Ecommerce: Analyse des mégadonnées dans le commerce électronique : une revue systématique et un programme de recherches futures

Ecommerce: Analyse des mégadonnées dans le commerce électronique : une revue systématique et un programme de recherches futures

  • Recherche en Systèmes d’Information, 25, 443-448.

    Article

    Google Scholar

  • Examen de la gestion du MIT Sloan, 54, 35.

    Google Scholar

  • Communication de l’ACM, 55, 81-88.

    Article

    Google Scholar

  • Ann Keller, S., Koonin, S. E. et Shipp, S. (2012). Big data et vie urbaine – que peut-il faire pour nous ? Importance, 9, 4–7.

    Article

    Google Scholar

  • Bankston, K.S., Soltani, A., (2014). Les petits agents de police et le coût de la surveillance : faire des cents aux États-Unis V. Jones. Journal de droit de Yale en ligne 123.

  • Barney, J. (1991). Des ressources fermes et un avantage concurrentiel soutenu. Journal de gestion, 17, 99-120.

    Article

    Google Scholar

  • Barrett, M., Davidson, E., Prabhu, J. et Vargo, S. L. (2015). L’innovation des services à l’ère numérique. MIS Trimestriel, 39, 135-154.

    Google Scholar

  • Barton, D. (2012). Faire fonctionner les analyses avancées pour vous. revue de Harvard business, 90(78-83), 128.

    Google Scholar

  • revue de Harvard business, 90, 78.

    Google Scholar

  • Examen de la gestion du MIT Sloan, 53, 18-20.

    Google Scholar

  • Benedettini, O., Neely, A., 2012. Complexity in services: An interpretative framework, 23e conférence annuelle de POMS.

    Google Scholar

  • Bennett, P., Giles, L., Halevy, A., Han, J., Hearst, M., Leskovec, J., 2013. Canaliser le déluge : défis de recherche pour les mégadonnées et les systèmes d’information, Actes du 22e ACM conférence internationale sur Conférence sur la gestion de l’information et des connaissances. ACM, p. 2537-2538.

  • Beskow, L.M., Friedman, J.Y., Hardy, N.C., Lin, L. et Weinfurt, K.P. (2010). Développer un formulaire de consentement simplifié pour les biobanques. PloS Un, 5, e13302.

    Article

    Google Scholar

  • Beulke, D., (2011). Le Big Data a un impact sur la gestion des données : les 5 V du Big Data. URL : http://davebeulke.com/big-data-impacts-data-management-the-five-vs-of-big-data

  • Bhattacherjee, A. (2001). Comprendre la continuité des systèmes d’information : un modèle d’attente-confirmation. MIS Trimestriel, 25, 351-370.

    Article

    Google Scholar

  • Génomique en santé publique, 15, 285-292.

    Article

    Google Scholar

  • Big data : quel est votre plan ? McKinsey Quarterly.

  • Revue internationale des revues de direction, 9, 303-324.

    Article

    Google Scholar

  • Boja, C., Pocovnicu, A. et Batagan, L. (2012). Architecture parallèle distribuée pour « Big Data ». Informatica Economica, 16, 116-127.

    Google Scholar

  • Bose, R. (2009). Analytique avancée : opportunités et défis. Gestion industrielle et systèmes de données, 109, 155-172.

    Article

    Google Scholar

  • Le ministère des Anciens Combattants, le ministère de la Défense et l’échange de réseaux d’informations sur la santé à l’échelle nationale Kaiser Permanente à San Diego : sélection, consentement et correspondance des patients, actes du symposium annuel de l’AMIA (p. 135). Association américaine d’informatique médicale.

  • Boyd, D. et Crawford, K. (2012). Questions critiques pour le big data : provocations pour un phénomène culturel, technologique et savant. Information Communication et Société, 15, 662-679.

    Article

    Google Scholar

  • Bragge, J., Sunikka, A. et Kallio, H. (2012). Une étude exploratoire sur les réponses des clients aux messages de bannières personnalisées dans le contexte de la banque en ligne. JITTA : Journal de la théorie et de l’application des technologies de l’information, 13, 5–18.

