Text2fa - Ir Business Intelligence Systems Use in Performancemeasurement 1

Machine Translated by Google
Revista internacional de sistemas de información contable 21 (2016) 1–17
Listas de contenidos disponibles en ScienceDirect
Revista Internacional de Información Contable

Sistemas
página de inicio de la revista: www.elsevier.com/locate/accinf
Uso de sistemas de inteligencia empresarial en las capacidades de

medición del rendimiento: implicaciones para una ventaja competitiva mejorada
Matt D. Peters y, ÿ, Bernhard Wieder a, Steve G. Suttonb James

, Wakefield
a
a
Accounting Discipline Group, University of Technology Sydney, PO Box 123, Broadway, NSW 2007, Australia College of Business Administration,
b
University of Central Florida, PO Box 161400, Orlando, FL 32816, Estados Unidos
información del artículo resumen
Historial del artículo: El propósito de este estudio es comprender mejor cómo la calidad de un sistema de Business Intelligence (BI) mejora las
Recibido el 26 de octubre de 2015
dimensiones interactivas y de diagnóstico de los sistemas de control de gestión (MCS), mejorando así las capacidades de
Recibido en forma revisada el 14 de marzo de 2016
medición del desempeño, que a su vez se asocian positivamente con la ventaja competitiva. Al integrar la teoría de la
Aceptado el 24 de marzo de 2016
medición del desempeño, el aprendizaje organizacional y la visión de la empresa basada en el conocimiento, se desarrolla un
Disponible en línea el 4 de mayo de 2016
modelo teórico que considera tres conceptos de calidad de BI (integración de infraestructura, funcionalidad y autoservicio) y
los roles que juegan en la mejora. Capacidades de diagnóstico y medición del rendimiento interactivo. Los datos recopilados
Palabras clave:
a través de una encuesta de 324 directores ejecutivos y directores financieros respaldan los efectos teóricos de la calidad de
Inteligencia de negocios (BI)
BI en las capacidades de medición del rendimiento. Estas capacidades, a su vez, están asociadas positivamente con la
Ventaja competitiva
ventaja competitiva.
Diagnóstico e interactivo
Sistemas de control de gestión
Medición del desempeño © 2016 Elsevier Inc. Todos los derechos reservados.
Calidad de los sistemas
1. Introducción
Los sistemas de inteligencia comercial (BI) brindan una amplia capacidad de medición y análisis, incluidas las bases para implementar
sistemas de control de gestión (MCS) integrados y completos (Elbashir et al., 2011, 2013). Esta amplia capacidad de habilitación de MCS se
deriva de los cientos de cuadros de mando prediseñados e indicadores clave de rendimiento disponibles a través del software de BI
contemporáneo (Howard, 2003). Investigaciones anteriores muestran que la asimilación efectiva de BI en el nivel de proceso de negocios puede
conducir a un mejor aprendizaje organizacional y desempeño organizacional (Elbashir et al., 2008, 2013; Lee y Widener, 2016). Estos beneficios
surgen del apoyo y conocimiento de BI de la alta dirección (Lee et al., 2014) junto con una cultura de conocimiento que promueve a los gerentes
operativos a usar BI e interactuar efectivamente con los gerentes de TI para desarrollar la infraestructura de BI (Elbashir et al., 2011).
El foco de la investigación anterior ha sido la alta dirección, la gestión operativa y la gestión de TI, y su eficacia para asimilar BI en los
procesos de negocio. Los sistemas de BI en sí mismos generalmente se han visto como un hecho, con el foco puesto en la capacidad humana
para adaptar dichos sistemas. Sin embargo, hay una ausencia de investigación que se centre en cómo se aprovecha esta capacidad de BI a
través de una planificación e informes efectivos para respaldar las capacidades interactivas y de diagnóstico deseadas de MCS efectivo.
El propósito de este estudio es mejorar nuestra comprensión de cómo la calidad de BI mejora las prácticas de medición del desempeño y la
ventaja competitiva. Establecemos la calidad de BI como una combinación de infraestructura de BI, funcionalidad de BI y autoservicio de BI
(administrativo). Aplicamos las tres dimensiones de datos, información y conocimiento de Alavi y Leidner (2001) para relacionar la calidad de BI con
ÿ Autor correspondiente.
Dirección de correo electrónico: Matthew.Peters@uts.edu.au (MD Peters).
http://dx.doi.org/10.1016/j.accinf.2016.03.001 1467-0895/©
2016 Elsevier Inc. Todos los derechos reservados.
2 MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17
soporte de las actividades de planificación y presentación de informes que subyacen a la información de medición del desempeño. Los efectos de la calidad
de BI se examinan por su capacidad para conducir a una mejor capacidad de medición del desempeño combinando dimensiones de diagnóstico e
interactivas (Simons, 1995). Las capacidades de medición del desempeño interactivo y de diagnóstico se consideran necesarias para respaldar de manera
efectiva la capacidad de conocimiento de una empresa (Lee y Widener, 2016) y para la búsqueda de una ventaja competitiva (Simons, 1995).
Desarrollamos un modelo teórico de las relaciones entre la calidad de BI, la efectividad del sistema de medición del desempeño y la mejora asociada a
la ventaja competitiva, basado en una combinación de teoría sobre la medición del desempeño, el aprendizaje organizacional y la visión de la empresa
basada en el conocimiento. El modelo teórico se prueba a través de datos recopilados a través de encuestas de 324 CEOS/CFO (o equivalente). Los
resultados del análisis Structural Equation Modeling-Partial Least Squares (SEM-PLS) respaldan las relaciones teorizadas, incluidas las tres dimensiones
de la calidad de BI, la relación positiva de la calidad de BI con la capacidad mejorada de medición del rendimiento y la ventaja competitiva resultante.
Los resultados de este estudio contribuyen a la comprensión general de cómo el uso de los sistemas de BI afecta el desempeño organizacional al
enfocarse en cómo la calidad de BI afecta la capacidad de medición del desempeño. La investigación demuestra cómo la manera en que se implementa BI
y la facilitación resultante de las actividades de planificación y generación de informes impacta la capacidad de medición del desempeño.
Esta investigación tiene implicaciones tanto para la práctica como para la investigación. Primero, desarrollamos un conjunto multidimensional de
constructos para evaluar la calidad de BI, a través de los conceptos de infraestructura, funcionalidad y autoservicio. En segundo lugar, explicamos cómo la
calidad de BI mejora la eficacia de MCS a través de las dimensiones de diagnóstico e interactivas de la capacidad de medición del rendimiento. En tercer
lugar, encontramos compatibilidad con las relaciones mediante las cuales: la infraestructura de BI mejora la funcionalidad de BI; la funcionalidad, a su vez,
mejora la capacidad de medición del rendimiento (incluso indirectamente a través del autoservicio de BI); y la capacidad de medición del rendimiento
mejora en última instancia la ventaja competitiva.
