Utnyttelse av blokkjede og kunstig intelligens i innkjøp og forsyningskjedestyring: En strategisk tilnærming for Walmart

Denne artikkelen ble først publisert på Dr. Craig Wrights blogg, og vi publiserte på nytt med tillatelse fra forfatteren.

Introduksjon

Walmart Inc. (NASDAQ: WMT), med hovedkontor i Bentonville, Arkansas, er verdens største detaljhandelsselskap etter inntekter og ansatte (Bank Muñoz et al., 2018). Walmart driver ulike formater av utsalgssteder i 27 land under 55 forskjellige navn, og har en omfattende global forsyningskjede. De viktigste produktkategoriene inkluderer dagligvarer, klær, hjemmevarer og elektronikk, som er hentet fra en rekke nasjonale og internasjonale leverandører. Denne artikkelen utforsker de kritiske usikkerhetene i Walmarts innkjøps- og forsyningsstyring og gir anbefalinger for å håndtere disse usikkerhetene og forbedre leverandørforhold.

1. Store usikkerhetsmomenter som påvirker innkjøp og forsyningsstyring

Som et av de største multinasjonale detaljhandelselskapene er Walmarts innkjøps- og forsyningskjedestyringsaktiviteter betydelig påvirket av ulike usikkerhetsmomenter. Først blant disse er geopolitiske forstyrrelser (Yeung & Coe, 2015). Endringer i handelspolitikk, innføring av tollsatser eller innføring av sanksjoner kan drastisk påvirke kostnadene og tilgjengeligheten av varer. For å opprettholde effektiviteten og effektiviteten til forsyningskjeden, må Walmart kontinuerlig overvåke og tilpasse seg slike policyendringer.

Miljøhensyn utgjør en annen betydelig usikkerhet. Gitt det globale omfanget av virksomheten, kan Walmarts forsyningsruter bli betydelig påvirket av miljøkatastrofer som orkaner, flom eller branner. For eksempel kan en flom i en region der en nøkkelleverandør befinner seg forstyrre produksjonen eller forsendelsen av varer, og påvirke Walmarts evne til å lagerføre butikkene og betjene kundene (McKnight & Linnenluecke, 2019).

Økonomiske svingninger utgjør også en betydelig utfordring. Forbrukere kan redusere utgifter i økonomiske nedgangstider, redusere etterspørselen (Greenwald & Stiglitz, 1993). Alternativt, i perioder med økonomisk vekst, kan økt konkurranse drive opp prisene på varer, noe som påvirker Walmarts kostnadsstruktur. I begge scenariene må Walmarts innkjøps- og forsyningsstyringsaktiviteter være smidige nok til å tilpasse seg disse endringene, noe som kan innebære å søke mer kostnadseffektive leverandører eller justere innkjøpsstrategier for å matche endret etterspørsel.

En annen betydelig usikkerhet er den raske utviklingen av teknologi. Detaljhandelen digitaliseres i økende grad, med e-handel som fremstår som et betydelig vekstområde (Dekhne et al., 2019). Som sådan må Walmart sikre at innkjøps- og forsyningsstyringsaktiviteter kan holde tritt med disse teknologiske fremskritt. Dette kan innebære å integrere digitale verktøy for å strømlinjeforme anskaffelsesprosesser eller dataanalyse for å ta mer informerte kjøpsbeslutninger.

Til slutt kan endringer i forbrukeratferd ha en betydelig innvirkning på Walmarts innkjøp og forsyningsstyring (Mason et al., 2020). Et økende antall forbrukere søker bærekraftige og etisk hentede produkter, så Walmart må tilpasse innkjøpsstrategiene sine deretter. Dette kan innebære strengere undersøkelser av leverandører for å sikre at de oppfyller disse bærekrafts- og etiske standardene eller prioritering av leverandører som gjør det.

I hovedsak er usikkerheten Walmart står overfor i sin innkjøps- og forsyningsstyring mangefasetterte og komplekse, noe som krever en dynamisk og tilpasningsdyktig tilnærming. Etter hvert som verden utvikler seg, vil disse utfordringene sannsynligvis vedvare og til og med forsterkes, noe som understreker viktigheten av effektive innkjøps- og forsyningsstyringsstrategier for å opprettholde Walmarts konkurransefortrinn (Bank Muñoz et al., 2018).

