Memanfaatkan blockchain dan kecerdasan buatan dalam perolehan dan pengurusan rantaian bekalan: Pendekatan strategik untuk Walmart

Artikel ini pertama kali diterbitkan di blog Dr. Craig Wright, dan kami menerbitkan semula dengan kebenaran daripada penulis.

Pengenalan

Walmart Inc. (NASDAQ: WMT), yang beribu pejabat di Bentonville, Arkansas, ialah perbadanan runcit terbesar di dunia mengikut hasil dan pekerja (Bank Muñoz et al., 2018). Mengendalikan pelbagai format kedai runcit di 27 negara di bawah 55 nama berbeza, Walmart menguasai rantaian bekalan global yang meluas. Kategori produk utamanya termasuk barangan runcit, pakaian, barangan rumah dan elektronik, yang diperoleh daripada pelbagai pembekal domestik dan antarabangsa. Kertas kerja ini meneroka ketidakpastian kritikal dalam perolehan dan pengurusan bekalan Walmart dan menawarkan cadangan untuk mengurus ketidakpastian ini dan meningkatkan hubungan pembekal.

1. Ketidakpastian utama yang memberi kesan kepada pengurusan perolehan dan bekalan

Sebagai salah satu syarikat runcit multinasional terbesar, aktiviti pemerolehan dan pengurusan rantaian bekalan Walmart dipengaruhi dengan ketara oleh pelbagai ketidakpastian. Pertama di antaranya ialah gangguan geopolitik (Yeung & Coe, 2015). Perubahan dalam dasar perdagangan, pengenalan tarif, atau pengenaan sekatan boleh memberi kesan drastik kepada kos dan ketersediaan barang. Untuk mengekalkan kecekapan dan keberkesanan rantaian bekalannya, Walmart mesti sentiasa memantau dan menyesuaikan diri dengan perubahan dasar tersebut.

Kebimbangan alam sekitar merupakan satu lagi ketidakpastian yang ketara. Memandangkan keluasan operasinya di peringkat global, laluan bekalan Walmart boleh terjejas dengan ketara oleh bencana alam sekitar seperti taufan, banjir atau kebakaran. Contohnya, banjir di wilayah tempat pembekal utama terletak boleh mengganggu pengeluaran atau penghantaran barangan, menjejaskan keupayaan Walmart untuk menyimpan stok kedainya dan melayani pelanggannya (McKnight & Linnenluecke, 2019).

Turun naik ekonomi juga menimbulkan cabaran yang ketara. Pengguna mungkin mengurangkan perbelanjaan dalam kegawatan ekonomi, mengurangkan permintaan (Greenwald & Stiglitz, 1993). Sebagai alternatif, semasa tempoh pertumbuhan ekonomi, peningkatan persaingan boleh menaikkan harga barang, menjejaskan struktur kos Walmart. Dalam kedua-dua senario, aktiviti perolehan dan pengurusan bekalan Walmart mestilah cukup tangkas untuk menyesuaikan diri dengan perubahan ini, yang mungkin melibatkan mencari pembekal yang lebih menjimatkan kos atau melaraskan strategi perolehan untuk memadankan permintaan yang berubah-ubah.

Satu lagi ketidakpastian yang ketara ialah kemajuan pesat teknologi. Industri runcit semakin didigitalkan, dengan e-dagang muncul sebagai kawasan pertumbuhan yang ketara (Dekhne et al., 2019). Oleh itu, Walmart mesti memastikan aktiviti perolehan dan pengurusan bekalannya dapat mengikuti kemajuan teknologi ini. Ini mungkin melibatkan penyepaduan alatan digital untuk memperkemas proses perolehan atau analitis data untuk membuat keputusan pembelian yang lebih termaklum.

Akhir sekali, perubahan dalam tingkah laku pengguna boleh memberi kesan ketara kepada pengurusan perolehan dan bekalan Walmart (Mason et al., 2020). Semakin ramai pengguna mencari produk yang bersumberkan mampan dan beretika, jadi Walmart perlu menyesuaikan strategi perolehannya dengan sewajarnya. Ini mungkin melibatkan pemeriksaan pembekal yang lebih teliti untuk memastikan mereka memenuhi piawaian kemampanan dan etika ini atau mengutamakan pembekal yang melakukannya.

