商业智能输入对决策的影响

原创于 2025-10-15 03:58:04 发布 · 380 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#商业智能 # 决策质量 # 信息质量 # 可访问性 # 相关性

部署运行你感兴趣的模型镜像

商业智能专业人员对决策中与商业智能输入相关因素的感知

摘要

战略决策是组织成功最重要的标准之一。因此，建立一个完善的决策过程至关重要。然而，当今组织面临的最大挑战之一就是做出重要且及时的商业决策。本研究旨在探讨影响决策过程的关键商业智能输入因素。所考虑的商业智能输入因素包括可访问性、可靠性、信息质量、使用频率、相关性、安全以及决策质量。本研究的结果表明，决策过程非常复杂。
根据对数据的分析，研究发现这些因素有助于确定管理者在决策过程中使用商业智能技术的原因。这些发现将帮助组织的决策者做出更好的决策。这可以改进组织的运营和战略决策过程，从而为组织创造竞争优势。

关键词
分析, 商业智能, 物流, 管理, 技术

引言

战略决策是组织成功最重要的标准之一。基于证据的决策需求正在组织中迅速传播，因为它能够带来更加精确和有洞察力的决策。（霍切瓦尔和亚克利奇，2010；隆奎斯特和皮尔蒂马克，2006；施瓦茨，2009）。然而，当今组织面临的最大挑战之一是做出重要且及时的商业决策。鉴于许多组织在影响组织决策的新挑战和机遇方面的动荡性质，研究人员对成败因素的兴趣日益增加（许瓦里，2006）。由于不确定性无法从决策过程中消除，因此目标应该是降低不确定性，以提高所执行任务的成功几率（希格斯、史密斯和梅克林，2010）。
在当今的竞争性商业环境中，管理者正面临一系列商业挑战，这些挑战促使他们重组工作方式（Dayal 等，2009）。随着管理者面临日益加剧的全球化和激烈市场竞争的影响，建立一个完善的决策流程至关重要，因为更优的决策流程能够实现针对性分析（伯特霍尔德等，2010）。
不成功的管理决策已成为一个全球性问题，因为决策失败可能对企业的竞争力、绩效和业务扩展产生负面影响（Dayal 等，2009；霍切瓦尔和亚克利奇，2010；隆奎斯特和皮尔蒂马克，2006；波波维奇等人，2009）。
由于需要快速做出关键的商业决策，组织需要分析解决方案来支持更明智的决策（霍切瓦尔和亚克利奇，2010；隆奎斯特和皮尔蒂马克，2006；施瓦茨，2009）。多项研究表明，信息技术（IT）会影响组织特征和结果，从而为组织创造竞争优势。因此，管理层投入数十亿美元用于实施和维护信息技术，以改善决策（Dayal 等，2009；Popovič 等，2010；吉特派班和帕特尔，2015）。过去十年中，出现了许多用于管理商业信息的分析工具或技术（刘和石，2015）。其中，一种日益受到关注以应对这一挑战的技术是商业智能（BI）。
商业智能是一项快速发展的技术，被许多组织广泛用于将数据转化为有用的信息，并在需要时分发这些信息。商业智能系统支持各级管理的决策（奥尔扎克和兹姆巴，2007）。许多管理者认为，商业智能系统将为组织创造更高的价值。因此，商业智能已成为许多组织改进其决策过程的重要技术。这些工具可用于分析大量数据（加赞法里、鲁哈尼、贾法里和塔加维法德，2009）。然而，并非所有的商业智能项目都实现了管理者的期望（伊西克、琼斯和西多罗娃，2011）。
尽管在过去十年中，技术行业已经发现了多种改进决策的方法，但典型组织中的决策者在做出成功的关键商业决策方面仍面临困难。虽然存储了大量数据，但其中只有一小部分能转化为商业智能（隆奎斯特和皮尔蒂马克，2006；内加什和格雷，2008；Popovič 等，2010）。决策者必须应对数据的大量积累以及数据质量差的问题（斯特凡，2009；乔丹、雷纳和马歇尔，2008）。
因此，组织管理者必须了解如何利用技术来共享、管理和提升知识水平（霍切瓦尔和亚克利奇，2010）。