2. Håndtere virkningen av usikkerhet

For å dempe de potensielle konsekvensene av disse usikkerhetene, kan Walmart implementere ulike strategier som ikke bare utnytter den eksisterende kapasiteten, men også omfavner banebrytende teknologier som blokkjede (Tan et al., 2018). Kjernen i disse strategiene er å etablere en diversifisert forsyningsbase og logistikknettverk, som tilbyr Walmart-fleksibilitet i møte med geopolitiske forstyrrelser.

Ved å hente inn fra flere regioner kan Walmart sikre seg mot endringer i handelspolitikk eller sanksjoner som uforholdsmessig påvirker visse regioner. På samme måte, som svar på miljøkriser, kan et diversifisert logistikknettverk sikre alternative forsyningsveier, og dermed opprettholde vareflyten.

Risikovurdering og beredskapsplanlegging er viktige komponenter i Walmarts strategi (Sheffi, 2009). Denne proaktive tilnærmingen innebærer systematisk identifisering og evaluering av potensielle risikoer og opprettelse av beredskapsplaner for å takle disse risikoene effektivt. For eksempel, hvis en kritisk leverandør er i en region utsatt for naturkatastrofer, kan det å ha en beredskapsplan, som å identifisere alternative leverandører eller øke lagernivået, gi et sikkerhetsnett som sikrer uavbrutt forsyning.

Teknologiske fremskritt, spesielt blockchain (Christopher, 2016), kan tilby
transformative løsninger for Walmarts innkjøps- og forsyningsadministrasjonsaktiviteter. Blokkjedeteknologi kan gi en transparent og uforanderlig hovedbok, som sikrer sporbarhet og verifisering av transaksjoner langs forsyningskjeden. Dette kan hjelpe til med å ta mer informerte kjøpsbeslutninger og øke tilliten blant alle interessenter. Walmart kan også bruke skybaserte anskaffelsesløsninger for å effektivisere driften, forbedre effektiviteten og muliggjøre sanntidssamarbeid med leverandører, forbedre responstider og beslutningsprosesser.

Den økende etterspørselen etter bærekraftige og etiske produkter krever økt fokus på bærekraft i innkjøpsaktiviteter. Blockchain kan spille en betydelig rolle her ved å gi synlighet til leverandørenes praksis og bekrefte overholdelse av bærekraftige og etiske standarder (Ahmad et al., 2021). Ved å prioritere leverandører som viser solide forpliktelser til bærekraft og etisk praksis, selv om prisene deres er litt høyere, kan Walmart forbedre merkevarebildet og oppnå langsiktig kundelojalitet.

I møte med økonomiske svingninger er kostnadseffektive strategier viktig. Walmart kan styrke forholdet til leverandører for å forhandle frem bedre vilkår og betingelser. Å forplikte seg til langsiktige kontrakter med leverandører, tilrettelagt av smarte blokkjedekontrakter (Cong & He, 2019), kan sikre lavere priser og garantere forsyning, selv under økonomiske nedgangstider. Disse smarte kontraktene kan automatisere transaksjoner basert på forhåndsinnstilte regler, redusere administrative kostnader og sannsynligheten for tvister.

Når Walmart navigerer i kompleksiteten og usikkerheten som er iboende i den globale detaljhandelssektoren, kan strategisk planlegging og dyktig anvendelse av banebrytende teknologier som blockchain og kunstig intelligens (AI) bidra til å redusere risikoer og opprettholde operasjonell effektivitet. Blokkjedeteknologi legger vekt på åpenhet, sporbarhet og sikkerhet og lar Walmart håndtere risiko knyttet til forfalskede varer, forsyningskjedeavbrudd og leverandøroverholdelse (Ahram et al., 2017). Blockchains uforanderlige, desentraliserte reskontrosystem sikrer ektheten til varer, sporer deres reise gjennom forsyningskjeden og registrerer leverandørens overholdelse av avtalte standarder og kontrakter. Dette nivået av synlighet og ansvarlighet hjelper til med å håndtere usikkerhet knyttet til kvalitet og levering, samtidig som det fremmer tillit mellom Walmart, dets leverandører og dets kunder.

