أثر رقمنة سلسلة الإمداد على التميّز التنافسي: دراسة تطبيقية على شركة ميرسك في المملكة العربية السعودية
DOI:
https://doi.org/10.59992/IJSR.2026.v5n8p19الكلمات المفتاحية:
رقمنة سلسلة الإمداد، التميّز التنافسي، تخطيط موارد المؤسسة (ERP)، إنترنت الأشياء (IoT)، قطاع الخدمات اللوجستيةالملخص
تهدف هذه الدراسة إلى تحليل أثر رقمنة سلسلة الإمداد على التميّز التنافسي في شركة ميرسك بالمملكة العربية السعودية. وقد جرى تشغيل مفهوم الرقمنة إجرائيًا عبر بُعدين قابلين للقياس هما: التكامل الوظيفي الداخلي المدعوم بنظم تخطيط موارد المؤسسة (ERP)، والتشارك المعلوماتي البيني مع أطراف سلسلة التوريد المدعوم بالاتصالية القائمة على تقنيات إنترنت الأشياء (IoT). اعتمدت الدراسة المنهج الوصفي التحليلي، واستخدمت استبانة مبنية على مقياس ليكرت الخماسي وُزّعت على العاملين في الشركة المستهدفة، وتم التحصل على (66) استجابة صالحة للتحليل. سجّلت أداة الدراسة معامل ثبات ألفا كرونباخ بلغ (0.933) عبر فقراتها العشرين، وهو ما يعكس مستوى مرتفعًا من الاتساق الداخلي. وأظهرت النتائج الوصفية مستوى مرتفعًا جدًا لبُعدَي الرقمنة، إذ بلغ المتوسط الحسابي لبُعد التكامل الوظيفي المدعوم بنظم (ERP) قيمة (4.38) بانحراف معياري (0.67)، وبلغ المتوسط الحسابي لبُعد التشارك المعلوماتي المدعوم بتقنيات (IoT) قيمة (4.26) بانحراف معياري (0.77). وسجّل محور التميّز التنافسي متوسطًا بلغ (4.24)، مع تصدُّر الفقرات المتصلة بالقدرة التشغيلية الداخلية، كالتحسين المستمر وسرعة الاستجابة، المؤشرات التي تصف نتائج نهائية كالنصيب السوقي ودخول أسواق جديدة. وكشف تحليل تشتّت الاستجابات عن نمط منتظم: انخفاض التباين في فقرات التكامل الداخلي وارتفاعه في فقرات آليات تبادل المعلومات مع الشركاء الخارجيين، بما يشير إلى أن إرادة التعاون أكثر تجانسًا من انتظام آلياته. وكشف تحليل الانحدار الخطي البسيط عن علاقة طردية قوية ذات دلالة إحصائية بين رقمنة سلسلة الإمداد والتميّز التنافسي، حيث بلغ معامل الارتباط (0.757) ومعامل التحديد (0.574)، بما يعني أن رقمنة سلسلة الإمداد تفسّر نحو (57.4%) من التباين في مستوى التميّز التنافسي، عند قيمة (F(1,64) = 86.128) ومستوى دلالة (p = 0.001). وتستند الدراسة نظريًا إلى مدخل الموارد ومنظور القدرات الديناميكية، وهما إطاران يفسّران معًا لماذا لا تتوقف عوائد الاستثمار الرقمي على التقنية بذاتها بل على الروتينات التنظيمية المبنية حولها. وتُختتم الورقة بتوصيات عملية تتصل بتكامل الأنظمة، وتصنيف الشركاء وفق نضجهم الرقمي، وحوكمة البيانات، وتأهيل الكوادر البشرية، مع مناقشة صريحة لمحددات القياس والتصميم التي تحدّ من قابلية تعميم نتائجها.
المراجع
1. Christopher, M. (2016). Logistics and supply chain management (5th ed.). Pearson.
2. Davenport, T. H. (1998). Putting the enterprise into the enterprise system. Harvard Business Review, 76(4), 121–131.
3. Ben-Daya, M., Hassini, E., & Bahroun, Z. (2019). Internet of things and supply chain management: A literature review. International Journal of Production Research, 57(15–16), 4719–4742.
