商业智能系统使用的影响因素

影响商业智能系统在决策和组织绩效中使用的因素

摘要

本研究探讨了影响管理者在决策过程中使用商业智能系统（BIS）信息的因素，以及这些因素与组织和业务流程绩效之间的关系。商业智能（BI）是一个具有时效性的课题，因为各组织持续投资于系统以利用大数据并获得可持续竞争优势。然而，很少有研究检验管理者在决策过程中使用BIS信息是否能带来组织绩效收益。本研究对259名可访问BIS并将其用于决策过程的管理者进行了调查。采用偏最小二乘结构方程模型（PLS‐SEM）方法分析结果。全局模型表明，在管理决策中使用来自商业智能系统的使用信息有助于提升组织绩效收益。在全局模型中，信息内容质量、信息访问质量和分析型决策文化均对信息使用产生积极影响。

关键词 ：商业智能系统；商业智能系统；管理决策；偏最小二乘结构方程模型；偏最小二乘结构方程模型；组织绩效收益；信息使用。

---

1 引言

组织中使用商业智能系统（BIS）是一个及时的话题，因为组织正试图从其大数据计划中获取价值。一般来说，商业智能（BI）是通过使用信息技术（Lonnqvist 和 Pirttimaki，2006；Popovic 等，2012），将数据转化为信息和知识，供管理层在决策过程中使用（Aruldoss 等，2014）。组织持续对商业智能系统进行大量投资，以获得可持续竞争优势，并从这些投资中获取潜在的巨大效益。2010年，一项针对信息技术主管的年度调查显示，商业智能是主要关注点，也是信息技术最重要的应用（伊西克等人，2013年）。根据高德纳公司（Gartner Inc.）的一项研究，商业智能与分析是首席信息官的首要重点，构成了一个122亿美元市场（Holsapple 等，2014）。这些投资和计划的目的在于提供商业智能技术，以支持决策过程（Holsapple 等，2014）。这一趋势在2015年商业智能与分析峰会上继续显现，当时超过2800名首席信息官表示，基于该峰会的调查结果，商业智能与分析是最高投资优先事项（Henschen，2015）。商业智能仍然是许多组织的主要战略重点，而大数据的激增进一步加强了这一关注，使得关于商业智能投资使用的相关研究更加重要。

然而，这些投资并非在所有情况下都转化为组织效益。许多组织缺乏用于处理和提取数据以供管理者在决策过程中使用的分析工具（Ramakrishnan 等，2012 年），或者管理者未能将商业智能融入商业战略和决策制定（Elbashir 等，2013年）。如果信息一直存储在数据仓库中而未得到及时分析，管理层便无法在其决策过程中使用这些信息。因此，对商业智能系统的大量投资并未给组织带来效益，也无法使组织获得可持续的战略优势。

本研究的目的是检验一个关于在管理决策中使用商业智能系统的结构模型，并确定使用商业智能系统是否带来组织绩效收益。本研究的独特之处在于其基于先前的研究基础之上研究探讨了如何衡量商业智能系统使用对组织的价值（Elbashir 等，2008）以及影响管理者使用商业智能系统的因素（Popovic 等，2012）。然而，很少有研究考察影响在决策制定和组织绩效收益中使用商业智能系统的因素。通过将以往关于影响商业智能系统使用的因素以及商业智能系统使用在管理决策中的价值的研究模型整合为一个单一的结构模型，我们可以了解管理者是否认为来自商业智能系统的信息使用为投资商业智能的组织带来了可持续价值。而其他研究关注的是实施过程中的关键成功因素，却未考察在决策制定中的使用情况，也未确定管理者是否在实施后感知到效益的发生。本研究填补了这一空白，有助于确定管理者在决策过程中对来自商业智能系统信息的吸收程度，以及促进其使用的因素。该研究还可以弥补一项空白，即在商业智能系统实施后，管理者是否认为在决策中使用商业智能系统带来了组织价值。

由于管理者在决策过程中涉及诸多无形投入，因此商业智能系统的使用效益难以衡量。通过商业智能获得的一些效益并不能直接通过收入增长来衡量，但可能通过改进可持续的战略业务决策选择实现损失预防，或作为规划过程中的工具（Pranjic，2011）。这类在决策过程中来自商业智能系统的效益无法直接体现在财务报表上，使得量化组织和业务流程效益变得困难。

对商业智能系统的投资仍在持续，但很少有研究致力于确定影响管理者在决策中使用商业智能系统的因素，以及管理者是否认为商业智能系统的使用为组织带来了可持续价值，因此本研究具有相关性。此外，本研究关注的是在系统实施后，管理者是否在决策过程中使用了来自商业智能系统的信息，而其他研究则主要关注实施的关键成功因素，却未探讨在实施后管理者是否认为商业智能系统提供的信息对组织具有价值。本研究的研究问题是：

1. 在管理决策的业务流程中使用商业智能系统的信息在多大程度上影响组织绩效？

2. 哪些决定因素能够解释来自商业智能系统的使用信息的变化？

3. 哪些决定因素能够解释作为商业智能结果的组织绩效收益的变化？

论文其余部分的结构如下。首先，在文献综述与理论部分中将介绍研究模型及其理论框架。同时也会讨论与本研究相关的商业智能领域的现有研究。接着，将阐述用于检验研究问题的方法论和研究方法。随后，将呈现研究成果、对结果的讨论以及结论。