El resto de este documento se presenta en cuatro secciones. La primera sección resume los antecedentes de la investigación y establece la base
teórica para las relaciones hipotéticas en el modelo. La segunda sección proporciona una descripción general del método de investigación, mientras que la
tercera presenta los resultados del análisis. La sección final proporciona un resumen de los resultados de la investigación junto con las limitaciones que
deben considerarse y las implicaciones para futuras investigaciones.
2. Modelo teórico
Se considera que los sistemas de BI1 (y los sistemas de información estratégica en su conjunto) son más efectivos a nivel de unidad de negocio y es a
través de mejoras a nivel de unidad de negocio que se mejora el rendimiento general de la organización (Elbashir et al., 2008). Por lo tanto, este estudio
examina la calidad de BI y la medición del rendimiento a nivel de unidad de negocio. En consecuencia, nuestras teorizaciones se basan en los conceptos
de medición del desempeño de Simons (1995, 89) y en la teoría de Huber (1991) de sistemas de información avanzados y aprendizaje organizacional. Los
conceptos de Simons (1990) de usos interactivos y de diagnóstico son el marco de medición de desempeño dominante en la literatura reciente (Grafton et
al., 2010). Como se demostrará, la teoría del aprendizaje organizacional de Huber (1991) se aplica adecuadamente al aprendizaje cibernético que subyace
a los sistemas y capacidades de medición del desempeño.
Siguiendo a Alavi y Leidner (2001), los conceptos de BI y medición del desempeño en el modelo teórico se diferencian en términos de datos, información
y conocimiento. La integración de la infraestructura de BI se refiere a las cualidades de los datos. La funcionalidad de BI se refiere a la calidad de las
aplicaciones que procesan datos en información. Las capacidades de medición del desempeño y autoservicio de BI son la medida en que dicha información
está mediada cognitivamente por las bases de conocimiento de los gerentes individuales. Una base de conocimiento es el depósito de aprendizaje de un
gerente individual (Thomas et al., 2001; Clark et al., 2007). El aprendizaje organizacional ocurre cuando la base de conocimientos de más de un gerente
se ve afectada por su procesamiento cognitivo de la información (Huber, 1991). Además, existe evidencia de que los usos de BI de diagnóstico e interactivos
mejorarán las bases de conocimiento de los gerentes (Lee y Widener, 2016).
En última instancia, el interés está en la ventaja competitiva, que se refiere al desempeño financiero superior de la unidad de negocios en relación con
las empresas rivales (Grafton et al., 2010). Las relaciones hipotéticas con la ventaja competitiva se basan en la teoría basada en el conocimiento (Grant,
1996), que amplía la teoría basada en los recursos (Barney, 1991) para incluir los recursos que están basados en el conocimiento, como el conocimiento
incorporado y transmitido a través de la cultura organizacional, rutinas, políticas, sistemas, documentos y la mente de los empleados individuales (Alavi y
Leidner, 2001). Estas dos teorías conceptualizan una empresa como un conjunto de activos y recursos que se implementan en rutinas/capacidades
(Barney, 1991). Cualquier empresa puede obtener un “activo”, como una aplicación de TI genérica, de proveedores externos, por lo que cualquier valor que
pueda aportar a las capacidades organizacionales solo puede ser una fuente de ventaja competitiva temporal, porque eventualmente todas las empresas
podrían adquirirlo. tal que habrá una situación de paridad competitiva (Barney, 1991).
Por el contrario, un “recurso” como la complejidad social o el talento gerencial puede ser una fuente de ventaja competitiva persistente, al menos en la
medida en que esté heterogéneamente distribuido entre empresas rivales y sea inmóvil.
Es importante reconocer que la funcionalidad de BI, la integración de la infraestructura de BI y el autoservicio de BI se conceptualizan como emergentes
bidimensionales (es decir, formativos de segundo orden) en el modelo teórico. La planificación de BI y los informes de BI son las dos dimensiones que
juntas constituyen un sistema de BI de medición del rendimiento. La planificación de BI es para producir planes de desempeño, por ejemplo, presupuestos
anuales y pronósticos mensuales. Los informes de BI son para informes de gestión y análisis de resultados de medición de desempeño y variaciones de
retroalimentación. Ambas dimensiones de BI suelen contener datos de planificación de beneficios (es decir, contabilidad tradicional).
1
BI es un término que se refiere ampliamente a los sistemas de apoyo a la gestión para recopilar, almacenar y acceder a datos para la toma de decisiones (Clark et al., 2007; Fedorowicz y
Konsynski, 1992). Los sistemas de BI son distintos de los sistemas de información ejecutiva, los sistemas de gestión del conocimiento y los sistemas de soporte de decisiones (Clark et al.,
2007). Aquí, usamos el término BI en referencia solo a la categoría que es específica para la medición del desempeño de la unidad de negocios (Chaudhuri et al., 2011). Otros tipos de BI,
como la minería y el análisis de datos, el análisis predictivo y los motores analíticos de texto (Chaudhuri et al., 2011) , están fuera del alcance de este proyecto de investigación.
MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17 3
datos) y datos no financieros (por ejemplo, indicadores clave de rendimiento de un cuadro de mando integral). Para la sección de hipótesis usamos el
concepto emergente de orden superior de BI, que es la planificación de BI y la generación de informes de BI combinados.
Es importante reconocer que la conceptualización de las capacidades de medición del desempeño también es emergente en dos dimensiones. Siguiendo a Simons (1990,
1991, 1994, 1995) y Simons et al. (2000), una capacidad de medición del desempeño combina dos categorías de
rutinas de medición del desempeño: (1) diagnóstico; y (2) interactivo. Las rutinas de medición del desempeño diagnóstico son aquellas
donde los altos directivos utilizan la información de medición del desempeño para realizar un seguimiento de los resultados y gestionar el desempeño por excepción, y así
implementar estrategias comerciales (Simons, 1995). Las rutinas interactivas de medición del desempeño son aquellas en las que los gerentes superiores e inferiores utilizan la
información de la medición del desempeño para entablar diálogos y debates a fin de gestionar las incertidumbres estratégicas que enfrenta la empresa.
unidad de negocio, formulando así estrategias de negocio (Simons, 1995). La combinación de usos diagnósticos e interactivos captura de manera integral tanto los procesos de
retroalimentación como los de avance del aprendizaje (Simons, 1995). Esta combinación también captura el entrelazado
roles de los sistemas de medición del desempeño tanto en la formulación como en la implementación de estrategias comerciales (Ferreira y Otley, 2009;
Tessier y Otley, 2012; Mintzberg, 1978; Simons, 1995).