Pada dasarnya, ketidakpastian yang dihadapi oleh Walmart dalam pengurusan perolehan dan bekalannya adalah pelbagai rupa dan kompleks, memerlukan pendekatan yang dinamik dan boleh disesuaikan. Apabila dunia berkembang, cabaran ini berkemungkinan berterusan dan malah bertambah hebat, menekankan kepentingan strategi pengurusan perolehan dan bekalan yang berkesan dalam mengekalkan kelebihan daya saing Walmart (Bank Muñoz et al., 2018).

2. Menguruskan kesan ketidaktentuan

Untuk mengurangkan potensi kesan ketidakpastian ini, Walmart boleh menggunakan pelbagai strategi yang bukan sahaja memanfaatkan kapasiti sedia ada tetapi juga menerima teknologi canggih seperti blockchain (Tan et al., 2018). Teras strategi ini ialah mewujudkan pangkalan bekalan yang pelbagai dan rangkaian logistik, menawarkan fleksibiliti Walmart dalam menghadapi gangguan geopolitik.

Dengan mendapatkan sumber daripada berbilang wilayah, Walmart boleh melindung nilai terhadap perubahan dalam dasar perdagangan atau sekatan yang memberi kesan yang tidak seimbang kepada wilayah tertentu. Begitu juga, sebagai tindak balas kepada krisis alam sekitar, rangkaian logistik yang pelbagai dapat memastikan laluan bekalan alternatif, dengan itu mengekalkan aliran barangan.

Penilaian risiko dan perancangan kontingensi adalah komponen penting dalam strategi Walmart (Sheffi, 2009). Pendekatan proaktif ini melibatkan pengenalpastian sistematik dan penilaian potensi risiko dan mewujudkan rancangan kontingensi untuk menangani risiko ini dengan berkesan. Contohnya, jika pembekal kritikal berada di wilayah yang terdedah kepada bencana alam, mempunyai pelan kontingensi, seperti mengenal pasti pembekal alternatif atau meningkatkan tahap inventori, boleh menyediakan jaringan keselamatan, memastikan bekalan tidak terganggu.

Kemajuan teknologi, terutamanya blockchain (Christopher, 2016), boleh menawarkan
penyelesaian transformatif kepada aktiviti perolehan dan pengurusan bekalan Walmart. Teknologi Blockchain boleh menyediakan lejar yang telus dan tidak berubah, memastikan kebolehkesanan dan pengesahan transaksi sepanjang rantaian bekalan. Ini boleh membantu dalam membuat keputusan pembelian yang lebih termaklum dan meningkatkan kepercayaan di kalangan semua pihak berkepentingan. Walmart juga boleh menggunakan penyelesaian perolehan berasaskan awan untuk menyelaraskan operasinya, meningkatkan kecekapan dan membolehkan kerjasama masa nyata dengan pembekal, menambah baik masa tindak balas dan proses membuat keputusan.

Permintaan pengguna yang semakin meningkat untuk produk bersumberkan mampan dan beretika memerlukan tumpuan yang lebih intensif terhadap kemampanan dalam aktiviti perolehan. Blockchain boleh memainkan peranan penting di sini dengan memberikan keterlihatan ke dalam amalan pembekal dan mengesahkan pematuhan kepada piawaian yang mampan dan beretika (Ahmad et al., 2021). Dengan mengutamakan pembekal yang menunjukkan komitmen padu terhadap kemampanan dan amalan beretika, walaupun harga mereka lebih tinggi sedikit, Walmart boleh meningkatkan imej jenamanya dan memperoleh kesetiaan pelanggan jangka panjang.

