Professional Documents
Culture Documents
com
Facultad de Ciencias
Sociales de la
Universidad de Agder
2020
Tesis de Doctorado en la Universidad de Agder 282
ISSN: 1504-9272
ISBN: 978-82-7117-984-7
Impreso por 07
Media Kristiansand
Esta tesis ha sido presentada al
Comité de Evaluación
Supervisores
Por último, pero no menos importante, le debo las gracias a una persona muy
especial, por su amor, apoyo y comprensión continuos e inquebrantables.
Siempre estuviste cerca, a veces pensé que era casi imposible continuar. Estoy
realmente agradecido por todo lo que has hecho por mí. ¡Significas mucho para
mí!
x
lista de abreviaciones
BABnegocios Analítica
BIBnegocios Inteligencia
BI & ABusiness Intelligence and Analytics
CRMRelación con el cliente Gestión
Éxito crítico de CSFC Factor
Gestión de bases de datos DBMS Sistema
D & MDeLone y McLean
DOIDdifusión de la innovación Teoría
Soporte DSSDecision Sistema
DWData Depósito
EIS Sistema de información ejecutiva
Recurso ERPEnterprise Planificación
ETLExtract-Transform-Load
IoTInternet de Cosas
ISInformación Sistemas
Información Tecnología
KM Conocimiento Gestión
Indicador de rendimiento clave
Sistema de información de gestión incorrecta
PDSSP Soporte de decisiones personales
Sistema RBV Basado en recursos
Vista
SaaSSoftware como servicio
Cadena de suministro Analítica
Cadena de suministro SCMS Gestión
PYMESpequeñas y medianas Empresa
Modelo de aceptación de TAMTechnology
Tecnología, organización y Medio ambiente
UTAUT Teoría unificada de aceptación y uso de la tecnología VRIN
Valiosa, rareza, inimitable y Insustituible
xi
xii
Abstracto
Esta tesis presenta un estudio sobre la adopción de Business Intelligence and
Analytics (BI&A) en pequeñas y medianas empresas (Pymes). Aunque la
importancia de BI&A es ampliamente aceptada, la investigación empírica
muestra que las PyMEs todavía están rezagadas en la proliferación de BI&A. Por
tanto, es fundamental comprender el fenómeno de la adopción de BI&A en las
pymes.
xiv
y enfoque gradual como es preferible para las PYMES y propone un modelo de
proceso de valor de SI revisado para representar la naturaleza iterativa y
dinámica de BI&A. Finalmente, el estudio ilustra la combinación de las tres
perspectivas teóricas, lo que contribuye a una mejor comprensión de los
hallazgos. Además, esta tesis presenta un conjunto de recomendaciones para
ayudar a las pymes a lograr la adopción exitosa de BI&A y la creación de valor.
Además, la combinación de un estudio Delphi de tipo ranking con un enfoque
Delphi fundamentado y entrevistas exploratorias cualitativas a expertos ofrece un
enfoque metodológico riguroso para obtener una comprensión más profunda de
la adopción de BI&A en las pymes.
xv
Tabla de contenido
1 Introducción1...................................................................................................
2 Teórico Antecedentes5....................................................................................
2.1 El basado en recursos Vista 5.....................................................................
2.2 Las capacidades dinámicas Vista8.............................................................
2.3 Valor de IS Modelos12.............................................................................
3 Relacionado Literatura19...............................................................................
3.1 Inteligencia empresarial y Analítica19.....................................................
3.1.1 Business Intelligence, Business Analytics y Big Datos20.................
3.1.2 BI&A Arquitectura22........................................................................
3.1.3 BI&A Evolution y Tendencias23......................................................
3.1.4 BI&A Business Creación de valor26.................................................
3.2 Pequeñas y medianas empresas e información Sistemas28......................
3.2.1 El contexto de las PYME y Medio Ambiente28................................
3.2.2 Único de las PYMES Características30.............................................
3.3 ES Adopción32........................................................................................
3.4 ES Adopción en PYMES36.....................................................................
3.5 BI&A Adopción39...................................................................................
3.6 Adopción de BI&A en PYMES43............................................................
4 Investigar Enfoque47.....................................................................................
4.1 Investigar Diseño47..................................................................................
4.2 Conseguir informantes Tablero49............................................................
4.3 Datos Colección53...................................................................................
4.3.1 Cualitativo Entrevistas53...................................................................
4.3.2 Delphi Estudio54...............................................................................
4.4 Datos Análisis58......................................................................................
4.5 Validez Problemas62................................................................................
5 Investigar Publicaciones65............................................................................
5.1 Documento 1: Revisión de la inteligencia empresarial y el análisis en
pequeñas y Talla media Empresas
sesenta y cinco
5.1.1 Presentación66..................................................................................
5.1.2 Hallazgos66.......................................................................................
5.2 Documento 2: Creación de valor a partir de inteligencia empresarial y
análisis en Pymes: perspectivas de Expertos...................................................67
xvi
5.2.1 Presentación67..................................................................................
5.2.2 Hallazgos68.......................................................................................
5.3 Documento 3: Impulsores para la creación de valor empresarial de la
inteligencia empresarial: Los expertos Vista...................................................69
5.3.1 Presentación69..................................................................................
5.3.2 Hallazgos69.......................................................................................
5.4 Documento 4: Data Lakes en Business Intelligence: informes del
Trincheras........................................................................................................70
5.4.1 Presentación71..................................................................................
5.4.2 Hallazgos71.......................................................................................
5.5 Documento 5: Creación de valor comercial estratégico a partir de BI&A:
Navegando por Dire Straits between Investment and Rendimiento.................72
5.5.1 Presentación72..................................................................................
5.5.2 Hallazgos72.......................................................................................
6 Contribuciones75...........................................................................................
6.1 Contribución a Investigación75................................................................
6.2 Contribución a Práctica82........................................................................
6.3 Metodológico Contribución86..................................................................
7 Conclusiones87..............................................................................................
7.1 Resumen87...............................................................................................
7.2 Limitaciones y sugerencias para el futuro Investigación88......................
Referencias91......................................................................................................
Apéndices 115...................................................................................................
Apéndice A: Documentación de datos Colección115....................................
Apéndice B: Investigación Publicaciones157................................................
xvii
Lista de Figuras
Figura 2.1: Cómo la TI crea valor empresarial: un proceso teoría14..............................
Figura 2.2: Valor empresarial de TI modelo14...............................................................
Figura 2.3: Valor empresarial de SI sintetizado modelo15.............................................
Figura 2.4: Un marco de cómo BI&A crea negocios valor17.........................................
Figura 3.1: Evolución de la decisión tecnologías de apoyo20........................................
Figura 3.2: BI&A arquitectura23....................................................................................
Figura 3.3: La difusión de marco de innovaciones33......................................................
Figura 3.4: La tecnología, la organización y el medio ambiente marco34......................
Figura 4.1: Resumen de la investigación actividades49..................................................
Figura 4.2: Resumen de las fases Delphi y seguimiento entrevistas55...........................
Figura 4.3: Ejemplo de análisis de la lista de controladores en función de la validación
round60............................................................................................................................
Figura 6.1: Impulsores e inhibidores principales para la adopción de BI&A en PYMES
mapeados en el SI proceso de valor modelo...................................................................76
Figura 6.2: El modelo de proceso de valor revisado propuesto y los impulsores de
implementación mapeado en el modelo de proceso de valor de IS por Soh y Markus
(1995)..............................................................................................................................80
Lista de tablas
Tabla 3.1: Los factores de éxito en SI adopción38.........................................................
Tabla 3.2: Tres categorías principales de factores que influyen en BI&A adopción40. .
Tabla 4.1: Informantes del estudio Delphi profile50.......................................................
Tabla 4.2: Informantes profile51.....................................................................................
Tabla 4.3: Estudio Delphi diseño55................................................................................
Tabla 4.4: Resumen de las entrevistas de seguimiento para el Delphi Estudio58..........
Tabla 4.5: Ejemplo de coding61......................................................................................
Tabla 4.6: Cuestiones de validez de la Estudio Delphi62...............................................
Tabla 4.7: Cuestiones de validez basadas en los principios de interpretación de SI
investigación63................................................................................................................
Tabla 5.1: Resumen de la investigación publicaciones65...............................................
Tabla 6.1: Recomendaciones para práctica85.................................................................
xviii
xix
Soy un gran creyente en la suerte. Cuanto más trabajo, más parece tener.
- Coleman Cox.
xx
-
xxi
1 Introducción
La inteligencia y el análisis de negocios (BI&A) son enfoques centrados en datos
que complementan los datos con un conjunto de metodologías, procesos,
tecnologías y herramientas para analizar y extraer información de los datos (Lim
et al., 2013). BI&A ofrece una forma para que las empresas examinen sus datos
para mejorar la toma de decisiones, comprender las tendencias y descubrir
información valiosa (Gürdür et al., 2019). Ha evolucionado desde el
almacenamiento de datos con un enfoque en informes estáticos centrados en la
inteligencia (Simmers, 2004). Al mismo tiempo, también cambia de una función
de transformación de datos a una función de información como el punto focal de
la función actual de transformación de datos en inteligencia. BI&A aprovecha el
software y los servicios para transformar los datos en inteligencia procesable que
informa las decisiones comerciales estratégicas y tácticas de una organización.
Con BI&A, las empresas pueden acceder y analizar conjuntos de datos y
presentar hallazgos analíticos en informes, resúmenes, paneles, gráficos, cuadros
y mapas para proporcionar a los usuarios información detallada sobre el estado
de la empresa. En resumen, BI&A es un sistema de información que respalda los
procesos de toma de decisiones al ayudar a las organizaciones a descubrir nuevos
conocimientos, ofrecer soluciones de análisis, consultas ad hoc, informes y
pronósticos (Yoon et al., 2014).
1
de negocios anual que no supera los 50 millones de euros, lo que representa el
99% de todas las empresas europeas (IFC, 2012, p. 1). Las pymes equilibran la
independencia política y económica e impulsan infraestructuras socioeconómicas
diversificadas en forma de empleo
2
creación, flexibilidad e innovaciones (Dwivedi et al. 2009). Por tanto, las pymes
son la piedra angular de la industrialización.
4
El proceso de generación asociado con la adopción de estas tecnologías aún no
está claro (Moreno et al., 2018, Trieu, 2017).
Dadas las motivaciones anteriores, esta tesis tiene como objetivo aumentar la
comprensión de la adopción de BI&A en las pymes y cómo las pymes crean
valor a partir de las iniciativas de BI&A. Para obtener una mejor comprensión, se
investiga esta pregunta de investigación general: ¿Cómo podemos comprender el
fenómeno de la adopción de BI&A en las pymes? Esta tesis interpreta la
adopción de SI en estas etapas: inversión, implementación, utilización y creación
de valor a partir de iniciativas BI&A. Para comprender mejor la adopción de
BI&A, investigué específicamente las siguientes subpreguntas de investigación:
5
6
2 Antecedentes teóricos
Este capítulo discutirá los lentes teóricos aplicados para comprender los
hallazgos del estudio. El Capítulo 2.1 presenta la visión basada en recursos de la
empresa desarrollada para comprender cómo las organizaciones logran ventajas
competitivas sostenibles a través de sus recursos y capacidades. La teoría de las
capacidades dinámicas se centra en cómo las organizaciones desarrollan y
renuevan sus recursos y capacidades para adaptarse a los cambios ambientales y
se presenta en el Capítulo 2.2. Finalmente, el Capítulo 2.3 presenta el modelo de
proceso de valor de SI para ayudar a explicar cómo y por qué las inversiones en
SI pueden conducir a un mejor desempeño organizacional.
7
La teoría RBV se centra en cómo y por qué algunos recursos y capacidades son
valiosos, aunque raros, imperfectamente imitables y no sustituibles para permitir
que las empresas acumulen beneficios económicos (Barney, 1996). Los eruditos
de la RBV argumentaron valiosos y raros
8
Los recursos y capacidades de la empresa pueden lograr una ventaja competitiva
a corto plazo. También sostienen que estos recursos y capacidades deben ser
inimitables y no sustituibles para producir una ventaja competitiva sostenible. Sin
embargo, cada indicador podría considerarse necesario, pero no suficiente para
mantener una ventaja competitiva a largo plazo.
Los recursos y las capacidades son dos términos que se utilizan a menudo sin
distinción. Barney (1991) clasificó los recursos en tres categorías: capital físico
(por ejemplo, activos financieros y tecnología), capital humano (por ejemplo,
habilidades gerenciales) y capital organizacional (por ejemplo, reputación,
cultura). Las capacidades se refieren a la capacidad de una empresa para
desplegar recursos valiosos ya sea en combinación o en copresencia (Schendel,
1994). Además, las capacidades también son específicas de la empresa y se
desarrollan con el tiempo (Barney y Hansen, 1994). Las competencias como la
confiabilidad, la flexibilidad organizacional, la respuesta rápida a las tendencias
de los clientes y los ciclos de vida cortos del producto se consideran capacidades.
Según la definición de la teoría RBV de Wade y Hulland (2004), los recursos son
insumos en el proceso de producción de una empresa (es decir, equipos de TI),
mientras que las capacidades es la capacidad de una empresa para explotar
equipos de TI a través de procesos organizacionales. Mediante el uso continuo de
equipos de TI, las capacidades se vuelven más difíciles de entender e imitar por
los competidores actuales o potenciales. La literatura muestra una diferencia
notable entre recursos y capacidades.
10
capacidades y su contribución al desempeño organizacional. Esta contribución
fue conceptualizada y medida a través del valor agregado por los efectos
automatizados, informativos y transformacionales de las capacidades de ERP en
los procesos operativos y gerenciales de la empresa.
Utilizando la teoría RBV como base teórica, un estudio de Chae et al. (2014a)
amplió la comprensión de los componentes y el rendimiento de la analítica de la
cadena de suministro (SCA). Desarrollaron una perspectiva teórica sobre el SCA
como un recurso valioso, inimitable e insustituible en contextos de fabricación
como fuente de ventaja competitiva sostenida. SCA es una combinación de tres
conjuntos de datos y recursos de gestión de la cadena de suministro (SCM)
11
habilitados para TI, denominados recursos de gestión de datos, recursos de
planificación de la cadena de suministro basados en TI y recursos de gestión del
rendimiento. Estos tres conjuntos de recursos son complementarios y permiten
12
mutuamente. Los autores reconocieron que estos recursos en la teoría RBV son
importantes para la ventaja competitiva.
13
término "dinámico" como la capacidad de renovar competencias para lograr la
congruencia en entornos empresariales cambiantes. El término 'capacidades'
también fue
14
utilizado para enfatizar el papel de la dirección estratégica en la adaptación,
integración y reconfiguración de las habilidades, recursos y competencias
funcionales internas y externas de la organización para abordar los requisitos de
un entorno cambiante. Teece y col. (1997) conjeturaron que cuanto más rápido es
el cambio tecnológico, más capacidades dinámicas son la fuente de una ventaja
competitiva sostenida.
16
Otro marco establecido consta de ocho capacidades IS dinámicas distintas,
divididas en tres clases amplias: de adentro hacia afuera, de afuera hacia adentro
y de expansión (Wade y Hulland, 2004, Day, 1994). Las capacidades de adentro
hacia afuera tienden a enfocarse y desplegarse internamente para responder a los
requisitos y oportunidades del mercado. Las capacidades de afuera hacia adentro
están orientadas hacia el exterior y se centran en la gestión de las relaciones
externas, como anticipar los requisitos del mercado, garantizar relaciones sólidas
con los clientes y comprender a los competidores. Por último, las capacidades de
expansión implican análisis tanto internos como externos e integran las
capacidades internas y externas de la empresa, como la gestión, la gestión y la
planificación de las asociaciones comerciales de SI.
18
El modelo de implementación puede servir como guía para las empresas
interesadas en implementar ERP.
20
que necesitan la atención adecuada: capacidad de gestión de datos, capacidad de
proceso analítico de la cadena de suministro y capacidad de gestión del
rendimiento de la cadena de suministro. En otro estudio de Olszak (2014) se
aplicó tanto RBV como capacidades dinámicas para investigar las fallas de
BI&A. Propuso un marco de capacidades dinámico e integral que refleja seis
áreas de capacidades de BI&A: gobernanza, cultura, tecnología, personas,
procesos y gestión del cambio y creatividad. La literatura de BI&A a menudo no
logra cerrar la brecha entre las especificaciones normativas sobre el uso de BI&A
y la ventaja competitiva. Por lo tanto, Sidorova y Torres (2014) propusieron
BI&A como un mecanismo de monitoreo de capacidades a través de la
perspectiva de capacidades dinámicas. Los autores describieron cinco
componentes internos centrales de BI&A:
(1) recopilación y gestión de datos de prácticas de capacidad, (2) recopilación y
gestión de datos ambientales, (3) análisis de datos ambientales e identificación de
discontinuidades ambientales, (4) identificación de desajustes de capacidad y (5)
producción de una solicitud. Argumentaron que los resultados del estudio
destacaron el vínculo teórico entre BI&A y la ventaja competitiva.
21
2.3 Modelos de valor IS
El valor comercial de las inversiones en SI / TI ha sido y se prevé que seguirá
siendo un tema de investigación importante para los investigadores de SI
(Schryen, 2013). La cuestión fundamental de la relación causal entre las
inversiones en SI y el valor empresarial sigue siendo sólo
22
parcialmente explicado. Los académicos de SI adoptaron una gran variedad de
enfoques para saber cómo las inversiones de las empresas generan valor
comercial. Estos eminentes académicos están motivados por el deseo de
comprender cómo la aplicación de TI en las empresas conduce a un mejor
desempeño organizacional (Melville et al., 2004). Una especificación precisa de
lo que entendemos por valor comercial de TI depende de lo que entendamos por
TI. Hay cinco conceptualizaciones del artefacto de TI adoptadas en la
investigación de SI: vista de herramienta, vista de proxy, vista de conjunto, vista
computacional y vista nominal (Orlikowski e Iacono, 2001).
Los investigadores han propuesto muchos modelos teóricos que trazan el camino
de la innovación desde la decisión de adopción a través de la inversión y la
creación de recursos hasta los resultados deseados, como una mayor
productividad, un mejor desempeño organizacional y valor comercial realizado.
Por ejemplo, Soh y Markus (1995) presentaron un modelo de proceso de cómo,
cuándo y por qué la inversión en TI se convierte en un desempeño organizacional
favorable. Argumentaron que este modelo de proceso propuesto ha capturado
todos los ingredientes principales de la receta para transformar la inversión en TI
en desempeño organizacional. La receta comprende las condiciones necesarias y
los procesos probabilísticos en la siguiente secuencia: las empresas gastan en TI
y, sujeto a los diversos grados de eficacia en la gestión de TI, obtienen activos de
TI. Los activos de TI de calidad, si se combinan con el proceso de uso apropiado
23
de TI, luego producir impactos de TI favorables. Los impactos favorables de TI,
si no se ven afectados negativamente durante el proceso competitivo, conducen a
un mejor desempeño organizacional (Figura 2.1).
24
“LA CONVERSIÓN DE TI "EL PROCESO DE USO DE TI" “EL COMPETITIVO
PROCESO" PROCESO"
Figura 2.1: Cómo la TI crea valor empresarial: una teoría de procesos (Soh y Markus,
1995)
I. Firma focal
Proceso de generación de valor empresarial de TI
Tecnología de recursos de TI (TIR) y humanos (HIR)
25
Figura 2.2: Modelo de valor empresarial de TI (Melville et al., 2004)
26
Para reactivar el interés y las actividades de los investigadores en el valor
comercial de SI / TI, Schryen (2013) proporcionó una nueva perspectiva sobre
cómo las inversiones en SI crean valor comercial. Para responder a esta pregunta
y fortalecer el papel de la investigación en valores de SI, Schryen (2013) realizó
tres tareas de investigación: (1) Sintetizar el conocimiento (¿qué sabemos?), (2)
Identificar la falta de conocimiento (¿qué necesitamos saber? ?), y (3)
Proposición de caminos para cerrar la brecha de conocimiento (¿cómo llegar
allí?). Definió y aplicó un nuevo modelo conceptual basado en cuatro modelos de
negocio de SI destacados propuestos por Dedrick et al. (2003), Dehning y
Richardson (2002), Melville et al. (2004) y Soh y Markus (1995). El modelo de
valor empresarial de SI sintetizado se muestra en la Figura 2.3.
Inversiones en IS Rendimiento
Inversiones ajenas a IS
Efectos de retraso
28
Sistemas web 2.0. Estudiaron tres organizaciones que adoptaron con éxito el
sistema Web 2.0. Sus resultados indicaron que la adopción de estos sistemas
difiere de los proyectos de adopción de sistemas empresariales más grandes. Esto
tiene su origen en menores costos de implementación y mantenimiento y en la
menor complejidad técnica de los sistemas Web 2.0. Basado en RBV y teoría de
procesos por Soh y Markus (1995) y Melville et al. (2004), se elaboró un modelo
conceptual para examinar la estructura casual de capacidad, proceso y relación en
la subcontratación de TI (Han et al., 2008). Los autores investigaron las
capacidades de recursos de la empresa y los efectos del proceso de interacción en
el éxito de la subcontratación de TI. El modelo propuesto proporcionó un
paradigma para comprender las relaciones de subcontratación y cómo nutrir y
garantizar el éxito.