El modelo se formula con base en las corrientes teóricas identificadas en la sección anterior (ver Fig. 1). La calidad de BI está articulada
en términos de: (1) integración de la infraestructura de BI; (2) funcionalidad de BI; y (3) autoservicio de BI (es decir, uso independiente del gerente). los
La segunda parte del modelo se refiere a cómo la calidad de BI a nivel de componente se relaciona con la capacidad de medición del rendimiento.
y también a la ventaja competitiva.
2.1. Calidad de BI
La integración de la infraestructura de BI se refiere a las estructuras y los procesos de la base de datos. Proporciona información precisa, confiable y fácilmente disponible
datos multidimensionales para la medición del desempeño a través de cuatro dimensiones de datos: (1) objetos; (2) atributos; (3 Tiempo; y
(4) versiones del plan (Ariav, 1992). Los objetos son matrices de centros de responsabilidad (p. ej., centro de beneficios, centro de ingresos y centro de costos) y
patrones de agregación (por ejemplo, gerente, regional y nacional). Los atributos son los elementos de cálculo (por ejemplo, cantidades monetarias,
unidades de mantenimiento de existencias, volúmenes de ventas y detalles de nómina de empleados). Las dimensiones de tiempo son los períodos de cálculo tales como día,
mes, trimestre y año. Las versiones del plan son instancias del modelo (p. ej., resultados reales, presupuesto, previsión anterior y previsión preliminar más reciente).
La integración de la infraestructura de BI depende de la conectividad con las fuentes de datos primarias subyacentes y la compatibilidad en la estructura y la semántica de esas
fuentes de datos subyacentes (Keen, 1991; Mithas et al., 2011). Cuando la integración de la infraestructura de BI es "baja", los datos residen en
una matriz de hojas de cálculo dispersas y fragmentadas, que se integran manualmente tanto juntas como con otras fuentes de datos. donde BI
la integración de la infraestructura es "alta", hay una configuración de base de datos "común".
La funcionalidad de BI se refiere a la usabilidad de una aplicación para modelar e interactuar con jerarquías de datos multidimensionales.
(Ariav, 1992; Clark et al., 2007; Peng et al., 2007). Las jerarquías de datos multidimensionales requieren que los objetos y atributos de datos
vincularse en un esquema de cálculo integrado. Con una mayor funcionalidad de BI, es más fácil navegar a través de varios niveles
de agregación o desagregación dentro de un modelo de jerarquía de datos multidimensional. Una mayor funcionalidad también facilita más
interacción dinámica con las dimensiones de tiempo y versiones de planes de modelos de jerarquía de datos multidimensionales al proporcionar
acceso más unificado y manipulación de y entre ellos (Ariav, 1992). Donde la funcionalidad de BI es "baja", el modelado de usuario y
la interacción de datos ocurre en las hojas de cálculo. Las hojas de cálculo ofrecen solo una interfaz interactiva limitada con objetos y atributos multidimensionales y es relativamente
difícil para los usuarios cambiar y ver una multiplicidad de dimensiones de tiempo y versiones de planes. Por el contrario, donde la funcionalidad de BI es "alta", las propiedades
de diseño avanzadas permiten una mayor facilidad, extensión y velocidad de estructuración.
procesamiento de datos para una multiplicidad de modelos jerárquicos de datos multidimensionales (Ariav, 1992). En resumen, la funcionalidad de BI es nuestra capacidad para
el modelado y análisis de datos multidimensionales, mientras que la infraestructura integrada de BI es el grado de confiabilidad y precisión.
disponibilidad de datos multidimensionales para dicho modelado e interacción. Por lo tanto, la usabilidad de una interfaz de BI está limitada por los datos multidimensionales
disponibles para usarla. Esto lleva a la primera hipótesis:
H1. La integración de la infraestructura de BI mejora la funcionalidad de BI.
Figura 1. Modelo teórico.

Un cuerpo sustancial de investigación ha investigado los antecedentes y las consecuencias del uso de los sistemas de información (DeLone y
McLean, 2003; Clark et al., 2007). Aquí el enfoque es un concepto desarrollado dentro de este estudio llamado autoservicio BI (gerencial),
definida como la frecuencia de uso individual de una aplicación de BI por parte de los gerentes de negocios. La frecuencia de uso es una de las más comunes.
medidas de uso de los sistemas de información (Doll y Torkzadeh, 1988; Burton-Jones y Straub, 2006; Hou, 2012). Un bajo nivel de BI
el autoservicio ocurre cuando solo los contadores administrativos usan esa aplicación de BI. Se produce un alto nivel de autoservicio de BI cuando los gerentes de negocios
utilizan con frecuencia esa aplicación ellos mismos, durante la configuración del presupuesto anual, la previsión mensual y las revisiones periódicas.
(por ejemplo, diario) rutinas de informes. Sin el autoservicio de BI, los gerentes de negocios confían únicamente en presentaciones estáticas de información de medición del
desempeño que son coordinadas por contadores administrativos, mientras que con el autoservicio de BI los gerentes también confían en su
propias interacciones con el sistema BI.
A partir de la literatura anterior, se establecen varias razones por las que la funcionalidad de BI probablemente aumente el autoservicio de BI. En esencia, la funcionalidad
de BI se refiere a la facilidad, el alcance y la velocidad del procesamiento estructurado de datos multidimensionales (Ariav, 1992). Estas
Es muy probable que las características de diseño mejoren la satisfacción del usuario (Doll y Torkzadeh, 1988), lo que la investigación previa reconoce como un factor crítico .
determinante del uso continuo exitoso de un sistema de BI (DeLone y McLean, 2003; Hou, 2012). Al facilitar una mayor calidad de
interacción entre el usuario y el sistema, las cualidades de usabilidad de la funcionalidad de BI hacen que sea más fácil obtener la información deseada,
aumentando así la probabilidad de que un gerente comercial elija usar el sistema (Clark et al., 2007; Dilla et al., 2010;
Yigitbasioglu y Velcu, 2012). En resumen, la funcionalidad de BI proporciona una usabilidad de interfaz superior para acceder a representaciones de información definidas
por el usuario. Es probable que estas características hagan que más gerentes de negocios utilicen la aplicación de BI en lugar de simplemente confiar en la estática.
informes y presentaciones proporcionados por el personal de contabilidad gerencial. Esto lleva a la segunda hipótesis:
H2. La funcionalidad de BI mejora el autoservicio de BI.