文献综述

组织面临着激烈的竞争和日益增加的不确定性，同时其数据管理需求也在不断上升。面对这种动荡且竞争激烈的环境，对战略性和管理性决策的需求日益增长。鉴于战略决策对组织成功具有明显的重要性，企业必须关注实现更快速、更优决策所需的因素。数十年的研究已显著增进了人们对个体如何进行决策和判断的理解（基尼，2004；库恩，2010）。然而，在做出更好决策方面仍存在明确的挑战。本研究正是源于这一需求。
广泛的研究表明，管理决策对组织的成功具有巨大影响，而做出良好决策是领导力的主要责任和挑战（马塞怀特，2009）。根据Nemati 和 Barko（2002），日常决策者面临影响组织竞争力和运营盈利能力的艰难决策。为确保商业决策具备优良基础，必须将大量数据转化为有用信息（Abdelhafez，2014；Hebert、Anderson、Olinsky 和 Hardin，2014）。数据与信息的激增使企业面临前所未有的压力，迫使其重新审视自身的技术和决策工具。因此，组织需要可靠的信息系统，以便为决策者提供有效决策所需的信息。尽管已发展出多种技术并提供了众多决策工具，但组织中仍频繁发生代价高昂且失败的决策。传统技术往往缺乏将数据转化为智能所需的敏捷性和灵活性。这一现实凸显了对商业智能技术的需求（Rud，2009）。商业智能是一种“帮助组织管理商业信息，以实现有效决策为目标的信息技术”（霍切瓦尔和亚克利奇，2010年，p. 89）。然而，关于使用商业智能输入进行决策的明确标准，决策支持系统文献尚未确立，对于与商业智能输入在决策中使用相关的因素也知之甚少（霍切瓦尔和亚克利奇，2010；隆奎斯特和皮尔蒂马克，2006；内加什，2004；施瓦茨，2009）。
多项研究表明，关于商业智能对企业绩效的影响，该领域仍需进一步研究（霍切瓦尔和亚克利奇，2010；隆奎斯特和皮尔蒂马克，2006；内加什，2004；内加什和格雷，2008；斯特凡，2009）。此外，文献表明，在与决策中使用商业智能输入相关的因素方面存在研究空白。本研究采用物流组织中的商业智能专业人员作为样本，获取他们对基于商业智能输入所做决策的感知。
针对这些专业人员关于决策因素的调查与分析，提供了重要的数据，有助于填补知识体系中的空白。此外，为了改进组织决策，重要的是要了解决策者如何看待新技术的应用，以及他们是否期望该技术能够帮助其完成工作职能。本研究对管理和信息技术领域具有重要意义。许多商业智能专业人员和组织决策者将对该研究感兴趣，并可能在做出关键组织决策时将其作为基础依据。

决策

如前所述，在组织成功领域，战略决策在重要议题中至关重要（内加什，2004）。多项研究（邓顿，2010；马塞怀特，2009）表明，组织成功基于创造更高的价值与财富。管理信息以支持战略决策是增加绩效价值和财富的重要因素。这些研究进一步指出，决策实践高于平均水平的组织能够获得显著更高的投资回报率。这源于一个事实：在某种程度上，每个决策都会引导某些战略、分配资源、确立某种行动方向，并创造未来的机会与挑战（邓顿，2010；马塞怀特，2009）。
与此观点一致，布伦科等人（2010）的一项研究指出，组织的价值无非是其所做出并实施的决策的总和。他们认为，除非组织中的决策者在大多数情况下做出了关键且正确的决策，否则组织资产、能力和结构都将毫无用处。这表明，为了确保组织成功，当代组织中的决策者需要透明信息以做出良好决策。他们需要便捷地获取组织信息，并具备与他人分析和共享这些信息的能力（Ranjan，2008）。因此，必须在特定时间、确切地点以正确形式提供可操作信息，以协助决策者（内加什，2004）。
然而，由于决策结果的不确定性不可避免，做出决策是管理者最困难的任务之一。组织中的决策者不断面临充满风险与机遇的不断变化的环境。这些专业人士需要在由多变情况和复杂情况所定义的动态环境中做出决策。这些情况因相互冲突的个人利益、不完整或模糊的信息、个人偏见以及时间有限而变得更加复杂（马塞怀特，2009）。此外，如今在商业环境中进行业务决策可用的时间正在减少（蒂梅耶，1995，引自玛丽亚，2008）。
近年来，公共和私营部门做出的决策数量导致了惊人的不成功结果。众所周知，组织内部做出的管理决策往往质量低下，有时甚至僵化，从而导致不良结果（Higgs 等，2010）。
研究表明，即使存在分析和审查过程，错误决策仍会摧毁企业（Davenport，2009；怀特黑德、坎贝尔和芬克尔斯坦，2009）。不确定性无法完全消除，这使得决策过程极具挑战性。决策者面临日益严峻的挑战，需要最小化错误决策带来的风险，并提升良好决策所带来的积极结果（Higgs 等，2010；怀特黑德等，2009）。许多组织都遭受着此类挫败感和挑战。由于管理层所做决策对组织的成功具有重大影响，因此应全面审视决策过程的各个方面（Higgs 等，2010）。

