آینده نگری شرکت و تأثیر آن بر عملکرد شرکت: یک تحلیل طولی پیوندهای نویسنده پانل همپوشانی را باز می کنند

2.1 . آینده نگری شرکتی

علاقه به CF همیشه با این انتظار تقویت شده است که اقدامات، فرآیندها و واحدهای سازمانی CF توانایی یک شرکت را برای دستیابی به عملکرد برتر افزایش دهند ( Vecchiato, 2015 ). کار اولیه گاستون برگر در دهه 1950 بر نیاز به ایجاد چشم اندازهای آینده که در یک تیم مدیریت مشترک است تأکید کرد ( برگر، 1964 ). این نمایش‌ها می‌توانند اهداف نهایی را که یک سازمان برای آن تلاش می‌کند روشن کند و برنامه‌ریزی عقب مانده را برای اطلاع‌رسانی به انتخاب ابزار تسهیل کند ( برگر و همکاران، 2008 ، کوتس و همکاران، 2010 ). همل و پراهالاد (1994)استدلال می‌کنند که سودآوری بالا فقط برای شرکت‌هایی در دسترس است که می‌توانند با «رقابت برای آینده» بر بحران‌ها غلبه کنند، که در مقابل شرکت‌هایی که با تجدید ساختار و کوچک‌سازی با هم رقابت می‌کنند، مقابله می‌کنند. Rohrbeck (2012) 19 مورد را مورد مطالعه قرار داد و به این نتیجه رسید که CF به عنوان یک فرآیند مهم ترجمه ای عمل می کند که منجر به تخصیص منابع استراتژیک جدید می شود که سپس به موقعیت رقابتی افزایش یافته منجر می شود. روهربک و شوارتز (2013) با استفاده از یک نمونه مقطعی از 77 شرکت، ایجاد ارزش را از اقدام زودتر از رقبا و تأثیرگذاری بر سایر بازیگران برای عمل به روشی که برای شرکت کانونی مطلوب است گزارش کردند. سرانجام، گاوتی و منون (2016) و پیتر و جارت (2015)از استراتژی رفتاری و مطالعات تک موردی استفاده کرد تا پیشنهاد کند که CF مجموعه‌ای از شیوه‌هایی است که استراتژیست‌ها را قادر می‌سازد تا مسیر عمل برتر را شناسایی کرده و پیامدهای آن را پیش‌بینی کنند.

برای این مقاله، ما CF را به عنوان مجموعه‌ای از شیوه‌هایی تعریف می‌کنیم که شرکت‌ها را قادر می‌سازد تا به موقعیت برتر در بازارهای آینده دست یابند. با این حال، ما همچنین تصدیق می کنیم که CF بیشتر ممکن است همیشه بهتر نباشد. Day and Schoemaker (2005)برای حالتی که آنها آن را «عصبی» می‌نامند، استدلال می‌کردند، که زمانی رخ می‌دهد که شرکتی دارای قابلیت‌های دید محیطی بیش از نیازهایش باشد. برت و همکاران استدلال می‌کنند که آینده‌نگاری ممکن است شرایطی را در تیم‌های مدیریت ارشد ایجاد کند که آن‌ها آن را «دوربینی مدیریتی» می‌نامند، یعنی تمرکز بیش از حد بر مدیریت آینده‌های دور و در عین حال عدم توجه کافی به آنچه در دست است. از این رو، رویکرد ما باید از اندازه‌گیری سطوح مطلق CF فراتر رفته و آنها را در چارچوب نیاز CF قرار دهد. ما انتظار داریم که شرکت‌ها بتوانند از CF برای شناسایی عواملی که تغییرات محیطی را هدایت می‌کنند، پیش‌بینی تغییرات بازار آتی، و تعریف مسیر عملی که به سمت موقعیت برتر بازار و متعاقباً عملکرد برتر شرکت منتهی می‌شود، استفاده کنند.

2.2 . مفهوم سازی آمادگی آینده

در مقایسه با مطالعات قبلی، ما مفهوم سازی را با معرفی آمادگی آینده سازه نسبی (FP) پیش می بریم. این ساختار با مقایسه نیاز به CF با بلوغ CF شرکت کانونی ساخته شده است. دلیل اصلی این است که اگر بخواهیم تعیین کنیم که مثلاً رفلکس های بهتر احتمال برنده شدن در یک مسابقه ورزشی را افزایش می دهد، مهم است که محیط رقابتی من یک بازی شطرنج باشد یا یک بازی تنیس روی میز. این اهمیت تراز کردن بلوغ با نیازهای ناشی از محیط نیز در مدل دید محیطی دی و شومیکر (2005) به رسمیت شناخته شده است. برای مدل مفهومی خود، ما یک شاخص نیاز CF را بر اساس دی و شومیکر (2005) ایجاد می کنیم.مقیاس پیچیدگی محیطی و نوسانات محیطی شاخص بلوغ بر اساس مدل بلوغ روربک است ( روهربک، 2010a ، روهربک، 2010b ). هر دو شاخص به یک امتیاز چهار سطحی تبدیل می شوند که امکان مقایسه مستقیم هر دو را فراهم می کند. بنابراین مدل ما سطح مطلق رفلکس ها را ارزیابی نمی کند (قیاس بلوغ CF در مدل ما)، بلکه سطح مناسب بودن رفلکس ها برای یک محیط رقابتی معین (FP در مدل ما) است.