2.2. Soporte de rendimiento y calidad de BI
Las capacidades de medición del desempeño son conjuntos de rutinas en las que los gerentes usan información de medición del desempeño para mantener o modificar
una unidad de negocios de acuerdo con los objetivos (Nelson y Winter, 1982; Simons, 1995). Como se discutió anteriormente, la conceptualización emergente de las
capacidades de medición del desempeño empleadas aquí combina tanto el diagnóstico
y categorías interactivas de rutinas (Simons, 1990, 1991, 1994, 1995). Si bien las dos categorías difieren en términos de estilos de participación personal de la alta dirección
(Simons, 1991; Ferreira y Otley, 2009; Tessier y Otley, 2012), ambas son
respaldado por procesos de bucle de retroalimentación cibernética. Usamos la idea de procesos de bucle de retroalimentación cibernéticos para relacionar BI con la
construcción singular de capacidades de medición de desempeño.
Los bucles de retroalimentación cibernéticos (ya sea que se usen de forma diagnóstica o interactiva) comprenden procesos de aprendizaje de retroalimentación y de
retroalimentación (Otley y Berry, 1980; Green y Welsh, 1988; Emmanuel et al., 1990). Se necesitan sistemas de planificación de BI para el feedforward
etapa de control cibernético, mientras que los sistemas de informes de BI son necesarios para la etapa de retroalimentación, en la que se comparan los resultados reales
con datos feedforward para calcular las variaciones de retroalimentación. Los gerentes se involucran en el aprendizaje retroactivo para desarrollar su conocimiento.
bases de estados organizacionales futuros anticipados, mientras que el aprendizaje de retroalimentación desarrolla bases de conocimiento para variaciones de desempeño
reales (Emmanuel et al., 1990; Thomas et al., 2001). El aprendizaje de feedforward y retroalimentación generalmente ocurre a través de un
ciclo presupuestario, junto con ciclos mensuales de pronósticos y de informes de resultados (Libby y Lindsay, 2010).
Para vincular la funcionalidad de BI con el aprendizaje mejorado dentro de los bucles de retroalimentación del desempeño cibernético, nos basamos en Huber (1991)
teoría de los sistemas de información avanzados y el aprendizaje organizacional. Según (Huber, 1991, 89), una “entidad aprende si, a través de
su procesamiento de la información, se cambia el rango de sus comportamientos potenciales” y “una organización solo aprende si alguna de sus unidades
adquiere conocimientos que reconoce como potencialmente útiles para la organización” (Huber, 1991, 89). Sistemas de información avanzados
puede mejorar el aprendizaje organizacional de tres maneras: (1) ampliando la distribución de información dentro de una organización; (2) facilitando la elaboración de
interpretaciones más variadas; y (3) al permitir que más entidades desarrollen comprensiones uniformes de
las diversas interpretaciones (Huber, 1991).
Estos tres criterios de Huber (1991) sientan las bases para comprender el impacto de la funcionalidad de BI. En primer lugar, la funcionalidad de BI puede ampliar la
distribución de la información dentro de una organización porque proporciona una representación más granular de la organización junto con una mayor facilidad para modelar
o interactuar con esa representación. Estas propiedades conducen a una mayor cantidad de
información de medición del desempeño disponible para su distribución dentro de una organización. En segundo lugar, la funcionalidad de BI puede facilitar la
elaboración de interpretaciones más variadas de planes y retroalimentación porque una mayor multidimensionalidad de los datos hace más específicos
las actividades subyacentes de los gerentes en cuestión. Esta mayor especificidad proporciona más puntos de datos de planificación o retroalimentación para
gerentes individuales para formar interpretaciones que se basan en su propia perspectiva localizada. En tercer lugar, la funcionalidad de BI puede habilitar
más entidades para desarrollar comprensiones uniformes de las diversas interpretaciones debido a la estructuración jerárquica de la
datos. La sintaxis del esquema de cálculo integrador que estructura un modelo de datos jerárquico facilita interpretaciones uniformes
de planes, resultados y retroalimentación. Por lo tanto, en resumen, la funcionalidad de BI probablemente mejora tanto el feedforward como el feedback organizacional.
aprendizaje. Dado que estos procesos de aprendizaje subyacen al funcionamiento efectivo de las capacidades de medición del desempeño (Otley
y Berry, 1980; Verde y Galés, 1988; Emmanuel et al., 1990), la tercera hipótesis se establece como:
H3. La funcionalidad de BI mejora las capacidades de medición del rendimiento.
El autoservicio de BI está relacionado de manera similar con la mejora de las capacidades de medición del rendimiento. De nuevo, los tres criterios de Huber (1991)
para derivar el aprendizaje organizacional de los sistemas de información avanzados son de interés. En primer lugar, el autoservicio de BI ampliará la información
distribución dentro de una organización porque, al interactuar con una aplicación de BI, un gerente de negocios accederá a más información de la que sería posible
obtener de los informes estáticos. De hecho, numerosos estudios encuentran evidencia de que el uso de los sistemas de información por parte de los gerentes
mejora su aprendizaje (p. ej., Leidner y Elam, 1995; Vandenbosch y Higgins, 1995; Maiga et al., 2013; Lee y Widener, 2016). En segundo lugar, el autoservicio de BI
permitirá la elaboración de interpretaciones más variadas de la actividad organizacional, porque un gerente de negocios puede usar su base de conocimiento única
para desarrollar interpretaciones únicas de la información en la aplicación de BI (Thomas et al., 2001; Clark et al. al., 2007). De hecho, Shollo y Galliers (2015)
brindan evidencia de que los sistemas de BI permiten a los usuarios realizar análisis de datos de maneras que permiten interpretaciones que de otro modo habrían
sido incognoscibles. En tercer lugar, el autoservicio de BI puede permitir que más entidades dentro de la organización desarrollen comprensiones uniformes de esas
diversas interpretaciones, porque las interpretaciones mejoradas de un gerente se pueden compartir con otros gerentes en capacidades de medición del desempeño.
Esto está respaldado por investigaciones anteriores que encuentran que BI puede ser efectivo en las prácticas de control de gestión al facilitar el intercambio de
conocimientos entre la alta dirección y los gerentes operativos (Elbashir et al., 2011, 2013). Por lo tanto, la cuarta hipótesis se establece como:
H4. El autoservicio de BI mejora las capacidades de medición del rendimiento.