决策与技术

信息技术能力对当代企业而言，无论在战略上还是运营上都变得至关重要。自诞生以来，它一直在改变企业的运营方式。根据博格达娜、费利西亚和黛莉娅（2009）的研究，组织间信息共享已导致信息技术投资的增加。因此，随着各组织投入数十亿美元寻求合适的信息解决方案，IT支出持续增长（霍切瓦尔和亚克利奇，2010）。普雷斯顿、陈和莱德纳（2008年），引用伯德和特纳（2001年）以及桑巴穆尔蒂、巴拉德瓦杰和格罗弗（2003年）的研究指出，过去几十年来，信息技术（IT）已成为影响竞争格局的最重要因素之一。大多数IT管理领域的从业者和研究人员都认为，投资新技术能够带来效益。这促使了信息系统的产生，以提高用户进行决策的效率，从而提升决策的有效性。
对于许多现代组织而言，这些投资的必要性已没有太大争议。正确的信息技术工具可以帮助将数据转化为有用的知识，因为知识一直受到信息技术发展的推动。尽管在信息技术方面投入巨大，但由于其对商业成功的间接性和滞后性影响，相关效益往往难以确定（霍切瓦尔和亚克利奇，2010）。大多数组织都努力证明在信息技术（IT）投资中获得的业务效益。
此外，根据博格达娜等人（2009年）的研究，学术文献中包含了许多严谨的研究，这些研究既证实了也反驳了信息技术投资的积极影响。文献中一个常见的问题是信息过载。
多项研究表明，由于普遍存在的信息过载，导致错误决策的现象时有发生（达文波特 & 肖特, 2003；登顿, 2010）。在信息技术投资的相关文献中，许多研究人员均同意，“组织数据丰富但信息匮乏”（达文波特 & 肖特, 2003；Dewitt & Jones, 2001；Forslund, 2007；Gibson 等, 2004；Li & Ye, 1999；William, 2004b；William & William, 2007；引自 Popovič 等，2010，p. 10）。许多企业承受着信息过载的负担。根据登顿（2010）的观点，过多的信息可能会削弱个人和组织的能力，这对战略思维可能产生不利影响（登顿, 2010）。无论企业规模大小，决策过程都非常复杂。决策支持系统是信息技术实践中一个重要的领域，使用这些系统所做出的决策可能对组织的性质与绩效产生重大影响。
近年来，决策支持系统（DSS）领域变得更加成熟，出现了多种技术以改进信息管理。
这些技术包括决策支持系统、数据仓库和商业智能系统，旨在管理信息并提高组织决策的效率。这些系统帮助企业实时回答复杂问题（玛丽亚，2008）。尽管信息系统在促进决策方面发挥了重要作用，但缺乏明确的信息管理策略而使用技术会影响管理决策（邓顿，2010）。尽管组织可使用的分析工具不断进步，代价高昂且失败的管理决策仍然是一个持续存在的问题。值得注意的是，尽管21世纪初至中期出现了信息技术衰退，当前决策支持系统行业向商业智能的转变却是投资最活跃的领域之一（阿诺特 & 佩尔万，2005）。

商业智能

组织正在使用BI工具来分析大量信息，以改进其运营和战略决策过程，从而为组织创造竞争优势。从业者和研究人员均认为，商业智能系统能够提高组织的运营有效性和效率，从而使它们在全球商业环境中更具竞争力（Ghazanfari 等，2009）。健全的商业智能系统能够
分析商业信息并改进广泛业务活动中的管理决策（巴拉等人，2009）。成功商业智能系统的关键是将来自多个不同企业运营系统的数据整合到企业数据仓库中（Ranjan，2008）。
技术战略的重点是在实现盈利性商业行为时所获得的商业智能价值。因此，对于当今的组织要取得成功，重要的是“理解这项技术如何创造重大且可持续的竞争优势”（Popovič 等，2010，p. 6）。
对商业智能的理解需要明确该术语的含义。文献表明，很难为一种复杂的解决方案给出精确的定义，因为其可能因分析情境的不同而有所变化。从抽象角度来看，商业智能是将来自多个来源的信息进行整合，并以可用于商业决策的形式呈现结果的过程。如果明智地加以选择，商业智能将使管理者能够实时回答复杂问题，最大化利润，基于相关信息做出恰当决策，并能监控其决策的影响，及时纠正和调整（玛丽亚，2008年）。这一点非常重要，因为竞争压力要求管理者根据输入数据快速做出智能决策。因此，能够在实时条件下将模糊的数据转化为有用信息的能力，可为公司带来显著的竞争优势（霍切瓦尔和亚克利奇，2010年）。
阿兹温等人（2005）认为，关于商业智能的定义整体上存在模糊性。他指出，商业智能有许多不同的观点或方面。据他所述，“商业智能关乎如何捕捉、访问、理解并分析组织最重要的资产——将原始数据转化为可操作信息，以提升业务绩效”（p. 215）。范达姆（2008）进一步阐明，将商业智能定义为“分析公司内部所存储信息的过程，以改善其决策过程，从而为公司创造竞争优势”（p. 1）。Lönnqvist 和 Pirttimäki（2006）进一步指出，商业智能的目的是通过识别和处理组织内外庞大的商业信息积累与流动，将其转化为管理知识和智能，这些知识用于制定解决某些商业问题的方案。
如所示，研究界普遍认为，商业智能有助于组织将数据转化为有用且有意义的信息，并在需要时分发这些信息，从而促进及时且更明智的决策。商业智能的技术前景仍在不断发展，数据库研究人员和从业者就信息的及时性存在诸多讨论。因此，实时商业智能作为一种数据驱动决策的技术解决方案应运而生。实时商业智能可对运营数据源提供即时自动反馈，以支持在线战术决策，在战术和战略决策所需的分析交付中发挥着关键作用（阿加瓦尔，2008）。
商业智能在战略决策中变得越来越成熟，它在报告、趋势分析、客户行为分析和预测建模方面发挥着重要作用（Dayal 等，2009）。越来越多的组织正在战略性地和战术性地采用分析技术。从业者认为，商业智能最具潜力影响的领域之一是预测分析（Apte, Bing, Pednault 和 Smyth，2002）。分析和决策自动化是改进决策的一些最强大的工具。
这些工具使管理者能够围绕其分析能力构建竞争策略，并基于数据和分析做出决策。当分析嵌入自动化系统时效果更佳，因为许多决策可以实时完成（Davenport，2009）。然而，文献表明，在分析方面仍有许多工作要做，因为组织现在需要以更多方式收集数据，以进行预测分析。

