Rola informacji
Poniższy dokument traktuje o wpływie informacji na adaptacyjność firm
1. Czym jest pozyskiwanie informacji?
Zadane przez nas pytanie brzmiało:
Proszę ocenić na ile istotnym lub nieistotnym źródłem inspiracji dla wprowadzania zmian w firmie są …
pracownicy
klienci
firmy współpracujące
inne firmy, konkurencja
konferencje i targi
konsultanci, instytucje badawcze i szkoły wyższe
media
urzędy i agencje samorządowe
instytucje otoczenia biznesu, na przykład izby gospodarcze, organizacje pracodawców i tym podobne
dział badawczo - rozwojowy firmy i własne badania marketingowe
Poniższy wykres: średnie dla każdego źródła:
Poniżej: według wielkości firmy. Da się zauważyć, że im bardziej zaawansowane źródło, tym mniejsze firmy korzystają z niego w mniejszym stopniu. Dzieje się tak też w przypadku pracowników, zapewne dlatego, że małe firmy maja ich niewielu i daje to małe pole manewru.
Na podstawie powyższych pytań, i po przeprowadzeniu analizy czynnikowej i skalowania stwierdziłem, że:
źródła inspiracji generalnie układają się w jeden wymiar, który można interpretować jako wskaźnik pozyskiwania przez firmę informacji na temat nowości i zmian.
można wyróżnić dwa “podwymiary” pozyskiwania informacji, tj. źródła proste i zaawansowane, tak też zrobiliśmy
powstały więc w sumie trzy wskaźniki: “pozyskiwania informacji”, “wykorzystania prostych źródeł”, “wykorzystania zaawansowanych źródeł”. Zostały utworzone jako zmienne latentne za pomocą graded response model, który pozwala na zignorowanie braków danych oraz na przyznanie odpowiednim odpowiedziom własciwych wag*
*to nie są wagi, ale parametry dla funkcji ML, np. każda firma uznała klientów na źródło istotne, więc nie jest to zmienna ważna, poza sytuacją, gdy ktoś zaznaczył 1 lub 2: wtedy waga dla tej zmiennej jest duża.
Informacja a zmienne demograficzne
Na tym wykresie widzimy wskaźnik zagregowany według branzy i wielkości firmy
Poniżej dowód, że różnice są istotne:
## Df Sum Sq Mean Sq F value Pr(>F)
## branza 3 6.1 2.05 2.75 0.04286 *
## wielkosc 2 11.7 5.84 7.83 0.00048 ***
## branza:wielkosc 6 10.9 1.82 2.44 0.02564 *
## Residuals 309 230.2 0.75
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1I siły efektów:
## Anova Table (Type II tests)
##
## Response: informacja
## Partial eta^2 Sum Sq Df F value Pr(>F)
## branza 0.0296 7.0 3 3.14 0.02553 *
## wielkosc 0.0483 11.7 2 7.83 0.00048 ***
## branza:wielkosc 0.0452 10.9 6 2.44 0.02564 *
## Residuals 230.2 309
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Informacja jest też gorzej pozyskiwana przez firmy o podejściu konserwatywnym:
## Df Sum Sq Mean Sq F value Pr(>F)
## postawa 2 13.7 6.86 8.93 0.00017 ***
## Residuals 315 241.9 0.77
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 3 observations deleted due to missingness## Anova Table (Type II tests)
##
## Response: informacja
## Partial eta^2 Sum Sq Df F value Pr(>F)
## postawa 0.0537 13.7 2 8.93 0.00017 ***
## Residuals 241.9 315
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1## Tukey multiple comparisons of means
## 95% family-wise confidence level
##
## Fit: aov(formula = informacja ~ postawa, data = baza1)
##
## $postawa
## diff lwr upr p adj
## real-pro 0.1548 -0.1324 0.44196 0.4138
## konserw-pro -0.3593 -0.6322 -0.08642 0.0060
## konserw-real -0.5141 -0.8139 -0.21427 0.0002I lepiej przez te, których klientami jest administracja
## Df Sum Sq Mean Sq F value Pr(>F)
## as.factor(admin) 1 4.4 4.44 5.57 0.019 *
## Residuals 319 254.5 0.80
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1## Tukey multiple comparisons of means
## 95% family-wise confidence level
##
## Fit: aov(formula = informacja ~ as.factor(admin), data = baza1)
##
## $`as.factor(admin)`
## diff lwr upr p adj
## TRUE-FALSE 0.2362 0.03927 0.4332 0.0189## Anova Table (Type II tests)
##
## Response: informacja
## Partial eta^2 Sum Sq Df F value Pr(>F)
## as.factor(admin) 0.0172 4.4 1 5.57 0.019 *
## Residuals 254.5 319
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Można też sprawdzić wpływ wszystkich tych zmiennych jednocześnie, w tym interakcji.