2.3. Enlaces a la ventaja competitiva
Las capacidades de medición del desempeño son valiosas si mejoran la ventaja competitiva. La perspectiva basada en el conocimiento (Barney, 1991; Grant,
1996; Teece et al., 1997) adaptada aquí postula que las rutinas de aprendizaje que desarrollan y despliegan sistemáticamente las bases de conocimiento de los
gerentes son impulsores importantes de la ventaja competitiva. En las rutinas basadas en el conocimiento, los gerentes crean y transfieren conocimiento entre sí
mediante el aprendizaje (Kogut y Zander, 1992; Nonaka, 1994), y cuando ese aprendizaje mejora la eficacia y la eficiencia del negocio, crea valor para lograr una
ventaja competitiva ( Barney, 1991; Grant, 1996; Teece et al., 1997). En las capacidades de medición del desempeño, estas dinámicas de aprendizaje y creación de
conocimiento están estructuradas por el mecanismo cibernético. El procesamiento de la información por parte de los gerentes individuales en las rutinas de medición
del desempeño crea y transfiere conocimiento entre los gerentes en todos los niveles de la jerarquía. Este conocimiento se refiere a los estados reales de las
capacidades organizativas existentes, así como a las posibles capacidades organizativas futuras. De acuerdo con la perspectiva basada en el conocimiento, donde
dichas rutinas requieren recursos basados en el conocimiento que son inmóviles y heterogéneamente distribuidos entre empresas rivales, la creación de valor puede
ser una fuente de ventaja competitiva relativamente persistente (Barney, 1991; Grant, 1996).2 En consecuencia, la quinta hipótesis se establece como:
H5. Las capacidades de medición del desempeño se asocian positivamente con la ventaja competitiva.
Los recursos basados en el conocimiento integrados en los conceptos de calidad de BI también forman bases clave para las ganancias asociadas en la ventaja
competitiva de las capacidades de medición del rendimiento. Estos recursos fluyen a través de las cadenas de mediación implícitas en el modelo teórico (Fig. 1). La
literatura anterior destaca varios recursos clave basados en el conocimiento que probablemente estén integrados en cada uno de los tres conceptos de calidad de BI.
En primer lugar, la integración de la infraestructura de BI requiere habilidades incorporadas en el equipo para comprender, planificar y administrar el cambio
complejo de TI, tanto para la adopción como para el mantenimiento (Ray et al., 2005). Para la adopción de la infraestructura de BI, Lee et al. (2014) proporcionan
evidencia de los efectos positivos de los procesos de creación e intercambio de conocimiento que involucran a los CIO y los equipos de alta dirección. Para el
mantenimiento, las infraestructuras de BI efectivas deben interactuar reflexivamente con los cambios en los procesos comerciales (vom Brocke et al., 2014), lo que
requiere que los administradores de TI trabajen en colaboración con los administradores funcionales para coordinar actividades de TI complejas y comprender,
anticipar y planificar las necesidades comerciales futuras ( Mata et al., 1995; Wade y Hulland, 2004).
En segundo lugar, debido a que la funcionalidad de BI puede ser adquirida e implementada por una variedad de proveedores y consultores, en sí misma solo
puede ser una fuente de ventaja competitiva para los primeros usuarios (Barney, 1991). Gran parte de los recursos basados en el conocimiento que se necesitan
para adoptar la funcionalidad de BI son el conocimiento de las "mejores prácticas", que no serán una fuente duradera de heterogeneidad o inmovilidad para conferir
una ventaja competitiva porque se volverán comunes con el tiempo (Wade y Hulland, 2004). No obstante, en el contexto de nuestro modelo teórico, la funcionalidad
de BI es inmóvil y heterogénea en la medida en que depende de los recursos basados en el conocimiento necesarios para adoptar y mantener la integración de la
infraestructura de BI.
En tercer lugar, el autoservicio de BI puede aprovechar los recursos de talento gerencial, como el profesionalismo y la experiencia específica del negocio (Barney,
1991). El autoservicio de BI también puede aprovechar las culturas organizacionales que son altas en confiabilidad y bajas en oportunismo (Mata et al., 1995;
Simons, 1995) y que valoran la toma de decisiones analítica (Popoviÿ et al., 2012). Además, los recursos basados en el conocimiento de la integración de la
infraestructura de BI también deben fluir a través de la funcionalidad de BI y hacia el autoservicio de BI, brindando calidad de BI con heterogeneidad y mayor
inmovilidad.
En resumen, debido a que los tres conceptos de calidad de BI contienen recursos basados en el conocimiento, habrá persistencia en los efectos que tiene la
calidad de BI a través de las cadenas de mediación en el modelo teórico. Los estudios empíricos previos brindan algún apoyo teórico para tales relaciones indirectas
con el desempeño. Elbashir et al. (2011) relacionan la sofisticación de la infraestructura de BI con la asimilación de BI (que podría ocurrir a través de las capacidades
de medición del rendimiento y el autoservicio de BI) y Elbashir et al. (2013) relacionan la asimilación de BI con el desempeño organizacional. Lee y Widener (2016)
confirman los efectos de mediación de las capacidades de aprendizaje organizacional en el vínculo entre las capacidades de generación de informes de BI y el
rendimiento de los procesos comerciales. Elbashir et al. (2008) relacionan los sistemas de BI con el desempeño de la organización a través del desempeño del
proceso comercial. También se ha encontrado que el uso gerencial de TI (como en el autoservicio de BI) es
2
Algunos ejemplos de recursos basados en el conocimiento utilizados en las capacidades de medición del desempeño son la complejidad social y el talento gerencial (Barney, 1991;
Simons, 1994; Grant, 1996; Henri, 2006; Chapman y Kihn, 2009).
indirectamente beneficioso para el desempeño organizacional al mejorar la asimilación de la información organizacional (Vandenbosch, 1999) y el aprendizaje organizacional
asociado y las rutinas habilitadoras (Maiga et al., 2013; Chapman y Kihn, 2009). En conjunto, esto lleva a la sexta y última hipótesis:
H6. La calidad de BI tiene una asociación indirecta positiva con la ventaja competitiva.
3. Método de investigación
Este estudio se basa en un cuestionario que se administró a los altos directivos de las unidades de negocio con sede en Australia. El cuestionario se basó en parte en
constructos e instrumentos de medición establecidos, y en parte en nuevas escalas de medición que se desarrollaron necesariamente para los tres nuevos constructos de BI.
