شناسایی و اولویت‌بندی عوامل حیاتی موفقیت بلوغ تحول دیجیتال صنایع دفاعی در افق 1420 شمسی

نوع مقاله : مقاله علمی- پژوهشی

نویسندگان

1 دکتری مدیریت فناوری اطلاعات، گرایش کسب و کار هوشمند، گروه مدیریت، دانشکده مدیریت و علوم نظامی، دانشگاه افسری امام علی (ع)، تهران، ایران

2 استادیار گروه مدیریت، دانشکده مدیریت و علوم نظامی، دانشگاه افسری امام علی (ع)، تهران، ایران

چکیده

با توجه به توسعه سریع حوزه فناوری اطلاعات و روند مداوم دیجیتالی‌سازی، عصر کنونی با  تغییر مستمر و همه‌جانبه زندگی، صنعت و نحوه انجام کار مواجه است. در این امتداد، صنایع مختلف نیازمند آینده‌نگاری فناوری و تدوین نقشه راه تحول دیجیتال برای انطباق سریع و مؤثر با تحول دیجیتال پیش‌رو در دو دهه آینده هستند. این مهم در صنایع بخش دفاع کشور، که پس از پایان یافتن تحریم‌های تسلیحاتی فرصت‌ حضور در بازار جهانی را یافته، به طور ویژه قابل توجه است. بر این اساس، پژوهش حاضر با هدف شناسایی و اولویت‌بندی عوامل حیاتی موفقیت بلوغ تحول دیجیتال در یک صنعت دفاعی در سه مرحله انجام شد. در مرحله نخست با بررسی نظام‌مند ادبیات این حوزه و بهره‌گیری از روش تحلیل تم، عوامل حیاتی موفقیت مؤثر بر بلوغ تحول دیجیتال شناسایی شد. در مرحله دوم در یک مطالعه دلفی فازی، به بسط و پالایش عوامل اکتشاف شده با نگاهی آینده‌پژوهانه پرداخته شده و در گام نهایی، مؤلفه‌های تایید شده از دیدگاه خبرگان با کمک روش بهترین و بدترین فازی اولویت‌بندی شده است. یافته‌ها نشان می‌دهند زیرساخت‌های مدیریتی با 30.8 درصد و زیرساخت‌های فرهنگی با 27.3 درصد بیشترین نقش را در بلوغ تحول دیجیتال صنعت مورد مطالعه بر عهده دارند. همچنین مولفه‌های فرآیندها و راهبرد دیجیتال در زیر ساخت مدیریتی، مؤلفه‌های فرهنگ دیجیتال و تعاون در زیر ساخت فرهنگی، مؤلفه‌های فناوری و اکوسیستم دیجیتال در زیر ساخت فناوری و مؤلفه‌های مهارت دیجیتال و بینش مشتری در زیر ساخت انسانی حائز بیشترین اهمیت می‌باشند. 

کلیدواژه‌ها

عنوان مقاله [English]

Identify and prioritize the critical factors for the success of the maturity of the digital transformation of the defense industry on the 1420 horizon

نویسندگان [English]

  • Ali Asghar Salarnezhad 1
  • Behnam Abdi 2
1 Department of Management, Imam Ali University, Tehran, Iran
2 Assistant Prof, Department of Management, Faculty of Management and Military Sciences, Imam Ali University
چکیده [English]

Rapid development of information technology and the continuous process of digitalization, the current era is facing a continuous and comprehensive change in life, industry and the way it works. Different industries need technology foresight and digital transformation roadmaps to adapt effectively to the leading digital transformation of the next two decades. This is especially significant in the defense industry, which has had the opportunity to enter the global market after the arms embargo. this study aims to identify and prioritize the critical factors for the success of digital transformation maturity in a defense industry in three stages. In the first step, by systematic literature review, 41 completely related articles from scientific databases have been obtained. Using content analysis method, it has identified the critical success factors that affecting the maturity of digital transformation. In the second stage, using the opinions of experts in a fuzzy Delphi study, the explored factors are refined with a future-research perspective. In final step, it has prioritized the approved components from the experts' point of view with the help of the fuzzy best worst method. The results show that managerial infrastructure with 30.8% and cultural infrastructure with 27.3% play the most important role in the maturity of digital transformation of the studied industry. Also, components of processes and digital strategy in the management infrastructure, digital culture and cooperation in the cultural infrastructure, technology and digital ecosystem in the technology infrastructure, and digital skills and customer insight in the human infrastructure are the most important