## Df Sum Sq Mean Sq F value Pr(>F)
## postawa 2 13.7 6.86 10.34 4.9e-05 ***
## branza 3 7.6 2.52 3.80 0.01086 *
## wielkosc 2 9.7 4.85 7.32 0.00082 ***
## admin 1 1.9 1.91 2.88 0.09117 .
## postawa:branza 6 10.5 1.75 2.64 0.01674 *
## postawa:wielkosc 4 2.4 0.61 0.92 0.45321
## branza:wielkosc 6 9.0 1.49 2.25 0.03917 *
## postawa:admin 2 0.2 0.11 0.16 0.85018
## branza:admin 3 2.1 0.71 1.07 0.36394
## wielkosc:admin 2 0.6 0.28 0.43 0.65217
## postawa:branza:wielkosc 12 4.8 0.40 0.60 0.84288
## postawa:branza:admin 6 3.2 0.53 0.81 0.56668
## postawa:wielkosc:admin 4 1.8 0.45 0.67 0.61245
## branza:wielkosc:admin 6 4.3 0.71 1.08 0.37728
## postawa:branza:wielkosc:admin 12 20.8 1.73 2.62 0.00267 **
## Residuals 246 163.1 0.66
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 3 observations deleted due to missingness## Anova Table (Type II tests)
##
## Response: informacja
## Partial eta^2 Sum Sq Df F value Pr(>F)
## postawa 0.0572 9.9 2 7.46 0.00072 ***
## branza 0.0471 8.1 3 4.05 0.00777 **
## wielkosc 0.0565 9.8 2 7.37 0.00078 ***
## admin 0.0103 1.7 1 2.55 0.11160
## postawa:branza 0.0510 8.8 6 2.20 0.04328 *
## postawa:wielkosc 0.0088 1.4 4 0.55 0.70247
## branza:wielkosc 0.0515 8.9 6 2.23 0.04128 *
## postawa:admin 0.0015 0.3 2 0.19 0.82779
## branza:admin 0.0093 1.5 3 0.77 0.51306
## wielkosc:admin 0.0026 0.4 2 0.32 0.72375
## postawa:branza:wielkosc 0.0307 5.2 12 0.65 0.79924
## postawa:branza:admin 0.0178 3.0 6 0.74 0.61422
## postawa:wielkosc:admin 0.0117 1.9 4 0.73 0.57488
## branza:wielkosc:admin 0.0256 4.3 6 1.08 0.37728
## postawa:branza:wielkosc:admin 0.1131 20.8 12 2.62 0.00267 **
## Residuals 163.1 246
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1To wyczerpuje temat wpływu zmiennych demograficznych