Dalam menghadapi turun naik ekonomi, strategi kos efektif adalah yang terpenting. Walmart boleh mengukuhkan hubungan dengan pembekal untuk merundingkan terma dan syarat yang lebih baik. Memberi komitmen kepada kontrak jangka panjang dengan pembekal, yang difasilitasi oleh kontrak pintar rantaian (Cong & He, 2019), boleh mendapatkan harga yang lebih rendah dan menjamin bekalan, walaupun semasa kegawatan ekonomi. Kontrak pintar ini boleh mengautomasikan urus niaga berdasarkan peraturan yang telah ditetapkan, mengurangkan kos pentadbiran dan kemungkinan pertikaian.

Ketika Walmart menelusuri kerumitan dan ketidakpastian yang wujud dalam sektor runcit global, perancangan strategik dan penerapan teknologi canggih seperti rantaian blok dan kecerdasan buatan (AI) boleh membantu mengurangkan risiko dan mengekalkan kecekapan operasi. Teknologi Blockchain menekankan ketelusan, kebolehkesanan dan keselamatan serta membolehkan Walmart mengurus risiko yang berkaitan dengan barangan tiruan, gangguan rantaian bekalan dan pematuhan pembekal (Ahram et al., 2017). Sistem lejar terdesentralisasi yang tidak boleh diubah oleh Blockchain memastikan ketulenan barangan, menjejaki perjalanan mereka melalui rantaian bekalan, dan merekodkan pematuhan pembekal kepada piawaian dan kontrak yang dipersetujui. Tahap keterlihatan dan akauntabiliti ini membantu dalam mengurus ketidakpastian yang berkaitan dengan kualiti dan penyampaian di samping memupuk kepercayaan antara Walmart, pembekalnya dan pelanggannya.

Tambahan pula, penyepaduan kecerdasan buatan dengan blockchain membuka jalan baharu untuk mengurus risiko dan ketidakpastian (Charles et al., 2023). Analitik ramalan AI boleh menganalisis data blockchain untuk meramalkan kemungkinan gangguan rantaian bekalan, memberikan Walmart pendirian proaktif dalam menguruskan risiko ini. Sebagai contoh, algoritma pembelajaran mesin boleh menggunakan data yang disimpan pada rantaian blok untuk meramalkan kemungkinan kelewatan penghantaran atau mengenal pasti pembekal yang menimbulkan risiko akibat isu ketidakpatuhan yang lalu.

AI juga boleh mengoptimumkan pegangan inventori dengan meramalkan corak permintaan, membantu Walmart mengelakkan kehabisan stok dan lebihan stok, yang menimbulkan risiko kewangan. Selain itu, kapasiti AI untuk menganalisis sejumlah besar data boleh membantu Walmart menjangkakan perubahan dalam tingkah laku pengguna, arah aliran pasaran atau perubahan peraturan, sekali gus melengkapkan syarikat untuk bertindak balas dengan berkesan dan tepat pada masanya, mengurangkan risiko keusangan atau ketidakpatuhan (Natanelov et al. , 2022).

Menggabungkan blockchain dan AI boleh mencipta rangka kerja pengurusan risiko yang teguh untuk Walmart (Kashem et al., 2023). Blockchain menyediakan rekod transaksi dan pergerakan yang boleh dipercayai merentasi rantaian bekalan, manakala AI menganalisis data ini untuk meramalkan potensi risiko dan menawarkan cadangan strategik. Gabungan ini melindungi aktiviti pengurusan perolehan dan bekalan Walmart serta memastikan bekalan barangan yang konsisten, memenuhi keperluan dan jangkaan pelanggan. Menguruskan ketidakpastian secara berkesan melalui teknologi canggih ini mengukuhkan kedudukan kompetitif Walmart dalam sektor peruncitan, membolehkannya menyampaikan nilai pelanggan yang unggul dan mengekalkan kecemerlangan operasi, walaupun dalam menghadapi perubahan dinamik pasaran dan gangguan yang tidak dijangka (Deiva Ganesh & Kalpana, 2022).