ما انتظار داریم که FP در نتیجه یک شاخص قدرتمندتر برای قضاوت در مورد جذابیت یک شرکت برای سرمایه گذاران از بلوغ CF به تنهایی باشد. به طور مشابه، ارزیابی که فقدان FP را نشان می دهد سیگنال قوی برای مدیریت ارشد خواهد بود که رقابت میان مدت و بلندمدت در خطر است ( همل و پراهالاد، 1994 ، توشمن و اوریلی، 1996 ). این دیدگاه همچنین در قانون آلمان که بر سازمان‌های تجاری عمومی حاکم است، منعکس شده است، زیرا الزامات قطعی برای چنین سازمان‌هایی را برای داشتن یک سیستم آینده‌نگری استراتژیک تنظیم می‌کند. با این حال، با نبود یک شاخص شفاف، اجرای این الزام دشوار است. بنابراین اگر FP ثابت شود که در بین صنایع قابل اندازه گیری است،

•

برای سهامداران، می تواند به یک شاخص قدرتمند برای مسئول نگه داشتن مدیریت برای تمرکز کافی روی میان مدت و بلندمدت برای اطمینان از موفقیت آینده شرکت تبدیل شود.

•

برای سیاستگذاران، این می‌تواند به یک الزام رسمی تبدیل شود که تضمین کند شرکت‌ها دارای سیستم‌هایی هستند که احتمال بقا را افزایش می‌دهند و مدیریت توجه کافی به ایجاد ارزش میان‌مدت در مقابل سودهای کوتاه‌مدت دارد.

•

برای مدیریت، می‌تواند به یک ابزار محک تبدیل شود تا اطمینان حاصل شود که (الف) آمادگی کافی در آینده را در سازمان خود ایجاد می‌کنند و (ب) سیستم‌های آینده‌نگاری شرکتی آنها در مقایسه با رقبای صنعتی خود رقابتی هستند.

در بخش بعدی، ادبیاتی را که برای ساختن مدل اندازه گیری خود از آنها استفاده می کنیم، بحث خواهیم کرد. عملیات دقیق سازه های ما را می توان در جدول 3 در ضمیمه یافت.

2.3 . اندازه گیری بلوغ آینده نگاری شرکت

مدل های مختلفی برای سنجش آینده نگری یک فرد یا سازمان ارائه شده است. گریم (2009) مدلی را پیشنهاد کرد که عناصر فرآیند و رهبری را ترکیب می کند. دی و شومیکر (2005) چنین مدلی را تحت عنوان قابلیت‌های دید پیرامونی معرفی کردند که شامل مقوله‌های جهت‌گیری رهبری، سیستم‌های مدیریت دانش، ساخت استراتژی، پیکربندی سازمانی و فرهنگ است. هاینز و همکاران (2017) یک مدل شایستگی ایجاد کرد که می تواند برای قضاوت در مورد مهارت افراد در انجام یک نقش آینده نگر به کار رود.

برای مطالعه خود، مدل بلوغ روهربک را به سه دلیل انتخاب کردیم. ابتدا، این مدل بلوغ CF را در سطح سازمانی اندازه گیری می کند. دوم، اعمالی را مشخص می‌کند که می‌توانند هم از طریق مقیاس توصیفی چهار سطحی مدل اصلی و هم به عنوان مقیاس لیکرت اندازه‌گیری شوند ( Jissink et al., 2015 , Paliokaitė and Pačėsa, 2015 ). سوم، مدل بلوغ قبلاً برای بررسی رابطه بین CF و عملکرد شرکت استفاده شده است ( جیسینک و همکاران، 2014 ، روهربک، 2012 ، روهربک و شوارتز، 2013 ). از مدل اصلی، بعد «افراد و شبکه‌ها» را به دو جزء فرعی آن تجزیه کردیم. ما همچنین یک لایه فرآیند اضافه کردیم ( شکل 1 را ببینید)، که درک این موضوع را تسهیل می‌کند که چگونه شیوه‌های مختلف مدل‌های بلوغ به توانایی شرکت برای تبدیل سیگنال‌ها به بینش‌ها کمک می‌کند، که مسیرهای جدید اقدام را اطلاع‌رسانی می‌کند.

1. دانلود: دانلود تصویر با وضوح بالا (309 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

شکل 1 . مدل ارزیابی بلوغ CF ما، بر اساس Rohrbeck (2010a) .

در لایه فرآیند، سه مرحله فرآیند را تعریف می کنیم:

•

ادراک : شیوه هایی که شرکت برای شناسایی عواملی که باعث تغییر محیطی می شوند استفاده می کند. هدف شرکت شناسایی سیگنال‌های (ضعیف) قبل از رقابت برای به دست آوردن مزیت زمان پیشروی است ( آنسوف، 1980 ، ون در دوین و هارتیگ، 2009 ).

•

جست‌وجو : شیوه‌هایی که از طریق آن شرکت‌ها درگیر حس‌سازی و استراتژی‌سازی می‌شوند . تمرین‌ها شامل کار با قیاس‌ها، تحلیل سناریو، نگاشت دینامیک سیستم‌ها، و ریخته‌گری برگشتی است ( بزولد، 2010 ، دفت و ویک، 1984 ، ریسیارت و همکاران، 2015 ). علاوه بر این، شرکت ها با شناسایی نقاط اوج، قصد دارند زمان مناسب برای اقدام را پیش بینی کنند. هدف این مرحله به دست آوردن یک مزیت بینشی است که به شرکت‌ها اجازه می‌دهد تا مسیر عمل برتر را که از وضعیت موجود صنعت فاصله دارد، شناسایی کنند ( Gavetti, 2012 , Gavetti and Menon, 2016 ).

•

کاوشگری : شیوه هایی که از طریق آن شرکت ها از آنچه گاوتی و لوینتال «جستجوی شناختی» در مرحله ادراک و اکتشاف نامیدند به «جستجوی تجربی» در مرحله کاوش حرکت می کنند ( Cunha و همکاران، 2012 ، Gavetti and Levinthal، 2000 ، Gavetti، و Riv. 2007 ). به طور خاص، در محیط های پرسرعت، نیاز به کشف بازارهای جدید از طریق آزمایش تایید شده است ( کوستانزو، 2004 ، گاوتی و ریوکین، 2007 ). روش های کاوشگر یا در واحدهای شتاب دهنده اختصاصی یا در واحدهایی که دستور عمل را دریافت می کنند، انجام می شود. این ممکن است شامل نمونه سازی، پروژه های تحقیق و توسعه، آزمایش های مصرف کننده، سرمایه گذاری داخلی، ابتکارات استراتژیک یا سرمایه گذاری خارجی باشد ( مک گرات و همکاران، 2006)., Michl et al., 2012 , Rohrbeck et al., 2009 ). هدف اقدامات کاوشگری مشروعیت بخشیدن و شروع یک مسیر جدید و در نهایت کسب مزیت رقابتی است.

