Le rôle de l’analyse des données dans la performance résiliente des PME en Afrique du Sud.
Mots-clés :
PME ; Analyse de données ; Risque; PerformanceRésumé
Objectif: La pandémie de COVID-19 a créé des défis sans précédent pour les entreprises du monde entier, en particulier pour les petites et moyennes entreprises (PME). La pandémie a créé de nouveaux risques et incertitudes auxquels les PME doivent faire face pour rester opérationnelles et compétitives. Pour relever ces défis, les PME doivent adopter des pratiques innovantes pour survivre et prospérer. Des études récentes ont montré que l’analyse des données devient de plus en plus un facteur clé dans la performance des entreprises. Ainsi, cette étude vise à évaluer empiriquement l’importance de l’analyse des données pour générer des performances résilientes. Essentiellement, cet article élucide le rôle stratégique de l’analyse des données en tant que l’un des éléments clés d’un monde axé sur l’intelligence artificielle, pour favoriser la performance durable des entreprises.
Méthodologie: La recherche a utilisé un ensemble de données distinctif de 450 PME en Afrique du Sud. Des techniques d’apprentissage automatique, en particulier Random Forest et Support Vector Regression (SVR), ont été utilisées pour modéliser l’influence de l’analyse des données sur les performances des PME pendant la pandémie de Covid-19. Cette approche a facilité un examen détaillé de la corrélation entre l’adoption de l’analyse des données et la résilience organisationnelle dans des circonstances sans précédent.
Résultats: L'analyse des données peut aider les PME à prioriser les questions urgentes, améliorant ainsi leurs performances. Ainsi, l’étude recommande un logiciel d’analyse. Avec l'aide d'un logiciel d'analyse, les PME peuvent obtenir des informations précieuses sur les problèmes critiques qui nécessitent une attention immédiate. En adoptant ces solutions d'analyse de données, les PME peuvent exploiter efficacement leurs données pour générer des informations précieuses qui soutiennent les processus décisionnels.
Originalité/Pertinence: Dans le contexte d'un pays en développement pendant la pandémie de COVID-19, cette étude comble des lacunes importantes dans la littérature en se concentrant sur le rôle de l'analyse des données dans la performance des PME. Bien que des recherches antérieures aient illustré l'importance de l'analyse de données pour les PME des pays développés, cette étude offre de nouvelles perspectives sur sa mise en œuvre et son influence en Afrique du Sud. L'utilisation de techniques avancées d'apprentissage automatique pour analyser un ensemble de données important sur les PME ajoute de la rigueur méthodologique à la recherche.
Mots-clés: PME ; Analyse de données ; Risque; Performance
Téléchargements
Références
Adam, N. A., & Alarifi, G. (2021). Innovation practices for survival of small and medium enterprises (SMEs) in the COVID-19 times: the role of external support. Journal of innovation and entrepreneurship, 10(1), 15. https://doi.org/https://doi.org/10.1186/s13731-021-00156-6
Ajibade, P., & Mutula, S. (2020). Promoting SMEs effectiveness through innovative communication strategies and business-IT alignment. Problems and Perspectives in Management, 18(3), 233-244. https://doi.org/http://dx.doi.org/10.21511/ppm.18(3).2020.20
Almatrooshi, B., Singh, S. K., & Farouk, S. (2016). Determinants of organizational performance: a proposed framework. International Journal of productivity and performance management, 65(6), 844-859.