Videre åpner integrering av kunstig intelligens med blokkjede nye veier for å håndtere risiko og usikkerhet (Charles et al., 2023). AIs prediktive analyser kan analysere blokkjededata for å forutsi potensielle forsyningskjedeavbrudd, noe som gir Walmart en proaktiv holdning til å håndtere disse risikoene. For eksempel kan maskinlæringsalgoritmer bruke data som er lagret på blokkjeden til å forutsi mulige leveringsforsinkelser eller identifisere leverandører som utgjør en risiko på grunn av tidligere manglende overholdelsesproblemer.

AI kan også optimere lagerbeholdningen ved å forutsi etterspørselsmønstre, og hjelpe Walmart med å unngå lagerbeholdninger og overlager, som utgjør økonomisk risiko. I tillegg kan AIs kapasitet til å analysere enorme mengder data hjelpe Walmart med å forutse endringer i forbrukeratferd, markedstrender eller regulatoriske endringer, og dermed utruste selskapet til å reagere effektivt og rettidig, og redusere risikoen for foreldelse eller manglende overholdelse (Natanelov et al. , 2022).

Å kombinere blokkjede og kunstig intelligens kan skape et robust rammeverk for risikostyring for Walmart (Kashem et al., 2023). Blockchain gir en pålitelig oversikt over transaksjoner og bevegelser over hele forsyningskjeden, mens AI analyserer disse dataene for å forutsi potensielle risikoer og gi strategiske anbefalinger. Denne fusjonen ivaretar Walmarts innkjøps- og forsyningsstyringsaktiviteter og sikrer en konsistent tilførsel av varer som møter kundenes behov og forventninger. Effektiv håndtering av usikkerheter gjennom disse avanserte teknologiene forsterker Walmarts konkurranseposisjon i detaljhandelen, noe som gjør det mulig å levere overlegen kundeverdi og opprettholde operasjonell fortreffelighet, selv i møte med endret markedsdynamikk og uforutsette forstyrrelser (Deiva Ganesh & Kalpana, 2022).

3. Anskaffelses- og forsyningsstyringspraksis

Effektiv anskaffelses- og forsyningsstyringspraksis er sentral i en stadig mer kompleks global detaljhandel. Blockchain, et distribuert og gjennomsiktig hovedboksystem, kan forsterke denne praksisen, og forbedre Walmarts konkurranseevne betydelig. Sentralt i denne strategien er å fremme robuste samarbeidsforhold med leverandører hvor gjensidige mål er sammenvevd. Blockchains åpenhet og sporbarhet kan åpne nye veier for samarbeid, som strekker seg fra felles produktutviklingsinitiativer til felles bærekraftsmål, og dermed øke produktkvaliteten og den generelle operasjonelle effektiviteten (Tan et al., 2018).

Blockchain-tokens kan revolusjonere Walmarts forsyningskjede ved å gi sanntidssynlighet og sporbarhet (Alkhader et al., 2020). Disse digitale tokenene representerer fysiske eiendeler og kan spores gjennom hele forsyningskjeden, fra råvarestadiet til sluttforbrukeren. Dette kan hjelpe Walmart med å sikre produktets autentisitet, overvåke produktbevegelser og identifisere flaskehalser eller ineffektivitet i forsyningskjeden, og dermed redusere tap knyttet til forfalskninger, tyveri og ineffektivitet. Denne typen synlighet kan også forsikre forbrukerne om opprinnelsen og kvaliteten på kjøpene deres, og forbedre Walmarts merkevareimage og pålitelighet.