برای اندازه‌گیری بلوغ CF، اقلام موجود مدل بلوغ روربک را می‌سازیم، اما آنها را تحت سه P دوباره دسته‌بندی می‌کنیم، شکل 2 را ببینید . ما مقیاس ادراک را با ادغام موارد مربوط به اطلاعات، افراد و شبکه ایجاد می کنیم (14 مورد). ما مقیاس جستجو را با ادغام موارد مربوط به روش ها و فرهنگ ایجاد می کنیم (9 مورد). ما مقیاس کاوش را با استفاده از موارد مربوط به یک سازمان (12 مورد) ایجاد می کنیم. موارد تفصیلی در جدول 3 پیوست A ارائه شده است .

1. دانلود: دانلود تصویر با وضوح بالا (346 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

شکل 2 . اندازه گیری بلوغ آینده نگاری شرکت

برای ارزیابی سطح بلوغ کلی CF، ابتدا میانگین اقلام موجود در سه P (a ^P1 ، a ^P2 ، a ^P3 ) را محاسبه می‌کنیم. گویه ها توسط پاسخ دهندگان در مقیاس لیکرت 5 درجه ای نمره گذاری شد. پس از محاسبه میانگین‌های سه P، آنها را با اعمال قانون زیر به سطوح بلوغ چهار مرحله‌ای خود (ml ^P1 ، ml ^P2 ، ml ^{P3 ) تبدیل می‌کنیم:}

•

(a  <  2)  =  (ml  =  1)

•

(3  >  a  ≥  2)  =  (ml  =  2)

•

(4  >  a  ≥  3)  =  (ml  =  3)

•

(5  ≥  a  ≥  4)  =  میلی لیتر  =  4)

این رویکرد معیاری را در اختیار ما قرار می دهد که در بین سه P قابل مقایسه است و با مقیاس چهار سطحی که برای ارزیابی نیاز CF استفاده می کنیم قابل مقایسه است. برای تجمیع نمرات سطح بلوغ در سه P، یک تابع حداقل اعمال می‌کنیم: MIN (ml ^P1 ؛ ml ^P2 ؛ ml ^P3 ). این مطابق با سایر مدل‌های بلوغ است، که بر این فرض ساخته شده‌اند که «ضعیف‌ترین حلقه استحکام زنجیره را تعیین می‌کند»، به عنوان مثال، در مورد ما بلوغ CF یک شرکت با P با کمترین امتیاز تعیین می‌شود.

2.4 . اندازه گیری نیاز آینده نگری شرکت ها

برای در نظر گرفتن اینکه برای مثال، شرکت‌هایی که در یک محیط بسیار باثبات هستند، نیاز کمتری به ساخت روش‌های CF دارند، ما FP را به عنوان یک معیار نسبی ساختیم. برای عملیاتی کردن نیاز CF، ما مقیاس‌های Day و Schoemaker’s (2005) را برای پیچیدگی و نوسانات محیط تطبیق داده و کاهش دادیم. تبدیل از نمرات مقیاس لیکرت اصلی به سطوح نیاز (nl ^C ، nl ^V ) مشابه رویکرد مورد استفاده برای سطوح بلوغ انجام شد ( شکل 3 را ببینید ).

1. دانلود: دانلود تصویر با وضوح بالا (336 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

شکل 3 . اندازه گیری نیاز آینده نگری شرکت ها

برای جمع‌آوری نمرات سطح نیاز، یک تابع حداکثر اعمال می‌کنیم: MAX (nl ^C , nl ^V ). این نشان دهنده این است که هم پیچیدگی و هم بی ثباتی می توانند نیاز را به طور مستقل ایجاد کنند. این با اکثر نویسندگان مطابقت دارد و همچنین با دیدگاه ما در مورد اینکه چگونه یک شرکت در مورد آماده سازی فکر می کند پشتیبانی می شود ( Gephart et al., 2010 , Vecchiato, 2012 ). به عنوان مثال، اگر یک شرکت در محیطی قرار دارد که با پیچیدگی سطح یک مشخص می شود، اما فقط نوسانات سطح چهار را مشخص می کند، فرض می کنیم که همچنان باید رویه های CF را در سطح چهار ایجاد کند. استدلال این است که پیچیدگی بالا باعث اینرسی می شود، که به نوبه خود تنها با شناسایی زودهنگام تغییرات و وجود مکانیسم های CF که باعث واکنش سازمانی می شود، متعادل می شود.

یک مثال می تواند یک تولید کننده خودرو باشد که با اختلال در خودروهای برقی مواجه شده است. در حالی که پیچیدگی محیطی کم است (تعداد کم رقبا، رقبا به راحتی قابل شناسایی هستند)، نوسانات محیطی بالا است (تا جایی که تحت تأثیر تغییرات خارجی، پیش بینی تغییرات تکنولوژیکی قرار می گیرد). برای چنین شرکتی، اگر آن را در سطح چهار (نوسان‌پذیری) و سطح یک (پیچیدگی) ارزیابی کنیم، اگر میانگین دو بعد (نوسان‌پذیری و پیچیدگی) را در نظر بگیریم، سطح دو را برای نیاز CF به دست می‌آوریم. . این مورد نشان می دهد که سطح مناسب فرآیند CF باید با بالاترین سطح نیاز در هر یک از دو بعد ما مطابقت داشته باشد.