30
de los impactos de BI, que a su vez requieren activos e inversiones de BI.
Siguiendo la lógica de los modelos de proceso de Soh y Markus (1995), cada
eslabón de la cadena refleja un proceso probabilístico. Por ejemplo, el vínculo de
las inversiones de BI a los activos de BI implica el proceso de gestión /
conversión de BI y la inversión en inversiones complementarias distintas de BI.
Luego, el vínculo de los activos de BI a los impactos de BI depende del proceso
de uso eficaz de los sistemas de BI. Sin embargo, el vínculo entre los impactos de
BI y el desempeño organizacional depende del proceso competitivo. Los
hallazgos de su estudio mostraron que las organizaciones parecen obtener valor
de BI&A de acuerdo con el proceso sugerido por Soh y Markus (1995). Además,
su estudio identificó varias oportunidades para proporcionar una imagen más
completa de cómo las organizaciones pueden obtener valor de BI&A.
FACTORES FIRMES
FACTORES DE LA FACTORES
INDUSTRIAPAÍS
“LA CONVERSIÓN BI PROCESO" "EL PROCESO DE USO BI" “EL COMPETITIVO PROCESO"
EFECTOS DE LATENCIA
Figura 2.4: Un marco de cómo BI&A crea valor empresarial (Trieu, 2017)
Otro estudio intentó comprender cómo una organización puede obtener valor
comercial de la inversión en BI&A (Smith y Crossland, 2008). Se utilizó como
marco un modelo extendido de proceso de valor comercial de SI basado en Soh y
Markus. Los resultados del estudio demostraron que la realización del valor
comercial de BI&A dependía en gran medida de las actividades que ocurrían en
todas las etapas del modelo de proceso de valor de SI. Del mismo modo, Eybers
et al. (2013) también aplicaron un modelo personalizado basado en el modelo de
31
proceso de Soh y Markus (1995) para investigar el valor comercial de BI&A. Los
hallazgos son que el valor comercial se materializa en varias actividades en
32
todos los procesos en el marco de trabajo de Soh y Markus. Los autores
argumentaron que el valor comercial es difícil de medir debido a la aparición
indirecta y tardía de los beneficios.
Junto con las capacidades dinámicas, Grover et al. (2018) también aplicaron los
modelos de valor de IS propuestos por Soh y Markus (1995) y Melville et al.
(2004) para describir cómo las inversiones en TI construyen activos o recursos y
crean impactos tanto en el proceso como en la representación de la varianza en el
análisis de big data. Propusieron un marco conceptual para crear valor a partir del
análisis de big data basado en estas teorías.
33
3 Literatura relacionada
Este capítulo proporciona una descripción general de la literatura relacionada con
los temas de investigación de la tesis. Empiezo por presentar una breve discusión
sobre las tecnologías de apoyo a la toma de decisiones (3.1), seguido de la
definición del contexto de BI&A en la literatura de SI (3.1.1). También examino
la literatura sobre arquitectura BI&A (3.1.2), evolución y tendencias de BI&A
(3.1.3) y creación de valor BI&A (3.1.4). En el Capítulo 3.2.1, presento el
contexto y el entorno de las PYME en el dominio de SI. Este capítulo definirá el
alcance del contexto de investigación, que puede afectar la adopción de BI&A.
Las características únicas de las PYME se presentan en el Capítulo 3.2.2.
También examino la literatura sobre la adopción de SI en general (3.3) y en las
PYMES (3.4). Discuto brevemente las teorías de adopción y los factores que
influyen en la adopción de SI que se encuentran en la literatura. Capítulo 3. 5
analiza la literatura actual sobre las teorías de adopción y los factores que
influyen en la adopción de BI&A. Finalmente, se presenta una breve discusión de
la literatura de adopción de BI&A en PyMEs (3.6). Esta revisión no es
exhaustiva, sino que complementa los temas relevantes discutidos en esta tesis.
35
Los datos sobre las operaciones de la organización se crearon mediante el
desarrollo de EIS a gran escala.
licenciado en Letras
BI
DW Avanzado
analítica
EIS Análisis de datos descriptivos
KPI y Análisis de big data
(P) DSS Integración de múltiples fuentes de datos
cuadros de mando En memoria
MAL Multidim. Consultas ad-hoc
OLAP Procesamiento de datos análisis de los datos
Algoritmos estadísticos modelado
Complejo y Separación de sistemas operativos
algoritmos codificados Centrarse en la alta dirección
Base de datos
orientación
Procesamiento de datos eficiente
Visión de
"Generador de decisiones"
196019701980199020002010
36
del Gartner Group reintrodujo el término en 1989 (Burstein y Holsapple, 2008),
describiéndolo como una categoría amplia de software y soluciones. para
recopilar, consolidar y analizar y proporcionar acceso a los datos de una manera
que permita a los usuarios empresariales tomar mejores decisiones comerciales
(Gibson et al., 2004). sin embargo, el
37
La etiqueta BI no ganó una tracción generalizada como movimiento DSS hasta
principios de la década de 2000 (Arnott y Pervan, 2014).
BI&A es parte integral de las empresas del siglo XXI debido a las crecientes
necesidades de análisis, interpretación y procesamiento de datos. Con el tiempo,
la definición de BI&A se ha ampliado para incluir tanto la tecnología como los
procesos organizacionales y comerciales (Brooks et al., 2015). El principal
objetivo de BI&A es mejorar la oportunidad y calidad de la información
disponible para la toma de decisiones. La información procesable debe entregarse
correctamente en el lugar correcto en el momento adecuado (Negash, 2004).
39
problemas asociados con la gestión de big data y la implementación de la
iniciativa BI&A en torno a ella (Sidorova y Torres, 2014). Las oportunidades y
desafíos de Big Data continúan motivando la investigación de BI&A.
Una arquitectura típica de BI&A incluye una capa de fuente de datos, una capa
de extracción-transformación-carga (ETL) (el área de preparación), una capa de
almacén de datos (DW), una capa de usuario final y una capa de metadatos (Ong
et al., 2011 ). La capa de fuente de datos puede contener fuentes de datos tanto
internas como externas. Las fuentes de datos internas son datos capturados y
mantenidos en una organización, por ejemplo, gestión de relaciones con el cliente
(CRM) y ERP. Las fuentes de datos externas se refieren a datos que se originan
fuera de una organización, como Internet y la búsqueda de mercado. La capa
ETL o área de preparación se centra en tres procesos principales: extracción,
transformación y carga (Baars y Kemper, 2008). La extracción es el proceso de
identificación y recopilación de datos relevantes de diferentes fuentes
(Reinschmidt y Francoise, 2000). Los datos extraídos luego se envían a un
almacenamiento temporal llamado área de preparación antes del proceso de
transformación (Ranjan, 2009). La transformación es el proceso de convertir
datos basados en el conjunto de reglas comerciales en formatos consistentes para
informes y análisis (Ong et al., 2011). La carga es el último proceso en el que los
40
datos del área de preparación se cargan en el repositorio de destino.
41
y análisis (Bara et al., 2009). Esta capa también implica el almacenamiento de
datos agregados, datos resumidos y muchos datos históricos para análisis a largo
plazo. Las capas de metadatos se refieren a datos sobre datos. Esta capa describe
dónde se almacenan los datos y qué cambios se han realizado en los datos. El
repositorio de metadatos también se utiliza para almacenar información técnica y
comercial sobre datos, reglas comerciales y definiciones de datos (Davenport y
Harris, 2007). La capa de usuario final consta de herramientas que muestran
información en varios formatos a varios usuarios. Estas herramientas incluyen
herramientas de consulta e informes, OLAP, minería de datos, visualización de
datos y aplicaciones analíticas (Ong et al., 2011). La arquitectura típica de BI&A
se muestra en la Figura 3.2.
43
Un enfoque de BI&A centrado en los datos tiene sus raíces en el campo de la
gestión de bases de datos de larga data (Chen et al., 2012). BI&A se basa en gran
medida en numerosas tecnologías de recopilación, extracción y análisis de datos
(Chaudhuri et al., 2011, Watson y Wixom, 2007). Las soluciones tradicionales de
BI&A o BI&A 1.0 se centran en analizar datos históricos para proporcionar el
estado del negocio a través de informes (Chen et al., 2012). Un informe de ventas
puede incluir filas y columnas que representan representantes de ventas, pedidos
tomados, unidades vendidas, ingresos generados y porcentaje del objetivo
alcanzado. Los datos recopilados por las organizaciones a través de sistemas
heredados están en su mayoría estructurados y, a menudo, almacenados en
sistemas comerciales de administración de bases de datos relacionales. La piedra
angular de BI&A 1.0 es la tecnología que permite a las organizaciones acceder,
analizar y presentar información.
45
sistemas BI&A 1.0 basados en DBMS existentes. Esta transformación estuvo
influenciada por la aparición de diferentes y nuevas tecnologías en la web 2.0 y
el auge de las redes sociales (Zorrilla et al., 2011).
Hay pocos estudios encontrados en la literatura sobre BI&A móvil. Por ejemplo,
46
un estudio de caso único propuso y evaluó un marco de implementación de
BI&A móvil para demostrar su aplicabilidad práctica (Verkooij y Spruit, 2013).
Se propuso un BI&A móvil basado en Android e identificó los parámetros
críticos de la línea de producción en la medición de la efectividad y la utilización
de la máquina (Djatna y
47
Munichputranto, 2015). Algunos estudios exploraron el concepto de BI&A móvil
en la interpretación y legitimación (Tona y Carlsson, 2013) y destacaron las
barreras a superar y los desafíos a los que responder (Airinei y Homocianu,
2010).
Se prevé que el valor empresarial seguirá siendo uno de los principales temas de
investigación para los investigadores de SI (Schryen, 2013). Las preguntas de
investigación más importantes en SI involucran la medición del valor comercial
(Melville et al., 2004). La implementación de BI&A por sí sola no puede
garantizar mejores resultados comerciales. El verdadero valor empresarial de los
sistemas BI&A se esconde en la mejora de los procesos y el rendimiento
empresarial (Popovič et al., 2010). Hay dos conceptualizaciones del valor
empresarial definidas en la literatura: valor empresarial estratégico y operativo
(Yogev et al., 2012). El valor estratégico es el valor que refleja la creación de una
ventaja competitiva al respaldar los objetivos estratégicos, como la identificación
de oportunidades y amenazas comerciales, la mejora de la eficiencia, la ejecución
exitosa de investigación y desarrollo, la optimización de procesos, la mejora del
desempeño financiero, y reducción de tiempo y costos (Davenport, 2006, Fink et
al., 2017). El valor comercial operativo es el valor que refleja mejoras en los
procesos internos, como mejorar las relaciones con los clientes, ahorrar costos y
tiempo, mejorar la efectividad y la participación de mercado (Watson y Wixom,
2007, Fink et al., 2017).
48
prometedora en la creación de valor reciente, al menos en las actitudes de los
ejecutivos de TI (Kappelman et al., 2013). A pesar de este cambio dramático,
poca investigación empírica ha captado los procesos de creación de valor de
BI&A (Moreno et al., 2018, Trieu, 2017, Fink et al., 2017, Božič y Dimovski,
2019a).
49
La literatura reciente destacó la capacidad de las organizaciones para crear valor
a través del uso de BI&A (Chen et al., 2012, Larson y Chang, 2016, Wixom et
al., 2013). Chen y col. (2012) exploró el papel de BI&A en la adquisición de
inteligencia sobre las necesidades del cliente, lo que generó nuevas
oportunidades comerciales. Wixom y col. (2013) exploró dos temas para
maximizar el valor comercial de BI&A: velocidad para obtener información y
uso generalizado. También proporcionaron recomendaciones sobre cómo los
líderes de TI pueden maximizar el valor de las inversiones en BI&A. Muchos
investigadores reconocen la interacción entre BI&A y el valor empresarial y
proporcionan una amplia evidencia de los usos de estas tecnologías. Tamm y col.
(2013) exploró diferentes tipos de uso de BI&A y argumentó que las
herramientas y capacidades de BI&A solo pueden generar valor si se usan. Sus
hallazgos dieron como resultado la identificación de dos tipos de usuarios de
BI&A: profesionales de la analítica y usuarios finales de la analítica. Esto llevó a
identificar tres vías para la creación de BI&A: prestación de servicios de asesoría,
creación y mejora de herramientas de BI&A y plataforma de BI, y uso de
herramientas de BA por parte de los usuarios finales. Otros estudios exploraron
el uso de BI&A para mejorar la comprensión empresarial antes de la toma de
decisiones (Namvar y Cybulski, 2014) y capturaron la esencia de BI&A para
optimizar el desempeño organizacional (Mathrani y Mathrani, 2013). Ereth y
Baars (2015) definieron escenarios concretos de aplicación de BI&A y los
analizaron en valor comercial y viabilidad. A para una mejor comprensión
empresarial antes de la toma de decisiones (Namvar y Cybulski, 2014) y capturó
la esencia de BI&A para optimizar el desempeño organizacional (Mathrani y
Mathrani, 2013). Ereth y Baars (2015) definieron escenarios concretos de
aplicación de BI&A y los analizaron en valor comercial y viabilidad. A para una
mejor comprensión empresarial antes de la toma de decisiones (Namvar y
Cybulski, 2014) y capturó la esencia de BI&A para optimizar el desempeño
organizacional (Mathrani y Mathrani, 2013). Ereth y Baars (2015) definieron
escenarios concretos de aplicación de BI&A y los analizaron en valor comercial
y viabilidad.
51
En la literatura de SI utilizando un enfoque de teoría de procesos (Melville et al.,
2004, Schryen, 2013, Soh y Markus, 1995), el análisis del marco de valores de
Trieu reveló cinco temas para motivar una mayor investigación. Estos incluyen
factores ambientales y de contexto, proceso de conversión de BI&A, proceso de
uso de BI&A, proceso competitivo de BI&A y efectos de latencia. Fink y col.
(2017) también identificaron varios estudios y desarrollaron un modelo de
creación de valor BI&A. Examinaron la relación entre los activos y las
capacidades de BI&A, la distinción entre valor comercial estratégico y operativo
y la influencia del aprendizaje y la innovación como recursos organizacionales.
Los activos de BI&A consisten en tecnología BI&A (hardware y software),
recursos humanos (conocimientos y habilidades) y carteras de aplicaciones
(Schryen, 2013, Trieu, 2017). BI& Las capacidades son funcionalidades críticas
de BI&A para ayudar a la organización a mejorar el desempeño y adaptarse al
cambio (Watson y Wixom, 2007). Fink y sus colegas confirmaron que BI&A
crea valor a partir de activos a través de capacidades para generar valor tanto a
nivel operativo como estratégico. Este camino está moderado por recursos
organizacionales específicos. Ninguno de estos estudios abordó directamente la
creación de valor de BI&A en las pymes.
52
fenómenos que rodean y, por lo tanto, existen en el entorno externo al individuo,
la mayoría de las veces en un nivel de análisis diferente (p. 198)". La importancia
del contexto también se ha destacado en la literatura sobre SI. Avgerou (2001)
declaró: “Se podría argumentar que todos los estudios de sistemas de
información son contextuales, ya que abordan cuestiones de implementación y
uso de tecnología dentro de
53
organizaciones en lugar de en un entorno de laboratorio. Así, por la naturaleza
del objeto de su estudio, la investigación en sistemas de información considera
una entidad cambiante dentro de su entorno (p. 44) ”.
55
fuentes de ventaja competitiva y adoptan los cambios y el dinamismo de sus
entornos internos y externos para garantizar esta ventaja y aumentar la
probabilidad de sostenibilidad (Darcy et al., 2014). Las demandas de las PYME
para identificar y fomentar fuentes de ventaja competitiva también son cruciales
para su éxito y sostenibilidad a largo plazo.
56
Las limitaciones de un propietario-administrador en especialistas o experiencia se
destacaron en la literatura (Carson, 1985). Los autores argumentaron que los
propietarios-gerentes tienden a ser más
57
generalistas que especialistas. Por lo tanto, esta deficiencia impide la capacidad
de los propietarios-gerentes para reconocer la importancia de la planificación
anticipada y las iniciativas de planificación estratégica. Otra característica de las
PYME es la tendencia a emplear generalistas en lugar de especialistas
(Mintzberg, 1989). Incluso si quisieran contratar especialistas en TI, enfrentan
dificultades para atraer y retener personal capacitado en TI debido a las limitadas
trayectorias profesionales disponibles en una pequeña empresa (Thong, 1999).
Otro estudio describió cómo la falta de planificación de las PYME para la
introducción y explotación de nuevas tecnologías se debe a limitaciones de
gestión (Levy et al., 2001). Estas limitaciones pueden incluir la alta dirección y
los equipos de gestión que tienen poca experiencia, habilidades o interés en
explotar la tecnología (Rothwell et al., 1989).
Las pymes y las grandes empresas también difieren en recursos. Barney (1996)
definió los recursos de una empresa como activos financieros, físicos, humanos y
organizativos utilizados por la empresa para desarrollar y entregar productos o
servicios al cliente. Los recursos de la empresa incluyen una variedad de
elementos, como activos, capacidades e información. Estos recursos son a
menudo la clave para una ventaja competitiva sostenida y un desempeño superior
(Raju et al., 2011). Por lo general, las PYME no tienen habilidades técnicas
internas (Igbaria et al., 1998, Blili y Raymond, 1993) y tienen recursos
financieros limitados (Levy y Powell, 2000, Gable y Stewart, 1999). Darcy y col.
(2014) argumentó que un reclutamiento temprano para una PYME debe agregar
valor rápidamente y hacer contribuciones significativas. Debido a sus recursos
limitados,
59
probablemente opere en un mercado único, luchando por diversificar el riesgo
comercial y siendo más vulnerable a la pérdida de clientes.
3.3 ES Adopción
La adopción de SI es la decisión de una organización de adquirir una tecnología y
ponerla a disposición de los usuarios (Hu et al., 2000). La adopción de SI afecta
en gran medida a las organizaciones empresariales y puede conducir a cambios
en los procedimientos empresariales, la estructura organizativa y el poder de
gestión. Las tecnologías de comunicación mediadas por computadora como el
correo electrónico, la Web, los sistemas interorganizacionales y el intercambio
electrónico de datos han cambiado drásticamente los procesos comerciales
(Premkumar, 2003). Las aplicaciones de SI / TI que permiten el intercambio de
información entre los procesos comerciales y las cadenas de valor pueden incluir
ERP, CRM y SCM (Al-Jabri y Roztocki, 2015). Estas y otras aplicaciones
recopilan, compilan y entregan información y establecen vínculos de socios
comerciales.
El uso de SI para lograr una ventaja competitiva siempre ha sido un tema central
(Johnston y Vitale, 1988, Rackoff et al., 1985). Muchas organizaciones
comenzaron a adoptar SI de manera estratégica para obtener una ventaja
competitiva significativa. La literatura sobre SI proporciona un amplio cuerpo de
investigación que explica la adopción y el uso de SI / TI. Esto da como resultado
varias teorías, modelos, marcos, factores de éxito, antecedentes y determinantes
60
ampliamente utilizados para medir la adopción de SI.
61
Existen numerosas teorías sobre la adopción de tecnología en la literatura de SI.
Las teorías más utilizadas son el modelo de aceptación de tecnología (TAM), la
teoría del comportamiento planificado, la teoría unificada de aceptación y uso de
la tecnología (UTAUT), la teoría de la difusión de la innovación (DOI), y la
tecnología, organización y medio ambiente ( TOE) marco. Los dos modelos de
adopción destacados a nivel de empresa en la literatura de SI son el marco DOI y
TOE (Oliveira y Martins, 2011). DOI es una teoría de cómo, por qué y a qué
velocidad se difunden nuevas ideas y tecnología a través de las culturas a nivel
individual y empresarial (Rogers, 1995). Considera que las innovaciones se
comunican a través de ciertos canales a lo largo del tiempo y dentro de un
sistema social particular (Oliveira y Martins, 2011). Por lo tanto, proporciona un
análisis exhaustivo de los impulsores y las limitaciones de la difusión de la
innovación, junto con conocimientos sobre el proceso de adopción y no adopción
de una innovación (Cruz-Jesus et al., 2018). El carácter innovador de la teoría
DOI a nivel de empresa está relacionado con variables independientes como
características individuales, características estructurales organizacionales internas
y características externas (Rogers, 1995). Esto se describe con más detalle en la
Figura 3.3.
Características internas de
estructura organizativa
62
Figura 3.3: El marco de difusión de innovaciones (Rogers, 1995)
63
Desde las primeras aplicaciones de DOI a la investigación de SI, la teoría se ha
aplicado de varias formas: intranet (Eder e Igbaria, 2001), sitio web (Beatty et al.,
2001), e-business (Zhu et al., 2006), ERP (Bradford y Florin, 2003) y CRM (Ko
et al., 2008). Un estudio de Mustonen ‐ Ollila y Lyytinen (2003) mostró que
varios factores reconocidos en la teoría DOI influyen en la adopción de SI. Estos
factores incluyen el reconocimiento de las necesidades del usuario, la
infraestructura tecnológica, la experiencia tecnológica pasada, los ensayos
propios, el trabajo autónomo, la facilidad de uso, el aprendizaje práctico y los
estándares.
