A digital business ecosystem maturity model for personal service firms

Auteurs : Ricardo Guerrero (Jacobs University Bremen gGmbH), Christoph Lattemann (Jacobs University Bremen gGmbH), Simon Michalke (Jacobs University Bremen gGmbH), Dominik Siemon (LUT University)

Handbook on Digital Business Ecosystems edited by Sabine Baumann, published in 2022, Edward Elgar Publishing Ltd
This is a draft chapter. The final version is available in Handbook on Digital Business Ecosystems edited by Sabine Baumann, published in 2022, Edward Elgar Publishing Ltd https://doi.org/10.4337/9781839107191.00026

Résumé : Personal services can be found in sectors such as education, retail, hospitality, and craftsmanship. As of today, personal service firms lack the know-how and experience on how to implement processes and practices to effectively build digital business ecosystems. This becomes an obstacle for these kinds of firms to overcome the challenges of todays digital age. Based on the guidelines of Design Science Research (DSR), we address this gap by proposing a maturity model, which offers specific guidance for this sector to be able to achieve the transition from analog to digital. The design of the model is grounded in a systematic literature review, semi-structured interviews, and a validation test involving company representatives from the field of personal services, business ecosystems, and digitalization. Results revealed a series of dimensions, capabilities, and maturity stages indicating an evolutionary path towards digital maturity for personal service firms. Thus, leading them to achieve a digital business ecosystem.

Soumis à arXiv le 02 Nov. 2022

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.