信息与数据质量

决策质量对组织绩效和可持续性至关重要。无论信息系统处理的数据类型及其完成方式如何，其目标
基本相同。其中，用户从系统中接收到的信息必须是高质量的，因为信息质量也决定了决策的好坏。良好的决策是关键要素，使组织能够在不断发展的市场中保持竞争力，而良好决策通常只能来源于包含准确性、及时性和清晰性的高质量信息。管理者若想维持组织的竞争力，则不能也不应仅依赖直觉（霍切瓦尔和亚克利奇，2010）。良好的信息是导致良好决策或错误决策差异的关键（霍切瓦尔和亚克利奇，2010）。在准确性、完整性和与决策的相关性方面具有高质量的信息，有助于提高组织效率并实现高质量的决策（戈拉等人，2010）。同样，数据质量是商业智能的重要成功因素，因为数据来自多个源系统和接口，并进入数据仓库（玛丽亚，2008）。

物流与运输

从文献中可以明显看出，商业世界的多个领域频繁使用商业智能系统。信息技术的应用极大地改变了运输与物流公司的商业模式（沈, 2009）。物流通常涉及通过分销渠道向最终客户传递物资与信息流的管理。物流管理包括原材料以及最终成品的实体配送。物流管理是商业中获取竞争优势的重要来源，因为管理者需要做出战略与运营决策（苏赛和查普曼，2006）。
物流服务及其所支持的供应链最关键的特征之一是及时准确的信息传递。
物流优化涉及在考虑已知限制和可用潜力的情况下，提供最佳的物流活动方案。在这方面，商业智能系统有助于配送中心管理运输管理中频繁使用的增加量，以制定最优装载整合计划和路线调度。迄今为止的证据表明，交付进度表的严重延误、质量问题、成本超支以及不断增加的索赔与诉讼已对企业造成了严重损害（刘、宁、叶和蔡，2004）。根据沈 (2009)的研究，前沿IT应用在物流与运输行业的渗透率较低。尽管组织管理者必须将注意力和资源集中在物流等供应链功能上，但他们的主要关注点是提升组织绩效（格林、惠滕和英曼，2008），因为当今企业正面临全球竞争。成功的企业在很大程度上依赖于公司应对不断变化的商业环境的敏捷性。为了生存，企业需要具备持续改进的竞争优势，以低成本运营，并响应客户需求。

总结

尽管在商业智能和决策方面已有广泛的研究，但该领域仍需进一步探讨，特别是关于商业智能对企业绩效的影响以及如何改进对商业智能的衡量。根据塞尔等人（2008）的观点，尽管它们具有分析重要性，但仍缺乏做出灵活且更智能决策所需的推理能力。此外，如文献中先前所述，缺乏对定义商业智能应用成功及商业智能能力的关键因素的理解，是商业智能未能满足组织管理者期望的原因之一（伊西克等人，2011）。因此，衡量商业智能的价值与绩效是组织面临的最重要挑战之一（霍切瓦尔和亚克利奇，2010；隆奎斯特和皮尔蒂马克，2006；内加什，2004；内加什和格雷，2008；斯特凡，2009）。此外，研究表明，目前完全缺乏一种具体且准确的方法来衡量已实现的商业价值（如有），以及由此技术带来的效益并不总是清晰可见（巴拉等人，2009；隆奎斯特和皮尔蒂马克，2006）。
组织管理最重要的要求之一是支持决策过程（Ghazanfari 等，2009）。尽管涉及许多因素，但一个组织的成功或失败取决于所做出的决策。文献表明，商业智能与更明智的决策之间存在密切联系。因此，对商业智能系统的投资持续加速（霍切瓦尔和亚克利奇，2010）。多项研究表明，商业智能使商业用户能够分析并更好地理解其组织的计划和结果。
它有助于管理商业信息，以实现有效的商业决策（巴拉等人，2009；霍切瓦尔和亚克利奇，2010：玛丽亚，2008；内加什和格雷，2008；Popovič 等，2010）。该技术前景广阔，越来越多的组织认识到商业智能及其他决策支持系统应用对于组织发展是必要的。然而，尽管该技术令人鼓舞，但行业距离向企业提供能够通过转化为可操作步骤来推动业务成果的具体商业信息还有很长的路要走。商业智能的成功不在于使用量或生成的报告数量。其成功应通过其对业务的影响以及因其实施而在关键领域取得的改进来衡量（Ranjan，2008）。
企业需要一种更全面的方法来衡量信息技术的使用情况，研究人员应考虑商业智能对组织流程的影响，而非仅仅进行确定其对盈利能力影响的测试（Rubin 和 Rubin，2007）。
根据Lönnqvist 和 Pirttimäki（2006），衡量商业智能有效性的最佳方式是评估商业智能对特定决策或行动的贡献，然后分析该特定决策为组织带来的利益或损害（隆奎斯特和皮尔蒂马克，2006）。与此观点一致，波波维奇等人（2010）指出，这意味着需要衡量由商业行动所产生的商业智能价值。然而，Lönnqvist 和 Pirttimäki（2006）坚持认为，“衡量商业智能的效益并不像衡量成本那样简单”，因为“许多影响是无形的”（隆奎斯特和皮尔蒂马克，2006，p值 34）。鉴于这些观点，本研究满足了这一需求。考虑到决策结果在组织中的重要性日益增加以及对决策支持的投资不断增长，本研究的目标十分明确。
示意图0
示意图1
示意图2
示意图3
示意图4