    Google Scholar

  • Utilisation de l’analyse thématique en psychologie Recherche qualitative en psychologie, 3, 77-101. Bristol : Université de l’Ouest de l’Angleterre.

    Google Scholar

  • Brown, B., Chul, M., Manyika, J., (2011). Êtes-vous prêt pour l’ère du « big data » ? McKinsey Trimestriel 4, 24-35.

  • Bughin, J., Chui, M. et Manyika, J. (2010). Clouds, big data et actifs intelligents : dix tendances commerciales à surveiller. Le trimestriel McKinsey, 4, 26-43.

    Google Scholar

  • Bughin, J., Livingston, J. et Marwaha, S. (2011). Saisir le potentiel des « big data ». Le trimestriel McKinsey, 4, 103-109.

    Google Scholar

  • Chang, R.M., Kauffman, R.J. et Kwon, Y. (2014). Comprendre le changement de paradigme vers les sciences sociales computationnelles en présence de mégadonnées. Systèmes d’aide à la décision, 63, 67-80.

    Article

    Google Scholar

  • Recherche sur le commerce électronique, 14, 1–26.

    Google Scholar

  • Christian, H., (2013). Big data et destruction créative des modèles économiques d’aujourd’hui. AT Kerney, disponible : http://www. atkearney. fr/strategic-it/ideas-insights/article/−/asset_publisher/LCcgOeS4t85g/content/big-data-and-the-creative-destruction-of-today-s-business-models/10192.

  • Colomb, L. (2014). Responsabiliser l’analytique : 56 % des dirigeants s’attendent à ce que l’analytique contribue à 10 % ou plus de croissance en 2014. Forbes. Disponible sur : http://www.forbes.com/sites/louiscolumbus/2014/12/10/making-analytics-accountable-56-of-executives-expect-analytics-to-contribute-to-10-or-more -growth-in-2014/#761c65a95b56 (consulté le 2 février 2016).

  • Constantiou, I.D., Kallinikos, J., (2015). Nouveaux jeux, nouvelles règles : Big data et le contexte changeant de la stratégie. Journal des technologies de l’information, 30(1), 44-57.

  • Davenport, T.H. (2006). Concurrence sur Analytics. revue de Harvard business, 84, 98-107.

    Google Scholar

  • Davenport, T.H. (2010). Le nouveau monde de « Business Analytics. Institut international d’analyse, 1–6.

  • Davenport, T.H., 2012. Le côté humain du Big Data et de l’analyse haute performance. Institut international d’analyse, pp. 1–13.

  • Davenport, T.H. (2013a). Analytique 3.0. revue de Harvard business, 91, 64-72.

    Google Scholar

  • Davenport, T.H. (2013b). Suivez vos quants. revue de Harvard business, 91, 120-123.

    Google Scholar

  • Davenport, T.H. et Harris, J.G. (2007a). La concurrence sur l’analytique : la nouvelle science de la victoire. Boston : Harvard Business School Press.

    Google Scholar

  • Davenport, T.H., Harris, J.G., (2007b). Le côté obscur de l’analyse client. Harvard Business Review 85, 37 – +.

  • Davenport, T.H. et Patil, D. (2012). Data scientist : le métier le plus sexy du 21ème siècle. revue de Harvard business, 90, 70-77.

    Google Scholar

  • Davenport, T.H., Barth, P. et Bean, R. (2012). En quoi le « Big Data » est différent. Examen de la gestion du MIT Sloan, 54, 43-46.

    Google Scholar

  • De Swert, K., (2012). Calcul de la fiabilité inter-codeur dans l’analyse de contenu multimédia à l’aide de l’alpha de Krippendorff. Centre de politique et de communication.

    Google Scholar

  • Delone, W.H. (2003). Le modèle DeLone et McLean de succès des systèmes d’information : une mise à jour sur dix ans. Journal des systèmes d’information de gestion, 19, 9-30.

    Google Scholar

  • DeLone, W.H. et McLean, E.R. (1992). Succès des systèmes d’information : la quête de la variable dépendante. Recherche en Systèmes d’Information, 3, 60-95.