2 文献综述与理论框架

2.1 来自商业智能系统的使用信息

管理决策中信息的使用被定义为管理者采取行动利用信息来减少不确定性、规划和发展策略、应对事件，并根据信息做出相应改变（Popovic 等，2012）。图1中的研究模型与休伯（1990年）的理论一致，即先进信息技术的影响将允许创建和重构具有更大更紧凑存储容量的新信息。商业智能系统可被视为先进信息技术，因为它们使用户能够从不同角度检查大型信息数据集，而无需具备高级编程技能。许伯（1990年）认为，如果使用先进信息技术，管理者在决策过程中将拥有更多选择，从而做出更高质量的决策（Huber, 1990）。此外，德尔龙和麦克莱恩模型（2003）针对信息系统成功整合了以往的研究成果，并展示了系统质量和信息质量促进了系统使用和用户满意度，进而为组织带来净效益。基于这些理论和模型，结构模型的第一个假设是：

假设H1 ：在管理决策的业务流程中使用商业智能系统的信息与组织绩效收益之间存在显著正向关系。

2.2 BIS成熟度

为了确定影响商业智能系统使用信息在管理决策中应用的因素，本研究采用了与类似研究（Popovic 等，2012）相同的BIS成熟度。BIS成熟度被定义为商业智能系统在整个组织中的发展状态，具体体现在数据有效性和数据集成方面。BIS成熟度被建模为一个二阶潜在变量，其中数据集成和分析能力作为BIS成熟度的前因变量。

数据集成被定义为来自不同来源的数据的一致性（Popovic 等，2012）。分析能力被定义为对数据进行处理以获取信息的程度，可能包括在线分析处理（OLAP）、情景分析、预测和趋势分析。关于BIS成熟度的假设，即结构模型中的路径，如下所示：

假设H2 数据集成与BIS成熟度具有显著正向关系。

假设H3 分析能力与BIS成熟度之间存在显著正向关系。

2.3 信息内容质量与信息获取质量

信息内容的质量和信息访问的质量与商业智能系统的成熟度相关。当组织最初实施系统时，会经历一个学习曲线，直到商业智能系统的质量得到提升（伊西克等人，2013年）。在成熟过程中，通过解决内容问题以向用户提供所需信息，并解决可访问性问题，从而实现商业智能系统的改进。信息内容质量被定义为信息对用户的有价值程度以及用户期望是否得到满足（Popovic 等，2012）。信息内容质量包括信息的范围、精确性、可理解性、完整性、一致性以及全面性。信息获取质量被定义为信息是否能够在决策过程中被轻松且及时地获得（Popovic 等，2012）。这包括信息在处理层次和交付速度方面是否满足了用户的需求。休伯（1990年）的概念框架展示了从先进信息技术的可用性到先进信息技术使用的路径，也是本研究模型的基础。

信息内容质量与信息访问质量均以埃普勒（2006年）的信息质量框架作为本研究的理论基础。相关信息、可靠信息、优化的流程和可靠的基础设施是信息质量的决定因素（Eppler, 2006）。在本研究中，相关信息和可靠信息被合并为信息内容质量，优化的流程和可靠的基础设施被合并为信息访问质量。关于信息内容质量和信息访问质量的假设，与模型中的路径相关，如下所示：

H4 BIS成熟度与信息内容质量之间存在显著正向关系。
H5 BIS成熟度与信息访问质量之间存在显著正向关系。
H6 BIS成熟度与信息内容质量及信息访问质量之间的显著关系存在差异。

为了使管理者在管理决策中使用来自商业智能系统的使用信息，信息的内容和可访问性是影响因素。信息内容质量和信息访问质量被假设为影响来自商业智能系统的使用信息在管理决策中应用的因素。与模型中的路径相关的假设是：

H7 信息内容质量与业务流程中信息的使用之间存在显著正向关系。
H8 信息获取质量与业务流程中信息的使用之间存在显著正向关系。
H9 信息内容质量与信息获取质量对信息使用的显著关系存在差异，其中信息内容质量的影响更强。

2.4 分析型决策文化

分析型决策文化是指企业中的管理者在多大程度上具有促进商业智能系统采纳和使用的风格（Popovic 等，2012）。分析型决策文化基于利益相关者对决策过程的理解、纳入决策中的信息程度，以及组织内部在决策中对信息的考虑程度，而不论决策类型如何（Popovic 等，2012）。本文考察了分析型决策文化在来自商业智能系统的使用信息对信息获取质量和信息内容质量方面的调节效应。与模型中的路径相关的假设为：

H10 分析型决策文化水平越高，信息内容质量与管理决策中信息使用之间的显著关系越大。
H11 分析型决策文化水平越高，信息访问质量与管理决策中信息使用之间的显著关系越大。

2.5 组织绩效收益

组织绩效收益被定义为包含业务流程绩效效益，并包括经理对使用商业智能系统信息所带来的收入增加、减少销售损失、提高利润率、提高投资回报率以及竞争优势提升程度的评估（Elbashir 等，2008）。业务流程绩效效益被建模为一个二阶由客户智能效益、企业/供应商关系效益和内部流程效率效益构成的潜在变量（Elbashir 等，2008）。业务流程绩效效益在理论上基于波特价值链活动框架。价值链活动包括主要活动（如运营和营销）和支持活动（如人力资源、采购和技术）（波特和Millar，1985）。供应商和合作伙伴效益、内部流程效率效益以及客户智能效益被归入业务绩效效益，并通过先前开发的调查进行测量（Elbashir 等，2008）。供应商和合作伙伴关系效益被定义为由于使用来自商业智能系统的信息而在入站物流、协调、交易成本和合作伙伴及供应商的响应性方面带来的效益（Elbashir 等，2008）。内部流程效率效益被定义为在效率、员工生产力、决策成本降低和运营成本降低方面的改进（Elbashir 等，2008）。客户智能效益包括由于商业智能系统的使用而带来的退货处理成本、营销成本以及产品和服务上市时间的降低所产生的效益（Elbashir 等，2008）。