目的和研究问题

如今，组织管理者面临的最大挑战之一是做出重要且及时的战略管理决策。组织中对更优决策的需求是一个关键且全球性的问题。尽管信息可用性达到了前所未有的水平，许多战略规划中的组织决策仍导致了高昂成本和不成功的结果。恰当制定的战略决策可降低与组织生存与成功相关的风险（内马提和巴尔科，2002；伯特霍尔德等，2010）。
信息技术应用显著改变了运输与物流公司的商业模式（沈, 2009）。有必要开展研究，探讨信息技术经理在日常商业活动中对信息技术的评估如何影响其决策风格（塞拉特、约翰森、霍姆斯兰德和格龙豪格，2008）。由于良好决策显然构成了规划以及我们所做一切的基础，本研究聚焦于决策过程。该研究旨在更广泛、更深入地理解商业智能专业人员对与商业智能输入相关的因素在决策中作用的感知。目标是提供一种深入理解，以帮助改进组织决策。本研究调查了商业智能专业人员对其在决策中使用商业智能输入相关因素的感知。
由于错误决策对组织造成的高成本以及商业智能使用增加，决策者必须更好地理解基于商业智能输入所做出的决策。研究结果不仅将丰富知识体系，还将为组织决策者提供有关良好决策相关因素的进一步洞察。本研究调查了七个自变量，以确定商业智能专业人员对基于商业智能输入所做决策的感知。
本研究中变量的分类与定义是
•可靠性：该自变量是专业人员对商业智能输入可靠性的感知。•可访问性：该自变量是专业人员对商业智能输入可访问性的态度。
•信息质量：该自变量是专业人员对来自商业智能输入的信息质量的感知。•使用频率：该自变量是专业人员对商业智能输入使用频率的感知。•相关性：该自变量是专业人员对商业智能输入相关性的感知。•安全：该自变量是专业人员对商业智能输入安全性的感知。•因变量：本研究中的因变量是使用商业智能输入所做决策的感知的决策质量。•决策质量：该变量代表受访者对因变量的感知。它是专业人员对商业智能输入在感知的其决策质量方面影响的感知。
以下研究问题指导了本研究：
1. 管理者决策是否基于使用商业智能输入，且依赖于其对该输入可访问性的感知？2. 管理者决策是否基于使用商业智能输入，且依赖于其对该输入可靠性的感知？3. 管理者决策是否基于使用商业智能输入，且依赖于其对信息质量的感知？
4. 管理者决策是否基于使用商业智能输入，且依赖于其对该输入相关性的感知？5. 管理者决策是否基于使用商业智能输入，且依赖于其对该输入安全性的感知？6. 管理者决策是否基于使用商业智能输入，且依赖于其对该输入使用频率的感知？7. 商业智能专业人员对于商业智能输入对其决策质量影响的感知是什么？

术语定义

以下术语定义有助于读者更好地理解本研究中使用的某些概念。
态度：态度是指商业智能专业人员对使用技术或系统的积极或消极感受。商业智能专业人员：商业智能专业人员是指使用技术系统来完成其工作的管理者和分析师。竞争力：竞争力是指组织通过其政策或计划成功或超越竞争对手的能力。数据：数据是用于计算、推理或测量的一组原始或未经处理的事实（Loshin，2003年，第6页）。决策：决策是指商业智能专业人员在不确定性情况下，基于商业智能输入为解决问题或改善业务运营而在替代行动方案之间做出的选择。决策者：决策者是指参与公司决策过程的管理者和分析师。信息：信息“是通过收集和组织数据并建立数据项之间的关系，从而提供上下文和意义的结果”（Loshin，2003年，第7页）。知识：知识“是基于已识别模式的信息理解概念，以提供对信息的洞察”（Loshin，2003年，第7页）。绩效：绩效是衡量商业信息、商业分析和决策相结合以完成任务并完成或实现商业目标的程度。用户满意度：用户满意度是指用户对信息系统所持有的态度（Wixom & Todd，2005年）。

方法与数据收集

数据分析与结果

问题根据所测量的构念被分为若干组。问题12、14、15、2、9、5、6、7、11和16用于测量可访问性，某些问题用于评估可靠性。某些问题用于测量信息质量，问题10、12、13和17用于评估相关性。问题8用于测量安全，问题18、3、4和1用于确定决策质量。最后，问题19用于测量使用频率。除问题19外，所有问题均采用5点李克特量表形式，范围从1=强烈不同意到5=强烈同意。其中，回答“3”为中性反应。问题19的可能回答包括1=很少、2=频繁和3=总是。
将问题的得分进行平均以生成总分，并对这些得分进行了克朗巴哈系数信度检验。该检验用于评估得分是否显著不同于中立反应值三（3）。结果的显著性用于确定数据的整体趋势，即受访者在多大程度上同意或不同意这些问题。然而，为了评估第六个研究问题（使用频率），采用单样本威尔科克森符号秩检验来评估使用频率得分是否显著不同于频繁反应值二（2）。此问题的检验值为二（2），因为频率问题仅有三个可能的回答：很少、频繁和总是。如果结果具有显著性，则表明数据的中位数与检验值有显著差异。

