تجزیه و تحلیل داده های بزرگ در شرکت های اروپایی (مقاله ترجمه شده)

چکیده

در زمینه مدیریت استراتژیک، قابلیت های پویا (DC) مانند چابکی سازمانی در جستجو برای مزیت رقابتی در نظر گرفته می شود. تحقیقات اخیر ادعا می کنند که تحقیقات ارزش کسب و کار IT نیازمند یک دیدگاه پویا تر است. خصوصا، زنجیره ارزش بزرگ تجزیه و تحلیل داده ها (BDA) هنوز بررسی نشده است. برای بررسی ارزش BDA، یک مدل مفهومی بر اساس دیدگاه مبتنی بر دانش و تئوری DC پیشنهاد شده است. برای بررسی تجربیاین مدل، این تحقیق به بررسی طیف گسترده ای از 500 شرکت اروپایی و مدیران IT و کسب و کار آنها می پردازد. نتایج نشان می دهد که BDA می تواند ارزش تجاری را به چندین مرحلهاز زنجیره ارزش ارایه دهد. BDA می تواند چابکی سازمانی را از طریق مدیریت دانش و تاثیر آن در فرآیند و مزیت رقابتی ایجاد کند. همچنین، این مقاله نشان می دهد که چابکی می تواند تا حدی بین دارایی های دانش و عملکرد (سطح فرآیند و مزیت رقابتی) تاثیر می گذارد. این مدل 77.8٪ از تغییر در مزیت رقابتی را توضیح می دهد. مقاله حاضر همچنین مفاهیم نظری و عملی این مطالعه و محدودیت های مطالعه را ارائه می دهد.

مقدمه

در عصر داده های بزرگ، شرکت ها در هر بخشنیاز به مقابله با مقدار زیادیداده، دارند. داده های موجود در مقادیر زیاد می توانند بینش های ارزشمند و مزیت رقابتی را در صورت داشتن منابع فناوری و سازمانی مناسب از آنها ارائه دهند (مورابیتو، 2015). اخیرا، چندین تن از افراد دانشگاهی و کارشناسان بر نیاز به درک چگونگی، چرایی و زمان ارزشمند بودن برنامه های تجزیه تحلیل داده های بزرگ(BDA) برای شرکتها به منظور کسب مزیت رقابتی تأکید کرده اند(عباسی، سارکر و چیانگ، 2016؛ اگروال و دهار، 2014؛ کورت ریل اولیویرا و رایو، 2014؛ لاوال و همکاران.، 2011). اگر چه فناوریهای BDA به عنوان «چیز بزرگ بعدی برای نوآوری» (به عنوان مثال منبع بالقوه ارزش تجاری و مزیت رقابتی) شناخته شده است، زنجیره ارزش BDA همچنان نسبتا ناشناخته باقی می ماند و نیازمند بررسی بیشتر است. هیچ تحقیق تجربی وجود ندارد که ارزیابی کند که چگونه BDA می تواند ارزش کسب و کار (عباسی و همکاران ، 2016)، ایجاد ارتباط بین دارایی دانش، چابکی سازمانی و عملکرد (سطح فرآیند و مزیت رقابتی)را به ارمغان بیاورد (کورت ریل و دیگران، 2014). بنگاههایی که BDA را در فعالیتهای تجاری خود تزریق می کنند، می تواند با تاثیر5٪در تولید و سودآوری 6٪بر همتایان خود پیشی بگیرند (بارتون ، 2012). به همین دلیل، شرکت های اروپایی به شدت خواهانسرمایه گذاری در فن آوریتجزیه و تحلیل داده های بزرگ هستند (ساس، 2013؛ شارما ، میساس و مانکان هالی، 2014). با این وجود، این سرمایه گذاری تنها زمانی می تواند ارزشمند باشد، که سازمان ها از تکنولوژی و منابع سازمانی مناسب برای دستیابی به مزیت رقابتی استفاده کنند (منیکتا و همکاران.، 2011a).