组织绩效收益和业务流程绩效效益的假设是：

H12 通过使用商业智能系统获得的企业战略绩效效益与组织绩效收益之间存在显著正向关系。
H13 通过使用商业智能系统获得的企业与供应商伙伴关系利益与业务绩效效益之间存在显著正向关系。
H14 通过使用商业智能系统获得的内部流程效率收益与业务绩效效益之间存在显著正向关系。
H15 客户智能效益与业务绩效效益之间存在显著正向关系。

2.6 当前其他商业智能研究

许多研究利用定量调查研究探讨了商业智能成功与实施的关键成功因素。为了成功实施商业智能系统，组织必须理解关键成功因素，包括非技术因素、组织和流程相关因素以及情境问题（叶和科罗尼奥斯，2010）。成功前因取决于组织期望的结果（哈通诺等，2007）。对于决策支持系统而言，成功的四大前因变量是用户感知效益、培训、管理层支持和用户体验（哈通诺等，2007）。研究还发现，用户总体上对其商业智能及其商业智能能力感到满意，但他们最满意的商业智能能力与成功之间关系并不显著（伊西克等，2011）。用户参与和组织支持因素被发现与商业智能能力呈正相关，从而导致用户对净效益的感知和满意度提升（库尔卡尼和罗布尔斯‐弗洛雷斯，2013）。

成功采用与实施商业智能系统的关键在于将企业内多个运营系统获得的数据整合到数据仓库中，并将业务与信息技术相结合以管理项目和最小化风险（兰詹，2008）。组织还应致力于实施商业智能作为其流程的一部分，而不是将数据孤立起来（布彻等人，2009）。组织吸收能力，即组织吸收外部信息并将该信息应用于可持续的战略管理决策过程的能力，取决于运营吸收能力、信息技术基础设施以及高层管理团队吸收能力（埃尔巴希尔等人，2011）。

3 方法论

定量实地调查被认为适合本研究，以确定已投资商业智能系统（BIS）并将其用于决策过程的组织中广大管理者群体的看法。本研究使用了无法直接观察的潜在变量。研究人员希望更广泛地了解来自商业智能系统的使用信息在管理决策和特定领域组织效益中的作用，因此选择了可利用统计方法进行评估的定量方法论和标准化量表，而非定性方法。如图1所示，所考察模型的复杂性也使得定量方法更为合适。

结构方程模型（SEM）可用于分析变量之间的因果关系，分为基于协方差的（CBSEM）和基于方差的（PLS‐SEM）两种方法。其哲学区别在于研究是用于理论构建还是理论检验。偏最小二乘结构方程模型（PLS‐SEM）适用于理论构建中的因果预测分析或探索性研究，而CBSEM适用于理论检验（乌尔巴赫和阿勒曼，2010年）。当模型较为复杂且理论基础较薄弱时，PLS‐SEM也适用于因果预测分析（约雷斯科格和沃尔德，1982）。由于本研究的数据具有多变量非正态分布特征（盖芬等人，2000；陈等人，2003），并且模型较为复杂，因此相较于基于协方差的结构方程模型，PLS‐SEM更适用于本研究。在商业智能研究中，利用调查的定量研究较为常见，且在信息系统研究中，PLS‐SEM的应用日益增多，2008年在两份重要的信息系统期刊上发表的实证文章中有20.3%使用了该方法（乌尔巴赫和阿勒曼，2010年）。此外，已有方法论文献综述表明，PLS‐SEM已被应用于运营管理（彭和赖，2012）和供应链管理（考夫曼和盖克勒，2015）等领域的研究。当检验尚未充分发展、具有探索性（理论构建）特点且由复杂模型表示的理论时，采用 PLS‐SEM的定量调查方法是合适的（海尔等，2014年），这也正是本研究的情况。

3.1 调查

本研究结合并使用了两种现有的调查工具。其中，Elbashir 等人（2008）开发的调查工具用于让管理者评估在决策过程中使用商业智能系统所带来的组织绩效收益、客户智能效益、企业供应商关系收益以及内部流程效率效益。另一种由波波维奇等人（2012）开发的调查工具用于测量数据集成、分析能力、信息访问质量、信息内容质量和分析型决策文化，以及来自商业智能系统的使用信息。该综合调查工具共包含44个项目，要求参与者根据七点李克特量表进行回答，或表明其无法作答。