کلیدواژه‌ها [English]

  • Technology Foresight
  • Critical Success Factors
  • digital transformation maturity
  • Cultural infrastructure
  • Industry 4.0

مراجع

  • محمدی فاتح، اصغر. و ابراهیمی، سید عباس. (1399). شناسایی و رتبه‌بندی فناوری‌های اطلاعاتی نوظهور در بخش دفاعی- نظامی. آینده‌پژوهی دفاعی، 5(17): 143-171.
  • هادی‌نژاد، فرهاد. (1398). شناسایی و وزندهی شاخص‌های ارزیابی روش‌های آینده‌پژوهی در حوزه دفاعی با رویکرد ترکیبی دلفی فازی و تحلیل سلسله مراتبی فازی. آینده‌پژوهی دفاعی، 4(15): 109-128.
  • Asad Amraji, E., Mohammadian, A., Rajab Zadeh Ghatari, A., & Shoar, M. (2020). A Digital Transformation Maturity Model Based on Mixed Method: Case Study of Pharmaceutical Companies. Iranian Journal of Information Management, 5(2), 48-69.
  • Becker, J., Knackstedt, R., & Pöppelbuß, J. (2009). Developing maturity models for IT management. Business & Information Systems Engineering, 1(3), 213-222.
  • Berghaus, S., & Back, A. (2016, September). Stages in Digital Business Transformation: Results of an Empirical Maturity Study. In MCIS (p. 22).
  • Berman, B. (2012). 3-D printing: The new industrial revolution. Business horizons, 55(2), 155-162.
  • Bharadwaj, A., El Sawy, O. A., Pavlou, P. A., & Venkatraman, N. (2013). Digital business strategy: toward a next generation of insights. MIS quarterly, 471-482.
  • Buvat, J., Crummenerl, C., Kar, K., Sengupata, A., Solis, B., Aboud, C., & Al Aoufi, H. (2017). The digital culture challenge: Closing the employee-leadership gap. Hg. v. Capgemini. URL: https://www. capgemini.com/consulting/resources/thedigital-culture-challenge.
  • Canetta, L., Barni, A., & Montini, E. (2018, June). Development of a digitalization maturity model for the manufacturing sector. In 2018 IEEE International Conference on Engineering, Technology and Innovation (ICE/ITMC) (pp. 1-7). IEEE.
  • Cavalli-Sforza, V., & Ortolano, L. (1984). Delphi forecasts of land use: Transportation interactions. Journal of transportation engineering, 110(3), 324-339.
  • Chanias, S., & Hess, T. MANAGEMENT REPORT 2/2016.
  • Cheng, Ch. & Lin, Y. (2002). Evaluating the best mail battle tank using fuzzy decision theory with linguistic criteria evaluation. European Journal of Operational Research, (142):147-186.
  • Dörner, K., & Edelman, D. (2015). What ‘digital’really means. McKinsey & company.
  • Fichman, R. G., Dos Santos, B. L., & Zheng, Z. (2014). Digital innovation as a fundamental and powerful concept in the information systems curriculum. MIS quarterly, 38(2), 329-A15.
  • Fitzgerald, M., Kruschwitz, N., Bonnet, D., & Welch, M. (2014). Embracing digital technology: A new strategic imperative. MIT Sloan management review, 55(2), 1.
  • Frank, A. G., Dalenogare, L. S., & Ayala, N. F. (2019). Industry 4.0 technologies: Implementation patterns in manufacturing companies. International Journal of Production Economics, 210, 15-26.
  • Gill, M., & VanBoskirk, S. (2016). The digital maturity model 4.0. Benchmarks: digital transformation playbook.
  • Gita A. Kumta, Mitul D. Shah. (2002). Capability maturity model a human perspective, Delhi Business Review, 3(1).
  • Glass, R., Meissner, A., Gebauer, C., Stürmer, S., & Metternich, J. (2018). Identifying the barriers to Industrie 4.0. Procedia Cirp, 72, 985-988.
  • Guo, S.; Zhao, H. Fuzzy best-worst multi-criteria decision-making method and its applications. -Based Syst. 2017, 121, 23–31.
