñoz et al., 2018). Společnost čelí mnoha nejistotám, včetně geopolitických narušení, environmentálních problémů, ekonomických výkyvů, technologického pokroku a vyvíjejících se preferencí spotřebitelů. Takové složitosti mohou významně ovlivnit nákup a aktivity dodavatelského řetězce Walmartu. Aby se Walmart vypořádal s těmito nejistotami, musí zavést mnohostranný přístup, včetně diverzifikace své dodavatelské základny, přijetí důkladného hodnocení rizik a nouzového plánování, přijetí technologického pokroku, zaměření na udržitelnost a stanovení nákladově efektivních strategií.

Hodnocení procesu výběru dodavatelů z hlediska kontextu odvětví, strategické priority Walmartu, dodavatelský trh a charakteristiky dodavatelské sítě odhalují příležitosti pro další vylepšení. Zatímco nákladová efektivita a spolehlivost jsou zásadní, rozšíření kritérií tak, aby zahrnovala strategické sladění, udržitelnost a technologické schopnosti dodavatelů, může optimalizovat proces výběru. Začlenění komplexního hodnocení dodavatelů a posouzení širší řady kritérií, jako je finanční zdraví, provozní efektivita, úsilí o udržitelnost a inovační kapacita, by mohlo přinést holističtější hodnocení.

Aby mohl Walmart optimalizovat své zásobování a řízení dodávek, musí se neustále přizpůsobovat a inovovat, aby vyhovoval dynamickému průmyslovému prostředí a vyvíjejícím se potřebám a očekáváním jeho zákazníků. Efektivním řízením nejistot, posílením dodavatelských vztahů a zdokonalením procesu hodnocení a výběru dodavatelů může Walmart posílit svůj dodavatelský řetězec, zvýšit svou konkurenceschopnost a zajistit si dlouhodobý úspěch v globálním maloobchodním průmyslu.

