在国际化的环境下运用机器学习预测市场吸引力的研究论文

目的：本研究的目的是探讨软件开发公司（SDF）的首席技术官（CTO）关于如何以及为何可以使用机器学习（ML）方法来支持国外市场评估和评估的看法，观点和意见。选择决策设计/方法/方法：进行了定性研究。 该研究设计是一个多案例研究，包含六个半结构化SDF首席技术官和来自案例研究公司的ML应用的公司文档的深度访谈，作为证据来源。调查结果：该多案例研究的结果表明以下四个调查结果：1）使用机器学习支持国外市场评估和选择决策具有改善质量和效率的潜力，2）数据可用性是机器学习支持国外市场评估和选择决策的关键因素，3）“易于使用”和“易于解释”的机器学习监督方法最适合支持国外市场评估和选择决策，并且4）现有的机器学习开发方法可用于支持市场评估和选择决策。 由于研究方法的缘故，这些发现的适用性有限，并且仅对这些案例研究公司有效。研究/实践意义：这项研究的结果可能与对决策过程进一步数字化感兴趣的研究人员有关。 结果可能也与从业人员更好地理解ML方法在复杂且具有财务重要性的决策流程（例如，国外市场的评估和选择）中的用法有关。原创性/价值：本工作结合了国际化的基础理论Johanson和Vahlne在具有机器学习的概念和方法的Uppsala国际化过程模型中，其关系尚未被学术论述所涵盖。