    Article

    Google Scholar

  • Demirkan, H., Delen, D., (2012). Exploiter les capacités des systèmes d’aide à la décision orientés services : mettre l’analytique et le Big Data dans le cloud. Systèmes d’aide à la décision.

    Google Scholar

  • Devaraj, S., Fan, M. et Kohli, R. (2002). Antécédents de satisfaction et de préférence des canaux B2C : validation des métriques de commerce électronique. Recherche en Systèmes d’Information, 13, 316-333.

    Article

    Google Scholar

  • Dijcks, J.P. (2012). Oracle : Big data pour l’entreprise. Oracle : États-Unis.

    Google Scholar

  • Dimon, R. (2013). Comprendre : transformer les informations en actions. Gestion des performances d’entreprise bien faite : un système d’exploitation pour votre organisation, p.57-77.

  • Recherche en Systèmes d’Information, 17, 61-80.

    Article

    Google Scholar

  • emarketeur, (2013). Les ventes en ligne ont dépassé 1 000 milliards de dollars pour la première fois en 2012. Disponible sur : www.emarketer.com/Article/-Sales-Topped-1-Trillion-First-Time-2012/1009649 (consulté le 10 avril 2013).

  • Ezzy, D. (2002).

    Google Scholar

  • Ferguson, R.B. (2012). Entreprise à risque : comment l’analyse des données et la science du comportement peuvent vous aider. Examen de la gestion du MIT Sloan, 54, 1–5.

    Google Scholar

  • Fisher, D., DeLine, R., Czerwinski, M. et Drucker, S. (2012). Interactions avec l’analyse des mégadonnées. Interactions, 19, 50.

    Article

    Google Scholar

  • Revue internationale de gestion de l’information, 33, 875–891.

    Article

    Google Scholar

  • Fosso Wamba, S., Akter, S., Coltman, T. W. T. et Ngai, E. (2015a). Éditorial invité : gestion de la chaîne d’approvisionnement basée sur les technologies de l’information. Planification et contrôle de la production, 26, 933-944.

    Article

    Google Scholar

  • Revue internationale d’économie de la production, 165, 234-246.

    Article

    Google Scholar

  • Frost, R., Strauss, J., (2013). E-marketing. Pearson Prentice Hall. Upper Saddle River, New Jersey.

  • Gefen, D. (2000). E-commerce : le rôle de la familiarité et de la confiance. Oméga, 28, 725-737.

    Article

    Google Scholar

  • Gefen, D. (2002). Fidélisation de la clientèle dans le commerce électronique. Journal de l’Association des Systèmes d’Information, 3, 27-51.

    Google Scholar

  • Gehrke, J. (2012). Quo vadis, confidentialité des données ? Annales de l’Académie des sciences de New York, 1260, 45-54.

  • Gentile, B., (2012). Top 5 des mythes sur le Big Data. Disponible sur : http://mashable.com/2012/06/19/big-data-myths/#MwZnjjrOR8qV (consulté le 2 mars 2016).

  • George, G., Haas, M. R. et Pentland, A. (2014). Big data et gestion. Journal de l’Académie de gestion, 57, 321-326.

    Article

    Google Scholar

  • Gobble, M. M. (2013). Big data : la prochaine grande innovation en matière d’innovation. Gestion de la technologie de la recherche, 56, 64–66.

    Google Scholar

  • Goes, P.B., (2014). Recherche Big Data et SI. MIS Quarterly 38, iii-viii.

  • Goff, J., McInerney, P., Soni, G., (2012). Besoin de rapidité : marketing algorithmique et surcharge de données client, McKinsey Quarterly.

    Google Scholar

  • Griffin, R. (2012). Utiliser le Big Data pour lutter contre la fraude en entreprise. Directeur financier, 28, 44-47.

    Google Scholar

  • Directeur financier, 28, 97-98.

    Google Scholar

  • Havens, T.C., Bezdek, J.C., Leckie, C., Hall, L.O. et Palaniswami, M. (2012). Algorithmes de C-moyens flous pour des données très volumineuses. Systèmes flous, transactions IEEE sur, 20, 1130-1146.