El marco TOE comprende tres elementos del contexto de una empresa que
influyen en el proceso de adopción: contextos tecnológicos, organizacionales y
ambientales ((Tornatzky et al., 1990); Figura 3.4). Primero, el contexto
tecnológico describe las tecnologías internas y externas relevantes de la empresa:
sus prácticas y equipos internos actuales (Starbuck, 1976) y el conjunto de
tecnologías externas disponibles (Thompson, 1967). En segundo lugar, el
contexto organizacional se refiere a las medidas descriptivas de las
organizaciones, como el tamaño, el alcance y la estructura administrativa.
Finalmente, el contexto ambiental en el que la organización realiza negocios: su
industria, competidores y tratos con el gobierno (Tornatzky et al., 1990).
Organización
Entorno de tareas externas
Vinculación formal e informal
Características de la industria y mercado estructura estructuras Procesos de comunicación Tamaño
Tecnológico toma de decisiones de innovación Flojo
Infraestructura de soporte tecnológico Regulación gubernamental
64
Características de disponibilidad
65
El marco TOE es un marco analítico útil para diferentes tipos de adopción y
asimilación de SI / TI (Oliveira y Martins, 2011). Además, el marco TOE tiene
una base teórica sólida y un apoyo empírico consistente en la literatura. Varios
autores aplicaron el marco TOE para comprender diferentes adopciones de SI
como sitios web (Oliveira y Martins, 2008), comercio electrónico (Teo et al.,
2006), comercio electrónico (Zhu et al., 2003), sistemas abiertos (Chau y Tam. ,
1997), ERP (Pan y Jang, 2008) y KMS (Lim, 2009). Oliveira y Martins (2011)
presentaron un resumen de estudios que aplican el marco TOE para investigar la
adopción de SI.
Pan y Jang (2008) examinaron los determinantes en el marco TOE como factores
que afectan la decisión de adoptar ERP. Se encontró que cuatro factores eran
determinantes importantes de la adopción de ERP. Estos incluyen la preparación
de la tecnología, el tamaño, las barreras percibidas y las mejoras en la producción
y las operaciones. Oliveira y col. (2014) también evaluaron los determinantes
como factores que influyen en la adopción de la computación en la nube en los
66
sectores de manufactura y servicios. Desarrollaron un modelo de investigación
basado en la teoría DOI y el marco TOE. Estos factores incluyen preocupaciones
de seguridad,
67
ahorros de costos, ventaja relativa, complejidad, compatibilidad, disponibilidad
tecnológica, soporte de la alta dirección, tamaño de la empresa, presión
competitiva y soporte regulatorio.
69
adopción incremental y reactiva. El valor agregado se centra en la adopción de
sistemas de información para la competitividad, una posible fuente de
diferenciación del éxito para las pymes (Yetton et al., 1994). Además, la
suposición de que las PYME son versiones "reducidas" de las grandes empresas
ha sido cuestionada con éxito en la literatura, con una aceptación generalizada de
que las pequeñas empresas no son solo "pequeñas grandes empresas" (Hill et al.,
2002, Dandridge, 1979). Por lo tanto, la adopción de innovaciones de SI en las
pymes no puede ser una versión miniaturizada de las grandes empresas (Dwivedi
et al. 2009). Debido a las características únicas de las pymes, la necesidad de
examinar la adopción de SI en las pymes es más crucial (Thong, 1999).
71
ventajas y costos de cambio), y características del propietario y de la
organización (conocimiento de la clase de producto, actitud hacia el cambio,
edad, educación, años en el negocio y tamaño de la empresa).
72
adopción. Investigaciones anteriores destacaron la importancia de las
capacidades técnicas y organizativas antes de la implementación.
73
iniciado el proceso y poder seleccionar la estrategia de implementación más
adecuada (Capaldo y Rippa, 2009). La alta dirección debería examinar de cerca
el nivel actual de sus organizaciones antes de contemplar la implementación de
un sistema ERP en las PYMES (Raymond y Uwizeyemungu, 2007). Una
organización que posee la preparación organizativa durante la implementación y
el uso de SI puede lograr el éxito de la adopción (Sammon y Adam, 2010).
74
perspectiva organizacional se enfoca en cómo la alineación de los objetivos,
estrategias, planes y prioridades organizacionales con BI&A afecta a otros
sistemas. Esta categoría incluye factores relacionados con la organización como
75
apoyo a la gestión (Kohnke et al., 2011), presión competitiva (Boonsiritomachai
et al., 2016), cultura (Puklavec et al., 2014) y preparación organizacional
(Puklavec et al., 2014). En segundo lugar, la perspectiva de SI demuestra el
impacto de factores relacionados con SI como la calidad de la información
(Nelson et al., 2005), la calidad del sistema (Trieu et al., 2018) y la
infraestructura de TI (Torres et al., 2018). Esta categoría enfatiza la importancia
de una infraestructura de TI escalable y flexible, una interfaz de sistema fácil de
usar y un sistema de origen y datos de alta calidad para BI&A. Por último, la
perspectiva del usuario se centra en factores relacionados con el ser humano
como el conocimiento y las habilidades técnicas de TI (Elbashir et al., 2013), la
participación del usuario (Kulkarni y Robles-Flores, 2013) y la pérdida de poder
(Popovič, 2017). La Tabla 3.2 describe los factores en las tres categorías
principales. Un resumen de los factores clave en estas categorías se presenta en el
estudio de Ain et al. (2019).
76
Madurez del sistema de BI, eficacia de BIS
Amplitud de uso
Compatibilidad
Expectativa de rendimiento, expectativa de esfuerzo
77
Infraestructura de TI, integración
Uso de información y análisis, preparación técnica de BI
Integración con otros sistemas, acceso de usuarios
Dependencia del sistema de BI
Infusión del sistema BI
Capacidad de gestión, capacidad de detección, capacidad de captura, negocios
capacidad de cambio de proceso
Presentación funcional
Impacto en marketing y ventas, impacto en la gestión y operaciones internas,
Impacto en las adquisiciones
Capacidades tecnológicas de BI: fuente de datos, tipo de datos, confiabilidad
de los datos,
interacción con otros sistemas, acceso de usuarios
Perspectiva de los usuarios Ansiedad
Capacidad de absorción
Conocimientos y habilidades técnicas de TI del equipo
Autoeficacia
Participación de Usuario
Innovación personal
Pérdida de poder, cambios en el enfoque de toma de decisiones, cambio de
trabajo / habilidades
Conciencia, estabilidad emocional, extraversión, apertura a la experiencia.
78
estratégica, (2) cultura de mejora continua del proceso, (3) cultura para usar
información y aplicaciones analíticas, (4) gestión de la cartera de BI, (5) proceso
de decisión.
79
cultura de ingeniería, (6) BI y preparación técnica de almacenamiento de datos, y
(7) asociación efectiva de negocios y TI. Otros académicos se centraron en el
papel de la administración en la preparación de BI&A y presentaron siete
dimensiones (Anjariny y Zeki, 2014). Estas siete dimensiones a considerar al
evaluar la preparación de BI&A incluyen:
(1) dimensión relacionada con la gestión, (2) dimensión relacionada con el
negocio, (3) infraestructura, (4) dimensión relacionada con el usuario, (5)
dimensión relacionada con el proyecto, (6) trabajo en equipo y (7) datos.
81
enfoque de 11 artículos (Hawking y Sellitto, 2010). Los más comunes de estos
CSF son el apoyo a la gestión, la participación de los usuarios y las habilidades
de equipo.
Las teorías de adopción de BI&A son cruciales para comprender los factores que
afectan la adopción de BI&A. Hatta y col. (2015) revisó la literatura para
identificar los factores que influyen en la adopción de BI&A en las PYMES.
También informaron sobre el uso de teorías de adopción en la literatura de BI&A
y discutieron dos modelos de adopción destacados en el contexto de las PYME:
la teoría DOI y el marco TOE. Hatta y col. (2015) luego creó un modelo de
adopción integrado que comprende 25 impulsores. Además, combinaron sus
hallazgos en cuatro categorías principales basadas en la teoría DOI y el marco
TOE. Las cuatro categorías principales son: contexto tecnológico (interno y
externo), contexto organizacional (tamaño, estructura, estructura gerencial y
recursos humanos), contexto ambiental (competidores y ambiente regulatorio) y
contexto de innovación del CEO (toma de decisiones, voluntad de adoptar SI
para mejorar el desempeño organizacional). Además, se propuso un modelo de
madurez de BI&A basado en la teoría DOI para distinguir los diferentes niveles
de madurez de BI&A en las pymes tailandesas (Boonsiritomachai et al., 2016).
Además, también se presentan diferentes factores que influyen en la adopción de
BI&A. Estos factores incluyen la ventaja relativa, la complejidad, la
compatibilidad, la capacidad de absorción, la disponibilidad de recursos
organizacionales, la presión competitiva, la selección de proveedores, la
innovación de los propietarios-gerentes y el conocimiento de TI de los
propietarios-gerentes. Otros académicos han desarrollado y probado
empíricamente un modelo conceptual basado en DOI para evaluar el impacto del
uso de BI&A en el desempeño de la empresa en el contexto de las pymes
(Popovič et al., 2019). Se propuso un modelo de madurez basado en la teoría
DOI para distinguir los diferentes niveles de madurez de BI&A en las pymes
82
tailandesas (Boonsiritomachai et al., 2016). Además, también se presentan
diferentes factores que influyen en la adopción de BI&A. Estos factores incluyen
la ventaja relativa, la complejidad, la compatibilidad, la capacidad de absorción,
la disponibilidad de recursos organizacionales, la presión competitiva, la
selección de proveedores, la innovación de los propietarios-gerentes y el
conocimiento de TI de los propietarios-gerentes. Otros académicos han
desarrollado y probado empíricamente un modelo conceptual basado en DOI para
evaluar el impacto del uso de BI&A en el desempeño de la empresa en el
contexto de las pymes (Popovič et al., 2019). Se propuso un modelo de madurez
basado en la teoría DOI para distinguir los diferentes niveles de madurez de
BI&A en las pymes tailandesas (Boonsiritomachai et al., 2016). Además,
también se presentan diferentes factores que influyen en la adopción de BI&A.
Estos factores incluyen la ventaja relativa, la complejidad, la compatibilidad, la
capacidad de absorción, la disponibilidad de recursos organizacionales, la presión
competitiva, la selección de proveedores, la innovación de los propietarios-
gerentes y el conocimiento de TI de los propietarios-gerentes. Otros académicos
han desarrollado y probado empíricamente un modelo conceptual basado en DOI
para evaluar el impacto del uso de BI&A en el desempeño de la empresa en el
contexto de las pymes (Popovič et al., 2019). Estos factores incluyen la ventaja
relativa, la complejidad, la compatibilidad, la capacidad de absorción, la
disponibilidad de recursos organizacionales, la presión competitiva, la selección
de proveedores, la innovación de los propietarios-gerentes y el conocimiento de
TI de los propietarios-gerentes. Otros académicos han desarrollado y probado
empíricamente un modelo conceptual basado en DOI para evaluar el impacto del
uso de BI&A en el desempeño de la empresa en el contexto de las pymes
(Popovič et al., 2019). Estos factores incluyen la ventaja relativa, la complejidad,
la compatibilidad, la capacidad de absorción, la disponibilidad de recursos
organizacionales, la presión competitiva, la selección de proveedores, la
innovación de los propietarios-gerentes y el conocimiento de TI de los
propietarios-gerentes. Otros académicos han desarrollado y probado
empíricamente un modelo conceptual basado en DOI para evaluar el impacto del
uso de BI&A en el desempeño de la empresa en el contexto de las pymes
(Popovič et al., 2019).
84
datos organizacionales y preparación organizacional. Puklavec y sus colegas
argumentaron que la lista de determinantes guiará tanto el desarrollo como las
pruebas de los marcos de BI&A en las pymes. Combinando el marco TOE con el
modelo DOI, los mismos autores realizaron un estudio para proporcionar una
mejor comprensión de los determinantes de la adopción de BI&A (Puklavec et
al., 2018). Gibson y Arnott (2003) realizaron una revisión para explorar la falta
de uso de BI&A en las PYMES y presentaron diez características que afectan la
adopción de BI&A. Hicieron hincapié en la importancia de la innovación de los
propietarios-gerentes. Gibson y Arnott (2003) argumentaron que es más probable
que los propietarios-gerentes innovadores utilicen BI&A para la toma de
decisiones, conozcan el valor comercial de BI&A, tengan suficientes recursos
para BI&A y comprendan la importancia de alinear BI&A con la estrategia
comercial.
86
identificado en el marco de Hidayanto et al. se basó en Williams y Williams
(2010). Puklavec y col. (2014) también identificaron la preparación de BI&A
como un factor importante para las pymes sin una explicación explícita de lo que
significa la preparación. Un estudio de Gudfinnsson y Strand (2017) exploró los
desafíos que enfrentan las pymes en la adopción de BI&A a través de un estudio
de caso de cuatro pymes. Los ejemplos de estos desafíos son la falta de
habilidades de BI&A, el interés limitado de los ejecutivos y propietarios en el uso
de BI&A, la falta de habilidades para ver el valor de BI&A y problemas de
calidad de los datos. Hill y Scott (2004) realizaron un estudio cualitativo y
propusieron un conjunto de recomendaciones para la adopción exitosa de BI&A.
Ilustraron información actualizada y contactos personales como desafíos en la
adopción de BI&A. Es más, Sadok y Lesca (2009) identificaron siete condiciones
de aceptación necesarias para facilitar los cambios organizacionales en la
adopción de BI&A de las PYMES. Además, Scholz et al. (2010) exploró tanto
los beneficios como los desafíos percibidos en la adopción de BI&A en las
pymes alemanas.
87
88
4 Enfoque de investigación
Este capítulo presenta la visión general del enfoque de investigación aplicado en
este estudio. El Capítulo 4.1 proporciona una descripción general del diseño de la
investigación seguido por el proceso de reclutamiento de informantes en el
Capítulo 4.2. Proporciono detalles de la recopilación de datos para el estudio
Delphi y las entrevistas cualitativas en el Capítulo 4.3, informo sobre el análisis
de datos en el Capítulo 4.4 y evalúo la calidad de la investigación en el Capítulo
4.5.
89
interés. Esta revisión resultó en el artículo 1, la primera publicación de esta tesis.
Se revisaron y categorizaron 62 artículos utilizando el método centrado en
conceptos. Otras dimensiones como
90
La fuente de publicación, el año de publicación, el estado de la cita y el método
de investigación se consideraron en el análisis de revisión de la literatura. Esta
revisión presentó el estado actual de los temas de investigación en este dominio.
Al mismo tiempo, también reveló posibles lagunas con implicaciones en todas las
publicaciones posteriores y ofreció orientación para sugerir futuras vías de
investigación. La revisión también contribuyó a perfeccionar la definición del
problema en esta tesis. Como se muestra en la Figura 4.1, se realizó una revisión
extensa de la literatura para desarrollar aún más el Documento 1. Al seguir el
mismo método de la primera revisión realizada en 2016, se identificaron 78
artículos en esta revisión extendida. Por tanto, la revisión bibliográfica ampliada
realizada en 2017 se consideró la publicación oficial de revisión bibliográfica en
esta tesis.
92
Figura 4.1: Resumen de las actividades de investigación
93
deseados para asegurar expertos de alta calidad. Los criterios obligatorios
incluyen un mínimo de cinco años de experiencia en BI&A, experiencia de
primera mano en pymes noruegas y voluntad de participar en todo el estudio.
Deseado
94
Los criterios incluyen experiencia laboral en una empresa de consultoría,
asistencia a una conferencia de BI&A y participación en foros de BI&A o estar
activo en otros eventos de BI&A en Noruega. La carta de invitación y una hoja
de información del estudio Delphi se enviaron a 190 expertos a través de
mensajes de LinkedIn y correo electrónico del trabajo. Algunos expertos
denegaron la invitación debido a un horario de trabajo apretado o por no tener
suficiente experiencia con las pymes. Otros no respondieron en absoluto. El
estudio Delphi reclutó a un total de 43 expertos (tabla 4.1). La mayoría de los
expertos tienen entre 35 y 45 años y más de 10 años de experiencia liderando o
participando en proyectos de BI&A, habiendo implementado, adaptado o
utilizado sistemas de BI&A. Además, los expertos pertenecen a una amplia gama
de industrias que representan tanto a las organizaciones de proveedores como a
las de usuarios de BI&A.
95
23 Arquitecto de BI METRO BSc 15 LinkedIn Consultoría de TI Privado
24 Asesor de BI METRO Mae 7 LinkedIn Inversión & Privado
stría Consultante
25 Científico de datos METRO Mae 6 LinkedIn Software de BI Privado
stría Proveedor
96
No. Posición Género Educativo Años de Fundar Industria Sector
Logro experiencia mediante
26 Consultor de BI METRO Mae 10 LinkedIn Consultoría de TI Privado
stría
27 Jefe de BI METRO BSc 30 LinkedIn Consultoría de BI Privado
28 Consultor de BI METRO Mae 8 LinkedIn Consultoría de TI Privado
stría
29 Consultor de BI METRO Mae 5 LinkedIn Consultoría de TI Privado
stría
30 Consultor de BI METRO BSc 7 LinkedIn Consultoría de TI Privado
31 Gerente de BI METRO Mae 10 Bola de nieve Consultoría y Privado
stría Consultivo
32 Asesor de BI METRO BSc 20 Bola de nieve Consultoría de TI Privado
33 Consultor de BI METRO BSc 10 Bola de nieve Consultoría de TI Privado
34 Jefe de BI METRO BSc 10 LinkedIn Consultoría de TI Privado
35 Arquitecto de BI F Mae 12 Bola de nieve Bancario Privado
stría
36 Dato de F BSc 13 Bola de nieve Bancario Privado
governancia
Líder
37 Científico de datos METRO Mae 6 Bola de nieve Consultoría de TI Privado
stría
38 Asociar F Doct 10 Bola de nieve Académica Privado
Profesor or
39 Asesor de BI F Mae 10 Bola de nieve Consultoría de TI Privado
stría
40 Consultor de BI F Mae 12 Bola de nieve Consultoría de TI Privado
stría
41 Consultor de BI F Mae 12 Bola de nieve Consultoría de TI Privado
stría
42 Arquitecto de BI F BSc 18 LinkedIn Consultoría de TI Privado
43 Asesor de BI METRO BSc 17 Bola de nieve Software de BI Privado
Proveedor
97
2 Consultor de BI METRO Delphi Consultoría de TI Privado 30 (Documento2)
3 Consultor de BI METRO Delphi Consultoría de TI Privado 30 (Documento2)
4 Consultor de BI METRO Delphi Consultoría de TI Privado 30 (Documento2) + 35
(Documento3)
5 Consultor de BI METRO Delphi Gas de petróleo Privado 75 (Documentos 2 y 4)
98
No. Posición Género Fundar Industria Sector Duración de la
mediante entrevista
(en minutos)
6 Asesor de BI METRO Delphi Consultoría de TI Privado 120 (Documentos 2 y 4)
+40
(Documento3)
7 Asesor de BI METRO Delphi Inversión & Privado 40 (Documento2) + 45
Consultante (Documento3)
8 Usuario de BI METRO Bola de nieve Alimentos y Privado 45 (Documento2)
Bebidas
9 Usuario de BI METRO Bola de nieve Productos quimicos Privado 30 (Documento2)
10 Jefe de BI METRO Delphi Consultoría de TI Privado 34 (Documento2)
11 Jefe de BI METRO Delphi Productos quimicos Privado 43 (Documento2)
12 Jefe de BI METRO Delphi Consultoría de TI Privado 60 (Documentos 2 y 4) +
35
(Documento3)
13 Jefe de BI METRO Bola de nieve Consultoría de TI Privado 60 (Documento2) + 30
(Documento3)
14 Jefe de BI METRO Bola de nieve Seguro Privado 47 (Documento2)
15 Jefe de BI METRO Delphi Bancario Privado 46 (Documento2) + 40
(Documento3)
diecis Jefe de BI METRO Delphi Consultoría de BI Privado 40 (Documento2)
éis
17 Científico de datos METRO Delphi Software de BI Privado 33 (Documento2)
Proveedor
18 Científico de datos METRO Bola de nieve Seguro Privado 37 (Documento2)
19 Científico de datos F Bola de nieve Consultoría de TI Privado 30 (Documento2)
20 Científico de datos METRO Foro de BI Consultoría de TI Privado 83 (Documentos 2 y 4)
+40
(Documento3)
21 Científico de datos METRO Bola de nieve Bancario Privado 31 (Documento2)
22 Proveedor de BI METRO Delphi Software de BI Privado 55 (Documento2)
Proveedor
23 BI METRO Foro de BI Consultoría y Privado 115 (Documentos 2 y 4)
Asesor / Proveedor Consultivo
24 Dato de F Delphi Bancario Privado 73 (Documentos 2 y 4) +
governancia 30
Líder (Documento3)
25 Jefe de analítica METRO Bola de nieve Seguro Privado 33 (Documento4)
26 Jefe de analítica F Bola de nieve Bienestar público Público 35 (Documento4)
27 Administrador de METRO Bola de nieve Software de BI Privado 37 (Documento4)
datos Proveedor
28 Responsable de METRO Bola de nieve Consultoría de TI Privado 36 (Documento4)
datos
Depósito
29 Científico de datos METRO Foro de BI Consultoría de TI Privado 30 (Documento4)
30 Consultor BA METRO Bola de nieve Seguro Privado 40 (Documento4)
31 Proyecto de BI F Bola de nieve Consultoría de TI Privado 40 (Documento3)
Gerente
32 Científico de datos METRO Foro de BI Consultoría de TI Privado 35 (Documento3)
33 Arquitecto de BI METRO Foro de BI Bancario Privado 32 (Documento3)
34 Arquitecto de BI METRO Bola de nieve Consultoría de TI Privado 30 (Documento3)
35 Jefe de BI METRO Bola de nieve Agrícola Privado 30 (Documento3)
36 Jefe de analítica F Foro de BI Consultoría de TI Privado 30 (Documento3)
37 Jefe de analítica F Foro de BI Consultoría de TI Privado 35 (Documento3)
99
38 Jefe de analítica METRO Bola de nieve Consultoría y Privado 45 (Documento3)
Servicios de
asesoramiento
10
4.3 Recopilación de datos
Las técnicas de recolección de datos involucraron la realización de un estudio
Delphi fundamentado con seguimiento y entrevistas cualitativas utilizando el
método de entrevista a expertos. Cada técnica se detalla a continuación.