Et viktig aspekt ved denne praksisen er regelmessig kommunikasjon og åpenhet, et område hvor blokkjede kan gi betydelige fordeler. Blockchain kan legge til rette for sanntidsdatadeling på tvers av forsyningskjeden, noe som fører til proaktiv problemløsning og idéutveksling. Dette nivået av åpenhet gjør det også mulig for Walmart å dele sine forretningsstrategier og forventninger med leverandører, noe som hjelper dem med å samordne driften mer effektivt (Bertino et al., 2019).

Å overvåke leverandørens ytelse kontinuerlig og gi konstruktiv tilbakemelding er et annet kritisk område der blokkjede kan spille en transformativ rolle. Med blockchain kan Walmart lage en uforanderlig, nøyaktig oversikt over leverandørytelsesindikatorer som kvalitet, levering, kostnader og innovasjon (Ozdayi et al., 2020). Klarheten som tilbys av denne teknologien gjør det mulig for leverandører å forstå sine forbedringsområder og justere målene deres med Walmarts mål. I tillegg kan Walmart lansere kapasitetsbyggende initiativer, for eksempel opplæringsprogrammer om blokkjedeteknologi, for å forbedre leverandørens evner og deres komfort med å ta i bruk denne teknologien.

Videre kan det motiverende aspektet ved leverandørstyring også forbedres gjennom blokkjede. Langsiktige kontrakter kan utføres som smarte kontrakter på en blokkjede, som gir leverandører sikkerhet og demonstrerer Walmarts forpliktelse til forholdet (Natanelov et al., 2022). På samme måte kan ytelsesbaserte insentiver automatiseres gjennom blockchain. Som anerkjennelse for eksepsjonell ytelse eller innovasjon, kan leverandører bli belønnet gjennom tokeniserte insentiver på blokkjedeplattformen.

Dessuten kan det å introdusere Central Bank Digital Currencies (CBDCs) i Walmarts betalingssystem redusere transaksjonskostnadene og forenkle betalinger over landegrensene. Denne digitale valutaen, styrt av et lands sentralbank, kan strømlinjeforme betalingsprosessen, redusere transaksjonstider og redusere forretningskostnadene (Kim et al., 2022). Bruk av CBDC kan også redusere avhengigheten av tradisjonelle banksystemer, minimere risikoen for betalingsforsinkelser og tilføre mer verdi til Walmarts innkjøps- og forsyningsstyringsaktiviteter.

Gjennom disse blokkjede-drevne praksisene kan Walmart etablere et harmonisk forhold til sine leverandører, tilpasse seg sine strategiske mål, redusere tap og styrke sin konkurranseposisjon. Kombinasjonen av blokkjedeteknologi og den potensielle bruken av CBDC vil revolusjonere Walmarts anskaffelses- og forsyningsstyring, øke kostnadseffektiviteten og forbedre transparens og sporbarhet (Tan et al., 2018).

4. Leverandørevaluering og utvelgelsesprosess

Leverandørevalueringen og utvelgelsesprosessen hos Walmart krever nøye vurdering av en rekke faktorer, inkludert bransjekontekst, selskapets strategiske prioriteringer, arten av forsyningsmarkedet og egenskapene til forsyningsnettverket. Siden Walmarts driftsmodell er avhengig av å tilby lavkostprodukter, er leverandørvalgsprosessen rettet mot å identifisere leverandører som konsekvent leverer varer av høy kvalitet til konkurransedyktige priser (Ross, 2008).

Dynamikken i detaljhandelen og forbrukernes forventninger som utvikler seg krever imidlertid en mer nyansert tilnærming. Fokus bør være på kostnader, pålitelighet og strategisk tilpasning. Dette betyr å velge leverandører hvis forretningsstrategier, verdier og mål stemmer overens med Walmarts, noe som kan føre til mer samarbeidende og gjensidig fordelaktige relasjoner (Ross, 2008).

Videre har bærekraft blitt en kritisk prioritet for mange forbrukere og bedrifter (Bateh et al., 2014). Dette garanterer en større vekt på bærekraftspraksisen til leverandørene i utvelgelsesprosessen. Leverandører som viser faste forpliktelser til bærekraft, for eksempel de med ansvarlige anskaffelser og avfallsreduksjonspraksis, kan hjelpe Walmart med å imøtekomme den økende etterspørselen etter etisk fremskaffede og miljøvennlige produkter.