3. Informacja a relacja między istotnością trendów i reakcją na nie.
Operuję tutaj na wcześniej utworzonych wskaźnikach:
istotności - wskazuje na to, jak bardzo firmy postrzegają wymienione trendy jako istotne (ponownie wymodelowane GRM)
reakcja - jak reagują na te, które uważają za istotne (GRM)
uwaga: na potrzeby wszystkich analiz usunałem ze zbioru firmy spoza B2B
Zaczynamy od zauważenia, że informacja przewiduje istotność, jak i reakcję, jednak tą pierwszą znacznie silniej:
##
## Call:
## lm(formula = istotne_irt ~ informacja, data = baza1[baza1$inne_firmy >
## 0, ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.3360 -0.4322 -0.0526 0.4289 2.2564
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.00675 0.04530 -0.15 0.88
## informacja 0.54415 0.04906 11.09 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.75 on 272 degrees of freedom
## Multiple R-squared: 0.311, Adjusted R-squared: 0.309
## F-statistic: 123 on 1 and 272 DF, p-value: <2e-16##
## Call:
## lm(formula = reakcja_irt ~ informacja, data = baza1[baza1$inne_firmy >
## 0, ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.1357 -0.4951 -0.0519 0.3620 2.0062
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.1313 0.0446 2.94 0.0035 **
## informacja 0.3323 0.0483 6.88 4.1e-11 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.738 on 272 degrees of freedom
## Multiple R-squared: 0.148, Adjusted R-squared: 0.145
## F-statistic: 47.3 on 1 and 272 DF, p-value: 4.11e-11Podejrzewamy, że w rzeczywistości informacja wpływa jedynie na zauważenie trendów, a przez to na samą reakcję. Sprawdzamy to:
## $`Mod1: Y~X`
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -3.537e-17 0.05586 -6.333e-16 1.000e+00
## pred 3.850e-01 0.05596 6.880e+00 4.113e-11
##
## $`Mod2: Y~X+M`
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.042e-18 0.05163 9.765e-17 1.000e+00
## pred 1.456e-01 0.06234 2.336e+00 2.025e-02
## med 4.290e-01 0.06234 6.882e+00 4.088e-11
##
## $`Mod3: M~X`
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -9.420e-17 0.05022 -1.876e-15 1.000e+00
## pred 5.581e-01 0.05031 1.109e+01 7.806e-24
##
## $Indirect.Effect
## [1] 0.2394
##
## $SE
## [1] 0.04094
##
## $z.value
## [1] 5.848
##
## $N
## [1] 274Widzimy, że efekt zapośredniczony wynosi 0,24, a całkowity 0,39, zatem tylko około 0,15 efektu można przypisać samemu faktowi, że dobre poinformowanie sprzyja intensywnej reakcji na trendy.
Ilustracja: 
Korelacje cząstkowe pokazują nam, że bezpośredni związek między pozyskiwaniem informacją a reakcją na trendy jest istotny:
## estimate p.value statistic n gp Method
## 1 0.1405 0.01952 2.336 274 1 pearson(według korelacji semicząstkowej na poziomie tendencji):
spcor.test(bb$info,bb$reakcja,bb$istotne)## estimate p.value statistic n gp Method
## 1 0.1166 0.05337 1.932 274 1 pearsonPodsumowując wywód: informacja wpływa na to, że trendy są uważane za istotne. Dzięki temu wpływa też na reakcję na nie, choć istnieje też jej bezpośredni wpływ. Znaczyłoby to, że rolą informacji jest uzbrajanie firm w wiedzę, niekoniecznie narzędzia do reagowania - za to w większym stopniu są odpowiedzialne inne mechanizmy.