10
Todos los informantes dieron su consentimiento para que se grabara su
entrevista. Se anotaron algunos temas interesantes mencionados en la entrevista.
Sin embargo, la toma de notas nunca interrumpió el flujo de la conversación de la
entrevista. Inmediatamente después de las entrevistas, se revisaron las notas para
identificar qué puntos importantes se hicieron. Cualquier aclaración se realizó
por correo electrónico y comunicación telefónica.
10
et al., 2013). El propósito de las entrevistas era obtener una comprensión
profunda de por qué los expertos consideraban que algunos elementos eran más
importantes que otros. La Figura 4.2 describe el proceso del estudio Delphi y las
entrevistas de seguimiento.
10
Se pidió a los expertos que proporcionaran cinco impulsores y cinco inhibidores
Ronda 1: Lluvia de para la adopción de BI&A en las pymes, junto con comentarios.
ideas Todos los ítems de los expertos para las dos preguntas fueron consolidados por los
investigadores.
(39 Expertos) La lista preliminar contenía 38 controladores y 29 inhibidores
Junio - septiembre 2017 Se preguntó a los expertos si estaban de acuerdo con la lista preliminar de
impulsores e inhibidores
La lista final arrojó 38 controladores y 29 inhibidores
Ronda 2: Reducción (36 Se pidió a los expertos que seleccionaran los impulsores e inhibidores más
expertos) importantes de la lista, con una selección mínima de 10 y máxima de 15
Octubre - noviembre de La lista se redujo dando como resultado una lista reducida de 18 controladores y 18
inhibidores
2017
Ronda 3: Clasificación Se presentó a los expertos una lista de elementos basada en la lista final de la
Ronda 2
(34 Expertos) Se pidió a los expertos que clasificaran cada elemento de las dos preguntas
Diciembre - Febrero 2018 y ofrecieran algunos comentarios.
Lista clasificada de 18 conductores y 18 inhibidores con bajo nivel de acuerdo
El anonimato del estudio Delphi permite a los panelistas expresar libremente sus
opiniones sin presiones sociales indebidas para ajustarse a otros miembros del
grupo. Todas las encuestas se enviaron por separado por correo electrónico para
garantizar el anonimato total. Las opciones de diseño del estudio Delphi se
resumen en la Tabla 4.3.
10
Anonimato del panel Lleno
Medios de comunicación Computarizado (es decir, correo electrónico)
Simultaneidad de rondas Conjunto secuencial de rondas (lluvia de ideas, reducción y dos
clasificaciones)
10
La primera ronda del proceso Delphi comienza tradicionalmente con un
cuestionario abierto (Hsu y Sandford, 2007) que sirve como piedra angular para
solicitar información específica sobre un área de contenido de los sujetos Delphi
(Custer et al., 1999). También es aceptable en el proceso Delphi utilizar un
cuestionario estructurado de primera ronda. La primera ronda es una lluvia de
ideas, donde dos preguntas adquirieron conocimiento sobre los factores que
influyen en la adopción de BI&A: (1) ¿Cuáles son los impulsores (diferentes
factores que contribuyen a la adopción) de la adopción de BI&A de las PYMES?
(2) ¿Cuáles son los inhibidores (desafíos, problemas) de la adopción de BI&A de
las PYMES?
A los expertos se les dio al menos dos semanas para responder el primer
cuestionario. Casi la mitad respondió en una semana. Sin embargo, se enviaron
varios recordatorios a otros expertos antes de recibir el resto de los cuestionarios.
En esta primera ronda, cuatro expertos se negaron a participar debido a
problemas de carga de trabajo. Se analizaron las respuestas de los 39 expertos al
primer cuestionario y se utilizó el marco de TOE para agrupar los elementos en
categorías de TOE. Esto resultó en una lista consolidada de 38 impulsores y 29
inhibidores (Tabla A1 y A2 en el Documento 5). Por lo tanto, los expertos
validaron la lista para asegurarse de que todos los elementos se incluyeron y se
interpretaron adecuadamente. Se dieron dos semanas a los expertos para
completar esta tarea. Desafortunadamente, muchos expertos necesitaron más de
dos semanas debido a la carga de trabajo y los problemas de salud. Todos los
expertos validaron con éxito las listas con pocos comentarios para mejorar la
aclaración de elementos y ayudar a erradicar elementos similares. La lista de
impulsores e inhibidores fue aceptada por expertos y lista para la siguiente ronda.
10
más tiempo para completar el cuestionario. Sin embargo, tres expertos no
pudieron participar en esta ronda por motivos personales. En total, 36 expertos
lograron completar esta ronda.
11
Las entrevistas de seguimiento con 12 expertos que participaron en el estudio
Delphi se realizaron en junio de 2018. El objetivo era utilizar los hallazgos de
estas entrevistas de seguimiento para obtener una comprensión profunda de por
qué los expertos consideraban que algunos elementos eran más importantes que
otros. A los expertos se les hicieron las siguientes preguntas: (1) ¿Cuál es su
opinión sobre las listas clasificadas finales de conductores e inhibidores? (2) ¿Por
qué son importantes los principales impulsores e inhibidores? ¿Por qué algunos
elementos son más importantes que otros? Las entrevistas semiestructuradas se
realizaron en persona o por teléfono, y cada entrevista duró entre 15 y 25
minutos. La Tabla 4.4 proporciona una descripción general de las entrevistas de
seguimiento con 12 expertos.
11
de la primera ronda se incluyeron e interpretaron de manera adecuada.
Dado que el propósito del estudio Delphi era mejorar la comprensión y explorar
los factores que influyen en la adopción de BI&A en las pymes noruegas, el
estudio no fue
11
contextualizado en base a conocimientos previos. Idealmente, el estudio comenzó
con un alcance más amplio sobre los elementos que progresaron con la respuesta
y las entrevistas con los panelistas. Por tanto, todos los ítems identificados en
este estudio han sido contextualizados por los panelistas. Un elemento
relacionado con el Reglamento general de protección de datos no se incluyó en la
lista durante la validación. Antes de continuar con la fase de reducción, un
panelista sugirió incluir el elemento que faltaba (Figura 4.3). El resto de
panelistas aprobaron las listas de impulsores e inhibidores en la fase de
validación.
11
Figura 4.3: Ejemplo de análisis de la lista de conductores en función de la ronda de
validación
11
releer. Se tomaron algunas notas sobre los elementos individuales y todo el
conjunto de datos. En la siguiente fase, se generaron códigos para un
compromiso más detallado y sistemático con los datos. La fase de codificación
identificó de manera sucinta y sistemática el significado a través del conjunto de
datos. Las características interesantes de los datos se codificaron y recopilaron
sistemáticamente (Tabla 4.5). Se realizó una orientación inductiva de la
codificación iniciando el proceso analítico de los datos, trabajando "de abajo
hacia arriba" e identificando el significado de los datos sin importar ideas.
11
4.5 Problemas de validez
En esta sección se analizan los problemas de validez asociados con el estudio
Delphi y las entrevistas cualitativas.
Los estudios Delphi se han explorado en varios campos, como los estudios
gubernamentales, médicos, ambientales, comerciales, industriales y sociales (Day
y Bobeva, 2005). Es un método ampliamente aceptado para lograr una
convergencia de opiniones sobre el conocimiento del mundo real de expertos en
ciertas áreas temáticas (Hsu y Sandford, 2007). El tamaño del grupo Delphi no
depende del poder estadístico, sino de la dinámica del grupo para alcanzar un
consenso de expertos. No existe una definición clara de un tamaño de panel ideal
en la literatura. La mayoría de los investigadores sugieren un tamaño de panel
entre
15 y 50 participantes (Kezar y Maxey, 2016). Los informantes son siempre
anónimos entre sí, pero nunca para el investigador. Esto ofreció más
oportunidades para aclarar más datos cualitativos. Los problemas de falta de
respuesta en el estudio Delphi fueron muy bajos, ya que obtuve la garantía de
participación.
11
las siguientes actividades para completar el estudio Delphi (es decir, enviar todo el
cuestionario a los panelistas, manejar y aclarar la consulta del panelista y enviar
recordatorios de fechas límite a los panelistas.
Como investigador, fui cauteloso con las interpretaciones subjetivas de la lista
consolidada de impulsores e inhibidores. Se pidió a los panelistas que validaran la lista
durante una fase de validación después de la fase de lluvia de ideas. Los panelistas
también tuvieron la oportunidad de escribir comentarios y justificaciones en la fase de
clasificación y reclasificación al elegir los más
factores e inhibidores importantes, como sé, “la falta de comprensión del contexto de la
11
Criterios de Descripción
evaluación
el consenso puede llevar a una falla posterior en la captura de información contextual
importante ”(Day y Bobeva, 2005) p.112.
En la fase de reducción, los elementos con más del 50% de los votos de los panelistas
se seleccionaron en la fase de clasificación, lo que arrojó una lista de 18 impulsores y
18 inhibidores.
Se aplicó la W de Kendall como análisis estadístico para medir el nivel de acuerdo
entre los panelistas y eliminar sesgos (Hsu y Sandford, 2007).
Los factores psicológicos que causan errores aleatorios y sistemáticos que afectan el
estudio son difíciles de detectar y reconocer (es decir, presiones laborales, el momento
en que se completó la encuesta o el estado de ánimo del informante) (Day y Bobeva,
2005). Esto pudo haber ocurrido en la fase de validación, eligiendo los ítems más
importantes, clasificando y
clasificando la lista.
Rigor Los comentarios de los panelistas sobre la lista consolidada de impulsores e
inhibidores fueron recibidos, reconocidos y reflejados adecuadamente, especialmente
los comentarios que implicaron
cambios contextuales.
Credibilidad Las entrevistas de seguimiento con los informantes sirvieron como medio de
triangulación para brindar mejores descripciones de los ítems generados.
Han surgido diferentes perspectivas entre los panelistas a partir de las clasificaciones
individuales y las entrevistas de seguimiento, que podrían atribuirse a los diferentes
antecedentes,
experiencia y puestos de trabajo de cada panelista.
12
n investigación. puesto de trabajo del informante durante la
colaboración del estudio.
Incluyendo citas de informantes en la
investigación
Publicaciones.
3. El principio de La reflexión sobre cómo se Recopilando los conocimientos de los informantes
interacción entre construyeron los datos a través de la a través de una encuesta Delphi, entrevistas
los investigadores y interacción entre el investigador y cualitativas y reflexiones.
los sujetos los informantes. Al desafiar la corriente del investigador
12
Principio Objetivo Ejemplos de cómo se abordó esto
4. El principio de La aplicación del primer y segundo Abordando los resultados desde diferentes lentes
abstracción y principio a la comprensión teórica. teóricos. Discutir los hallazgos reales
generalización de los fenómenos en estudio. con colegas en talleres y conferencias.
5. El principio del La sensibilidad a las posibles Modificando temas de codificación en función de
razonamiento contradicciones entre la teoría los datos generados.
dialógico existente que guía el diseño de la
investigación
y los hallazgos reales.
6. El principio de La sensibilidad a Considerando las diferencias en las perspectivas
múltiples posible diferencias en de los informantes con el fenómeno en estudio.
interpretaciones interpretaciones y
experiencias entre informantes.
7. El principio de La sensibilidad a los posibles sesgos Al revisar los ítems generados a partir del primer
sospecha y distorsiones en la interpretación cuestionario Delphi, se pidió a cada experto que
del informante. validara la lista de ítems para asegurarse de que
todos los ítems fueran incluidos e interpretados
apropiadamente.
Al aclarar algunas cuestiones no aclaradas en los
datos cualitativos, se contactó a los informantes
a través de correo electrónico o teléfono.
12
5 Publicaciones de investigación
Este capítulo presenta una descripción general de las publicaciones de
investigación de la tesis. La lista de publicaciones se presenta en la Tabla 5.1.
Las versiones de texto completo de estos artículos se pueden encontrar en el
Apéndice B.
12
Actualmente no existe una revisión y evaluación exhaustivas de este dominio de
investigación. Creo que esta revisión de la literatura genera más conocimientos
que contribuyen a la comprensión en este dominio e inspiran futuras
investigaciones relacionadas.
5.1.1 Presentación
El primer artículo aplicó un método integral y sistemático para la revisión de
Kitchenham (2004). Esta revisión de la literatura cubrió artículos publicados
entre 2000 y 2018. Se identificaron y revisaron un total de 78 artículos. Para
presentar los hallazgos del estudio, estos artículos fueron categorizados
utilizando el método centrado en conceptos de Webster y Watson (2002). Se
describió la distribución de la fuente de publicación, el año de publicación, el
estado de la cita y el método de investigación de los artículos incluidos. Esta
revisión resumió los temas de investigación existentes, identificó brechas de
investigación y presentó sugerencias de investigación futura.
5.1.2 Recomendaciones
La revisión identificó varias lagunas en la investigación. Los párrafos siguientes
proporcionan una breve discusión de esas lagunas relacionadas con mi trabajo de
investigación.
12
BI&A sea más común en las PYMES. Por lo tanto, se necesita más investigación
sobre varios tipos de industrias que emplean BI&A para sus negocios.
12
aplicando el enfoque de almacenamiento de datos automatizado y técnicas de
aprendizaje automático. Por lo tanto, estos problemas necesitan más
investigación.
5.2.1 Presentación
El objetivo de este documento es investigar la implementación, utilización y
creación de valor de BI&A. Al realizar un estudio exploratorio, se realizaron 24
entrevistas con expertos de organizaciones de usuarios y proveedores de
diferentes industrias. El análisis de datos se concentró en cuestiones que afectan
la forma en que las PYME implementan, utilizan y crean valor a partir de sus
inversiones en BI&A. Este estudio adaptó un marco de valores de Trieu (2017),
combinando varios marcos conocidos de la literatura de SI que utiliza un enfoque
de teoría de procesos (Soh y Markus, 1995, Melville et al., 2004, Schryen, 2013)
para comprender los procesos de valor de BI&A. creación en una PYME. Estos
consisten en el proceso de conversión de BI&A, el proceso de uso de BI&A y el
12
proceso competitivo utilizado para organizar y presentar los resultados del
estudio.
12
5.2.2 Recomendaciones
El análisis de datos reconoció varios problemas críticos destacados por los
informantes observados en las pymes: estrategia de “empezar con poco, pensar
en grande”, inversión en BI&A sin un almacén de datos tradicional, BI&A con
un enfoque de almacén de datos automatizado y gobernanza de datos. Estos son
problemas de inversión de BI&A bajo el proceso de conversión de BI&A.
13
El proceso competitivo recibió la menor atención de los tres procesos de BI&A.
La mayoría de los informantes reconocieron su importancia en la creación de
valor de BI&A.
5.3.1 Presentación
Evaluar el éxito de BI&A suele ser problemático ya que la mayoría de sus
beneficios son a largo plazo, indirectos y difíciles de medir (Seddon et al., 2010).
Este documento investigó los factores que influyen en la creación de valor basada
en BI & A. A través de un estudio exploratorio, se realizaron 16 entrevistas
semiestructuradas con expertos de diferentes industrias. El análisis de datos se
concentró en identificar los impulsores de implementación de la creación de
valor basada en BI&A y el valor comercial de BI&A. Como marco subyacente,
este estudio utilizó el mismo marco de Trieu (2017) para ilustrar la creación de
valor derivada de BI & A.
5.3.2 Recomendaciones
El análisis temático mostró que los informantes destacaron algunos factores que
afectan el proceso de creación de valor empresarial de BI&A. El análisis
reconoció cuatro impulsores de implementación significativos de la creación de
valor basada en BI & A: caso de negocio, estrategia de BI&A, gobernanza de
datos y adaptabilidad organizacional. La razón principal por la que el caso de
negocio afecta el proceso de conversión y uso de BI&A es porque la creación de
un caso de negocio para las PYMES ayuda a demostrar cómo vale la pena
invertir en BI&A. Según la mayoría de los informantes, incluir un caso de
negocio como parte de la estrategia empresarial puede garantizar que la inversión
13
en BI&A respaldará los objetivos estratégicos de una organización.
13
La estrategia de BI&A influye en todo el proceso de creación de valor de BI&A.
Varios informantes argumentaron que la formulación de una estrategia
proporciona un objetivo y una dirección a cualquier proyecto. La literatura
muestra la importancia de identificar las razones comerciales de una inversión,
los objetivos estratégicos y los objetivos de aplicación para cualquier solución
planificada (Hočevar y Jaklič, 2010). Por lo tanto, las empresas deben formular
objetivos comerciales y de TI para obtener valor de BI&A (Williams y Williams,
2010).
13
(2) ¿Cómo afectan los lagos de datos a la arquitectura BI&A de una empresa?
(3) ¿Cuáles son los beneficios y desafíos de implementar un lago de datos en la
arquitectura BI&A?
13
5.4.1 Presentación
Debido a los volúmenes y acumulaciones de datos sin precedentes conocidos
como big data, BI&A enfrenta nuevos desafíos y oportunidades emocionantes
(Ram et al., 2016). El big data ha llevado al surgimiento de tecnologías modernas
como el lago de datos y ha hecho posible adquirir una gran cantidad y variedad
de datos (Larson y Chang, 2016). Se necesitan datos para respaldar la toma de
decisiones en todos los niveles. Dado que los datos son la fuente subyacente de
BI&A, es crucial comprender cómo las tecnologías del lago de datos influyen en
BI&A.
5.4.2 Recomendaciones
Este documento proporcionó los resultados de un estudio exploratorio diseñado
para comprender cómo las empresas utilizan en la práctica las tecnologías de lago
de datos. El análisis descubrió tres propósitos de las tecnologías de lago de datos
destacados por los informantes: como áreas de preparación o fuentes para
almacenes de datos, como plataforma de experimentación para científicos y
analistas de datos, y como fuentes directas para BI&A de autoservicio. Durante
las entrevistas, la mayoría de los informantes mencionaron la importancia de
utilizar lagos de datos como área de preparación para que los almacenes de datos
manejen cualquier tipo de datos. Por ejemplo, datos de sensores, flujos de clics y
registros web que las bases de datos relacionales como SQL no pueden manejar.
La mayoría de los informantes consideraron el lago de datos como un
componente útil en la arquitectura de BI&A y una extensión del concepto de
BI&A.
Según muchos informantes, los científicos y analistas de datos son los usuarios
avanzados de las tecnologías de lago de datos. Los lagos de datos brindan a estos
usuarios avanzados la capacidad de configurar y reconfigurar fácilmente sus
13
modelos o consultas sobre la marcha. Por lo tanto, los lagos de datos son la
plataforma de experimentación para ellos. Otro propósito del lago de datos es una
fuente directa de BI&A de autoservicio. Muchos informantes afirmaron que los
lagos de datos se utilizan para proporcionar datos para herramientas analíticas y
de informes de BI&A. Sin embargo, no hubo información que discuta
explícitamente este tema, que necesita más investigación.
13
El estudio también identificó algunos beneficios percibidos de la tecnología de
lago de datos. Estos beneficios están relacionados principalmente con el
almacenamiento, la adquisición, el manejo y la conservación de los datos. Los
informantes también revelaron varios desafíos de los lagos de datos basados en la
experiencia, que requieren más investigación.
(1) ¿Cuáles son los factores que impulsan la adopción de BI&A en las pymes?
(2) ¿Cuáles son los inhibidores de la adopción de BI&A en las pymes?
(3) ¿Por qué estos impulsores e inhibidores son importantes para la adopción de
BI&A en las pymes?