构念	定义	测量（7点李克特量表） 项目）和缩写
数据集成	数据一致性程度 来自不同的 数据来源的一致性以及 数据来源（Popovic 等，2012）。	表示水平的两个项目 集成和相互一致性 数据 (DI1, DI2)。
分析性 能力	数据被处理的程度 通过获取信息 大型机，分析性在线 处理（OLAP）、仪表板或 个人计算机（Popovic 等，2012年。	表示水平的四个项目 OLAP、场景和 趋势分析，以及仪表板 (AC3–AC6)。
BIS成熟度	商业智能系统在 数据有效性方面的 被转换为的 决策过程和 整个过程的集成 组织 (Popovic 等，2012)。	二阶潜在变量 由数据集成和 分析能力
信内息容质量	信息对决策的宝贵程度 用户以及用户的 期望得到满足（Popovic） 等，2012）。	六个表示范围的项目， 精确性，可理解性 完整性、一致性以及 全面性（CQ1–CQ6）。
信访息问质量	信息是否能够 轻松及时获取 输入到决策制定中 过程（Popovic 等，2012）。	三个项目表示的水平 信息与 用户需求、信息处理 水平和交付速度，以及 背景信息的水平 例如作者和日期对用户可见 （AQ1–AQ3）。
分析性 决策 文化	管理者在多大程度上 分析性决策风格将 归因于采用和使用 组织的商业智能系统（Popovic等，2012年。	三个项目关于如何 已建立且知名的 决策过程是 利益相关者，信息水平 融入决策， 以及信息被考虑的程度 信息被给予的重视程度，无论 决策类型如何（AD1–AD3）。
信息使用	在 企业 过程 经理的行为对 使用信息来减少 不确定性、计划和发展 策略，应对事件，并 作为以下结果进行更改： 信息（Popovic 等，2012）。	关于管理 业务流程、评估 信息使用以及管理 组织的信息 (UI2–UI9)。

对先前研究中的组合李克特量表调查项目（Elbashir 等，2008；Popovic 等，2012）进行了实地测试，以确定其表面效度和内容效度调查工具。实地测试专家包括两名学术教授、一名拥有管理学博士学位且在大型企业咨询与分析领域拥有超过30年经验的高管，以及来自一家国家电信公司的三名在商业智能和商业智能系统方面经验丰富的高管。每位专家均审查了调查工具，以确定每个调查项目是否测量了预期的构念。实地测试专家还审查了调查工具的措辞与清晰度。他们未发现调查项目存在问题，但建议在调查中添加对商业智能系统和 OLAP定义的说明，以便美国的管理者能够轻松理解。相关建议已被纳入调查工具中。

3.2 构念与测量

表1总结了模型中作为商业智能系统在决策中使用信息的前因变量的构念的定义与测量。表2总结了由于在管理决策中使用商业智能系统而获得的效益的构念的定义与测量项目。每个构念的指标或调查项目在表中以字母和数字表示。

构念	定义	测量（七点李克特量表 项目）及缩写
组织的 性能 效益	由业务流程组成 绩效优势，这些 包括企业和供应商 关系优势、内部 流程效率效益，以及 客户智能效益 （Elbashir 等，2008）。	管理评估的六个项目 收入增加的程度， 减少销售损失，提高利润率 提高投资回报率， 以及竞争优势的提升 （BV17–BV22）。
企业 过程 性能 效益	获得效益的水平 使用来自BIS的信息 基于波特和米勒 （1985）价值链活动 （Elbashir 等，2008）。	二阶潜在变量由客户智能效益、 客户智能效益， 企业/供应商关系效益， 和内部流程效率效益。
客户 情报 效益	获得的利益水平 降低退货处理 成本、营销成本和 产品和服务的上市时间 由于使用服务而导致的 BIS（Elbashir 等，2008）。	用于管理评估的三个项目 客户效益程度 收到 (BV7–BV9)。
企业 供应商/合作伙伴 关系 效益	来自入站的利益水平 物流、协调、交易成本 和响应性 合作伙伴和供应商的 使用来自BIS的信息 （Elbashir 等，2008）。	管理评估的五个项目 改进协调的水平， 交易成本的降低， 来自供应商的改进响应性 库存周转率的提高， 利率，以及减少的库存（BV6， BV10‐13）。
内部流程 效率 效益	企业运营中因使用 业务运营而获得的效益 商业智能系统（Elbashir 等，2008）。	管理评估的四个项目 效率提升、员工 生产力、决策成本 降低以及运营成本 降低（BV2–BV5）。
## 3.3 程序与协议

本研究的抽样框架为美国年龄至少22岁、全职工作且职位为管理职能，并在雇员人数至少100人的组织中能够访问商业智能系统的商业与技术管理者。通过 SurveyMonkey开展了一项基于网络的调查，并通过电子邮件向参与者发送了包含调查链接的邀请函。所有参与者均被询问是否拥有可供其使用的商业智能系统，回答没有商业智能系统可用的参与者被排除在调查之外。该过程分别进行了两次——一次用于试点研究，另一次用于最终研究。试点研究共有26名参与者，其中三个回应因答案呈直线型作答或因大量回答表明参与者缺乏作答依据而被剔除。最终研究共有539名管理者打开了调查问卷，其中268名完成，获得259份完整有效回应。参与者所代表的行业通常是使用商业智能系统的典型行业，因为商业智能系统具备广泛的功能，适用于多种行业。市场上也有规模较小、功能基础且成本较低的商业智能系统，便于小型企业使用，因此本研究选取雇员人数至少100人的企业。在259份完整有效回应中，有117名男性（45.2%）和142名女性（54.8%）。表3显示了试点研究和最终研究的样本人口统计特征。

行业	数量 用于试点研究	% 总计 用于试点研究	数量 用于最终研究	% 总计 用于最终研究
航空公司、航空航天和国防	1	4.3	6	2.3
汽车	13	5.0	-	-
金融和金融服务	6	26.1	34	13.1
医疗保健和制药	3	13.0	38	14.7
保险	-	-	9	3.5
制造	2	8.7	41	15.8
零售和消费品耐用品	2	8.7	44	17.0
电信 , 技术、互联网和 电子	6	26.1	58	22.4
公用事业、能源和采掘	3	13.0	16	6.2