3. Amalan pengurusan perolehan dan bekalan

Amalan pengurusan perolehan dan bekalan yang berkesan adalah penting dalam industri runcit global yang semakin kompleks. Blockchain, sistem lejar yang diedarkan dan telus, boleh menambah amalan ini, meningkatkan daya saing Walmart dengan ketara. Inti kepada strategi ini ialah memupuk hubungan kerjasama yang teguh dengan pembekal di mana objektif bersama saling berkaitan. Ketelusan dan kebolehkesanan Blockchain boleh membuka ruang baharu untuk kerjasama, bermula daripada inisiatif pembangunan produk bersama kepada matlamat kemampanan yang dikongsi, sekali gus meningkatkan kualiti produk dan kecekapan operasi keseluruhan (Tan et al., 2018).

Token rantaian blok boleh merevolusikan rantaian bekalan Walmart dengan menyediakan keterlihatan dan kebolehkesanan masa nyata (Alkhader et al., 2020). Token digital ini mewakili aset fizikal dan boleh dijejaki sepanjang rantaian bekalan, dari peringkat bahan mentah hingga ke pengguna akhir. Ini boleh membantu Walmart memastikan ketulenan produk, memantau pergerakan produk dan mengenal pasti kesesakan atau ketidakcekapan dalam rantaian bekalan, dengan itu mengurangkan kerugian yang berkaitan dengan pemalsuan, kecurian dan ketidakcekapan. Keterlihatan jenis ini juga boleh meyakinkan pengguna tentang asal dan kualiti pembelian mereka, meningkatkan imej jenama dan kebolehpercayaan Walmart.

Aspek penting amalan ini ialah komunikasi dan ketelusan yang kerap, kawasan di mana blockchain boleh memberikan manfaat yang besar. Blockchain boleh memudahkan perkongsian data masa nyata merentas rantaian bekalan, yang membawa kepada penyelesaian masalah dan pertukaran idea yang proaktif. Tahap ketelusan ini juga membolehkan Walmart berkongsi strategi dan jangkaan perniagaannya dengan pembekal, membantu mereka menyelaraskan operasi mereka dengan lebih berkesan (Bertino et al., 2019).

Memantau prestasi pembekal secara berterusan dan menyediakan maklum balas yang membina adalah satu lagi bidang kritikal di mana blockchain boleh memainkan peranan transformatif. Dengan blockchain, Walmart boleh mencipta rekod penunjuk prestasi pembekal yang tidak berubah dan tepat seperti kualiti, penghantaran, kos dan inovasi (Ozdayi et al., 2020). Kejelasan yang disediakan oleh teknologi ini membolehkan pembekal memahami bidang peningkatan mereka dan menyelaraskan matlamat mereka dengan matlamat Walmart. Selain itu, Walmart boleh melancarkan inisiatif pembinaan kapasiti, seperti program latihan mengenai teknologi blockchain, untuk meningkatkan keupayaan pembekal dan keselesaan mereka dengan menggunakan teknologi ini.

Tambahan pula, aspek motivasi pengurusan pembekal juga boleh dipertingkatkan melalui blockchain. Kontrak jangka panjang boleh dilaksanakan sebagai kontrak pintar pada rantaian blok, menyediakan keselamatan pembekal dan menunjukkan komitmen Walmart terhadap hubungan tersebut (Natanelov et al., 2022). Begitu juga, insentif berasaskan prestasi boleh diautomasikan melalui rantaian blok. Sebagai mengiktiraf prestasi atau inovasi yang luar biasa, pembekal boleh diberi ganjaran melalui insentif token pada platform blockchain.

Selain itu, memperkenalkan Mata Wang Digital Bank Pusat (CBDC) ke dalam sistem pembayaran Walmart boleh mengurangkan kos transaksi dan memudahkan pembayaran rentas sempadan. Mata wang digital ini, yang ditadbir oleh bank pusat negara, boleh menyelaraskan proses pembayaran, mengurangkan masa transaksi dan mengurangkan kos perniagaan (Kim et al., 2022). Menggunakan CBDC juga boleh mengurangkan pergantungan pada sistem perbankan tradisional, meminimumkan risiko kelewatan pembayaran dan menambah lebih nilai kepada aktiviti perolehan dan pengurusan bekalan Walmart.