研究问题

研究问题2

H10：可访问性感知与中性反应之间无显著差异。H1a：可访问性感知与中性反应之间存在显著差异。

研究问题2

H20：可靠性感知将与中性反应无显著差异。H2a：可靠性感知将与中性反应有显著差异。

研究问题3

H30：信息质量感知与中性反应相比不会有显著差异。 H3a：信息质量感知与中性反应相比会有显著差异。

研究问题4

H4 0 ：相关性感知与中性反应相比不会有显著差异。 H4 a ：相关性感知与中性反应相比会有显著差异。

研究问题5

H5 0 ：安全性感知将与中性反应无显著差异。H5 a ：安全性感知将与中性反应有显著差异。

研究问题6

H60：使用频率感知将与频繁反应无显著差异。H6a：使用频率感知将与频繁反应有显著差异。

研究问题7

H70：决策质量感知与中性反应之间无显著差异。H7a：决策质量感知与中性反应之间存在显著差异。

数据的可靠性

六十九名（69）参与者完成了调查。为了确定调查工具是否具有内部一致性（可靠性），所有量表均使用克朗巴哈系数进行检验。克朗巴哈信度检验关注的是测量工具在测量过程中保持一致性的能力，它反映了在构念中受访者回答的一致性程度。可靠性估计值显示了测试中的测量误差量。
对一个构念进行克朗巴哈可靠性分析时，该构念必须包含一个问题以上。因此，由于七个构念中只有五个包含多个问题，可靠性分析仅在这五个构念上进行。这一点很重要，因为可靠性分析对于表明调查工具保持内部一致性和可靠性至关重要。表2列出了所有构念的可靠性及描述性统计结果。除可靠性构念的阿尔法值为0.54外，其余构念的可靠性均高于0.80水平。这表明，除可靠性构念外，其他所有构念均具有良好的可靠性（乔治和马洛里，2003）。由于可靠性构念的可靠性较低，应谨慎对待由此构念得出的结果，因为对该构念问题的回答不一致（克林，2005年）。然而，需要注意的是，与可靠性相关的问题存在一定的模糊性，这可能是由于对可靠性问题本身的不确定性所致。这也进一步解释了阿尔法值为0.54的原因。

统计结果

威尔科克森符号秩检验的结果对所有变量均显著。这表明中位数得分与三（3）有显著差异。
| 构念|Mean|SD|克朗巴哈α|调查问题|
| —|—|—|—|—|
| 可访问性|4.18|0.42|.81|2, 9, 12, 14, 15|
| 可靠性|3.89|0.34|.54|5, 6, 7|
| 信息质量|4.42|0.58|.83|11, 16|
| 相关性|4.36|0.49|.85|10, 12, 13, 17|
| 安全|3.97|0.35|-|8|
| 使用频率|2.40|0.60|-|19|
| 决策质量|4.29|0.46|.83|1, 2, 4, 18|

假设1

H10表述为（零假设），管理者基于使用商业智能输入的决策与其对可访问性的感知无关。
经过进一步检验，可访问性的观察中位数为4.20。调查数据导致研究人员拒绝零假设（z = 7.20，p <.001）。因此，参与者在可访问性问题上更倾向于同意而非不同意。

假设2

H20表述为（零假设），管理者基于使用商业智能输入的决策独立于其对可靠性的感知。可靠性观察中位数为4.00。调查数据导致研究人员拒绝零假设（z = 7.27，p <.001）。因此，参与者更倾向于同意关于可靠性的题目，而非不同意。

假设3

H30表述为（零假设），管理者基于使用商业智能输入的决策独立于其对信息质量的感知。
信息质量观察中位数为4.50，并导致研究人员拒绝零假设（z = 7.00，p <.001）。因此，参与者更倾向于同意关于信息质量的题目，而非不同意。

假设4

H40表述为（零假设），管理者基于使用商业智能输入的决策与其对相关性的感知无关。相关性的观察中位数为4.25。调查数据导致研究人员拒绝零假设（z = 7.09，p <.001）。因此，参与者在相关性问题上更倾向于同意而非不同意。

假设5

H5 0 表述为（零假设），管理者基于商业智能输入的决策与其对安全性的感知无关。经进一步检验，安全性观察中位数为4.00。单样本威尔科克森符号秩检验的结果导致研究人员拒绝零假设（z = 7 71,< 001 .p. ）。因此，参与者在安全性问题上更倾向于同意而非不同意。
| 构念|检验中位数|观察中位数|=|p|
| —|—|—|—|—|
| 可访问性|3|4.20|7.20|.001|
| 可靠性|3|4.00|7.27|.001|
| 信息质量|3|4.50|7.00|.001|

假设6

H60表述为（零假设），管理者基于商业智能输入的决策与其对使用频率的感知无关。在使用频率方面，威尔科克森符号秩检验的结果具有显著性，z = 4.56，p <.001。这表明使用频率得分的中位数与二（2）存在显著差异。此外，使用频率的观察中位数为2.00。由于检验值和中位数均为二（2），但结果仍显示存在显著差异，因此对数据的直方图进行了检查。数据的直方图显示，得分为三（3）的参与者多于得分为一（1）的参与者，导致数据向左偏斜。
示意图5