Por lo tanto, el diseño y la administración de la encuesta se llevaron a cabo en dos etapas: (1) una etapa de encuesta de desarrollo de escala de construcción de BI (prueba
previa y prueba piloto); y (2) una etapa de encuesta de prueba de hipótesis. Para ambas etapas se aplicó una metodología establecida para desarrollar los significados y
relaciones epistémicas (Bisbe et al., 2007), procedimientos convencionales de diseño y administración (Netemeyer et al., 2003, 100; Dillman, 2007) y procedimientos para
asegurar el rostro y la validez de contenido (Tourangeau et al., 2000).
3.1. Etapa de encuesta de prueba previa y prueba piloto
Para desarrollar una escala inicial para los tres nuevos constructos de BI, se revisó la literatura de los profesionales, incluidos los materiales promocionales de los
proveedores y los informes de estado (Foster et al., 2005; Dodson et al., 2008). También se consultó a expertos de la industria. Luego, probamos previamente la escala con
cinco académicos y nueve profesionales para asegurar el contenido y la validez aparente, así como la idoneidad de los criterios de valoración de la escala de Likert (Netemeyer
et al., 2003, 100). Posteriormente, se administró una encuesta de prueba piloto con una amplia gama de elementos de medición relacionados con la planificación e informes de
BI a 1200 gerentes financieros. Para la encuesta de prueba piloto, recibimos 142 respuestas utilizables (tasa de respuesta del 12,0 %). Después de realizar análisis de
confiabilidad y validez en este conjunto de datos de prueba piloto, identificamos las escalas de medición reflexivas que finalmente se usaron en la encuesta principal para la
integración de la infraestructura de BI, la funcionalidad de BI y las construcciones de autoservicio de BI. Los ítems del cuestionario se muestran en el Apéndice B.
3.2. Medición de construcción
Todos los elementos de la encuesta fueron analizados por SEM-PLS en un modo reflexivo. La ventaja competitiva y el tamaño de la empresa (variable de control) son las
únicas variables latentes medidas como constructos unidimensionales. Todas las demás variables latentes hipotéticas son constructos emergentes bidimensionales.3
3.2.1. Integración de la infraestructura de BI

En general, las infraestructuras de TI altamente integradas se caracterizan por una alta conectividad (alcance) y compatibilidad (rango) (Keen, 1991; Mithas et al., 2011),
logradas en una plataforma única y una infraestructura de base de datos única (Chapman y Kihn, 2009). La integración de la infraestructura es posible a partir de una variedad
de configuraciones arquitectónicas. Un ejemplo implica un sistema de planificación de recursos empresariales de amplio alcance (por ejemplo, una implementación completa del
sistema SAP ERP), que integra plataformas, software y datos. Otro ejemplo, más enfocado en la integración de datos, ocurre si los datos de varias fuentes primarias (por
ejemplo, sistema de nómina, sistema de gestión de relaciones con clientes, sistema de cuentas por pagar, sistemas de contabilidad de costos y un sistema de contabilidad
general) se extraen, transforman y cargan de forma rutinaria en un almacén central de datos (Rai et al., 2006). Dado que el último ejemplo es la herramienta de integración de
datos más común para BI, medimos la integración de la infraestructura de BI a través de cuatro dimensiones relacionadas: (1) integración general de sistemas (Chapman y Kihn,
2009); (2) acceso a datos; (3) captura/intercambio de datos (Rai et al., 2006); y (4) almacenamiento de datos (Chapman y Kihn, 2009) (ver ítems del cuestionario en el Apéndice
B).
Los puntajes de las variables latentes para la integración general de la infraestructura de BI se generaron en un modelo PLS jerárquico separado como perWetzels et al.
(2009). Este método acomoda las dos dimensiones emergentes de la integración de la infraestructura de planificación de BI y la integración de la infraestructura de informes de
BI.
La integración de la infraestructura de planificación de BI se refiere al grado de conectividad de las aplicaciones de planificación con las fuentes de datos requeridas para
entrada y salida. El alcance de la conectividad se refiere a la velocidad y el alcance multidimensional de los datos disponibles y generados. Una mayor integración de la
infraestructura de planificación de BI permite una población más rápida de la aplicación de planificación de un usuario individual con más datos multidimensionales, incluidos los
datos de planificación colaborativa.
La integración de la infraestructura de informes de BI se refiere al grado de conectividad de las aplicaciones de informes con fuentes de datos integradas, principalmente
para la salida de información. El alcance de la conectividad se refiere a la velocidad y el alcance multidimensional de los datos disponibles. Una mayor integración de la
infraestructura de informes permite una población más rápida de la aplicación de informes de un usuario individual con más datos multidimensionales.
Se desarrollaron cuatro preguntas para cada una de las dos dimensiones (consulte el Apéndice B) en las etapas de prueba previa y prueba piloto.
Las puntuaciones se codificaron del 1 al 5, donde 5 representa una alta integración de la infraestructura. Las puntuaciones de las variables latentes para cada una de las dos
dimensiones se generaron en un modelo PLS jerárquico separado según Wetzels et al. (2009).
3
Esencialmente, en un constructo emergente, cada una de las dimensiones causa un aspecto único, definiendo así colectivamente el constructo (Jarvis et al., 2003; Bisbe et al., 2007).
Esto significa que la dirección de la causalidad es de las dimensiones al constructo, de modo que los cambios en las dimensiones provocan cambios en el constructo, y que se necesita
un censo (no una muestra) de dimensiones para capturar correctamente el dominio conceptual del construcción (Jarvis et al., 2003; Bisbe et al., 2007).
3.2.2. Funcionalidad de BI
Para desarrollar la construcción de funcionalidad de BI bidimensional, nos basamos en la literatura académica (Ariav, 1992) que conceptualiza la funcionalidad como
un reflejo de la usabilidad y la multidimensionalidad. Como se discutió anteriormente, la baja funcionalidad se deriva de una serie dinámica de arreglos de hojas de cálculo,
mientras que la alta funcionalidad está relacionada con aplicaciones especializadas.
La funcionalidad de planificación de BI se refiere al nivel de usabilidad y multidimensionalidad de una aplicación de interfaz de usuario de planificación, de modo que
una mayor funcionalidad permite una creación y revisión más rápidas de presupuestos y previsiones con una mayor multidimensionalidad de datos. La funcionalidad de
generación de informes de BI hace referencia al nivel de usabilidad y multidimensionalidad de una aplicación de generación de informes, de modo que una mayor
funcionalidad proporciona informes más personalizables, formatos y características de presentación más sofisticados, y una estructuración de datos más multidimensional.
Las cuatro preguntas para cada una de las dos dimensiones (consulte el Apéndice B) se establecieron con base en la prueba piloto. Las puntuaciones se codificaron
del 1 al 5, donde 5 representa una alta funcionalidad. Las puntuaciones de las variables latentes para cada dimensión se generaron en un modelo PLS jerárquico separado
según Wetzels et al. (2009).