  • Hafezalkotob, A.; Hafezalkotob, A. A novel approach for combination of individual and group decisions based on fuzzy best-worst method. Soft Comput. 2017, 59, 316–325.
  • Henriette, E., Feki, M., & Boughzala, I. (2016, September). Digital Transformation Challenges. In MCIS (p. 33).
  • Hess, T., Matt, C., Benlian, A., & Wiesböck, F. (2016). Options for formulating a digital transformation strategy. MIS Quarterly Executive, 15(2).
  • Hsu, Y. L., Lee, C. H., & Kreng, V. B. (2010). The application of Fuzzy Delphi Method and Fuzzy AHP in lubricant regenerative technology selection. Expert Systems with Applications, 37(1), 419-425.
  • Ishikawa, A., Amagasa, M., Shiga, T., Tomizawa, G., Tatsuta, R., & Mieno, H. (1993). The max-min Delphi method and fuzzy Delphi method via fuzzy integration. Fuzzy sets and systems, 55(3), 241-253.
  • Yagiz Akdil, A. Ustundag and E. Cevikcan. (2018). Maturity and Readiness Model for Industry 4.0 Strategy, Springer International Publishing Switzerland 2018. https://doi.org/10.1007/978-3-319-57870-5_4.
  • Kamble, S. S., Gunasekaran, A., & Sharma, R. (2020). Modeling the blockchain enabled traceability in agriculture supply chain. International Journal of Information Management, 52, 101967.
  • Kane, G. C., Palmer, D., Nguyen-Phillips, A., Kiron, D., & Buckley, N. (2017). Achieving digital maturity. MIT Sloan Management Review, 59(1).
  • Kannan, Y., Skantz, T.R., Higgs, J.L. (2014). The impact  of  CEO  and  CFO  equity  incentives  on  audit scope  and  perceived  risk  as  revealed  through  audit fees.  Auditing, A Journal of Practice and Theory, 33 (2), 111-139.
  • Lahrmann, G., Marx, F., Winter, R., & Wortmann, F. (2011, January). Business intelligence maturity: Development and evaluation of a theoretical model. In 2011 44th Hawaii International Conference on System Sciences (pp. 1-10). IEEE.
  • Leignel, J. L., Ungaro, T., & Staar, A. (2017). Transformation numérique: évaluation de la gouvernance du SI (Vol. 6). ISTE Group.
  • Liu, D. Y., Chen, S. W., & Chou, T. C. (2011). Resource fit in digital transformation: Lessons learned from the CBC Bank global e‐banking project. Management Decision.
  • Lucas Jr, H., Agarwal, R., Clemons, E. K., El Sawy, O. A., & Weber, B. (2013). Impactful research on transformational information technology: An opportunity to inform new audiences. Mis Quarterly, 371-382.
  • MA. Carlisle. (2016). Building a Successful Digital Transformation Roadmap, early information science, PO Box 292 Carlisle, MA 01741, P: 781-444-0287, www.earley.com.
  • Mithas, S., Tafti, A., & Mitchell, W. (2013). How a firm's competitive environment and digital strategic posture influence digital business strategy. MIS quarterly, 511-536.
  • Mou, Q.; Xu, Z.; Liao, H. (2016). An intuitionistic fuzzy multiplicative best-worst method for multi-criteria group decision making. Sciences, 374, 224–239.
  • Mullen, P. M. (2003). Delphi: myths and reality. Journal of health organization and management.
  • Napoleone, A., Macchi, M., & Pozzetti, A. (2020). A review on the characteristics of cyber-physical systems for the future smart factories. Journal of manufacturing systems, 54, 305-335.
  • Okoli, C., & Pawlowski, S. D. (2004). The Delphi method as a research tool: an example, design considerations and applications. Information & management, 42(1), 15-29.