در پاسخ به کمبود تحقیق در مورد این موضوع، این مطالعه تاثیر BDA را در زنجیره ارزش کسب و کار در یک زمینه اروپایی است کهتوسط آزمون تجربییک چارچوب نظری جدید ، ادغام دو نظریه مدیریت استراتژیک (دیدگاه مبتنی بر دانش (KBV) و قابلیت های پویا (DC)) در سطح شرکت را بررسی می کند. این مقاله نه تنها تحقیقات BDA را از طریق انتقال، ادغام و بررسی فرضیه ها در زمینه های نوآوری و مدیریت فناوری اطلاعات گسترش می دهد، بلکه همچنینبه پژوهش های DCو تجربیات پیشین و تاثیرات یک قابلیت پویا مشخص (چابکی سازمانی)در هنگام استفاده از فناوری BDA ، کمک می کند . این اولین مقاله است که تمام زنجیره ارزش BDA را در سطح شرکت بررسی می کند، مفاهیم مدیریت دانش، چابکی و عملکرد (سطح فرآیند و مزیت رقابتی) را مرتبط می کند. برای روشن شدن نقش چابکی بر عملکرد، این مقالات بررسی می کنند که آیا چابکی نقش یک میانجی دارایی دانش روی عملکرد (عملکرد فرآیند و مزیت رقابتی) دارد. این مطالعه به بررسی سه سوال تحقیق (RQs) زیر می پردازد:

RQ1- قابلیتهای BDA برای ایجاد چابکی سازمانی چیست؟

RQ2- تاثیرات این قابلیت پویای ایجاد شده توسط BDA در مزایای رقابتی پایدار چیست؟

RQ3-آیا چابکی نقش یک میانجی دارایی های دانش روی عملکرد (عملکرد فرآیند و مزیت رقابتی) را داراست؟

زمینه

تجزیه و تحلیل داده های بزرگ

چن، چیانگ (چن ، چیانگ و استوری؛2012) اصطلاحتجزیه و تحلیل داده های بزرگ (BDA) را به عنوان فیلد مرتبط با هوش و تجزیه و تحلیل کسب و کار (BI و A)، با استفاده از فن آوری های BI و A که عمدتا مربوط به داده کاوی و تجزیه و تحلیل آماری است، تدوین کرد. نویسندگان BDA را "نسل جدیدی از فن آوری ها و معماری ها، تعریف می کنند که به لحاظ اقتصادی از حجم بسیار زیادی از داده های متنوع استخراج می گردند، با امکان ضبط، کشف و / یا تجزیه و تحلیل با سرعت بالا".(IDC، 2011). فن آوری های BDA بهبهبود برنامه های موجود، با ارائه تمرین های تجاری و متدولوژی هایی که مزیت رقابتی را به ارمغان می آورند، کمک می کند (Chen et al.، 2012؛ دون پورت ، 2006). جدیدترین ادبیات نشان می دهد که فضای زیادی برای تحقیقات بیشتر BDA وجود دارد (عباسی و همکاران., 2016; اگروال و دهر, 2014؛ اروالز, فوکواو اسواینه, 2016). در حال حاضر مطالعات علمی وجود دارد که نشان دهنده پذیرش و استفاده از BDA است (به عنوان مثال، (ملادی،2013؛ خو، فرانکویچ، ورامیرز، 2015؛ کوان، لی وشین ، 2014). با توجه به ارزش، اکثر مطالعات دانشگاهی BDA بر تحلیل ارزش کسب و کار از یک دیدگاه داده یا سیستم تمرکز می کنند (مثلا (لاواله و همکاران، 2011؛ کوون و همکاران، 2014). از دیدگاه مدیریت استراتژیک، تنها یک مقاله مفهومی به بررسی چگونگی تاثیر BDA بر فعالیت های بازاریابی می پردازد (اروالز و همکاران.، 2016).همانطور که شرکت ها نمی دانند چگونه ارزش کسب و کار را بدست آورند (بارتون ،2012 ؛ لا واله و همکاران 2011) ، بعضی از محققان (کورت ریل و همکاران، 2014؛ مالدی، 2013) نیز معتقدند که تحقیقات ارزش BDA کمیاب است و نیاز به فراتر از مراحل پس از تصویب به سمت رقابت دارد (اروالز و همکاران 2016؛ خو و همکاران ،2015). اگر چه رویکردهای متعددی ارزش فناوری اطلاعات را در سطوح فرایند و تأیید ارزیابی می کنند (شریئن (شریئن، 2013) را برای بررسی بازبینی کنید). این تحقیق، با بررسی تجربی از ارزش زنجیره ارزش کسب و کار BDA در شرکت های اروپایی، تحقیق ارزش کسب و کار کسب و کار را از دیدگاه مدیریت استراتژیک گسترش می دهد.