Asad, M., Altaf, N., & Israr, A. (2020). Data analytics and SME performance: A bibliometric analysis. 2020 International Conference on Data Analytics for Business and Industry: Way Towards a Sustainable Economy (ICDABI),
Bag, S., Wood, L. C., Xu, L., Dhamija, P., & Kayikci, Y. (2020). Big data analytics as an operational excellence approach to enhance sustainable supply chain performance. Resources, Conservation and Recycling, 153, 104559. https://doi.org/https://doi.org/10.1016/j.resconrec.2019.104559
Bhardwaj, S. (2022). Data analytics in small and medium enterprises (SME): a systematic review and future research directions. Information Resources Management Journal (IRMJ), 35(2), 1-18. https://doi.org/10.4018/IRMJ.291691
Brandy, S. (2023). Overcoming Challenges and Unlocking the Potential: Empowering Small and Medium Enterprises (SMEs) with Data Analytics Solutions. International Journal of Information Technology and Computer Science Applications, 1(3), 150-160. https://doi.org/https://doi.org/10.58776/ijitcsa.v1i3.47
Cadden, T., Weerawardena, J., Cao, G., Duan, Y., & McIvor, R. (2023). Examining the role of big data and marketing analytics in SMEs innovation and competitive advantage: A knowledge integration perspective. Journal of Business Research, 168, 114225. https://doi.org/https://doi.org/10.1016/j.jbusres.2023.114225
Ciampi, F., Demi, S., Magrini, A., Marzi, G., & Papa, A. (2021). Exploring the impact of big data analytics capabilities on business model innovation: The mediating role of entrepreneurial orientation. Journal of Business Research, 123, 1-13. https://doi.org/https://doi.org/10.1016/j.jbusres.2020.09.023
Coleman, S., Göb, R., Manco, G., Pievatolo, A., Tort‐Martorell, X., & Reis, M. S. (2016). How can SMEs benefit from big data? Challenges and a path forward. Quality and Reliability Engineering International, 32(6), 2151-2164. https://doi.org/DOI: 10.1002/qre.2008
da Silva, F. A., & Borsato, M. (2017). Organizational performance and indicators: Trends and opportunities. Procedia manufacturing, 11, 1925-1932. https://doi.org/https://doi.org/10.1016/j.promfg.2017.07.336
Dubey, R., Bryde, D. J., Dwivedi, Y. K., Graham, G., Foropon, C., & Papadopoulos, T. (2023). Dynamic digital capabilities and supply chain resilience: The role of government effectiveness. International journal of production economics, 258, 108790. https://doi.org/https://doi.org/10.1016/j.ijpe.2023.108790
Dubey, R., Gunasekaran, A., Childe, S. J., Bryde, D. J., Giannakis, M., Foropon, C., Roubaud, D., & Hazen, B. T. (2020). Big data analytics and artificial intelligence pathway to operational performance under the effects of entrepreneurial orientation and environmental dynamism: A study of manufacturing organisations. International journal of production economics, 226, 107599. https://doi.org/https://doi.org/10.1016/j.ijpe.2019.107599
Erdin, C., & Ozkaya, G. (2020). Contribution of small and medium enterprises to economic development and quality of life in Turkey. Heliyon, 6(2). https://doi.org/10.1016/j.heliyon.2020.e03215
Gherghina, Ș. C., Botezatu, M. A., Hosszu, A., & Simionescu, L. N. (2020). Small and medium-sized enterprises (SMEs): The engine of economic growth through investments and innovation. Sustainability, 12(1), 347. https://doi.org/https://doi.org/10.3390/su12010347
Justy, T., Pellegrin-Boucher, E., Lescop, D., Granata, J., & Gupta, S. (2023). On the edge of Big Data: Drivers and barriers to data analytics adoption in SMEs. Technovation, 127, 102850. https://doi.org/https://doi.org/10.1016/j.technovation.2023.102850
Liu, Y., Soroka, A., Han, L., Jian, J., & Tang, M. (2020). Cloud-based big data analytics for customer insight-driven design innovation in SMEs. International Journal of Information Management, 51, 102034. https://doi.org/https://doi.org/10.1016/j.ijinfomgt.2019.11.002
Mabhungu, I., & Van Der Poll, B. (2017). A review of critical success factors which drives the performance of micro, small and medium enterprises. https://doi.org/10.5539/ijbm.v12n6p151
Mandizha, S. (2020). The Effects of Strategic Entrepreneurship on the Long-term Survival of Small and Medium Enterprises in EThekwini Metropolitan Municipality Durban University of Technology].
Maroufkhani, P., Tseng, M.-L., Iranmanesh, M., Ismail, W. K. W., & Khalid, H. (2020). Big data analytics adoption: Determinants and performances among small to medium-sized enterprises. International Journal of Information Management, 54, 102190.
Mashavira, N., Guvuriro, S., & Chipunza, C. (2022). Driving SMEs’ performance in South Africa: Investigating the role of performance appraisal practices and managerial competencies. Journal of Risk and Financial Management, 15(7), 283.