Informacja a wpływ adaptacyjności na kondycję firmy
W pewnym sensie powtarzamy powyższą analizę, tym razem jedna badamy, jak informacja modyfikuje relację między adaptacyjnością/ zmianami a kondycją firmy (satysfakcja - A6_2; przystosowanie do zmian - A6_3)
Zmienne:
adaptacja: zachowania adaptacyjne i innowacyjne firmy, deklarowane, wskaźnik wg GRM
zmiany: zmiany wprowadzone w zeszłym roku, wskaźnik wg GRM
Na początku zwykłe analizy regresji
##
## Call:
## lm(formula = A6_2 ~ informacja, data = baza1[baza1$inne_firmy >
## 0, ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.732 -0.643 0.206 0.471 1.603
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.6745 0.0540 68.1 <2e-16 ***
## informacja 0.1760 0.0586 3.0 0.0029 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.888 on 269 degrees of freedom
## (3 observations deleted due to missingness)
## Multiple R-squared: 0.0324, Adjusted R-squared: 0.0288
## F-statistic: 9.01 on 1 and 269 DF, p-value: 0.00294##
## Call:
## lm(formula = A6_3 ~ informacja, data = baza1[baza1$inne_firmy >
## 0, ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.8951 -0.7607 0.0528 0.8113 1.3229
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.9133 0.0506 77.27 <2e-16 ***
## informacja 0.1211 0.0549 2.21 0.028 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.837 on 271 degrees of freedom
## (1 observation deleted due to missingness)
## Multiple R-squared: 0.0177, Adjusted R-squared: 0.014
## F-statistic: 4.87 on 1 and 271 DF, p-value: 0.0281##
## Call:
## lm(formula = A6_2 ~ zmiany, data = baza1[baza1$inne_firmy > 0,
## ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.697 -0.649 0.194 0.449 1.655
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.668 0.054 67.87 <2e-16 ***
## zmiany 0.174 0.059 2.95 0.0034 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.889 on 269 degrees of freedom
## (3 observations deleted due to missingness)
## Multiple R-squared: 0.0314, Adjusted R-squared: 0.0278
## F-statistic: 8.73 on 1 and 269 DF, p-value: 0.00341##
## Call:
## lm(formula = A6_3 ~ zmiany, data = baza1[baza1$inne_firmy > 0,
## ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.754 -0.570 0.045 0.515 1.450
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.9052 0.0494 79.06 < 2e-16 ***
## zmiany 0.2388 0.0540 4.42 1.4e-05 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.815 on 271 degrees of freedom
## (1 observation deleted due to missingness)
## Multiple R-squared: 0.0673, Adjusted R-squared: 0.0639
## F-statistic: 19.6 on 1 and 271 DF, p-value: 1.41e-05##
## Call:
## lm(formula = A6_2 ~ adaptacja, data = baza1[baza1$inne_firmy >
## 0, ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.689 -0.586 0.121 0.462 1.750
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.6758 0.0529 69.5 <2e-16 ***
## adaptacja 0.2621 0.0582 4.5 1e-05 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.871 on 269 degrees of freedom
## (3 observations deleted due to missingness)
## Multiple R-squared: 0.0701, Adjusted R-squared: 0.0666
## F-statistic: 20.3 on 1 and 269 DF, p-value: 1e-05##
## Call:
## lm(formula = A6_3 ~ adaptacja, data = baza1[baza1$inne_firmy >
## 0, ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.5012 -0.4931 0.0342 0.5308 1.6048
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.9138 0.0479 81.71 < 2e-16 ***
## adaptacja 0.3194 0.0523 6.11 3.5e-09 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.791 on 271 degrees of freedom
## (1 observation deleted due to missingness)
## Multiple R-squared: 0.121, Adjusted R-squared: 0.118
## F-statistic: 37.3 on 1 and 271 DF, p-value: 3.53e-09Widzimy, że: (1) informacja ma wpływ na kondycję, (2) zarówno zmiany, jak i adaptacja, mają wpływ na kondycję firmy.