4. Brynjolfsson, E. (1993). The productivity paradox of information technology. Communications of the ACM, 36(12), 66–77.
5. Melville, N., Kraemer, K., & Gurbaxani, V. (2004). Review: Information technology and organizational performance — An integrative model of IT business value. MIS Quarterly, 28(2), 283–322.
6. Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal of Strategic Information Systems, 28(2), 118–144.
7. Bharadwaj, A., El Sawy, O. A., Pavlou, P. A., & Venkatraman, N. (2013). Digital business strategy: Toward a next generation of insights. MIS Quarterly, 37(2), 471–482.
8. [8] Gunasekaran, A., Patel, C., & McGaughey, R. E. (2004). A framework for supply chain performance measurement. International Journal of Production Economics, 87(3), 333–347.
9. Hitt, L. M., Wu, D. J., & Zhou, X. (2002). Investment in enterprise resource planning: Business impact and productivity measures. Journal of Management Information Systems, 19(1), 71–98.
10. Zhu, K., & Kraemer, K. L. (2005). Post-adoption variations in usage and value of e-business by organizations: Cross-country evidence from the retail industry. Information Systems Research, 16(1), 61–84.
11. Atzori, L., Iera, A., & Morabito, G. (2010). The Internet of Things: A survey. Computer Networks, 54(15), 2787–2805.
12. Verdouw, C. N., Wolfert, J., Beulens, A. J. M., & Rialland, A. (2016). Virtualization of food supply chains with the internet of things. Journal of Food Engineering, 176, 128–136.
13. Lee, H. L., Padmanabhan, V., & Whang, S. (1997). Information distortion in a supply chain: The bullwhip effect. Management Science, 43(4), 546–558.
14. Barratt, M., & Oke, A. (2007). Antecedents of supply chain visibility in retail supply chains: A resource-based theory perspective. Journal of Operations Management, 25(6), 1217–1233.
15. Prajogo, D., & Olhager, J. (2012). Supply chain integration and performance: The effects of long-term relationships, information technology and sharing, and logistics integration. International Journal of Production Economics, 135(2), 514–522.
16. Ivanov, D., Dolgui, A., & Sokolov, B. (2019). The impact of digital technology and Industry 4.0 on the ripple effect and supply chain risk analytics. International Journal of Production Research, 57(3), 829–846.
17. Porter, M. E. (1985). Competitive advantage: Creating and sustaining superior performance. Free Press.
18. Fugate, B. S., Mentzer, J. T., & Stank, T. P. (2010). Logistics performance: Efficiency, effectiveness, and differentiation. Journal of Business Logistics, 31(1), 43–62.
19. Büyüközkan, G., & Göçer, F. (2018). Digital supply chain: Literature review and a proposed framework for future research. Computers in Industry, 97, 157–177.
20. Hofmann, E., & Rüsch, M. (2017). Industry 4.0 and the current status as well as future prospects on logistics. Computers in Industry, 89, 23–34.
21. Schniederjans, D. G., Curado, C., & Khalajhedayati, M. (2020). Supply chain digitisation trends: An integration of knowledge management. International Journal of Production Economics, 220, 107439.
22. Albalwy, H. R. (2025). Impact of modern digitization of logistics operations on supply chain performance: A case study of Almarai Company, Saudi Arabia. Journal of Economic, Administrative and Legal Sciences, 9(8), 44–60.
23. Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99–120.
24. Teece, D. J. (2007). Explicating dynamic capabilities: The nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, 28(13), 1319–1350.
25. Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
26. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
27. Green, S. B. (1991). How many subjects does it take to do a regression analysis? Multivariate Behavioral Research, 26(3), 499–510.
28. Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5), 879–903.
29. Rindfleisch, A., Malter, A. J., Ganesan, S., & Moorman, C. (2008). Cross-sectional versus longitudinal survey research: Concepts, findings, and guidelines. Journal of Marketing Research, 45(3), 261–279.