2.5 . ایجاد آمادگی آینده

برای تعیین آمادگی سیستماتیک آینده، پیشنهاد می‌کنیم که اگر سطح نیاز CF (NL _CF ) با سطح بلوغ CF (ML _CF ) مطابقت داشته باشد، به سطح بهینه آمادگی آینده رسیده است. انحراف از این بهینه زمانی رخ می دهد که شرکت ها دارای سطح بلوغ کمتر از سطح نیاز CF یا زمانی که شرکت ها دارای سطح بلوغ بالاتر از سطح نیاز CF هستند. حالات زیر را تعریف می کنیم:

•

nl  =  ml: هوشیار ، یک شرکت دارای شیوه های CF است که برای محیط خاص آن کافی است.

•

nl  <  ml: عصبی ، یک شرکت دارای شیوه های CF است که بیش از نیازهای آن برای یک محیط معین است.

•

nl  >  ml (در یک سطح): آسیب پذیر ، شرکتی که روش های CF دارد که یک سطح کمتر از آنچه که برای مطابقت با نیاز مورد نیاز است، فاصله دارد.

•

nl  ≫  ml (در دو یا چند سطح): در خطر ، شرکتی که دارای CF است که بیش از یک سطح کمتر از آنچه که برای مطابقت با نیاز مورد نیاز است، کمتر است.

با معرفی FP به عنوان یک ساختار نسبی، ما معتقدیم راهی برای کنترل تفاوت‌های صنعت پیدا کرده‌ایم که ممکن است یافته‌های قبلی در مورد تأثیر CF را مخدوش کرده باشد.

3.1 . چالش ها و طراحی تحقیق

ما در بالا استدلال کردیم که فقدان تحقیقات تجربی در مورد تأثیر CF تا حد زیادی در مشکلات در طراحی یک چارچوب تجربی-تحقیقی مناسب است. به طور دقیق تر، دو چالش اصلی که ما در نظر داشتیم با طراحی تحقیق بر آنها غلبه کنیم به شرح زیر است.

تحقیقات گذشته شواهد مبتنی بر مورد و حکایتی پیدا کرده است که نشان می‌دهد فعالیت‌های CF (گاهی اوقات پروژه‌های فردی) با نتایج محلی (به عنوان مثال، تغییر موقعیت یک سبد محصول، که منجر به فروش بالاتر می‌شود) ارتباط دارد ( باتیستلا، 2014 ، روهربک، 2012). ، راف، 2015). با این حال، همچنین به چالش پیوندهای علی پیچیده که ممکن است رابطه بین CF و عملکرد شرکت را مخدوش کند، اشاره کرده است. به طور خاص، اقدامات رقیب و عوامل سطح صنعت گزارش شده است که نقش مهمی در تعیین عملکرد شرکت دارند. در مطالعه خود، ما به دو روش به این موضوع پرداختیم: اول، عوامل محیطی بالقوه مخدوش کننده را با ادغام بلوغ و نیاز CF در ساختار FP خود برای تشکیل متغیر مستقل خود کنترل کردیم. دوم، ما از خوشه‌های «باعملکرد برتر» و «با عملکرد ضعیف» که در سطح صنعت پرجمعیت هستند، استفاده کردیم تا از تفاوت‌های عملکردی بین صنعت که ممکن است یافته‌های ما را مخدوش کند، اجتناب کنیم. ما خوشه‌های عملکردی را با شناسایی «باعملکرد برتر» (20 درصد برتر) و «باعملکرد ضعیف» (20 درصد پایین) هر صنعت و سپس ترکیب شرکت‌ها در خوشه‌های عملکرد بین‌صنعتی ایجاد کردیم، به عنوان مثال، نمونه‌ای از همه عملکردهای برتر و ضعیف‌تر را ایجاد کردیم. تمام صنایع بنابراین، این نمونه‌ها با تفاوت‌های شدید درون صنعت اشتباه گرفته نمی‌شوند، و یک طبقه‌بندی قوی به برندگان اجازه می‌دهد تا برندگان را از بازنده‌ها در صنایع متمایز کنند.

معیارهای مختلفی برای اندازه گیری عملکرد شرکت در دسترس است. به طور گسترده فرض می شود که سودآوری هدف اصلی یک شرکت تجاری است ( داموداران، 2001 ). علاوه بر این، شرکت‌های بورسی ممکن است بهینه‌سازی ارزش سهامداران را نیز هدف قرار دهند، که می‌توان آن را با رشد سرمایه بازار تعیین کرد ( داموداران، 2001 ، ابرهارت و همکاران، 2004 ). در مطالعه خود، ما از هر دو معیار به طور مستقل برای آزمایش رابطه بین FP و عملکرد شرکت با استفاده از موارد زیر استفاده می کنیم:

•

سودآوری ( EBITDA ): به عنوان سود قبل از بهره، مالیات و تعدیل استهلاک شرکت ها در سال 2015 عملیاتی شد.

•

رشد سرمایه بازار : به عنوان تفاوت ارزش گذاری بازار بین سال های 2008 و 2015 عملیاتی شد.

دومین چالش اصلی این است که نمی توان انتظار داشت که CF در کوتاه مدت نتیجه دهد. اولین پیامد این است که محققانی که مایل به مطالعه تأثیر CF هستند نیاز به اتخاذ یک طرح تحقیقاتی طولی دارند ( ابرهارت و همکاران، 2004 ، هان چان و همکاران، 1990 ، شنگ سیان و همکاران، 2013 ). در مطالعه خود، ما تصمیم گرفتیم از یک تاخیر زمانی هفت ساله با تکیه بر داده های آمادگی آینده از سال 2008 استفاده کنیم، که با داده های عملکرد شرکت در سال 2015 مطابقت دادیم.

3.2 . نمونه و جمع آوری داده ها

در تحقیق خود، ما بر روی اعمال CF تمرکز کردیم که در سطح شرکت قابل مشاهده بود. تحقیقات گذشته نشان داده است که چنین رویه‌هایی در سطح شرکت را می‌توان در سازمان‌های بزرگ مشاهده کرد، در حالی که شرکت‌های کوچک و متوسط ​​معمولاً آینده‌نگری را در سطح شخصی یا به‌صورت موقت و غیرسازمانی انجام می‌دهند ( Becker, 2002 , Daheim and Uerz, 2008 , Elenkov . ، 1997 ). از این رو ما نمونه خود را از شرکت هایی که درآمد سالانه بالای 100 میلیون یورو دارند، انتخاب کردیم.