Sytuacja komplikuje się, gdy chcemy uwzględnić i adaptację, i zmiany jednocześnie:
##
## Call:
## lm(formula = A6_2 ~ adaptacja + zmiany, data = baza1[baza1$inne_firmy >
## 0, ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.686 -0.587 0.123 0.466 1.752
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.6753 0.0531 69.22 < 2e-16 ***
## adaptacja 0.2540 0.0760 3.34 0.00095 ***
## zmiany 0.0125 0.0755 0.17 0.86824
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.873 on 268 degrees of freedom
## (3 observations deleted due to missingness)
## Multiple R-squared: 0.0702, Adjusted R-squared: 0.0632
## F-statistic: 10.1 on 2 and 268 DF, p-value: 5.82e-05##
## Call:
## lm(formula = A6_3 ~ adaptacja + zmiany, data = baza1[baza1$inne_firmy >
## 0, ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.5098 -0.5035 0.0313 0.5205 1.6140
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.9116 0.0480 81.48 < 2e-16 ***
## adaptacja 0.2836 0.0685 4.14 4.6e-05 ***
## zmiany 0.0557 0.0686 0.81 0.42
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.792 on 270 degrees of freedom
## (1 observation deleted due to missingness)
## Multiple R-squared: 0.123, Adjusted R-squared: 0.117
## F-statistic: 18.9 on 2 and 270 DF, p-value: 1.99e-08Znika wtedy wpływ zmian na kondycję firmy.
Potwierdzają to korelacje cząstkowe:
## zmiany adapt perf
## zmiany 1.00000 0.6115 0.02781
## adapt 0.61151 1.0000 0.27098
## perf 0.02781 0.2710 1.00000i semicząstkowe:
## zmiany adapt perf
## zmiany 1.0000 0.5914 0.02129
## adapt 0.5695 1.0000 0.20745
## perf 0.0259 0.2621 1.00000Obie zmienne w podobny sposób mierzą to, co mierzą. Oznacza to, że wpływ rzeczywistych zmian na kondycję firmy istnieje jedynie przez związek tych zmian z deklarowaną adaptacyjnością!
Ilustracja: 
Uwzględniamy więc informację. Co obserwujemy:
informacja wpływa najsilniej na wprowadzone zmiany,
w mniejszym stopniu na adaptacyjność
nieistotnie na kondycję (choć tu skłania się w stronę ujemnej zależności)
Jest też inny model, w którym zmiany i deklarowana adaptacja (innowacyjność) stają się jednym wskaźnikiem. I wtedy obserwujemy ujemny bezpośredni wpływ informacji na kondycje firmy, co tłumaczę przez to, że:
firmy aktywnie poszukujące informacji mają lepsze rozeznanie w rynku, częściej mają okazję porównać się z innymi, przez co czują się bardziej zagrożone
firmy, które nie poszukują informacji prowadzących do zmian, nie znają sytuacji na rynku, i czują się bezpieczniej, choć jest to troche ułudne
I wygląda na to, że ten ostatni nadaje się najlepiej.
Informacja szczegółowo
Poniższa tabelka pokazuje, zastosowanie których źródeł informacji przewiduje istotność którego trendu. Są to współczynniki regresji istotne przynajmniej na p = 0.7
| prac | klienci | firmy wsp. | inne firmy | konferencje | ośrodki bad. | media | samorząd | IOB | własne | |
|---|---|---|---|---|---|---|---|---|---|---|
| Komputery i maszyny pozwalają zwiększyć wydajność pracy i zracjonalizować zatrudnienie | 0.00 | 0.00 | 0.16 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.14 |
| Małym firmom coraz trudniej jest konkurować z dużymi | 0.00 | 0.00 | 0.00 | 0.19 | 0.18 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 |
| To, co wcześniej było sprzedawane jako produkt, zaczyna być oferowane jako usługa (np. w wynajmie, abonamencie) | 0.16 | 0.00 | 0.22 | 0.00 | 0.00 | 0.16 | 0.25 | 0.00 | 0.00 | 0.00 |
| Informacje i dane stają się istotnymi i wartościowymi towarami | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.17 |
| Firmy mogą samodzielnie wykorzystać internet do budowy wizerunku i komunikacji z klientami | 0.00 | 0.00 | 0.13 | -0.11 | 0.13 | 0.00 | 0.21 | 0.00 | 0.00 | 0.23 |