Teknologi med kunstig intelligens (AI) er i forkant når det gjelder å transformere detaljhandelen, drive ny effektivitet og konkurransefortrinn. Leverandører som på dyktig måte utnytter disse fremskrittene kan gi Walmart en strategisk fordel i et svært konkurranseutsatt marked, og forbedrer alle aspekter av forsyningskjeden, fra produksjon til logistikk (Deiva Ganesh & Kalpana, 2022).

AI gir enestående muligheter til å kartlegge bevegelsen av varer og tjenester, noe som gjør forsyningskjeden mer transparent og effektiv (Deiva Ganesh & Kalpana, 2022). Leverandører som bruker AI kan bruke prediktiv analyse for å forutsi etterspørselen nøyaktig, slik at de kan justere produksjonen i sanntid og minimere avfall. AI kan også analysere et vell av data fra ulike kilder for å identifisere trender og mønstre, og dermed forutsi potensielle forstyrrelser i forsyningskjeden. Ved å gjenkjenne disse forstyrrelsene på forhånd, kan Walmart iverksette proaktive tiltak for å dempe eventuelle negative påvirkninger, og dermed opprettholde en konsistent forsyning av varer.

Kunstig intelligens kan også optimere forsyningshold, redusere kostnadene forbundet med over- eller underlager. Maskinlæringsalgoritmer kan analysere historiske salgsdata og variabler som sesongvariasjoner, reklameaktiviteter og økonomiske indikatorer for nøyaktig å forutsi fremtidig salg (Punia & Shankar, 2022). Dette muliggjør presis lagerstyring, og sikrer at Walmart har riktig lager til rett tid. Effektiv lagerstyring reduserer kostnadene og øker kundetilfredsheten ved å unngå varelager og sikre at produktene er tilgjengelige når forbrukerne ønsker dem.

AI kan også automatisere og optimalisere logistikk, et kritisk område for en global forhandler som Walmart. AI-drevne logistikkløsninger kan bestemme de mest effektive rutene, med tanke på faktorer som trafikk, værforhold og drivstoffkostnader, for å sikre rettidig og kostnadseffektiv levering av varer (Punia & Shankar, 2022). Dessuten kan leverandører utstyrt med AI-funksjoner støtte Walmart i å tilby mer innovative produkter til sine kunder. AI kan analysere forbrukeratferd og preferanser for å identifisere hull i markedet eller forutsi kommende trender, og veilede utviklingen av nye, svært målrettede produkter.

Leverandører som integrerer AI i driften kan gi Walmart et betydelig konkurransefortrinn. Fra å forbedre effektiviteten i produksjon og logistikk til å forbedre produkttilbud basert på kundenes preferanser, AI-drevne leverandører kan hjelpe Walmart med å navigere i kompleksiteten i detaljhandelen (Tarallo et al., 2019). Gjennom disse teknologidrevne partnerskapene kan Walmart holde seg i forkant av detaljhandelen, møte og overgå kundenes forventninger samtidig som den forbedrer bunnlinjen.

For å forbedre den generelle effektiviteten til leverandørevalueringen og -utvelgelsesprosessen, kan Walmart vurdere å ta i bruk et omfattende leverandørmålekort knyttet til et maskinlæringssystem (Guan et al., 2023). Dette vil innebære å vurdere potensielle leverandører på en rekke kriterier, ikke bare kostnader og pålitelighet, men også økonomisk helse, operasjonell effektivitet, bærekraftsinnsats og kapasitet for innovasjon. Ved å gjøre det kan Walmart sikre en mer helhetlig vurdering av leverandører, noe som fører til bedre informerte valgbeslutninger som stemmer overens med selskapets strategiske mål og de utviklende kravene til detaljhandelen.