ما نمونه تحقیقاتی خود را بر روی شرکت‌های اروپایی چند ملیتی متمرکز کردیم که آینده‌نگاری شرکتی را به کار می‌گیرند، که برای تلاش تحقیقاتی ما مناسب هستند. ما با شرکت‌هایی در سراسر صنایع، از جمله صنایع شیمیایی، خدمات مالی، مخابرات، انرژی و آب و برق، مراقبت‌های بهداشتی، دارویی، خودروسازی، تولید، خرده‌فروشی و تجارت مصرف‌کننده و صنایع حمل‌ونقل تماس گرفتیم. داده ها در پاییز 2008 و طی یک دوره چهار ماهه جمع آوری شد. مدیرانی که در زمینه‌های نوآوری، تحقیقات بازار، آینده‌نگاری شرکتی و توسعه محصول فعالیت می‌کنند در این مطالعه شرکت کردند. با پاسخ دهندگان بالقوه از طریق تلفن تماس گرفته شد تا اطمینان حاصل شود که نظرسنجی توسط مدیر مربوطه که در زمینه آینده نگری شرکتی آگاه است تکمیل شده است. این فرآیند قابلیت اطمینان داده های ما را بهینه کرد.

در مجموع، 467 شرکت برای شرکت در مطالعه دعوت شدند که از این تعداد 135 شرکت شرکت کردند. این نشان دهنده نرخ پاسخ 29٪ است. از 135 شرکت کننده، 52 شرکت داده هایی را ارائه کردند که یا ناقص یا متناقض بودند. این شرکت ها از نمونه حذف شدند که به 83 شرکت کننده کاهش یافت.

برای جمع‌آوری داده‌های آمادگی آینده، به پرسشنامه‌ای تکیه کردیم که بلوغ CF را با 35 گویه و نیاز CF را با 10 گویه اندازه‌گیری می‌کرد. این پرسشنامه به دو زبان انگلیسی و آلمانی ایجاد شده است که معیاری برای افزایش نرخ پاسخ از سوی شرکت های آلمانی است. با شرکت کنندگان از طریق ایمیل، فکس یا پست تماس گرفته شد. علاوه بر این، یک صفحه نظرسنجی آنلاین ایجاد و به طور گسترده‌تری از طریق شبکه‌های اجتماعی و از طریق سازمان‌های همکار توزیع شد. با شرکت کنندگان تا سه بار مجدداً از طریق تلفن تماس گرفته شد. به عنوان یک انگیزه، به شرکت کنندگان یک گزارش معیار مناسب ارائه شد.

برای جمع آوری داده های عملکرد شرکت، از پایگاه داده S&P Capital IQ استفاده کردیم. به عنوان اولین گام، برای هر شرکت، سودآوری و متوسط ​​سودآوری صنعت مربوطه را در پایگاه داده آمادگی آینده خود جمع آوری کردیم. در اینجا، ما توانستیم داده های 70 شرکت را بازیابی کنیم. علاوه بر سودآوری، ما می خواستیم به طور مستقل از رشد سرمایه بازار به عنوان یک معیار اضافی استفاده کنیم. با این حال، این منجر به کاهش حجم نمونه شد زیرا تنها 42 شرکت از 70 شرکت در فهرست عمومی قرار گرفتند. برای این شرکت‌ها، ارزش‌های سرمایه بازار را از سال‌های 2008 و 2015 جمع‌آوری کردیم و رشد سرمایه بازار آنها را محاسبه کردیم.

3.3 . پنج رویکرد برای مطالعه رابطه بین آمادگی آینده و عملکرد شرکت

برای ارزیابی تأثیر FP بر عملکرد شرکت، از پنج آزمون مختلف استفاده می‌کنیم. اول، ما از خوشه‌های FP خود استفاده می‌کنیم، یعنی شرکت‌هایی که در سال 2008 هوشیار، روان رنجور، آسیب‌پذیر یا در خطر بودند و مشاهده می‌کنیم که این شرکت‌ها در سال 2015 در کدام گروه‌های عملکردی حضور دارند، یعنی عملکرد بهتر، عملکرد ضعیف. این امر به ما امکان می دهد تا از اثرات مخدوش کننده تفاوت بین صنعت جلوگیری کنیم، که ممکن است منجر به قضاوت یک شرکت به عنوان عملکرد برتر شود، صرفاً به این دلیل که در صنعت سودآورتر از سایر شرکت ها قرار دارد. در طراحی مطالعه ما، شرکت ها باید به طور قابل توجهی بهتر از همتایان خود در صنعت عمل کنند تا به عنوان عملکرد برتر طبقه بندی شوند. ما انتظار داریم دریابیم که شرکتی با FP بالا به طور قابل توجهی در بین شرکت‌هایی که عملکرد بهتری دارند نسبت به شرکت‌هایی که عملکرد ضعیف دارند، بیشتر است.

دوم، بررسی می‌کنیم که آیا این نتیجه با آزمایش روابط مشابه در یک تحلیل مقطعی تفاوت معنی‌داری دارد، یعنی مقایسه عضویت در خوشه‌های FP در سال 2008 و عضویت در گروه عملکرد در سال 2008. این آزمون به ما کمک می‌کند تا اثر طولی را از FP جدا کنیم. بر عملکرد شرکت از اثرات مخدوش کننده برای مثال، یک نتیجه مثبت از اولین آزمایش ما ممکن است فقط به دلیل یک علیت معکوس باشد، به عنوان مثال، FP بالا با عملکرد بالا همبستگی دارد، زیرا شرکت هایی که عملکرد بالایی دارند، فرآیندهای بهتری از جمله CF و R&D دارند. ما انتظار داریم که این آزمون نشان دهد که هیچ رابطه مثبتی بین FP و عملکرد شرکت وجود ندارد، زیرا ما به تأخیر زمانی برای نمایش تأثیر اجازه ندادیم.چن، 2008 ، جیسینک، 2017 ).