3.4 数据分析技术

采用偏最小二乘结构方程模型（PLS‐SEM）进行假设检验，使用SmartPLS 2.0M3（Ringle 等，2005）和SPSS 21版进行其他分析。SmartPLS在商业智能研究中被广泛使用。其他使用SmartPLS的商业智能研究包括：构建商业智能成熟度理论模型（Lahrmann 等，2011）、构建商业智能系统成熟度与信息质量关系模型（Popovic 等，2012），以及利用商业智能技术构建农村电信中心可持续性模型（Ahmad 等，2011）。商业智能带来的商业价值也通过SmartPLS进行了分析（Elbashir 等，2013年）。其他与此研究无关领域的研究也使用SmartPLS作为执行偏最小二乘结构方程模型的软件。

采用哈曼单因子检验来确定是否存在共同方法偏差。所有项目在SPSS中通过未旋转解进行探索性因子分析。结果未出现单一因子解释大部分方差的情况，表明共同方法偏差不是值得关注的问题（Podsakoff et al., 2003）。对于PLS‐SEM分析，若每个指标缺失值少于5%，则采用均值替代；否则采用成对删除。同时，在 SmartPLS软件中使用FIMIX‐PLS检验数据中的未观测到的异质性，并针对调查数据中发现的各组分别评估独立模型。在PLS‐SEM中，检验未观测到的异质性至关重要，否则会影响模型的有效性（Becker et al., 2013）。本研究的样本量超过了推荐的137样本量，足以在p < 0.05水平下检测0.10的最小效应，且统计功效至少达到0.80（Cohen, 1992）。通过指标载荷超过0.70以及平均方差提取量（AVE）超过0.50的标准，检验指标的外载荷以评估收敛效度（Van den Bosch et al., 1999）。

4 结果

表4显示了预试和正式研究中潜在变量的克朗巴哈系数。当与信息获取质量潜在变量相关的指标AQ3（涉及信息的背景，如作者和日期）被剔除后，预试研究中的克朗巴哈系数提高至0.65，正式研究中提高至0.73。指标AQ3与信息访问质量总分的相关性也最低（r = 0.03），因此从模型中删除。除了信息访问质量的AQ3题项外，调查工具在信度和效度方面均未发现明显问题，因为克朗巴哈系数值和组合信度接近或超过了0.70。组合信度未超过0.95，表明调查工具具有内部一致性信度。组合信度的取值范围为0到1，数值越高表示信度水平越高，但在偏最小二乘结构方程模型中不应超过0.95（黑尔等，2014年）。由于可能存在污染问题，试点研究的数据未合并到主研究数据中（Teiljlingen和Hundley，2001）。所有潜在变量的平均方差提取量均超过了建议的0.50阈值，表明具有收敛效度（乌尔巴赫和阿勒曼，2010年）。然而，CQ2和 CQ5的外载荷低于0.70，在删除这两个指标后，组合信度从0.80提升至0.87，因此将其从模型中移除。图2显示了删除CQ2、CQ5和AQ3后的测量模型和结构模型。

通过考察载荷来评估测量模型的指标信度。由于本研究仍处于发展阶段（乌尔巴赫和阿勒曼，2010年），潜在变量应至少解释每个指标45%的方差，且载荷在0.05水平上显著。收敛效度通过载荷和公因子方差进行评估，公因子方差标准设定为大于0.50。图2中每个指标的载荷均超过0.70，除了BV18，该题项要求经理评估商业智能系统的使用是否导致流失销售减少。BV18被保留，因为删除它并未使组合信度显著提高。

区分效度通过交叉载荷和Fornell‐Larcker准则（使用AVE的平方根，Fornell和 Larcker，1981）进行评估。表5显示了潜在变量之间的相关性以及AVE的平方根。除BIS成熟度、业务绩效效益和单一情况下的客户智能效益外，AVE的平方根均大于构念之间的相关性。这并不表明区分效度存在问题，因为BIS成熟度和业务绩效效益均为二阶潜在变量构念。对于客户智能效益，其差异仅为0.01。

使用容差方差膨胀因子（VIF）在0.2到5.0之间的标准（Cassel和Hackl，2000）对结构模型的共线性问题进行了评估。VIF值范围从组织绩效收益和来自商业智能系统的使用信息的1.99，到信息内容质量和来自商业智能系统的使用信息的2.56。由于结构模型中不存在共线性问题，因此通过比较显著性水平为0.05和0.10的临界t值来确定路径系数的显著性。本研究对偏斜数据采用自举法与5,000个子样本，以计算路径显著性的经验t值系数（黑尔等，2014年）。表6显示了结构模型路径系数的显著性检验结果及其相关假设。

潜在变量	调查指标项目	克朗巴哈 alpha 为 试点研究	克朗巴哈 alpha 为 最终研究	组合信度 对于 最终研究
数据集成	DI1, DI2	0.68	0.84	0.92
信息内容 质量	CQ1, CQ2, CQ3, CQ4, CQ5, CQ6	0.73	0.69	0.80
信息访问 质量*	AQ1, AQ2	0.65	0.73	0.88
分析决策性文化	AD1, AD2, AD3	0.74	0.76	0.86
分析能力	AC3, AC4, AC6	0.77	0.84	0.90
信息使用	UI2, UI3, UI4, UI5, UI6	0.77	0.85	0.90
组织绩效优势	BV17, BV18, BV19, BV20, BV21, BV22	0.65	0.89	0.92
客户智能 效益	BV7, BV8, BV9	0.78	0.83	0.89
内部流程 效率收益	BV2, BV3, BV4, BV5	0.88	0.84	0.89
商业供应商/合作伙伴 关系利益	BV6, BV10, BV11，BV12 BV13	0.67	0.86	0.89