Melalui amalan berkuasa blok ini, Walmart boleh mewujudkan hubungan harmoni dengan pembekalnya, menyelaraskan dengan matlamat strategiknya, mengurangkan kerugian dan mengukuhkan kedudukan daya saingnya. Gabungan teknologi blockchain dan potensi penggunaan CBDC akan merevolusikan pengurusan perolehan dan bekalan Walmart, memacu kecekapan kos serta meningkatkan ketelusan dan kebolehkesanan (Tan et al., 2018).

4. Penilaian dan proses pemilihan pembekal

Proses penilaian dan pemilihan pembekal di Walmart memerlukan pertimbangan yang teliti terhadap pelbagai faktor, termasuk konteks industri, keutamaan strategik syarikat, sifat pasaran bekalan dan ciri rangkaian bekalannya. Memandangkan model operasi Walmart bergantung pada penawaran produk kos rendah, proses pemilihan pembekalnya menjurus ke arah mengenal pasti pembekal yang secara konsisten menghantar barangan berkualiti tinggi pada harga yang kompetitif (Ross, 2008).

Walau bagaimanapun, dinamik industri runcit dan jangkaan pengguna yang semakin berkembang memerlukan pendekatan yang lebih bernuansa. Tumpuan harus diberikan pada kos, kebolehpercayaan dan kesesuaian strategik. Ini bermakna memilih pembekal yang strategi perniagaan, nilai dan matlamatnya sejajar dengan Walmart, yang boleh membawa kepada hubungan yang lebih kolaboratif dan saling menguntungkan (Ross, 2008).

Tambahan pula, kemampanan telah menjadi keutamaan kritikal bagi kebanyakan pengguna dan perniagaan (Bateh et al., 2014). Ini memerlukan penekanan yang lebih besar terhadap amalan kemampanan pembekal dalam proses pemilihan. Pembekal yang menunjukkan komitmen teguh terhadap kemampanan, seperti mereka yang mempunyai amalan penyumberan dan pengurangan sisa yang bertanggungjawab, boleh membantu Walmart memenuhi permintaan pengguna yang semakin meningkat untuk produk bersumberkan etika dan mesra alam.

Teknologi kecerdasan buatan (AI) berada di barisan hadapan dalam mengubah industri runcit, memacu kecekapan baharu dan kelebihan daya saing. Pembekal yang memanfaatkan kemajuan ini dengan cekap boleh memberikan Walmart kelebihan strategik dalam pasaran yang sangat kompetitif, meningkatkan setiap aspek rantaian bekalan, daripada pembuatan kepada logistik (Deiva Ganesh & Kalpana, 2022).

AI menawarkan peluang yang tiada tandingan untuk memetakan pergerakan barangan dan perkhidmatan, menjadikan rantaian bekalan lebih telus dan cekap (Deiva Ganesh & Kalpana, 2022). Pembekal yang menggunakan AI boleh menggunakan analisis ramalan untuk meramalkan permintaan dengan tepat, membolehkan mereka melaraskan pengeluaran dalam masa nyata dan meminimumkan pembaziran. AI juga boleh menganalisis banyak data daripada pelbagai sumber untuk mengenal pasti arah aliran dan corak, dengan itu meramalkan potensi gangguan dalam rantaian bekalan. Dengan mengiktiraf terlebih dahulu gangguan ini, Walmart boleh mengambil langkah proaktif untuk mengurangkan sebarang kesan buruk, dengan itu mengekalkan bekalan barangan yang konsisten.

Kecerdasan buatan juga boleh mengoptimumkan pegangan bekalan, mengurangkan kos yang berkaitan dengan lebihan stok atau kurang stok. Algoritma pembelajaran mesin boleh menganalisis data jualan sejarah dan pembolehubah seperti kemusim, aktiviti promosi dan penunjuk ekonomi untuk meramalkan jualan masa depan dengan tepat (Punia & Shankar, 2022). Ini membolehkan pengurusan inventori yang tepat, memastikan Walmart mempunyai stok yang betul pada masa yang sesuai. Pengurusan inventori yang cekap mengurangkan kos dan meningkatkan kepuasan pelanggan dengan mengelakkan kehabisan stok dan memastikan produk tersedia apabila pengguna menginginkannya.