| Nasila się rywalizacja o najlepszych, wykwalifikowanych specjalistów | 0.00 | 0.14 | 0.00 | 0.00 | 0.00 | 0.00 | 0.18 | 0.00 | 0.00 | 0.00 |
| Starsza kadra ma problemy z dostosowaniem się do nowych technologii i warunków | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.23 | 0.16 | 0.00 |
| Dla klientów i odbiorców coraz istotniejsze stają się kwestie związane z ekologią i zdrowym stylem życia | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.16 | 0.00 | 0.00 |
| Praca zdalna i outsourcing stają się coraz bardziej rozpowszechnione | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.33 | 0.00 | 0.00 | 0.00 |
| Zwiększa się konkurencja ze strony firm z innych regionów i krajów, które zyskują dostęp do klientów np. przez internet | 0.00 | 0.18 | 0.00 | 0.38 | 0.00 | 0.00 | 0.00 | -0.26 | 0.00 | 0.00 |
| W wyniku rozwoju nowych technologii coraz łatwiejszy staje się dostęp do wcześniej nieosiągalnych rynków | 0.00 | 0.00 | 0.00 | 0.18 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.29 |
| Rośnie udział klientów w kształtowaniu produktów i usług | 0.00 | 0.00 | 0.00 | 0.18 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.21 |
| Nowe technologie sprawiają, że niektóre z wcześniejszych produktów i usług stają się nieopłacalne | 0.00 | 0.00 | 0.00 | 0.28 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 |
W poniższej tabeli to samo, tylko analizujemy reakcję na trendy
| prac | klienci | firmy wsp. | inne firmy | konferencje | ośrodki bad. | media | samorząd | IOB | własne | |
|---|---|---|---|---|---|---|---|---|---|---|
| Komputery i maszyny pozwalają zwiększyć wydajność pracy i zracjonalizować zatrudnienie | 0.00 | 0.18 | 0.19 | 0.00 | 0.00 | 0.00 | 0.00 | 0.14 | 0.00 | 0.00 |
| Małym firmom coraz trudniej jest konkurować z dużymi | 0.00 | 0.00 | 0.00 | 0.00 | 0.23 | 0.00 | 0.18 | 0.00 | 0.00 | 0.00 |
| To, co wcześniej było sprzedawane jako produkt, zaczyna być oferowane jako usługa (np. w wynajmie, abonamencie) | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.33 | 0.00 | 0.00 | 0.00 |
| Informacje i dane stają się istotnymi i wartościowymi towarami | 0.00 | 0.14 | 0.00 | -0.15 | 0.00 | 0.00 | 0.16 | 0.00 | 0.00 | 0.00 |
| Firmy mogą samodzielnie wykorzystać internet do budowy wizerunku i komunikacji z klientami | 0.00 | 0.00 | 0.13 | -0.11 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.18 |
| Nasila się rywalizacja o najlepszych, wykwalifikowanych specjalistów | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.15 | 0.00 | 0.00 | 0.00 |
| Starsza kadra ma problemy z dostosowaniem się do nowych technologii i warunków | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.27 | 0.00 | 0.00 |
| Dla klientów i odbiorców coraz istotniejsze stają się kwestie związane z ekologią i zdrowym stylem życia | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 |
| Praca zdalna i outsourcing stają się coraz bardziej rozpowszechnione | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 |
| Zwiększa się konkurencja ze strony firm z innych regionów i krajów, które zyskują dostęp do klientów np. przez internet | 0.00 | 0.00 | 0.31 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | -0.23 |
| W wyniku rozwoju nowych technologii coraz łatwiejszy staje się dostęp do wcześniej nieosiągalnych rynków | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 |
| Rośnie udział klientów w kształtowaniu produktów i usług | 0.00 | 0.26 | 0.00 | 0.00 | 0.00 | 0.17 | 0.00 | 0.00 | 0.00 | 0.00 |
| Nowe technologie sprawiają, że niektóre z wcześniejszych produktów i usług stają się nieopłacalne | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 |
Jakie są z tego wnioski? Nie ma tu jakiegoś wyraźnego wzroca, źródła informacji o trendach mogą być różne, dopiero wskaźnik zagregowany daje nam pełen obraz.