*指标AQ3已从信息获取质量中移除。

使用SmartPLS来确定分析型决策文化在商业智能系统信息用于决策过程中是否存在调节效应。该调节效应将以信息内容质量和信息访问质量作为预测变量。采用具有5,000个子样本的自举法（Hayes, 2009），分析型决策文化与信息内容质量对信息使用的调节交互效应路径系数不显著（β= 0.01，p = 0.87）。分析型决策文化与信息访问质量对信息使用的调节交互效应路径系数也不显著（β= –0.02，p = 0.69）。这两个交互项均从模型中移除，未在图2中显示。分析型决策文化的较高水平对于信息内容质量与业务流程中信息使用的调节交互效应，以及信息访问质量与业务流程中信息使用的调节交互效应，均无显著关系。假设检验使用了 SmartPLS输出中的路径系数。除假设10和11（即信息访问质量和信息内容质量的调节效应）未获支持外，其余所有假设均得到支持。

潜在变量	Analytical decision-making culture	Analytical capabilities	BIS maturity	Business performance benefits	Customer intelligence benefits	Data integration	Info content quality	Info access quality	Internal process efficiency benefits	Org performance benefits	Supplier partner relationship	Use of info
Analytical decision-making culture	0.8179
Analytical capabilities	0.5762	0.8628
BIS maturity	0.5560	0.9398	0.8139
Business performance benefits	0.5926	0.5360	0.5370	0.7381
Customer intelligence benefits	0.4990	0.4651	0.4394	0.8966	0.8542
Data integration	0.4184	0.6718	0.8845	0.4328	0.3181	0.9268
Info content quality	0.6570	0.6315	0.6659	0.5895	0.4721	0.5811	0.7929
Info access quality	0.6211	0.4702	0.5196	0.5938	0.5002	0.4835	0.7388	0.8880
Internal process efficiency benefits	0.5910	0.5419	0.5569	0.8698	0.6625	0.4675	0.5693	0.5404	0.8152
Org performance benefits	0.6282	0.5528	0.5442	0.8173	0.73675	0.4253	0.5920	0.5758	0.6996	0.8060
Supplier partner relationship	0.5183	0.4541	0.4619	0.9405	0.8029	0.3818	0.5478	0.5608	0.7059	0.5183	0.7919
Use of info	0.7798	0.6606	0.6454	0.6864	0.5435	0.4969	0.74167	0.6834	0.6779	0.7798	0.6398	0.8078

假设	路径描述	路径系数	t值	p值
分析型决策文化 -> 信息使用	0.48***	8.08	0.00
H3	分析能力 -> 商业智能系统 成熟度	0.63***	38.55	0.00
H4	BIS成熟度 -> 信息内容 质量	0.67***	17.35	0.00
H5	BIS成熟度 -> 信息访问 质量	0.52***	10.79	0.00
H15	业务绩效效益 -> 客户智能效益	0.90***	69.06	0.00
H14	业务绩效效益 -> 内部流程效率效益	0.87***	34.85	0.00
H12	业务绩效效益 -> 组织 绩效效益	0.64***	11.67	0.00
H13	业务绩效效益 -> 供应商/合作伙伴关系收益	0.94***	106.03	0.00
H2	数据集成 -> BIS成熟度	0.46***	25.56	0.00
H7	信息内容质量 -> 信息使用 信息	0.31***	5.16***	0.00
H8	信息获取质量 -> 信息使用 信息	0.15**	2.59	0.01
H1	信息使用 -> 组织绩效收益 组织绩效收益	0.26***	4.67	0.00

注：NS =不显著，**p < 0.05，***p < 0.01。假设H6、H9、H10和H11未显示，因为这些假设是通过多条路径进行评估的。

使用调整后的决定系数R²,来评估模型的预测准确性，该系数基于所有指向内生构念的外生构念所解释的方差量（黑尔等，2014年；乌尔巴赫和阿勒曼，2010年）。除信息内容质量和信息访问质量外，调整后的R²值均超过0.50。当该值超过0.50时，可认为解释方差为中等水平（黑尔等，2014年），超过0.75则为较大幅度解释。客户智能效益、内部流程效率效益、供应商和合作伙伴关系优势以及信息使用可视为具有较大幅度的解释力。

效应量f²,用于评估被省略的构念对内生构念是否有实质性影响（Cohen，1988；Chin，1998）。来自商业智能系统的使用信息的效应量分别为：信息内容质量为0.13，信息访问质量为0.03，分析型决策文化为0.42。这表明分析型决策文化对在决策中使用来自商业智能系统的信息具有较大的影响。信息内容质量对来自商业智能系统的使用信息具有小到中等程度的影响，而信息访问质量对来自商业智能系统的使用信息具有较小的影响。

Stone‐Geisser’s，Q²,通过应用盲掩法程序（每次省略每第五个数据点）来确定模型的预测相关性，所得结果用于预测被省略数据点的估计值（Stone，1974；Geisser，1975）。真实值与预测值之间的差异确定了Q²介于0.21至0.65之间，表明具有预测相关性（Chin，1998）。