مدل مفهومی

با استفاده از دو نظریه مدیریت استراتژیک (KBV و DC) که در بالا بحث شده است، این بخش مدل مفهومی و فرضیه های خاص را توضیح می دهد (شکل 1).

این مدل تحقیق در یک مدل مفهومی پیشین (کورت ریل و همکاران، 2014) ریشه دارد و به طور تجربی 12 پیشنهاد را آزمایش می کند. با استفاده ازاین تحقیق تمام زنجیره ارزش را با شروع چگونگی استفاده از BDA ، می توان اشکال مختلف دانش را برای ایجاد چابکی سازمانی (H1، H2، H3) ارزیابی کرد. فن آوری های BDA می توانند با استفاده از مدیریت دانش موثر، چابکی سازمانی را به شرکت ارائه دهند. شرکت هایی که دارای این نوع از قابلیت های پویا هستند، می توانند مزیت رقابتی را بی درنگ (H4a) یا به طور مستقیم از طریق فرآیندهای کسب و کار (H4b) به دست آورند. نتایج به دست آمده با استفاده از فرآیندهای کسب و کار بر سازمان کلی تاثیر می گذارد (H5). چابکی همچنین می تواند رابطه بین دارایی های دانش و عملکرد (H6a، b، c-H7a، b، c) باشد. BDA از بعضی از کنترل ها مانند کشور، صنعت، آشفتگی تکنولوژیکی و زمان استفاده می کند.

فرضیه ها

دارایی های دانش

دانش سازماني از قبيل روال عمليات، مهارت ها و دانشبه منزله يک منبع کليدي رقابتي است (گرانت، 1996). مدیریت دانش نقشی حیاتی در مدیریت ماهرانهداده هاوارائه آن را به کاربران نهایی برای پشتیبانی از فرایندهای تجاری بازی می کند (راج پاتک و نسرینگ پارکار، 2013). مدیریت دانش یک ابعاد پشتیبانی شده توسط KBV(راگلس، 1998) را نشان می دهد و توانایی های پویایی را با ارائه قابلیت های عملکردی خاص، قادر می سازد تا عملکرد کسب و کار را بهبود بخشد (تیس و همکاران.، 1997). رابطه طبیعی بین KM و BDA وجود دارد. هر دو با دارایی های نامشهود مانند داده، دانش و اطلاعات در ارتباط هستند (اریکسون وروزبرگ، 2015). BDA منبع مدیریت دانش است، به این ترتیب شرکت ها می توانند ارزش اولیه را در ابتدای زنجیره ارزش اطلاعات افزایش دهند و دانش را برای دستیابی به برتری کسب و کار افزایش دهند (چو و خو ، 2012؛ پاپ ویجت و همکاران.، 2012).

طرح پژوهش

اندازه گیری

برای تست مدل (شکل 1) و فرضیه های مرتبط، این مطالعه یک نظرسنجی چند کشور از سازمان های اروپایی از چندین صنایع را انجام می دهد. به دنبال توصیه های مور و بنباست (مور و بنباست، 1991)، این مطالعه از یک ابزار نظرسنجی استفاده می کند که براساس بررسی ادبیات جامع است. با توجه به اعتبار محتوا، پنج محقق دانشگاهی آکادمیک IS و دو کارشناس زبان، هر یک از آیتم ها را در این پرسشنامه بررسی می کنند و محتوا، محدوده و هدف آن را ارزیابی می کنند (برسلین، 1970). برای بررسی مشکل سؤالات، همراه با پایایی و رواییمقیاس ها، یک مطالعه آزمایشی از نمونه ای از 30 مدیر عامل از شرکت هایی که بخشی از نظرسنجی اصلی نیستند استفاده می کند. از بین بردن برخی موارد، ابهام را کاهش می دهد و تفسیر را ساده می کند. این پرسشنامه نظرسنجی واندازه گیریآیتم ها در ضمیمه A هستند.