Bonus: relacja innowacyjności i kondycji firmy jest większa z grupie o umiarkowanych postawach wobec zmian.
##
## Call:
## lm(formula = A6_2 + A6_3 ~ as.numeric(adaptacja + zmiany) * postawa,
## data = baza1)
##
## Residuals:
## Min 1Q Median 3Q Max
## -5.479 -0.906 0.086 0.943 3.090
##
## Coefficients:
## Estimate Std. Error t value
## (Intercept) 7.5642 0.1302 58.11
## as.numeric(adaptacja + zmiany) 0.2094 0.0801 2.62
## postawareal -0.1781 0.2089 -0.85
## postawakonserw 0.0270 0.2047 0.13
## as.numeric(adaptacja + zmiany):postawareal 0.2914 0.1394 2.09
## as.numeric(adaptacja + zmiany):postawakonserw 0.0347 0.1223 0.28
## Pr(>|t|)
## (Intercept) <2e-16 ***
## as.numeric(adaptacja + zmiany) 0.0093 **
## postawareal 0.3945
## postawakonserw 0.8951
## as.numeric(adaptacja + zmiany):postawareal 0.0374 *
## as.numeric(adaptacja + zmiany):postawakonserw 0.7771
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.42 on 307 degrees of freedom
## (8 observations deleted due to missingness)
## Multiple R-squared: 0.102, Adjusted R-squared: 0.0875
## F-statistic: 6.99 on 5 and 307 DF, p-value: 3.37e-06Sprawa sektora B2B
W takich branżach działają te firmy, skąd są, branża, wielkość, kto odpowiadał:
##
## Rolnictwo (leśnictwo)
## 1
## Górnictwo
## 0
## Produkcja spożywcza, odzieży, chemikaliów, maszyn, pojazdów itp.
## 2
## Zaopatrywanie w energię, gaz, wodę, gospodarowanie odpadami
## 1
## Budownictwo, roboty budowlane
## 5
## Handel hurtowy
## 0
## Handel detaliczny
## 1
## Sprzedaż, naprawa pojazdów
## 1
## Transport i logistyka
## 0
## Zakwaterowanie, gastronomia
## 0
## Wydawnictwa
## 1
## Telekomunikacja, informatyka
## 0
## Działalność finansowa i ubezpieczeniowa
## 0
## Obsługa nieruchomości
## 3
## Inne usługi dla klientów indywidualnych lub firm (np. prawnik, architekt, rachunkowe, doradztwo, badania, reklama, fot
## 6
## Administracja publiczna
## 3
## Edukacja
## 12
## Opieka zdrowotna i pomoc społeczna
## 10
## Działalność związana z kulturą, rozrywką i rekreacją
## 1##
## FALSE TRUE Sum
## gmina wiejska 8 27 35
## miasto do 9 tys. 3 18 21
## miasto 10-19 tys. 5 29 34
## miasto 20-49 tys. 9 29 38
## miasto 50-99 tys. 0 8 8
## miasto 100-199 tys. 2 4 6
## miasto 200-499 tys. 2 12 14
## miasto ponad 1000 tys. 18 147 165
## Sum 47 274 321##
## FALSE TRUE Sum
## PRODUKCJA 9 81 90
## HANDEL 2 57 59
## USŁUGI 10 103 113
## ADMINISTRACJA, EDUKACJA, KULTURA, SAMORZĄDY 26 33 59
## Sum 47 274 321##
## FALSE TRUE Sum
## 2-9 osób 11 94 105
## 10-49 osób 16 90 106
## 50 i więcej osób 20 90 110
## Sum 47 274 321##
## FALSE TRUE Sum
## Właściciel / współwłaściciel 7 83 90
## Członek zarządu, prezes 7 53 60
## Dyrektor 12 40 52
## Inne stanowisko, jakie? 21 98 119
## Sum 47 274 321Najwięcej informacji daje nam porówanie z konkretną działalnością; wiele jest tam placówek służby zdrowia i edukacyjnych.