5.5.1 Presentación
Los sistemas BI&A ahora se utilizan ampliamente en muchas áreas de toma de
decisiones para crear valor comercial (Trieu, 2017). Sin embargo, la
investigación sobre BI&A en PYMES no está completamente investigada. El
propósito del quinto artículo fue identificar los factores cruciales que afectan la
adopción de BI&A y comprender mejor el proceso de adopción de BI&A de las
PYMES. Los datos se recopilaron de 39 expertos de diversas industrias
utilizando un estudio Delphi de tipo ranking con un enfoque basado en Delphi
seguido de entrevistas cualitativas. El análisis de datos dio como resultado cinco
impulsores principales y cinco inhibidores principales.
5.5.2 Recomendaciones
Este documento ofreció algunos conocimientos importantes sobre la adopción de
BI&A en las pymes a través de un estudio Delphi. Este estudio identificó 18
13
impulsores y 18 inhibidores que se clasificaron en cinco impulsores principales:
(1) necesidad de una mejor gestión de datos, (2) necesidad de una mejor
información e informes, (3) deseo de mejores operaciones comerciales, (4) deseo
de mejorar valor comercial y (5) necesidad de seguir los requisitos legales; y
cinco inhibidores principales: (1) desafiante entorno de datos organizacionales,
(2) BI&A
13
desafíos del proyecto, (3) baja preparación organizacional, (4) baja capacidad de
cambio organizacional y (5) desafíos del mercado de BI&A.
13
14
6 Contribuciones
Este estudio está destinado a generar una mejor comprensión de la adopción de
BI&A de las PYME. Para ello, la siguiente pregunta de investigación ha guiado
esta investigación doctoral: ¿Cómo podemos entender el fenómeno de la
adopción de BI&A en las pymes? Para responder a esta pregunta de
investigación, se realizó un estudio Delphi y entrevistas cualitativas con expertos
en BI&A. Esta investigación fue diseñada para proporcionar una mejor
comprensión y explicación de la adopción de BI&A de las PYMES y cómo las
iniciativas de BI&A generan valor cuando se implementan y utilizan. El esfuerzo
de investigación resultó en cinco artículos de investigación (Capítulo 5).
Respondí a la pregunta de investigación principal proporcionando cinco
contribuciones principales: (1) proporciona una descripción general de la
adopción de BI&A en las PYMES al sintetizar las contribuciones de
investigación existentes sobre este tema, (2) contribuye al cuerpo de
investigación centrado en BI & Una adopción en las pymes y ha identificado
factores e inhibidores clave de BI&A para explicar la adopción y la reticencia a
la adopción (no adopción), (3) contribuye a comprender cómo las pymes pueden
utilizar las iniciativas de BI&A para generar valor de inversión, (4) la tesis
sugiere que un modelo de valor revisado (adaptado) permite más dinámica,
agilidad e iteraciones en sus etapas que se ajustan mejor a las PYMES, y (5) la
tesis explica sus hallazgos sobre la adopción de BI&A en las PYMES con base
en la integración de tres perspectivas teóricas que proporcionan fuerza
explicativa ; la visión de la empresa basada en los recursos, las capacidades
dinámicas y una perspectiva del modelo de valor de SI. Además, la tesis tiene
ciertas implicaciones para la práctica, incluido un conjunto de recomendaciones
sobre cómo las pymes deben diseñar e implementar el caso de negocio de BI&A.
Explico estas contribuciones para la investigación y la práctica. Finalmente, la
combinación de métodos de investigación aplicados en este estudio puede verse
como una contribución metodológica.
14
proporciona una descripción general de la adopción de BI&A de las PYME, que
es valiosa para la comunidad de investigación de SI.
14
Modelo de proceso de valor de SI, este estudio ilustra cómo los impulsores e
inhibidores centrales identificados influyen en el proceso de adopción y creación
de valor de BI&A (Figura 6.1).
Conductores
La necesidad de una mejor gestión
La necesidad
de datos
La necesidad
de seguir los
de una
requisitos
mejor legales.
información y presentación
El deseo
de informes
de mejores operaciones
El comerciales
deseo de mejorar el valor empresarial
“EL PROCESO DE CONVERSIÓN BI&A” "EL PROCESO DE USO DE BI&A" "EL PROCESO COMPETITIVO"
. INVERSIONES NO BI&A
Inhibidores
14
impactos pueden ser productos y servicios mejorados, eficiencia operativa o
procesos mejorados y una inteligencia organizacional fortalecida. Creo que las
pymes pueden lograr estos impactos a través de los tres impulsores principales.
Por lo tanto, se relacionan con la construcción de impacto de BI&A. La última
categoría de impulsores, la necesidad de una mejor gestión de datos, está
claramente relacionada con la necesidad de
14
Activos de BI&A. En la toma de decisiones, la información de calidad es
importante para tomar decisiones de calidad (Ali et al., 2018). Cuando BI&A se
convierta en un recurso vital para la información de calidad, las organizaciones
considerarán BI&A como una ayuda confiable para la toma de decisiones.
Además, la selección y adopción de activos de BI&A depende de su entorno de
datos (Trieu, 2017). Por lo tanto, la necesidad de gestión de datos se relaciona
con la construcción de activos de BI&A.
14
constructo de preparación organizacional. Descubrí que la falta de habilidades de
BI&A, los recursos limitados, la falta de conciencia de BI&A y la falta de cultura
analítica son inhibidores cruciales de la preparación organizacional (Figura 3 en
el Documento 5). Conjeturé que esta tesis ofrecía una comprensión más profunda
de la preparación organizacional para la adopción de BI&A en las PYMES.
En tercer lugar, este estudio demuestra cómo las pymes pueden utilizar y generar
valor empresarial de BI&A. Los resultados muestran que la mayoría de las
PYME utilizaron BI&A para informes automatizados y análisis simples que
permiten una toma de decisiones informada. BI&A proporciona información
sobre el negocio de las PYME, por ejemplo, el costo de adquirir nuevos clientes a
lo largo del tiempo y cómo esos costos se relacionan con las ganancias o pérdidas
del cliente. También proporciona información para que las pymes tomen
decisiones mejor informadas sobre la dotación de personal, garantizando precios
correctos y planificando la producción. La mayoría de los expertos señalaron que
los bancos y los seguros son los primeros en adoptar BI&A. Sin embargo, los
resultados del estudio indican que otras industrias como la producción, la
fabricación, la arquitectura y las acciones pueden utilizar y generar valor a partir
de las inversiones en BI&A. El estudio también ilustra BI & Una adopción se
considera exitosa cuando las PYMES obtienen continuamente valor comercial de
BI&A. Conjeturé que las percepciones del valor comercial potencial son
importantes para la adopción exitosa de BI&A. Gibson y Arnott (2003)
14
sugirieron que el conocimiento del valor comercial de BI&A es un factor
importante que afecta la adopción de BI&A. Sin embargo, sus hallazgos carecen
de evidencia empírica. Esta tesis proporciona un fundamento empírico para
mostrar su importancia. Los diferentes valores comerciales de BI&A se discuten
particularmente en esta tesis (Artículos 2 y 3). sus hallazgos carecen de evidencia
empírica. Esta tesis proporciona un fundamento empírico para mostrar su
importancia. Los diferentes valores comerciales de BI&A se discuten
particularmente en esta tesis (Artículos 2 y 3). sus hallazgos carecen de evidencia
empírica. Esta tesis proporciona un fundamento empírico para mostrar su
importancia. Los diferentes valores comerciales de BI&A se discuten
particularmente en esta tesis (Artículos 2 y 3).
14
En cuarto lugar, los resultados de este estudio demuestran que es preferible un
enfoque iterativo y gradual para las PYME (Documentos 2 y 5). Este enfoque
iterativo funciona de acuerdo con la estrategia de inversión "empezar con poco,
pensar en grande", en la que las grandes tareas de los proyectos de BI&A se
dividirán en partes más pequeñas y manejables llamadas iteraciones. Argumenté
que las pymes no se darán cuenta de la importancia de la inversión en BI&A
antes de pasar por muchas iteraciones. A través de iteraciones, es fundamental
centrarse en cosas que sean fáciles de entregar y que den valor al negocio. La
mayoría de los expertos afirmaron que es mejor hacer pequeñas entregas para
probar el concepto con una serie de victorias rápidas y de alto perfil para
demostrar el valor y ganar la confianza de los ejecutivos mientras se construye
gradualmente la visión a largo plazo de BI&A. Al darse cuenta de ganancias
rápidas, A las PYME les resultaría más fácil comprometerse con los recursos
necesarios para realizar nuevas inversiones. Este estudio muestra la importancia
de la estrategia iterativa, contribuyendo a construir el compromiso y la
legitimidad de futuras inversiones en BI&A. Un estudio en la literatura abordó
este tema (Yeoh y Koronios, 2010). Investigaron cómo se debería implementar la
tecnología BI&A. Los hallazgos de su estudio muestran que un sistema BI&A
evoluciona a través de un proceso iterativo de desarrollo de acuerdo con los
requisitos comerciales dinámicos. Confirmé la importancia de un enfoque
iterativo en la adopción de BI&A en las PYMES. Argumenté que la combinación
de los hallazgos de Yeoh y Koronios (2010) con mis resultados arroja una mejor
evidencia empírica sobre la importancia del enfoque iterativo en BI&A.
contribuyendo a construir el compromiso y la legitimidad de futuras inversiones
en BI&A. Un estudio en la literatura abordó este tema (Yeoh y Koronios, 2010).
Investigaron cómo se debería implementar la tecnología BI&A. Los hallazgos de
su estudio muestran que un sistema BI&A evoluciona a través de un proceso
iterativo de desarrollo de acuerdo con los requisitos comerciales dinámicos.
Confirmé la importancia de un enfoque iterativo en la adopción de BI&A en las
PYMES. Argumenté que la combinación de los hallazgos de Yeoh y Koronios
(2010) con mis resultados arroja una mejor evidencia empírica sobre la
importancia del enfoque iterativo en BI&A. contribuyendo a construir el
compromiso y la legitimidad de futuras inversiones en BI&A. Un estudio en la
literatura abordó este tema (Yeoh y Koronios, 2010). Investigaron cómo se
debería implementar la tecnología BI&A. Los hallazgos de su estudio muestran
que un sistema BI&A evoluciona a través de un proceso iterativo de desarrollo de
14
acuerdo con los requisitos comerciales dinámicos. Confirmé la importancia de un
enfoque iterativo en la adopción de BI&A en las PYMES. Argumenté que la
combinación de los hallazgos de Yeoh y Koronios (2010) con mis resultados
arroja una mejor evidencia empírica sobre la importancia del enfoque iterativo en
BI&A. Los hallazgos de su estudio muestran que un sistema BI&A evoluciona a
través de un proceso iterativo de desarrollo de acuerdo con los requisitos
comerciales dinámicos. Confirmé la importancia de un enfoque iterativo en la
adopción de BI&A en las PYMES. Argumenté que la combinación de los
hallazgos de Yeoh y Koronios (2010) con mis resultados arroja una mejor
evidencia empírica sobre la importancia del enfoque iterativo en BI&A. Los
hallazgos de su estudio muestran que un sistema BI&A evoluciona a través de un
proceso iterativo de desarrollo de acuerdo con los requisitos comerciales
dinámicos. Confirmé la importancia de un enfoque iterativo en la adopción de
BI&A en las PYMES. Argumenté que la combinación de los hallazgos de Yeoh y
Koronios (2010) con mis resultados arroja una mejor evidencia empírica sobre la
importancia del enfoque iterativo en BI&A.
15
desempeño de la organización. La gobernanza de datos puede ayudar a las pymes
a garantizar que sus inversiones en BI&A darán como resultado activos de
calidad para que las utilicen las organizaciones (Documentos 2 y 3).
ESTRATEGIA BI&A
CASO DE NEGOCIO
"EL PROCESO DE CONVERSIÓN BI" "EL PROCESO DE USO BI" "EL PROCESO COMPETITIVO"
Por último, el estudio utilizó tres perspectivas teóricas para comprender mejor los
resultados del estudio: teoría RBV, capacidades dinámicas y modelo de proceso
de valor de SI. Este estudio utilizó la teoría RBV para proporcionar una lente
teórica para comprender el papel de los recursos de las PYME en la adopción de
BI&A. RBV es un lente apropiado para ver cómo los recursos de una empresa
son una fuente potencial de ventaja competitiva, que puede resultar en un mejor
desempeño organizacional en la adopción de BI&A. Argumenté que los recursos
son importantes para adquirir la capacidad de adoptar y crear valor a partir de las
iniciativas de BI&A.
15
tecnologías de BI&A se consideran un software básico, las formas en que una
organización asimila BI&A en su proceso empresarial son únicas. Lo mismo que
las políticas y reglas comerciales que rigen la práctica comercial de la
organización. Una vez que una solución de BI&A se convierte en la norma, es
probable que se arraigue en un negocio por un
15
largo tiempo. Afirmé que BI&A puede convertirse en un recurso de VRIN con el
tiempo, especialmente cuando las pymes maduran en la adopción de BI&A. A
través de iteraciones, las pymes desarrollarán gradualmente la capacidad de
adaptarse al cambio e implementar BI&A, que eventualmente se convertirán en
recursos VRIN.
15
etapa de desempeño de adopción. La etapa de confirmación es una etapa en la
versión de cinco etapas de DOI, donde el individuo o la organización finalizó la
decisión de continuar usando SI / TI. Argumenté que la etapa de actuación no
solo confirma que la tecnología funciona. El DOI debe modificarse con la etapa
de desempeño y las iteraciones entre etapas para tener en cuenta la construcción
iterativa de la aceptación organizacional y la asignación de recursos.
15
adopción y no adopción, es vital definir los requisitos en función de los recursos
disponibles. Es importante documentar la lista de requisitos y expectativas para
crear la base de un BI&A exitoso. Tanto los proveedores de BI&A como las
pymes deben prestar atención a este proceso. Yo sostuve la importancia de
evaluar las inversiones en BI&A con base en los recursos disponibles y la
situación financiera de las PyMEs al embarcarse en un proyecto de BI&A.
15
no se aborda completamente en la literatura. Esta tesis contribuyó a esto y
confirmó la importancia del caso de negocio con evidencia empírica (Documento
3).
16
y ofrece una comprensión de por qué un enfoque iterativo es preferible para las
PYME. Las entrevistas a los expertos ilustran el lago de datos como una
tendencia importante para ayudar a que BI&A se vuelva más común en las
pymes.
16
6.3 Contribución metodológica
Mi enfoque de investigación ha sido centrarse en una mejor comprensión de la
adopción de BI&A de las PYME. Para alcanzar este objetivo, apliqué un enfoque
exploratorio con dos métodos de investigación diferentes. En primer lugar,
realicé un estudio Delphi de tipo ranking con un enfoque Delphi fundamentado
para identificar, mapear y priorizar los temas de temas específicos recopilados de
la encuesta Delphi. Encontré esta combinación apropiada para proporcionar una
comprensión más rica del tema investigado al identificar los temas centrales y sus
interrelaciones. En segundo lugar, realicé un estudio cualitativo exploratorio
utilizando la técnica de entrevista a expertos para explorar la inversión,
implementación, utilización y creación de valor de BI&A. La literatura existente
sobre BI&A está dominada por métodos cuantitativos (Ain et al., 2019). Al
utilizar un enfoque exploratorio, Pude lograr una imagen más completa de los
factores que influyen en la adopción de BI&A en las pymes. Sin embargo, esto
no habría sido posible con la aplicación de métodos cuantitativos. Por lo tanto,
sostuve que el enfoque de investigación aplicado en este estudio proporciona una
comprensión más profunda y mejor de la adopción de BI&A en las pymes.
16
7 Conclusiones
Esta tesis es uno de los pocos estudios que investigan y exploran la adopción de
BI&A de las PYME. Este capítulo resume los hallazgos de la tesis. También
discutiré las limitaciones de la tesis y haré sugerencias para futuras
investigaciones.
7.1 Resumen
Esta tesis explora la inversión, implementación, utilización y creación de valor de
BI&A y contribuye a nuestra comprensión del fenómeno de la adopción de
BI&A en las PYMES. La principal pregunta de investigación se centró en
obtener una mejor comprensión del fenómeno de la adopción de BI&A en el
contexto de las pymes: "¿Cómo podemos entender el fenómeno de la adopción
de BI&A en las pymes?" Para abordar esta pregunta de investigación, primero
revisé la literatura sobre la adopción de BI&A en las PYMES para comprender
las contribuciones de investigación existentes sobre este tema y definir el alcance
de mi estudio.
16
Este estudio también abordó dos subpreguntas de investigación más: SQ2:
"¿Cómo se utilizan e implementan BI&A en las PYMES?" y SQ3: "¿Cómo crean
valor las pymes a partir de las iniciativas de BI&A?" Dado que la falta de
recursos fue un factor importante para la lenta adopción o no adopción de BI&A,
este estudio muestra la importancia de abordar las inversiones en BI&A de
manera iterativa. El enfoque iterativo y gradual de invertir y construir activos de
BI&A era preferible para las PYMES. El "comienzo pequeño
16
La estrategia “pensar en grande” se enfatizó tanto en el estudio Delphi como en
las entrevistas exploratorias. Esta tesis muestra la importancia de un enfoque
iterativo en la creación exitosa de valor de BI&A. Propongo un modelo de
proceso de valor revisado para representar la naturaleza iterativa y dinámica de
BI&A (Documento 2).
16
Las limitaciones de la tesis ofrecen sugerencias para futuras investigaciones. Al
demostrar la implementación, utilización y creación de valor de BI&A, la tesis
puede ser un
16
base para una mayor investigación sobre la adopción de BI&A en las PYMES. El
enfoque de la tesis fue comprender mejor la adopción de BI&A en las PYMES.
La mayoría de las pymes adoptaron herramientas de BI&A sin almacén de datos
y BI&A con almacén de datos automatizado. Postulo que existe la necesidad de
estudios empíricos para evaluar la validez de los dos enfoques y lo que puede
hacer que BI&A sea más común en las PYMES. También es fundamental
considerar la diferencia entre la pequeña y la mediana empresa. El trabajo futuro
también puede centrarse en utilizar otras teorías de SI no presentadas en esta
tesis, para comprender el papel de BI & A en el desempeño organizacional.
16
16
Referencias
Acs, ZJ y Audretsch, DB, 1987. Innovación, estructura de mercado y tamaño de la
empresa.
La Revista de Economía y Estadística, págs. 567-574.
Ahmad, A., Ahmad, R. y Hashim, KF, 2016. Rasgos de innovación para la
implementación exitosa de inteligencia empresarial. Revista de Tecnología
de la Información Teórica y Aplicada, 89 (1), p. 96.
Ahmadi, H., Nilashi, M., Shahmoradi, L. e Ibrahim, O., 2017. Adopción del
sistema de información hospitalaria: perspectivas de expertos sobre un
marco de adopción para hospitales públicos de Malasia. Las computadoras
en el comportamiento humano, 67, pp.161-189.
Ain, N., Vaia, G., DeLone, WH y Waheed, M., 2019. Dos décadas de
investigación sobre adopción, utilización y éxito de sistemas de
inteligencia empresarial: una revisión sistemática de la literatura. Sistemas
de apoyo a la toma de decisiones, 125, p.113113.
Airinei, D. y Homocianu, D., 2010. El desafío de la inteligencia empresarial móvil.
Informática de Economía.
Al-Jabri, IM y Roztocki, N., 2015. Adopción de sistemas ERP: ¿Importa la
transparencia de la información? Telemática e informática, 32 (2), págs.
300 a 310.
Ali, MD, Miah, SJ y Khan, S., 2018. Antecedentes de la implementación de
inteligencia empresarial para abordar la agilidad organizacional en el
contexto de las pequeñas empresas. Revista de Asia Pacífico de la
Asociación de Sistemas de Información, 10 (1), p.5.
Alshamaila, Y., Papagiannidis, S. y Li, F., 2013. Adopción de la computación en
la nube por las PYME en el noreste de Inglaterra: un marco de múltiples
perspectivas. Journal of Enterprise Information Management, 26 (3),
páginas 250-275.
Alshawi, S., Missi, F. e Irani, Z., 2011. Factores organizativos, técnicos y de
calidad de los datos en la adopción de CRM: perspectiva de las PYME.
Gestión de marketing industrial, 40 (3), págs. 376-383.
Anjariny, AH y Zeki, AM, 2014, diciembre. Dimensión de gestión para evaluar
la preparación de las organizaciones hacia los sistemas de inteligencia
empresarial. En Actas de la 3ª Conferencia Internacional sobre
Aplicaciones y Tecnologías Avanzadas de la Ciencia de la Computación
(págs. 21-25). IEEE.
16
Arnott, D. y Pervan, G., 2005. Un análisis crítico de la investigación de sistemas
de apoyo a las decisiones. Revista de tecnología de la información, 20 (2),
págs. 67-87.
17
Arnott, D. y Pervan, G., 2008. Ocho cuestiones clave para la disciplina de los
sistemas de apoyo a la toma de decisiones. Sistemas de soporte de
decisiones, 44 (3), págs. 657-672.
Arnott, D. y Pervan, G., 2014. Un análisis crítico de la investigación de sistemas
de apoyo a la decisión revisada: el surgimiento de la ciencia del diseño.