3.2.3. Autoservicio de BI
En consonancia con los otros constructos de BI, el constructo de autoservicio se puso en funcionamiento como emergente bidimensional, con cada dimensión medida
con un par de indicadores reflexivos. Las dos dimensiones son: autoservicio de planificación de BI y autoservicio de informes de BI. Los indicadores se relacionan claramente
con el uso del sistema de BI por parte de los gerentes senior o de los gerentes intermedios según Dodson et al. (2008). Las puntuaciones se codificaron del 1 al 5, donde 5
representa altos niveles de uso gerencial de BI. Una vez más, las puntuaciones de las variables latentes para el autoservicio general de BI se generaron en un modelo PLS
jerárquico separado según Wetzels et al. (2009).
3.2.4. Capacidades de medición del rendimiento

Se utilizó una construcción emergente bidimensional para medir las capacidades de medición del desempeño, siendo las dimensiones: (1) capacidades de medición del
desempeño interactivo; y (2) capacidades de medición del rendimiento del diagnóstico (Simons, 1995). Cada una de estas dos dimensiones se midió con modelos
emergentes bidimensionales, siendo las dimensiones: (1) información de planificación de ganancias; y (2) indicadores clave de desempeño no financieros (Malmi y Brown,
2008). Cada uno de los cuatro constructos se midió reflexivamente con cuatro elementos de encuesta adaptados de la literatura anterior (Abernethy y Brownell, 1999; Bisbe
y Otley, 2004; Naranjo-Gil y Hartmann, 2007; Widener, 2007). Los puntajes para las capacidades de medición del desempeño interactivo y las capacidades de medición del
desempeño de diagnóstico fueron de 1 a 5 y de 1 a 7 respectivamente, donde los puntajes más altos indican un mayor grado de capacidades de medición del desempeño.
Las puntuaciones de la variable latente de tercer orden para las capacidades de medición del rendimiento se generaron en dos modelos PLS jerárquicos separados según
Wetzels et al. (2009).
3.2.5. Ventaja competitiva

La ventaja competitiva se define como el desempeño superior de la empresa en relación con los competidores. Este enfoque controla las diferencias en el desempeño
debido a los efectos de la industria, el medio ambiente y la estrategia (Garg et al., 2003). Se pidió a los encuestados que calificaran el desempeño de su unidad de negocios
el año pasado en relación con los competidores en tres dimensiones: (1) crecimiento de las ventas; (2) cuota de mercado; y (3) rentabilidad. Tales medidas subjetivas de
desempeño son comunes en la literatura de sistemas de información (Bhatt y Grover, 2005; Ravichandran y Lertwongsatien, 2005; Oh y Pinsonneault, 2007). Se ha
encontrado que las medidas subjetivas y objetivas del desempeño financiero se correlacionan altamente y brindan resultados similares en el modelo PLS (Rai et al., 2006).
Las puntuaciones se codificaron del 1 al 9, donde 9 representa un alto rendimiento. Los análisis PLS de nuestros datos indican que las tres medidas cargaron fuertemente
(.90, .91 y .81) en este constructo, lo que brindó confianza sobre la confiabilidad y la validez.
3.2.6. Control: tamaño de la empresa
El tamaño de la empresa (empleados equivalentes a tiempo completo) se controló en el modelo, ya que se ha descubierto que el tamaño influye sistemáticamente en
las prácticas organizacionales (como la medición del desempeño), el desempeño y la ventaja competitiva (Baum y Wally, 2003; Garg et al., 2003). ).
3.3. Selección de muestras y recopilación de datos
Los datos para la prueba de hipótesis se recopilaron durante un período de tres meses mediante una encuesta transversal de modo mixto (internet y correo) (Dillman,
2007) administrada a 1607 gerentes de unidades comerciales de empresas con sede en Australia. Suponiendo que las inversiones en BI de alta calidad solo son factibles
para organizaciones medianas o grandes y reconociendo que el tamaño de la empresa puede influir en las prácticas de gestión del desempeño (Baum y Wally, 2003; Garg
et al., 2003), limitamos nuestra muestra a organizaciones con un mínimo de 100 empleados equivalentes a tiempo completo. Para garantizar que todos los encuestados de
la muestra tuvieran el tiempo adecuado para familiarizarse con el sistema de BI y las prácticas de gestión del desempeño en su organización, se excluyeron las respuestas
de los gerentes con menos de un año en el cargo.
La encuesta se realizó en cuatro rondas, cada una de las cuales consistió en una invitación por correo electrónico con un hipervínculo a un cuestionario en línea y una
copia impresa de seguimiento de la encuesta enviada por correo tres días después de la invitación por correo electrónico. La encuesta arrojó 507 respuestas (279
cuestionarios en línea y 228 en papel), 430 (203 y 227 respectivamente) de las cuales estaban completas. Esto representa una tasa de respuesta general del 31,6 % y una
tasa de respuesta "completa" del 26,8 % de la muestra objetivo de 1607. Tras la eliminación de 106 respuestas que estaban fuera de nuestra muestra objetivo, la muestra
final comprendía 324 respuestas (160 en línea y 164 cuestionarios en papel). Como era de esperar, la mayoría de las respuestas se recibieron de directores financieros u
otros gerentes financieros sénior (61,1 %), mientras que la muestra restante estuvo compuesta por directores ejecutivos y gerentes generales.
gerentes En consonancia con la estructura sectorial de la economía de Australia, la mayoría de las respuestas (70,1 %) procedían del sector de servicios y el 29,9 % restante de
empresas manufactureras.
3.4. Análisis de las características y la calidad de los datos
Para determinar las técnicas de análisis y prueba más adecuadas (paramétricas frente a no paramétricas), se probó la normalidad de todos los indicadores y variables latentes
(Bollen y Stine, 1990; Ringle et al., 2012). Las medidas de asimetría y curtosis excedieron dos para muchas de las variables latentes y los indicadores correspondientes, lo que indica
que los datos no se distribuyen normalmente (como se muestra en la Tabla A1 en el Apéndice A). También se realizaron las pruebas multivariadas de sesgo, curtosis y normalidad de
Small y Srivastava (DeCarlo, 1997), que confirmaron que todos los conjuntos de indicadores no son normales. En consecuencia, se requirieron métodos de prueba no paramétricos en
nuestro estudio (pruebas de muestras independientes no paramétricas, análisis de mínimos cuadrados parciales y bootstrapping), y el análisis factorial no se consideró apropiado.
