Creating market knowledge from big data: Artificial intelligence and human resources

Tid: On 2020-04-22 kl 09.00

Plats: Vid fysisk närvaro eller Du som saknar dator/ datorvana kan kontakta service@itm.kth.se (English)

Ämnesområde: Industriell ekonomi och organisation

Respondent: Jeannette Paschen , Industriell ekonomi och organisation (Inst.)

Opponent: Professor Dr. Stefanie Paluch, RWTH Aachen University

Handledare: Professor Esmail Salehi-Sangari, Industriell ekonomi och organisation (Inst.)

Abstract

Utbredd användning av sociala medier och större tillgång till Internet-of-Things (IoT) har skapat så kallad Big Data, vilket erbjuder stor potential för ökad marknadskunskap för marknadsförare. I litteraturen har marknadskunskap associerats med positiva marknadsföringsresultat. Dessutom föreslår litteraturen att marknadskunskap kan leda till insikt. Insikt är en strategisk tillgång som kan ge varaktiga konkurrensfördelar. Sammanfattningsvis är marknadskunskap viktig på grund av dess relation till resultat och som ett underlag för insikt.

Marknadskunskap (som ett resultat) kommer från skapandeprocesser som inkluderar de aktiviteter som krävs för att uppnå marknadskunskap. Marknadskunskap skapas genom att integrera resurser, särskilt informationsteknologi och mänskliga resurser.

Med avseende på informationstekniska resurser gör de unika egenskaperna hos Big Data – volume (volym), variety (variation), veracity (veracitet), velocity (hastighet) och value (värde) (vilket på engelska kallas de fem V: erna) - traditionella informationsteknologier olämpliga för att omvandla Big Data till information och slutligen till marknadskunskap. Artificiell Intelligens (AI) har diskuterats som en viktig informationsteknologi för att skapa marknadskunskap från Big Data. Litteraturen föreslår att AI i hög grad kan påverka skapande av marknadskunskap från Big Data och erfordrar mer forskning för att förstå AI potential.

Mänskliga resursers bidrag till skapande av marknadskunskap har tidigare fastställts i litteraturen. Men både forskare och utövare antyder att AI kommer att förändra hur människor bidrar till marknadskunskap. Litteraturen antyder också att skapande av marknadskunskap ännu inte har studerats tillräckligt från synvinkel av AI och mänskliga resurser.

Forskningsfrågan i denna avhandling är ”Hur skapar marknadsförare marknadskunskap från Big Data med hjälp av Artificiell Intelligens och mänskliga resurser?”

Denna forskningsfråga behandlas via fem delfrågor:

Fråga 1: Hur bidrar Artificiell Intelligens till att skapa marknadskunskap från Big Data?

Fråga 2: Hur påverkar Artificiell Intelligens skapandet av marknadskunskap från Big Data och vilka konsekvenser har det för mänskliga resurser?

Fråga 3: Hur samverkar Artificiell Intelligens och mänskliga resurser för att skapa marknadskunskap från Big Data?

Fråga 4: Vilka är ömsesidiga bidrag från Artificiell Intelligens och mänskliga resurser för att skapa marknadskunskap från Big Data?

Fråga 5: Vad bidrar Artificiell Intelligens och mänskliga resurser till olika aktiviteter för att skapa marknadskunskap från Big Data?

Forskningen som presenteras i denna avhandling omfattar två studier och tre artiklar. De tre artiklarna har redan eller kommer at publiceras i peer-review-tidskrifter. Forskningen följer en interpretivistisk paradigm med en kvalitativ forskningstrategi. Resultaten från studierna och artiklarna ger tre viktiga övergripande bidrag till kunskap och teori. För det första ger denna avhandling en icke-teknisk överblick av vad AI är, hur den fungerar och dess konsekvenser för att skapa marknadskunskap, därmed fyller den en lucka i marknadslitteraturen.

För det andra postulerar avhandlingen att AI är en resurs som uppfyller kriterierna för att vara ’valuable’ (värdefull), ’rare’ (sällsynt), in-imitable (imiterbar) och ’organized’ (organiserad) (VRIO) i enlighet med resursbaserad teori (RBT). Värdet på AI som en resurs uppstår delvis när AI omvandlar Big Data till information och även när AI omvandlar informationen till kunskap. Mänskliga resurser är en viktig tillgång för att skapa marknadskunskap från Big Data och förbättrar produktiviteten för AI som en resurs. Denna avhandling ger empiriska bevis på att den typ av bidrag som AI tillhandahåller som resurs skiljer sig från mänskliga förmågor. Specifikt ger AI-resurser främst bidrag av analytisk karaktär. Den analytiska beskaffenheten av AI omfattar behandling av data och information för att lösa komplexa, väldefinierade problem, lagrande av resultat från dessa behandlingsaktiviteter, och inlärning, d.v.s. gradvis förbättrande av dess behandlingseffektivitet och verkningsgrad.

Människans förmåga är i första hand av intuitiv och empatisk natur. Den intuitiva rollen omfattar människors förmåga att tänka kreativt och anpassa sig till nya situationer med hjälp av kreativ problemlösning, expertis och intuition. Människans empatiska natur omfattar deras förmåga att förstå det AI matar ut ur ett socialt, interpersonellt eller emotionellt perspektiv. Det omfattar en medvetenhet om ens egna känslomässiga tillstånd, empati, förmåga att bygga relationer och svara med känslomässig lämplighet i marknadsförings- eller försäljningssituationer. Medan AI-system blir alltmer sofistikerade när det gäller att känna igen, tolka och till och med svara på känslor, spelar mänskliga förmågor fortfarande en viktig roll i dessa uppgifter.

För det tredje bidrar denna avhandling till resource-based theory (resursbaserad teori). Den föreslår en konceptuell modell och lägger fram fem propositioner om relationen mellan AI som en resurs, mänskliga förmågor och marknadskunskap. Denna modell och propositionerna kan testas i framtida vetenskapligt arbete.

Denna avhandling är organiserad för att ge en övergripande introduktion till forskningsberättelsen. Första kapitlet ger en introduktion till forskningsområdet, följt av en litteraturöversikt, ett metodikapitel och ett kapitel som diskuterar resultat och bidrag till teori och praktik, samt redogör för möjligheter för framtida forskning. Uppsatserna och studierna som ligger till grund för denna avhandling presenteras i det sista kapitlet i denna avhandling.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-268989