نتایج

برای برآورد مدل مفهومی،این مطالعه از روش حداقل مربعات جزئی (PLS) استفاده می کند ، (هیر، رینگل، و اسارستد،2011). PLS هدف تحقیق را با بررسی اعتبار سازه، بدون نیاز به توزیع نرمال برای متغیرها، برآورده می سازد. PLSبه اندازه نمونه ده برابر بیشترین تعداد مسیرهای ساختاری که به یک ساختار خاص هدایت می شوند، نیاز دارد ،( گیفن و استراب 2005). در مدل مفهومی، بیشترین تعداد مسیرهای ساختاری که به یک ساختار خاص هدایت می شوند، سه است، به این معنی که حداقل اندازه نمونه باید 30 باشد. نمونه بزرگتر است (n = 175)، به این معنی که برای PLS مناسب است. قبل از آزمایش مدل ساختاری، مطالعه مدل اندازه گیری را برای ارزیابی قابلیت اطمینان و اعتبار آن مورد تجزیه و تحلیل قرار می دهد.

مدل اندازه گیری

در این مطالعه، به منظور ارزیابی مدل اندازه گیری،قابلیت اطمینان شاخص،روایی سازه، اعتبار همگرا و اعتبار تفکیکی مورد بررسی قرار گرفته است.جداول 3 و 4 نتایج مدل اندازه گیری را نشان می دهد. با توجه به قابلیت اطمینان شاخص، فقط بارهای بالاتر از 0.7 در نظر گرفته شد. از این رو، چهار مورد (ENKM5، DC1، PLP3-4) حذف شدند. همانطور کهجدول 3 نشان می دهد، این ابزار ارائه قابلیت اطمینان شاخص خوبی، به عنوان بار بالا 0.70 است. ضریب پایایی کامپوزیت، اعتبار سازه را ارزیابی می کند، زیرا قابلیت اطمینان سازه، شاخص های دارای بارهای مختلف را در نظر می گیرد. هیر و دیگران، 2011؛هنسلر،رینگلر، و اسکینویس ، 2009). جدول 4 نشان می دهد که تمام سازه ها پایایی کامپوزیتی بیش از 0.7 دارند، که نشان می دهد که سازه ها قابل اعتماد هستند. برای بررسی روایی همگرا، مطالعه از واریانس متوسط استخراج شده (AVE) استفاده می کند. AVE باید بالاتر از 0.5 باشد (به عنوان مثال متغیر پنهان بیش از نیمی از واریانس شاخص های آن را توضیح می دهد (هنسلر و همکاران، 2009؛ فرونل و لارکر، 1981). جدول 4 نشان می دهد که تمام سازه ها این معیار را برآورده می کنند. با توجه به اعتبار تشخیصی، مطالعه از دو روش استفاده می کند: معیار فرنل - لارکر و مقادیر متقابل. نخست، با توجه به فورنل و لارکر (فورنل و لارکر، 1981)، ریشه دوم AVE باید بیشتر از همبستگی با دیگر متغیرهای نهفته باشد. جدول 4 نشان می دهد که ریشه های مربع AVE ها (به صورت پررنگ) بالاتر از همبستگی بین سازه ها است. تمام سازه ها شواهدی از سوگیری قابل قبول را نشان می دهند. دوم، بارگیری هر شاخص باید بیشتر از همه بار متقابل باشد (چن، 1998a) (جدول 3 را ببینید). به طور کلی، مدل دارای قابلیت اطمینان شاخص، روایی سازه، روایی همگرایی و روایی تفکیکیاست. همانطور که این معیارها برآورده می شوند، سازه ها می توانند مدل ساختاری را آزمایش کنند.

بحث

برای اینکه عنوان BDAبتواند مقدار را به روش های مختلف تولید کند، نیاز به درک کل زنجیره وجود دارد. این مطالعه شکاف تحقیق را با ارزیابی نه تنها پیشینها بلکه همچنین تأثیرات ابتکارات BDAرادر شرکتهای اروپاییپر می کند.

نتایج به شدت از این ادعا حمایت می کند که برنامه های BDA می توانند مدیریت دانش درونی و بیرونی موثری داشته باشند که می تواند به ایجاد چابکی سازمانی کمک کند. این چابکی در چندین راه وجود دارد: (1) با حس کردن فرصت ها و تهدیدات (مثلا واکنش به محصولات جدید یا خدمات رقبا). (2) با استفاده از شانس های احتمالی (به عنوان مثال، گسترش به بازارهای جدید منطقه ای یا بین المللی) و (3) با تنظیممحیط تکنولوژیکی برای دستیابی به مزیت رقابتی (به عنوان مثال، اتخاذ فن آوری های جدید برای تولید محصولات و خدمات موثرتر). این ادعا با ادبیات پیشین مطابقت دارد (چن و همکاران، 2014؛ لیو و همکاران، 2014؛ شر و لی ، 2004).