konklusjonen

Som en titan i den globale detaljhandelsindustrien, er Walmarts anskaffelses- og forsyningskjedestyringspraksis avgjørende for å forme ytelsen og konkurransedyktigheten (Bank Muñoz et al., 2018). Selskapet står overfor mange usikkerhetsmomenter, inkludert geopolitiske forstyrrelser, miljøspørsmål, økonomiske svingninger, teknologiske fremskritt og utviklende forbrukerpreferanser. Slike kompleksiteter kan ha betydelig innvirkning på Walmarts innkjøps- og forsyningskjedeaktiviteter. For å navigere i slike usikkerheter, må Walmart implementere en mangefasettert tilnærming, inkludert diversifisering av forsyningsbasen, vedta robust risikovurdering og beredskapsplanlegging, omfavne teknologiske fremskritt, fokusere på bærekraft og etablere kostnadseffektive strategier.

Ved å evaluere leverandørutvelgelsesprosessen fra industrikontekstperspektivet, avslører Walmarts strategiske prioriteringer, forsyningsmarkedet og forsyningsnettverksegenskaper muligheter for ytterligere forbedring. Selv om kostnadseffektivitet og pålitelighet er avgjørende, kan en utvidelse av kriteriene til å inkludere strategisk innretting, bærekraft og teknologiske evner til leverandører optimalisere utvelgelsesprosessen. Å innlemme et omfattende leverandørmålekort og vurdere et bredere spekter av kriterier som finansiell helse, operasjonell effektivitet, bærekraftsinnsats og innovasjonskapasitet kan gi mer helhetlige evalueringer.

For at Walmart skal optimere innkjøps- og forsyningsstyringen, må den kontinuerlig tilpasse seg og innovere, imøtekomme det dynamiske industrilandskapet og kundenes skiftende behov og forventninger. Ved å håndtere usikkerhet på en effektiv måte, styrke leverandørforhold og avgrense leverandørevalueringen og -utvelgelsesprosessen, kan Walmart styrke forsyningskjeden, forbedre konkurranseevnen og posisjonere seg for langsiktig suksess i den globale detaljhandelsindustrien.