سوم، ما یک تحلیل مهاجرت انجام می‌دهیم که در آن آزمایش می‌کنیم که آیا شرکت‌های هوشیار در گروه عملکرد صنعت خود به طور قابل‌توجهی احتمال بالاتر رفتن در رتبه‌بندی دارند، یعنی از عملکرد ضعیف به میانگین، از متوسط ​​به عملکرد بهتر، یا از ضعیف‌تر به عملکرد بهتر در هفت سال بین 2008 و 2015. ما همچنین رابطه معکوس را آزمایش می کنیم، به عنوان مثال، اگر شرکتی با کمبودهای FP (آسیب پذیر، روان رنجور، در معرض خطر) احتمال بیشتری برای سقوط در رتبه بندی گروه های عملکردی داشته باشد. ما انتظار داریم این دو رابطه قابل توجه باشد.

چهارم، ما از مصاحبه‌ها، منابع عمومی و گزارش‌های تحقیقاتی برای جست‌وجوی شواهد علّی تأثیر FP بر عملکرد شرکت استفاده می‌کنیم ( هاریسون و ریلی، 2011 ، جیک، 1979 ). برای این منظور، شرکت‌هایی را که در آزمون سوم شناسایی می‌کنیم، انتخاب می‌کنیم که از الگوی پیش‌بینی‌شده پیروی کرده باشند، یعنی شرکت‌های هوشیار که در رتبه‌بندی خوشه‌های عملکرد در صنعت خود پیشرفت کرده‌اند و شرکت‌هایی با کمبودهایی که به سمت پایین حرکت کرده‌اند. ما انتظار داریم که شواهدی پیدا کنیم مبنی بر اینکه FP بالا با حرکات استراتژیک که شرکت مرکزی برای دستیابی به عملکرد نسبت به همتایان خود در صنعت به کار می‌برد، مرتبط است. در حالی که این مطالعه نمی تواند قطعی باشد، بینش های کیفی را اضافه می کند، که یافته های کمی ما را قوی تر می کند و حتی ممکن است به ما اجازه دهد برخی از روابط علی را کشف کنیم.کرسول، 2013 ، پاول و همکاران، 2008 ).

پنجم، ما میانگین پاداش یا تخفیف خوشه های مختلف FP را در دوره زمانی هفت ساله برآورد می کنیم. ما انتظار داریم که شرکت های هوشیار باید هم سودآوری بالاتر و هم رشد سرمایه بازار بالاتری داشته باشند. به طور مشابه، ما انتظار داریم که شرکت هایی با کمبود FP در مقایسه با شرکت های هوشیار، سودآوری و رشد سرمایه بازار کمتری داشته باشند.

با استفاده از این پنج آزمون می‌توانیم استحکام یافته‌های خود را افزایش دهیم. در آزمون‌هایی که از تکنیک‌های آمار توصیفی استفاده می‌کنند، درصد اختلاف بالاتر از 15 درصد را معنی‌دار ارزیابی می‌کنیم که با سایر مطالعاتی که از آمار توصیفی استفاده می‌کنند همسو است.

4.1 . وضعیت آمادگی آینده در سال 2008

ما ابتدا سطح کلی و توزیع آمادگی آینده را در نمونه سال 2008 گزارش کردیم. نتایج ما نشان داد ( شکل 4 ) که 62% از شرکت های مورد بررسی دارای سطح قوی تا بسیار قوی نیاز CF بودند. این نتیجه نشان داد که اکثر شرکت ها نیاز به اعمال روش های پیچیده تر CF داشتند. با این حال، در سمت بلوغ، اکثر شرکت‌ها به بالاتر از سطح دو نرسیدند. تنها 2% از شرکت ها دارای سطح بلوغ 4 بودند، در حالی که 27% از شرکت ها به سطح سه رسیدند و 71% از شرکت ها دارای بلوغ CF متوسط ​​تا پایین (سطح یک تا دو) بودند. بنابراین، نتایج ما اجرای محدود شیوه های CF سیستماتیک در سراسر صنایع را تایید کرد ( روهربک و شوارتز، 2013).). اگرچه ما شاهد پذیرش فزاینده CF در شرکت ها هستیم، به نظر می رسد کاربرد آن به طور متوسط ​​هنوز جامعیت، تداوم و نهادینه شدن را ندارد ( Dheim and Uerz, 2008 , Rohrbeck et al., 2015 ).

1. دانلود: دانلود تصویر با وضوح بالا (392 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

شکل 4 . وضعیت آمادگی آینده در نمونه ما در سال 2008 (تعداد  =  83).

سوال مهم تر این است که بلوغ CF چگونه با نیاز CF شرکت های مربوطه مطابقت دارد ( Slaughter, 1996 ). نتایج ما نشان داد که تنها 36 درصد از شرکت‌ها هوشیار بودند و سطح مناسبی از CF را با توجه به نیاز CF خود اعمال می‌کردند. 64 درصد باقی‌مانده شرکت‌ها کمبودهایی داشتند که پاسخگویی آنها به تغییرات و توانایی آنها را برای شکل دادن فعالانه به بازارهای آینده محدود می‌کرد. در مجموع 16 درصد از شرکت‌ها روان‌رنجور بودند و از شیوه‌های CF استفاده می‌کردند که ممکن است دوربینی مدیریتی را تحریک کند که آنها را در اجرای مدل‌های تجاری پاداش‌دهنده فلج کند. در مجموع 48 درصد از شرکت‌ها یا آسیب‌پذیر بودند یا در خطر بودند و از این رو برای اسکن، تفسیر، و ساخت مدل‌های تجاری جدید مجهز نبودند.