    Article

    Google Scholar

  • Hayashi, A.M. (2014). Prospérer dans un monde de big data. Examen de la gestion du MIT Sloan, 55, 35-39.

    Google Scholar

  • Hayes, A.F., (2011). Mes macros et mon code pour SPSS et SAS. Consulté le 27 septembre 2011.

    Google Scholar

  • Méthodes et mesures de communication, 1, 77-89.

    Article

    Google Scholar

  • Highfield, (2012). Parler de beaucoup de choses : utiliser des réseaux thématiques pour étudier les discussions dans les médias sociaux. Journal of Technology in Human Services, 30(3-4), 204-218.

  • Holbrook, M.B. (1999). Valeur consommateur : un cadre d’analyse et de recherche. Londres : Presse de psychologie.

    Livre

    Google Scholar

  • Hsinchun, C., Chiang, R. H. L. et Storey, V. C. (2012). Business intelligence et analytique : du big data au big impact. MIS Trimestriel, 36, 1165-1188.

    Google Scholar

  • Hull, G. (2015). Échec réussi : ce que foucault peut nous apprendre sur l’autogestion de la vie privée dans un monde de facebook et de big data. Éthique et technologies de l’information, 17(2), 89-101.

  • Huwe, T.K. (2012). Big data, grand avenir. Ordinateurs dans les bibliothèques, 32, 20–22.

    Google Scholar

  • IBM, (2012). Qu’est-ce que le big data ? Disponible sur : http://www-01.ibm.com/software/data/bigdata/what-is-big-data.html (consulté le 2 mars 2016).

  • Ioannidis, J.P. (2013). Consentement éclairé, mégadonnées et oxymore de la recherche qui n’est pas de la recherche. Le Journal américain de bioéthique, 13, 40-42.

    Article

    Google Scholar

  • Jacobs, A., (2009). Les pathologies du Big Data. Association pour les machines informatiques. Communications de l’ACM 52, 36.

  • Jao, J., (2013). Pourquoi le Big Data est un must dans le commerce électronique. Disponible sur : http://www.bigdatalandscape.com/news/why-big-data-is-a-must-in- (consulté le 2 mars 2016).

  • Johnson, B.D. (2012a). La vie secrète des données. Le futuriste, 46, 20-23.

    Google Scholar

  • Johnson, J.E. (2012b). Big data + big analytics = grosse opportunité. Directeur financier, 28, 50-53.

    Google Scholar

  • Commerce électronique : guide du gestionnaire. Lecture : Addison-Wesley Professional.

    Google Scholar

  • Kang, K.-D., Son, S. H. et Stankovic, J. A. (2003). Services de données en temps réel différenciés pour les applications de commerce électronique. Recherche sur le commerce électronique, 3, 113-142.

    Article

    Google Scholar

  • Kaplan, B. (2014). Vendre des données de santé : dé-identification, confidentialité et discours. À paraître : Cambridge Quarterly of Healthcare Ethics, 24(3):256-71. doi: 10.1017/S0963180114000589.

  • Kauffman, R. J., Srivastava, J. et Vayghan, J. (2012). Business and data analytics : de nouvelles innovations pour la gestion du E-commerce. Recherche et applications en commerce électronique, 11, 85-88.

    Article

    Google Scholar

  • Kim, G., Shin, B. et Kwon, O. (2012). Enquêter sur la valeur du sociomatérialisme dans la conceptualisation de la capacité d’une entreprise. Journal des systèmes d’information de gestion, 29, 327-362.

    Article

    Google Scholar

  • Kiron, D., Prentice, P. K. et Ferguson, R. B. (2012a). Innover avec l’analytique. Examen de la gestion du MIT Sloan, 54, 47-52.

    Google Scholar

  • Kiron, D., Shockley, R., Kruschwitz, N., Finch, G. et Haydock, M. (2012b). Analytique : le fossé se creuse. Examen de la gestion du MIT Sloan, 53, 1–22.

    Google Scholar

  • Kiron, D., Prentice, P. K. et Ferguson, R. B. (2014a). Le mandat analytique. Examen de la gestion du MIT Sloan, 55, 1–25.