AI juga boleh mengautomasikan dan mengoptimumkan logistik, kawasan kritikal untuk peruncit global seperti Walmart. Penyelesaian logistik dikuasakan AI boleh menentukan laluan yang paling cekap, dengan mengambil kira faktor seperti trafik, keadaan cuaca dan kos bahan api, untuk memastikan penghantaran barangan yang tepat pada masanya dan kos efektif (Punia & Shankar, 2022). Selain itu, pembekal yang dilengkapi dengan keupayaan AI boleh menyokong Walmart dalam menawarkan produk yang lebih inovatif kepada pelanggannya. AI boleh menganalisis tingkah laku dan pilihan pengguna untuk mengenal pasti jurang dalam pasaran atau meramalkan arah aliran akan datang, membimbing pembangunan produk baharu yang sangat disasarkan.

Pembekal yang menyepadukan AI ke dalam operasi mereka boleh memberikan kelebihan daya saing yang ketara kepada Walmart. Daripada meningkatkan kecekapan dalam pengeluaran dan logistik kepada meningkatkan penawaran produk berdasarkan keutamaan pelanggan, pembekal berkuasa AI boleh membantu Walmart menavigasi kerumitan industri runcit (Tarallo et al., 2019). Melalui perkongsian yang dipacu teknologi ini, Walmart boleh kekal di barisan hadapan dalam peruncitan, memenuhi dan melebihi jangkaan pelanggan sambil meningkatkan keuntungannya.

Untuk meningkatkan keberkesanan keseluruhan proses penilaian dan pemilihan pembekalnya, Walmart boleh mempertimbangkan untuk menggunakan kad skor pembekal komprehensif yang dikaitkan dengan sistem pembelajaran mesin (Guan et al., 2023). Ini akan melibatkan penilaian bakal pembekal berdasarkan pelbagai kriteria, bukan sahaja kos dan kebolehpercayaan tetapi juga kesihatan kewangan, kecekapan operasi, usaha kemampanan dan kapasiti untuk inovasi. Dengan berbuat demikian, Walmart boleh memastikan penilaian pembekal yang lebih holistik, yang membawa kepada keputusan pemilihan yang lebih bermaklumat yang sejajar dengan matlamat strategiknya dan permintaan industri runcit yang berkembang.

Kesimpulan

Sebagai raksasa dalam industri runcit global, amalan perolehan dan pengurusan rantaian bekalan Walmart adalah penentu dalam membentuk prestasi dan kedudukan kompetitifnya (Bank Muñoz et al., 2018). Syarikat itu menghadapi banyak ketidakpastian, termasuk gangguan geopolitik, isu alam sekitar, turun naik ekonomi, kemajuan teknologi dan pilihan pengguna yang berubah. Kerumitan sedemikian boleh memberi kesan ketara kepada aktiviti perolehan dan rantaian bekalan Walmart. Untuk mengharungi ketidakpastian sedemikian, Walmart perlu melaksanakan pendekatan pelbagai rupa, termasuk mempelbagaikan asas bekalannya, mengguna pakai penilaian risiko dan perancangan luar jangka yang teguh, menerima kemajuan teknologi, memfokuskan pada kemampanan dan mewujudkan strategi kos efektif.

Menilai proses pemilihan pembekal dari perspektif konteks industri, keutamaan strategik Walmart, pasaran bekalan dan ciri rangkaian bekalan mendedahkan peluang untuk peningkatan selanjutnya. Walaupun kecekapan dan kebolehpercayaan kos adalah penting, memperluaskan kriteria untuk memasukkan penjajaran strategik, kemampanan dan keupayaan teknologi pembekal boleh mengoptimumkan proses pemilihan. Menggabungkan kad skor pembekal yang komprehensif dan menilai pelbagai kriteria yang lebih luas seperti kesihatan kewangan, kecekapan operasi, usaha kemampanan dan kapasiti inovasi boleh menghasilkan penilaian yang lebih holistik.