Revista de tecnología de la información, 29 (4), págs. 43-103.
Audretsch, DB, 2002. El papel dinámico de las pequeñas empresas: evidencia de
los EE. UU.
Economía de la pequeña empresa, 18 (1-3), págs. 13-40.
Avgerou, C., 2001. La importancia del contexto en los sistemas de información y
el cambio organizacional. Revista de sistemas de información, 11 (1),
págs. 43-63.
Baars, H. y Kemper, HG, 2008. Soporte de gestión con datos estructurados y no
estructurados: un marco de inteligencia empresarial integrado. Gestión de
sistemas de información, 25 (2), pp.132-148.
Bajwa, DS, García, JE y Mooney, T., 2004. Un marco integrador para la
asimilación de sistemas de planificación de recursos empresariales: fases,
antecedentes y resultados. Journal of Computer Information Systems, 44
(3), páginas 81-90.
Bara, A., Botha, I., Diaconita, V., Lungu, I., Velicanu, A. y Velicanu, M., 2009.
Un modelo para el desarrollo de sistemas de inteligencia empresarial.
Informatica Economica, 13 (4), p. 99.
Baransel, AE y Baransel, C., 2012, julio. Arquitectura de inteligencia empresarial
para pymes. En Actas de la 36ª Conferencia Anual de Aplicaciones y
Software Informático (págs. 470-475). IEEE.
Barney, J., 1991. Recursos de la empresa y ventaja competitiva sostenida. Journal
of Management, 17 (1), págs. 99-120.
Barney, JB, 1996. La teoría de la empresa basada en recursos. Ciencias de la
organización, 7 (5), págs. 469-469.
Barney, JB y Hansen, MH, 1994. La confiabilidad como fuente de ventaja
competitiva. Revista de gestión estratégica, 15 (S1), págs. 175-190.
Beatty, RC, Shim, JP y Jones, MC, 2001. Factores que influyen en la adopción de
un sitio web corporativo: una evaluación basada en el tiempo. Información
y gestión, 38 (6), págs. 337-354.
Belleflamme, P., 2001. Competencia oligopolística, uso de las tecnologías de la
información para la diferenciación de productos y la paradoja de la
17
productividad. Revista Internacional de Organización Industrial, 19 (1-2),
págs. 227-248.
Bernroider, EW, Wong, CW y Lai, KH, 2014. De las capacidades dinámicas a las
mejoras empresariales habilitadas por ERP: el efecto mediador de la
17
proyecto de implementación. Revista Internacional de Gestión de
Proyectos, 32 (2), págs. 350-362.
Blili, S. y Raymond, L., 1993. Tecnología de la información: amenazas y
oportunidades para las pequeñas y medianas empresas. Revista
Internacional de Gestión de la Información, 13 (6), páginas 439-448.
Boonsiritomachai, W., McGrath, GM y Burgess, S., 2016. Explorando la
inteligencia empresarial y su profundidad de madurez en las pymes
tailandesas. Cogent Business & Management, 3 (1), p. 1220663.
Bose, R., 2009. Analítica avanzada: oportunidades y desafíos. Gestión industrial
y sistemas de datos.
Božič, K. y Dimovski, V., 2019a. Inteligencia empresarial y análisis para la
creación de valor: el papel de la capacidad de absorción. Revista
Internacional de Gestión de la Información, 46, págs. 93-103.
Božič, K. y Dimovski, V., 2019b. Uso de inteligencia y análisis de negocios,
ambidestreza de la innovación y desempeño de la empresa: una perspectiva de
capacidades dinámicas. The Journal of Strategic Information Systems, 28 (4),
p.101578. Bradford, M. y Florin, J., 2003. Examinar el papel de los factores de
difusión de la innovación en el éxito de la implementación de los sistemas de
planificación de recursos empresariales. Revista Internacional de Sistemas de
Información Contable, 4 (3),
pp.205-225.
Braun, V. y Clarke, V., 2006. Uso del análisis temático en psicología.
Investigación cualitativa en psicología, 3 (2), págs. 77-101.
Brooks, P., El-Gayar, O. y Sarnikar, S., 2015. Un marco para desarrollar un
modelo de madurez de inteligencia empresarial específico de dominio:
aplicación a la atención médica. Revista Internacional de Gestión de la
Información, 35 (3), págs. 337-345.
Burns, P., 2016. Emprendimiento y pequeñas empresas. Palgrave Macmillan
Limited.
Burstein, F. y Holsapple, CW eds., 2008. Manual sobre sistemas de apoyo a la
toma de decisiones 2: variaciones. Springer Science & Business Media.
Bygstad, B. y Munkvold, BE, 2011. Explorando el papel de los informantes en la
investigación de estudios de casos interpretativos en SI. Revista de
tecnología de la información, 26 (1), págs. 32-45.
Caldeira, MM y Ward, JM, 2002. Comprensión de la adopción y el uso exitosos
de SI / TI en las PYME: una explicación de las industrias manufactureras
17
portuguesas. Revista de sistemas de información, 12 (2), págs.121-152.
17
Caldeira, MM y Ward, JM, 2003. Utilización de la teoría basada en recursos para
interpretar la adopción y el uso exitosos de sistemas de información y
tecnología en la fabricación de pequeñas y medianas empresas. Revista
europea de sistemas de información, 12 (2), págs. 127-141.
Cao, G., Duan, Y. y El Banna, A., 2019. Una visión de la capacidad dinámica de
la analítica de marketing: evidencia de empresas del Reino Unido. Gestión
de marketing industrial, 76, pp.72-83.
Capaldo, G. y Rippa, P., 2009. Un enfoque orientado a la planificación para la
selección de la estrategia de implementación de EPR. Revista de gestión
de la información empresarial, 22 (6), 642-659.
Cappelli, P. y P. Sherer 1991. El papel que falta del contexto en OB: la necesidad
de un enfoque de nivel meso. Investigación en comportamiento
organizacional, 13, pp.55-110.
Carson, D., Cromie, S., McGowan, P. y Hill, J., 1995. Marketing y espíritu
empresarial en las PYME: un enfoque innovador. Educación Pearson.
Carson, DJ, 1985. La evolución del marketing en pequeñas empresas. Revista
europea de marketing, 19 (5), págs. 7-16.
Caya, O. y Bourdon, A., 2016. Un marco de creación de valor a partir de la
inteligencia empresarial y la analítica en el deporte competitivo. En Actas
de la 49ª Conferencia Internacional de Ciencias de Sistemas de Hawái
(HICSS) (págs. 1061-1071). IEEE.
Cepeda, G. y Vera, D., 2007. Capacidades dinámicas y capacidades operativas:
una perspectiva de la gestión del conocimiento. Revista de investigación
empresarial, 60 (5), págs. 426-437.
Chae, B., Olson, D. y Sheu, C., 2014a. El impacto de la analítica de la cadena de
suministro en el rendimiento operativo: una visión basada en recursos.
Revista Internacional de Investigación de la Producción, 52 (16), págs.
4695-4710.
Chae, B. y Olson, DL, 2013. Análisis empresarial para la cadena de suministro:
un marco de capacidades dinámicas. Revista internacional de tecnología
de la información y toma de decisiones, 12 (01), págs. 9-26.
Chae, BK, Yang, C., Olson, D. y Sheu, C., 2014b. El impacto de la analítica
avanzada y la precisión de los datos en el rendimiento operativo: una
perspectiva de la teoría contingente basada en recursos (RBT). Sistemas
de soporte de decisiones, 59, pp.119-126.
17
Chan, CM, Teoh, SY, Yeow, A. y Pan, G., 2019. Agilidad en la respuesta a la
innovación digital disruptiva: estudio de caso de una pyme. Revista de
sistemas de información, 29 (2), págs. 436-455.
Chang, TS, Fu, HP y Ku, CY, 2015a. Un modelo novedoso para implementar
ERP basado en capacidades dinámicas. Revista de gestión de tecnología
de fabricación, 26 (7), págs. 1053-1068.
Chang, V., 2014. La inteligencia empresarial como servicio en la nube. Sistemas
informáticos de la generación futura, 37, pp.512-534.
Chang, YW, Hsu, PY y Wu, ZY, 2015b. Explorando la intención de los gerentes
de utilizar la inteligencia empresarial: el papel de las motivaciones.
Comportamiento y tecnología de la información, 34 (3), págs. 273-285.
Chau, PY y Tam, KY, 1997. Factores que afectan la adopción de sistemas
abiertos: un estudio exploratorio. MIS Quarterly, págs.1-24.
Chaudhuri, S., Dayal, U. y Narasayya, V., 2011. Una descripción general de la
tecnología de inteligencia empresarial. Comunicaciones de la ACM, 54
(8), pp.88-98.
Chen, H., Chiang, RH y Storey, VC, 2012. Inteligencia empresarial y análisis: de
big data al gran impacto. MIS Quarterly, 36 (4), páginas 1165-1188. Cheung, CF
y Li, FL, 2012. Un método de extracción de coeficientes de correlación
cuantitativa para la inteligencia empresarial en pequeñas y medianas empresas
comerciales
negocio. Sistemas expertos con aplicaciones, 39 (7), págs. 6279-6291.
Chiang, RH, Goes, P. y Stohr, EA, 2012. Educación en inteligencia empresarial y
análisis, y desarrollo de programas: una oportunidad única para la
disciplina de sistemas de información. Transacciones de ACM en sistemas
de información de gestión (TMIS), 3 (3), págs.1-13.
Chichti, FT, Besbes, A. y Benzammel, I., 2016. El impacto de los factores
contextuales en la inteligencia empresarial. En Actas de la Conferencia
Internacional sobre Economía Digital (ICDEc) (págs. 74-79). IEEE.
Chuang, SH, 2004. Una perspectiva basada en recursos sobre la capacidad de
gestión del conocimiento y la ventaja competitiva: una investigación
empírica. Sistemas expertos con aplicaciones, 27 (3), págs. 459-465.
Citroen, CL, 2011. El papel de la información en la toma de decisiones
estratégicas.
Revista Internacional de Gestión de la Información, 31 (6), págs. 493-501.
Cooper, BL, Watson, HJ, Wixom, BH y Goodhue, DL, 2000. El almacenamiento
17
de datos respalda la estrategia corporativa en First American Corporation.
MIS Quarterly, páginas 547-567.
17
Costello, P., Sloane, A. y Moreton, R., 2007. Marcos de evaluación de TI: ¿hacen
una contribución valiosa? Crítica de algunos de los modelos clásicos para
las PYMES. Revista Electrónica de Evaluación de Sistemas de
Información, 10 (1).
Cruz-Jesus, F., Oliveira, T. y Naranjo, M., 2018. Comprendiendo la adopción de
la analítica e inteligencia empresarial. En Actas de la Conferencia Mundial
sobre Sistemas y Tecnologías de la Información (págs. 1094-1103).
Springer, Cham.
Cruz-Jesus, F., Pinheiro, A. y Oliveira, T., 2019. Comprensión de las etapas de
adopción de CRM: análisis empírico basado en el marco TOE.
Computadoras en la industria, 109, pp.1-13.
Custer, RL, Scarcella, JA y Stewart, BR, 1999. La técnica Delphi modificada:
una modificación rotacional. Revista de Educación Técnica y Vocacional,
15 (2), pp.50-58.
D'Amboise, G. y Muldowney, M., 1988. Teoría de la gestión para la pequeña
empresa: intentos y requisitos. Academy of Management Review, 13 (2),
págs. 226-240.
Dalkey, N., 1969. Un estudio experimental de opinión de grupo: el método Delphi.
Futuros, 1 (5), págs. 408-426.
Dalkey, N. y Helmer, O., 1963. Una aplicación experimental del método Delphi
al uso de expertos. Management Science, 9 (3), págs. 458-467.
Dandridge, TC, 1979. Los niños no son "pequeños adultos": las pequeñas
empresas necesitan su propia teoría organizativa. Journal of Small
Business Management (anterior a 1986), 17 (000002), p.53.
Darcy, C., Hill, J., McCabe, TJ y McGovern, P., 2014. Una consideración de la
sostenibilidad organizacional en el contexto de las PYME: una visión
basada en recursos y un modelo compuesto. Revista europea de formación
y desarrollo, 38 (5), págs. 398-414.
Davenport, TH, 2006. Competir en análisis. Harvard Business Review, 84 (1), p.
98.
Davenport, TH y Harris, JG, 2007. La arquitectura de la inteligencia empresarial.
Competir en análisis: la nueva ciencia de ganar.
Day, GS, 1994. Las capacidades de las organizaciones impulsadas por el
mercado. Revista de marketing, 58 (4), págs. 37-52.
Day, J. y Bobeva, M., 2005. Un conjunto de herramientas genérico para la
gestión exitosa de los estudios Delphi. La Revista Electrónica de
17
Metodología de Investigación Empresarial, 3 (2), pp.103-116.
17
De Vaus, D., 2001. Diseño de investigación en investigación social. Sabio.
Deng, X. y Chi, L., 2012. Comprensión de los comportamientos post adoptivos
en el uso de sistemas de información: un análisis longitudinal de los
problemas de uso del sistema en el contexto de la inteligencia empresarial.
Revista de sistemas de información de gestión, 29 (3), págs. 291-326.
Dex, S. y Scheibl, F., 2001. Arreglos laborales flexibles y favorables a la familia
en las PYME del Reino Unido: casos comerciales. British Journal of
Industrial Relations, 39 (3), págs. 411-431.
Djatna, T. y Munichputranto, F., 2015. Análisis y diseño de un sistema de
inteligencia empresarial móvil para la medición y evaluación de la
productividad en la línea de producción de curado de neumáticos.
Procedia Manufacturing, 4, págs. 438-444.
Dwivedi, YK, Papazafeiropoulo, A., Ramdani, B., Kawalek, P. y Lorenzo, O.,
2009. Predicción de la adopción de sistemas empresariales por parte de las
PYME. Journal of Enterprise Information Management, 22 (1), páginas
10-24.
Eder, LB e Igbaria, M., 2001. Determinantes de la difusión e infusión intranet.
Omega, 29 (3), págs. 233-242.
Eisenhardt, KM y Martin, JA, 2000. Capacidades dinámicas: ¿qué son?
Diario de gestión estratégica, 21 (10‐11), págs. 1105-1121.
Elbashir, MZ, Collier, PA y Davern, MJ, 2008. Midiendo los efectos de los
sistemas de inteligencia empresarial: la relación entre el proceso
empresarial y el desempeño organizacional. Revista Internacional de
Sistemas de Información Contable, 9 (3), páginas 135-153.
Elbashir, MZ, Collier, PA, Sutton, SG, Davern, MJ y Leech, SA, 2013. Mejora
del valor empresarial de la inteligencia empresarial: el papel del
conocimiento compartido y la asimilación. Revista de sistemas de
información, 27 (2), páginas 87-105.
Elbertsen, L., Benders, J. y Nijssen, E., 2006. Uso de ERP: ¿exclusivo o
complementado? Sistemas de datos y gestión industrial, 106 (6), págs.
811-824.
Ereth, J. y Baars, H., 2015, julio. Aplicaciones de análisis e inteligencia
empresarial basadas en la nube: valor empresarial y viabilidad. En Actas
de la Conferencia de Asia Pacífico sobre Sistemas de Información
(PACIS) (p. 36).
Etemad, H., 2005. Estrategias de internacionalización de las pymes basadas en el
18
ciclo de vida evolutivo de una filial típica en tres etapas diferenciadas.
MIR: Management International Review, páginas 145-186.
18
Eybers, S., Kroeze, JH y Strydom, I., 2013. Hacia un marco de clasificación de la
investigación de valor de inteligencia empresarial. Capítulo italiano de
AIS (itAIS).
Fiegenbaum, A. y Karnani, A., 1991. Flexibilidad de producción: una ventaja
competitiva para las pequeñas empresas. Revista de gestión estratégica, 12
(2), págs. 101-114.
Fink, L., Yogev, N. y Even, A., 2017. Inteligencia empresarial y aprendizaje
organizacional: una investigación empírica de los procesos de creación de
valor. Información y gestión, 54 (1), págs. 38-56.
Foong, SY, 1999. Efecto de los atributos personales y de sistemas del usuario
final sobre el éxito de los sistemas de información basados en
computadoras en las PYMES de Malasia. Revista de gestión de pequeñas
empresas, 37 (3), p.81.
Foshay, N., Taylor, A. y Mukherjee, A., 2014. Ganar los corazones y las mentes
de los usuarios de inteligencia empresarial: el papel de los metadatos.
Gestión de sistemas de información, 31 (2), páginas 167-180.
Gable, G. y Stewart, G., 1999. Problemas de implementación de SAP R / 3 para
pequeñas y medianas empresas. En Actas de la Quinta Conferencia de las
Américas sobre Sistemas de Información (AMCIS), (p.269).
Gash, D., Ariyachandra, T. y Frolick, M., 2011. Looking to the clouds for
business intelligence. Journal of Internet Commerce, 10 (4), págs. 261-
269.
Gibson, M. y Arnott, D., 2003. Business Intelligence para pequeñas empresas:
evaluación, marco y agenda. En Actas de la Conferencia de Asia Pacífico
sobre Sistemas de Información (PACIS), (p.51).
Gibson, M., Arnott, D., Jagielska, I. y Melbourne, A., 2004. Evaluación de los
beneficios intangibles de la inteligencia empresarial: agenda de revisión e
investigación. En Actas de la Conferencia Internacional de IFIP sobre
Sistemas de Apoyo a las Decisiones (DSS2004): Apoyo a las Decisiones
en un Mundo Incierto y Complejo (págs. 295-305). Prato, Italia.
Gioia, DA y Chittipeddi, K., 1991. Sentido y sentido en la iniciación del cambio
estratégico. Revista de gestión estratégica, 12 (6), págs. 433-448.
Gold, AH, Malhotra, A. y Segars, AH, 2001. Gestión del conocimiento: una
perspectiva de las capacidades organizacionales. Revista de sistemas de
información de gestión, 18 (1), páginas 185-214.
Grabova, O., Darmont, J., Chauchat, JH y Zolotaryova, I., 2010. Inteligencia
18
empresarial para pequeñas y medianas empresas. Registro ACM
SIGMOD, 39 (2), págs. 39-50.
18
Grant, RM, 1991. La teoría de la ventaja competitiva basada en recursos:
implicaciones para la formulación de estrategias. Revisión de la gestión de
California, 33 (3), págs. 114-135.
Grover, V., Chiang, RH, Liang, TP y Zhang, D., 2018. Creación de valor
comercial estratégico a partir del análisis de big data: un marco de
investigación. Revista de sistemas de información de gestión, 35 (2), págs.
388-423.
Gudfinnsson, K. y Strand, M., 2017. Desafíos con la adopción de BI en PYMES.
En Actas de la 8ª Conferencia Internacional sobre Información,
Inteligencia, Sistemas y Aplicaciones (IISA) (págs. 1-6). IEEE.
Gupta, M. y Cawthon, G., 1996. Implicaciones gerenciales de la fabricación
flexible para pequeñas y medianas empresas. Technovation, 16 (2), págs.
77-94.
Gupta, M. y George, JF, 2016. Hacia el desarrollo de una capacidad de análisis
de big data. Información y gestión, 53 (8), págs. 1049-1064.
Gürdür, D., El-khoury, J. y Törngren, M., 2019. Digitalización de la industria
sueca: ¿Qué sigue ?: Evaluación de la preparación del análisis de datos de
la industria sueca, según los resultados de la encuesta. Computadoras en la
industria, 105, pp.153-163.
Hameed, MA, Counsell, S. y Swift, S., 2012. Un modelo conceptual para el
proceso de adopción de la innovación de TI en las organizaciones. Revista
de Gestión de Ingeniería y Tecnología, 29 (3), págs. 358-390.
Han, HS, Lee, JN y Seo, YW, 2008. Análisis del impacto de la capacidad de una
empresa en el éxito de la subcontratación: una perspectiva de proceso.
Información y gestión, 45 (1), págs. 31-42.
Harris, J., Ives, B. y Junglas, I., 2012. Consumición de TI: cuando los
dispositivos se convierten en herramientas de TI empresariales. Ejecutivo
trimestral de MIS, 11 (3).
Hatta, NNM, Miskon, S., Ali, NM, Abdullah, NS, Ahmad, N., Hashim, H., Alias,
RA y Maarof, MA, 2015. Teorías de adopción de sistemas de inteligencia
empresarial en PYME: revisión de la literatura. Revista ARPN de
Ingeniería y Ciencias Aplicadas, 10 (23), páginas 18165-18174.
Hawking, P. y Sellitto, C., 2010. Factores críticos de éxito de Business
Intelligence (BI). En Actas de la 21ª Conferencia Australiana sobre
Sistemas de Información. (págs. 1-3).
Hidayanto, AN, Kristianto, R. y Shihab, MR, 2012. Preparación para la
18
implementación de inteligencia empresarial: desarrollo de un marco y su
aplicación a las pequeñas y medianas empresas (PYME). En Actas del 3er
Simposio Internacional de Investigación en Gestión de Servicios (IRSSM-
3).