假设7

H70表述为（零假设），商业智能专业人员基于商业智能输入的决策与其对决策质量的感知无关。关于决策质量，威尔科克森符号秩检验的结果具有显著性，z = 7.23，p <.001。这表明决策质量得分的中位数与三（3）存在显著差异。进一步检查发现，决策质量的观察中位数为4.25。因此，参与者更倾向于同意有关决策质量的问题，而非不同意。
| 构念|检验中位数|观察中位数|=|p|
| —|—|—|—|—|
| 相关性|3|4.25|7.09|.001|
| 安全|3|4.00|7.71|.001|
| 使用频率|2|2.00|4.56|.001|
| 决策质量|3|4.25|7.23|.001|

结果摘要

本研究探讨了经理对使用商业智能输入进行决策的七个方面的感知。克朗巴哈系数显示，所有构念均具有可靠性，但可靠性构念除外，这可能是由于与可靠性问题相关的不确定性所致。七项威尔科克森符号秩检验均具有显著性。这表明，所有感知均显著高于中立（频繁）反应。因此，由于所收集的数据不支持零假设，所有零假设均被拒绝，转而支持备择假设。这说明参与者对所有问题表示同意的情况明显多于不同意的情况。因此，数据表明，经理对使用商业智能输入所做决策的感知取决于其可访问性、可靠性、信息质量、相关性、安全、使用频率以及其决策的质量。

发现

在当今信息时代，物流与运输服务提供商必须在交付过程中通过信息管理来开展其传统活动（沈, 2009年）。准确的信息有助于物流行业管理者转变其运营模式（波卡雷尔, 2005）。
管理者使用商业智能技术来满足其信息处理和决策需求。总体而言，该研究表明，物流行业中大多数决策者认为商业智能输入能够提高决策过程的效率。因此，采用该技术的组织将持续发展。
根据数据分析，研究人员得出结论：管理者对商业智能技术在决策过程中的应用非常满意。对七个因素的全面分析和解释揭示了正相关关系。本质上，所有分析均显示出高度相关性，支持对研究问题的积极回答。这些结果表明，商业智能专业人员认为可访问性、可靠性、信息质量、使用频率、相关性、安全以及决策质量是在进行商业决策时的重要因素。该研究表明，在利用商业智能输入进行决策时，对这些因素的感知是重要的考虑因素。由于竞争力量要求管理者基于输入数据做出智能且快速的决策，因此这些感知有助于理解商业智能的应用。
该研究进一步表明，决策中从商业智能输入获得的信息质量满意度相对较高。由于满意度水平较高，这可以被视为商业智能输入可靠性的指标。研究显示，对使用商业智能技术的频率有很强的支持。关于使用频率变量的分析表明，46%的人总是使用商业智能，而 48%的人频繁使用。这表明有必要鼓励更多地使用商业智能技术。这一发现与先前的研究一致。根据沈(2009)，先进信息技术在运输与物流领域的渗透率一直较低。他认为可能的原因之一是研究表明，对先进技术投资的优势存在争议。因此，这项研究具有时效性。
在该研究中，98%的参与者表示商业智能技术对他们的工作非常有用，绝大多数受访者（99%）认为商业智能技术提高了他们的决策质量。另一个有趣的方面是，97%的受访者认为商业智能对其决策过程非常重要。
该研究调查了基于商业智能输入所做出的决策是否符合公司需求。参与者的反馈显示，97%的人确信基于商业智能输入所做出的决策是根据公司需求定制的。最后，数据显示，21%的参与者在认为商业智能输入和商业智能硬件比其他传统技术形式更可靠这一观点上持中立态度。这是
| 问题 | 强烈不同意 | 不同意 | 中立 | 同意 | 强烈同意 |
| — | — | — | — | — | — |
| n | % | n | % | n | % | n | % | n | % |
| Q1 | 0 | 0 | 2 | 3 | 5 | 7 | 50 | 73 | 12 | 17 |
| Q2 | 0 | 0 | 0 | 0 | 3 | 4 | 47 | 68 | 19 | 28 |
| Q3 | 0 | 0 | 0 | 0 | 1 | 2 | 44 | 65 | 23 | 34 |
| Q4 | 0 | 0 | 1 | 2 | 0 | 0 | 43 | 63 | 24 | 35 |
| Q5 | 1 | 2 | 0 | 0 | 1 | 2 | 60 | 90 | 5 | 8 |
| Q6 | 0 | 0 | 0 | 0 | 14 | 21 | 50 | 75 | 3 | 5 |
| Q7 | 0 | 0 | 0 | 0 | 14 | 21 | 51 | 76 | 2 | 3 |
| Q8 | 0 | 0 | 1 | 2 | 2 | 3 | 62 | 93 | 2 | 3 |
| Q9 | 0 | 0 | 1 | 2 | 3 | 5 | 44 | 66 | 19 | 28 |
| Q10 | 0 | 0 | 1 | 2 | 0 | 0 | 49 | 73 | 17 | 25 |
| Q11 | 1 | 2 | 0 | 0 | 1 | 2 | 36 | 55 | 28 | 42 |
| Q12 | 0 | 0 | 2 | 3 | 0 | 0 | 37 | 56 | 27 | 41 |
| Q13 | 0 | 0 | 1 | 2 | 0 | 0 | 29 | 45 | 35 | 54 |
| Q14 | 0 | 0 | 1 | 2 | 6 | 9 | 50 | 75 | 10 | 15 |
| Q15 | 0 | 0 | 1 | 2 | 1 | 2 | 49 | 73 | 16 | 24 |
| Q16 | 0 | 0 | 1 | 2 | 0 | 0 | 32 | 48 | 34 | 51 |
| Q17 | 0 | 0 | 1 | 2 | 1 | 2 | 36 | 55 | 28 | 42 |
| Q18 | 0 | 0 | 1 | 2 | 1 | 2 | 28 | 42 | 37 | 55 |
| Q19* | – | 4 | 6 | 32 | 48 | 31 | 46 | – | – |
注：对于问题19，不同意 =很少，中立 =频繁，同意 =总是
令人非常惊讶的是，许多受访者表示他们是商业智能的重度且频繁的用户。这种轻微不一致的一个解释是业务人员与技术人员之间缺乏沟通和明确的定义。
这些发现对于商业智能技术的整体贡献以及管理者为组织保持竞争优势的能力具有重要意义。本研究支持了大量文献的观点，即决策过程非常复杂，且依赖于多种因素。此外，在使用商业智能技术时，组织决策可能变得非常复杂。研究表明，使用商业智能输入时，许多不同因素会影响该过程。因此，了解决策过程中涉及的因素将有助于改善组织决策。
由于研究指出有多个因素影响商业智能在决策过程中的使用，应进一步研究在决策过程中影响最大的因素。未来的研究还应扩展到包括其他行业。