Untuk Walmart mengoptimumkan perolehan dan pengurusan bekalannya, ia perlu sentiasa menyesuaikan diri dan berinovasi, memenuhi landskap industri yang dinamik serta keperluan dan jangkaan pelanggannya yang semakin berkembang. Dengan mengurus ketidakpastian secara berkesan, mengukuhkan hubungan pembekal dan memperhalusi proses penilaian dan pemilihan pembekalnya, Walmart boleh memperkukuh rantaian bekalannya, meningkatkan daya saingnya dan meletakkan dirinya untuk kejayaan jangka panjang dalam industri runcit global.

Rujukan

Ahmad, R. W., Hasan, H., Jayaraman, R., Salah, K., & Omar, M. (2021). Aplikasi dan seni bina rantaian blok untuk operasi pelabuhan dan pengurusan logistik. Penyelidikan dalam Perniagaan & Pengurusan Pengangkutan, 41, 100620. https://doi.org/10.1016/j.rtbm.2021.100620
Ahram, T., Sargolzaei, A., Sargolzaei, S., Daniels, J., & Amaba, B. (2017). Inovasi teknologi blockchain. Persidangan Pengurusan Teknologi & Kejuruteraan IEEE 2017 (TEMSCON), 137–141. https://doi.org/10.1109/TEMSCON.2017.7998367
Alkhader, W., Alkaabi, N., Salah, K., Jayaraman, R., Arshad, J., & Omar, M. (2020). Kebolehkesanan dan Pengurusan Berasaskan Blockchain untuk Pengilangan Aditif. Akses IEEE, 8, 188363–188377. https://doi.org/10.1109/ACCESS.2020.3031536
Bank Muñoz, C., Kenny, B., & Stecher, A. (Eds.). (2018). Walmart di Global South: Budaya Tempat Kerja, Politik Buruh dan Rantaian Bekalan. Universiti Texas Press. https://doi.org/10.7560/315675
Bateh, J., Heaton, C., Arbogast, G. W., & Broadbent, A. (2014). Menentukan Kemampanan Dalam Tetapan Perniagaan. Jurnal Pengurusan Kelestarian (JSM), 1(1), 1–4. https://doi.org/10.19030/jsm.v1i1.8386
Bertino, E., Kundu, A., & Sura, Z. (2019). Ketelusan Data dengan Blockchain dan Etika AI. Jurnal Kualiti Data dan Maklumat, 11(4), 16:1-16:8. https://doi.org/10.1145/3312750
Charles, V., Emrouznejad, A., & Gherman, T. (2023). Analisis kritikal integrasi blockchain dan kecerdasan buatan untuk rantaian bekalan. Annals of Operations Research. https://doi.org/10.1007/s10479-023-05169-w
Christopher, M. (2016). Pengurusan Logistik & Rantaian Bekalan. Pearson UK.
Cong, LW, & He, Z. (2019). Gangguan Rantaian Sekat dan Kontrak Pintar. Kajian Kajian Kewangan, 32(5), 1754–1797. https://doi.org/10.1093/rfs/hhz007
Deiva Ganesh, A., & Kalpana, P. (2022). Masa depan kecerdasan buatan dan pengaruhnya terhadap pengurusan risiko rantaian bekalan - Kajian sistematik. Komputer & Kejuruteraan Industri, 169, 108206. https://doi.org/10.1016/j.cie.2022.108206
Dekhne, A., Hastings, G., Murnane, J., & Neuhaus, F. (2019). Automasi dalam logistik: Peluang besar, ketidakpastian yang lebih besar. McKinsey Q, 24.
Greenwald, B. C., & Stiglitz, J. E. (1993). Ketidaksempurnaan Pasaran Kewangan dan Kitaran Perniagaan. Jurnal Ekonomi Suku Tahunan, 108(1), 77–114. https://doi.org/10.2307/2118496