Reference

Ahmad, R. W., Hasan, H., Jayaraman, R., Salah, K., & Omar, M. (2021). Blockchainové aplikace a architektury pro portové operace a správu logistiky. Výzkum v dopravním podnikání a managementu, 41, 100620. https://doi.org/10.1016/j.rtbm.2021.100620
Ahram, T., Sargolzaei, A., Sargolzaei, S., Daniels, J., & Amaba, B. (2017). Inovace technologie blockchain. 2017 IEEE Technology & Engineering Management Conference (TEMSCON), 137–141. https://doi.org/10.1109/TEMSCON.2017.7998367
Alkhader, W., Alkaabi, N., Salah, K., Jayaraman, R., Arshad, J., & Omar, M. (2020). Sledovatelnost a správa pro aditivní výrobu na bázi blockchainu. Přístup IEEE, 8, 188363–188377. https://doi.org/10.1109/ACCESS.2020.3031536
Bank Muñoz, C., Kenny, B., & Stecher, A. (eds.). (2018). Walmart na globálním jihu: Kultura na pracovišti, pracovní politika a dodavatelské řetězce. University of Texas Press. https://doi.org/10.7560/315675
Bateh, J., Heaton, C., Arbogast, G. W., & Broadbent, A. (2014). Definování udržitelnosti v obchodním prostředí. Journal of Sustainability Management (JSM), 1(1), 1–4. https://doi.org/10.19030/jsm.v1i1.8386
Bertino, E., Kundu, A., & Sura, Z. (2019). Transparentnost dat s Blockchainem a etikou AI. Journal of Data and Information Quality, 11(4), 16:1-16:8. https://doi.org/10.1145/3312750
Charles, V., Emrouznejad, A., & Gherman, T. (2023). Kritická analýza integrace blockchainu a umělé inteligence pro dodavatelský řetězec. Annals of Operations Research. https://doi.org/10.1007/s10479-023-05169-w
Christopher, M. (2016). Logistika a řízení dodavatelského řetězce. Pearson UK.
Cong, LW, & He, Z. (2019). Narušení blockchainu a chytré smlouvy. Přehled finančních studií, 32(5), 1754–1797. https://doi.org/10.1093/rfs/hhz007
Deiva Ganesh, A., & Kalpana, P. (2022). Budoucnost umělé inteligence a její vliv na řízení rizik dodavatelského řetězce – Systematický přehled. Počítače a průmyslové inženýrství, 169, 108206. https://doi.org/10.1016/j.cie.2022.108206
Dekhne, A., Hastings, G., Murnane, J., & Neuhaus, F. (2019). Automatizace v logistice: Velká příležitost, větší nejistota. McKinsey Q, 24.
Greenwald, B.C., & Stiglitz, J.E. (1993). Nedokonalosti finančního trhu a obchodní cykly. Čtvrtletní deník ekonomiky, 108(1), 77–114. https://doi.org/10.2307/2118496
Guan, W., Ding, W., Zhang, B., Verny, J., & Hao, R. (2023). Zvyšují faktory související s dodavatelským řetězcem přesnost předpovědí přijetí blockchainu? Přístup strojového učení. Technologické předpovědi a sociální změny, 192, 122552. https://doi.org/10.1016/j.techfore.2023.122552
Kashem, M. A., Shamsuddoha, M., Nasir, T., & Chowdhury, A. A. (2023). Narušení dodavatelského řetězce versus optimalizace: Recenze o umělé inteligenci a blockchainu. vědomosti, 3(1), 80–96. https://doi.org/10.3390/knowledge3010007
Kim, K., Tetlow, R. J., Infante, S., Orlík, A., & Silva, A. F. (2022). Makroekonomické důsledky CBDC: Přehled literatury. Série diskuzí o financích a ekonomii, 2022-076, 1–65. https://doi.org/10.17016/feds.2022.076
Mason, A., Narcum, J., & Mason, K. (2020). Změny v rozhodování spotřebitelů v důsledku pandemie COVID-19. Journal of Customer Behaviour, 19(4), 299–321. https://doi.org/10.1362/147539220X16003502334181
McKnight, B., & Linnenluecke, M. K. (2019). Vzorce pevných reakcí na různé typy přírodních katastrof. Obchod a společnost, 58(4), 813–840. https://doi.org/10.1177/0007650317698946
Natanelov, V., Cao, S., Foth, M., & Dulleck, U. (2022). Inteligentní smlouvy blockchain pro financování dodavatelského řetězce: Mapování inovačního potenciálu v australsko-čínských dodavatelských řetězcích hovězího masa. Journal of Industrial Information Integration, 30, 100389. https://doi.org/10.1016/j.jii.2022.100389
Ozdayi, M. S., Kantarcioglu, M., & Malin, B. (2020). Využití blockchainu pro neměnné protokolování a dotazování na více webech. BMC Medical Genomics, 13(7), 82. https://doi.org/10.1186/s12920-020-0721-2
Punia, S., & Shankar, S. (2022). Prediktivní analytika pro prognózování poptávky: Systém podpory rozhodování založený na hlubokém učení. Znalostní systémy, 258, 109956. https://doi.org/10.1016/j.knosys.2022.109956
Ross, DF (2008). Intimní dodavatelský řetězec: Využití dodavatelského řetězce ke správě zákaznické zkušenosti. CRC Press.
Sheffi, Y. (2009). Kontinuita podnikání: Systematický přístup. v Globální byznys a hrozba terorismu. Nakladatelství Edward Elgar. https://www.elgaronline.com/display/edcoll/9781847208507/9781847208507.00007.xml
Tan, B., Yan, J., Chen, S., & Liu, X. (2018). Vliv blockchainu na potravinový dodavatelský řetězec: Případ Walmartu. V M. Qiu (ed.), Chytrý blockchain (pp. 167–177). Springer International Publishing. https://doi.org/10.1007/978-3-030-05764-0_18
Tarallo, E., Akabane, G. K., Shimabukuro, C. I., Mello, J., & Amancio, D. (2019). Strojové učení v predikci poptávky po rychle se obrátkovém spotřebním zboží: Průzkumný výzkum. IFAC-PapersOnLine, 52(13), 737–742. https://doi.org/10.1016/j.ifacol.2019.11.203
Yeung, H. W., & Coe, N. (2015). Směrem k dynamické teorii globálních produkčních sítí. Ekonomická geografie, 91(1), 29–58. https://doi.org/10.1111/ecge.12063

Sledujte: Umělá inteligence je pro „rozšiřování“, nikoli pro nahrazování pracovní síly

Jste v blockchainu noví? Podívejte se na sekci Blockchain pro začátečníky od CoinGeek, nejlepšího průvodce zdroji, kde se dozvíte více o technologii blockchain.