  • Piccinini, E., Hanelt, A., Gregory, R., & Kolbe, L. (2015). Transforming industrial business: the impact of digital transformation on automotive organizations.
  • Pivoto, D. G., de Almeida, L. F., da Rosa Righi, R., Rodrigues, J. J. P. C., Lugli, A. B., & Alberti, A. M. (2021). Cyber-physical systems architectures for industrial internet of things applications in Industry 4.0: A literature review. Journal of Manufacturing Systems, 58, 176-192.
  • Pöppelbuß, J., & Röglinger, M. (2011). What makes a useful maturity model? A framework of general design principles for maturity models and its demonstration in business process management.
  • Rauch, E., Linder, C., & Dallasega, P. (2020). Anthropocentric perspective of production before and within Industry 4.0. Computers & Industrial Engineering, 139, 105644.
  • Remane, G., Hanelt, A., Nickerson, R. C., & Kolbe, L. M. (2017). Discovering digital business models in traditional industries. Journal of Business Strategy.
  • Rezaei, J. Best-worst multi-criteria decision-making method. Omega, 53, 49–57.
  • Ryan, G. (2010). Guidance notes on planning a systematic review. Galway: James Hardiman Library, National University of Ireland Galway.
  • Schallmo, D., Williams, C. A., & Boardman, L. (2017). Digital transformation of business models—best practice, enablers, and roadmap. International journal of innovation management, 21(08), 1740014.
  • Schuchmann, D., & Seufert, S. (2015). Corporate learning in times of digital transformation: a conceptual framework and service portfolio for the learning function in banking organisations. International Journal of Corporate Learning (iJAC), 8(1), 31-39.
  • Shahiduzzaman, M., & Kowalkiewicz, M. (2018). Digital organisation: A value centric model for digital transformation. In AOM Specialized Conference: Big Data and Managing in a Digital Economy (pp. 1-1).
  • Siddaway, A.P. Meiser-Stedman, R., Serpell, L., & Field, A.P. (2014). A meta-analysis of risk factors for post-traumatic stress disorder in children and adolescents. Clinical Psychology Review,32, 122-138
  • Teichert, R. (2019). Digital transformation maturity: A systematic review of literature. Acta universitatis agriculturae et silviculturae mendelianae brunensis, 67(6), 1673-1687.
  • Vaidya, S., Ambad, P., & Bhosle, S. (2018). Industry 4.0–a glimpse. Procedia manufacturing, 20, 233-238.
  • Valdez-de-Leon, O. (2016). A digital maturity model for telecommunications service providers. Technology innovation management review, 6(8).
  • Von Leipzig, T., Gamp, M., Manz, D., Schöttle, K., Ohlhausen, P., Oosthuizen, G. & von Leipzig, K. (2017). Initialising customer-orientated digital transformation in enterprises. Procedia Manufacturing, 8, 517-524.
  • Westerman, G., & Bonnet, D. (2015). Revamping your business through digital transformation. MIT Sloan Management Review, 56(3), 10.
  • Wischnevsky, J. D., & Damanpour, F. (2006). Organizational transformation and performance: An examination of three perspectives. Journal of Managerial Issues, 104-128.

Yannascoli, S. M., Schenker, M. L., Carey, J. L., Ahn, J., & Baldwin, K. D. (2013). How to write a systematic review: a step-by-step guide. University of Pennsylvania Orthopaecic journal, 64-69.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار