التحالفات والتحول الرقمي أمران حاسمان للاستفادة من قدرات سلسلة التوريد الديناميكية خلال أوقات الأزمات: دراسة متعددة الأساليب
https://researchonline.ljmu.ac.uk/id/eprint/22428/

الاقتباس (يرجى ملاحظة أنه من المستحسن الرجوع إلى نسخة الناشر إذا كنت تنوي الاقتباس من هذا العمل)

لقد طورت جامعة LJMU منصة LJMU Research Online لتمكين المستخدمين من الوصول إلى مخرجات البحث الخاصة بالجامعة بشكل أكثر فعالية. حقوق الطبع والنشر © والحقوق المعنوية للأوراق الموجودة على هذا الموقع محفوظة للمؤلفين الأفراد و/أو مالكي حقوق الطبع والنشر الآخرين. يمكن للمستخدمين تنزيل و/أو طباعة نسخة واحدة من أي مقال في LJMU Research Online لتسهيل دراستهم الخاصة أو لأغراض البحث غير التجاري. لا يجوز لك الانخراط في توزيع إضافي للمادة أو استخدامها لأي أنشطة ربحية أو أي مكاسب تجارية.

قد تختلف النسخة المقدمة هنا عن النسخة المنشورة أو عن نسخة السجل. يرجى الاطلاع على عنوان المستودع أعلاه للحصول على تفاصيل حول الوصول إلى النسخة المنشورة، ولاحظ أن الوصول قد يتطلب اشتراكًا.

قدرة إدارة التحالفات
التحول الرقمي
مرونة سلسلة التوريد
قابلية التكيف في سلسلة الإمداد
أداء المنظمة
نظرية رؤية القدرة الديناميكية

تجبر الزيادة في عدم اليقين والتحديات المتعلقة بالعمل في بيئة رقمية المنظمات على إعادة تقييم قدراتها الديناميكية في سلسلة التوريد للتفاعل مع التغيرات بسرعة وتكييف هياكلها حسب الحاجة (كوهين وكوفليس، 2021؛ نوتون وآخرون، 2020؛ كويروز وآخرون، 2023؛ إيفانوف، 2023). لقد تسببت أحداث الأزمات غير المتوقعة، مثل الجائحة الناتجة عن فيروس كورونا المستجد، في تقلبات كبيرة واضطرابات في سلاسل التوريد (كرايغ هيد وآخرون، 2020؛ جيريفي وآخرون، 2022؛ يي وآخرون، 2022؛ شين وسون، 2023). وقد أدى ذلك إلى استثمار المنظمات في بناء قدرات للتخفيف من الآثار السلبية لـ
مثل هذه الأحداث (ألكسندر وآخرون، 2022؛ وولانداري وآخرون، 2022؛ جوان ولي، 2023). أشار باتروكو وكاهكونن (2021) إلى أن المرونة والقدرة على التكيف هما قدرات ديناميكية تساعد المنظمات على التنقل في الأزمات والحفاظ على النمو الاستراتيجي.

المرونة هي “… الاستجابة والمرونة والكفاءة في سلسلة الإمداد لتلبية عدم اليقين والتغيرات اليومية في العرض والطلب”، بينما التكيف هو “… الاستراتيجيات اللازمة لجعل سلسلة الإمداد ديناميكية، قادرة على تلبية التغيرات في الاحتياجات والبيئة مع مرور الوقت” (لي، 2021، ص. 174). يتطلب بناء المرونة والتكيف خلال الأزمات غير المسبوقة التي caused by a novel coronavirus and geopolitical tensions requires internal and external dynamic capabilities, including

قدرة الشبكات والتعاون بين المنظمات (روسكو وآخرون، 2022؛ مولر وآخرون، 2022؛ دوبية وآخرون، 2023؛ هامن-لوهامر وآخرون، 2023؛ كويروز وآخرون، 2023). في خضم الاضطرابات في أوقات عدم اليقين، تم الاعتراف على نطاق واسع بأن العلاقات بين المنظمات تلعب دورًا محوريًا. الدراسات التي أجراها العلماء (انظر، سكوير وآخرون، 2009؛ فرايدي وآخرون، 2021؛ ماندال ودوبية 2021؛ أسلم وآخرون، 2022؛ كليماس وآخرون، 2023) أكدت على أهمية هذه العلاقات. ومع ذلك، غالبًا ما تفتقر المنظمات إلى الوضوح عند الاستثمار في قدرة إدارة التحالفات حيث أن الفوائد الدقيقة لهذه القدرة خلال أوقات عدم اليقين لم تُفهم بعد بشكل كامل. حتى الآن، ومع ذلك، ركزت معظم الدراسات حول العلاقات بين المنظمات في سلسلة التوريد على التنسيق و/أو التعاون بين الشركاء (موشتاري، 2016؛ هي وآخرون، 2020؛ يانغ وآخرون، 2021). تعترف العديد من الدراسات بدور هذه العلاقات في بناء المرونة (فايزي وزومورودي، 2015؛ ليرميت وآخرون، 2016؛ جاجا وآخرون، 2018؛ دوبية وآخرون، 2021أ) والقدرة على التكيف (ناماجيمبي، 2022) في أوقات عدم اليقين، لا يزال هناك نقص في الوضوح حول كيفية مساعدة العلاقات بين المنظمات في تشكيل المرونة والقدرة على التكيف.

يُفترض أن العلاقات بين المنظمات تمكّن من بناء قدرات إدارة التحالفات (AMC) (كاوبلا، 2015؛ يانغ وآخرون، 2015)، والتي تكون مفيدة في تطوير وإدارة الشراكات الحيوية، التي تعتبر مهمة خلال الأوقات المضطربة (انظر، ستيوارت، 1997؛ شيلكي، 2014أ؛ دوباي وآخرون، 2021ب). التنسيق، والتواصل، والترابط هي ثلاثة مكونات من AMC (شراينر وآخرون، 2009). هذه المكونات تسمح للمنظمات بمعالجة قيود الموارد (كاوبلا، 2015)، ومواجهة الضغوط التنافسية (بوريز وجيمسون، 1989)، والتنقل خلال الأوقات المضطربة، والحفاظ على النمو الاستراتيجي (شيلكي وغورزين، 2010). غالبًا ما يتم تشكيل التحالفات وتطويرها بمرور الوقت من خلال الممارسات المعمول بها (أناند وخانا، 2000؛ أغاروال، 2020؛ زو وآخرون، 2023). ومع ذلك، عند مواجهة أزمة أو أوقات غير مؤكدة للغاية، فإنه من غير الواضح كيف يمكن تشكيل التحالفات واستغلالها لبناء قدرات سلسلة التوريد (جابلر وآخرون، 2017؛ بورنادر وآخرون، 2020). هذه قضية مهمة حيث إن فعالية سلاسل التوريد حاسمة لنجاح الأعمال. للأسف، لم تقدم الأدبيات الحالية في إدارة العمليات رؤى كافية حول هذه القضية، principalmente لأنها ركزت على التنسيق والتعاون بين الشركاء، دون إيلاء اهتمام كافٍ لكيفية استغلال التحالفات لبناء قدرات سلسلة التوريد (كيتشين وكريغهد، 2020). نتيجة لذلك، من الضروري فهم دور التحالفات خلال الأزمة وكيف يمكن استغلالها بفعالية لبناء قدرات سلسلة التوريد. يمكن للأعمال أن تستعد بشكل أفضل لأنفسها وسلاسل توريدها للأزمات والشكوك المستقبلية (ويلاند، 2021).

كمنطقة تركيز أولى، سنقوم بدراسة القدرة على التكيف في إدارة سلسلة التوريد. بينما زاد الاهتمام الأكاديمي بمرونة سلسلة التوريد (SCA) وقابلية التكيف (SCAA) بعد العمل الرائد للي (2004)، لا يزال تشكيل القدرة على التكيف (AMC) وتأثيرها على هذه القدرات الديناميكية غير مفهوم تمامًا (ريشي وآخرون، 2010؛ تشيونغ وآخرون، 2011). لذلك، نستكشف العلاقات بين AMC وSCA/SCAA ونسعى للإجابة على سؤال البحث التالي (RQ1): ما هي آثار AMC على SCA وSCAA؟

تحتاج الأدبيات الحالية إلى تقديم تفسير مدفوع بالنظرية حول كيفية مساعدة العلاقات بين المنظمات في بناء القدرات الديناميكية في الأزمات. هدفنا هو تقديم مساهمة تجريبية في الأدبيات حول دور الشركات متعددة الأنشطة في تطوير القدرات الديناميكية، وبشكل خاص الميزة التنافسية المستدامة والقدرة على التكيف مع التغيرات، من خلال معالجة سؤال بحثي قائم على النظرية.

لدينا مجال تركيز ثانٍ: دور التحول الرقمي (DT) في بناء القدرات الديناميكية في سلسلة التوريد (راي وآخرون، 2006؛ ديفاراج وآخرون، 2007؛ ألفارينغا وآخرون، 2023). وفقًا لليو وآخرين (2011)، فإن التحول الرقمي هو تحول تنظيمي يدمج التقنيات الرقمية والعمليات التجارية في اقتصاد رقمي (هاريو وآخرون، 2023؛ هوانغ وآخرون، 2023). يُعتقد أن التحول الرقمي، الذي يشمل تقنية السجل الموزع، التعلم الآلي، التحليلات التنبؤية المدعومة بالبيانات الضخمة، الذكاء الاصطناعي، إنترنت الأشياء (IoT)، برج التحكم في سلسلة التوريد، وغيرها من التقنيات الناشئة (فيرهوف
et وآخرون، 2021؛ باباناجنو وآخرون، 2022)، سيلعب دورًا حاسمًا في تقريب شركاء سلسلة التوريد من بعضهم البعض حيث يشاركون المعلومات وينسقون أنشطتهم بشكل أفضل (لي، 2021؛ إسكاميلا وآخرون، 2021). ومع ذلك، في العديد من الحالات، لم تحقق نتائج التحول الرقمي التوقعات (هيس وآخرون، 2016؛ قوه وآخرون، 2023)، وفي بعض الحالات، أدت قدرة التحول الرقمي إلى نتائج متفاوتة (شراغ وآخرون، 2022). لذلك، هناك حاجة إلى مزيد من التحقيق لفهم تأثيرات التحول الرقمي على قدرات سلسلة التوريد ونتائج الأداء (سينتوبيللي وآخرون، 2020؛ مينغ وآخرون، 2023). في الحالات التي يكون فيها التحول الرقمي قيد التنفيذ، يمكن أن يعمل إما كوسيط بين متغيرين (نايال وآخرون، 2022؛ تسو و تشين، 2023) أو أن يكون له تأثير تفاعلي (وانغ ودو، 2022) عليهما. وهذا يعني أن التغييرات التي يحدثها التحول الرقمي يمكن أن تؤثر إما على العلاقة بين متغيرين أو تؤثر عليهما مباشرة، اعتمادًا على السياق. على وجه التحديد، ليس من المفهوم جيدًا كيف يؤثر AMC على قدرات سلسلة التوريد والأداء التنظيمي (OP) تحت تأثير التحول الرقمي كوسيط. لمعالجة هذه الفجوة المعرفية، فإن سؤال البحث الثاني لدينا (RQ2) هو: ما هي تأثيرات AMC على SCA/SCAA و OP تحت تأثير التحول الرقمي كوسيط؟

لإجابة استفساراتنا البحثية، جمعنا معلومات من محترفين في صناعات السيارات، وتصنيع الأسمنت، وتصنيع الصلب، والآلات الثقيلة، والصناعات الدوائية. غالبًا ما تستخدم هذه القطاعات تشكيل التحالفات للتخفيف من الاضطرابات في سلسلة التوريد بسبب عوامل غير متوقعة (Turken وGeda، 2020؛ Shrey وآخرون، 2022). بالإضافة إلى ذلك، تستثمر المنظمات بشكل متزايد في القدرات الرقمية، بعد أزمة COVID-19 (Alicke وآخرون، 2021؛ Acciarini وآخرون، 2021). لشرح كيفية ارتباط مفاهيم AMC وSCA وSCAA وOP وDT، استخدمنا وجهة نظر القدرة الديناميكية (DCV)، وهي عدسة نظرية تساعد على فهم العلاقة بين القدرات والأداء في ظل ظروف ديناميكية (انظر، Schilke، 2014a؛ Ringov، 2017؛ Lam وآخرون، 2019).

لتحقيق أهدافنا بفعالية، نظمنا الأقسام المتبقية من ورقتنا على النحو التالي. أولاً، سنتناول الخلفية النظرية للدراسة، مع التركيز بشكل أساسي على عملية بناء القدرات الديناميكية في سلسلة التوريد. علاوة على ذلك، سنسلط الضوء أيضًا على المفاهيم الرئيسية لـ AMC و DT ونقدم فرضيات البحث. تستكشف هذه الفرضيات العلاقات بين AMC و DT و SCA و SCAA و OP. ثم نقدم إعداد البحث: الشركات في مختلف قطاعات التصنيع، مقاييس البناء لدينا، استراتيجية العينة، الأفراد العاملين في الشركات في الهند. ) وعملية جمع البيانات. بعد ذلك، نصف طريقة تحليل البيانات. ثم نقدم كيفية التعامل مع انحياز الطريقة الشائعة، وخصائص قياس البنى، ونتائج اختبار الفرضيات. بعد ذلك، نقدم نتائج المقابلات الاستكشافية مع المطلعين الرئيسيين ( ) حول التفاعلات بين التحول الرقمي وقدرات سلسلة التوريد. نقدم الموضوعات الناشئة من المقابلات: التنسيق، القدرة المرنة، التكيف الرقمي، دفع التحول التكنولوجي من أجل القيم، نقص القيادة الرقمية، الثقافة وإدارة المواهب. ثم نناقش النتائج ونحدد الآثار على النظرية والممارسة، وقيود دراستنا واتجاهات البحث المستقبلية. يتضمن ذلك اشتقاق إطار لاستراتيجية التحول الرقمي لسلاسل التوريد، والذي يظهر العوامل الرئيسية للتنسيق، القيادة الرقمية، الثقافة الرقمية وإدارة المواهب الرقمية. القسم الأخير يستخلص النتائج، مؤكدًا على الروابط المعقدة للقدرات الديناميكية مع الأداء التنظيمي والتحول الرقمي.

القدرات الديناميكية (DC) هي “قدرة الشركة على دمج وبناء وإعادة تشكيل الكفاءات الداخلية والخارجية للتعامل مع البيئات المتغيرة. وبالتالي، تعكس القدرات الديناميكية قدرة المنظمة على تحقيق أشكال جديدة ومبتكرة من الميزة التنافسية بالنظر إلى الاعتماد على المسارات ومواقع السوق”، (Teece et al.، 1997، ص. 516). الـ DC
إطار العمل هو منظور متعدد التخصصات يشرح إدارة المخاطر وعدم اليقين (Teece et al., 2016, ص. 13). يقدم منظورًا نظريًا لبناء القدرات الاستراتيجية لتمكين المنظمات من الحفاظ على النمو المستمر خلال الأوقات المضطربة وتحقيق أداء متفوق (Mohamud و Sarpong, 2016). هناك مجموعة غنية من الأدبيات التي تُعزز فهمنا للقدرات الديناميكية، ولكن التناقضات في التصور والتعريفات غالبًا ما تحد من فهمنا للقدرات الديناميكية وارتباطها بالميزة التنافسية (Winter, 2003; Zahra et al., 2006; Fainshmidt et al., 2016; Hunt و Madhavaram, 2020; Ye et al., 2022; Yang و Yee, 2022; Zhang et al., 2023).

إطار القدرات الديناميكية (Teece, 2007; Easterby-Smith et al., 2009) هو المستوى التالي من منظور الموارد، وغالبًا ما يُشار إليه باسم RBV/RBT (انظر، Teece et al., 1997). يهدف RBV إلى تحديد واستخدام الموارد لتحقيق ميزة تنافسية. يركز منظور القدرة الديناميكية (DCV) على نشر الموارد وبناء القدرات لتحقيق والحفاظ على المزايا التنافسية. يفترض DCV أن المنظمات داخل الصناعة غير متجانسة في كفاءاتها وقدراتها؛ وأن الكفاءات والقدرات لا يمكن مشاركتها عبر الشركات في الصناعة (Eisenhardt و Martin, 2000). يعتمد إطار القدرات الديناميكية على ثلاث خصائص (Lee و Rha, 2016). أولاً، يجب أن تمتلك قدرات سلسلة التوريد القدرة على استشعار الفرص والتهديدات. يجادل Lee و Rha (2016) بأن قدرة الاستشعار تحتاج إلى أن تكون متوافقة مع رؤية أو شفافية سلسلة التوريد، وهي القدرة على إدارة تدفق المعلومات. تشمل الاستشعار داخل وخارج المنظمة، المسح والتعلم والأنشطة التفسيرية (Teece, 2007). يساعد الاستشعار المنظمة على توقع حالات العرض والطلب وخدمة عملائها بفعالية وكفاءة، من خلال اعتماد استراتيجيات مناسبة للتخفيف من مخاطر سلسلة التوريد (DuHadway et al., 2019). ثانيًا، يجب أن تمتلك قدرات سلسلة التوريد القدرة على انتهاز الفرص. الانتزاع يتعلق بالتنفيذ وإنجاز الأمور (Teece, 2007, ص. 22). على سبيل المثال، بناء مخزون من العناصر الحرجة أو وجود مرونة كافية في القدرة الإنتاجية للتعامل مع الزيادة الكبيرة في الطلب على معدات الحماية الشخصية، والأدوية، والمعقمات، وورق التواليت، وأقنعة الوجه، وغيرها من العناصر المهمة المطلوبة خلال أزمة COVID-19 (Sodhi et al., 2023). ثالثًا، يجب أن تكون المنظمات قادرة على إعادة التكوين من خلال التجديد المستمر وتحويل الروتين التنظيمي (Ellström et al., 2021). على سبيل المثال، أعادت شركة فايزر تكوين أصولها وكفاءاتها لتطوير لقاحات لمواجهة أزمة COVID-19، مما ساعد فايزر على تأسيس نفسها كشركة رائدة في تصنيع اللقاحات. يمكن بناء إطار بالخصائص الموصوفة أعلاه من خلال القيام بعملية بناء قدرات سلسلة التوريد الديناميكية. يمكن القيام بذلك من خلال إعادة النظر في قدرات المرونة والتكيف، التي تدعمها التحولات الرقمية، بدلاً من الاستثمار في بناء قدرات جديدة لسلسلة التوريد.

التحالفات بين المنظمات عادة ما تكون اتفاقيات طوعية تهدف إلى تطوير وتسويق تقنيات أو خدمات أو منتجات جديدة (Gulati, 1998). إدارة التحالفات هي “قدرة ديناميكية على مستوى الشركة تسمح للشركة بدمج وبناء وإعادة تكوين الكفاءات الداخلية والخارجية للتعامل مع البيئات المتغيرة بسرعة” (Rothaermel و Deeds, 2006, ص. 432). لذا، يمكن فهم AMC كمزيج من القدرات الأساسية لأي منظمة لبناء وإدارة تحالفاتها (Schreiner et al., 2009)، والتي تشمل أنشطة متنوعة، بما في ذلك البحث عن شركاء محتملين، وتنسيق عمليات التعاون، ومحاذاة الأهداف (Kumar, 2009).

تم اعتبار AMC شكلًا مبتكرًا من الميزة التنافسية (انظر، Rothaermel و Deeds, 2006; Schilke و Goerzen, 2010; Schilke, 2014a; Dubey et al., 2021b). وبالتالي، استنادًا إلى افتراضات DCV، يمكن أن تسهم AMC في الميزة التنافسية على مستوى الشركة (Kauppila, 2015; Dhaundiyal و Coughlan, 2022). يجادل Levitt و March (1988) بأن AMC هي قدرة تعتمد على المسار
تُبنى على مر الزمن من خلال تفاعلات متعددة. استنادًا إلى حجج RBV (انظر، Barney, 1991)، يُعتبر AMC تجميعًا للموارد غير المتجانسة وغير القابلة للتحرك لشركة، مما يشكل مصدرًا للميزة التنافسية المستدامة (Kauppila, 2015; Lioukas et al., 2016). غالبًا ما يُعتبر AMC ذا قيمة ونادرًا لأن التحالفات الاستراتيجية يصعب تشكيلها. تتطور التحالفات مع مرور الوقت، وغالبًا ما تواجه المنظمات التي تهتم فقط بالتعاون قصير الأجل صعوبات في تحقيق الفوائد؛ وبالتالي، غالبًا ما تفشل مثل هذه التحالفات الاستراتيجية (Prashant و Harbir, 2009). استنادًا إلى وجهة نظر تنسيق الموارد لـ Sirmon et al. (2011)، تتشكل AMC من خلال تجميع الموارد والقدرات لتوليد ميزة تنافسية مستدامة.

يُعتبر DT تطبيقًا للتقنيات الناشئة لتعزيز الجهود البشرية لدعم التحول في طريقة عمل الشركات، مثل تبسيط العمليات أو إنشاء نماذج أعمال جديدة (Sousa-Zomer et al., 2020; Nasiri et al., 2022; Omrani et al., 2022). يجادل Warner و Wäger (2019) بأن DT هو تحول للمنظمة يتضمن دمج تقنيات جديدة مع الأنشطة التجارية للتعامل مع الاقتصاد المضطرب سريع الخطى. ببساطة، DT هو دمج التقنيات الرقمية في جميع مجالات الأعمال، مما يؤدي إلى تحول جذري في كيفية عمل الشركات (Hanelt et al., 2021; Ye et al., 2022; Ning et al., 2023).

في DT، تعتبر رضا العملاء الهدف الرئيسي، حيث يبحث العملاء عن السرعة والوضوح والقيمة مقابل المال (Kumar et al., 2021). يتم تلبية هذه المتطلبات باستخدام تقنيات تمكّن من التكامل السلس للأنشطة من البداية إلى النهاية في سلسلة التوريد (Rao et al., 2021). علاوة على ذلك، بمساعدة أدوات التحليل المدعومة بالذكاء الاصطناعي، تستطيع الشركات استشعار الفرص والتهديدات السوقية الناتجة عن الأحداث غير المتوقعة (Sheng et al., 2021; Bag et al., 2022) مع المعلومات التي تم جمعها باستخدام تقنيات DT المتقدمة التي تساعد المنظمة على تحسين قدرتها على تطوير المنتجات وتحسين الأداء (Helo و Hao, 2022). في العصر الرقمي، تحتاج المنظمات إلى امتلاك قدرات لاستشعار واغتنام وتحويل الفرص لمواجهة التحديات التي تطرحها بيئة تنافسية شديدة (Sousa-Zomer et al., 2020; Fosso Wamba et al., 2020b; Zhao et al., 2023)، مع تعزيز DT للقدرات الديناميكية للمنظمة (Yeow et al., 2018). بمساعدة DT، يمكن للمنظمة توسيع عملياتها التجارية استجابة للاحتياجات غير المتوقعة للموقف (Vaia et al., 2022). DT هو عملية ديناميكية مستمرة لتطبيق التقنيات في الأنشطة اليومية، والتي تعتمد على مرونة تنظيمية متشابكة حول ثقافة رقمية وتعاونية (Warner و Wäger, 2019).

نموذج بحثنا يعتمد على Fainshmidt et al. (2016) وإطار تنظيم Schilke et al. (2018) للقدرات الديناميكية، الذي تم تطويره استجابةً للانتقادات السابقة حول مفاهيم القدرات الديناميكية. انظر الشكل 1.

نعتبر AMC و DT و SCA/SCAA قدرات ديناميكية متميزة من أوامر مختلفة ونفحص آثارها على الأداء التنظيمي. علاوة على ذلك، نتعامل مع DT كمتغير وسيط بين AMC و SCA/SCAA. تستند تحليلاتنا إلى الأدبيات السابقة التي أثبتت أن DT هو قدرة ديناميكية (Sousa-Zomer et al.، 2020؛ Nasiri et al.، 2022). ومع ذلك، لا يزال هناك المزيد من الأبحاث التي يجب أن تستكشف كيف تقارن قدرة DT مع القدرات الديناميكية الأخرى. لذلك، نتصور DT كوسيط، وفقًا لرؤية Fainshmidt et al. (2016) الهرمية للقدرات الديناميكية. أخيرًا، نقدم فرضياتنا لدعم مفاهيمنا وارتباطاتها في الشكل 1.

تعتبر قدرة إدارة التحالفات الفعالة (AMC) ضرورية في تطوير وصيانة قدرات سلسلة التوريد الناجحة (Ketchen و Craighead، 2020؛ Lee، 2021). يتضمن ذلك إنشاء ورعاية

علاقات طويلة الأمد مع شركاء ذوي قيمة، والعمل بشكل تعاوني لتحقيق أهداف مشتركة، ومراقبة وتحسين هذه العلاقات باستمرار لضمان فوائد متبادلة (Niesten و Jolink، 2015). تشمل AMC أيضًا مواءمة الأهداف الاستراتيجية، والتفاوض على شروط وأحكام ملائمة، وإدارة المخاطر، وحل النزاعات بشكل عادل وشفاف (Al-Tabbaa et al.، 2019). من خلال الاستفادة من نقاط القوة والموارد لشركاء مختلفين، يمكن للمنظمات تعزيز قدرتها التنافسية والابتكار والمرونة في بيئة الأعمال المعقدة والمتغيرة بسرعة اليوم (Forkmann et al.، 2018؛ Bouncken et al.، 2022).

يمكن أن تلعب إدارة التحالفات الفعالة دورًا حاسمًا في تعزيز مرونة وسرعة سلسلة التوريد خلال أوقات الأزمات (Lee، 2004، 2021). يمكن أن تساعد التحالفات الشركات في الاستفادة من مواردها وقدراتها المشتركة، مثل المعرفة والخبرة والتكنولوجيا المشتركة، للتغلب على التحديات والاستجابة بشكل أكثر فعالية للظروف المتغيرة (Rothaermel و Deeds، 2006؛ Teng، 2007؛ Kumar، 2014). من خلال تعزيز التعاون والتعاون بين الأطراف المختلفة، يمكن أن تساعد إدارة التحالفات أيضًا في بناء سلاسل توريد أكثر مرونة وقابلية للتكيف، مما يجعلها أكثر استعدادًا للتعامل مع الاضطرابات وتقليل تأثير الأحداث غير المتوقعة (Cortez و Johnston، 2020). باختصار، تعتبر استراتيجية إدارة التحالفات الفعالة محركًا رئيسيًا لنجاح سلسلة التوريد، خاصة في أوقات الأزمات (Sarker et al.، 2022). بناءً على المناقشات السابقة، نفترض أن:

H1a. ترتبط قدرة إدارة التحالفات (AMC) ارتباطًا إيجابيًا بمرونة سلسلة التوريد (SCA).

H1b. ترتبط قدرة إدارة التحالفات (AMC) ارتباطًا إيجابيًا بقابلية التكيف في سلسلة التوريد (SCAA).

تسمح التحالفات للمنظمات بالحصول على موارد تتجاوز حدودها (Schilke و Goerzen، 2010). تعتبر قدرة إدارة التحالفات (AMC) ضرورية لأنها تسمح للمنظمات بتوسيع قاعدة مواردها. أظهرت الأبحاث السابقة أن ضعف رؤية سلسلة التوريد يمكن أن يقلل من سلوك التعاون بين الفاعلين في أزمات سلسلة التوريد (Sodhi و Tang، 2021؛ Chen et al.، 2022a، b). يمكن أن يحسن تبادل المعلومات بين الشركاء الثقة والالتزام، مما يؤثر على سلوك التعاون (Squire et al.، 2009). من خلال التحالفات، يمكن للمنظمات زيادة تبادل المعلومات، وتحسين الثقة والالتزام بين الشركاء، والحفاظ على مستويات المخزون المرغوبة من العناصر الحيوية، وتطوير خطط طوارئ (Patrucco و Kähkönen، 2021). تدمج التحول الرقمي التكنولوجيا في مختلف العمليات التجارية لتعزيز الكفاءة والإنتاجية (Warner و Wäger، 2019؛ Sousa-Zomer et al.، 2020). يتضمن ذلك تطوير أنظمة جديدة وعمليات واستراتيجيات تستفيد من التكنولوجيا لتحسين الأداء العام للمنظمة (Correani et al.، 2020؛ Appio et al.، 2021).

في صناعة سلسلة التوريد، يعتبر التحول الرقمي أمرًا حاسمًا في بناء القدرات التي تمكن الشركات من التكيف والازدهار في أوقات
الأزمات (Karimi و Walter، 2015). من خلال تبني التقنيات الرقمية، يمكن للشركات تبسيط عملياتها، وتحسين مواردها، وزيادة مرونتها، مما يسمح لها بالاستجابة بسرعة وفعالية للظروف المتغيرة في السوق. وبالتالي، يمكن للمنظمات الاستفادة من تشكيل تحالفات استراتيجية مع شركات أخرى لتعزيز التحول الرقمي والبقاء تنافسية في بيئة الأعمال المتطورة بسرعة اليوم (Li et al.، 2018؛ Hanelt et al.، 2021). يمكن أن تساعد هذه التحالفات المنظمات في الوصول إلى خبرات وموارد قيمة يمكن الاستفادة منها لدفع الابتكار والنمو (Ghosh et al.، 2022). من خلال العمل عن كثب مع الشركاء، يمكن للمنظمات تطوير تقنيات جديدة وعمليات وحلول تلبي بشكل أفضل احتياجات وتوقعات العملاء، مع تحسين الكفاءة التشغيلية وتقليل التكاليف (Prashant و Harbir، 2009). لذلك، يمكن أن يكون تشكيل التحالفات الاستراتيجية ممكنًا رئيسيًا للتحول الرقمي وطريقة قوية للمنظمات للبقاء في المقدمة (Warner و Wäger، 2019). بناءً على المناقشات السابقة، يمكننا أن نفترض:

H2. ترتبط قدرة إدارة التحالفات في المنظمة (AMC) ارتباطًا إيجابيًا بالتحول الرقمي (DT).

كان DT حاسمًا في تعزيز قدرات سلسلة التوريد للتعامل مع التحديات غير المتوقعة (Tallon et al.، 2019). من خلال تبني تقنيات جديدة وحلول مبتكرة، استجابت الشركات بسرعة وكفاءة للاضطرابات، مما يضمن تسليم السلع والخدمات دون انقطاع (Rapaccini et al.، 2020). تم تحسين إدارة المخزون من خلال الاستفادة من تحليلات البيانات، وتم تبسيط عمليات المستودعات من خلال الأتمتة والروبوتات، وأصبحت المعاملات عن بُعد ممكنة من خلال اعتماد منصات التجارة الإلكترونية (Min et al.، 2019). أصبح DT أداة استراتيجية أساسية للشركات التي تتطلع إلى بناء قدرات سلسلة توريد مرنة وقابلة للتكيف للتحديات المستقبلية (Enrique et al.، 2022).

تعتبر SCA و SCAA عناصر أساسية في استراتيجية طويلة الأمد للتعامل مع الأزمات غير المسبوقة (Lee، 2021). تتيح هذه المفاهيم للمنظمات تحديد مصادر جديدة أو تطوير أسواق جديدة للتعامل مع الاضطرابات الناتجة عن قيود التجارة (Lee، 2021؛ Patrucco و Kähkönen، 2021). في بيئة تنافسية شديدة، يوفر DT فرصًا للمنظمات لاستغلال القدرات الرقمية بشكل استراتيجي (Nasiri et al.، 2022؛ Enrique et al.، 2022). وجدت العديد من الدراسات ارتباطات إيجابية بين قدرات تكنولوجيا المعلومات و SCA (Queiroz et al.، 2018؛ Grover، 2022)، و SCAA (Schoenherr و Swink، 2015). هناك أيضًا آثار إيجابية لقدرة BDA على SCA (Fosso Wamba و Akter، 2019؛ Awan et al.، 2022)، وتكنولوجيا الحوسبة السحابية على SCA (Liu et al.، 2018)، والذكاء الاصطناعي على SCA (Wang et al.، 2022)، وقدرة تكنولوجيا المعلومات على SCAA (Lee، 2021).

يعزز DT القدرات العلائقية وأنشطة تبادل المعرفة، مما يؤدي غالبًا إلى أداء متفوق على المنافسين (Faruquee et al.، 2021؛ Cherbib et al.، 2021). استراتيجيات حديثة مدعومة رقميًا اعتمدتها شركات التجارة الإلكترونية مثل Alibaba،JD.comو Amazon خلال أزمة

COVID-19 مكنتها من وضع مخزونها مسبقًا للتعامل مع تقلبات الطلب والعرض وبناء ثقافة تنظيمية مرنة (Lee، 2021). تشير الأدبيات الحديثة الأخرى إلى روابط مماثلة بين DT والمرونة (Guo et al.، 2023؛ Schräge et al.، 2022). بناءً على هذه الأدبيات، يمكننا أن نفترض أن:

H3a. للتحول الرقمي (DT) تأثير إيجابي على مرونة سلسلة التوريد (SCA).

تتغير المنظمات باستمرار للتكيف مع بيئات الأعمال المعقدة والحفاظ على النمو (Del Giudice et al.، 2021). ومع ذلك، تحتاج العديد منها إلى المزيد من الموارد وتحسين التحالفات بين شركاء سلسلة التوريد (Wright et al.، 2019). تعتبر البيانات غير الدقيقة أو غير المكتملة، وسوء التواصل، وغياب ثقافة التحليلات الرقمية أسبابًا للتحالفات الضعيفة (Lin et al.، 2022). وفقًا لـ Lee (2021)، تمكّن التقنيات الرقمية من التكيف.

تعتبر شركة LF بائع تجزئة قد حولت نماذج سلسلة التوريد التقليدية من خلال توفير السرعة والابتكار والرؤى المستندة إلى البيانات للعملاء من خلال سلسلة توريد مدعومة رقمياً (Apparel، 2017). لقد أنشأت LF شبكة قوية عالمية لسلسلة التوريد تدمج بشكل عمودي دور تصميم الأزياء، ووكلاء التوريد، والمصنعين، ومقدمي خدمات اللوجستيات، وبائعي التجزئة ضمن ثلاث شبكات عالمية: التجارة، واللوجستيات، والتوزيع، من خلال استراتيجية استحواذ عدوانية. تلعب استراتيجية تنسيق الشبكة في LF دورًا كبيرًا في إدارة شبكة سلسلة التوريد المعقدة. تقدم الشركة حلولاً كاملة لسلسلة التوريد لتصميم المنتجات الجديدة، وتوريد المواد الخام، والإنتاج النهائي في مراكز التصنيع، وتوزيع المنتجات. تمنح هذه القابلية للتكيف، المدعومة بالتكنولوجيا الرقمية، LF ميزة تنافسية على منافسيها. إن تجربة هذه الشركة وغيرها مما تم الإبلاغ عنه في الأدبيات، تؤدي إلى الفرضية النهائية:

H3ب. التحول الرقمي (DT) له تأثير إيجابي على قابلية التكيف في سلسلة الإمداد (SCAA).

أثبتت دراسات متعددة وجود علاقة إيجابية بين SCA/SCAA و OP (انظر Whitten et al.، 2012؛ Eckstein et al.، 2015؛ Alfalla-Luque et al.، 2018؛ Gligor et al.، 2020؛ Fosso Wamba et al.، 2020a). وقد قام الباحثون بتصور SCA/SCAA كـ DCs (Eckstein et al.، 2015؛ Aslam et al.، 2018؛ Dubey et al.، 2023). العنصر الرئيسي في DCV هو أن الأداء هو النتيجة (انظر Schilke، 2014b؛ Fainshmidt et al.، 2016). وبالتالي، وفقًا لجدل DCV (انظر Teece et al.، 1997)، نرى أن SCA/SCAA تمتلك القدرة على استشعار والاستيلاء وإعادة تكوين الكفاءات الداخلية والخارجية لمواجهة التغيرات البيئية السريعة غير المتوقعة.

يساعد SCA المنظمات على التعامل مع التغيرات قصيرة المدى من خلال تبادل المعلومات المستمر بين جميع الشركاء، والتعاون مع الموردين والعملاء لتطوير أو إعادة تصميم المنتجات أو الخدمات، وتطبيق استراتيجية التأجيل (لي، 2004). يرتبط SCA بشكل إيجابي بأداء التكلفة (كادين وآخرون، 2022). على سبيل المثال، يساعد SCA في تقليل تكلفة البضائع المباعة، أي المواد المباشرة، والنفقات العامة، والعمالة (ويتين وآخرون، 2012؛ كادين وآخرون، 2022). وبالمثل، يُقترح أن يكون لـ SCA تأثير إيجابي على الأداء التشغيلي، الذي يشمل جودة المنتج، ومستويات الخدمة، والتسليم في الوقت المحدد (انظر، ويتين وآخرون، 2012؛ إكشتاين وآخرون، 2015؛ غليغور وآخرون، 2015؛ ألفالا-لوكي وآخرون، 2018؛ بارك وآخرون، 2023)، وأداء السوق مثل نمو المبيعات أو زيادة الحصة السوقية (ويتين وآخرون، 2012؛ غليغور وآخرون، 2015؛ ألفالا-لوكي وآخرون، 2018؛ بارك وآخرون، 2023)، والأداء المالي (ويتين وآخرون، 2012؛ غليغور وآخرون، 2015؛ ألفالا-لوكي وآخرون، 2018). بناءً على النتائج من الأدبيات السابقة، نفترض ما يلي:

H4a. ستكون مرونة سلسلة التوريد مرتبطة بشكل إيجابي بالأداء التشغيلي.
تتعلق SCAA بتعديل تصميم سلسلة التوريد للتعامل مع التغيرات السريعة وغير المتوقعة في بيئة الأعمال أو السوق (لي، 2004؛ إكشتاين وآخرون، 2015؛ فوسو وامبا وآخرون، 2020؛ لي، 2021). لبناء القدرة على التكيف، تحتاج المنظمات إلى تتبع التغيرات المستمرة في البيئة الخارجية بمساعدة التقنيات الرقمية وتطوير استراتيجيات توريد بديلة للتعامل مع أي نوع من قيود التجارة أو
الاضطراب الناجم عن الاضطرابات السياسية أو الأزمات الجيوسياسية. يجب عليهم خلق مرونة في سلاسل التوريد الخاصة بهم وأن يكون لديهم مصادر/أسواق متعددة للتعامل مع عدم اليقين في العرض/الطلب (لي، 2021). الفرق بين SCA و SCAA هو فرق في التوجه. SCA هو قصير الأجل، و SCAA هو استراتيجية طويلة الأجل (انظر لي، 2004؛ ريتشي وآخرون، 2022). تفترض الأدبيات السابقة أن SCAA ستؤثر بشكل إيجابي على مقاييس الأداء السوقي والمالي. ومن ثم، نفترض:

H4ب. ستكون قدرة سلسلة التوريد على التكيف مرتبطة بشكل إيجابي بالأداء التشغيلي.

إن اعتماد تقنيات متنوعة في جميع جوانب الأعمال هو جوهر التحول الرقمي، الذي يعزز في النهاية قيمة العملاء (بيرمان، 2012؛ بهاردواج وآخرون، 2013). يمكن أن يتم تعزيز الأداء الفعال لإدارة التحالفات من خلال الاستخدام الصحيح للتقنيات الرقمية، مما يساعد بدوره على بناء ثقة أفضل وتعزيز التعاون (هي وآخرون، 2020؛ لين وآخرون، 2022). علاوة على ذلك، يمكن أن يمكّن التحول الرقمي أيضًا من التحليلات المتقدمة واتخاذ القرارات المستندة إلى البيانات في إدارة التحالفات، مما يمكن أن يساعد في تحديد المخاطر والفرص المحتملة في سلسلة التوريد (تشن وآخرون، 2022أ، ب؛ غوش وآخرون، 2022). يمكن أن يؤدي ذلك إلى نهج أكثر استباقية في إدارة سلسلة التوريد وتمكين الشركات من الاستجابة بشكل أسرع للتغيرات في ظروف السوق أو احتياجات العملاء (دوباي وآخرون، 2021). لذلك، من الضروري النظر في دور التحول الرقمي عند تقييم تأثير إدارة التحالفات على الميزة التنافسية والقدرة التنافسية. من خلال الاستفادة من التقنيات الرقمية، يمكن للشركات تعزيز إدارتها للتحالفات، وتحسين قدراتها في سلسلة التوريد، وفي النهاية تحقيق ميزة تنافسية. ومن ثم، نفترض ذلك كالتالي:

H5a/H5b: التحول الرقمي يتوسط تأثيرات قدرة إدارة التحالفات على (أ) مرونة سلسلة التوريد و(ب) قابلية التكيف في سلسلة التوريد.

قمنا باستطلاع منظمات التصنيع التي تتخذ من الهند مقراً لها (انظر الجدول 1). اخترنا أربعة قطاعات صناعية هي: الأغذية، وتصنيع الملابس، وتصنيع الأجهزة الإلكترونية والكمبيوتر، وتصنيع السلع البلاستيكية والمطاطية، لأن التحالفات شائعة جداً، حيث تعتمد الشركات عادةً على عدة بائعين.

توفير المواد الخام وتقديم خدمات اللوجستيات، ودعم تكنولوجيا المعلومات، والمبيعات والخدمات. لقد تأكدنا من أن الشركات المختارة كانت لديها تجارب حديثة من الأزمات أو الاضطرابات بسبب COVID-19 والأزمات الجيوسياسية. تستخدم المنظمات المحورية في هذه القطاعات التعاون الوثيق لتأمين المواد الخام، والحصول على معلومات السوق والمعرفة، مما يضمن توفر المنتجات في الوقت المناسب، والمكان المناسب، وفي الحالة المناسبة، على الرغم من تقلبات الطلب والعرض بسبب الأحداث غير المتوقعة (شين وسون، 2023). علاوة على ذلك، تم الإشارة إلى دور التحول الرقمي في بناء قدرات سلسلة التوريد في هذه القطاعات الصناعية خلال الأوبئة والأزمات الجيوسياسية (بوسمان وآخرون، 2020؛ ألكسندر وآخرون، 2022؛ برامر وآخرون، 2023).

استخدمت دراستنا مقاييس متعددة العناصر لقياس المفاهيم الموضحة في الشكل 1. اعتبرنا المفاهيم المستخدمة في دراستنا كمفاهيم عاكسة وطورنا مقاييسنا بناءً على دراسات تجريبية سابقة أجراها بوير وباجيل (2000)، فورزا (2002)، ودي فيليس (2003). لتوليد عناصرنا، قمنا بتنقيح الأدبيات الموجودة من خلال إجراء مقابلات مع 27 مديرًا من قطاعات متنوعة. للقضاء على أي غموض أو عناصر مربكة، قمنا باختبار الاستبيان مسبقًا مع 30 مديرًا. كما قمنا بمقارنة المعلومات المستندة إلى الاستبيان التي تم جمعها من المستجيبين مع مصادر بيانات أخرى لضمان الدقة وتقليل التحيزات الناتجة عن مصدر واحد لجمع البيانات، كما أوصى بذلك فلين وآخرون (1990) وهومبورغ وآخرون (2012).

في دراستنا، استخدمنا مصادر متنوعة لقياس مفاهيم مختلفة. على سبيل المثال، قمنا بتقييم قدرة إدارة التحالفات (AMC) باستخدام بناء من أربعة أبعاد، من الدرجة الثانية، استنادًا إلى مقياس شيلكي (2014). وبالمثل، لقياس التحول الرقمي (DT)، استخدمنا بناءً ثلاثي الأبعاد، من الدرجة الثانية، استنادًا إلى مقياس سوزا-زومر وآخرون (2020). ومع ذلك، خلال تحليلنا، لاحظنا أن قيمة التباين المستخرج المتوسط لشدة الرقمية (DI) كانت أقل من القيمة الحدية، وأن بعض تحميلات العوامل للمؤشرات كانت أقل من 0.5. نتيجة لذلك، قررنا استبعاد بُعد شدة الرقمية (DI) من تحليلنا وواصلنا باستخدام بناء ثنائي الأبعاد للتحول الرقمي (DT). بالإضافة إلى ذلك، تم تشغيل مرونة سلسلة التوريد (SCA) وملاءمة سلسلة التوريد (SCAA) والأداء التنظيمي (OP) كإنشاءات عاكسة استنادًا إلى مقاييس تم تطويرها بواسطة ألفالا-لوك وآخرون (2018). يتضمن الملحق A تفاصيل إضافية حول الإنشاءات والعناصر المستخدمة لتشغيلها.

قمنا بأخذ عينات من الشركات متعددة الجنسيات في القطاعات الصناعية المحددة أعلاه باستخدام رموز NAICS مع وحدات تصنيع في الهند. استخدمنا قاعدة بيانات اتحاد الصناعات الهندية (CII) حول الشركات المصنعة، والتي توفر تفاصيل عن تلك التي تشارك في التحول الرقمي تحت مبادرة “منصة التصنيع الذكي” التابعة لـ CII. حددنا 456 شركة، والتي قمنا بالتحقق منها باستخدام قاعدة بيانات دان آند برادستريت حول الشركات المصنعة في الهند.

جادل العلماء بأنه لا توجد مؤشرات مثالية أو بيانات ثانوية لقياس الأبعاد المختلفة للتحالفات الاستراتيجية أو نتائج هذه التحالفات (غولاتي، 1998؛ شراينر وآخرون، 2009؛ شيلكي، 2014). لذلك، اعتمدنا على تصورات المعلومات الرئيسية، التي اخترناها بناءً على 1) معرفتهم بأنشطة التحالف في شركاتهم؛ 2) إلمامهم بمبادرات التحول الرقمي في شركاتهم؛ و 3) أنشطة إدارة سلسلة التوريد في شركاتهم. من خلال القيام بذلك، ضمنا أن المشاركين كانوا معنيين بشكل مناسب بالقضايا قيد الدراسة (كامبل، 1955؛ ستيوارت، 1997؛ فورزا، 2002؛ شراينر وآخرون، 2009). لتعزيز الصلاحية، اتبعنا اقتراحات بعض الباحثين في المنظمات الذين درسوا العلاقات بين المنظمات (أي. كومار وآخرون، 1993؛ شراينر وآخرون، 2009؛ مشتهاري، 2016). وقد شمل ذلك تضمين أسئلة لتأكيد أنهم استوفوا معايير الاختيار لدينا.

قمنا بإرسال الاستبيان عبر البريد الإلكتروني إلى الأفراد في 456 شركة مختارة وأرسلنا تذكيرين لأولئك الذين لم يعودوا الاستبيانات بعد.
بعد أسبوعين على الأقل من البريد الإلكتروني الأول. تلقينا أخيرًا 162 استبيانًا مكتملًا (معدل الاستجابة ). استبعدنا 5 استبيانات لأننا كنا بحاجة إلى مزيد من المعلومات. خصائص المستجيبين ( مقدمة في الجدول 1.

قمنا باختبار انحياز عدم الاستجابة (NRB) بثلاث طرق (انظر هولاند وآخرون، 2018). أولاً، قمنا بمقارنة المستجيبين في الموجة المبكرة – الردود التي تم استلامها من 18 يوليو إلى 4 أغسطس 2022 – مع الموجة المتأخرة – من 5 أغسطس 2022 إلى 9 ديسمبر 2022 – فيما يتعلق بخصائصهم الديموغرافية. ثانياً، قمنا بمقارنة عمر الشركة وعدد الموظفين لدى 157 مستجيباً مع 67 غير مستجيب تم اختيارهم عشوائياً. ثالثاً، وفقاً للتوصيات الخاصة بتحليل الموجات (انظر، أرمسترونغ وأوفر تون، 1977)، قمنا بحساب إحصائيات t – بين الموجات المبكرة والمتأخرة. خلصت تحليلاتنا إلى أن NRB ليس قضية رئيسية في دراستنا، ويمكننا المضي قدمًا بأمان في تحليل بياناتنا.

استخدمنا WarpPLS 7.0، الذي يعالج نقاط الضعف التقليدية لطريقة PLS-SEM (كوك، 2019) من خلال تقدير العوامل. لقد حظيت PLS-SEM باهتمام كبير من مجتمع البحث الإداري كطريقة مفيدة لبناء النظرية (انظر رينجل وسارستيدت، 2016؛ أكتار وآخرون، 2017). تختلف PLS-SEM الكلاسيكية عن SEM المعتمد على التباين في أنها لا تأخذ في الاعتبار العوامل بل المركبات، لذا لا يمكنها تقدير أخطاء القياس بشكل كامل، مما يؤدي غالبًا إلى معلمات متحيزة. يجادل كوك (2019) بأن PLSF (الحد الأدنى الجزئي المربوط بتقدير العوامل) يبني على تقنيات PLS التقليدية ويأخذ في الاعتبار أخطاء القياس بشكل كامل. لذلك، تعتبر SEM المعتمدة على PLS طريقة مناسبة للتحليلات الإحصائية (انظر، أكتار وآخرون، 2017). أجرينا التحليلات على مرحلتين، متبعين اقتراحات العلماء الرائدين: أولاً فحص صلاحية البناء وموثوقية المركب القياسي (SCR) لنموذج البحث المقترح (انظر الشكل 1) وثانيًا اختبار فرضيات البحث (انظر، سارستيدت وآخرون، 2016؛ أكتار وآخرون، 2017؛ هير وآخرون، 2017؛ كوك، 2019).

تماشيًا مع أبحاث تنظيمية أخرى حول العمليات بين الشركات، جمعنا ردود من مصدر رئيسي واحد في كل شركة (انظر، كويفاس-رودريغيز وآخرون، 2014؛ شيلكي، 2014؛ كاوبلا، 2015؛ شو وآخرون، 2022). وبالتالي، فإن انحياز الطريقة الشائعة ممكن (انظر فيسواناثان وكاياندي، 2012)، ولتقليل ذلك، اتخذنا خطوتين مهمتين. أولاً، قمنا باتخاذ تدابير إجرائية وفقًا لتوصيات ماكنزي وبودساكوف (2012). طورنا استبياننا النهائي للقضاء على الأسباب التي تقلل غالبًا من قدرة المستجيبين على الرد على الأسئلة بدقة. كما ذكرنا، قمنا باختبار استبياننا مسبقًا مع 30 مديرًا لتجنب الأسئلة الغامضة أو ذات المعاني المزدوجة. ثانيًا، قمنا بإجراء تحليل لاحق، يُطلق عليه غالبًا إجراءات الارتباط الجزئي (انظر، هولاند وآخرون، 2018، ص. 102). كانت الفروقات الملحوظة بين الارتباطات المعدلة والسابقة غير ذات دلالة. بعد اتخاذ هاتين الخطوتين، يمكننا أن نقول بثقة إنه، على الرغم من أن انحياز الطريقة الشائعة يمثل مشكلة محتملة في حالة بيانات المعلّم الواحد العرضية، فإن تأثير هذا الانحياز في دراستنا محدود.

في الجدول 2، قدمنا القيم (انظر ألفا كرونباخ ( )، موثوقية المقياس المركب (SCR)، ومتوسط التباين المستخرج (AVE)) التي تظهر خصائص مقاييس متعددة العناصر المستخدمة في الدراسة لجمع البيانات. لاحظنا أن قيمنا تتجاوز بكثير القيم الحدية لـ SCR وAVE لكل بناء مستخدم في الشكل 1 (انظر، سارستيد وآخرون، 2022). ومن ثم، نستنتج أن بنينا يمتلكون صلاحية التقارب. علاوة على ذلك، قمنا بتقييم صلاحية التمييز للبنا (انظر الجدول 3). الجذر التربيعي لـAVE أكبر من القيمة المطلقة لارتباط البنا في كل صف وعمود. بالإضافة إلى اختبار صلاحية التمييز لفورنيل ولارك (1981)، نحن

ملاحظات: AMC – قدرة إدارة التحالف؛ IC – التنسيق بين المنظمات؛ APC – تنسيق محفظة التحالف؛ IL – التعلم بين المنظمات؛ AP – استباقية التحالف؛ DT – التحول الرقمي؛ DT_DSS: مهارات الوعي الرقمي؛ DT_CAR: شروط العمل والتفاعل؛ SCA – مرونة سلسلة التوريد؛ SCAA – قابلية التكيف في سلسلة التوريد؛ OP – الأداء التنظيمي.

ملاحظات: AMC – قدرة إدارة التحالف؛ IC – التنسيق بين المنظمات؛ APC – تنسيق محفظة التحالف؛ IL – التعلم بين المنظمات؛ AP – استباقية التحالف؛ DT – التحول الرقمي؛ DT_DSS: مهارات الوعي الرقمي؛ DT_CAR: شروط العمل والتفاعل؛ SCA – مرونة سلسلة التوريد؛ SCAA – قابلية التكيف في سلسلة التوريد؛ OP – أداء المنظمة.

ملاحظات: AMC – قدرة إدارة التحالف؛ IC – التنسيق بين المنظمات؛ APC – تنسيق محفظة التحالف؛ IL – التعلم بين المنظمات؛ AP – استباقية التحالف؛ DT – التحول الرقمي؛ DT_DSS: مهارات الوعي الرقمي؛ DT_CAR: شروط العمل والتفاعل؛ SCA – مرونة سلسلة التوريد؛ SCAA – قابلية التكيف في سلسلة التوريد؛ OP – الأداء التنظيمي.
تم إجراء اختبار HTMT (نسبة الارتباطات بين الصفات المختلفة والصفات الأحادية) (انظر الجدول 4). قيم HTMT أقل بكثير من القيم الحدية الموصى بها (انظر هنسلر وآخرون، 2015)، مما يشير إلى أن البنى تمتلك صلاحية تمييز كافية. بشكل عام، تمتلك البنى صلاحية بناء كافية لتمكين تفسير التقديرات الهيكلية.

PLS-SEM هي طريقة إحصائية تستخدم تركيبات خطية من متغيرات المؤشر لتمثيل المتغيرات المفاهيمية في نموذج. تتيح لنا هذه الطريقة نمذجة البنى الكامنة باستخدام عدد أقل من المتغيرات الملحوظة، مما يؤدي إلى نتائج أكثر دقة. تم التحقق من صحة PLS-SEM من قبل باحثين مختلفين في مجالات دراسية متنوعة، بما في ذلك أكتار وآخرون (2017)، بينيتز وآخرون (2020)، وهالت وآخرون (2018). ومع ذلك،
قبل اختبار الفرضيات، من الضروري إجراء اختبار للداخلية. على الرغم من أن الباحثين اقترحوا عدة طرق لتحديد وتصحيح الداخلية، إلا أنها لا تزال قضية مثيرة للجدل. قمنا بإجراء اختبار طبيعة باستخدام اختبار كولموغوروف-سميرنوف مع تصحيح ليلييفورز على الدرجات المركبة الموحدة لـ AMC وDT وSCA وSCAA. نظرًا لأن أيًا من الدرجات لم يكن موزعًا بشكل طبيعي، اعتبرناها داخلية في تحليل الكوبولا الغاوسي. باستخدام ثلاثة نماذج انحدار، وجدنا أن الداخلية لم تكن مشكلة. علاوة على ذلك، استخدمنا نسبة مفارقة سيمبسون (SPR) ونسبة مساهمة R-squared (RSCR) ونسبة القمع الإحصائي (SSR) ونسبة اتجاه السببية الثنائية غير الخطية (NLBCDR) لتقييم العلاقات المفترضة. بعد تقييم العلاقات، استنتجنا أن العلاقات المفترضة كانت مدعومة، وأن المسار المعكوس كان إما ضعيفًا أو غير موجود. الشكل 2 يقدم النموذج النهائي.

هدفت دراستنا إلى تقييم فعالية نموذج مقترح في

شرح التباين في الأداء التنظيمي (OP). وجدنا أن النموذج لديه متوسط قيمة 0.76، مما يشير إلى أنه يمكنه تفسير تقريبًا لتغير في OP. تقدم أبحاثنا أدلة تجريبية لدعم العلاقات المفترضة بين قدرة إدارة التحالفات (AMC) ومرونة سلسلة التوريد (SCA) وقابلية التكيف في سلسلة التوريد (SCAA). على وجه التحديد، وجدنا أن AMC مرتبطة إيجابيًا بـ SCA. ) و SCAA ( , ، مما يدعم H1a و H1b، على التوالي. تشير نتائجنا أيضًا إلى أن AMC مرتبط إيجابيًا بالتحول الرقمي (DT) ( )، دعم H2. تسلط هذه النتائج الضوء على الدور الحاسم لـ AMC في بناء قدرات سلسلة التوريد ودعم جهود التحول الرقمي، وهو أمر حيوي للمنظمات للاستجابة للشكوك والأزمات. تؤكد أبحاثنا على أهمية AMC في تعزيز الأداء التنظيمي وتعزيز النمو في الأوقات الصعبة. علاوة على ذلك، وجدنا أن AMC والتحول الرقمي يفسران من إجمالي التباين في SCA وتقريبًا في SCAA. تظهر هذه النتائج أن AMC، تحت تأثير DT، يمكن أن تساعد المنظمات في تعزيز مرونتها وقدرتها على التكيف، وهما أمران أساسيان للتعامل مع الأزمات. يوفر بحثنا أدلة تجريبية لدعم الدور الحاسم لـ AMC في تعزيز أداء المنظمات، وبناء قدرات سلسلة التوريد، ودعم جهود التحول الرقمي (Chen et al.، 2019؛ Lee، 2021؛ Gereffi et al.، 2022).

أنتجت دراستنا أدلة تجريبية تدعم عدة فرضيات. أولاً، حصلت H1a/b وH2، التي تم إثباتها بالفعل في دراسات سابقة، على مزيد من التحقق. ثانياً، وجدنا دعماً لـ H3a (DT سكا و H3b (DT سكا )، مما يشير إلى أن تأثير التحول الرقمي على مرونة سلسلة التوريد وقدرتها على التكيف كبير. تؤكد هذه النتائج نتائج الدراسات السابقة التي استكشفت دور قدرة تحليل البيانات الضخمة (مثل Fosso Wamba و Akter، 2019؛ Fosso Wamba وآخرون، 2020a) في تعزيز قدرات سلسلة التوريد. تعزز دراستنا أيضًا النتائج التي تشير إلى أنه عند استخدامها بشكل صحيح، يمكن أن يحسن التحول الرقمي بشكل كبير أداء سلسلة التوريد. من خلال الاستفادة من التقنيات الرقمية، يمكن للمنظمات تعزيز مرونتها وقدرتها على التكيف مع ظروف السوق المتغيرة وتحسين قدرتها التنافسية.

أخيرًا، وجدنا دعمًا للعلاقات المفترضة بين SCA و OP ) (H4a) و SCAA و OP (H4b) ( ). تشرح SCA و SCAA من إجمالي التغير في OP تؤكد النتائج النتائج السابقة التي تشير إلى أن SCA و SCAA هما محددان قويان لأداء المنظمة في الظروف الديناميكية (انظر إكشتاين وآخرون، 2015؛ ألفالا-لوك وآخرون، 2018). يوضح الجدول 5 قيم اختبار فرضياتنا.

قمنا بإجراء اختبارات إضافية لتحديد تأثير الوساطة للتحول الرقمي (DT) على العلاقة بين قدرة إدارة التحالفات (AMC) ومرونة سلسلة التوريد (SCA)/تكيّف سلسلة التوريد (SCAA). وفقًا لـ هايز (2009)، تشير الوساطة إلى كيفية تأثير متغير ثالث (في حالتنا، التحول الرقمي) على

*ص < 0.01; **ص < 0.05.
ملاحظات: AMC – قدرة إدارة التحالف؛ DT – التحول الرقمي؛ SC – مرونة سلسلة التوريد؛ SCA – قابلية التكيف في سلسلة التوريد؛ OP – الأداء التنظيمي.
العلاقة بين متغيرين (AMC و SCA/SCAA). قمنا بإجراء اختبار الوساطة بطريقتين. أولاً، اتبعنا توصيات بارون وكيني (1986). في المسار الأول، اختبرنا التأثير المباشر لـ AMC على SCA ( )، وهو ما كان له دلالة. في المسار الثاني، اختبرنا التأثير المباشر لـ AMC على DT ( , ص 0.01)، والذي كان أيضًا ذا دلالة. في المسار الثالث، اختبرنا تأثير DT على SCA ( )، والذي كان أيضًا ذو دلالة إحصائية. أخيرًا، قمنا بالتحكم في تأثير DT في المعادلة النهائية، حيث اختبرنا تأثير AMC وDT كمتنبئين بـ SCA. في هذه الحالة، لاحظنا أن تأثير AMC على SCA قد انخفض. حددنا دلالة اختبار الوساطة باستخدام اختبار سوبل (سوبل، 1982). أظهرت إحصائيات سوبل أن DT عمل كوسيط جزئي بين AMC وSCA، بقيمة 2.89، والتي كانت ذات دلالة عند .

وبالمثل، قمنا باختبار AMC كمتغير مستقل، وDT كوسيط، وSCAA كمتغير تابع. وجدنا تأثيرًا كبيرًا لـ AMC على SCAA. ، AMC على DT ( ، 0.01)، وDT على SCAA ( عندما قمنا بالتحكم في تأثير DT على تأثير AMC على SCAA، انخفض التأثير. وقد حددنا إحصائية سوبل لتكون 4.09، وهي دالة عند ، مما يشير إلى أن DT عمل كوسيط جزئي بين AMC و SCAA.

على الرغم من أن النهج الذي قدمه بارون وكيني (1986) لتحليل التأثيرات غير المباشرة قد واجه انتقادات من بعض العلماء (مثل بريشر وهايز في 2004، وهايز وبريشر في 2010، وأغوينيس وآخرون في 2017)، اخترنا استخدام طريقة بديلة اقترحها كوك (2014) للتحقيق في هذه الأنواع من التأثيرات. لإجراء تحليلات المسار، استخدمنا برنامجًا تجاريًا يسمى WarpPLS. استخدمنا اختبار كوك (2014) بناءً على توصيات هايز وبريشر (2010) لتحليل التأثيرات غير المباشرة. وجدنا أن المجموع الكلي للتأثيرات غير المباشرة لـ AMC على SCA يتكون من مسار واحد (AMC DT SCA)، والذي يعتبر دالاً بشكل هامشي ( ) بحجم تأثير صغير. وبالمثل، يتكون المجموع الكلي للتأثيرات غير المباشرة لـ AMC على SCAA من مسار واحد (AMC DT SCAA) والذي يعتبر دالاً ( ). وهذا يشير إلى أن DT قد وسّط جزئيًا بين AMC و SCA/SCAA.

لزيادة صحة نتائجنا التجريبية، أجرينا مقابلات استكشافية شبه منظمة (كونلون وآخرون، 2020) (انظر الملحق ب). تم تصميم هذه المقابلات للحصول على رؤى ووجهات نظر إضافية من المشاركين (كوربين وستراوس، 2014؛ بانسال وآخرون، 2018). شمل عملية المقابلة أسئلة مفتوحة تسمح للمشاركين بالتعبير عن أفكارهم وآرائهم بحرية. قمنا بتحليل البيانات التي تم جمعها من هذه المقابلات للحصول على فهم أعمق لموضوع البحث وتحديد الفجوات المحتملة في بحثنا. من خلال دمج هذه المقابلات في منهجية بحثنا، حصلنا على فهم أكثر شمولاً للموضوع وحسّنّا الجودة العامة لبحثنا. اعتمدنا نهجًا استقرائيًا، باستخدام بيانات نوعية للمساعدة في كشف الرؤى الخفية التي تعزز الرؤى النظرية (جيويا وآخرون، 2013). انتشرت المقابلات على مدى أربعة أشهر واحتوت على رؤى خبراء مشغولين بتنفيذ التقنيات الرقمية لتعزيز قدراتهم في سلسلة التوريد.

استنادًا إلى توصيات غلاسر وستراوس (1967)، اتصل المؤلف الرئيسي بالمديرين التنفيذيين الكبار الذين يعملون حاليًا على مشاريع لتحويل تصميم سلسلة التوريد الحالية أو الذين قاموا مؤخرًا بتنفيذ التحول الرقمي. لتجنب التحيز، تم الاتصال بالمديرين الذين يعملون في إحدى وحدات التصنيع الهندية لشركات متعددة الجنسيات (MNCs). لمزيد من التفاصيل حول بروتوكول المقابلة والتحليل الانعكاسي وتدابير موثوقية المترجمين، يرجى الرجوع إلى الملحق ج.

أجرينا المقابلات في جزئين. أولاً، طرحنا أسئلة حول قدرة إدارة التحالف وتأثيرها على قدرات سلسلة التوريد. ثانيًا، كيف يؤثر التحول الرقمي على قدرات سلسلة التوريد والأداء التنظيمي
التأثيرات. تم تعديل إرشادات وأسئلة المقابلة الأولية خلال المناقشة، بناءً على الرؤى التي تم جمعها من المقابلات السابقة (انظر، جيويا وآخرون، 2013). وصلنا إلى التشبع النظري بعد 27 مقابلة (كوربين وستراوس، 2014).

اتبعنا إرشادات جيويا وآخرون (2013)، التي توفر إطارًا لتحليل البيانات النوعية بدقة، من خلال عملية تفسيرية. يُوصى بهذه العملية عندما تُستخدم تجارب المشاركين لتطوير فهم نظري لظاهرة ما. ومن ثم، قمنا بتطوير رؤى نظرية بمساعدة تجارب المشاركين الشخصية.

تؤكد الموضوعات الطاغية الناشئة في البيانات نتائجنا التجريبية من خلال تسليط الضوء على كيفية تأثير نقص التنسيق، وغياب القيادة الرقمية والمواهب الرقمية، وسوء إدارة المواهب الرقمية سلبًا على قدرات سلسلة التوريد وتأثيرها على الأداء التنظيمي. في هذا الصدد، يؤكد أن الميزة التنافسية تنبع من كيفية استغلال التقنيات بدلاً من التكنولوجيا نفسها (بارات وأوك، 2007). ومن ثم، تحتاج المنظمات إلى إيلاء اهتمام دقيق لممكنات التحول الرقمي، لكي تحقق قدرات سلسلة التوريد أداءً متفوقًا.

اقترح المشاركون في المقابلات أن المنظمات ليس لديها خيار سوى تبني التحول الرقمي في العصر الرقمي. كما أكد المشاركون في المقابلات (انظر، على سبيل المثال، الاقتباسات من P18، P20، P22، P23، في الملحق د)، أن الثقافة الرقمية تتعلق بعقلية رقمية، والابتكار، والاستخدام الصحيح للبيانات التشغيلية وتجربة البيانات، وثقافة مفتوحة. تعتبر هذه الثقافة العمود الفقري للتحول الرقمي الناجح. علاوة على ذلك، فإن تطوير والاحتفاظ بالمواهب الرقمية المناسبة أمر حاسم لنجاح التحول الرقمي (انظر، الاقتباسات من P24، P25، P26). بينما قد يكون التحول الرقمي أولوية عالية، فإن الجزء الأصعب هو تحديد متى وكيف يبدأ مثل هذا التحول. في معظم الأوقات، تكون المنظمة قلقة بشأن العائد على الاستثمار لأي مبادرة جديدة (اقتباس من P22). ومن ثم، من أجل التوافق الصحيح مع التكنولوجيا والاستراتيجية، فإن دور القيادة الرقمية أمر حاسم (انظر الاقتباسات، P16، P17، P21 و P19). تصف مقتطفات أخرى من بيانات المقابلة بعض مكونات التحول الرقمي الضرورية لتعزيز تأثيرات قدرات سلسلة التوريد على الأداء (انظر الملحق د).

توفر نتائج مسحنا التجريبي، المدعومة ببيانات المقابلة النوعية، فهمًا دقيقًا للعلاقات بين AMC و SCA و SCAA و DT و OP. تقدم نتائجنا دلالات مفيدة للنظرية والممارسة. بشكل عام، نقدم أدلة قوية لدعم ادعاء لي (2021، ص.176) بأن “مع توسع نطاق سلاسل التوريد في أبعاد متعددة، سيصبح استخدام المنصات الرقمية أكثر أهمية”. نوضح وجود رابط دال إحصائيًا من AMC إلى SCA و SCAA. نستكشف أيضًا الممكنات والعوائق أمام DT، التي تؤثر على مرونة سلسلة التوريد وقدرتها على التكيف خلال الأزمات.

يجب على المنظمات تقييم احتياجاتها التجارية وقدراتها التقنية للاستفادة من التقنيات الرقمية وتعزيز قدرات سلسلة التوريد الخاصة بها. يمكن أن يحسن ذلك الأداء التنظيمي العام (راي وآخرون، 2006؛ ديفاراج وآخرون، 2007). من الضروري لبناء سلسلة توريد رقمية أن يتم بناء البنية التحتية التكنولوجية، وتعزيز ثقافة تدعم الابتكار، وتطوير قيادة قوية، وزراعة قدرات إدارة المواهب (سينتوبيللي وآخرون، 2020). يتناول دراستنا أسئلة البحث والفجوات في هذا المجال التي حددها كريغ هيد وآخرون (2020) ولي (2021). من خلال تحليل البيانات التي جمعناها، نأمل في تقديم رؤى ستفيد الأبحاث المستقبلية وتضيف إلى الجسم المعرفي القائم في هذا المجال.

تستخدم دراستنا مفهوم القدرات الديناميكية والرؤية الهرمية للشركة (فاينشميت وآخرون، 2016). تعتبر القدرات الديناميكية ضرورية للمنظمات للتكيف مع بيئة الأعمال المتغيرة بسرعة
. نفحص التفاعل بين مختلف القدرات الديناميكية اللازمة للمنظمات للحفاظ على ميزة تنافسية. تشمل هذه القدرات قدرة إدارة التحالف، والتحول الرقمي، ومرونة سلسلة التوريد، وقدرة سلسلة التوريد على التكيف. من خلال فهم الرؤية الهرمية للقدرات الديناميكية، يمكن للمنظمات تطوير استراتيجيات فعالة للتنقل في تعقيدات بيئة الأعمال الحديثة والحفاظ على ميزة تنافسية مستدامة.

تركز دراستنا على فعالية نظرية القدرات الديناميكية (DCV) في أنشطة سلسلة التوريد وتأثيرها على أداء المنظمات. لمعالجة الانتقادات الموجهة لـ DCV، قمنا بتصميم مفاهيمنا – AMC و SCA و SCAA – كأبعاد أعلى وأدنى (انظر، إيستربي-سميث وآخرون، 2009؛ زانغ وآخرون، 2023). يوفر إطارنا النظري فهماً مفصلاً للقدرات الديناميكية في سياق التحول الرقمي. تسلط دراستنا الضوء على المحركات الأساسية للقدرات الديناميكية وكيف يمكن استخدامها لتحقيق ميزة تنافسية في العصر الرقمي. لقد قمنا بتحليل كيف يمكن أن يساعد التحول الرقمي المنظمات في تشكيل تحالفات لتطوير قدرات سلسلة التوريد المعقدة، مما يمكنها من الاستجابة بسرعة للتغيرات السريعة في البيئات الداخلية والخارجية. نؤكد على أهمية بناء المرونة والقدرة على التكيف في سلاسل التوريد لتحقيق ميزة تنافسية.

تشير نتائجنا إلى أن القدرة الفعالة على إدارة التحالفات والتحول الرقمي يمكن أن تساعد المنظمات في تعزيز قدراتها في سلسلة التوريد، مما يمكنها من الاستجابة للتغيرات في السوق وتفضيلات العملاء والعوامل الخارجية الأخرى. بشكل عام، توفر دراستنا رؤى قيمة حول كيفية استفادة الشركات من قدراتها الديناميكية لتحسين الأداء التنظيمي في العصر الرقمي. من خلال توسيع حدود رؤية القدرة الديناميكية، تسلط هذه الدراسة الضوء على الآليات التي من خلالها تستمر المنظمات في تطوير ممارسات إدارة سلسلة التوريد الخاصة بها.

تجيب أبحاثنا أيضًا على الدعوات التي تسعى إلى تقديم أدلة تجريبية تفسر كيف تعزز التحالفات الاستراتيجية، خاصة في العصر الرقمي، قدرات سلسلة التوريد للتعامل مع الأزمات غير المسبوقة (انظر He et al.، 2020؛ Roscoe et al.، 2022). درست دراستنا كيف تعزز قدرة إدارة التحالفات (AMC) مرونة سلسلة التوريد وقابليتها للتكيف. وجدنا أن AMC حاسمة في تعزيز التعاون، والتواصل الواضح، والثقة، والشفافية في سلسلة التوريد. من خلال هذه الآليات، تساعد AMC المنظمات على بناء رؤية عالية لسلسلة التوريد، مما يمكنها من التعامل بشكل أفضل مع الأزمات والاضطرابات الأخرى. حصلنا على رؤى عميقة حول كيفية تعزيز AMC للتعاون، والتواصل، والثقة، والشفافية في سلسلة التوريد. تدعم نتائجنا ” لي. الجدل حول أهمية إدارة علاقات الموردين (AMC) في إدارة سلسلة التوريد وتسليط الضوء على الحاجة إلى مزيد من الدراسات التجريبية حول هذا الموضوع، كما اقترح فيربيك (2020) وبرايمر وآخرون (2023). يتضح ذلك من خلال أمثلة لشركات الأدوية الرائدة، والشركات الرقمية، ومصنعي الرقائق الإلكترونية الذين لديهم استراتيجيات قوية للتعامل مع اضطرابات سلسلة التوريد. لقد استخدموا قاعدة إمداد متنوعة للتخفيف من عدم اليقين في الإمدادات. من خلال تعزيز التعاون، والتواصل، والثقة، والشفافية في سلسلة التوريد، تساعد إدارة علاقات الموردين (AMC) المنظمات على بناء رؤية عالية لسلسلة التوريد، مما يعزز بدوره مرونة سلسلة التوريد وقدرتها على التكيف. وفقًا لذلك، تشير أبحاثنا إلى أن المنظمات التي تستثمر في بناء إدارة علاقات الموردين القوية تكون أكثر استعدادًا للتعامل مع اضطرابات سلسلة التوريد.

توضح دراستنا شروط الحدود لنظرية القدرات الديناميكية (DCV). من خلال فهم العلاقة بين إدارة التحالفات، والمرونة، والقدرة على التكيف، يمكن للمنظمات تطوير نهج أكثر شمولاً للإدارة الاستراتيجية وتعزيز آفاق نجاحها على المدى الطويل. وجدنا أن التحول الرقمي يلعب دورًا حيويًا في تحسين وتعزيز تأثير إدارة التحالفات على تطوير قدرات سلسلة التوريد. علاوة على ذلك، وجدنا أن التحول الرقمي يعمل كوسيط في هذه العلاقة، مما يسهل ويعزز فعالية إدارة التحالفات في تحقيق هذا الهدف. تؤكد هذه النتيجة على الأهمية المتزايدة للتحول الرقمي في مشهد الأعمال الحديث، مما يبرز إمكانياته كمحرك حاسم للتقدم والنجاح في
إدارة سلسلة الإمداد.
التحول الرقمي هو عملية معقدة تتطلب نهجًا منهجيًا للاستفادة من مزاياها وتحقيق النتائج المرغوبة بفعالية. لذلك، يجب على المديرين التنفيذيين أن يكونوا مستعدين لمواجهة تحدي هذه الموجة من التحول الرقمي، حيث لا يوجد قطاع أو منظمة محصنة من تأثيراتها. تركز دراستنا على الجوانب الديناميكية للتحول الرقمي، موفرة منصة لتقييم كيفية إنتاج القدرات الديناميكية للنتائج في ظل ظروف مختلفة، خاصة عندما تمر المنظمات بعملية التحول الرقمي.

في النهاية، تهدف دراستنا إلى توضيح دور التحول الرقمي ضمن إطار القدرات الديناميكية. تساهم نتائجنا في تطوير استراتيجيات أكثر فعالية للمنظمات لإدارة التحول الرقمي وتعزيز أدائها العام. تؤكد النتائج أيضًا على أهمية التنسيق المناسب، والاستجابة السريعة، واحتضان الابتكار كعوامل أساسية لقدرات سلسلة التوريد للمنظمات التي تعمل في ظل عدم اليقين البيئي العالي الناتج عن الأوبئة أو الأزمات الجيوسياسية.

باختصار، تقدم دراستنا مساهمات نظرية قيمة في مجال إدارة سلسلة التوريد من خلال تسليط الضوء على دور التحول الرقمي في تشكيل وإدارة التحالفات. كما توفر رؤى حول كيفية تمكن المنظمات من بناء المرونة والقدرة على التكيف في سلاسل التوريد الخاصة بها مما يؤدي إلى ميزة تنافسية.

تقدم دراستنا البحثية رؤى قيمة لأولئك المعنيين بالتحول الرقمي أو إدارة سلاسل الإمداد في العصر الرقمي. يجب على المديرين تحسين التنسيق وتعزيز التعلم بين المنظمات لتعزيز قدرتهم على إدارة التحالفات. ينبغي تنظيم اجتماعات منتظمة بمشاركة جميع الفاعلين في سلسلة الإمداد لتقليل عدم اليقين السلوكي والسلوك الانتهازي بين الشركاء خلال أوقات الأزمات. يساعد ذلك في تعزيز الثقة المتبادلة بين الشركاء ويعزز ثقافة التعاون ومشاركة المعلومات.

علاوة على ذلك، فإن التعلم بين المنظمات أمر حاسم للمنظمات للاستجابة بسرعة للأزمات وتكييف هياكل وعمليات سلسلة التوريد الخاصة بها. يحتاج المديرون إلى تشجيع التعلم من التجارب والأخطاء السابقة حتى يمكن تحسين سلسلة التوريد وجعلها أكثر كفاءة. كما أن بناء ثقافة الاحترام المتبادل أمر ضروري أيضًا، حيث يعزز التواصل المفتوح ويعزز التعلم من بعضهم البعض.

يجب على المنظمات التي تستفيد من التقنيات الرقمية لتحسين أداء سلسلة التوريد الخاصة بها أن تأخذ بعين الاعتبار احتياجاتها التجارية والقدرات الحالية بعناية. يتطلب ذلك تقييمًا نقديًا للموارد والقدرات، بما في ذلك البنية التحتية، والموارد البشرية، والهيكل التنظيمي، والموارد المالية، لتحديد نجاح التحول الرقمي.

التحول. يجب على المنظمات أيضًا التأكد من أن لديها قادة متمكنين رقميًا يتمتعون بالتزام عالٍ وإيمان بالتحول الرقمي. يمكن لهؤلاء القادة جذب والاحتفاظ بالمواهب الرقمية المناسبة، والاستثمار في بناء القدرات للقوى العاملة، وتمكين الأفراد من اتخاذ القرارات.

تعزيز ثقافة التعاون والاحترام المتبادل أمر ضروري للمنظمات لتحويل سلسلة التوريد الحالية لديها إلى سلاسل مدعومة رقمياً بنجاح. يتضمن ذلك خلق بيئة تشجع المنظمات فيها الأفراد على التعبير عن آرائهم ومشاركة أفكارهم، حيث يكون هناك استعداد للعمل معاً لحل المشكلات. يجب على القادة والمديرين التركيز على أربعة مجالات رئيسية: التنسيق، القيادة الرقمية، الثقافة الرقمية، وإدارة المواهب الرقمية، كما هو موضح في الشكل 3. من خلال التركيز على هذه المجالات، يمكن للمنظمات تحسين قدراتها في إدارة التحالفات، وتقليل عدم اليقين، وتحويل سلسلة التوريد بنجاح لعصر الرقمية.

تسلط نتائج الدراسة الضوء على الآثار الرئيسية لصانعي السياسات. أولاً، يجب عليهم إعطاء الأولوية لصياغة سياسات مصممة خصيصًا للصناعة. ثانيًا، يجب على صانعي السياسات تقديم دعم شامل للشركات لإدارة الأزمات بفعالية. يشمل ذلك الاستثمار في تطوير القدرات الديناميكية، مثل الرقمنة وتعزيز تشكيل التحالفات مع شركات أخرى. من خلال الاستثمار في هذه القدرات، يمكن للشركات التنقل بشكل أفضل في الأزمات والخروج بأداء أقوى. بشكل عام، تبرز الدراسة أهمية صنع السياسات الاستباقية والاستثمار في القدرات المناسبة لتحقيق النجاح على المدى الطويل في الصناعة.

للتعامل بشكل كامل مع قيود دراستنا واكتساب رؤى جديدة، ندرك الحاجة إلى مسارات بحث مستقبلية. أولاً، على الرغم من أننا استخدمنا نهجًا علميًا صارمًا، من المهم أن نلاحظ أن مجموعة البيانات الخاصة بنا تنطبق فقط على قطاعات صناعية محددة. لذلك، يجب توخي الحذر عند تعميم نتائجنا على جميع القطاعات الصناعية. لتحسين دقة نموذجنا، نوصي بأن تجمع الدراسات المستقبلية بيانات طولية بدلاً من بيانات مقطعية. سيمكن ذلك الباحثين من تتبع التغيرات بمرور الوقت وإجراء توقعات أكثر دقة.

ثانيًا، نعترف بأننا جمعنا بيانات قائمة على الاستطلاعات باستخدام استبيان لمصدر واحد، مما قد يؤدي إلى مخاوف من تباين الأساليب الشائعة (CMV). ومع ذلك، استخدمنا إطارًا نظريًا مناسبًا لتطوير النموذج وصادقنا على نتائجنا الإحصائية من خلال مقابلات نوعية شبه منظمة للتخفيف من هذه القيود. كما نوصي بأن تتخذ الدراسات المستقبلية خطوات لتقليل مخاوف CMV، مثل استخدام مصادر متعددة أو مثلث البيانات المستمدة من مصادر متنوعة.

أخيرًا، للمضي قدمًا، نقترح أن يستكشف الباحثون دور الضغوط المؤسسية في تشكيل استراتيجيات سلسلة التوريد والتحول الرقمي. هذه منطقة بحث رئيسية حيث أن التحول الرقمي لسلاسل التوريد هو عملية معقدة ومتعددة الأوجه تتأثر بشدة بالعوامل الخارجية. بالإضافة إلى ذلك، نوصي باستخدام نظريات الموارد والقدرات الديناميكية لاستكشاف كيفية تمكن الشركات من تطوير الموارد والقدرات اللازمة للتنقل بنجاح في التحول الرقمي. من خلال اتخاذ هذه الخطوات، يمكن أن يوفر البحث المستقبلي فهمًا أكثر دقة للتحديات والفرص المرتبطة بالتحول الرقمي في سلاسل التوريد.

سعت دراستنا البحثية للإجابة على سؤالين محددين يتعلقان بـ
سلسلة التوريد والأداء التشغيلي:

في بحثنا، استكشفنا موضوع تشكيل التحالفات والتحول الرقمي من خلال مزيج من النهجين الاستنتاجي والاستقرائي. حاولنا الحصول على فهم أعمق وأكثر شمولاً للآليات الكامنة وراء تشكيل التحالفات وتأثير التحول الرقمي على هذه العملية. كانت دراستنا مستندة إلى إطار القدرات الديناميكية، الذي سعينا لتوسيعه بناءً على انتقادات من العلماء. من خلال هذا الإطار، هدفنا إلى فهم الظاهرة المعقدة لقدرة إدارة التحالفات وكيف يمكن الاستفادة منها لتحسين مرونة سلسلة التوريد وقابليتها للتكيف خلال أوقات الأزمات. من خلال إجراء مقابلات معمقة، تمكنا من تحديد الدور الحاسم للتحول الرقمي في الوساطة بين قدرة إدارة التحالفات وقدرات سلسلة التوريد.

وجدنا أن قدرة إدارة التحالفات مرتبطة إيجابيًا بكل من مرونة سلسلة التوريد وقابلية التكيف في سلسلة التوريد. تظهر هذه النتائج أهمية إدارة التحالفات في الأوقات غير المؤكدة. علاوة على ذلك، يشير الدور الوسيط للتحول الرقمي إلى الفرصة لاستغلال هذا النهج لتكثيف تأثير إدارة التحالفات.

على وجه التحديد، وجدنا أن التحول الرقمي يمكن أن يسهل التواصل والتعاون بين شركاء التحالف، مما يؤدي إلى تحسين اتخاذ القرار، وزيادة سرعة الاستجابة، وزيادة المرونة العامة وقابلية التكيف، مما يجعل التحالف أكثر فعالية. تقدم دراستنا فهمًا دقيقًا لهذه الظاهرة المعقدة وتبرز الحاجة إلى مزيد من الاستكشاف للقضايا والأسئلة غير المحلولة. نأمل أن توفر نتائجنا دافعًا للباحثين والممارسين لمواصلة استكشاف دور التحول الرقمي في تشكيل وإدارة التحالفات.

راميشوار دوباي: الكتابة – مراجعة وتحرير، الكتابة – المسودة الأصلية، التحقق، المنهجية، التحقيق، تنسيق البيانات، التصور. ديفيد ج. برايد: الكتابة – مراجعة وتحرير، التصور. قسطنطين بلوم: الكتابة – مراجعة وتحرير، التحقق، المنهجية، التصور. يوغيش ك. دويفيدي: الكتابة – مراجعة وتحرير، التصور. ستيفن ج. تشايلد: الكتابة – مراجعة وتحرير، الكتابة – المسودة الأصلية، المنهجية، التصور. سيريل فوروبون: الكتابة – مراجعة وتحرير، الموارد، التصور.

ستكون البيانات متاحة عند الطلب.

نود أن نعبر عن شكرنا العميق للمراجعين المجتهدين ورئيس التحرير على دعمهم وإرشادهم الثابت طوال عملية المراجعة. لقد لعبت مدخلاتكم القيمة وتعليقاتكم البناءة دورًا كبيرًا في تحسين عملنا وجودته.

تركز هذه الدراسة على فحص كيفية تأثير قدرة إدارة التحالفات على قدرات سلسلة التوريد مثل المرونة والقدرة على التكيف لتعزيز الأداء التنظيمي خلال أوقات الأزمات. بالإضافة إلى ذلك، ستستكشف الدراسة دور قدرة التحول الرقمي في تعزيز تأثيرات هذه القدرات على الأداء التنظيمي. من خلال هذه المقابلة، نأمل في الحصول على فهم أفضل لكيفية تأثير تشكيل التحالفات على مرونة سلسلة التوريد وقدرتها على التكيف، فضلاً عن التأثيرات المتنوعة للتحول الرقمي على قدرات سلسلة التوريد والأداء التنظيمي. يرجى ملاحظة أن جميع معلومات المشاركين والشركات ستظل سرية. إذا كنت توافق، أود تسجيل محادثتنا للمساعدة في تحليل مناقشتنا.

(يتابع في الصفحة التالية)

Acciarini, C., Boccardelli, P., Vitale, M., 2021. Resilient companies in the time of Covid19 pandemic: a case study approach. Journal of Entrepreneurship and Public Policy 10 (3), 336-351.
Aggarwal, V.A., 2020. Resource congestion in alliance networks: how a firm’s partners’ partners influence the benefits of collaboration. Strat. Manag. J. 41 (4), 627-655.
Aguinis, H., Edwards, J.R., Bradley, K.J., 2017. Improving our understanding of moderation and mediation in strategic management research. Organ. Res. Methods 20 (4), 665-685.
Akter, S., Fosso Wamba, S., Dewan, S., 2017. Why PLS-SEM is suitable for complex modelling? An empirical illustration in big data analytics quality. Prod. Plann. Control 28 (11-12), 1011-1021.
Al-Tabbaa, O., Leach, D., Khan, Z., 2019. Examining alliance management capabilities in cross-sector collaborative partnerships. J. Bus. Res. 101, 268-284.
Alexander, A., Blome, C., Schleper, M.C., Roscoe, S., 2022. Managing the “new normal”: the future of operations and supply chain management in unprecedented times. Int. J. Oper. Prod. Manag. 42 (8), 1061-1076.

Alfalla-Luque, R., Machuca, J.A., Marin-Garcia, J.A., 2018. Triple-A and competitive advantage in supply chains: empirical research in developed countries. Int. J. Prod. Econ. 203, 48-61.
Alicke, K., Barriball, E.D., Trautwein, V., 2021. How COVID-19 Is Reshaping Supply Chains. McKinsey and Company, pp. 2011-2020.
Alvarenga, M.Z., Oliveira, M.P.V.D., Oliveira, T.A.G.F.D., 2023. The impact of using digital technologies on supply chain resilience and robustness: the role of memory under the covid-19 outbreak. Supply Chain Manag.: Int. J. 28 (5), 825-842.
Anand, B.N., Khanna, T., 2000. Do firms learn to create value? The case of alliances. Strat. Manag. J. 21 (3), 295-315.
Apparel Resources (2017, November). https://vn.apparelresources.com/business-news /sourcing/supply-chain-leader-li-fung-focuses-speed-innovation-digitization-future /(date of access 22 July 2022).
Appio, F.P., Frattini, F., Petruzzelli, A.M., Neirotti, P., 2021. Digital transformation and innovation management: a synthesis of existing research and an agenda for future studies. J. Prod. Innovat. Manag. 38 (1), 4-20.
Armstrong, J.S., Overton, T.S., 1977. Estimating nonresponse bias in mail surveys. J. Market. Res. 14 (3), 396-402.

Aslam, H., Blome, C., Roscoe, S., Azhar, T.M., 2018. Dynamic supply chain capabilities: how to market sensing, supply chain agility, and adaptability affect supply chain ambidexterity. Int. J. Oper. Prod. Manag. 38 (12), 2266-2285.
Aslam, H., Syed, T.A., Blome, C., Ramish, A., Ayaz, K., 2022. The multifaceted role of social capital for achieving organizational ambidexterity and supply chain resilience. IEEE Trans. Eng. Manag. https://doi.org/10.1109/TEM.2022.3174069.
Awan, U., Bhatti, S.H., Shamim, S., Khan, Z., Akhtar, P., Balta, M.E., 2022. The role of big data analytics in manufacturing agility and performance: moderation-mediation analysis of organizational creativity and of the involvement of customers as data analysts. Br. J. Manag. 33 (3), 1200-1220.
Bag, S., Rahman, M.S., Srivastava, G., Chan, H.L., Bryde, D.J., 2022. The role of big data and predictive analytics in developing a resilient supply chain network in the South African mining industry against extreme weather events. Int. J. Prod. Econ. 251, 108541.

Bansal, P., Smith, W.K., Vaara, E., 2018. New ways of seeing through qualitative research. Acad. Manag. J. 61 (4), 1189-1195.
Barney, J., 1991. Firm resources and sustained competitive advantage. J. Manag. 17 (1), 99-120.
Baron, R.M., Kenny, D.A., 1986. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations. J. Pers. Soc. Psychol. 51 (6), 1173-1182.

Barratt, M., Oke, A., 2007. Antecedents of supply chain visibility in retail supply chains: a resource-based theory perspective. J. Oper. Manag. 25 (6), 1217-1233.
Benitez, J., Henseler, J., Castillo, A., Schuberth, F., 2020. How to perform and report an impactful analysis using partial least squares: guidelines for confirmatory and explanatory IS research. Inf. Manag. 57 (2), 103168.
Berman, S.J., 2012. Digital transformation: opportunities to create new business models. Strat. Leader. 40 (2), 16-24.
Bharadwaj, A., El Sawy, O.A., Pavlou, P.A., Venkatraman, N.V., 2013. Digital business strategy: toward a next generation of insights. MIS Q. 37 (2), 471-482.
Borys, B., Jemison, D.B., 1989. Hybrid arrangements as strategic alliances: theoretical issues in organizational combinations. Acad. Manag. Rev. 14 (2), 234-249.
Bosman, L., Hartman, N., Sutherland, J., 2020. How manufacturing firm characteristics can influence decision making for investing in Industry 4.0 technologies. J. Manuf. Technol. Manag. 31 (5), 1117-1141.
Bouncken, R.B., Fredrich, V., Gudergan, S., 2022. Alliance management and innovation under uncertainty. J. Manag. Organ. 28 (3), 540-563.
Boyer, K.K., Pagell, M., 2000. Measurement issues in empirical research: improving measures of operations strategy and advanced manufacturing technology. J. Oper. Manag. 18 (3), 361-374.
Brammer, S., Branicki, L., Linnenluecke, M., 2023. Disrupting management research? Critical reflections on British journal of management COVID-19 research and an agenda for the future. Br. J. Manag. 34 (1), 3-15.
Cadden, T., McIvor, R., Cao, G., Treacy, R., Yang, Y., Gupta, M., Onofrei, G., 2022. Unlocking supply chain agility and supply chain performance through the development of intangible supply chain analytical capabilities. Int. J. Oper. Prod. Manag. 42 (9), 1329-1355.
Campbell, D.T., 1955. The informant in quantitative research. Am. J. Sociol. 60 (4), 339-342.
Centobelli, P., Cerchione, R., Ertz, M., 2020. Agile supply chain management: where did it come from and where will it go in the era of digital transformation? Ind. Market. Manag. 90, 324-345.
Chen, H.Y., Das, A., Ivanov, D., 2019. Building resilience and managing post-disruption supply chain recovery: lessons from the information and communication technology industry. Int. J. Inf. Manag. 49, 330-342.
Chen, L., Liu, H., Zhou, Z., Chen, M., Chen, Y., 2022a. IT-business alignment, big data analytics capability, and strategic decision-making: moderating roles of event criticality and disruption of COVID-19. Decis. Support Syst. 161, 113745.
Chen, L., Lee, H.L., Tang, C.S., 2022b. Supply chain fairness. Prod. Oper. Manag. 31 (12), 4304-4318.
Cherbib, J., Chebbi, H., Yahiaoui, D., Thrassou, A., Sakka, G., 2021. Digital technologies and learning within asymmetric alliances: the role of collaborative context. J. Bus. Res. 125, 214-226.
Cheung, M.S., Myers, M.B., Mentzer, J.T., 2011. The value of relational learning in global buyer-supplier exchanges: a dyadic perspective and test of the pie-sharing premise. Strat. Manag. J. 32 (10), 1061-1082.
Cohen, M.A., Kouvelis, P., 2021. Revisit of AAA excellence of global value chains: robustness, resilience, and realignment. Prod. Oper. Manag. 30 (3), 633-643.
Conlon, C., Timonen, V., Elliott-O’Dare, C., O’Keeffe, S., Foley, G., 2020. Confused about theoretical sampling? Engaging theoretical sampling in diverse grounded theory studies. Qual. Health Res. 30 (6), 947-959.
Corbin, J., Strauss, A., 2014. Basics of Qualitative Research. Sage.
Correani, A., De Massis, A., Frattini, F., Petruzzelli, A.M., Natalicchio, A., 2020. Implementing a digital strategy: learning from the experience of three digital transformation projects. Calif. Manag. Rev. 62 (4), 37-56.
Cortez, R.M., Johnston, W.J., 2020. The Coronavirus crisis in B2B settings: crisis uniqueness and managerial implications based on social exchange theory. Ind. Market. Manag. 88, 125-135.

Craighead, C.W., Ketchen Jr., D.J., Darby, J.L., 2020. Pandemics and supply chain management research: toward a theoretical toolbox. Decis. Sci. J. 51 (4), 838-866.
Cuevas-Rodríguez, G., Cabello-Medina, C., Carmona-Lavado, A., 2014. Internal and external social capital for radical product innovation: do they always work well together? Br. J. Manag. 25 (2), 266-284.
Del Giudice, M., Scuotto, V., Papa, A., Tarba, S.Y., Bresciani, S., Warkentin, M., 2021. A self-tuning model for smart manufacturing SMEs: effects on digital innovation. J. Prod. Innovat. Manag. 38 (1), 68-89.

Devaraj, S., Krajewski, L., Wei, J.C., 2007. Impact of eBusiness technologies on operational performance: the role of production information integration in the supply chain. J. Oper. Manag. 25 (6), 1199-1216.
Dhaundiyal, M., Coughlan, J., 2022. Extending alliance management capability in individual alliances in the post-formation stage. Ind. Market. Manag. 102, 12-23.
Dubey, R., Bryde, D.J., Foropon, C., Tiwari, M., Dwivedi, Y., Schiffling, S., 2021a. An investigation of information alignment and collaboration as complements to supply chain agility in humanitarian supply chain. Int. J. Prod. Res. 59 (5), 1586-1605.
Dubey, R., Bryde, D.J., Blome, C., Roubaud, D., Giannakis, M., 2021b. Facilitating artificial intelligence powered supply chain analytics through alliance management during the pandemic crises in the B2B context. Ind. Market. Manag. 96, 135-146.
Dubey, R., Bryde, D.J., Dwivedi, Y.K., Graham, G., Foropon, C., Papadopoulos, T., 2023. Dynamic digital capabilities and supply chain resilience: the role of government effectiveness. Int. J. Prod. Econ. 258, 108790.
DuHadway, S., Carnovale, S., Hazen, B., 2019. Understanding risk management for intentional supply chain disruptions: risk detection, risk mitigation, and risk recovery. Ann. Oper. Res. 283, 179-198.
Easterby-Smith, M., Lyles, M.A., Peteraf, M.A., 2009. Dynamic capabilities: current debates and future directions. Br. J. Manag. 20, S1-S8.
Eckstein, D., Goellner, M., Blome, C., Henke, M., 2015. The performance impact of supply chain agility and supply chain adaptability: the moderating effect of product complexity. Int. J. Prod. Res. 53 (10), 3028-3046.
Eisenhardt, K.M., Martin, J.A., 2000. Dynamic capabilities: what are they? Strat. Manag. J. 21 (10-11), 1105-1121.

Ellström, D., Holtström, J., Berg, E., Josefsson, C., 2021. Dynamic capabilities for digital transformation. Journal of Strategy and Management 15 (2), 272-286.
Enrique, D.V., Lerman, L.V., de Sousa, P.R., Benitez, G.B., Santos, F.M.B.C., Frank, A.G., 2022. Being digital and flexible to navigate the storm: how digital transformation enhances supply chain flexibility in turbulent environments. Int. J. Prod. Econ. 250, 108668.

Escamilla, R., Fransoo, J.C., Tang, C.S., 2021. Improving agility, adaptability, alignment, accessibility, and affordability in nanostore supply chains. Prod. Oper. Manag. 30 (3), 676-688.

Fainshmidt, S., Pezeshkan, A., Lance Frazier, M., Nair, A., Markowski, E., 2016. Dynamic capabilities and organizational performance: a meta-analytic evaluation and extension. J. Manag. Stud. 53 (8), 1348-1380.
Faruquee, M., Paulraj, A., Irawan, C.A., 2021. Strategic supplier relationships and supply chain resilience: is digital transformation that precludes trust beneficial? Int. J. Oper. Prod. Manag. 41 (7), 1192-1219.
Fayezi, S., Zomorrodi, M., 2015. The role of relationship integration in supply chain agility and flexibility development: an Australian perspective. J. Manuf. Technol. Manag. 26 (8), 1126-1157.
Flynn, B.B., Sakakibara, S., Schroeder, R.G., Bates, K.A., Flynn, E.J., 1990. Empirical research methods in operations management. J. Oper. Manag. 9 (2), 250-284.
Forkmann, S., Henneberg, S.C., Mitrega, M., 2018. Capabilities in business relationships and networks: research recommendations and directions. Ind. Market. Manag. 74, 4-26.
Fornell, C., Larcker, D.F., 1981. Evaluating structural equation models with unobservable variables and measurement error. J. Market. Res. 18 (1), 39-50.
Forza, C., 2002. Survey research in operations management: a process-based perspective. Int. J. Oper. Prod. Manag. 22 (2), 152-194.
Fosso Wamba, S., Akter, S., 2019. Understanding supply chain analytics capabilities and agility for data-rich environments. Int. J. Oper. Prod. Manag. 39 (6/7/8), 887-912.
Fosso Wamba, S., Dubey, R., Gunasekaran, A., Akter, S., 2020a. The performance effects of big data analytics and supply chain ambidexterity: the moderating effect of environmental dynamism. Int. J. Prod. Econ. 222, 107498.
Fosso Wamba, S., Queiroz, M.M., Trinchera, L., 2020b. Dynamics between blockchain adoption determinants and supply chain performance: an empirical investigation. Int. J. Prod. Econ. 229, 107791.
Friday, D., Savage, D.A., Melnyk, S.A., Harrison, N., Ryan, S., Wechtler, H., 2021. A collaborative approach to maintaining optimal inventory and mitigating stockout risks during a pandemic: capabilities for enabling health-care supply chain resilience. J. Humanit. Logist. Supply Chain Manag. 11 (2), 248-271.
Gabler, C.B., Richey Jr., R.G., Stewart, G.T., 2017. Disaster resilience through public-private short-term collaboration. J. Bus. Logist. 38 (2), 130-144.
Gereffi, G., Pananond, P., Pedersen, T., 2022. Resilience decoded: the role of firms, global value chains, and the state in COVID-19 medical supplies. Calif. Manag. Rev. 64 (2), 46-70.
Ghosh, S., Hughes, M., Hodgkinson, I., Hughes, P., 2022. Digital transformation of industrial businesses: a dynamic capability approach. Technovation 113, 102414.
Gioia, D.A., Corley, K.G., Hamilton, A.L., 2013. Seeking qualitative rigor in inductive research: notes on the Gioia methodology. Organ. Res. Methods 16 (1), 15-31.
Glaser, B., Strauss, A., 1967. The Discovery of Grounded Theory. Aldine Publishing Company, Hawthorne, New York.
Gligor, D.M., Esmark, C.L., Holcomb, M.C., 2015. Performance outcomes of supply chain agility: when should you be agile? J. Oper. Manag. 33, 71-82.

Gligor, D., Feizabadi, J., Russo, I., Maloni, M.J., Goldsby, T.J., 2020. The triple-a supply chain and strategic resources: developing competitive advantage. Int. J. Phys. Distrib. Logist. Manag. 50 (2), 159-190.
Grover, V., 2022. Digital agility: responding to digital opportunities. Eur. J. Inf. Syst. 31 (6), 709-715.

Gulati, R., 1998. Alliances and networks. Strat. Manag. J. 19 (4), 293-317.
Guo, X., Li, M., Wang, Y., Mardani, A., 2023. Does digital transformation improve the firm’s performance? From the perspective of digitalization paradox and managerial myopia. J. Bus. Res. 163, 113868.
Hair, J.F., Hult, G.T.M., Ringle, C.M., Sarstedt, M., Thiele, K.O., 2017. Mirror, mirror on the wall: a comparative evaluation of composite-based structural equation modeling methods. J. Acad. Market. Sci. 45, 616-632.
Hamann-Lohmer, J., Bendig, M., Lasch, R., 2023. Investigating the impact of digital transformation on relationship and collaboration dynamics in supply chains and manufacturing networks-A multi-case study. Int. J. Prod. Econ. 262, 108932.
Hanelt, A., Bohnsack, R., Marz, D., Antunes Marante, C., 2021. A systematic review of the literature on digital transformation: insights and implications for strategy and organizational change. J. Manag. Stud. 58 (5), 1159-1197.
Harju, A., Hallikas, J., Immonen, M., Lintukangas, K., 2023. The impact of procurement digitalization on supply chain resilience: empirical evidence from Finland. Supply Chain Manag.: Int. J. 28 (7), 62-76.
Hayes, A.F., 2009. Beyond Baron and Kenny: statistical mediation analysis in the new millennium. Commun. Monogr. 76 (4), 408-420.
Hayes, A.F., Preacher, K.J., 2010. Quantifying and testing indirect effects in simple mediation models when the constituent paths are nonlinear. Multivariate Behav. Res. 45 (4), 627-660.
He, Q., Meadows, M., Angwin, D., Gomes, E., Child, J., 2020. Strategic alliance research in the era of digital transformation: perspectives on future research. Br. J. Manag. 31 (3), 589-617.

Helo, P., Hao, Y., 2022. Artificial intelligence in operations management and supply chain management: an exploratory case study. Prod. Plann. Control 33 (16), 1573-1590.
Henseler, J., Ringle, C.M., Sarstedt, M., 2015. A new criterion for assessing discriminant validity in variance-based structural equation modeling. J. Acad. Market. Sci. 43, 115-135.
Hess, T., Matt, C., Benlian, A., Wiesböck, F., 2016. Options for formulating a digital transformation strategy. MIS Q. Exec. 15 (2), 123-139.
Homburg, C., Artz, M., Wieseke, J., 2012. Marketing performance measurement systems: does comprehensiveness really improve performance? J. Market. 76 (3), 56-77.
Huang, K., Wang, K., Lee, P.K., Yeung, A.C., 2023. The impact of industry 4.0 on supply chain capability and supply chain resilience: a dynamic resource-based view. Int. J. Prod. Econ. 262, 108913.
Hulland, J., Baumgartner, H., Smith, K.M., 2018. Marketing survey research best practices: evidence and recommendations from a review of JAMS articles. J. Acad. Market. Sci. 46, 92-108.
Hult, G.T.M., Hair Jr., J.F., Proksch, D., Sarstedt, M., Pinkwart, A., Ringle, C.M., 2018. Addressing endogeneity in international marketing applications of partial least squares structural equation modeling. J. Int. Market. 26 (3), 1-21.
Hunt, S.D., Madhavaram, S., 2020. Adaptive marketing capabilities, dynamic capabilities, and renewal competences: the “outside vs. inside” and “static vs. dynamic” controversies in strategy. Ind. Market. Manag. 89, 129-139.
Ivanov, D., 2023. Intelligent digital twin (iDT) for supply chain stress-testing, resilience, and viability. Int. J. Prod. Econ. 263, 108938.
Jajja, M.S.S., Chatha, K.A., Farooq, S., 2018. Impact of supply chain risk on agility performance: mediating role of supply chain integration. Int. J. Prod. Econ. 205, 118-138.
Juan, S.J., Li, E.Y., 2023. Financial performance of firms with supply chains during the COVID-19 pandemic: the roles of dynamic capability and supply chain resilience. Int. J. Oper. Prod. Manag. 43 (5), 712-737.

Karimi, J., Walter, Z., 2015. The role of dynamic capabilities in responding to digital disruption: a factor-based study of the newspaper industry. J. Manag. Inf. Syst. 32 (1), 39-81.

Kauppila, O.P., 2015. Alliance management capability and firm performance: using resource-based theory to look inside the process black box. Long. Range Plan. 48 (3), 151-167.
Ketchen Jr., D.J., Craighead, C.W., 2020. Research at the intersection of entrepreneurship, supply chain management, and strategic management: opportunities highlighted by COVID-19. J. Manag. 46 (8), 1330-1341.
Klimas, P., Sachpazidu, K., Stańczyk, S., 2023. The attributes of coopetitive relationships: what do we know and not know about them? Eur. Manag. J. https://doi.org/ 10.1016/j.emj.2023.02.005.

Kock, N., 2014. Advanced mediating effects tests, multi-group analyses, and measurement model assessments in PLS-based SEM. Int. J. e-Collaboration 10 (1), 1-13.
Kock, N., 2019. From composites to factors: bridging the gap between PLS and covariance-based structural equation modelling. Inf. Syst. J. 29 (3), 674-706.
Kumar, R., 2014. Managing ambiguity in strategic alliances. Calif. Manag. Rev. 56 (4), 82-102.
Kumar, N., Stern, L.W., Anderson, J.C., 1993. Conducting interorganizational research using key informants. Acad. Manag. J. 36 (6), 1633-1651.
Kumar, V., Ramachandran, D., Kumar, B., 2021. Influence of new-age technologies on marketing: a research agenda. J. Bus. Res. 125, 864-877.
L’Hermitte, C., Tatham, P., Bowles, M., Brooks, B., 2016. Developing organisational capabilities to support agility in humanitarian logistics: an exploratory study. J. Humanit. Logist. Supply Chain Manag. 6 (1), 72-99.

Lam, H.K., Ding, L., Cheng, T.C.E., Zhou, H., 2019. The impact of 3D printing implementation on stock returns: a contingent dynamic capabilities perspective. Int. J. Oper. Prod. Manag. 39 (6/7/8), 935-961.

Lee, H.L., 2004. The triple-A supply chain. Harv. Bus. Rev. 82 (10), 102-113.
Lee, H.L., 2021. The new AAA supply chain. Management and Business Review 1 (1), 173-176.
Lee, S.M., Rha, J.S., 2016. Ambidextrous supply chain as a dynamic capability: building a resilient supply chain. Manag. Decis. 54 (1), 2-23.
Levitt, B., March, J.G., 1988. Organizational learning. Annu. Rev. Sociol. 14 (1), 319-338.
Li, L., Su, F., Zhang, W., Mao, J.Y., 2018. Digital transformation by SME entrepreneurs: a capability perspective. Inf. Syst. J. 28 (6), 1129-1157.
Lin, S., Lin, J., Han, F., Luo, X.R., 2022. How big data analytics enables the alliance relationship stability of contract farming in the age of digital transformation. Inf. Manag. 59 (6), 103680.
Lioukas, C.S., Reuer, J.J., Zollo, M., 2016. Effects of information technology capabilities on strategic alliances: implications for the resource-based view. J. Manag. Stud. 53 (2), 161-183.

Liu, D.Y., Chen, S.W., Chou, T.C., 2011. Resource fit in digital transformation: lessons learned from the CBC Bank global e-banking project. Manag. Decis. 49 (10), 1728-1742.
Liu, S., Chan, F.T., Yang, J., Niu, B., 2018. Understanding the effect of cloud computing on organizational agility: an empirical examination. Int. J. Inf. Manag. 43, 98-111.
MacKenzie, S.B., Podsakoff, P.M., 2012. Common method bias in marketing: causes, mechanisms, and procedural remedies. J. Retailing 88 (4), 542-555.
Mandal, S., Dubey, R.K., 2021. Effect of inter-organizational systems appropriation in agility and resilience development: an empirical investigation. Benchmark Int. J. 28 (9), 2656-2681.

Meng, J., Hao, Z., Yang, J., Hong, Y., 2023. How does digital transformation affect organisational sustainable performance: the mediating roles of supply chain agility and integration. Int. J. Logist. Res. Appl. 1-26. https://doi.org/10.1080/ 13675567.2023 .2257139.

Min, S., Zacharia, Z.G., Smith, C.D., 2019. Defining supply chain management: in the past, present, and future. J. Bus. Logist. 40 (1), 44-55.
Mohamud, M., Sarpong, D., 2016. Dynamic capabilities: towards an organizing framework. Journal of Strategy and Management 9 (4), 511-526.
Moshtari, M., 2016. Inter-organizational fit, relationship management capability, and collaborative performance within a humanitarian setting. Prod. Oper. Manag. 25 (9), 1542-1557.
Müller, J., Hoberg, K., Fransoo, J.C., 2022. Realizing supply chain agility under time pressure: ad hoc supply chains during the COVID-19 pandemic. J. Oper. Manag. https://doi.org/10.1002/joom.1210.
Namagembe, S., 2022. Collaborative approaches and adaptability in disaster risk situations. Continuity Resilience Rev. 4 (2), 224-246.
Nasiri, M., Saunila, M., Ukko, J., 2022. Digital orientation, digital maturity, and digital intensity: determinants of financial success in digital transformation settings. Int. J. Oper. Prod. Manag. 42 (13), 274-298.
Naughton, S., Golgeci, I., Arslan, A., 2020. Supply chain agility as an acclimatisation process to environmental uncertainty and organisational vulnerabilities: insights from British SMEs. Prod. Plann. Control 31 (14), 1164-1177.
Nayal, K., Raut, R.D., Yadav, V.S., Priyadarshinee, P., Narkhede, B.E., 2022. The impact of sustainable development strategy on sustainable supply chain firm performance in the digital transformation era. Bus. Strat. Environ. 31 (3), 845-859.
Niesten, E., Jolink, A., 2015. The impact of alliance management capabilities on alliance attributes and performance: a literature review. Int. J. Manag. Rev. 17 (1), 69-100.
Ning, Y., Li, L., Xu, S.X., Yang, S., 2023. How do digital technologies improve supply chain resilience in the COVID-19 pandemic? Evidence from Chinese manufacturing firms. Frontiers of Engineering Management 10 (1), 39-50.
Omrani, N., Rejeb, N., Maalaoui, A., Dabić, M., Kraus, S., 2022. Drivers of digital transformation in SMEs. IEEE Trans. Eng. Manag. https://doi.org/10.1109/ TEM.2022.3215727.
Papanagnou, C., Seiler, A., Spanaki, K., Papadopoulos, T., Bourlakis, M., 2022. Datadriven digital transformation for emergency situations: the case of the UK retail sector. Int. J. Prod. Econ. 250, 108628.
Park, S., Braunscheidel, M.J., Suresh, N.C., 2023. The performance effects of supply chain agility with sensing and responding as formative capabilities. J. Manuf. Technol. Manag. https://doi.org/10.1108/JMTM-09-2022-0328.
Patrucco, A.S., Kähkönen, A.K., 2021. Agility, adaptability, and alignment: new capabilities for PSM in a post-pandemic world. J. Purch. Supply Manag. 27 (4), 100719.

Pournader, M., Kach, A., Talluri, S., 2020. A review of the existing and emerging topics in the supply chain risk management literature. Decis. Sci. J. 51 (4), 867-919.
Prashant, K., Harbir, S., 2009. Managing strategic alliances: what do we know now, and where do we go from here? Acad. Manag. Perspect. 23 (3), 45-62.
Preacher, K.J., Hayes, A.F., 2004. SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behav. Res. Methods Instrum. Comput. 36 (4), 717-731.
Queiroz, M., Tallon, P.P., Sharma, R., Coltman, T., 2018. The role of IT application orchestration capability in improving agility and performance. J. Strat. Inf. Syst. 27 (1), 4-21.

Queiroz, M.M., Fosso Wamba, S., Raut, R.D., Pappas, I.O., 2023. Does resilience matter for supply chain performance in disruptive crises with scarce resources? Br . J. Manag. https://doi.org/10.1111/1467-8551.12748.
Rai, A., Patnayakuni, R., Seth, N., 2006. Firm performance impacts of digitally enabled supply chain integration capabilities. MIS Q. 30 (2), 225-246.

Rao, S., Gulley, A., Russell, M., Patton, J., 2021. On the quest for supply chain transparency through Blockchain: lessons learned from two serialized data projects. J. Bus. Logist. 42 (1), 88-100.

Rapaccini, M., Saccani, N., Kowalkowski, C., Paiola, M., Adrodegari, F., 2020. Navigating disruptive crises through service-led growth: the impact of COVID-19 on Italian manufacturing firms. Ind. Market. Manag. 88, 225-237.
Richey, R.G., Tokman, M., Dalela, V., 2010. Examining collaborative supply chain service technologies: a study of intensity, relationships, and resources. J. Acad. Market. Sci. 38, 71-89.
Richey, R.G., Roath, A.S., Adams, F.G., Wieland, A., 2022. A responsiveness view of logistics and supply chain management. J. Bus. Logist. 43 (1), 62-91.
Ringle, C.M., Sarstedt, M., 2016. Gain more insight from your PLS-SEM results: the importance-performance map analysis. Ind. Manag. Data Syst. 116 (9), 1865-1886.
Ringov, D., 2017. Dynamic capabilities and firm performance. Long. Range Plan. 50 (5), 653-664.
Roscoe, S., Aktas, E., Petersen, K.J., Skipworth, H.D., Handfield, R.B., Habib, F., 2022. Redesigning global supply chains during compounding geopolitical disruptions: the role of supply chain logics. Int. J. Oper. Prod. Manag. 42 (9), 1407-1434.
Rothaermel, F.T., Deeds, D.L., 2006. Alliance type, alliance experience and alliance management capability in high-technology ventures. J. Bus. Ventur. 21 (4), 429-460.
Sarker, S., Rashidi, K., Gölgeci, I., Gligor, D.M., Hsuan, J., 2022. Exploring pillars of supply chain competitiveness: insights from leading global supply chains. Prod. Plann. Control 1-18. https://doi.org/10.1080/09537287.2022.2145246.
Sarstedt, M., Hair, J.F., Ringle, C.M., Thiele, K.O., Gudergan, S.P., 2016. Estimation issues with PLS and CBSEM: where the bias lies. J. Bus. Res. 69 (10), 3998-4010.
Sarstedt, M., Hair, J.F., Pick, M., Liengaard, B.D., Radomir, L., Ringle, C.M., 2022. Progress in partial least squares structural equation modeling use in marketing research in the last decade. Psychol. Market. 39 (5), 1035-1064.
Schilke, O., 2014a. On the contingent value of dynamic capabilities for competitive advantage: the nonlinear moderating effect of environmental dynamism. Strat. Manag. J. 35 (2), 179-203.
Schilke, O., 2014b. Second-order dynamic capabilities: how do they matter? Acad. Manag. Perspect. 28 (4), 368-380.
Schilke, O., Goerzen, A., 2010. Alliance management capability: an investigation of the construct and its measurement. J. Manag. 36 (5), 1192-1219.
Schilke, O., Hu, S., Helfat, C.E., 2018. Quo vadis, dynamic capabilities? A contentanalytic review of the current state of knowledge and recommendations for future research. Acad. Manag. Ann. 12 (1), 390-439.
Schoenherr, T., Swink, M., 2015. The roles of supply chain intelligence and adaptability in new product launch success. Decis. Sci. J. 46 (5), 901-936.
Schräge, M., Muttreja, V., Kwan, A., 2022. How the wrong KPIs doom digital transformation. MIT Sloan Manag. Rev. 63 (3), 35-40.
Schreiner, M., Kale, P., Corsten, D., 2009. What really is alliance management capability and how does it impact alliance outcomes and success? Strat. Manag. J. 30 (13), 1395-1419.
Shen, Z.M., Sun, Y., 2023. Strengthening supply chain resilience during COVID-19: a case study of JD. com. J. Oper. Manag. 69 (3), 359-383.
Sheng, J., Amankwah-Amoah, J., Khan, Z., Wang, X., 2021. COVID-19 pandemic in the new era of big data analytics: methodological innovations and future research directions. Br. J. Manag. 32 (4), 1164-1183.
Shrey, A., Dutt, A., Roy, D., 2022. Impact Of COVID-19 Disruptions on the Supply Chain: Insights from India (No. WP 2022-06-01). Indian Institute of Management Ahmedabad, Research and Publication Department.
Sirmon, D.G., Hitt, M.A., Ireland, R.D., Gilbert, B.A., 2011. Resource orchestration to create competitive advantage: breadth, depth, and life cycle effects. J. Manag. 37 (5), 1390-1412.

Sobel, M.E., 1982. Asymptotic confidence intervals for indirect effects in structural equation models. Socio. Methodol. 13 (Year 1982), 290-312.
Sodhi, M.S., Tang, C.S., 2021. Supply chain management for extreme conditions: research opportunities. J. Supply Chain Manag. 57 (1), 7-16.
Sodhi, M.S., Tang, C.S., Willenson, E.T., 2023. Research opportunities in preparing supply chains of essential goods for future pandemics. Int. J. Prod. Res. 61 (8), 2416-2431.
Sousa-Zomer, T.T., Neely, A., Martinez, V., 2020. Digital transforming capability and performance: a microfoundational perspective. Int. J. Oper. Prod. Manag. 40 (7/8), 1095-1128.
Squire, B., Cousins, P.D., Brown, S., 2009. Cooperation and knowledge transfer within buyer-supplier relationships: the moderating properties of trust, relationship duration and supplier performance. Br. J. Manag. 20 (4), 461-477.
Stuart, F.I., 1997. Supply-chain strategy: organizational influence through supplier alliances. Br. J. Manag. 8 (3), 223-236.
Tallon, P.P., Queiroz, M., Coltman, T., Sharma, R., 2019. Information technology and the search for organizational agility: a systematic review with future research possibilities. J. Strat. Inf. Syst. 28 (2), 218-237.
Teece, D.J., 2007. Explicating dynamic capabilities: the nature and microfoundations of (sustainable) enterprise performance. Strat. Manag. J. 28 (13), 1319-1350.
Teece, D.J., Pisano, G., Shuen, A., 1997. Dynamic capabilities and strategic management. Strat. Manag. J. 18 (7), 509-533.
Teece, D., Peteraf, M., Leih, S., 2016. Dynamic capabilities and organizational agility: risk, uncertainty, and strategy in the innovation economy. Calif. Manag. Rev. 58 (4), 13-35.
Teng, B.S., 2007. Corporate entrepreneurship activities through strategic alliances: a resource-based approach toward competitive advantage. J. Manag. Stud. 44 (1), 119-142.

Tsou, H.T., Chen, J.S., 2023. How does digital technology usage benefit firm performance? Digital transformation strategy and organisational innovation as mediators. Technol. Anal. Strat. Manag. 35 (9), 1114-1127.
Turken, N., Geda, A., 2020. Supply chain implications of industrial symbiosis: a review and avenues for future research. Resour. Conserv. Recycl. 161, 104974.
Vaia, G., Arkhipova, D., DeLone, W., 2022. Digital governance mechanisms and principles that enable agile responses in dynamic competitive environments. Eur. J. Inf. Syst. 31 (6), 662-680.
Verbeke, A., 2020. Will the COVID-19 pandemic really change the governance of global value chains? Br. J. Manag. 31 (3), 444-446.
Verhoef, P.C., Broekhuizen, T., Bart, Y., Bhattacharya, A., Dong, J.Q., Fabian, N., Haenlein, M., 2021. Digital transformation: a multidisciplinary reflection and research agenda. J. Bus. Res. 122, 889-901.
Viswanathan, M., Kayande, U., 2012. Commentary on “common method bias in marketing: causes, mechanisms, and procedural remedies”. J. Retailing 88 (4), 556-562.
Wang, Q., Du, Z.Y., 2022. Changing the impact of banking concentration on corporate innovation: the moderating effect of digital transformation. Technol. Soc. 71, 102124.

Wang, X., Lin, X., Shao, B., 2022. How does artificial intelligence create business agility? Evidence from chatbots. Int. J. Inf. Manag. 66, 102535.
Warner, K.S., Wäger, M., 2019. Building dynamic capabilities for digital transformation: an ongoing process of strategic renewal. Long. Range Plan. 52 (3), 326-349.
Whitten, G.D., Green, K.W., Zelbst, P.J., 2012. Triple-A supply chain performance. Int. J. Oper. Prod. Manag. 32 (1), 28-48.
Wieland, A., 2021. Dancing the supply chain: toward transformative supply chain management. J. Supply Chain Manag. 57 (1), 58-73.
Winter, S.G., 2003. Understanding dynamic capabilities. Strat. Manag. J. 24 (10), 991-995.
Wright, L.T., Robin, R., Stone, M., Aravopoulou, D.E., 2019. Adoption of big data technology for innovation in B2B marketing. J. Bus. Bus. Market. 26 (3-4), 281-293.

Wulandhari, N.B.I., Budhwar, P., Mishra, N., Akbar, S., Do, Q., Milligan, G., 2022. Organizational resilience to supply chain risks during the COVID-19 pandemic. Br. J. Manag. https://doi.org/10.1111/1467-8551.12648.
Xu, D., Dai, J., Paulraj, A., Chong, A.Y.L., 2022. Leveraging digital and relational governance mechanisms in developing trusting supply chain relationships: the interplay between blockchain and norm of solidarity. Int. J. Oper. Prod. Manag. 42 (12), 1878-1904.

Yang, Y., Yee, R.W., 2022. The effect of process digitalization initiative on firm performance: a dynamic capability development perspective. Int. J. Prod. Econ. 254, 108654.

Yang, J., Lai, K.H., Wang, J., Rauniar, R., Xie, H., 2015. Strategic alliance formation and the effects on the performance of manufacturing enterprises from supply chain perspective. Int. J. Prod. Res. 53 (13), 3856-3870.
Yang, L., Huo, B., Tian, M., Han, Z., 2021. The impact of digitalization and interorganizational technological activities on supplier opportunism: the moderating role of relational ties. Int. J. Oper. Prod. Manag. 41 (7), 1085-1118.
Ye, F., Liu, K., Li, L., Lai, K.H., Zhan, Y., Kumar, A., 2022. Digital supply chain management in the COVID-19 crisis: an asset orchestration perspective. Int. J. Prod. Econ. 245, 108396.
Yeow, A., Soh, C., Hansen, R., 2018. Aligning with new digital strategy: a dynamic capabilities approach. J. Strat. Inf. Syst. 27 (1), 43-58.
Zahra, S.A., Sapienza, H.J., Davidsson, P., 2006. Entrepreneurship and dynamic capabilities: a review, model and research agenda. J. Manag. Stud. 43 (4), 917-955.
Zhang, J., Chen, Y., Li, Q., Li, Y., 2023. A review of dynamic capabilities evolution-based on organisational routines, entrepreneurship and improvisational capabilities perspectives. J. Bus. Res. 168, 114214.
Zhao, N., Hong, J., Lau, K.H., 2023. Impact of supply chain digitalization on supply chain resilience and performance: a multi-mediation model. Int. J. Prod. Econ. 259, 108817.

Zhou, Y., Gomes, E., Vendrell-Herrero, F., 2023. Learning ‘from’vs. learning ‘about’partners in pre-acquisition strategic alliances: the role of familiarity. Long. Range Plan., 102386 https://doi.org/10.1016/j.lrp.2023.102386.

Alliances and digital transformation are crucial for benefiting from dynamic supply chain capabilities during times of crisis: A multi-method study
https://researchonline.ljmu.ac.uk/id/eprint/22428/

Citation (please note it is advisable to refer to the publisher’s version if you intend to cite from this work)

LJMU has developed LJMU Research Online for users to access the research output of the University more effectively. Copyright © and Moral Rights for the papers on this site are retained by the individual authors and/or other copyright owners. Users may download and/or print one copy of any article(s) in LJMU Research Online to facilitate their private study or for non-commercial research. You may not engage in further distribution of the material or use it for any profit-making activities or any commercial gain.

The version presented here may differ from the published version or from the version of the record. Please see the repository URL above for details on accessing the published version and note that access may require a subscription.

Alliance management capability
Digital transformation
Supply chain agility
Supply chain adaptability
Organisational performance
Dynamic capability view theory

Increasing uncertainties and challenges of operating in a digital environment are forcing organisations to reevaluate their dynamic supply chain capabilities to react to changes quickly and adapt their structures as needed (Cohen and Kouvelis, 2021; Naughton et al., 2020; Queiroz et al., 2023; Ivanov, 2023). Unexpected crisis events, such as the pandemic resulting from the novel coronavirus, have caused great volatility and disruption to supply chains (Craighead et al., 2020; Gereffi et al., 2022; Ye et al., 2022; Shen and Sun, 2023). This has led organisations to invest in building capabilities to negate the adverse effects of
such events (Alexander et al., 2022; Wulandhari et al., 2022; Juan and Li, 2023). Patrucco and Kähkönen (2021) noted that agility and adaptability are dynamic capabilities that help organisations navigate crises and maintain strategic growth.

Agility is “… the responsiveness, flexibility, and efficiency of the supply chain in meeting the day-to-day uncertainties and variations in supply and demand”, whilst adaptability is “… the strategies needed to make a supply chain dynamic, able to meet changes in needs and environment over time” (Lee, 2021, p. 174). Building agility and adaptability during the unprecedented crises caused by a novel coronavirus and geopolitical tensions requires internal and external dynamic capabilities, including

networking capability and inter-organisation collaborations (Roscoe et al., 2022; Müller et al., 2022; Dubey et al., 2023; Hamann-Lohmer et al., 2023; Queiroz et al., 2023). Amidst the turbulence of uncertain times, it has been widely recognised that inter-organisational relationships hold a pivotal role. Studies conducted by scholars (see, Squire et al., 2009; Friday et al., 2021; Mandal and Dubey 2021; Aslam et al., 2022; Klimas et al., 2023) have affirmed the significance of these relationships. However, organisations often lack clarity when investing in alliance management capability as the exact benefits of such capability during times of uncertainty are not yet fully understood. To date, though, most studies on inter-organisational relationships in the supply chain have focused on coordination and/or collaboration among the partners (Moshtari, 2016; He et al., 2020; Yang et al., 2021). Many studies acknowledge the role of such relationships in building agility (Fayezi and Zomorrodi, 2015; L’Hermitte et al., 2016; Jajja et al., 2018; Dubey et al., 2021a) and adaptability (Namagembe, 2022) in uncertain times, there is still a lack of clarity on how inter-organisational relationships help shape agility and adaptability.

It is posited that inter-organisational relationships enable a build-up of alliance management capabilities (AMC) (Kauppila, 2015; Yang et al., 2015), which are useful in developing and managing critical partnerships, which are considered important during turbulent times (see, Stuart, 1997; Schilke, 2014a; Dubey et al., 2021b). Coordinating, communicating, and bonding are three components of AMC (Schreiner et al., 2009). These allow organisations to address resource constraints (Kauppila, 2015), tackle competitive pressures (Borys and Jemison, 1989), navigate through turbulent times, and maintain strategic growth (Schilke and Goerzen, 2010). Alliances are often formed and developed over time through established practices (Anand and Khanna, 2000; Aggarwal, 2020; Zhou et al., 2023). However, when faced with a crisis or highly uncertain times, it is unclear how alliances can be formed and leveraged to build supply chain capabilities (Gabler et al., 2017; Pournader et al., 2020). This is a significant issue as the effectiveness of supply chains is critical to a business’s success. Unfortunately, the existing operations management literature has not provided sufficient insights into this issue, mainly because it has focused on coordination and collaboration between partners, without paying enough attention to how alliances are leveraged to build supply chain capabilities (Ketchen and Craighead, 2020). As a result, it is essential to understand the role of alliances during a crisis and how they can be effectively leveraged to build supply chain capabilities. Businesses can better prepare themselves and their supply chains for future crises and uncertainties (Wieland, 2021).

As a first area of focus, we will examine AMC in a supply chain management context. Whilst scholarly interest in supply chain agility (SCA) and adaptability (SCAA) has increased following the seminal work of Lee (2004), the forming of AMC and its impact on such dynamic capabilities is still not fully understood (Richey et al., 2010; Cheung et al., 2011). Hence, we explore the relationships between AMC and SCA/SCAA and seek to answer the following research question (RQ1): What are the effects of AMC on SCA and SCAA?

The existing literature needs to provide an adequate theory-driven explanation of how inter-organisational relationships help build dynamic capabilities in crises. Our goal is to provide an empirical contribution to the literature on the role of AMCs in developing dynamic capabilities, specifically SCA and SCAA, by addressing a research question based on theory.

We have a second area of focus: the role of digital transformation (DT) in building dynamic capabilities in the supply chain (Rai et al., 2006; Devaraj et al., 2007; Alvarenga et al., 2023). According to Liu et al. (2011), DT is an organisational transformation integrating digital technologies and business processes in a digital economy (Harju et al., 2023; Huang et al., 2023). It is believed that DT, which includes distributed ledger technology, machine learning, predictive analytics powered by big data, artificial intelligence, the Internet of Things (IoT), supply chain control tower, and other emerging technologies (Verhoef
et al., 2021; Papanagnou et al., 2022), will play a critical role in bringing supply chain partners closer together as they share information and coordinate their activities better (Lee, 2021; Escamilla et al., 2021). However, in many cases, digital transformation results have not met expectations (Hess et al., 2016; Guo et al., 2023), and in some cases, digital transformation capability has yielded differential results (Schräge et al., 2022). Therefore, further investigation is needed to understand the effects of DT on supply chain capabilities and performance outcomes (Centobelli et al., 2020; Meng et al., 2023). In situations where digital transformation is at play, it can either act as a mediator between two variables (Nayal et al., 2022; Tsou and Chen, 2023) or have an interactive effect (Wang and Du, 2022) on them. This means that the changes brought about by digital transformation can either influence the relationship between two variables or directly impact them, depending on the context. Specifically, it is not well understood how AMC affects the supply chain capabilities and organisational performance (OP) under the mediating effect of digital transformation. To address this knowledge gap, our second research question (RQ2) is: What are the effects of AMC on the SCA/SCAA and OP under the mediating effect of DT?

To address our research inquiries, we gathered information from professionals in the automobile, cement manufacturing, steel manufacturing, heavy machinery, and pharmaceutical industries. These sectors frequently employ alliance formation to mitigate disruptions in the supply chain due to unpredictable factors (Turken and Geda, 2020; Shrey et al., 2022). Additionally, organisations are increasingly investing in digital capabilities, following the COVID-19 crisis (Alicke et al., 2021; Acciarini et al., 2021). To explain how the constructs of AMC, SCA, SCAA, OP and DT are interlinked we used the dynamic capability view (DCV), which is a theoretical lens that helps understand the connection between capabilities and performance under dynamic conditions (see, Schilke, 2014a; Ringov, 2017; Lam et al., 2019).

To achieve our goals effectively, we organised the remaining sections of our paper as follows. Firstly, we will delve into the study’s theoretical background, primarily focusing on the dynamic supply chain capabilities-building process. Further, we will also shed light on the key constructs of AMC and DT and present the research hypotheses. These hypotheses explore the relationships between AMC, DT, SCA, SCAA, and OP. We then present the research setting: companies in various manufacturing sectors, our construct measures, the sampling strategy, individuals working in companies in India ( ), and the data collection process. Next, we describe the data analysis method. We then present how we address common method bias, the constructs’ measurement properties, and the hypotheses’ testing results. Next, we present the results of exploratory interviews with key informants ( ) on the interactions between DT and supply chain capabilities. We present emergent themes from the interviews: coordination, agile capability, digital adaptability, driving technology transformation for values, missing digital leadership, culture and talent management. We then discuss the findings and outline implications for theory and practice, limitations of our study and future research directions. This includes derivation of a framework for digital transformation strategy for supply chains, which shows key enablers of coordination, digital leadership, digital culture and digital talent management. The final section draws conclusions, stressing the dynamic capabilities’ complicated associations with organisational performance and digital transformation.

Dynamic capabilities (DC) are “the firm’s ability to integrate, build and reconfigure internal and external competencies to address changing environments. Dynamic capabilities thus reflect the organisation’s ability to achieve new and innovative forms of the competitive advantage given path dependencies and market positions”, (Teece et al., 1997, p. 516). The DC
framework is a multi-disciplinary perspective that explains risk management and uncertainties (Teece et al., 2016, p. 13). It offers a theoretical perspective on building strategic capabilities to enable organisations to sustain continuous growth during turbulent times and gain superior performance (Mohamud and Sarpong, 2016). There exists a rich body of literature that informs our understanding of dynamic capabilities, but contradictions in conceptualisation and definitions often limit our understanding of dynamic capabilities and their linkage with competitive advantage (Winter, 2003; Zahra et al., 2006; Fainshmidt et al., 2016; Hunt and Madhavaram, 2020; Ye et al., 2022; Yang and Yee, 2022; Zhang et al., 2023).

The dynamic capability framework (Teece, 2007; Easterby-Smith et al., 2009) is the next level of resource-based perspective, often referred to as RBV/RBT (see, Teece et al., 1997). RBV aims to identify and utilize resources to gain a competitive advantage. The dynamic capability view (DCV) emphasises resource deployment and capability building to gain and maintain competitive advantages. DCV assumes organisations within an industry are heterogeneous in their competencies and capabilities; and that the competencies and capabilities cannot be shared across the firms in the industry (Eisenhardt and Martin, 2000). The dynamic capabilities framework is built on three characteristics (Lee and Rha, 2016). Firstly, the supply chain capabilities must possess the ability to sense opportunities and threats. Lee and Rha (2016) argue that the sensing capability needs to be in harmony with supply chain visibility or transparency, which is the ability to manage the flow of information. Within and outside the organisation, sensing includes scanning, learning, and interpretive activities (Teece, 2007). Sensing helps an organisation anticipate supply and demand situations and serve its customers effectively and efficiently, by adopting appropriate strategies to mitigate supply chain risks (DuHadway et al., 2019). Secondly, the supply chain capabilities must possess the ability to seize opportunities. Seizing is about implementation and getting things done (Teece, 2007, p. 22.). For instance, building an inventory of critical items or having enough flexibility in manufacturing capacity to tackle the exponential rise in the demand for PPEs, medicines, sanitisers, toilet paper, face masks, and other important items required during the COVID-19 crisis (Sodhi et al., 2023). Thirdly, organisations must be able to reconfigure through continuous renewal and transformation of organisational routines (Ellström et al., 2021). For instance, Pfizer reconfigured its assets and competencies to develop vaccines to tackle the COVID-19 crisis, which helped Pfizer establish itself as a leading vaccine manufacturing company. A framework with the characteristics described above can be constructed by undertaking a dynamic supply chain capabilities-building process. This can be undertaken by revisiting the agility and adaptability capabilities, which are powered by digital transformation, rather than by investing in building new supply chain capabilities.

Alliances between organisations are usually voluntary agreements aimed at developing and commercialising new technologies, services, or products (Gulati, 1998). Alliance management is a “firm-level dynamic capability that allows the firm to integrate, build and reconfigure internal and external competencies to address rapidly changing environments” (Rothaermel and Deeds, 2006, p. 432). So, AMC can be understood as a combination of capabilities essential for any organisation to build and manage its alliances (Schreiner et al., 2009), involving various activities, including searching for potential partners, coordinating cooperation processes, and aligning objectives (Kumar, 2009).

AMC has been regarded as an innovative form of competitive advantage (see, Rothaermel and Deeds, 2006; Schilke and Goerzen, 2010; Schilke, 2014a; Dubey et al., 2021b). Hence, based on the assumptions of DCV, AMC can contribute to firm-level competitive advantage (Kauppila, 2015; Dhaundiyal and Coughlan, 2022). Levitt and March (1988) further argue that AMC is a path-dependent capability
built over time through multiple interactions. Following RBV arguments (see, Barney, 1991), AMC is conceived as marshalling heterogeneous and immobile resources of a firm, thus forming a source of sustained competitive advantage (Kauppila, 2015; Lioukas et al., 2016). AMC is often considered valuable and rare because strategic alliances are difficult to form. Alliances develop over time, and organisations that are purely interested in short-term collaboration often face difficulties in realizing the benefits; thus, such strategic alliances often fail (Prashant and Harbir, 2009). Following Sirmon et al.. (2011) resource orchestration view, AMC forms through the bundling of resources and capability to generate sustained competitive advantage.

DT is conceived as the application of emerging technologies to augment human efforts to support transformation in the way businesses operate, such as streamlining operations or creating new business models (Sousa-Zomer et al., 2020; Nasiri et al., 2022; Omrani et al., 2022). Warner and Wäger (2019) argue that DT is a transformation of the organisation which involves the integration of new technologies with business activities to address the fast-paced turbulent economy. Put simply, DT is the integration of digital technologies into all business areas, resulting in a paradigm shift in how businesses operate (Hanelt et al., 2021; Ye et al., 2022; Ning et al., 2023).

In DT, customer satisfaction is the main objective, with customers looking for speed, visibility, and value for money (Kumar et al., 2021). These requirements are met using technologies that enable seamless integration of end-to-end activities of a supply chain (Rao et al., 2021). Moreover, with the help of analytics tools powered by artificial intelligence, companies sense market opportunities and threats resulting from unexpected events (Sheng et al., 2021; Bag et al., 2022) with the information gathered using advanced DTs helping an organisation to improve its product development capability and improve performance (Helo and Hao, 2022). In the digital era, organisations need to possess abilities to sense, seize, and transform the opportunities to tackle the challenges posed by a hypercompetitive environment (Sousa-Zomer et al., 2020; Fosso Wamba et al., 2020b; Zhao et al., 2023), with DTs augmenting the dynamic capabilities of the organisation (Yeow et al., 2018). With the help of DTs, the organisation can scale its business operations in response to the unexpected needs of the situation (Vaia et al., 2022). DT is an ongoing dynamic process of applying technologies in day-to-day activities, which rely on organisational agility woven around the fabrics of digital and collaborative culture (Warner and Wäger, 2019).

Our research model is based on Fainshmidt et al. (2016) and Schilke et al.’s. (2018) organising framework for dynamic capabilities, which was developed in response to earlier criticism around the constructs of dynamic capabilities. See Fig. 1.

We consider AMC, DT, and SCA/SCAA as distinct dynamic capabilities of different orders and examine their effects on organisational performance. Moreover, we treat DT as a mediating variable between AMC and SCA/SCAA. Our analysis draws from the previous literature that has established DT as a dynamic capability (Sousa-Zomer et al., 2020; Nasiri et al., 2022). However, more research has yet to explore how DT capability compares with other dynamic capabilities. Therefore, we conceptualise DT as a mediator, following Fainshmidt et al.’s (2016) hierarchical view of dynamic capabilities. Finally, we present our hypotheses to support our constructs and their associations in Fig. 1.

Effective alliance management capability (AMC) is crucial in developing and maintaining successful supply chain capabilities (Ketchen and Craighead, 2020; Lee, 2021). This involves creating and nurturing

long-term relationships with valuable partners, working collaboratively to achieve common goals, and constantly monitoring and improving these relationships to ensure mutual benefits (Niesten and Jolink, 2015). AMC also involves aligning strategic objectives, negotiating favourable terms and conditions, managing risks, and resolving conflicts fairly and transparently (Al-Tabbaa et al., 2019). By leveraging the strengths and resources of different partners, organisations can enhance their competitiveness, innovation, and resilience in today’s complex and rapidly changing business environment (Forkmann et al., 2018; Bouncken et al., 2022).

Effective alliance management can play a crucial role in enhancing the agility and adaptability of the supply chain during times of crisis (Lee, 2004, 2021). Alliances can help businesses leverage their combined resources and capabilities, such as shared knowledge, expertise, and technology, to overcome challenges and respond more effectively to changing circumstances (Rothaermel and Deeds, 2006; Teng, 2007; Kumar, 2014). By fostering collaboration and cooperation between different parties, alliance management can also help build more agile and adaptable supply chains better equipped to handle disruptions and minimise the impact of unexpected events (Cortez and Johnston, 2020). In summary, an effective alliance management strategy is a key driver of supply chain success, particularly in times of crisis (Sarker et al., 2022). Based on the preceding discussions, we hypothesise that:

H1a. The alliance management capability (AMC) is positively linked with the supply chain agility (SCA).

H1b. The alliance management capability (AMC) is positively linked with the supply chain adaptability (SCAA).

Alliances allow organisations to acquire resources beyond their boundaries (Schilke and Goerzen, 2010). Alliance Management Capability (AMC) is crucial as it allows organisations to expand their resource base. Previous research has shown poor supply chain visibility can reduce actors’ cooperative behaviour in supply chain crises (Sodhi and Tang, 2021; Chen et al., 2022a,b). Information sharing among partners can improve trust and commitment, influencing cooperative behaviour (Squire et al., 2009). Through alliances, organisations can increase information exchange, improve trust and commitment among partners, maintain desired inventory levels of critical items, and develop contingency plans (Patrucco and Kähkönen, 2021). Digital transformation integrates technology into various business operations to enhance efficiency and productivity (Warner and Wäger, 2019; Sousa-Zomer et al., 2020). It involves developing new systems, processes, and strategies that leverage technology to improve the organisation’s overall performance (Correani et al., 2020; Appio et al., 2021).

In the supply chain industry, digital transformation is critical in building capabilities that enable businesses to adapt and thrive in times
of crisis (Karimi and Walter, 2015). By embracing digital technologies, companies can streamline their operations, optimise their resources, and increase their agility, allowing them to respond quickly and effectively to changing market conditions. Thus, organisations can benefit from forming strategic alliances with other companies to foster digital transformation and stay competitive in today’s rapidly evolving business landscape (Li et al., 2018; Hanelt et al., 2021). Such alliances can help organisations access valuable expertise and resources that can be leveraged to drive innovation and growth (Ghosh et al., 2022). By working closely with partners, organisations can develop new technologies, processes, and solutions that better meet the needs and expectations of customers, while also improving operational efficiency and reducing costs (Prashant and Harbir, 2009). Therefore, forming strategic alliances can be a key enabler of digital transformation and a powerful way for organisations to stay ahead of the curve (Warner and Wäger, 2019). Based on the preceding discussions, we can hypothesise:

H2. The organisation alliance management capability (AMC) is positively related to digital transformation (DT).

DT has been critical in strengthening supply chain capabilities to deal with unexpected challenges (Tallon et al., 2019). By embracing new technologies and innovative solutions, businesses have quickly and efficiently responded to disruptions, ensuring uninterrupted delivery of goods and services (Rapaccini et al., 2020). Inventory management has been optimised by leveraging data analytics, warehouse operations have been streamlined through automation and robotics, and remote transactions have been made possible by adopting e-commerce platforms (Min et al., 2019). DT has become an essential strategic tool for companies looking to build resilient and adaptable supply chain capabilities for future challenges (Enrique et al., 2022).

SCA and SCAA are essential elements of a long-term strategy to cope with unprecedented crises (Lee, 2021). These concepts allow organisations to identify new sources or develop new markets to tackle disruptions resulting from trade restrictions (Lee, 2021; Patrucco and Kähkönen, 2021). In a hyper-competitive environment, DT offers opportunities for organisations to exploit digital capabilities strategically (Nasiri et al., 2022; Enrique et al., 2022). Several studies have found positive associations between IT capabilities and SCA (Queiroz et al., 2018; Grover, 2022), and SCAA (Schoenherr and Swink, 2015). There are also positive effects of BDA capability on SCA (Fosso Wamba and Akter, 2019; Awan et al., 2022), cloud computing technology on SCA (Liu et al., 2018), artificial intelligence on SCA (Wang et al., 2022), and IT capability on SCAA (Lee, 2021).

DT promotes relational capabilities and knowledge-sharing activities, often leading to superior performance over competitors (Faruquee et al., 2021; Cherbib et al., 2021). Recent digitally enabled strategies adopted by e-tailers such as Alibaba, JD.com, and Amazon during the

COVID-19 crisis enabled them to pre-position their inventory to address fluctuations in demand and supply and build an agile organisational culture (Lee, 2021). Other recent literature reports similar links between DT and agility (Guo et al., 2023; Schräge et al., 2022). Building on this literature, we can hypothesise that:

H3a. Digital transformation (DT) has a positive effect on supply chain agility (SCA).

Organisations are constantly changing to adapt to complex business environments and maintain growth (Del Giudice et al., 2021). However, many need more resources and better alliances among supply chain partners (Wright et al., 2019). Inaccurate or incomplete data, poor communication, and a lack of digital analytics culture are reasons for poor alliances (Lin et al., 2022). According to Lee (2021), digital technologies enable adaptation.

The retailer LF is a company that has transformed traditional supply chain models by providing customers speed, innovation, and datadriven insights through a digital-enabled supply chain (Apparel, 2017). LF has built a strong global supply chain network that vertically integrates design houses, sourcing agents, manufacturers, logistics service providers, and retailers within three global networks: trading, logistics, and distribution, through an aggressive acquisition strategy. The network orchestration strategy of LF plays a significant role in managing a complex supply chain network. The company provides complete supply chain solutions for new product design, raw material sourcing, final production at manufacturing centres, and product distribution. This adaptability, enabled by DT, gives LF a competitive edge over its competitors. The experience of this company and others reported in the literature, leads to the final hypothesis:

H3b. Digital transformation (DT) has a positive effect on supply chain adaptability (SCAA).

Multiple studies have established a positive correlation between SCA/SCAA and OP (see Whitten et al., 2012; Eckstein et al., 2015; Alfalla-Luque et al., 2018; Gligor et al., 2020; Fosso Wamba et al., 2020a). Scholars have conceptualised SCA/SCAA as DCs (Eckstein et al., 2015; Aslam et al., 2018; Dubey et al., 2023). The key element of the DCV is that performance is the outcome (see Schilke, 2014b; Fainshmidt et al., 2016). Hence, following DCV (see Teece et al., 1997) arguments, we view SCA/SCAA as possessing the ability to sense, seize and reconfigure the internal and external competencies to tackle unexpected rapid environmental changes.

SCA helps organisations address short-term changes through continuous information sharing among all partners, collaborating with suppliers and customers to develop or redesign products or services, and exercising a postponement strategy (Lee, 2004). SCA is positively linked with cost performance (Cadden et al., 2022). For instance, SCA helps reduce the cost of goods sold, i.e., direct materials, overheads, and labour (Whitten et al., 2012; Cadden et al., 2022). Similarly, it is suggested that SCA has a positive impact on OP, which includes product quality, service levels, and on-time delivery (see, Whitten et al., 2012; Eckstein et al., 2015; Gligor et al., 2015; Alfalla-Luque et al., 2018; Park et al., 2023), market performance such as sales growth or increase in market share (Whitten et al., 2012; Gligor et al., 2015; Alfalla-Luque et al., 2018; Park et al., 2023), and financial performance (Whitten et al., 2012; Gligor et al., 2015; Alfalla-Luque et al., 2018). Given findings from prior literature, we hypothesise as follows:

H4a. Supply chain agility will be positively related to OP.
SCAA is about adjusting supply chain design to address the rapid and unexpected changes in the business environment or market (Lee, 2004; Eckstein et al., 2015; Fosso Wamba et al. 2020; Lee, 2021). To build adaptability, organisations need to track continuous changes in the external environment with the help of digital technologies and develop alternate sourcing strategies to handle any kind of trade restriction or
disruption caused by political turbulence or geopolitical crises. They must create flexibility in their supply chains and have multiple sources/markets to address supply/demand uncertainties (Lee, 2021). The difference between SCA and SCAA is one of orientation. SCA is short-term, and SCAA is a long-term strategy (see Lee, 2004; Richey et al., 2022). The prior literature posits that SCAA will positively influence the market and financial performance measures. Hence, we hypothesise:

H4b. Supply chain adaptability will be positively related to OP.

The adoption of various technologies in all aspects of business is the essence of DT, which ultimately enhances customer value (Berman, 2012; Bharadwaj et al., 2013). The efficient functioning of AMC can be further enhanced by the proper utilization of digital technologies, which in turn helps build better trust and fosters collaboration (He et al., 2020; Lin et al., 2022). Moreover, DT can also enable advanced analytics and data-driven decision-making in alliance management, which can help identify potential supply chain risks and opportunities (Chen et al., 2022a,b; Ghosh et al., 2022). This can lead to a more proactive approach to supply chain management and enable companies to respond more quickly to changing market conditions or customer needs (Dubey et al. 2021). Therefore, it is essential to consider the role of DT when assessing the impact of AMC on SCA and SCAA. By leveraging digital technologies, companies can enhance their AMC, improve their supply chain capabilities, and ultimately gain a competitive advantage. Hence, we hypothesise it as:

H5a/H5b: Digital transformation mediates the effects of alliance management capability on (a) supply chain agility and (b) supply chain adaptability.

We surveyed manufacturing organisations based in India (see Table 1). We chose the four industry sectors Food, Apparel Manufacturing, Computer and electronics goods manufacturing, and Plastics and Rubber goods manufacturing because alliances are quite common, with companies typically relying on several vendors that

supply raw materials and provide logistics services, IT support, and sales and services. We ensured that the companies were selected as having had recent experiences of crises or disruptions due to COVID-19 and geopolitical crises. The focal organisations in these sectors use close collaboration to secure raw materials, gain market intelligence, and knowledge, ensuring the availability of the products at the right time, the right place, and in the right condition, despite fluctuations in the demand and supply due to the unexpected events (Shen and Sun, 2023). Furthermore, DT’s role in building supply chain capabilities in these industry sectors during pandemics and geopolitical crises has been noted (Bosman et al., 2020; Alexander et al., 2022; Brammer et al., 2023).

Our study employed multi-item scales to measure the constructs shown in Fig. 1. We considered the constructs used in our study as reflective constructs and developed our measures based on previous empirical studies conducted by Boyer and Pagell (2000), Forza (2002), and DeVelis (2003). To generate our items, we refined the existing literature by conducting interviews with 27 managers from diverse sectors. To eliminate any ambiguities or confusing items, we pre-tested the questionnaire with 30 managers. We further cross-referenced the survey-based information collected from respondents with other data sources to ensure accuracy and minimise biases resulting from a single source of data collection, as recommended by Flynn et al. (1990) and Homburg et al. (2012).

In our study, we used various sources to measure different concepts. For instance, we assessed alliance management capability (AMC) using a four-dimensional, second-order construct based on Schilke’s (2014) scale. Similarly, to measure digital transformation (DT), we used a threedimensional, second-order construct based on Sousa-Zomer et al.’s (2020) measure. However, during our analysis, we noticed that the digital intensity (DI) average variance extracted value was below the cutoff value, and some indicators’ factor loadings were below 0.5 . As a result, we decided to exclude the digital intensity (DI) dimension from our analysis and proceeded with a two-dimensional construct of DT. Additionally, supply chain agility (SCA), supply chain adaptability (SCAA), and organisational performance (OP) were operationalised as reflective constructs based on measures developed by Alfalla-Luque et al. (2018). Appendix A includes additional details on the constructs and the items used to operationalise them.

We sampled multinational companies in the industry sectors identified above using NAICS codes with manufacturing units in India. We used the Confederation of India Industries (CII) database on manufacturing firms, which provides details of those engaged in DT under the CII “smart manufacturing platform” initiative. We identified 456 companies, which we validated using the Dun & Bradstreet database on manufacturing companies in India.

Scholars have argued there are no perfect proxies or secondary data to measure the various dimensions of AMC nor of the outcomes of such alliances (Gulati, 1998; Schreiner et al., 2009; Schilke, 2014). Hence, we relied on the perceptions of the key informants, who we selected based on 1) their knowledge of their firm’s alliance activities; 2) their familiarity with the DT initiatives of their firm; and 3) their firm’s supply chain management activities. By doing this we ensured that the participants were appropriately involved in the issues under study (Campbell, 1955; Stuart, 1997; Forza, 2002; Schreiner et al., 2009). To enhance validity, we followed suggestions from some organisational researchers who have examined inter-organisational relationships (i.e. Kumar et al., 1993; Schreiner et al., 2009; Moshtari, 2016). This involved including questions to confirm they met our selection criteria.

We emailed the survey to individuals in the 456 selected companies and sent two reminders to those who had yet to return the surveys at
least two weeks after the initial email. We finally received 162 completed questionnaires (response rate ). We excluded 5 questionnaires because we needed more information. The characteristics of the respondents ( ) are provided in Table 1.

We tested for non-response bias (NRB) in three ways (see Hulland et al., 2018). Firstly, we compared early wave respondents – responses received from 18th July to August 4, 2022 – with late wave – August 5, 2022 to December 9, 2022 – regarding their demographic characteristics. Secondly, we compared the firm’s age and the number of employees of the 157 respondents with 67 non-respondents selected randomly. Thirdly, following recommendations for the wave analysis (see, Armstrong and Overton, 1977), we calculated the t -statistics ( ) between early and late waves. Our analyses concluded that NRB is not a major issue in our study, and we can safely proceed with our data analysis.

We used WarpPLS 7.0, which addresses traditional weaknesses of the PLS-SEM method (Kock, 2019) by estimating factors. PLS-SEM has gained significant attention from the management research community as a useful method to build theory (see Ringle and Sarstedt, 2016; Akter et al., 2017). Classical PLS-SEM differs from covariance-based SEM in that it does not consider factors but rather composites, so it cannot fully estimate measurement errors, which often results in biased parameters. Kock (2019) argues that the PLSF (Partial least squared with factors estimation) builds on traditional PLS techniques and fully accounts for measurement errors. Therefore, PLS-based SEM is a suitable method for statistical analyses (see, Akter et al., 2017). We conducted the analyses in two stages, following the suggestions of leading scholars: firstly examining the construct validity and scale composite reliability (SCR) of the proposed research model (see Fig. 1) and secondly testing the research hypotheses (see, Sarstedt et al., 2016; Akter et al., 2017; Hair et al., 2017; Kock, 2019).

In line with other organisational research on inter-firm processes, we gathered responses from a single key informant in each company (see, Cuevas-Rodríguez et al., 2014; Schilke, 2014; Kauppila, 2015; Xu et al., 2022). Thus, CMB is possible (see Viswanathan and Kayande, 2012), and to minimise this, we took two important steps. Firstly, we undertook procedural remedies following MacKenzie and Podsakoff (2012) recommendations. We developed our final questionnaire to eliminate the causes that often reduce the ability of the respondents to respond to questions accurately. As mentioned, we pre-tested our questionnaire with 30 managers to avoid ambiguous or double-barrelled questions. Secondly, we performed post-hoc analysis, often called partial correlation procedures (see, Hulland et al., 2018, p. 102). The differences observed between adjusted and previous correlations were insignificant. After undertaking these two steps we can safely say that, whilst common method bias is a potential problem in the case of single-informant cross-sectional data, the impact of such bias in our study is limited.

In Table 2, we have provided values (see Cronbach alpha ( ), scale composite reliability (SCR), and average variance extracted (AVE)) that demonstrate the properties of the multi-item measures used in the study to gather data. We observed that our values are well above the threshold values for , SCR, and AVE for each construct used in Fig. 1 (see, Sarstedt et al., 2022). Hence, we conclude that our constructs possess convergent validity. Further, we assessed the discriminant validity of the constructs (see Table 3). The square root of the AVE is larger than the absolute correlation value among the constructs in each row and column. In addition to Fornell and Larcker’s (1981) discriminant validity test, we

Notes: AMC-alliance management capability; IC-inter-organisational coordination; APC-alliance portfolio coordination; IL-inter-organisational learning; AP-alliance proactiveness; DT-digital transformation; DT_DSS: digital savvy skills; DT_CAR: conditions for action and reaction; SCA-supply chain agility; SCAA-supply chain adaptability; OP-organisational performance.

Notes: AMC-alliance management capability; IC-inter-organisational coordination; APC-alliance portfolio coordination; IL-inter-organisational learning; AP-alliance proactiveness; DT-digital transformation; DT_DSS: digital savvy skills; DT_CAR: conditions for action and reaction; SCA-supply chain agility; SCAA-supply chain adaptability; OP-organisational performance.

Notes: AMC-alliance management capability; IC-inter-organisational coordination; APC-alliance portfolio coordination; IL-inter-organisational learning; AP-alliance proactiveness; DT-digital transformation; DT_DSS: digital savvy skills; DT_CAR: conditions for action and reaction; SCA-supply chain agility; SCAA-supply chain adaptability; OP-organisational performance.
performed the HTMT (hetrotrait-monotrait ratio of correlations) test (see Table 4). The HTMT values are well below the recommended threshold values (see Henseler et al., 2015), which indicates that the constructs possess sufficient discriminant validity. In totality, the constructs possess construct validity that is sufficient to enable the interpretation of structural estimates.

PLS-SEM is a statistical method that uses linear combinations of indicator variables to represent conceptual variables in a model. This approach allows us to model latent constructs with fewer observed variables, resulting in more accurate results. PLS-SEM has been validated by various researchers in different fields of study, including Akter et al. (2017), Benitez et al. (2020), and Hult et al. (2018). However,
before hypothesis testing, it is essential to perform an endogeneity test. Although scholars have suggested several methods for identifying and correcting endogeneity, it remains a contentious issue. We conducted a normality test using Kolmogorov-Smirnov with Lilliefors correction on the standardized composite scores of AMC, DT, SCA, and SCAA. Since none of the scores were normally distributed, we considered them endogenous in the Gaussian copula analysis. Using three regression models, we found that endogeneity was not an issue. Moreover, we used Simpson’s paradox ratio (SPR), r-squared contribution ratio (RSCR), statistical suppression ratio (SSR), and non-linear bivariate causality direction ratio (NLBCDR) to evaluate the hypothesised relationships. After assessing the relationships, we concluded that the hypothesised relationships were supported, and the reversed path was either weak or did not exist. Fig. 2 presents the final model.

Our study aimed to assess the effectiveness of a proposed model in

explaining the variation in organisational performance (OP). We found that the model has an average value of 0.76 , indicating that it can explain almost of the variation in OP. Our research provides empirical evidence to support the hypothesised relationships between alliance management capability (AMC), supply chain agility (SCA), and supply chain adaptability (SCAA). Specifically, we found that AMC is positively related to SCA ( ) and SCAA ( , , supporting H1a and H1b, respectively. Our results further indicate that AMC is positively related to digital transformation (DT) ( ), supporting H2. These findings highlight the critical role of AMC in building supply chain capabilities and supporting DT efforts, which are crucial for organisations to respond to uncertainties and crises. Our research emphasises the importance of AMC in enhancing organisational performance and promoting growth in challenging times. Furthermore, we found that the AMC and digital transformation explain of the total variation in SCA and nearly in the SCAA. These results demonstrate that AMC, under the mediating effect of DT, can help organisations enhance their agility and adaptability, which are essential to deal with crises. Our research provides empirical evidence to support the critical role of AMC in enhancing organisational performance, building supply chain capabilities, and supporting digital transformation efforts (Chen et al., 2019; Lee, 2021; Gereffi et al., 2022).

Our study produced empirical evidence that supports several hypotheses. Firstly, H1a/b and H2, which were already established in previous studies, received further validation. Secondly, we found support for H3a (DT SCA) and H3b (DT SCAA) ), indicating that the impact of digital transformation on supply chain agility and adaptability is significant. These findings corroborate the results of previous studies that have explored the role of big data analytics capability (e.g. Fosso Wamba and Akter, 2019; Fosso Wamba et al., 2020a) in enhancing supply chain capabilities. Our study further reinforces the findings that when properly utilised, digital transformation can significantly improve supply chain performance. By leveraging digital technologies, organisations can enhance their agility and adaptability to changing market conditions and improve their competitiveness.

Finally, we found support for the hypothesised relationships between SCA and OP ( ) (H4a) and SCAA and OP (H4b) ( ). SCA and SCAA explain of the total variation in the OP ( ). The findings confirm previous findings that SCA and SCAA are strong determinants of organisational performance in dynamic conditions (see Eckstein et al., 2015; Alfalla-Luque et al., 2018). Table 5 shows our hypothesis testing values.

We conducted additional tests to determine the mediation effect of digital transformation (DT) on the relationship between alliance management capability (AMC) and supply chain agility (SCA)/supply chain adaptability (SCAA). According to Hayes (2009), mediation refers to how a third variable (in our case, digital transformation) impacts the

*p < 0.01; **p < 0.05.
Notes: AMC-alliance management capability; DT-digital transformation; SCAsupply chain agility; SCAA-supply chain adaptability; OP-organisational performance.
relationship between two variables (AMC and SCA/SCAA). We conducted the mediation test in two ways. Firstly, we followed Baron and Kenny’s (1986) recommendations. In the first path, we tested the direct impact of AMC on SCA ( ), which was significant. In the second path, we tested the direct impact of AMC on DT ( , p 0.01), which was also significant. In the third path, we tested the impact of DT on SCA ( ), which was also statistically significant. Finally, we controlled the effect of DT in the final equation, where we tested the influence of AMC and DT as predictors of SCA. In this case, we observed that the impact of AMC on SCA had decreased. We determined the significance of the mediation test using Sobel’s test (Sobel, 1982). The Sobel statistics showed that the DT acted as a partial mediator between AMC and SCA, with a value of 2.89 , which was significant at .

Similarly, we tested AMC as an independent variable, DT as a mediator, and SCAA as a dependent variable. We found a significant impact of AMC on SCAA ( ), AMC on DT ( , 0.01 ), and DT on SCAA ( ). When we controlled for the effect of DT on the effect of AMC on SCAA, the impact decreased. We determined the Sobel statistic to be 4.09, significant at , indicating that the DT acted as a partial mediator between AMC and SCAA.

Although the approach introduced by Baron and Kenny (1986) for analysing indirect effects has faced criticism from some scholars (such as Preacher and Hayes in 2004, Hayes and Preacher in 2010, and Aguinis et al., in 2017), we chose to use an alternative method proposed by Kock (2014) to investigate these types of effects. To perform path analyses, we utilised a commercial software called WarpPLS. We used the Kock (2014) test based on the recommendations of Hayes and Preacher (2010) to analyse indirect effects. We found that the total sum of indirect effects of AMC on SCA consists of a single path (AMC DT SCA), which is marginally significant ( ) with a small effect size. Similarly, the total sum of indirect effects of AMC on SCAA consists of a single path (AMC DT SCAA) which is significant ( ). This indicates that the DT has partially mediated between AMC and SCA/SCAA.

To enhance the validity of our empirical findings, we conducted semi-structured exploratory interviews (Conlon et al., 2020) (see Appendix B). These interviews were designed to obtain additional insights and perspectives from the participants (Corbin and Strauss, 2014; Bansal et al., 2018). The interview process involved open-ended questions allowing participants to express their thoughts and ideas freely. We analysed the data collected from these interviews to gain a deeper understanding of the research topic and identify potential gaps in our research. By incorporating these interviews into our research methodology, we obtained a more comprehensive understanding of the subject matter and improved the overall quality of our research. We adopted an inductive approach, using qualitative data to help uncover hidden insights that advance theoretical insights (Gioia et al., 2013). The interviews were spread over four months and captured the insights of experts engaged in implementing digital technologies to further enhance their supply chain capabilities.

Based on Glaser and Strauss’ (1967) recommendations, the lead author contacted senior managers either currently working on projects to digitalise their existing supply chain design or recently implementing digital transformation. To avoid bias, managers working in one of the Indian manufacturing units of multinational companies (MNCs) were contacted. For further details of the interview protocol and the reflective analysis and inter-coder reliability measures, please refer to Appendix C.

We conducted the interviews in two parts. Firstly, we asked questions about alliance management capability and its impact on supply chain capabilities. Secondly, how digital transformation impacts/ impacted supply chain capabilities and organisational performance
impacts. The initial interview guidelines and questions were adjusted during the discussion, based on the insights gathered from previous interviews (see, Gioia et al., 2013). We reached theoretical saturation after 27 interviews (Corbin and Strauss, 2014).

We followed Gioia et al. (2013) guidelines, which provide a framework to analyse qualitative data rigorously, through an interpretive process. This process is recommended when the participants’ experiences are used to develop a theoretical understanding of a phenomenon. Hence, we developed theoretical insights with the help of the participant’s personal experiences.

The dominant emergent themes in the data further corroborate our empirical findings by highlighting how a lack of coordination, missing digital leadership and digital talent, and poor digital talent management may negatively influence supply chain capabilities and their impact on organisational performance. In this respect, it confirms that competitive advantage originates from how the technologies are exploited rather than from the technology itself (Barratt and Oke, 2007). Hence, organisations need to pay careful attention to the enablers of digital transformation, for their supply chain capabilities to achieve superior performance.

Interviewees suggested that organisations have no choice but to embrace digital transformation in the digital era. As stressed by interviewees (see, for example, quotes from P18, P20, P22, P23, in Appendix D ), a digital culture is about a digital mindset, innovation, the right use of operational and experience data, and an open culture. Such a culture is the backbone of successful digital transformation. Moreover, developing and retaining the right digital talent are crucial to successful digital transformation (see, quotes from P24, P25, P26). Whilst digital transformation may be a high priority, the hardest part is to decide when and how to embark on such a transformation. Most of the time, an organisation is concerned about the return on investment of any new initiative (quote from P22). Hence, for proper alignment with technology and strategy, the role of digital leadership is crucial (see quotes, P16, P17, P21 and P19). Further excerpts from the interview data describe some of the components of digital transformation essential for enhancing the effects of supply chain capabilities on performance (see Appendix D).

Our empirical survey results, supplemented by qualitative interview data, provide a nuanced understanding of the relationships between AMC, SCA, SCAA, DT and OP. Our findings offer useful implications for theory and practice. Overall, we provide robust evidence to support the contention of Lee (2021, p.176) that “as the scope of supply chains expands in multiple dimensions, the use of digital platforms will become more and more important”. We demonstrate a statistically significant link from AMC to SCA and SCAA. We further explore the enablers and barriers to DT, which affect supply chains’ agility and adaptability during crises.

Organisations should assess their business needs and technical abilities to leverage digital technologies and enhance their supply chain capabilities. This can improve overall organisational performance (Rai et al., 2006; Devaraj et al., 2007). To digitally transform a supply chain, it is crucial to build technological infrastructure, foster a culture that supports innovation, develop strong leadership, and cultivate talent management capabilities (Centobelli et al., 2020). Our study addresses research questions and gaps in this area that were identified by Craighead et al. (2020) and Lee (2021). By analysing the data we gathered, we hope to provide insights that will inform future research and add to the existing body of knowledge in this field.

Our study uses the concept of dynamic capabilities and the hierarchical view of the firm (Fainshmidt et al., 2016). Dynamic capabilities are crucial for organisations to adapt to the rapidly changing business
environment. We examine the interplay of various dynamic capabilities necessary for organisations to maintain a competitive advantage. These capabilities include alliance management capability, digital transformation, supply chain agility, and supply chain adaptability. By understanding the hierarchical view of dynamic capabilities, organisations can develop effective strategies to navigate the complexities of the modern business environment and maintain a sustainable competitive advantage.

Our study focuses on the effectiveness of dynamic capabilities theory (DCV) in supply chain activities and its impact on organisational performance. To address criticisms of DCV, we have conceptualised our constructs – AMC, SCA, and SCAA – as higher and lower-order constructs (see, Easterby-Smith et al., 2009; Zhang et al., 2023). Our theoretical framework provides a detailed understanding of dynamic capabilities in the context of digital transformation. Our study sheds light on the essential drivers of dynamic capabilities and how they can be employed to gain a competitive advantage in the digital age. We have analysed how digital transformation can help organisations form alliances to develop complex supply chain capabilities, enabling them to respond promptly to rapid internal and external environmental changes. We emphasise the importance of building agility and adaptability in supply chains to gain a competitive advantage.

Our findings suggest that effective alliance management capability and digital transformation can help organisations enhance their supply chain capabilities, enabling them to respond to changes in the market, customer preferences, and other external factors. Overall, our study provides valuable insights into how companies can leverage their dynamic capabilities to improve organisational performance in the digital age. By expanding the dynamic capability view boundary, this study sheds light on the mechanisms through which organisations continue to evolve their supply chain management practices.

Our research also answers calls that seek empirical evidence to explain how strategic alliances, especially in the digital era, enhance supply chain capabilities to deal with unprecedented crises (see He et al., 2020; Roscoe et al., 2022). Our study investigated how Alliance Management Capability (AMC) enhances supply chain agility and adaptability. We found that AMC is critical in promoting cooperation, clear communication, trust, and transparency in the supply chain. Through these mechanisms, AMC helps organisations build high supply chain visibility, enabling them to better deal with crises and other disruptions. We gained profound insights into how AMC promotes cooperation, communication, trust, and transparency in the supply chain. Our results support Lee’s arguments regarding the importance of AMC in supply chain management and highlight the need for further empirical studies on this topic, as suggested by Verbeke (2020) and Brammer et al. (2023). This is evident in examples of leading pharmaceutical companies, digital companies, and electronic chip manufacturers that have robust strategies for supply chain disruptions. They used their diversified supply base to mitigate supply uncertainties. By promoting cooperation, communication, trust, and transparency in the supply chain, AMC helps organisations build high supply chain visibility and, in turn, enhances their supply chain agility and adaptability. In line with this, Our research indicates that organisations that invest in building strong AMC are better prepared to deal with supply chain disruptions.

Our study clarifies the boundary conditions for Dynamic Capabilities View (DCV). By understanding the relationship between alliance management, agility, and adaptability, organisations can develop a more comprehensive approach to strategic management and enhance their long-term prospects for success. We found that digital transformation plays a vital role in improving and strengthening the impact of alliance management on the development of supply chain capabilities. Furthermore, we found that digital transformation acts as a mediator in this relationship, facilitating and enhancing the effectiveness of alliance management in achieving this goal. This finding emphasises the growing importance of digital transformation in the modern business landscape, highlighting its potential as a critical driver of progress and success in
supply chain management.
Digital transformation is a complex process requiring a systematic approach to leverage its benefits and achieve desired outcomes effectively. As such, senior managers must be ready to meet the challenge of this wave of digital transformation, as no sector or organisation is immune to its effects. Our study focuses on the dynamic aspects of digital transformation, providing a platform to evaluate how dynamic capabilities can produce results under different conditions, especially when organisations are undergoing digital transformation.

Ultimately our study aims to clarify the role of digital transformation within the dynamic capability framework. Our findings contribute to developing more effective strategies for organisations to manage digital transformation and enhance their overall performance. The results further confirm the importance of proper coordination, quick responses, and embracing innovation as essential drivers of supply chain capabilities for organisations operating under high environmental uncertainties resulting from pandemics or geo-political crises.

In summary, our study offers valuable theoretical contributions to the field of supply chain management by highlighting the role of digital transformation in alliance formation and management. It provides insights into how organisations can build agility and adaptability in their supply chains leading to a competitive advantage.

Our research study offers valuable insights for those involved in digital transformation or managing supply chains in the digital era. Managers should improve coordination and promote interorganisational learning to enhance their alliance management capability. Regular meetings should be organised with the participation of all supply chain actors to reduce behavioural uncertainties and opportunistic behaviour among partners during times of crisis. This helps foster mutual trust among partners and promotes a culture of collaboration and information sharing.

Further, inter-organisational learning is crucial for organisations to quickly respond to crises and adapt their supply chain structures and processes. Managers need to encourage learning from past experiences and mistakes so that the supply chain can be improved and made more efficient. Building a culture of mutual respect is also essential, as it fosters open communication and promotes learning from one another.

Organisations leveraging digital technologies to improve their supply chain performance must carefully consider their business needs and existing capabilities. This requires a critical assessment of resources and capabilities, including infrastructure, human resources, organisational structure, and financial resources, to determine the success of digital

transformation. Organisations should also ensure they have digitalsavvy leaders with high commitment and belief in digital transformation. Such leaders can attract and retain the right digital talent, invest in building capabilities for the workforce, and empower individuals to make decisions.

Promoting a culture of collaboration and mutual respect is essential for organisations to transform their existing supply chain into digitally empowered ones successfully. This involves creating an environment where organisations encourage people to speak up and share their ideas and where there is a willingness to work together to solve problems. Leaders and managers should focus on four key areas: coordination, digital leadership, digital culture, and digital talent management, as shown in Fig. 3. By focusing on these areas, organisations can improve their alliance management capabilities, reduce uncertainties, and successfully transform their supply chain for the digital era.

The study’s findings shed light on key implications for policymakers. Firstly, they should prioritise drafting policies specifically tailored to industry. Secondly, policymakers should provide comprehensive support for companies to manage crises effectively. This includes investing in developing dynamic capabilities, such as digitalisation and promoting the formation of alliances with other companies. By investing in these capabilities, companies can better navigate crises and emerge with a stronger performance. Overall, the study highlights the importance of proactive policymaking and investing in the right capabilities to achieve long-term success in the industry.

To fully address the limitations of our study and gain new insights, we recognise the need for future research avenues. Firstly, although we used a scientifically rigorous approach, it is important to note that our dataset only applies to specific industry sectors. Therefore, one needs to exercise caution when generalising our findings to all industry sectors. To improve the precision of our model, we recommend that future studies collect longitudinal data instead of cross-sectional data. This will enable researchers to track changes over time and to make more accurate predictions.

Secondly, we acknowledge that we collected survey-based data using a single-informant questionnaire, which could lead to common method variance (CMV) concerns. However, we used an appropriate theoretical framework to develop the model and validated our statistical results with qualitative semi-structured interviews to mitigate these limitations. We also recommend that future studies take steps to reduce CMV concerns, such as utilising multiple informants or triangulating data obtained from various sources.

Finally, moving forward, we suggest that scholars investigate the role of institutional pressures in shaping supply chain and digital transformation strategies. This is a key area of research as the digital transformation of supply chains is a complex and multifaceted process heavily influenced by external factors. Additionally, we recommend using resource-based and dynamic capability theories to explore how firms can develop the necessary resources and capabilities to navigate digital transformation successfully. By taking these steps, future research can provide a more nuanced understanding of the challenges and opportunities associated with digital transformation in supply chains.

Our research study sought to answer two specific questions related to
the supply chain and operational performance:

In our research, we explored the topic of alliance formation and digital transformation through a combination of deductive and inductive approaches. We attempted to gain a deeper, more comprehensive understanding of the mechanisms underlying alliance formation and the impact of digital transformation on this process. Our study was grounded in the dynamic capability framework, which we sought to expand based on criticisms from scholars. Through this framework, we aimed to better understand the complex phenomenon of alliance management capability and how it can be leveraged to improve supply chain agility and adaptability during times of crisis. By conducting in-depth interviews, we were able to identify the critical role of digital transformation in mediating the relationship between alliance management capability and supply chain capabilities.

We found that alliance management capability is positively related to both supply chain agility and supply chain adaptability. These findings show the importance of alliance management for uncertain times. Further, the mediating role of digital transformation points to the opportunity to exploit this approach to multiply the effect of alliance management.

Specifically, we found that digital transformation can facilitate communication and collaboration between alliance partners, leading to improved decision-making, faster response times, and greater overall agility and better adaptability, thereby making the alliance more effective. Our study offers a nuanced understanding of this complex phenomenon and highlights the need for further exploration of unresolved issues and questions. We hope that our findings provide motivation for researchers and practitioners to continue exploring the role of digital transformation in alliance formation and management.

Rameshwar Dubey: Writing – review & editing, Writing – original draft, Validation, Methodology, Investigation, Data curation, Conceptualization. David J. Bryde: Writing – review & editing, Conceptualization. Constantin Blome: Writing – review & editing, Validation, Methodology, Conceptualization. Yogesh K. Dwivedi: Writing – review & editing, Conceptualization. Stephen J. Childe: Writing – review & editing, Writing – original draft, Methodology, Conceptualization. Cyril Foropon: Writing – review & editing, Resources, Conceptualization.

Data will be made available on request.

We would like to express our heartfelt thanks to the diligent reviewers and the Editor-in-Chief for their unwavering support and guidance throughout the review process. Your valuable input and constructive feedback have played a significant role in refining our work and improving its quality.

The focus of this research is to examine how alliance management capability impacts supply chain capabilities like agility and adaptability to enhance organisational performance during times of crisis. Additionally, the study will explore the role of digital transformation capability in augmenting the effects of these supply chain capabilities on organizational performance. Through this interview, we hope to gain a better understanding of how alliance formation influences supply chain agility and adaptability, as well as the varying impacts of digital transformation on supply chain capabilities and organisational performance. Please note that all participant and company information will be kept confidential. If you agree, I would like to record our conversation to aid in the analysis of our discussion.

(continued on next page)

Acciarini, C., Boccardelli, P., Vitale, M., 2021. Resilient companies in the time of Covid19 pandemic: a case study approach. Journal of Entrepreneurship and Public Policy 10 (3), 336-351.
Aggarwal, V.A., 2020. Resource congestion in alliance networks: how a firm’s partners’ partners influence the benefits of collaboration. Strat. Manag. J. 41 (4), 627-655.
Aguinis, H., Edwards, J.R., Bradley, K.J., 2017. Improving our understanding of moderation and mediation in strategic management research. Organ. Res. Methods 20 (4), 665-685.
Akter, S., Fosso Wamba, S., Dewan, S., 2017. Why PLS-SEM is suitable for complex modelling? An empirical illustration in big data analytics quality. Prod. Plann. Control 28 (11-12), 1011-1021.
Al-Tabbaa, O., Leach, D., Khan, Z., 2019. Examining alliance management capabilities in cross-sector collaborative partnerships. J. Bus. Res. 101, 268-284.
Alexander, A., Blome, C., Schleper, M.C., Roscoe, S., 2022. Managing the “new normal”: the future of operations and supply chain management in unprecedented times. Int. J. Oper. Prod. Manag. 42 (8), 1061-1076.

Alfalla-Luque, R., Machuca, J.A., Marin-Garcia, J.A., 2018. Triple-A and competitive advantage in supply chains: empirical research in developed countries. Int. J. Prod. Econ. 203, 48-61.
Alicke, K., Barriball, E.D., Trautwein, V., 2021. How COVID-19 Is Reshaping Supply Chains. McKinsey and Company, pp. 2011-2020.
Alvarenga, M.Z., Oliveira, M.P.V.D., Oliveira, T.A.G.F.D., 2023. The impact of using digital technologies on supply chain resilience and robustness: the role of memory under the covid-19 outbreak. Supply Chain Manag.: Int. J. 28 (5), 825-842.
Anand, B.N., Khanna, T., 2000. Do firms learn to create value? The case of alliances. Strat. Manag. J. 21 (3), 295-315.
Apparel Resources (2017, November). https://vn.apparelresources.com/business-news /sourcing/supply-chain-leader-li-fung-focuses-speed-innovation-digitization-future /(date of access 22 July 2022).
Appio, F.P., Frattini, F., Petruzzelli, A.M., Neirotti, P., 2021. Digital transformation and innovation management: a synthesis of existing research and an agenda for future studies. J. Prod. Innovat. Manag. 38 (1), 4-20.
Armstrong, J.S., Overton, T.S., 1977. Estimating nonresponse bias in mail surveys. J. Market. Res. 14 (3), 396-402.

Aslam, H., Blome, C., Roscoe, S., Azhar, T.M., 2018. Dynamic supply chain capabilities: how to market sensing, supply chain agility, and adaptability affect supply chain ambidexterity. Int. J. Oper. Prod. Manag. 38 (12), 2266-2285.
Aslam, H., Syed, T.A., Blome, C., Ramish, A., Ayaz, K., 2022. The multifaceted role of social capital for achieving organizational ambidexterity and supply chain resilience. IEEE Trans. Eng. Manag. https://doi.org/10.1109/TEM.2022.3174069.
Awan, U., Bhatti, S.H., Shamim, S., Khan, Z., Akhtar, P., Balta, M.E., 2022. The role of big data analytics in manufacturing agility and performance: moderation-mediation analysis of organizational creativity and of the involvement of customers as data analysts. Br. J. Manag. 33 (3), 1200-1220.
Bag, S., Rahman, M.S., Srivastava, G., Chan, H.L., Bryde, D.J., 2022. The role of big data and predictive analytics in developing a resilient supply chain network in the South African mining industry against extreme weather events. Int. J. Prod. Econ. 251, 108541.

Bansal, P., Smith, W.K., Vaara, E., 2018. New ways of seeing through qualitative research. Acad. Manag. J. 61 (4), 1189-1195.
Barney, J., 1991. Firm resources and sustained competitive advantage. J. Manag. 17 (1), 99-120.
Baron, R.M., Kenny, D.A., 1986. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations. J. Pers. Soc. Psychol. 51 (6), 1173-1182.

Barratt, M., Oke, A., 2007. Antecedents of supply chain visibility in retail supply chains: a resource-based theory perspective. J. Oper. Manag. 25 (6), 1217-1233.
Benitez, J., Henseler, J., Castillo, A., Schuberth, F., 2020. How to perform and report an impactful analysis using partial least squares: guidelines for confirmatory and explanatory IS research. Inf. Manag. 57 (2), 103168.
Berman, S.J., 2012. Digital transformation: opportunities to create new business models. Strat. Leader. 40 (2), 16-24.
Bharadwaj, A., El Sawy, O.A., Pavlou, P.A., Venkatraman, N.V., 2013. Digital business strategy: toward a next generation of insights. MIS Q. 37 (2), 471-482.
Borys, B., Jemison, D.B., 1989. Hybrid arrangements as strategic alliances: theoretical issues in organizational combinations. Acad. Manag. Rev. 14 (2), 234-249.
Bosman, L., Hartman, N., Sutherland, J., 2020. How manufacturing firm characteristics can influence decision making for investing in Industry 4.0 technologies. J. Manuf. Technol. Manag. 31 (5), 1117-1141.
Bouncken, R.B., Fredrich, V., Gudergan, S., 2022. Alliance management and innovation under uncertainty. J. Manag. Organ. 28 (3), 540-563.
Boyer, K.K., Pagell, M., 2000. Measurement issues in empirical research: improving measures of operations strategy and advanced manufacturing technology. J. Oper. Manag. 18 (3), 361-374.
Brammer, S., Branicki, L., Linnenluecke, M., 2023. Disrupting management research? Critical reflections on British journal of management COVID-19 research and an agenda for the future. Br. J. Manag. 34 (1), 3-15.
Cadden, T., McIvor, R., Cao, G., Treacy, R., Yang, Y., Gupta, M., Onofrei, G., 2022. Unlocking supply chain agility and supply chain performance through the development of intangible supply chain analytical capabilities. Int. J. Oper. Prod. Manag. 42 (9), 1329-1355.
Campbell, D.T., 1955. The informant in quantitative research. Am. J. Sociol. 60 (4), 339-342.
Centobelli, P., Cerchione, R., Ertz, M., 2020. Agile supply chain management: where did it come from and where will it go in the era of digital transformation? Ind. Market. Manag. 90, 324-345.
Chen, H.Y., Das, A., Ivanov, D., 2019. Building resilience and managing post-disruption supply chain recovery: lessons from the information and communication technology industry. Int. J. Inf. Manag. 49, 330-342.
Chen, L., Liu, H., Zhou, Z., Chen, M., Chen, Y., 2022a. IT-business alignment, big data analytics capability, and strategic decision-making: moderating roles of event criticality and disruption of COVID-19. Decis. Support Syst. 161, 113745.
Chen, L., Lee, H.L., Tang, C.S., 2022b. Supply chain fairness. Prod. Oper. Manag. 31 (12), 4304-4318.
Cherbib, J., Chebbi, H., Yahiaoui, D., Thrassou, A., Sakka, G., 2021. Digital technologies and learning within asymmetric alliances: the role of collaborative context. J. Bus. Res. 125, 214-226.
Cheung, M.S., Myers, M.B., Mentzer, J.T., 2011. The value of relational learning in global buyer-supplier exchanges: a dyadic perspective and test of the pie-sharing premise. Strat. Manag. J. 32 (10), 1061-1082.
Cohen, M.A., Kouvelis, P., 2021. Revisit of AAA excellence of global value chains: robustness, resilience, and realignment. Prod. Oper. Manag. 30 (3), 633-643.
Conlon, C., Timonen, V., Elliott-O’Dare, C., O’Keeffe, S., Foley, G., 2020. Confused about theoretical sampling? Engaging theoretical sampling in diverse grounded theory studies. Qual. Health Res. 30 (6), 947-959.
Corbin, J., Strauss, A., 2014. Basics of Qualitative Research. Sage.
Correani, A., De Massis, A., Frattini, F., Petruzzelli, A.M., Natalicchio, A., 2020. Implementing a digital strategy: learning from the experience of three digital transformation projects. Calif. Manag. Rev. 62 (4), 37-56.
Cortez, R.M., Johnston, W.J., 2020. The Coronavirus crisis in B2B settings: crisis uniqueness and managerial implications based on social exchange theory. Ind. Market. Manag. 88, 125-135.

Craighead, C.W., Ketchen Jr., D.J., Darby, J.L., 2020. Pandemics and supply chain management research: toward a theoretical toolbox. Decis. Sci. J. 51 (4), 838-866.
Cuevas-Rodríguez, G., Cabello-Medina, C., Carmona-Lavado, A., 2014. Internal and external social capital for radical product innovation: do they always work well together? Br. J. Manag. 25 (2), 266-284.
Del Giudice, M., Scuotto, V., Papa, A., Tarba, S.Y., Bresciani, S., Warkentin, M., 2021. A self-tuning model for smart manufacturing SMEs: effects on digital innovation. J. Prod. Innovat. Manag. 38 (1), 68-89.

Devaraj, S., Krajewski, L., Wei, J.C., 2007. Impact of eBusiness technologies on operational performance: the role of production information integration in the supply chain. J. Oper. Manag. 25 (6), 1199-1216.
Dhaundiyal, M., Coughlan, J., 2022. Extending alliance management capability in individual alliances in the post-formation stage. Ind. Market. Manag. 102, 12-23.
Dubey, R., Bryde, D.J., Foropon, C., Tiwari, M., Dwivedi, Y., Schiffling, S., 2021a. An investigation of information alignment and collaboration as complements to supply chain agility in humanitarian supply chain. Int. J. Prod. Res. 59 (5), 1586-1605.
Dubey, R., Bryde, D.J., Blome, C., Roubaud, D., Giannakis, M., 2021b. Facilitating artificial intelligence powered supply chain analytics through alliance management during the pandemic crises in the B2B context. Ind. Market. Manag. 96, 135-146.
Dubey, R., Bryde, D.J., Dwivedi, Y.K., Graham, G., Foropon, C., Papadopoulos, T., 2023. Dynamic digital capabilities and supply chain resilience: the role of government effectiveness. Int. J. Prod. Econ. 258, 108790.
DuHadway, S., Carnovale, S., Hazen, B., 2019. Understanding risk management for intentional supply chain disruptions: risk detection, risk mitigation, and risk recovery. Ann. Oper. Res. 283, 179-198.
Easterby-Smith, M., Lyles, M.A., Peteraf, M.A., 2009. Dynamic capabilities: current debates and future directions. Br. J. Manag. 20, S1-S8.
Eckstein, D., Goellner, M., Blome, C., Henke, M., 2015. The performance impact of supply chain agility and supply chain adaptability: the moderating effect of product complexity. Int. J. Prod. Res. 53 (10), 3028-3046.
Eisenhardt, K.M., Martin, J.A., 2000. Dynamic capabilities: what are they? Strat. Manag. J. 21 (10-11), 1105-1121.

Ellström, D., Holtström, J., Berg, E., Josefsson, C., 2021. Dynamic capabilities for digital transformation. Journal of Strategy and Management 15 (2), 272-286.
Enrique, D.V., Lerman, L.V., de Sousa, P.R., Benitez, G.B., Santos, F.M.B.C., Frank, A.G., 2022. Being digital and flexible to navigate the storm: how digital transformation enhances supply chain flexibility in turbulent environments. Int. J. Prod. Econ. 250, 108668.

Escamilla, R., Fransoo, J.C., Tang, C.S., 2021. Improving agility, adaptability, alignment, accessibility, and affordability in nanostore supply chains. Prod. Oper. Manag. 30 (3), 676-688.

Fainshmidt, S., Pezeshkan, A., Lance Frazier, M., Nair, A., Markowski, E., 2016. Dynamic capabilities and organizational performance: a meta-analytic evaluation and extension. J. Manag. Stud. 53 (8), 1348-1380.
Faruquee, M., Paulraj, A., Irawan, C.A., 2021. Strategic supplier relationships and supply chain resilience: is digital transformation that precludes trust beneficial? Int. J. Oper. Prod. Manag. 41 (7), 1192-1219.
Fayezi, S., Zomorrodi, M., 2015. The role of relationship integration in supply chain agility and flexibility development: an Australian perspective. J. Manuf. Technol. Manag. 26 (8), 1126-1157.
Flynn, B.B., Sakakibara, S., Schroeder, R.G., Bates, K.A., Flynn, E.J., 1990. Empirical research methods in operations management. J. Oper. Manag. 9 (2), 250-284.
Forkmann, S., Henneberg, S.C., Mitrega, M., 2018. Capabilities in business relationships and networks: research recommendations and directions. Ind. Market. Manag. 74, 4-26.
Fornell, C., Larcker, D.F., 1981. Evaluating structural equation models with unobservable variables and measurement error. J. Market. Res. 18 (1), 39-50.
Forza, C., 2002. Survey research in operations management: a process-based perspective. Int. J. Oper. Prod. Manag. 22 (2), 152-194.
Fosso Wamba, S., Akter, S., 2019. Understanding supply chain analytics capabilities and agility for data-rich environments. Int. J. Oper. Prod. Manag. 39 (6/7/8), 887-912.
Fosso Wamba, S., Dubey, R., Gunasekaran, A., Akter, S., 2020a. The performance effects of big data analytics and supply chain ambidexterity: the moderating effect of environmental dynamism. Int. J. Prod. Econ. 222, 107498.
Fosso Wamba, S., Queiroz, M.M., Trinchera, L., 2020b. Dynamics between blockchain adoption determinants and supply chain performance: an empirical investigation. Int. J. Prod. Econ. 229, 107791.
Friday, D., Savage, D.A., Melnyk, S.A., Harrison, N., Ryan, S., Wechtler, H., 2021. A collaborative approach to maintaining optimal inventory and mitigating stockout risks during a pandemic: capabilities for enabling health-care supply chain resilience. J. Humanit. Logist. Supply Chain Manag. 11 (2), 248-271.
Gabler, C.B., Richey Jr., R.G., Stewart, G.T., 2017. Disaster resilience through public-private short-term collaboration. J. Bus. Logist. 38 (2), 130-144.
Gereffi, G., Pananond, P., Pedersen, T., 2022. Resilience decoded: the role of firms, global value chains, and the state in COVID-19 medical supplies. Calif. Manag. Rev. 64 (2), 46-70.
Ghosh, S., Hughes, M., Hodgkinson, I., Hughes, P., 2022. Digital transformation of industrial businesses: a dynamic capability approach. Technovation 113, 102414.
Gioia, D.A., Corley, K.G., Hamilton, A.L., 2013. Seeking qualitative rigor in inductive research: notes on the Gioia methodology. Organ. Res. Methods 16 (1), 15-31.
Glaser, B., Strauss, A., 1967. The Discovery of Grounded Theory. Aldine Publishing Company, Hawthorne, New York.
Gligor, D.M., Esmark, C.L., Holcomb, M.C., 2015. Performance outcomes of supply chain agility: when should you be agile? J. Oper. Manag. 33, 71-82.

Gligor, D., Feizabadi, J., Russo, I., Maloni, M.J., Goldsby, T.J., 2020. The triple-a supply chain and strategic resources: developing competitive advantage. Int. J. Phys. Distrib. Logist. Manag. 50 (2), 159-190.
Grover, V., 2022. Digital agility: responding to digital opportunities. Eur. J. Inf. Syst. 31 (6), 709-715.

Gulati, R., 1998. Alliances and networks. Strat. Manag. J. 19 (4), 293-317.
Guo, X., Li, M., Wang, Y., Mardani, A., 2023. Does digital transformation improve the firm’s performance? From the perspective of digitalization paradox and managerial myopia. J. Bus. Res. 163, 113868.
Hair, J.F., Hult, G.T.M., Ringle, C.M., Sarstedt, M., Thiele, K.O., 2017. Mirror, mirror on the wall: a comparative evaluation of composite-based structural equation modeling methods. J. Acad. Market. Sci. 45, 616-632.
Hamann-Lohmer, J., Bendig, M., Lasch, R., 2023. Investigating the impact of digital transformation on relationship and collaboration dynamics in supply chains and manufacturing networks-A multi-case study. Int. J. Prod. Econ. 262, 108932.
Hanelt, A., Bohnsack, R., Marz, D., Antunes Marante, C., 2021. A systematic review of the literature on digital transformation: insights and implications for strategy and organizational change. J. Manag. Stud. 58 (5), 1159-1197.
Harju, A., Hallikas, J., Immonen, M., Lintukangas, K., 2023. The impact of procurement digitalization on supply chain resilience: empirical evidence from Finland. Supply Chain Manag.: Int. J. 28 (7), 62-76.
Hayes, A.F., 2009. Beyond Baron and Kenny: statistical mediation analysis in the new millennium. Commun. Monogr. 76 (4), 408-420.
Hayes, A.F., Preacher, K.J., 2010. Quantifying and testing indirect effects in simple mediation models when the constituent paths are nonlinear. Multivariate Behav. Res. 45 (4), 627-660.
He, Q., Meadows, M., Angwin, D., Gomes, E., Child, J., 2020. Strategic alliance research in the era of digital transformation: perspectives on future research. Br. J. Manag. 31 (3), 589-617.

Helo, P., Hao, Y., 2022. Artificial intelligence in operations management and supply chain management: an exploratory case study. Prod. Plann. Control 33 (16), 1573-1590.
Henseler, J., Ringle, C.M., Sarstedt, M., 2015. A new criterion for assessing discriminant validity in variance-based structural equation modeling. J. Acad. Market. Sci. 43, 115-135.
Hess, T., Matt, C., Benlian, A., Wiesböck, F., 2016. Options for formulating a digital transformation strategy. MIS Q. Exec. 15 (2), 123-139.
Homburg, C., Artz, M., Wieseke, J., 2012. Marketing performance measurement systems: does comprehensiveness really improve performance? J. Market. 76 (3), 56-77.
Huang, K., Wang, K., Lee, P.K., Yeung, A.C., 2023. The impact of industry 4.0 on supply chain capability and supply chain resilience: a dynamic resource-based view. Int. J. Prod. Econ. 262, 108913.
Hulland, J., Baumgartner, H., Smith, K.M., 2018. Marketing survey research best practices: evidence and recommendations from a review of JAMS articles. J. Acad. Market. Sci. 46, 92-108.
Hult, G.T.M., Hair Jr., J.F., Proksch, D., Sarstedt, M., Pinkwart, A., Ringle, C.M., 2018. Addressing endogeneity in international marketing applications of partial least squares structural equation modeling. J. Int. Market. 26 (3), 1-21.
Hunt, S.D., Madhavaram, S., 2020. Adaptive marketing capabilities, dynamic capabilities, and renewal competences: the “outside vs. inside” and “static vs. dynamic” controversies in strategy. Ind. Market. Manag. 89, 129-139.
Ivanov, D., 2023. Intelligent digital twin (iDT) for supply chain stress-testing, resilience, and viability. Int. J. Prod. Econ. 263, 108938.
Jajja, M.S.S., Chatha, K.A., Farooq, S., 2018. Impact of supply chain risk on agility performance: mediating role of supply chain integration. Int. J. Prod. Econ. 205, 118-138.
Juan, S.J., Li, E.Y., 2023. Financial performance of firms with supply chains during the COVID-19 pandemic: the roles of dynamic capability and supply chain resilience. Int. J. Oper. Prod. Manag. 43 (5), 712-737.

Karimi, J., Walter, Z., 2015. The role of dynamic capabilities in responding to digital disruption: a factor-based study of the newspaper industry. J. Manag. Inf. Syst. 32 (1), 39-81.

Kauppila, O.P., 2015. Alliance management capability and firm performance: using resource-based theory to look inside the process black box. Long. Range Plan. 48 (3), 151-167.
Ketchen Jr., D.J., Craighead, C.W., 2020. Research at the intersection of entrepreneurship, supply chain management, and strategic management: opportunities highlighted by COVID-19. J. Manag. 46 (8), 1330-1341.
Klimas, P., Sachpazidu, K., Stańczyk, S., 2023. The attributes of coopetitive relationships: what do we know and not know about them? Eur. Manag. J. https://doi.org/ 10.1016/j.emj.2023.02.005.

Kock, N., 2014. Advanced mediating effects tests, multi-group analyses, and measurement model assessments in PLS-based SEM. Int. J. e-Collaboration 10 (1), 1-13.
Kock, N., 2019. From composites to factors: bridging the gap between PLS and covariance-based structural equation modelling. Inf. Syst. J. 29 (3), 674-706.
Kumar, R., 2014. Managing ambiguity in strategic alliances. Calif. Manag. Rev. 56 (4), 82-102.
Kumar, N., Stern, L.W., Anderson, J.C., 1993. Conducting interorganizational research using key informants. Acad. Manag. J. 36 (6), 1633-1651.
Kumar, V., Ramachandran, D., Kumar, B., 2021. Influence of new-age technologies on marketing: a research agenda. J. Bus. Res. 125, 864-877.
L’Hermitte, C., Tatham, P., Bowles, M., Brooks, B., 2016. Developing organisational capabilities to support agility in humanitarian logistics: an exploratory study. J. Humanit. Logist. Supply Chain Manag. 6 (1), 72-99.

Lam, H.K., Ding, L., Cheng, T.C.E., Zhou, H., 2019. The impact of 3D printing implementation on stock returns: a contingent dynamic capabilities perspective. Int. J. Oper. Prod. Manag. 39 (6/7/8), 935-961.

Lee, H.L., 2004. The triple-A supply chain. Harv. Bus. Rev. 82 (10), 102-113.
Lee, H.L., 2021. The new AAA supply chain. Management and Business Review 1 (1), 173-176.
Lee, S.M., Rha, J.S., 2016. Ambidextrous supply chain as a dynamic capability: building a resilient supply chain. Manag. Decis. 54 (1), 2-23.
Levitt, B., March, J.G., 1988. Organizational learning. Annu. Rev. Sociol. 14 (1), 319-338.
Li, L., Su, F., Zhang, W., Mao, J.Y., 2018. Digital transformation by SME entrepreneurs: a capability perspective. Inf. Syst. J. 28 (6), 1129-1157.
Lin, S., Lin, J., Han, F., Luo, X.R., 2022. How big data analytics enables the alliance relationship stability of contract farming in the age of digital transformation. Inf. Manag. 59 (6), 103680.
Lioukas, C.S., Reuer, J.J., Zollo, M., 2016. Effects of information technology capabilities on strategic alliances: implications for the resource-based view. J. Manag. Stud. 53 (2), 161-183.

Liu, D.Y., Chen, S.W., Chou, T.C., 2011. Resource fit in digital transformation: lessons learned from the CBC Bank global e-banking project. Manag. Decis. 49 (10), 1728-1742.
Liu, S., Chan, F.T., Yang, J., Niu, B., 2018. Understanding the effect of cloud computing on organizational agility: an empirical examination. Int. J. Inf. Manag. 43, 98-111.
MacKenzie, S.B., Podsakoff, P.M., 2012. Common method bias in marketing: causes, mechanisms, and procedural remedies. J. Retailing 88 (4), 542-555.
Mandal, S., Dubey, R.K., 2021. Effect of inter-organizational systems appropriation in agility and resilience development: an empirical investigation. Benchmark Int. J. 28 (9), 2656-2681.

Meng, J., Hao, Z., Yang, J., Hong, Y., 2023. How does digital transformation affect organisational sustainable performance: the mediating roles of supply chain agility and integration. Int. J. Logist. Res. Appl. 1-26. https://doi.org/10.1080/ 13675567.2023 .2257139.

Min, S., Zacharia, Z.G., Smith, C.D., 2019. Defining supply chain management: in the past, present, and future. J. Bus. Logist. 40 (1), 44-55.
Mohamud, M., Sarpong, D., 2016. Dynamic capabilities: towards an organizing framework. Journal of Strategy and Management 9 (4), 511-526.
Moshtari, M., 2016. Inter-organizational fit, relationship management capability, and collaborative performance within a humanitarian setting. Prod. Oper. Manag. 25 (9), 1542-1557.
Müller, J., Hoberg, K., Fransoo, J.C., 2022. Realizing supply chain agility under time pressure: ad hoc supply chains during the COVID-19 pandemic. J. Oper. Manag. https://doi.org/10.1002/joom.1210.
Namagembe, S., 2022. Collaborative approaches and adaptability in disaster risk situations. Continuity Resilience Rev. 4 (2), 224-246.
Nasiri, M., Saunila, M., Ukko, J., 2022. Digital orientation, digital maturity, and digital intensity: determinants of financial success in digital transformation settings. Int. J. Oper. Prod. Manag. 42 (13), 274-298.
Naughton, S., Golgeci, I., Arslan, A., 2020. Supply chain agility as an acclimatisation process to environmental uncertainty and organisational vulnerabilities: insights from British SMEs. Prod. Plann. Control 31 (14), 1164-1177.
Nayal, K., Raut, R.D., Yadav, V.S., Priyadarshinee, P., Narkhede, B.E., 2022. The impact of sustainable development strategy on sustainable supply chain firm performance in the digital transformation era. Bus. Strat. Environ. 31 (3), 845-859.
Niesten, E., Jolink, A., 2015. The impact of alliance management capabilities on alliance attributes and performance: a literature review. Int. J. Manag. Rev. 17 (1), 69-100.
Ning, Y., Li, L., Xu, S.X., Yang, S., 2023. How do digital technologies improve supply chain resilience in the COVID-19 pandemic? Evidence from Chinese manufacturing firms. Frontiers of Engineering Management 10 (1), 39-50.
Omrani, N., Rejeb, N., Maalaoui, A., Dabić, M., Kraus, S., 2022. Drivers of digital transformation in SMEs. IEEE Trans. Eng. Manag. https://doi.org/10.1109/ TEM.2022.3215727.
Papanagnou, C., Seiler, A., Spanaki, K., Papadopoulos, T., Bourlakis, M., 2022. Datadriven digital transformation for emergency situations: the case of the UK retail sector. Int. J. Prod. Econ. 250, 108628.
Park, S., Braunscheidel, M.J., Suresh, N.C., 2023. The performance effects of supply chain agility with sensing and responding as formative capabilities. J. Manuf. Technol. Manag. https://doi.org/10.1108/JMTM-09-2022-0328.
Patrucco, A.S., Kähkönen, A.K., 2021. Agility, adaptability, and alignment: new capabilities for PSM in a post-pandemic world. J. Purch. Supply Manag. 27 (4), 100719.

Pournader, M., Kach, A., Talluri, S., 2020. A review of the existing and emerging topics in the supply chain risk management literature. Decis. Sci. J. 51 (4), 867-919.
Prashant, K., Harbir, S., 2009. Managing strategic alliances: what do we know now, and where do we go from here? Acad. Manag. Perspect. 23 (3), 45-62.
Preacher, K.J., Hayes, A.F., 2004. SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behav. Res. Methods Instrum. Comput. 36 (4), 717-731.
Queiroz, M., Tallon, P.P., Sharma, R., Coltman, T., 2018. The role of IT application orchestration capability in improving agility and performance. J. Strat. Inf. Syst. 27 (1), 4-21.

Queiroz, M.M., Fosso Wamba, S., Raut, R.D., Pappas, I.O., 2023. Does resilience matter for supply chain performance in disruptive crises with scarce resources? Br . J. Manag. https://doi.org/10.1111/1467-8551.12748.
Rai, A., Patnayakuni, R., Seth, N., 2006. Firm performance impacts of digitally enabled supply chain integration capabilities. MIS Q. 30 (2), 225-246.

Rao, S., Gulley, A., Russell, M., Patton, J., 2021. On the quest for supply chain transparency through Blockchain: lessons learned from two serialized data projects. J. Bus. Logist. 42 (1), 88-100.

Rapaccini, M., Saccani, N., Kowalkowski, C., Paiola, M., Adrodegari, F., 2020. Navigating disruptive crises through service-led growth: the impact of COVID-19 on Italian manufacturing firms. Ind. Market. Manag. 88, 225-237.
Richey, R.G., Tokman, M., Dalela, V., 2010. Examining collaborative supply chain service technologies: a study of intensity, relationships, and resources. J. Acad. Market. Sci. 38, 71-89.
Richey, R.G., Roath, A.S., Adams, F.G., Wieland, A., 2022. A responsiveness view of logistics and supply chain management. J. Bus. Logist. 43 (1), 62-91.
Ringle, C.M., Sarstedt, M., 2016. Gain more insight from your PLS-SEM results: the importance-performance map analysis. Ind. Manag. Data Syst. 116 (9), 1865-1886.
Ringov, D., 2017. Dynamic capabilities and firm performance. Long. Range Plan. 50 (5), 653-664.
Roscoe, S., Aktas, E., Petersen, K.J., Skipworth, H.D., Handfield, R.B., Habib, F., 2022. Redesigning global supply chains during compounding geopolitical disruptions: the role of supply chain logics. Int. J. Oper. Prod. Manag. 42 (9), 1407-1434.
Rothaermel, F.T., Deeds, D.L., 2006. Alliance type, alliance experience and alliance management capability in high-technology ventures. J. Bus. Ventur. 21 (4), 429-460.
Sarker, S., Rashidi, K., Gölgeci, I., Gligor, D.M., Hsuan, J., 2022. Exploring pillars of supply chain competitiveness: insights from leading global supply chains. Prod. Plann. Control 1-18. https://doi.org/10.1080/09537287.2022.2145246.
Sarstedt, M., Hair, J.F., Ringle, C.M., Thiele, K.O., Gudergan, S.P., 2016. Estimation issues with PLS and CBSEM: where the bias lies. J. Bus. Res. 69 (10), 3998-4010.
Sarstedt, M., Hair, J.F., Pick, M., Liengaard, B.D., Radomir, L., Ringle, C.M., 2022. Progress in partial least squares structural equation modeling use in marketing research in the last decade. Psychol. Market. 39 (5), 1035-1064.
Schilke, O., 2014a. On the contingent value of dynamic capabilities for competitive advantage: the nonlinear moderating effect of environmental dynamism. Strat. Manag. J. 35 (2), 179-203.
Schilke, O., 2014b. Second-order dynamic capabilities: how do they matter? Acad. Manag. Perspect. 28 (4), 368-380.
Schilke, O., Goerzen, A., 2010. Alliance management capability: an investigation of the construct and its measurement. J. Manag. 36 (5), 1192-1219.
Schilke, O., Hu, S., Helfat, C.E., 2018. Quo vadis, dynamic capabilities? A contentanalytic review of the current state of knowledge and recommendations for future research. Acad. Manag. Ann. 12 (1), 390-439.
Schoenherr, T., Swink, M., 2015. The roles of supply chain intelligence and adaptability in new product launch success. Decis. Sci. J. 46 (5), 901-936.
Schräge, M., Muttreja, V., Kwan, A., 2022. How the wrong KPIs doom digital transformation. MIT Sloan Manag. Rev. 63 (3), 35-40.
Schreiner, M., Kale, P., Corsten, D., 2009. What really is alliance management capability and how does it impact alliance outcomes and success? Strat. Manag. J. 30 (13), 1395-1419.
Shen, Z.M., Sun, Y., 2023. Strengthening supply chain resilience during COVID-19: a case study of JD. com. J. Oper. Manag. 69 (3), 359-383.
Sheng, J., Amankwah-Amoah, J., Khan, Z., Wang, X., 2021. COVID-19 pandemic in the new era of big data analytics: methodological innovations and future research directions. Br. J. Manag. 32 (4), 1164-1183.
Shrey, A., Dutt, A., Roy, D., 2022. Impact Of COVID-19 Disruptions on the Supply Chain: Insights from India (No. WP 2022-06-01). Indian Institute of Management Ahmedabad, Research and Publication Department.
Sirmon, D.G., Hitt, M.A., Ireland, R.D., Gilbert, B.A., 2011. Resource orchestration to create competitive advantage: breadth, depth, and life cycle effects. J. Manag. 37 (5), 1390-1412.

Sobel, M.E., 1982. Asymptotic confidence intervals for indirect effects in structural equation models. Socio. Methodol. 13 (Year 1982), 290-312.
Sodhi, M.S., Tang, C.S., 2021. Supply chain management for extreme conditions: research opportunities. J. Supply Chain Manag. 57 (1), 7-16.
Sodhi, M.S., Tang, C.S., Willenson, E.T., 2023. Research opportunities in preparing supply chains of essential goods for future pandemics. Int. J. Prod. Res. 61 (8), 2416-2431.
Sousa-Zomer, T.T., Neely, A., Martinez, V., 2020. Digital transforming capability and performance: a microfoundational perspective. Int. J. Oper. Prod. Manag. 40 (7/8), 1095-1128.
Squire, B., Cousins, P.D., Brown, S., 2009. Cooperation and knowledge transfer within buyer-supplier relationships: the moderating properties of trust, relationship duration and supplier performance. Br. J. Manag. 20 (4), 461-477.
Stuart, F.I., 1997. Supply-chain strategy: organizational influence through supplier alliances. Br. J. Manag. 8 (3), 223-236.
Tallon, P.P., Queiroz, M., Coltman, T., Sharma, R., 2019. Information technology and the search for organizational agility: a systematic review with future research possibilities. J. Strat. Inf. Syst. 28 (2), 218-237.
Teece, D.J., 2007. Explicating dynamic capabilities: the nature and microfoundations of (sustainable) enterprise performance. Strat. Manag. J. 28 (13), 1319-1350.
Teece, D.J., Pisano, G., Shuen, A., 1997. Dynamic capabilities and strategic management. Strat. Manag. J. 18 (7), 509-533.
Teece, D., Peteraf, M., Leih, S., 2016. Dynamic capabilities and organizational agility: risk, uncertainty, and strategy in the innovation economy. Calif. Manag. Rev. 58 (4), 13-35.
Teng, B.S., 2007. Corporate entrepreneurship activities through strategic alliances: a resource-based approach toward competitive advantage. J. Manag. Stud. 44 (1), 119-142.

Tsou, H.T., Chen, J.S., 2023. How does digital technology usage benefit firm performance? Digital transformation strategy and organisational innovation as mediators. Technol. Anal. Strat. Manag. 35 (9), 1114-1127.
Turken, N., Geda, A., 2020. Supply chain implications of industrial symbiosis: a review and avenues for future research. Resour. Conserv. Recycl. 161, 104974.
Vaia, G., Arkhipova, D., DeLone, W., 2022. Digital governance mechanisms and principles that enable agile responses in dynamic competitive environments. Eur. J. Inf. Syst. 31 (6), 662-680.
Verbeke, A., 2020. Will the COVID-19 pandemic really change the governance of global value chains? Br. J. Manag. 31 (3), 444-446.
Verhoef, P.C., Broekhuizen, T., Bart, Y., Bhattacharya, A., Dong, J.Q., Fabian, N., Haenlein, M., 2021. Digital transformation: a multidisciplinary reflection and research agenda. J. Bus. Res. 122, 889-901.
Viswanathan, M., Kayande, U., 2012. Commentary on “common method bias in marketing: causes, mechanisms, and procedural remedies”. J. Retailing 88 (4), 556-562.
Wang, Q., Du, Z.Y., 2022. Changing the impact of banking concentration on corporate innovation: the moderating effect of digital transformation. Technol. Soc. 71, 102124.

Wang, X., Lin, X., Shao, B., 2022. How does artificial intelligence create business agility? Evidence from chatbots. Int. J. Inf. Manag. 66, 102535.
Warner, K.S., Wäger, M., 2019. Building dynamic capabilities for digital transformation: an ongoing process of strategic renewal. Long. Range Plan. 52 (3), 326-349.
Whitten, G.D., Green, K.W., Zelbst, P.J., 2012. Triple-A supply chain performance. Int. J. Oper. Prod. Manag. 32 (1), 28-48.
Wieland, A., 2021. Dancing the supply chain: toward transformative supply chain management. J. Supply Chain Manag. 57 (1), 58-73.
Winter, S.G., 2003. Understanding dynamic capabilities. Strat. Manag. J. 24 (10), 991-995.
Wright, L.T., Robin, R., Stone, M., Aravopoulou, D.E., 2019. Adoption of big data technology for innovation in B2B marketing. J. Bus. Bus. Market. 26 (3-4), 281-293.

Wulandhari, N.B.I., Budhwar, P., Mishra, N., Akbar, S., Do, Q., Milligan, G., 2022. Organizational resilience to supply chain risks during the COVID-19 pandemic. Br. J. Manag. https://doi.org/10.1111/1467-8551.12648.
Xu, D., Dai, J., Paulraj, A., Chong, A.Y.L., 2022. Leveraging digital and relational governance mechanisms in developing trusting supply chain relationships: the interplay between blockchain and norm of solidarity. Int. J. Oper. Prod. Manag. 42 (12), 1878-1904.

Yang, Y., Yee, R.W., 2022. The effect of process digitalization initiative on firm performance: a dynamic capability development perspective. Int. J. Prod. Econ. 254, 108654.

Yang, J., Lai, K.H., Wang, J., Rauniar, R., Xie, H., 2015. Strategic alliance formation and the effects on the performance of manufacturing enterprises from supply chain perspective. Int. J. Prod. Res. 53 (13), 3856-3870.
Yang, L., Huo, B., Tian, M., Han, Z., 2021. The impact of digitalization and interorganizational technological activities on supplier opportunism: the moderating role of relational ties. Int. J. Oper. Prod. Manag. 41 (7), 1085-1118.
Ye, F., Liu, K., Li, L., Lai, K.H., Zhan, Y., Kumar, A., 2022. Digital supply chain management in the COVID-19 crisis: an asset orchestration perspective. Int. J. Prod. Econ. 245, 108396.
Yeow, A., Soh, C., Hansen, R., 2018. Aligning with new digital strategy: a dynamic capabilities approach. J. Strat. Inf. Syst. 27 (1), 43-58.
Zahra, S.A., Sapienza, H.J., Davidsson, P., 2006. Entrepreneurship and dynamic capabilities: a review, model and research agenda. J. Manag. Stud. 43 (4), 917-955.
Zhang, J., Chen, Y., Li, Q., Li, Y., 2023. A review of dynamic capabilities evolution-based on organisational routines, entrepreneurship and improvisational capabilities perspectives. J. Bus. Res. 168, 114214.
Zhao, N., Hong, J., Lau, K.H., 2023. Impact of supply chain digitalization on supply chain resilience and performance: a multi-mediation model. Int. J. Prod. Econ. 259, 108817.

Zhou, Y., Gomes, E., Vendrell-Herrero, F., 2023. Learning ‘from’vs. learning ‘about’partners in pre-acquisition strategic alliances: the role of familiarity. Long. Range Plan., 102386 https://doi.org/10.1016/j.lrp.2023.102386.