研究的意义

技术的应用对于帮助管理者改进决策至关重要。本研究提供了强有力的证据，支持在决策过程中使用商业智能输入。本研究获得的实证证据指出了若干影响商业智能输入在决策过程中应用的关键因素。所涉及的因素表明，决策者认识到商业智能技术的必要性，并将其视为决策过程中的创新资源。建议为提高组织决策水平，考虑使用商业智能输入进行决策的管理者或商业智能专业人员应关注本研究中识别出的因素，因为这些是影响基于商业智能输入所做决策的重要因素。
商业智能输入与决策过程密切相关。这些发现支持了相关文献的观点，即商业智能技术有助于及时且信息更充分的决策。研究结果表明，有效使用商业智能可确保及时获取和交换信息，从而促进决策过程。尽管研究表明这些因素与决策之间存在强关联，但各因素对决策的具体影响程度仍需进一步研究。

研究限制

其中一个限制是，可靠性构念的阿尔法值为0.54。由于可靠性构念的可靠性较低，应谨慎对待结果（克林，2005年）。如前所述，与可靠性相关的问题存在歧义。商业智能专业人员所认为的“可靠”具体指什么，或他们如何定义可靠性，并不明确。此外，尚不清楚他们考虑的是数据还是技术。此外，可靠性仅针对包含五个以上问题的构念进行。
本研究在纽约州进行，尽管该国其他地区的管理者可以考虑其中的许多问题，但另一个缺点是地理范围的限制。参与研究的人员可能对商业智能技术表现出独特的倾向或偏见，这种倾向或偏见可能不适用于其他州的用户。此外，更大的样本量也可能提供不同的洞察。
此外，需要注意的是，本研究假设参与者对每个问题的回答都是准确且真实的。由于参与本研究是自愿的，匿名性支持了回答的准确性和真实性。最后，经理或决策者对商业智能的感知可能会随着他们对工具的熟悉程度提高以及接受更高级的培训而发生变化。

未来研究建议

有许多建议可用于扩展本研究背后的研究。扩大研究的地理范围，涵盖其他地理区域或不同类型的人口统计特征，可能会因不同的组织条件而显示出不同的关注点。此外，调查更大样本将允许进行更详细的分析。另一个相关的工作是将参与者按不同的职位头衔进行划分。本研究仅包含了被认为对决策过程至关重要的七个因素。进一步的研究可以聚焦于其他因素。这些其他因素可能为决策过程提供更多的洞察。确定导致不成功结果的因素也将非常有意义。
未来的研究人员还可以探讨与决策过程相关的商业智能安全。进一步的研究工作可以聚焦于信息过载，特别是信息过载对商业智能输入的影响以及其如何影响决策过程。随着商业智能的使用激增和熟练程度的提高，应使用更多工具开展研究。
最后，文献表明许多组织并未使用商业智能技术。因此，一个相关课题可以探讨尽管商业智能技术在决策过程中似乎非常有前景，但企业为何仍未采用该技术的原因。

结论

本研究应被视为理解物流行业中商业智能输入感知的重要一步。该研究有助于理解商业智能输入在决策过程中的应用，并对商业智能和决策领域做出了重要贡献。研究结果表明，可访问性感知、可靠性、信息质量、相关性、安全、使用频率以及决策质量是利用商业智能输入进行决策的关键因素。
根据对数据的分析，研究结果表明这些因素有助于确定管理者在决策过程中使用商业智能技术的原因。此外，对这些因素的考察将有助于更好地理解所做决策背后的依据。这些发现将通过向决策者提供对其知识库至关重要的信息，帮助组织做出更好的决策，并有助于提高组织决策的质量。这可以改进运营和战略决策过程，从而为组织创造竞争优势。
在决策过程中使用技术确实有着悠久的历史。由于决策支持系统领域中技术性质的不断变化，有必要从管理策略的角度进行明确定义。在考虑技术使用时，重要的是要理解其对组织成功和绩效的影响。它们增强了知识库，并强调了管理者对商业智能技术感知的重要性。在物流行业中，企业可以更快地响应客户需求，并在运输和生产方面实现更低的成本（沈, 2009）。

您可能感兴趣的与本文相关的镜像