4.2 . رابطه بین آمادگی آینده در سال 2008 و عملکرد شرکت در سال 2015 (آزمون اول)

برای آزمایش اینکه آیا رابطه مثبتی بین FP و عملکرد شرکت وجود دارد، ما نمایش خوشه‌های FP ایجاد شده در سال 2008 را در خوشه‌های عملکرد ایجاد شده در سال 2015 تعیین می‌کنیم. ما متوجه می‌شویم که سهم شرکت‌های هوشیار در خوشه عملکرد برتر، با 63 درصد است. و سهم شرکت های هوشیار در خوشه با عملکرد ضعیف، با 24 درصد، قابل توجه است و از انتظار ما از رابطه مثبت بین FP در سال 2008 و عملکرد شرکت در سال 2015 پشتیبانی می کند ( شکل 5 را ببینید ). علاوه بر این، شرکت‌های روان‌رنجور و در معرض خطر در میان شرکت‌های برتر در صنعت خود وجود ندارند.

1. دانلود: دانلود تصویر با وضوح بالا (172 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

شکل 5 . سودآوری افراد برتر/ناتوان و سطح آمادگی آینده آنها.

برای آزمودن استحکام این یافته، ما همچنین عملکرد بهتر از سرمایه بازار را در مقابل افراد ضعیف بررسی کردیم و تصویر مشابهی پیدا کردیم ( شکل 6 ). ما متوجه شدیم که سهم شرکت های هوشیار در خوشه عملکرد بهتر به طور قابل توجهی بیشتر از سهم شرکت های هوشیار در خوشه عملکرد ضعیف بود. در ارزش بازار، سهم شرکت های در معرض خطر در خوشه با عملکرد ضعیف حتی بالاتر بود و 22٪ بود.

1. دانلود: دانلود تصویر با وضوح بالا (191 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

شکل 6 . عملکرد بهتر/ناتوان با سرمایه بازار و سطح آمادگی آینده آنها.

4.3 . رابطه بین آمادگی آینده در سال 2008 و عملکرد شرکت در سال 2008 (آزمون دوم)

طراحی طولی که در آزمایش اول اعمال شد، خطر دریافت نتایج را که با علیت معکوس اشتباه گرفته شده اند کاهش داده است. با این حال، ما می‌توانیم تحت تأثیر یک رابطه توتولوژیک قرار بگیریم که در آن یک پدیده مشابه را با دو سازه اندازه‌گیری می‌کنیم و همبستگی را پیدا می‌کنیم. در مورد ما، یک شرکت می‌تواند صرفاً با مدیریت خوب، در شیوه‌ها و عملکرد پیشرو باشد، و نه همانطور که پیشنهاد کردیم، زیرا در ایجاد سیستماتیک موقعیت‌های برتر در بازارهای آینده موفق‌تر است. برای بررسی این خطر در تحقیق خود، ما رابطه بین دو سازه خود را در یک نقطه از زمان، در مورد ما، 2008 بررسی کردیم ( شکل 7 را ببینید ).

1. دانلود: دانلود تصویر با وضوح بالا (181 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

شکل 7 . شواهد تاخیر زمانی تأثیر آمادگی آینده بر سودآوری.

نتایج نشان دهنده رابطه معنادار در جهت مخالف است. با توضیح متفاوت، مشاهده کردیم که عملکرد بهتری نسبت به عملکرد ضعیف‌تر به‌طور متوسط ​​کمتر بود. برای توضیح این یافته عجیب، می‌توانیم از تحقیقات روی سرمایه‌گذاری‌های تحقیق و توسعه و عملکرد شرکت استفاده کنیم. به عنوان مثال، چن (2008) شواهدی پیدا کرد که نشان می‌دهد شرکت‌هایی که با آینده‌ای روبرو هستند که در آن بازدهی کمتر از آرزوها پیش‌بینی می‌شود، سرمایه‌گذاری‌های تحقیق و توسعه خود را افزایش می‌دهند، در حالی که شرکت‌هایی که به خوبی انجام می‌دهند کمتر در تحقیق و توسعه سرمایه‌گذاری می‌کنند ( چن، 2008).). با ترجمه به زمینه ما، می‌توان حدس زد که دلیل پشت یافته‌های ما این است که شرکت‌هایی که عملکرد خوب دارند لازم نیست به طور سیستماتیک برای آینده آماده شوند، حتی اگر در آمادگی آینده خود کمبودهایی داشته باشند و ممکن است با خطر آینده مواجه شوند. از موقعیت مطلوب خود در صنعت توسط شرکت های آینده ساز بیشتری جابجا می شوند.

نتیجه همچنین نشان می دهد که فاصله زمانی بین FP و عملکرد شرکت برای یک رابطه مثبت حیاتی است. این همچنین نتایج آزمایش اول را تقویت می کند زیرا نشان می دهد که هیچ همبستگی مقطعی مثبتی بین FP و عملکرد شرکت وجود ندارد.

4.4 . تجزیه و تحلیل مهاجرت (آزمون سوم)

برای تجزیه و تحلیل مهاجرت، ما مهاجرت شرکت‌ها را از یک خوشه عملکرد (با عملکرد برتر، متوسط، عملکرد ضعیف) به دیگری در فاصله زمانی بین سال‌های 2008 و 2016 ارزیابی می‌کنیم. ما با تکیه بر طبقه‌بندی عملکرد خاص صنعت، مجدداً تفاوت‌های صنعت را کنترل می‌کنیم. ما ابتدا شرکت‌های هوشیار را ارزیابی می‌کنیم، که انتظار داشتیم به سمت خوشه‌های عملکرد بالاتر مهاجرت کنند، یعنی عملکرد خود را در مقابل رقبای صنعتی افزایش دهند. شکل 8 یک مهاجرت قوی به سمت بالا را نشان می دهد. در نمونه ما، 40 درصد از شرکت های هوشیار موقعیت خوشه عملکرد سودآوری خود را بهبود دادند، 55 درصد توانستند آن را حفظ کنند و تنها 5 درصد (1 شرکت) موقعیت خود را کاهش دادند.