18
Hill, J., Nancarrow, C. y Wright, LT, 2002. Ciclos de vida y puntos de crisis en
las PYME: un enfoque de caso. Inteligencia y planificación de marketing,
20 (6), págs. 361-369.
Hill, J. y Scott, T., 2004. Una consideración de las funciones de la inteligencia
empresarial y el comercio electrónico en la toma de decisiones de gestión
y marketing en empresas emergentes basadas en el conocimiento y de alta
tecnología. Investigación de mercado cualitativa: una revista internacional,
7 (1), págs. 48-57.
Hiziroglu, A. y Cebeci, H.İ., 2013. Un marco conceptual de una herramienta de
análisis de clientes basada en la nube para pymes minoristas.
Publicaciones periódicas de ingeniería y ciencias naturales, 1 (2).
Hočevar, B. y Jaklič, J., 2010. Evaluación de los beneficios de los sistemas de
inteligencia empresarial: un estudio de caso. Gestión: Revista de
cuestiones de gestión contemporáneas, 15 (1), páginas 87-119.
Horakova, M. y Skalska, H., 2013. Inteligencia empresarial e implementación en
una pequeña empresa. Revista de integración de sistemas, 4 (2), p.50.
Hou, CK, 2012. Examen del efecto de la satisfacción del usuario en el uso del
sistema y el rendimiento individual con sistemas de inteligencia
empresarial: un estudio empírico de la industria electrónica de Taiwán.
Revista Internacional de Gestión de la Información, 32 (6), páginas 560-
573.
Hou, CK, 2016. Uso del cuadro de mando integral para evaluar el impacto del
uso del sistema de BI en el desempeño organizacional: un estudio
empírico de la industria de semiconductores de Taiwán. Desarrollo de la
información, 32 (5), págs. 1545-1569.
Hribar Rajterič, I., 2010. Descripción general de los modelos de madurez de
inteligencia empresarial. Management: Journal of Contemporary
Management Issues, 15 (1), págs. 47-67.
Hsu, CC y Sandford, BA, 2007. La técnica Delphi: dar sentido al consenso.
Evaluación práctica, investigación y evaluación, 12 (10), págs. 1-8.
Hu, PJH, Chau, PY y Sheng, ORL, 2000. Investigación de los factores que
afectan la adopción de la tecnología de telemedicina por parte de las
organizaciones de salud. En Actas de la 33ª Conferencia Internacional
Anual de Hawaii sobre Ciencias de Sistemas (p.10). IEEE.
Humm, B. y Wietek, F., 2005. Architektur von data warehouses und business
intelligence systems. Informatik-Spektrum, 28 (1), págs. 3-14.
18
Hwang, Y., 2005. Investigando la adopción de sistemas empresariales: evitación
de la incertidumbre, motivación intrínseca y modelo de aceptación de la
tecnología. Revista europea de sistemas de información, 14 (2), págs. 150-
161.
Iacovou, CL, Benbasat, I. y Dexter, AS, 1995. Intercambio electrónico de datos y
pequeñas organizaciones: adopción e impacto de la tecnología. MIS
Quarterly, págs. 465-485.
IFC2012.IFCandSmallandMediumEnterprises.URL:
http://www.ifc.org/wps/wcm/connect/277d1680486a831abec2fff995bd23
db / AM11IFC + IssueBrief_SME.pdf? MOD = AJPERES (visitado
en Noviembre de 2019) (p.1)
Igbaria, M., Zinatelli, N. y Cavaye, ALM, 1998. Análisis del éxito de la
tecnología de la información en pequeñas empresas de Nueva Zelanda.
Revista Internacional de Gestión de la Información, 18 (2), páginas 103-
119.
Jaklič, J., Grublješič, T. y Popovič, A., 2018. El papel de la compatibilidad en la
predicción de intenciones de uso de análisis e inteligencia empresarial.
Revista Internacional de Gestión de la Información, 43, págs. 305-318.
Jenkins, H., 2004. Una crítica de la teoría convencional de la RSE: una perspectiva
de las PYME.
Revista de Gerencia General, 29 (4), págs. 37-57.
Johnston, HR y Vitale, MR, 1988. Creación de una ventaja competitiva con
sistemas de información interorganizacionales. MIS Quarterly, páginas
153-165.
Jones, P., Packham, G., Beckinsale, M., Nguyen, TH y Waring, TS, 2013. La
adopción de la tecnología de gestión de relaciones con el cliente (CRM)
en las PYME. Revista de desarrollo de pequeñas empresas y empresas.
Junior, CH, Oliveira, T. y Yanaze, M., 2019. Las etapas de adopción
(Evaluación, Adopción y Rutinización) de sistemas ERP con
funcionalidad de análisis de negocio en el contexto de granjas.
Computadoras y electrónica en la agricultura, 156, págs. 334-348.
Kappelman, L., McLean, E., Luftman, J. y Johnson, V., 2013. Temas clave de las
organizaciones de TI y su liderazgo: Estudio de tendencias de TI de SIM
2013. Ejecutivo trimestral de MIS, 12 (4).
Keil, M., Lee, HK y Deng, T., 2013. Comprensión de las habilidades más críticas
18
para la gestión de proyectos de TI: un estudio de Delphi sobre gerentes de
proyectos de TI. Información y gestión, 50 (7), págs. 398-414.
Kendall, MG y Gibbons, JD, 1990. Métodos de correlación. Oxford: Prensa de la
Universidad de Oxford.
18
Kezar, A. y Maxey, D., 2016. La técnica Delphi: Un enfoque sin explotar de la
investigación participativa. Revista Internacional de Metodología de la
Investigación Social, 19 (2), pp.143-160.
Khan, RA y Quadri, SMK, 2012. Inteligencia empresarial: un enfoque integrado.
Business Intelligence Journal, 5 (1), págs. 64-70.
Kirsch, LS, 1997. Portafolios de modos de control y gestión de proyectos de SI.
Investigación de sistemas de información, 8 (3), págs. 215-239.
Kitchenham, B., 2004. Procedimientos para realizar revisiones sistemáticas.
Keele, Reino Unido, Universidad de Keele, 33 (2004), págs. 1 a 26.
Klein, D., Tran-Gia, P. y Hartmann, M., 2013. Big data. Informatik-Spektrum, 36
(3), págs. 319-323.
Klein, HK y Myers, MD, 1999. Un conjunto de principios para realizar y evaluar
estudios de campo interpretativos en sistemas de información. MIS
Quarterly, 23 (1), págs. 67-93.
Ko, E., Kim, SH, Kim, M. y Woo, JY, 2008. Características organizativas y
proceso de adopción de CRM. Journal of Business Research, 61 (1), págs.
65-74.
Kohnke, O., Wolf, TR y Mueller, K., 2011. Gestión de la aceptación del usuario:
una investigación empírica en el contexto del software estándar de
inteligencia empresarial. Revista Internacional de Sistemas de Información
y Gestión del Cambio, 5 (4), págs. 269-290.
Kowalczyk, M. y Buxmann, P., 2014. Big data y procesamiento de la
información en los procesos de decisión organizacional. Ingeniería de
sistemas de información y negocios, 6 (5), págs. 267-278.
Kulkarni, U. y Robles-Flores, JA, 2013. Desarrollo y validación de un modelo de
éxito de BI. En Actas de la Decimonovena Conferencia de las Américas
sobre Sistemas de Información (AMCIS). Chicago, Illinois.
Kumar, V., Maheshwari, B. y Kumar, U., 2002. Proceso de adopción de sistemas
de planificación de recursos empresariales: una encuesta de
organizaciones canadienses. Revista Internacional de Investigación de la
Producción, 40 (3), págs. 509-523.
Laframboise, K. y Reyes, F., 2005. Obtener una ventaja competitiva al integrar la
planificación de recursos empresariales y la gestión de la calidad total.
Revista de gestión de la cadena de suministro, 41 (3), págs. 49-64.
Landroguez, SM, Castro, CB y Cepeda ‐ Carrión, G., 2011. Creando capacidades
dinámicas para incrementar el valor del cliente. Decisión de gestión, 49
18
(7), págs. 1141-1159
19
Lang, JR, Calantone, RJ y Gudmundson, D., 1997. Búsqueda de información de
pequeñas empresas como respuesta a amenazas y oportunidades
ambientales. Revista de gestión de pequeñas empresas, 35 (1), p.11.
Larson, D. y Chang, V., 2016. Una revisión y dirección futura de agilidad,
inteligencia empresarial, análisis y ciencia de datos. Revista Internacional
de Gestión de la Información, 36 (5), págs. 700-710.
Lautenbach, P., Johnston, K. y Adeniran-Ogundipe, T., 2017. Factores que
influyen en el alcance del uso de análisis e inteligencia empresarial en
organizaciones sudafricanas. Revista Sudafricana de Gestión Empresarial,
48 (3), págs. 23-33.
Lefebvre, E. y Lefebvre, LA, 1992. Innovación empresarial y características del
CEO en pequeñas empresas manufactureras. Revista de gestión de
ingeniería y tecnología, 9 (3-4), págs.243-277.
Lengnick-Hall, CA, Lengnick-Hall, ML y Abdinnour-Helm, S., 2004. El papel
del capital social e intelectual en el logro de una ventaja competitiva a
través de sistemas de planificación de recursos empresariales (ERP).
Revista de Gestión de Ingeniería y Tecnología, 21 (4), págs. 307-330.
Levy, M., Loebbecke, C. y Powell, P., 2003. PYME, cooperación e intercambio
de conocimientos: el papel de los sistemas de información. Revista
europea de sistemas de información, 12 (1), págs. 3 a 17.
Levy, M. y Powell, P., 1998. La flexibilidad de las PYME y el papel de los
sistemas de información. Economía de la pequeña empresa, 11 (2),
páginas 183-196.
Levy, M. y Powell, P., 2000. Estrategia de sistemas de información para
pequeñas y medianas empresas: una perspectiva organizacional. The
Journal of Strategic Information Systems, 9 (1), págs. 63-84.
Levy, M., Powell, P. y Galliers, R., 1999. Evaluación de los marcos de desarrollo
de estrategias de sistemas de información en las PYME. Información y
gestión, 36 (5), págs. 247-261.
Levy, M., Powell, P. y Yetton, P., 2001. Pymes: alineando IS y el contexto
estratégico. Revista de tecnología de la información, 16 (3), páginas 133-
144.
Lim, EP, Chen, H. y Chen, G., 2013. Inteligencia empresarial y análisis:
direcciones de investigación. Transacciones de ACM sobre sistemas de
información de gestión (TMIS), 3 (4), págs. 1-10.
Lim, KH, 2009. Difusión de sistemas de gestión del conocimiento en empresas
19
chinas: un enfoque de múltiples etapas utilizando la tecnología-
organización-
19
marco medioambiental. Revista de gestión de la información global
(JGIM), 17 (1), págs. 70-84.
Linstone, HA y Turoff, M. eds., 1975. El método delphi (págs. 3-12). Reading,
MA: Addison-Wesley.
Liyang, T., Zhiwei, N., Zhangjun, W. y Li, W., 2011. Un marco conceptual para
la inteligencia empresarial como servicio (SaaS BI). En 2011, Cuarta
Conferencia Internacional sobre Tecnología y Automatización de
Computación Inteligente (Vol. 2, pp. 1025-1028). IEEE.
Lycett, M., 2013. 'Dataficación': dar sentido a los (grandes) datos en un mundo
complejo.
Saltador
Ma, X. y Loeh, H., 2007. Cerrando la brecha: ¿Cómo deberían las empresas
chinas desarrollar las capacidades para implementar la innovación de
procesos impulsada por ERP? Revista Internacional de Gestión de
Tecnología, 39 (3-4), páginas 380-395.
Marston, S., Li, Z., Bandyopadhyay, S., Zhang, J. y Ghalsasi, A., 2011.
Computación en la nube: la perspectiva empresarial. Sistemas de apoyo a
la toma de decisiones, 51 (1), págs. 176-189.
Mathrani, S. y Mathrani, A., 2013, enero. Aprovechar la inteligencia empresarial
para generar metaconocimiento. En Actas de la 46ª Conferencia
Internacional de Ciencias de Sistemas de Hawái (págs. 3787-3796). IEEE.
Matthews, CH y Scott, SG, 1995. Incertidumbre y planificación en empresas
pequeñas y emprendedoras: una evaluación empírica. Journal of Small
Business Management, 33 (4), p.34.
Melville, N., Kraemer, K. y Gurbaxani, V., 2004. Tecnología de la información y
desempeño organizacional: un modelo integrador de valor comercial de
TI. MIS Quarterly, 28 (2), páginas 283-322.
Meuser, M. y Nagel, U., 2009. La entrevista al experto y los cambios en la
producción de conocimiento. En Entrevistar a expertos (págs. 17-42).
Palgrave Macmillan, Londres.
Mikalef, P., Pappas, IO, Krogstie, J. y Giannakos, M., 2017. Capacidades de
análisis de Big Data: una revisión sistemática de la literatura y una agenda
de investigación. Gestión de sistemas de información y comercio
electrónico, 16 (3), págs. 547-578.
Mintzberg, H., 1989. La estructuración de organizaciones. En Lecturas de gestión
estratégica (págs. 322-352). Palgrave, Londres.
19
Moran, P. y Ghoshal, S., 1999. Mercados, empresas y el proceso de desarrollo
económico. Academy of Management Review, 24 (3), págs. 390-412.
19
Moreno, V., Carvalho, WDS y Cavazotte, F., 2018. ¿La inteligencia empresarial
aprovecha las capacidades dinámicas y operativas? Impactos en los
procesos de marketing en las empresas de telecomunicaciones. En Actas
de la Vigésima Cuarta Conferencia de las Américas sobre Sistemas de
Información (AMCIS), Nueva Orleans.
Mowday, RT y Sutton, RI, 1993. Comportamiento organizacional: vinculación
de individuos y grupos con contextos organizacionales. Revisión anual de
psicología, 44 (1), páginas 195-229.
Muriithi, GM y Kotzé, JE, 2013. Un marco conceptual para ofrecer soluciones de
inteligencia empresarial rentables como servicio. En Actas de la
Conferencia del Instituto Sudafricano de Científicos y Tecnólogos de la
Información (págs. 96-100).
Mustonen-Ollila, E. y Lyytinen, K., 2003. Por qué las organizaciones adoptan
innovaciones en los procesos del sistema de información: un estudio
longitudinal que utiliza la teoría de la difusión de la innovación. Revista
de sistemas de información, 13 (3), págs. 275-297.
Namvar, M. y Cybulski, J., 2014. Organizaciones basadas en BI: una perspectiva
de creación de sentido. En Actas de la 35ª Conferencia Internacional sobre
Sistemas de Información (ICIS).
Negash, S., 2004. Business Intelligence. Comunicación de la Asociación de
Sistemas de Información, 13 (15), págs. 177-195.
Nelson, RR, Todd, PA y Wixom, BH, 2005. Antecedentes de la calidad de la
información y del sistema: un examen empírico en el contexto del
almacenamiento de datos. Revista de sistemas de información de gestión,
21 (4), págs. 1999-235.
Newby, M., Nguyen, TH y Waring, TS, 2014. Comprensión de la adopción de
tecnología de gestión de relaciones con los clientes en pequeñas y
medianas empresas. Journal of Enterprise Information Management, 27
(5), páginas 541-560.
Okoli, C. y Pawlowski, SD, 2004. El método Delphi como herramienta de
investigación: un ejemplo, consideraciones de diseño y aplicaciones.
Información y gestión, 42 (1), págs. 15-29.
Oliveira, T. y Martins, MF, 2008, julio. Una comparación de la adopción de
sitios web en pequeñas y grandes empresas portuguesas. En Actas del
ICE-B (págs. 370-377).
19
Oliveira, T. y Martins, MF, 2011. Revisión de la literatura sobre modelos de
adopción de tecnologías de la información a nivel de empresa. Revista
Electrónica de Evaluación de Sistemas de Información, 14 (1), p.110.
Oliveira, T., Thomas, M. y Espadanal, M., 2014. Evaluación de los
determinantes de la adopción de la computación en la nube: un análisis de
los sectores de fabricación y servicios. Información y gestión, 51 (5), págs.
497-510.
Olszak, CM, 2014. Hacia una comprensión de Business Intelligence. Un marco
dinámico basado en capacidades para Business Intelligence. En Actas de
la Conferencia Federada sobre Ciencias de la Computación y Sistemas de
Información (pp.1103-1110). IEEE.
Olszak, CM, 2016. Hacia una mejor comprensión y uso de Business Intelligence
en organizaciones. Gestión de sistemas de información, 33 (2), págs. 105-
123.
Olszak, CM y Ziemba, E., 2008. El modelo conceptual de un portal de
aprendizaje web para pequeñas y medianas empresas. Problemas para
informar la ciencia y la tecnología de la información, 5, págs. 335-351.
Olszak, CM y Ziemba, E., 2012. Factores críticos de éxito para implementar
sistemas de inteligencia empresarial en pequeñas y medianas empresas en
el ejemplo de la Alta Silesia, Polonia. Revista interdisciplinaria de
información, conocimiento y gestión, 7 (2), pp.129-150.
Ong, IL, Siew, PH y Wong, SF, 2011. Una arquitectura de inteligencia
empresarial de cinco capas. Comunicaciones del IBIMA.
Orlikowski, WJ y Baroudi, JJ, 1991. Estudiar la tecnología de la información en
las organizaciones: enfoques y supuestos de investigación. Investigación
de sistemas de información, 2 (1), págs.
Orlikowski, WJ y Iacono, CS, 2001. Comentario de investigación: Buscando
desesperadamente la “TI” en la investigación de TI: un llamado a teorizar
el artefacto de la TI. Investigación de sistemas de información, 12 (2),
pp.121-134.
Päivärinta, T., Pekkola, S. y Moe, C., 2011. Teoría de la base de los estudios de
Delphi. En Actas de la Trigésima Segunda Conferencia Internacional
sobre Sistemas de Información (ICIS), Shanghai.
Palvia, PC y Palvia, SC, 1999. Un examen de la satisfacción de TI de los
usuarios de pequeñas empresas. Información y gestión, 35 (3), págs. 127-
137.
19
Pan, MJ y Jang, WY, 2008. Determinantes de la adopción de la planificación de
recursos empresariales dentro del marco tecnología-organización-entorno:
la industria de las comunicaciones de Taiwán. Journal of Computer
Information Systems, 48 (3), páginas 94-102.
19
Pare, G., Cameron, AF, Poba-Nzaou, P. y Templier, M., 2013. Una evaluación
sistemática del rigor en los estudios Delphi de tipo ranking de sistemas de
información. Información y gestión, 50 (5), páginas 207-217.
Pavlou, PA y El Sawy, OA, 2011. Comprendiendo la elusiva caja negra de las
capacidades dinámicas. Decision Sciences, 42 (1), págs.239-273.
Peltier, JW, Schibrowsky, JA y Zhao, Y., 2009. Comprensión de los antecedentes
de la adopción de la tecnología CRM por los pequeños minoristas:
emprendedores vs propietarios-gerentes. Revista internacional de
pequeñas empresas, 27 (3), páginas 307-336.
Peteraf, MA, 1993. Las piedras angulares de la ventaja competitiva: una visión
basada en recursos. Revista de Gestión Estratégica, 14 (3), pp.179-191.
Petter, S., DeLone, W. y McLean, E., 2008. Midiendo el éxito de los sistemas de
información: modelos, dimensiones, medidas e interrelaciones. Revista
europea de sistemas de información, 17 (3), páginas 236-263.
Philliber, SG, Schwab, MR y Samloss, G., 1980. Investigación social, Guías para
un proceso de toma de decisiones, Peacock. Itasca, IL.
Poba ‐ Nzaou, P., Raymond, L. y Fabi, B., 2008. Adopción y riesgo de sistemas
ERP en PYMES manufactureras: un estudio de caso positivista. Diario de
gestión de procesos de negocio, 14 (4), páginas 530-550.
Popovič, A., 2017. Si lo implementamos, ¿vendrán? Resistencia del usuario en el
comportamiento de uso posterior a la aceptación dentro de un contexto de
sistemas de inteligencia empresarial. Economic Research, 30 (1), págs.
911-921.
Popovič, A., Puklavec, B. y Oliveira, T., 2019. Justificación de la adopción de
sistemas de inteligencia empresarial en pymes. Sistemas de datos y gestión
industrial, 119 (1), páginas 210-228.
Popovič, A., Turk, T. y Jaklič, J., 2010. Modelo conceptual del valor empresarial
de los sistemas de inteligencia empresarial. Management: Journal of
Contemporary Management Issues, 15 (1), pp.5-30.
Premkumar, G., 2003. Un metaanálisis de la investigación sobre la
implementación de tecnologías de la información en pequeñas empresas.
Revista de Computación Organizacional y Comercio Electrónico, 13 (2),
pp.91-121.
Puklavec, B., Oliveira, T. y Popovič, A., 2014. Desempaquetando los
determinantes de la adopción de sistemas de inteligencia empresarial: un
estudio exploratorio de pequeñas y medianas empresas. Economic &
19
Business Review, 16 (2), p. 185.
19
Puklavec, B., Oliveira, T. y Popovič, A., 2018. Comprensión de los
determinantes de las etapas de adopción del sistema de inteligencia
empresarial. Sistemas de datos y gestión industrial, 118 (1), págs.236-261.