    Google Scholar

  • Kiron, D., Prentice, P. K. et Ferguson, R. B. (2014b). Relever la barre avec l’analytique. Examen de la gestion du MIT Sloan, 55, 29-33.

    Google Scholar

  • Koch, C. (2013). Compilation et synthèse en big data analytics, big data (p. 6-6). Berlin : Springer.

    Google Scholar

  • Le Journal du Marketing, 54, 1–18.

    Article

    Google Scholar

  • Koirala, P., (2012). Qu’est-ce que le Big Data Analytics et son application dans le commerce électronique ? www.venturecity.com.

  • Kopp, M., (2013). Saisir l’opportunité du Big Data, Times. Disponible sur : http://www.times.com/story/78390.html (consulté le 2 mars 2016).

  • Recherche sur le commerce électronique, 8, 173–192.

    Article

    Google Scholar

  • Krippendorff, K. (2004). Fiabilité dans l’analyse de contenu. Recherche en communication humaine, 30, 411-433.

    Google Scholar

  • Kung, D.S., Gordon, L.C., Lin, F., Shayo, C. et Dyck, H. (2013). 2013. Système informatique avec algorithme de tarification dynamique. Journal d’affaires pour les entrepreneurs: Business Analytics.

    Google Scholar

  • Lane, J., (2012). O Vie privée, où es-tu ? : Protéger la vie privée et la confidentialité à l’ère de l’accès aux mégadonnées. Chance, 25 ans(4), 39-41.

  • LaValle, S., Lesser, E., Shockley, R., Hopkins, M. S. et Kruschwitz, N. (2011). Big Data, Analytics et le chemin des informations à la valeur. Examen de la gestion du MIT Sloan, 52, 21–32.

    Google Scholar

  • Leavitt, N. (2013). Apporter Big Analytics aux masses. Ordinateur, 46, 20-23.

    Article

    Google Scholar

  • Recherche sur le commerce électronique, 1, 265-276.

    Article

    Google Scholar

  • Liebowitz, J. (2013). Big data et analyse commerciale. Boca Raton : Presse CRC.

    Livre

    Google Scholar

  • Lim, E.P., Chen, H. et Chen, G. (2013a). Intelligence d’affaires et analytique : orientations de la recherche. Transactions ACM sur les systèmes d’information de gestion, 3, 17.

  • Lim, M.K., Bahr, W., Leung, S.C., (2013b). RFID dans l’entrepôt : Une analyse de la littérature (1995-2010) de ses applications, avantages, défis et tendances futures. Revue internationale d’économie de la production, 145(1).

  • Le Journal des Systèmes d’Information Stratégiques, 24, 149-157.

    Article

    Google Scholar

  • Loveman, G. (2003). Des diamants dans la mine de données. revue de Harvard business, 81, 109-113.

    Google Scholar

  • Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., Byers, A.H., (2011). Big data : la prochaine frontière pour l’innovation, la concurrence et la productivité. Institut mondial McKinsey.

    Google Scholar

  • Martin, K.E., (2015). Problèmes éthiques dans l’industrie du Big Data. MIS Trimestriel Exécutif 14, 67-85.

  • McAfee, A., Brynjolfsson, E., Davenport, T.H., Patil, D.J. et Barton, D., (2012). Big Data. La révolution managériale. Harvard Business Review, 90(10), 61-67.

  • Mehra, G., (2013). 6 usages du big data pour les e-commerçants, Practical . Disponible sur : http://www.practical.com/articles/3960-6-Uses-of-Big-Data-for-Online-Retailers (consulté le 2 mars 2016).

  • Melville, N., Kraemer, K. et Gurbaxani, V. (2004). Bilan : technologies de l’information et performance organisationnelle : un modèle intégrateur de sa valeur métier. MIS Trimestriel, 28, 283-322.

    Google Scholar

  • Miller, G., (2013). 6 façons d’utiliser le « big data » pour augmenter les marges d’exploitation de 60 %. Disponible sur : http://upstreamcommerce.com/blog/2012/04/11/6-ways-big-data-increase-operating-margins-60-part-2 (consulté le 2 mars 16).