4.1 未观测到的异质性

在 SmartPLS（Ringle 等，2005）中使用 FIMIX‐PLS 来检验未观测到的异质性，因为已观测到的异质性并未基于与此项研究相关的信息或理论。FIMIX‐PLS 运行了二至八个细分组，但由于九个或十个细分组的规模过小，未能运行。最优细分组数量由赤池信息准则（AIC）和一致赤池信息准则（CAIC）确定。熵（EN）被用作衡量细分组分离程度的指标，其中 1.0 表示完全分离，大于 0.5 的值表示明确分离（贝克尔等人，2013年；林格尔，2006）。表7显示了不同细分组数量下 AIC、CAIC 和 EN 的数值。根据该表中的数据，参与者及其相应回答似乎可分为三个细分组。

为了检验未观测到的异质性对全局模型的影响，将数据划分为三个分段，每位参与者的回答被分配到其概率最高的分段中。分段1包含171名参与者，分段2包含32名参与者，分段3包含56名参与者。在SmartPLS（Ringle 等，2005）中对每个分段运行偏最小二乘结构方程模型（PLS‐SEM）。表8显示了全局模型及各分段的路径系数及其显著性。

全局模型与分段模型的主要差异体现在从信息访问质量到商业智能系统的使用信息的路径上。尽管全局模型表明，信息访问质量与信息使用之间存在显著的正向关系，但由171名参与者组成的第一分段显示该路径并不显著。所有三个分段均表明，来自商业智能系统的使用信息与组织绩效在0.05显著性水平上具有显著的正向关系。尽管数据中存在未观测到的异质性，路径系数和关系的显著性仍与全局模型一致，仅信息获取质量除外。本研究中对未观测到的异质性的检验过程旨在避免效度威胁（贝克尔等人，2013年）。

段数	AIC	CAIC	EN
2	859.49	775.72	0.99
3	854.98	728.31	0.91
4	4,620.18	4,450.61	0.93
5	870.32	657.84	0.95
6	4,297.91	4,042.53	0.96
7	5,141.42	4,843.13	0.98
8	3,870.75	3,529.56	0.99

考虑到调查样本中的未观测到的异质性，本研究的研究结果如下：数据集成和分析能力决定了商业智能系统的成熟度，而成熟度又决定了信息内容质量和信息获取质量。信息内容质量影响来自商业智能系统的使用信息在管理决策中的应用。在管理决策中使用来自商业智能系统的信息可带来组织绩效收益，具体表现为业务绩效效益——客户智能效益、内部流程效率效益以及供应商/合作伙伴关系收益。

路径描述	全局模型	分段1	分段2	分段3
分析型决策 文化 -> 信息使用	0.48	0.44	0.50	0.55
(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)
分析能力 -> BIS 成熟度	0.63	0.65	0.59	0.61
(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)
BIS成熟度 -> 信息 内容质量	0.67	0.62	0.47	0.89
(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)
BIS成熟度 -> 信息 访问质量	0.52	0.40	0.40	0.87
(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)
业务绩效效益 -> 客户智能效益	0.90	0.89	0.85	0.99
(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)
业务绩效效益 -> 内部流程效率 效益	0.87	0.92	0.31	0.99
(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)
业务绩效效益 -> 组织绩效效益	0.64	0.65	0.44	0.96
(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)
业务绩效效益 -> 供应商/合作伙伴关系 效益	0.94	0.96	0.86	0.99
(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)
数据集成 -> BIS成熟度	0.46	0.46	0.54	0.42
(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.01)
信息内容质量 -> 信息使用	0.31	0.39	0.19	0.01
(p < 0.01)	(p < 0.01)	(p < 0.05)	(p < 0.01)	(p < 0.01)
信息获取质量 -> 使用 信息	0.15	0.09	0.23	0.46
(p < 0.05)	(p = 0.18)	(p < 0.01)	(p < 0.01)	(p < 0.01)
信息使用 -> 组织绩效 效益	0.26	0.24	0.34	0.04
(p < 0.01)	(p < 0.01)	(p < 0.01)	(p < 0.05)	(p < 0.01)

5 讨论

科特勒和凯勒（2009）将商业与营销情报系统定义为管理者用于获取有关商业与营销环境中变化与发展的日常普通信息的一系列程序和来源。商业智能通过收集客户层面信息，帮助组织满足客户需求，支持可持续的战略商业决策。此外，管理者使用情报系统工具来收集实用的日常信息，以便分析数据并为企业开发结果。商业智能应用于战略制定、实施以及持续运营的监控。它整合了企业自身、竞争对手、客户以及宏观经济环境的数据，以支持决策。企业的成功取决于其商业智能的质量。通常，企业失败的原因在于基于不恰当信息做出了错误决策。商业智能系统有助于满足客户需求，因为它能够识别客户的特征、动机、习惯、需求和愿望（迪什曼和卡洛夫，2008）。

本研究的一个重要发现是，在管理决策的业务流程中使用商业智能系统的使用信息带来了积极的组织效益。对于研究问题1，根据所提出的方法论和结果，在管理决策的业务流程中使用商业智能系统的信息对组织绩效具有正面影响。在考虑三种未观测到的异质性分组的情况下，这一关系在0.05水平上具有统计显著性。这证实了德尔龙和麦克莱恩（2003）针对信息系统提出的概念模型适用于特定类型的系统——商业智能系统。尽管许多研究考察了其他类型的信息系统，但很少有研究专门聚焦于商业智能系统，并确定管理层对商业智能系统的使用为组织带来了净效益。这一发现尤为重要，因为组织在商业智能系统上投入巨大。本研究表明，管理者对在决策中使用商业智能系统的感知所带来的组织绩效收益，基于波特和米勒（1985）的价值链活动，具体体现在供应商/合作伙伴效益、内部流程效益以及客户智能效益三个方面。此外，本研究也验证了休伯（1990年）的理论，即随着先进信息技术的应用，管理者在决策选项上将有所增加。