Referanser

Ahmad, R. W., Hasan, H., Jayaraman, R., Salah, K., & Omar, M. (2021). Blokkjedeapplikasjoner og -arkitekturer for havnedrift og logistikkstyring. Forskning innen transportvirksomhet og ledelse, 41, 100620. https://doi.org/10.1016/j.rtbm.2021.100620
Ahram, T., Sargolzaei, A., Sargolzaei, S., Daniels, J., & Amaba, B. (2017). Blockchain-teknologiinnovasjoner. 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). Blokkkjedebasert sporbarhet og styring for additiv produksjon. IEEE-tilgang, 8, 188363–188377. https://doi.org/10.1109/ACCESS.2020.3031536
Bank Muñoz, C., Kenny, B., & Stecher, A. (red.). (2018). Walmart i det globale sør: Arbeidsplasskultur, arbeidspolitikk og forsyningskjeder. University of Texas Press. https://doi.org/10.7560/315675
Bateh, J., Heaton, C., Arbogast, G. W., & Broadbent, A. (2014). Definere bærekraft i forretningsmiljøet. Journal of Sustainability Management (JSM), 1(1), 1–4. https://doi.org/10.19030/jsm.v1i1.8386
Bertino, E., Kundu, A., & Sura, Z. (2019). Datatransparens med Blockchain og AI-etikk. 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). En kritisk analyse av integreringen av blokkjede og kunstig intelligens for forsyningskjeden. Annals of Operations Research. https://doi.org/10.1007/s10479-023-05169-w
Christopher, M. (2016). Logistikk & Supply Chain Management. Pearson Storbritannia.
Cong, LW, & He, Z. (2019). Blockchain-avbrudd og smarte kontrakter. Gjennomgangen av økonomiske studier, 32(5), 1754–1797. https://doi.org/10.1093/rfs/hhz007
Deiva Ganesh, A., & Kalpana, P. (2022). Fremtiden for kunstig intelligens og dens innflytelse på risikostyring i forsyningskjeden - En systematisk gjennomgang. Datamaskiner og industriteknikk, 169, 108206. https://doi.org/10.1016/j.cie.2022.108206
Dekhne, A., Hastings, G., Murnane, J., & Neuhaus, F. (2019). Automatisering i logistikk: Stor mulighet, større usikkerhet. McKinsey Q, 24.
Greenwald, B.C., & Stiglitz, J.E. (1993). Ufullkommenheter i finansmarkedet og konjunktursykluser. The Quarterly Journal of Economics, 108(1), 77–114. https://doi.org/10.2307/2118496
Guan, W., Ding, W., Zhang, B., Verny, J., & Hao, R. (2023). Forsterker forsyningskjederelaterte faktorer prediksjonsnøyaktigheten av blockchain-adopsjon? En maskinlæringstilnærming. Teknologisk prognose og sosial endring, 192, 122552. https://doi.org/10.1016/j.techfore.2023.122552
Kashem, M. A., Shamsuddoha, M., Nasir, T., & Chowdhury, A. A. (2023). Supply Chain Disruption versus Optimization: En gjennomgang av kunstig intelligens og blokkjede. Kunnskap, 3(1), 80–96. https://doi.org/10.3390/knowledge3010007
Kim, K., Tetlow, R. J., Infante, S., Orlik, A., & Silva, A. F. (2022). De makroøkonomiske implikasjonene av CBDC: En gjennomgang av litteraturen. Diskusjonsserie for finans og økonomi, 2022-076, 1–65. https://doi.org/10.17016/feds.2022.076
Mason, A., Narcum, J., & Mason, K. (2020). Endringer i forbrukernes beslutningstaking som følge av COVID-19-pandemien. Journal of Customer Behavior, 19(4), 299–321. https://doi.org/10.1362/147539220X16003502334181
McKnight, B., & Linnenluecke, M. K. (2019). Mønstre for faste reaksjoner på ulike typer naturkatastrofer. Næringsliv og samfunn, 58(4), 813–840. https://doi.org/10.1177/0007650317698946
Natanelov, V., Cao, S., Foth, M., & Dulleck, U. (2022). Blockchain smarte kontrakter for forsyningskjedefinansiering: Kartlegging av innovasjonspotensialet i Australia-Kina forsyningskjeder for storfekjøtt. Journal of Industrial Information Integration, 30, 100389. https://doi.org/10.1016/j.jii.2022.100389
Ozdayi, M. S., Kantarcioglu, M., & Malin, B. (2020). Utnytte blokkjede for uforanderlig logging og spørring på tvers av flere nettsteder. BMC Medical Genomics, 13(7), 82. https://doi.org/10.1186/s12920-020-0721-2
Punia, S., & Shankar, S. (2022). Prediktiv analyse for etterspørselsprognoser: Et dypt læringsbasert beslutningsstøttesystem. Kunnskapsbaserte systemer, 258, 109956. https://doi.org/10.1016/j.knosys.2022.109956
Ross, DF (2008). Den intime forsyningskjeden: Utnytte forsyningskjeden for å administrere kundeopplevelsen. CRC Trykk.
Sheffi, Y. (2009). Forretningskontinuitet: En systematisk tilnærming. I Global Business og terrortrusselen. Edward Elgar Publishing. https://www.elgaronline.com/display/edcoll/9781847208507/9781847208507.00007.xml
Tan, B., Yan, J., Chen, S., & Liu, X. (2018). The Impact of Blockchain on Food Supply Chaden: The Case of Walmart. I M. Qiu (red.), Smart blokkjede (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). Maskinlæring i å forutsi etterspørselen etter raske forbruksvarer: en utforskende forskning. IFAC-PapersOnLine, 52(13), 737–742. https://doi.org/10.1016/j.ifacol.2019.11.203
Yeung, H. W., & Coe, N. (2015). Mot en dynamisk teori om globale produksjonsnettverk. Økonomisk geografi, 91(1), 29–58. https://doi.org/10.1111/ecge.12063

Se: AI er for å "øke" ikke erstatte arbeidsstyrken

Ny på blockchain? Sjekk ut CoinGeeks Blockchain for Beginners-seksjonen, den ultimate ressursguiden for å lære mer om blockchain-teknologi.