محدودیت ها و تحقیقات بیشتر

محدودیت های خاصی برای تفسیر نتایج این مطالعه اعمال می شود. اول، سوابق چابکیفراتر از منابع دانش خاص موجود در مدل ، گسترش نمی یابد. عوامل دیگر نیز می توانند توسعه این قابلیت پویا را در شرکت های اروپایی تعیین کنند. مطالعات آینده ممکن است شامل این منابع به عنوان متغیرهای مدل و یا تعدیل متغیرهای موجود باشد. دوم، اگر چهاین مطالعه در ساختارهای مدل ، نشاندن اثر BDA در سطح فرآیند، مدل در سطح سازمانی ،را در نظر می گیرد. قبل از تعمیم دادن، محققان باید یک مطالعه طولی بر اساس رویکرد فرآیند انجام دهند. تحقیقات آینده باید از ساختارهای خاصی برای ارزیابی تأثیرات BDA در زمینه های مختلف کسب و کار استفاده کند. سوم، با توجه به ماهیت ادراکی اقدامات مورد استفاده، مطالعات آینده باید مسائل مربوط به طراحی پژوهشی مقطعی را شناسایی کند. اگرچه استفاده از اقدامات عینی برای ارزیابی عملکرد شرکت مهم است، اما در این مطالعه شرکت ها تمایلی به ارائه آن ندارند. چهارم: اگر چه اندازه نمونه از لحاظ آماری کافی است، نمونه ای بزرگتر می تواند مفید باشد تا نتیجه گیری این مطالعه را تقویت کند.

نتیجه گیری

به عنوان تجزیه و تحلیل داده های بزرگ (BDA) می توان ارزش های مختلف به شرکت ها ، بسیاری از دانش پژوهان نیاز به درک مسیر به مزیت رقابتی را فراهم می کند. نتیجه اصلی که از این مقاله به دست می آید درک زنجیره ارزش BDA است. بر اساس دیدگاه مبتنی بر دانش (KBV) و توانایی های پویا (DC)، این مطالعه شکاف تحقیق را از دیدگاه مدیریت استراتژیک، با درک پیشینی ها (دارایی های دانش) و اثرات (بر عملکرد در سطح فرایند و مزیت رقابتی) طرح های BDA در شرکت های اروپایی، پر میکند. نتایج نشان می دهد که این مدل به طور قابل توجهی تمام متغیرهای وابسته را توضیح می دهد (8/61٪ از تغییرات چابکی، 8/57٪ از تغییرات عملکرد فرایند و 8/77٪ از تغییرات مزیت رقابتی) .نتایج عمده این تحقیق عبارتند از:

1) BDAمی تواند یک سرمایه گذاری استراتژیک برای شرکت های اروپایی برای افزایش چابکی سازمانی و در بازارهای رقابتی باشد. شرکت ها باید در توسعه چابکی سازمانی حمایت شده با برنامه های کاربردی BDA سرمایه گذاری کنند.

2) برای ایجاد چابکی، شرکت های اروپایی معتقدند که هدایت دانش خارجی ناشی از برنامه های BDAمی تواند در ایجاد چابکی بیشتر از دانش درونی باشد. به اشتراک گذاری دانش با شرکای تجاری مشکل است، زیرا به اشتراک گذاری، یک مانع بالقوه برای عملکرد فرآیند است.

3) با توجه به تاثیرات چابکی، این قابلیت مستقیما منجر به عملکرد بهتر (سطح فرآیند و مزیت رقابتی) می شود، اما می تواند اثرات ناشی از دارایی های دانش را بر عملکرد تعدیل کند. این بدان معنی است که ابتکارات BDA می تواند منجر به بهبود بهره وری عملیاتی شود، اما راه های مختلفی می توانند منجر به مزیت رقابتی شوند.

بنابراین، یک نیاز اساسی برای نمایاندن یک دیدگاه یکپارچه از زنجیره BDAوجود دارد تا بتواند توان نوآوری BDA را برای دستیابی به مزایای رقابتی به طور کامل استفاده کند.

این مقاله ISI در سال 2017 در نشریه الزویر و در مجله تحقیقات بازرگانی، توسط دانشگاه جدید لیسبون منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله تجزیه و تحلیل داده های بزرگ در شرکت های اروپایی در سایت ای ترجمه مراجعه نمایید.