对于研究问题2，解释在管理决策的业务流程中使用商业智能系统的信息变化的决定因素包括信息内容质量、分析型决策文化以及信息访问质量。然而，未观测到的异质性显示，当对每个分段分别进行分析时，信息访问质量并不是来自商业智能系统的使用信息的决定因素。进一步对包含171名参与者的分段1进行分析，结果显示信息访问质量与在管理决策的业务流程中使用商业智能系统的信息之间不存在显著关系。造成这种差异的一个可能原因是两项研究中使用的调查问题，这些问题要求参与者表明信息满足其需求和习惯的程度，以及信息是否被及时处理并快速交付而无延迟。埃普勒框架中的流程优化和基础设施可靠性观点被合并为信息获取质量。这些项目的合并可能扭曲了本研究的结果。此外，由于在预试和正式研究中克朗巴哈系数和组合信度值较低，一项李克特量表项目被从研究中剔除。删除该项目后，仅剩下两个关于信息是否被及时处理和快速交付的问题。这些问题并未完全涵盖埃普勒（2006年）框架中关于流程优化和基础设施可靠性的内容。所有其他研究结果均与先前的研究一致（Popovic 等，2012）。

本研究还证实了赫伯（1990）的理论，即先进信息技术的影响将允许新信息的创建与重构，从而为管理者在决策过程中提供更多选择。对调查响应的分析结果表明，管理者认为在决策中使用商业智能系统带来了组织效益，并且当信息内容质量满足管理者需求时，该信息就会被用于决策过程，从而增加了可选方案。这一研究结果非常重要，因为很少有研究专门关注商业智能系统。

对于研究问题3，解释商业智能系统带来的组织绩效收益变化的决定因素包括供应商和合作伙伴效益、内部流程效率效益以及客户智能效益。本研究在组织绩效收益方面的研究结果与先前的研究（Elbashir 等，2008）以及波特价值链一致。大约70.5%的组织绩效收益变异由潜在变量业务绩效效益以及在管理决策的业务流程中使用商业智能系统的信息所解释。业务流程绩效还显示出客户智能效益、供应商和合作伙伴关系优势以及内部效率效益这三个反映性因子之间存在显著正向关系，这也与先前的研究结果一致（Elbashir 等，2008）。

本研究具有独特性，因为很少有定量研究表明，在系统实施后，商业智能系统在业务流程决策中使用信息与组织绩效收益之间存在显著正向关系。这在一定程度上是由于衡量组织绩效收益较为困难，而本研究通过波特和米勒（1985）的价值链活动实现了这一测量。本研究的一个局限在于使用了偏最小二乘结构方程模型（PLS‐SEM），因为PLS‐SEM更适用于理论构建，而非理论检验。使用PLS‐SEM可能导致潜在变量之间的相关性被低估，而载荷被高估（黑尔等，2014年；乌尔巴赫和阿勒曼，2010年）。由于样本量较大，本研究对调查数据的分析将接近基于协方差的结构方程模型（covariance‐based SEM）的结果。本研究的参与者数量超出效应量0.10和统计功效0.80所需样本量100多人。此外，本调查要求管理者在同一时间点评估影响信息使用和组织效益的因素，这可能导致调查结果中的偏差。与任何此类研究一样，参与者可能高估或低估其组织中商业智能及效益的实际状况。

分析还显示出未观测到的异质性，其原因需要对收集的数据进行进一步研究。在使用最高概率对特定细分中存在的响应进行分组时，各细分中并未显现出共同因子。然而，这种局限性对该研究的研究结果影响较小，仅对业务流程中管理决策下从信息访问质量到商业智能系统使用信息的路径产生一定影响。

6 结论

许多组织在数据仓库中收集大量数据，这为获得竞争优势带来了新的机遇。然而，这些数据必须经过分析，并以及时的方式进行处理，作为管理者决策过程的一部分提供给他们。还需要进一步研究，以确定如何加快信息分析，为管理决策提供及时输入。此外，还需要进一步研究数据量如何影响这一概念框架。在来自商业智能系统的使用信息方面，涉及信息内容质量和信息访问质量。数据量的增加可能会影响数据集成和分析能力，从而影响BIS成熟度。需要进一步研究如何将大量数据转化为高质量的信息，并以及时的方式将其融入日常业务流程中。

本研究考察了在管理决策的业务流程中使用商业智能系统的信息及其对组织绩效收益的影响。与DeLone和McLean（2003）的信息系统成功模型一致，本研究发现，在业务流程中使用来自商业智能系统的使用信息带来了组织绩效收益。本研究还发现，与休伯（1990年）的理论一致，商业智能系统通过商业智能系统的使用使管理者在决策制定选项上有所增加。此外，通过分析能力创造信息以及通过数据集成实现信息重构也被发现能够为管理者提供更多决策选项，这与休伯（1990年）的理论一致。

根据波特价值链，组织效益被用作衡量业务绩效效益的反映性指标（Elbashir 等，2008；波特和Millar，1985）。信息使用的前因变量包括分析型决策文化、信息内容质量和信息访问质量。然而，由于存在未观测到的异质性，所分析的最大细分群体表明，信息访问质量对商业智能系统在业务流程中的信息使用并无显著影响。