Mikalef, P., Boura, M., Lekakos, G., & Krogstie, J. (2019). Big data analytics capabilities and innovation: the mediating role of dynamic capabilities and moderating effect of the environment. British Journal of management, 30(2), 272-298. https://doi.org/DOI: 10.1111/1467-8551.12343
Mikalef, P., & Pateli, A. (2018). Strategic Alignment Between IT Flexibility and dynamic Capabilities: An empirical Investigation. https://doi.org/DOI: 10.4018/IJITBAG.2018010101
Mohamed, S. (2024). Using data analytics to drive performance in an organisation: Drive organisational performance using data analytics. RSM. https://www.rsm.global/southafrica/insights/risk-advisory-insights/using-data-analytics-drive-performance-organisation
Naeini, A. B., Abaee, A., & Zamani, M. (2019). Designing a business intelligence conceptual model of supply chain management in sales-based SMEs. International Journal of Logistics Systems and Management, 34(2), 154-171. https://doi.org/https://doi.org/10.1504/IJLSM.2019.102213
O’Connor, C., & Kelly, S. (2017). Facilitating knowledge management through filtered big data: SME competitiveness in an agri-food sector. Journal of Knowledge Management, 21(1), 156-179. https://doi.org/10.1108/JKM-08-2016-0357
Oesterreich, T. D., Anton, E., Teuteberg, F., & Dwivedi, Y. K. (2022). The role of the social and technical factors in creating business value from big data analytics: A meta-analysis. Journal of Business Research, 153, 128-149. https://doi.org/https://doi.org/10.1016/j.jbusres.2022.08.028
Putritamara, J. A., Hartono, B., Toiba, H., Utami, H. N., Rahman, M. S., & Masyithoh, D. (2023). Do Dynamic Capabilities and Digital Transformation Improve Business Resilience during the COVID-19 Pandemic? Insights from Beekeeping MSMEs in Indonesia. Sustainability, 15(3), 1760. https://doi.org/https://doi.org/10.3390/su15031760
Ruivo, P., Oliveira, T., & Neto, M. (2014). Examine ERP post-implementation stages of use and value: Empirical evidence from Portuguese SMEs. International journal of accounting information systems, 15(2), 166-184. https://doi.org/https://doi.org/10.1016/j.accinf.2014.01.002
Saleem, H., Li, Y., Ali, Z., Mehreen, A., & Mansoor, M. S. (2021). An empirical investigation on how big data analytics influence China SMEs performance: do product and process innovation matter? In Corporate Performance and Managerial Ties in China (pp. 9-34). Routledge. https://doi.org/DOI: 10.1080/13602381.2020.1759300
Sarfraz, M., Ivascu, L., Belu, R., & Artene, A. (2021). Accentuating the interconnection between business sustainability and organizational performance in the context of the circular economy: The moderating role of organizational competitiveness. Business Strategy and the Environment, 30(4), 2108-2118. https://doi.org/ https://doi.org/10.1002/bse.2735
Soto-Acosta, P., Popa, S., & Palacios-Marqués, D. (2016). E-business, organizational innovation and firm performance in manufacturing SMEs: an empirical study in Spain. Technological and Economic Development of Economy, 22(6), 885-904. https://doi.org/https://doi.org/10.3846/20294913.2015.1074126
Tarek, B. H., Adel, G., & Sami, A. (2016). The relationship between ‘competitive intelligence’and the internationalization of North African SMEs. Competition & Change, 20(5), 326-336. https://doi.org/https://doi.org/10.1177/1024529416657494
Trabelsi, F. Z., Khtira, A., & El Asri, B. (2023). Employing Data and Process Mining Techniques for Redundancy Detection and Analystics in Business Processes. Ingénierie des Systèmes d'Information, 28(5). https://doi.org/10.18280/isi.280529
Wang, S., & Wang, H. (2020). Big data for small and medium-sized enterprises (SME): a knowledge management model. Journal of Knowledge Management, 24(4), 881-897. https://doi.org/https://doi.org/10.1108/JKM-02-2020-0081
Ward, M., & Rhodes, C. (2014). Small businesses and the UK economy. Standard Note: SN/EP/6078. Office for National Statistics.
Wilhelm, H., Schlömer, M., & Maurer, I. (2015). How dynamic capabilities affect the effectiveness and efficiency of operating routines under high and low levels of environmental dynamism. British Journal of management, 26(2), 327-345. https://doi.org/ https://doi.org/10.1111/1467-8551.12085
Zhou, H. (2021). The influence of key risk drivers on the performance of SMMEs in the manufacturing sector in KwaZulu-Natal
Téléchargements
Publié-e
Comment citer
Numéro
Rubrique
Licence
(c) Tous droits réservés Sharon MANDIZHA, Professor Netswera, Dr Zhou 2025
Cette œuvre est sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.
Les auteurs qui publient dans cette revue acceptent les termes suivants :
- Les auteurs conservent le droit d'auteur et accordent à la revue le droit de première publication, l'ouvrage étant alors disponible simultanément, sous la licence Licence d’attribution Creative Commons permettant à d'autres de partager l'ouvrage tout en en reconnaissant la paternité et la publication initiale dans cette revue.
- Les auteurs peuvent conclure des ententes contractuelles additionnelles et séparées pour la diffusion non exclusive de la version imprimée de l'ouvrage par la revue (par ex., le dépôt institutionnel ou la publication dans un livre), accompagné d'une mention reconnaissant sa publication initiale dans cette revue.
- Les auteurs ont le droit et sont encouragés à publier leur ouvrage en ligne (par ex., dans un dépôt institutionnel ou sur le site Web d'une institution) avant et pendant le processus de soumission, car cela peut mener à des échanges fructueux ainsi qu'à un nombre plus important, plus rapidement, de références à l’ouvrage publié (Voir The Effect of Open Access).