Guan, W., Ding, W., Zhang, B., Verny, J., & Hao, R. (2023). Adakah faktor berkaitan rantaian bekalan meningkatkan ketepatan ramalan penggunaan blockchain? Pendekatan pembelajaran mesin. Peramal Teknologi dan Perubahan Sosial, 192, 122552. https://doi.org/10.1016/j.techfore.2023.122552
Kashem, M. A., Shamsuddoha, M., Nasir, T., & Chowdhury, A. A. (2023). Gangguan Rantaian Bekalan berbanding Pengoptimuman: Kajian tentang Kepintaran Buatan dan Rantaian Sekat. Pengetahuan, 3(1), 80–96. https://doi.org/10.3390/knowledge3010007
Kim, K., Tetlow, R. J., Infante, S., Orlik, A., & Silva, A. F. (2022). Implikasi Makroekonomi CBDC: Tinjauan Kesusasteraan. Siri Perbincangan Kewangan dan Ekonomi, 2022-076, 1–65. https://doi.org/10.17016/feds.2022.076
Mason, A., Narcum, J., & Mason, K. (2020). Perubahan dalam membuat keputusan pengguna akibat daripada wabak COVID-19. Jurnal Tingkah Laku Pelanggan, 19(4), 299–321. https://doi.org/10.1362/147539220X16003502334181
McKnight, B., & Linnenluecke, M. K. (2019). Corak Tindak Balas Tegas terhadap Pelbagai Jenis Bencana Alam. Perniagaan & Masyarakat, 58(4), 813–840. https://doi.org/10.1177/0007650317698946
Natanelov, V., Cao, S., Foth, M., & Dulleck, U. (2022). Kontrak pintar rantaian blok untuk kewangan rantaian bekalan: Memetakan potensi inovasi dalam rantaian bekalan daging lembu Australia-China. Jurnal Integrasi Maklumat Industri, 30, 100389. https://doi.org/10.1016/j.jii.2022.100389
Ozdayi, M. S., Kantarcioglu, M., & Malin, B. (2020). Memanfaatkan rantaian blok untuk pengelogan tidak berubah dan pertanyaan merentasi berbilang tapak. Genomik Perubatan BMC, 13(7), 82. https://doi.org/10.1186/s12920-020-0721-2
Punia, S., & Shankar, S. (2022). Analitik ramalan untuk ramalan permintaan: Sistem sokongan keputusan berasaskan pembelajaran yang mendalam. Sistem Berasaskan Pengetahuan, 258, 109956. https://doi.org/10.1016/j.knosys.2022.109956
Ross, DF (2008). Rantaian Bekalan Intim: Memanfaatkan Rantaian Bekalan untuk Mengurus Pengalaman Pelanggan. Akhbar CRC.
Sheffi, Y. (2009). Kesinambungan Perniagaan: Pendekatan Sistematik. Dalam Perniagaan Global dan Ancaman Pengganas. Penerbitan Edward Elgar. https://www.elgaronline.com/display/edcoll/9781847208507/9781847208507.00007.xml
Tan, B., Yan, J., Chen, S., & Liu, X. (2018). Kesan Blockchain pada Rantaian Bekalan Makanan: Kes Walmart. Dalam M. Qiu (Ed.), Rantaian Blok Pintar (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). Pembelajaran Mesin dalam Meramalkan Permintaan untuk Barangan Pengguna yang Bergerak Pantas: Penyelidikan Penerokaan. IFAC-PapersOnLine, 52(13), 737–742. https://doi.org/10.1016/j.ifacol.2019.11.203
Yeung, H. W., & Coe, N. (2015). Ke Arah Teori Dinamik Rangkaian Pengeluaran Global. Geografi Ekonomi, 91(1), 29–58. https://doi.org/10.1111/ecge.12063

Tonton: AI adalah untuk 'menambah' bukan menggantikan tenaga kerja

Baru menggunakan blockchain? Lihat bahagian Blockchain untuk Pemula CoinGeek, panduan sumber utama untuk mengetahui lebih lanjut mengenai teknologi blockchain.