1. دانلود: دانلود تصویر با وضوح بالا (289 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

شکل 8 . تجزیه و تحلیل مهاجرت شرکت های هوشیار

در مرحله بعد، مهاجرت شرکت‌های دارای کمبود FP را تحلیل کردیم. شکل 9 نشان می دهد که تنها 9 درصد از شرکت هایی که دارای کمبودهای آینده نگری شرکتی بودند، موقعیت عملکرد سودآوری خود را بهبود بخشیدند. در مجموع 91 درصد از شرکت‌هایی که دارای کمبودهای آینده‌نگاری شرکتی بودند، یا کاهش یافتند یا موقعیت خود را حفظ کردند. این یافته ها رابطه طولی مثبت بین FP و عملکرد شرکت را تایید می کند.

1. دانلود: دانلود تصویر با وضوح بالا (296 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

شکل 9 . تجزیه و تحلیل مهاجرت شرکت های دارای کمبود.

4.5 . بررسی کیفی رابطه بین آمادگی آینده و عملکرد شرکت (آزمون چهارم)

بر اساس آزمون سوم خود، ما از یک رویکرد تحقیق کیفی برای مطالعه رابطه بین شیوه‌های CF و عملکرد استفاده می‌کنیم. ما انتظار داریم نشانه هایی پیدا کنیم که نشان می دهد آمادگی برتر در آینده به شرکت ها اجازه می دهد تا مسیر عمل برتر را آغاز کنند و مزیت رقابتی خود را افزایش دهند. به طور مشابه، ما انتظار داریم که کمبودها در FP باعث شود شرکت ها فرصت ها و تهدیدها را از دست بدهند و در نتیجه اقدامی ضعیف و از دست دادن مزیت رقابتی داشته باشند.

در حالی که مشاهداتی که در جدول 1 گزارش شده‌اند نمی‌توانند نتیجه‌گیری در مورد پیوندهای علّی ارائه کنند، آنها هنوز بینش‌هایی در مورد چگونگی ترجمه FP به دوره‌های عمل برتر و موقعیت رقابتی پیشرفته ارائه می‌دهند. ده شرکت هوشیار، همگی مجموعه‌ای معنادار از شیوه‌های آینده‌نگاری شرکتی ایجاد کرده‌اند، که در بیشتر موارد از طریق ساختار واحد و پیوندهای فرآیندی با فرآیندهایی مانند تحقیق و توسعه، بازاریابی و تصمیم‌گیری استراتژیک نهادینه می‌شوند. علاوه بر این، جالب است بدانید که بسیاری مکانیسم‌هایی را برای ادغام استارت‌آپ‌ها راه‌اندازی کرده‌اند که استفاده از سرمایه‌گذاری را برای اهداف پژوهشی پیشنهاد می‌کند.

بررسی شرکت‌هایی که در سال 2015 در گروه کم‌عملکرد پایان یافتند، فقدان شیوه‌های CF و فقدان قابلیت‌هایی برای تبدیل بینش‌ها به آینده به پاسخ‌های سازمانی را نشان می‌دهد. همه شرکت‌ها تمرکز آشکاری بر کسب‌وکار موجود داشتند و در نهایت نتوانستند پیشنهادات خود و مزیت رقابتی خود را تجدید کنند. همه شرکت‌ها قادر به تغییر مسیر عمل خود یا دنبال کردن استراتژی‌های متمایز از وضعیت موجود در صنعت خود نبودند. به نظر می رسد که نتیجه ی پایان یافتن این شرکت ها در گروه های با عملکرد ضعیف نتیجه ای منطقی باشد.

4.6 . تخمین پاداش/تخفیف آمادگی آتی بالا/پایین (آزمون پنجم)

در تحلیل نهایی خود، میزانی را که یک شرکت می‌تواند از ارتقای آمادگی آینده خود انتظار پاداش عملکردی داشته باشد را بررسی کردیم. این تحلیل برای توجیه سرمایه گذاری در ارتقای شیوه های CF مهم است. برای یافتن اولین نماینده برای سود کمی آمادگی آینده، میانگین سودآوری خوشه های مختلف آمادگی آینده را محاسبه کردیم.

یافته‌های ما ( شکل 10 ) نشان می‌دهد که شرکت‌های هوشیار به طور متوسط ​​به 16 درصد سودآوری دست یافته‌اند که از میانگین سودآوری کل صنعت 12 درصد پیشی گرفته و شرکت‌های هوشیار را 33 درصد بیشتر از میانگین سودآوری کرده‌اند. ارزش آمادگی آتی در هنگام بررسی تخفیف هایی که شرکت های دارای کمبود باید در نظر بگیرند، آشکارتر شد. شرکت‌های عصبی و آسیب‌پذیر در مقایسه با سودآوری شرکت‌های هوشیار 37 درصد سود کمتری داشتند و شرکت‌های در معرض خطر 44 درصد سودآوری کمتری داشتند.

1. دانلود: دانلود تصویر با وضوح بالا (143 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

شکل 10 . میانگین سودآوری شرکت ها در سطوح آمادگی آتی.

در مرحله بعد، تأثیر آمادگی آتی بر رشد سرمایه بازار را محاسبه کردیم. شکل 11 نشان می دهد که میانگین رشد نمونه ما طی هفت سال (از سال 2008 تا 2015) 25 درصد بوده است. شرکت‌های هوشیار در همان دوره به طور متوسط ​​75 درصد رشد در سرمایه بازار یا 200 درصد رشد اضافی به دست آوردند.

1. دانلود: دانلود تصویر با وضوح بالا (184 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

شکل 11 . میانگین رشد سرمایه بازار در سطوح آمادگی آتی.

جالب توجه است که بدترین گروه شرکت های روان رنجور بودند که به طور متوسط ​​رشد منفی 6 درصدی داشتند. توضیح می‌تواند این باشد که شرکت‌های روان‌رنجور فاقد پشتکار برای ایجاد رشد پایدار هستند یا به سادگی در اجرای اقدامات جدید شکست می‌خورند.