  • Minelli, M., Chambers, M. et Dhiraj, A. (2013). Analyse commerciale (pp. 99-125). Big Data, Big Analytics : Intelligence d’affaires émergente et tendances analytiques pour les entreprises d’aujourd’hui.

    Google Scholar

  • Professionel de l’informatique, 15, 18-20.

    Article

    Google Scholar

  • Narver, J.C. et Slater, S.F. (1990). L’effet d’une orientation marché sur la rentabilité des entreprises. Le Journal du Marketing, 54, 20-35.

    Article

    Google Scholar

  • Nelson, R.R., Todd, P.A. et Wixom, B.H. (2005). Antécédents de la qualité de l’information et du système : un examen empirique dans le contexte de l’entreposage de données. Journal des systèmes d’information de gestion, 21, 199-235.

    Google Scholar

  • Ngai, E.W.T. et Wat, F.K.T. (2002). Une revue de la littérature et une classification de la recherche sur le commerce électronique. Gestion de l’information, 39, 415-429.

    Article

    Google Scholar

  • Ngai, E.W.T., Moon, K.K.L., Riggins, F.J. et Yi, C.Y. (2008). Recherche RFID : une revue de la littérature académique (1995-2005) et les orientations futures de la recherche. Revue internationale d’économie de la production, 112, 510-520.

    Article

    Google Scholar

  • Ngai, E.W.T., Xiu, L. et Chau, D.C.K. (2009). Application des techniques de data mining à la gestion de la relation client : revue et classification de la littérature. Systèmes experts avec applications, 36, 2592–2602.

    Article

    Google Scholar

  • Revue internationale d’études de marché, 55, 505-520.

    Article

    Google Scholar

  • Directeur financier, 28, 63-64.

    Google Scholar

  • Orlikowski, W.J. (2007). Pratiques sociomatérielles : explorer la technologie au travail. Études d’organisation, 28, 1435-1448.

    Article

    Google Scholar

  • L’Académie des Annales de Management, 2, 433-474.

    Article

    Google Scholar

  • Pantelis, K. et Aija, L., (2013, octobre). Comprendre la valeur des (big) data. Dans Big Data, 2013 IEEE International Conference on (pp. 38-42). IEEE.

  • Piatetsky, G., (2014). Le marché des mégadonnées atteindra 50 milliards de dollars d’ici 2018. Wikibon. Disponible sur : http://www.kdnuggets.com/2014/02/wikibon-big-data-market-to-reach-50-billion-by-2018.html (consulté le 2 mars 2016).

  • Harvard Business Review, 63, 149-160. Réimpression : Service.

  • Rajpurohit, A., (2013). Big data pour les chefs d’entreprise — Combler le fossé entre le potentiel et la valeur, Big Data, 2013 I.E. Conférence internationale sur. IEEE, pages 29-31.

  • Ramaswamy, S., (2013). Ce que les entreprises gagnantes du Big Data font différemment. Bloomberg, juin : http://www. bloomberg. com/news/2013-06-25/what-the-companies-winning-at-big-data-do-differently. html.

  • Riggins, F.J. (1999). Un cadre pour identifier les opportunités de commerce électronique sur le Web. Journal de l’informatique organisationnelle et du commerce électronique, 9, 297-310.

    Article

    Google Scholar

  • Rouse, M., (2011). mégadonnées (Big Data). Disponible sur : http://searchcloudcomputing.techtarget.com/definition/big-data-Big-Data (récupéré le 11.03.13).

  • Russom, P., (2011, septembre). Les trois V de l’analyse des mégadonnées. Rapport sur les meilleures pratiques de TDWI, quatrième trimestre. 18 : 1-35.

  • Schneier, B., (2013). Le gouvernement américain a trahi Internet. nous devons le reprendre. Le gardien. 5 septembre 2013.

  • Analytics : l’utilisation réelle des mégadonnées. NY, États-Unis : IBM Institute for Business Value.

    Google Scholar

  • Shah, S., Horne, A., Capellá, J., (2012). De bonnes données ne garantissent pas de bonnes décisions. Harvard Business Review 90, 23-25.