Qushem, UB, Zeki, AM y Abubakar, A., 2017. Exitoso sistema de inteligencia
empresarial para pymes: un estudio analítico en Malasia. En IOP Conference
Series: Ciencia e ingeniería de materiales, 226 (1), p. 012090. Rackoff, N.,
Wiseman, C. y Ullrich, WA, 1985. Sistemas de información para una ventaja
competitiva: implementación de un proceso de planificación. MAL
Trimestral, págs. 285-294.
Raeth, P., Urbach, N., Smolnik, S., Butler, BS y Königs, P., 2010, The Adoption
of Web 2.0 in Corporations: A Process Perspective. En Actas de la 16ª
Conferencia de las Américas sobre Sistemas de Información (AMCIS)
(p.405).
Rahayu, R. y Day, J., 2015. Factores determinantes de la adopción del comercio
electrónico por las PYME en los países en desarrollo: evidencia de
Indonesia. Procedia-Ciencias Sociales y del Comportamiento, 195,
pp.142-150.
Raju, PS, Lonial, SC y Crum, MD, 2011. Orientación al mercado en el contexto
de las pymes: un marco conceptual. Revista de investigación empresarial,
64 (12), páginas 1320-1326.
Ram, J., Corkindale, D. y Wu, ML, 2014. Adopción de ERP y creación de valor:
Examinando las contribuciones de los antecedentes. Revista de Gestión de
Ingeniería y Tecnología, 33, pp.113-133.
Ram, J. y Pattinson, M., 2009. Explorando los antecedentes de la adopción
organizacional de ERP y su efecto en el desempeño de las empresas. En
Actas de la Conferencia europea sobre sistemas de información (ECIS)
(págs. 1174-1186).
Ram, J., Zhang, C. y Koronios, A., 2016. Las implicaciones de la analítica de big
data en la inteligencia empresarial: un estudio cualitativo en China.
Procedia Computer Science, 87, págs. 221-226.
Ranjan, J., 2009. Inteligencia empresarial: conceptos, componentes, técnicas y
beneficios. Revista de tecnología de la información teórica y aplicada, 9
(1), págs. 60-70.
Raymond, L., 1988. El impacto de la capacitación en computación en las
actitudes y el comportamiento de uso de los gerentes de pequeñas
empresas. Revista de gestión de pequeñas empresas, 26 (3), p.8.
20
Raymond, L. y Uwizeyemungu, S., 2007. Un perfil de adopción de ERP en
PYMES manufactureras. Journal of Enterprise Information Management,
20 (4), págs. 487-502.
Reinschmidt, J. y Francoise, A., 2000. Guía de certificación de inteligencia
empresarial.
Organización internacional de soporte técnico de IBM.
Richards, G., Yeoh, W., Chong, AYL y Popovič, A., 2019. Eficacia de la
inteligencia empresarial y gestión del desempeño corporativo: un análisis
empírico. Journal of Computer Information Systems, 59 (2), págs. 188-
196.
Rogers, EM 1995. Difusión de innovaciones. Cuarta edición. Nueva York: Free
Press.
Rostek, K., Wiśniewski, M. y Kucharska, A., 2012. Consorcio de inteligencia
empresarial en la nube para pymes. Fundamentos de la gestión, 4 (1),
pp.105-122.
Rothwell, R., Beesley, M., Barber, J. y Metcalfe, JS, 1989. La importancia de la
transferencia de tecnología. Barreras al crecimiento en las pequeñas
empresas, págs. 87-103.
Rowe, F., Truex, D. y Huynh, MQ, 2012. Un estudio empírico de los
determinantes de la adopción del comercio electrónico en las PYME en
Vietnam: una economía en transición. Revista de gestión de la
información global (JGIM), 20 (3), págs.23-54.
Ruivo, P., Oliveira, T. y Neto, M., 2015. Uso de la teoría de la vista basada en
recursos para evaluar el valor de los paquetes comerciales de ERP en las
pymes. Computadoras en la industria, 73, pp.105-116.
Sadok, M. y Lesca, H., 2009. Un modelo de inteligencia empresarial para pymes
basado en el conocimiento tácito. En Actas de la Gestión de la Innovación
y el Conocimiento en Desafíos y Soluciones de las Economías de Doble
Vía - Actas de la XI Conferencia de la Asociación Internacional de
Gestión de la Información Empresarial (IBIMA) (págs. 218-225).
Sammon, D. y Adam, F., 2010. Preparación de proyectos y aparición de
problemas de implementación en proyectos de ERP. Información y
gestión, 47 (1), págs. 1-8.
Scheepers, H. y Scheepers, R., 2008. Un marco de decisión centrado en el
proceso para analizar el valor comercial potencial de las inversiones en TI.
Fronteras de los sistemas de información, 10 (3), págs. 321-330.
20
Schendel, D., 1994. Introducción a 'Comportamiento organizacional competitivo:
hacia una teoría de la ventaja competitiva basada en la organización'.
Revista de gestión estratégica, 15 (S1), págs. 1-4.
20
Schmidt, RC, 1997. Manejo de encuestas Delphi usando técnicas estadísticas no
paramétricas. Decision Sciences, 28 (3), págs. 763-774.
Scholz, P., Schieder, C., Kurze, C., Gluchowski, P. y Böhringer, M., 2010.
Beneficios y desafíos de la adopción de inteligencia empresarial en
pequeñas y medianas empresas. En Actas de la 18ª Conferencia Europea
de Sistemas de Información (ECIS).
Schryen, G., 2013. Revisando la investigación del valor empresarial de SI: lo que
ya sabemos, lo que aún necesitamos saber y cómo podemos llegar allí.
Revista europea de sistemas de información, 22 (2), págs. 139-169.
Escocia, J., 2012. Explorando los fundamentos filosóficos de la investigación:
relacionar la ontología y la epistemología con la metodología y los
métodos de los paradigmas de investigación científica, interpretativa y
crítica. Enseñanza del idioma inglés, 5 (9), págs. 9-16.
Seah, M., Hsieh, MH y Weng, PD, 2010. Un análisis de caso de Savecom: El
papel del liderazgo indígena en la implementación de un sistema de
inteligencia empresarial. Revista Internacional de Gestión de la
Información, 30 (4), págs. 368 a 373.
Seddon, PB, Calvert, C. y Yang, S., 2010. Un modelo multiproyecto de factores
clave que afectan los beneficios organizacionales de los sistemas
empresariales. MIS Quarterly, 34 (2), páginas 305-328.
Seddon, PB, Constantinidis, D., Tamm, T. y Dod, H., 2017. ¿Cómo contribuye la
analítica empresarial al valor empresarial? Revista de sistemas de
información, 27 (3), páginas 237-269.
Shamim, S., Zeng, J., Shariq, SM y Khan, Z., 2018. Papel de la gestión de big
data en la mejora de la capacidad y la calidad de la toma de decisiones de
big data entre las empresas chinas: una vista de capacidades dinámicas.
Información y gestión, 56 (6), p.103135.
Shariat, M. y Hightower Jr, R., 2007. Conceptualizando la arquitectura de
inteligencia empresarial. Revista de gestión de marketing, 17 (2).
Shollo, A. y Galliers, RD, 2016. Hacia una comprensión del papel de los sistemas
de inteligencia empresarial en el conocimiento organizacional. Revista de
sistemas de información, 26 (4), págs. 339-367.
Sidorova, A. y Torres, R., 2014. Business intelligence y analítica: una vista de
dinamización de capacidades. En Actas de la 20ª Conferencia de las
Américas sobre Sistemas de Información (AMCIS).
20
Simmers, CA, 2004. Un modelo de inteligencia empresarial para las partes
interesadas. En Técnicas de inteligencia empresarial (págs. 227-242).
Springer, Berlín, Heidelberg.
Smith, D. y Crossland, M., 2008. Realizing the value of Business Intelligence. En
IFIP World Computer Congress, TC 8 (págs. 163-174). Springer, Boston,
MA.
Soh, C. y Markus, ML, 1995. Cómo las TI crean valor empresarial: una síntesis
de la teoría de procesos. En Actas de la Conferencia Internacional de
Sistemas de Información (ICIS) (p.4).
Starbuck, WH, 1976. Organizaciones y sus entornos. Manual de Psicología
Industrial y Organizacional.
Stipić, A. y Bronzin, T., 2011. Mobile BI: The past, the present and the future.
En Actas de la 34ª Convención Internacional MIPRO (págs. 1560-1564).
IEEE.
Storey, DJ, 2016. Comprendiendo el sector de la pequeña empresa. Routledge.
Storey, DJ y Westhead, P., 1997. Formación en gestión en pequeñas empresas:
¿un caso de fallo del mercado? Revista de gestión de recursos humanos, 7
(2), págs. 61-71.
Tamm, T., Seddon, P. y Shanks, G., 2013. Pathways to value from business
analytics. En Actas de la Conferencia Internacional de Sistemas de
Información (ICIS) (págs. 2915-2930).
Teece, DJ, 2007. Explicando las capacidades dinámicas: la naturaleza y los micro
fundamentos del desempeño empresarial (sostenible). Revista de gestión
estratégica, 28 (13), págs. 1319-1350.
Teece, DJ, Pisano, G. y Shuen, A., 1997. Capacidades dinámicas y gestión
estratégica. Revista de gestión estratégica, 18 (7), págs. 509-533.
Teo, TS, Ranganathan, C. y Dhaliwal, J., 2006. Dimensiones clave de los
inhibidores para el despliegue del comercio electrónico de empresa a
empresa basado en la web. IEEE Transactions on Engineering
Management, 53 (3), págs. 395-411.
Thompson, J., 1967. Organizaciones en acción. Nueva York: McGraw-Hill.
Thong, JY, 1999. Un modelo integrado de adopción de sistemas de información
en pequeñas empresas. Revista de sistemas de información de gestión, 15
(4), páginas 187-214.
Tona, O. y Carlsson, SA, 2013. La visión organizativa de la inteligencia
empresarial móvil. En Actas de la 21ª Conferencia Europea de Sistemas
20
de Información (ECIS) Utrecht, Países Bajos, (p. 114).
20
Tornatzky, LG, Fleischer, M. y Chakrabarti, AK, 1990. Procesos de innovación
tecnológica. Libros de Lexington.
Torres, R., Sidorova, A. y Jones, MC, 2018. Habilitar el desempeño de la
empresa a través de inteligencia empresarial y análisis: una perspectiva de
capacidades dinámicas. Información y gestión, 55 (7), págs. 822-839.
Trieu, VH, 2017. Obtener valor de los sistemas de inteligencia empresarial: una
agenda de revisión e investigación. Sistemas de apoyo a la toma de
decisiones, 93, págs. 111-124.
Trieu, VHT, Cockcroft, S. y Perdana, A., 2018. Desempeño en la toma de
decisiones en la era del big data: el papel del uso real de los sistemas de
inteligencia empresarial y las restricciones externas que afectan. En Actas
de la 26ª Conferencia Europea de Sistemas de Información (ECIS).
Tsai, WC y Tang, LL, 2012. Un modelo de adopción de la tecnología de
identificación por radiofrecuencia: El caso de las empresas de servicios
logísticos. Revista de Gestión de Ingeniería y Tecnología, 29 (1), pp.131-
151.
Turban, E., Sharda, R., Aronson, JE y King, D., 2008. Inteligencia empresarial: un
enfoque de gestión. Pearson Prentice Hall Upper Saddle River, Nueva Jersey.
Uwizeyemungu, S. y Raymond, L., 2012. Impacto de las capacidades de un
sistema ERP sobre la realización de su valor comercial: una perspectiva
basada en recursos. Gestión y tecnología de la información, 13 (2), págs.
69-90.
Van Dijck, J., 2013. 'Tienes una identidad': representarte en Facebook y
LinkedIn. Medios, cultura y sociedad, 35 (2), págs. 199-215.
Verkooij, KIM y Spruit, M., 2013. Inteligencia empresarial móvil:
consideraciones clave para proyectos de implementación. Revista de
sistemas de información informática, 54 (1), págs.23-33.
Villar, C., Alegre, J. y Pla-Barber, J., 2014. Explorando el papel de las prácticas
de gestión del conocimiento en las exportaciones: una visión de
capacidades dinámicas. International Business Review, 23 (1), págs. 38-
44.
Wade, M. y Hulland, J., 2004. La visión basada en recursos y la investigación de
sistemas de información: revisión, extensión y sugerencias para
investigaciones futuras. MIS Quarterly, 28 (1), págs. 107-142.
Wagner, HT y Weitzel, T., 2012. Cómo lograr la alineación operativa entre
empresas y TI: conocimientos de una empresa aeroespacial global.
20
Ejecutivo trimestral de MIS, 11 (1).
Wamba, SF, Gunasekaran, A., Akter, S., Ren, SJF, Dubey, R. y Childe, SJ, 2017.
Análisis de big data y rendimiento de la empresa: efectos de las
capacidades dinámicas. Journal of Business Research, 70, págs. 356-365.
20
Watson, HJ, 2009. Tutorial: inteligencia empresarial: pasado, presente y futuro.
Comunicaciones de la Asociación de Sistemas de Información, 25 (1), p. 39.
Watson, HJ y Wixom, BH, 2007. El estado actual de la inteligencia empresarial.
Computadora, 40 (9), págs. 96-99.
Webster, J. y Watson, RT, 2002. Analizar el pasado para prepararse para el futuro:
escribir una revisión de la literatura. MIS Quarterly, 26 (2), páginas 13-23.
Wernerfelt, B., 1984. Una visión de la empresa basada en los recursos. Revista de
Gestión Estratégica, 5 (2), pp.171-180.
Wernerfelt, B., 1995. La visión de la empresa basada en los recursos: diez años
después.
Diario de gestión estratégica, 16 (3), págs. 171-174.
Williams, S. y Williams, N., 2010. El impacto de la inteligencia empresarial en las
ganancias.
Elsevier.
Wixom, B. y Watson, H., 2010. La organización basada en BI. Revista
Internacional de Investigación en Inteligencia Comercial (IJBIR), 1 (1),
páginas 13-28.
Wixom, BH, Yen, B. y Relich, M., 2013. Maximización del valor de la analítica
empresarial. Ejecutivo trimestral de MIS, 12 (2).
Wu, L. y Chen, JL, 2014. Una difusión basada en etapas de la innovación de TI y
el impacto en el rendimiento del BSC: un moderador de tecnología-
organización-entorno. Pronóstico tecnológico y cambio social, 88, pp.76-
90.
Xu, X., 2012. De la computación en la nube a la fabricación en la nube. Robótica
y fabricación integrada por computadora, 28 (1), págs. 75-86.
Yeoh, W., 2008. Factores críticos de éxito para la implementación de sistemas de
inteligencia empresarial en organizaciones de gestión de activos de
ingeniería (tesis doctoral, Universidad de Australia del Sur).
Yeoh, W. y Koronios, A., 2010. Factores críticos de éxito para sistemas de
inteligencia empresarial. Journal of Computer Information Systems, 50
(3), páginas 23-32.
Yetton, PW, Johnston, KD y Craig, JF, 1994. Arquitectos asistidos por
computadora: un estudio de caso de TI y cambio estratégico. MIT Sloan
Management Review, 35 (4), p.57.
Yin, RK, 2017. Investigación y aplicaciones de estudios de caso: Diseño y
métodos. Publicaciones sabias.
20
Yogev, N., Fink, L. y Even, A., 2012. Cómo la inteligencia empresarial crea
valor. En Actas de la 20ª Conferencia Europea de Sistemas de Información
(ECIS) Barcelona, España.
Yoon, TE, Ghosh, B. y Jeong, BK, 2014. Aceptación del usuario de la aplicación
de inteligencia empresarial (BI): tecnología, diferencia individual, social
20
influencia y limitaciones situacionales. En Actas de la 47ª Conferencia
Internacional de Ciencias de Sistemas de Hawái (HICSS) (págs. 3758-
3766). IEEE.
Yousuf, MI, 2007. Utilizando opiniones de expertos mediante la técnica Delphi.
Evaluación práctica, investigación y evaluación, 12 (1), págs. 1-8.
Zhu, K., Kraemer, K. y Xu, S., 2003. Adopción de negocios electrónicos por
empresas europeas: una evaluación entre países de los facilitadores e
inhibidores. Revista europea de sistemas de información, 12 (4), págs.
251-268.
Zhu, K., Kraemer, KL y Xu, S., 2006. El proceso de asimilación de la innovación
por parte de empresas de diferentes países: una perspectiva de difusión
tecnológica en el comercio electrónico. Management Science, 52 (10),
págs. 1557-1576.
Zorrilla, ME, Mazón, JN, Ferrández, Ó., Garrigós, I. y Florian, D. 2011.
Aplicaciones de inteligencia empresarial y la web: modelos, sistemas y
tecnologías. Publicaciones IGI.
21
Apéndices
21
21
RONDA DE ESTUDIO DE DELPHI 1
Adopción de inteligencia empresarial en pequeñas y
medianas empresas: fase de lluvia de ideas
Introducción
Gracias por aceptar participar en este estudio de Delphi sobre la adopción de
Business Intelligence en Noruega. Este cuestionario es la primera de las tres
rondas del estudio. Intente responder todas las preguntas, aunque no esperamos
que tenga un conocimiento profundo de todas ellas.
Una vez que hayamos recibido las respuestas de todo el panel de expertos,
recopilaremos y resumiremos los hallazgos para generar un cuestionario que se
utilizará en la segunda ronda. Tendrá la oportunidad de revisar sus respuestas con
las siguientes rondas de la encuesta.
Le aseguramos que su participación en este estudio y sus respuestas individuales
serán estrictamente confidenciales para el equipo de investigación y no se
divulgarán a ninguna parte externa, incluidos otros panelistas. Apreciamos
mucho su tiempo y experiencia.
Cuestionario
La primera ronda consistirá en preguntas abiertas diseñadas para aprovechar una
amplia gama de conocimientos, ideas y opiniones. En caso de que las preguntas
no le resulten claras, no dude en ponerse en contacto con nosotros. Nuestros
datos de contacto se pueden encontrar en la página siguiente.
Tenga en cuenta lo siguiente al responder la primera ronda del estudio Delphi:
Puede escribir sus respuestas preferiblemente usando otro color de fuente.
Cualquier idea está abierta a la discusión, lo que significa que todas las
ideas que se le ocurran se pueden escribir.
Responda honestamente, proporcionando tantos detalles como sea posible,
para permitir que se recopilen un mayor conocimiento e ideas para las
rondas futuras.
Las pequeñas y medianas empresas (PYME) se identifican por el tamaño
del empleo como empresas con menos de 250 personas empleadas.
21
Auto evaluación
Los siguientes están destinados a identificar la experiencia colectiva del
panel de expertos. Complete la siguiente información si corresponde:
Profesión
Dirección de correo electrónico
Número de contacto
Años de experiencia en BI
Número de proyectos de BI
participados
Equipo de investigación
Profesor Dag
H. Olsen
Tel: 38 14 17 06
Dag.h.olsen@uia.no
Departamento de Sistemas de
Información Facultad de Ciencias
Sociales Universidad de Agder
Profesor
Eli Hustad
Tel: 38 14 16 21
Eli.hustad@uia.no
Departamento de Sistemas de
Información Facultad de Ciencias
Sociales Universidad de Agder
21
Cuestionario de la ronda 1 del estudio Delphi
Conductores Comentarios
Inhibidores Comentarios
21
Validación de la Ronda 2 del Estudio Delphi
Revise las dos listas para ver si está de acuerdo con los elementos. Algunos de
los elementos propuestos del cuestionario de la Ronda 1 fueron factores de éxito
para la implementación de BI en lugar de impulsores o inhibidores de la
adopción de BI. Esos elementos no se incluyeron en la lista final.
Conduc Comentari
tores os
Tecnológico 1. La necesidad de un La necesidad de obtener más
conocimiento más información sobre los datos
profundo de los internos (ingresos, costos,
datos rentabilidad, clientes, etc.)
Gran cantidad de sistemas
operativos o administrativos con
datos útiles, diferentes reglas de
negocio y base para la comparación
en la línea de negocio.
Comprender el panorama general del
negocio.
2. La necesidad de Necesidad de consolidar datos
integración de de fuentes / sistemas dispares.
datos Integre información de diferentes
departamentos, componentes
comerciales, etc.
Ver información en combinación
con otros tipos de datos para su
análisis
y correlación.
3. El deseo de calidad Tomar el control de la calidad de
y estructura de los los datos de manera que los
datos informes sean consistentes en toda
la empresa.
Sin ella la confianza en cualquier
sistema sufrirá
Con datos deficientes, el tiempo y
el enfoque pueden ralentizar el
proyecto.
Concéntrese en el contenido de
calidad de los datos, no tanto en la
visualización.
Tenerlos podría darle al
desarrollador un buen
comienzo en el desarrollo de
la solución.
4. La necesidad de
21
visualización de
datos
5. La necesidad de La confiabilidad de la
información información reunida
actualizada y Información basada en hechos.
precisa Permitir a los operadores ver qué
entrada y los resultados de su
interacción con el
21