  • Shanks, G., Sharma, R., Seddon, P., Reynolds, P., (2010). L’impact de la stratégie et de la maturité sur l’analyse commerciale et la performance de l’entreprise : un programme d’examen et de recherche. Actes de l’ACIS 2010.

  • Sharma, R., Mithas, S. et Kankanhalli, A. (2014). Transformer les processus décisionnels : un programme de recherche pour comprendre l’impact de l’analyse commerciale sur les organisations. Revue européenne des systèmes d’information, 23, 433-441.

    Article

    Google Scholar

  • Recherche sur le commerce électronique, 7, 89–116.

    Article

    Google Scholar

  • Szongott, C., Henne, B. et von Voigt, G., (2012, juin). Problèmes de confidentialité des mégadonnées dans les médias sociaux publics. Dans Digital Ecosystems Technologies (DEST), 2012 6th IEEE International Conference on (pp. 1–6). IEEE.

  • Spiggle, S. (1994). Analyse et interprétation de données qualitatives dans les études de consommation. Journal of Consumer Research, 21, 491-503.

    Article

    Google Scholar

  • Strawn, G.O. (2012). Recherche scientifique : combien de paradigmes ? Examen de l’éducation, 47, 26.

    Google Scholar

  • Tankard, C. (2012). Sécurité des mégadonnées. Sécurité Internet, 2012, 5–8.

    Google Scholar

  • L’économiste, (2011). Construire avec les mégadonnées : la révolution des données change le paysage de l’entreprise. Disponible sur : http://www.economist.com/node/18741392 (consulté le 2 mars 2016).

  • Le bibliothécaire des publications en série, 66, 49-64.

    Article

    Google Scholar

  • Vaithianathan, S. (2010). Une revue de la littérature sur le commerce électronique sur l’Inde et le programme de recherche pour l’avenir. Recherche sur le commerce électronique, dix, 83-97.

    Article

    Google Scholar

  • Examen de la gestion du MIT Sloan, 53, 65-69.

    Google Scholar

  • Wagner, E. (2012). Les professionnels de l’apprentissage des réalités doivent connaître l’analytique. T+D, 66, 54-58.

    Google Scholar

  • Journal de la logistique d’entreprise, 34, 77-84.

    Article

    Google Scholar

  • Revue internationale d’économie de la production, 165, 234-246.

    Article

    Google Scholar

  • Blanc, M. (2012). Vision et réalité des lieux de travail numériques. Examen des informations commerciales, 29, 205-214.

    Article

    Google Scholar

  • Williamson, O.E. (1979). Économie des coûts de transaction : la gouvernance des relations contractuelles. Revue de droit et d’économie, 22, 233-261.

    Article

    Google Scholar

  • Williamson, O.E. (1981). L’économie de l’organisation : l’approche des coûts de transaction. Journal américain de sociologie, 87, 548-577.

    Article

    Google Scholar

  • Williamson, O.E. (2000). la nouvelle économie institutionnelle : faire le point, regarder vers l’avenir. Revue de littérature économique, 38, 595-613.

    Article

    Google Scholar

  • Wixom, B.H. et Todd, P.A. (2005). Une intégration théorique de la satisfaction des utilisateurs et de l’acceptation de la technologie. Recherche en Systèmes d’Information, 16, 85-102.

    Article

    Google Scholar

  • Wixom, B.H., Yen, B. et Relich, M. (2013). Maximiser la valeur de l’analyse commerciale. MIS Trimestriel Exécutif, 12, 111-123.

    Google Scholar

  • Systèmes intelligents IEEE, 28, 2–5.

    Google Scholar

  • Zhao, D. (2013). Frontières de l’analyse commerciale des mégadonnées : modèles et cas du marketing en ligne. Big Data et analyse commerciale, p. 43.

  • Ecommerce: Analyse des mégadonnées dans le commerce électronique : une revue systématique et un programme de recherches futures

    #Analyse #des #mégadonnées #dans #commerce #électronique #une #revue #systématique #programme #recherches #futures