Se aplicaron varios remedios procesales para mitigar el potencial de sesgo del método. Los efectos potenciales de las preferencias de los medios (p. ej., filtros de correo electrónico
o evitación de correo electrónico) se redujeron al contactar a todos los encuestados objetivo tanto por correo electrónico como por correo postal, y las pruebas de muestra independientes
confirmaron una distribución homogénea de los puntajes de los indicadores en las encuestas en línea y en papel. Los factores motivacionales, los factores de habilidad y los factores de
tarea pueden contribuir al sesgo del método común (Podsakoff et al., 2012). Estos factores se abordaron eliminando o cambiando elementos ambiguos durante la fase previa a la prueba
con los profesionales, centrándose únicamente en los gerentes senior y asegurando que la encuesta voluntaria fuera anónima. Para aumentar aún más la motivación de los participantes
para responder con precisión, se les invitó a registrarse para recibir un informe preliminar de hallazgos por correo postal o electrónico. El correo electrónico/carta de invitación a la
encuesta evitó insinuaciones de nuestras preguntas e hipótesis de investigación, y el orden de las preguntas se diseñó para mitigar el riesgo de que los encuestados adivinen las
relaciones de investigación. El número de puntos de la escala de Likert varió entre cinco, siete y nueve (Netemeyer et al., 2003) y se usaron diferentes etiquetas de anclaje para
construcciones relacionadas (Podsakoff et al., 2012) (consulte el Apéndice B).
Se usaron dos remedios estadísticos para evaluar el sesgo del método común: (1) prueba de factor único de Harman; y (2) la técnica del factor del método latente no medido
(Podsakoff et al., 2003, 2012). Primero, para la prueba de Harman, el análisis factorial exploratorio de los 40 indicadores (n = 324) dio como resultado nueve factores con valores propios
N1, con el factor más fuerte explicando el 30,65 % de la varianza total, lo que sugiere que la varianza del método común debido al sesgo de fuente única era no presente (Podsakoff y
Organ, 1986). En segundo lugar, para la técnica del factor del método latente no medido, se utilizó un paquete de modelado de ecuaciones estructurales basado en covarianza (AMOS)
para construir una versión del modelo de prueba de hipótesis. Las estimaciones del modelo estructural reflejaron nuestros hallazgos de prueba de hipótesis según el procedimiento SEM-
PLS. Cuando se añadió un factor del método latente general, medido por todos los indicadores de los constructos, las estimaciones del modelo estructural no cambiaron cualitativamente.
Por lo tanto, los dos procedimientos proporcionan evidencia de que el sesgo del método común no estuvo presente (Podsakoff et al., 2003, 2012).
El sesgo de falta de respuesta se evaluó comparando a quienes respondieron temprano y tarde (Armstrong y Overton, 1977). Usamos el punto medio de los datos recopilados
para clasificar las respuestas como tempranas o tardías, lo que se considera apropiado dado que las respuestas se recibieron de manera uniforme durante el período de la encuesta
(Moore y Tarnai, 2002) y se enviaron múltiples seguimientos tanto por correo electrónico como por correo electrónico. y correo
Las pruebas de muestras independientes (U de Mann-Whitney) no mostraron diferencias significativas entre la distribución de todos los datos entre los encuestados tempranos y tardíos,
lo que indica que el sesgo por falta de respuesta no es un problema en este estudio.
3.5. Modelado de ecuaciones estructurales: análisis de mínimos cuadrados parciales
El modelo de ruta SEM-PLS se utilizó en el análisis, ya que se adapta mejor al conjunto de datos no normal y al tamaño de muestra relativamente pequeño en nuestro estudio.
SEM-PLS utiliza supuestos de distribución flexibles muy generales y medidas de evaluación de modelos no paramétricas orientadas a la predicción (Wold, 1982; Chin, 1998). SEM-PLS
es particularmente adecuado para el análisis de efectos indirectos en modelos de múltiples mediadores (Liang et al., 2007; Taylor et al., 2008). Se utilizaron "SmartPLS" versión 2.00
M3 (Ringle et al., 2005) y "R" (paquete "plspm") para el análisis SEM-PLS y el arranque, y los resultados se informan siguiendo las pautas recientes (Chin, 2010; Ringle et al. ., 2012).
3.5.1. Calidad del modelo de medición

Todos los constructos de primer orden se midieron reflexivamente y, en consecuencia, se probaron para la validez convergente y discriminante (Chin, 1998; Hulland, 1999). Con
respecto a la validez convergente, la confiabilidad del indicador se evaluó examinando la importancia de las cargas del constructo. La Tabla A2 en el Apéndice A informa las cargas del
indicador de medición, que son todas significativas en pb .001.
En cuanto a la confiabilidad y validez de constructo, la Tabla A2 indica una alta consistencia interna en términos de confiabilidad compuesta (rho de Dillon-Goldstein ÿ .60 y ÿ de
Cronbach ÿ .70) (Nunnally, 1978; Fornell y Larcker, 1981; Bagozzi y Yi, 1988; Chin , 1998). La validez convergente se confirma ya que todas las varianzas promedio extraídas (AVE)
superan claramente .50 (Fornell y Larcker, 1981).
La validez discriminante de los indicadores del constructo se examinó analizando la carga de cada indicador en su constructo de primer orden, en relación con su carga en otros
constructos. La Tabla A3 en el Apéndice A confirma que todas las cargas específicas de construcción de primer orden superan .70 (Chin, 1998; Hulland, 1999) y que la carga de cada
indicador es más alta para la construcción de variable latente relevante (Fornell y Larcker, 1981). La validez discriminante de los constructos se evidencia por el hecho de que todas las
raíces cuadradas del AVE en la diagonal de la Tabla A5 superan las correlaciones con los otros constructos (Barclay et al., 1995; Chin, 1998).
3.5.2. Procedimientos de prueba de hipótesis El

modelo de ruta SEM-PLS (ver Fig. 2) incluye todos los efectos directos hipotéticos y pesos externos de las variables formativas latentes. La magnitud de los efectos directos está
representada por los coeficientes de trayectoria. La magnitud de los efectos indirectos se determina multiplicando
Figura 2. Modelo de resultado (n = 324).
los coeficientes de los caminos en la cadena mediacional (Baron y Kenny, 1986; Taylor et al., 2008). La importancia de cada efecto se determina mediante el método bootstrap
percentil corregido por sesgo (Preacher y Hayes, 2008; Taylor et al., 2008).4
4. Resultados
Todos los resultados de las pruebas de H1 a H5 son compatibles, como se muestra en la Tabla 1 y la Fig. 2. Descubrimos que la integración de la infraestructura de BI mejora la
funcionalidad de BI (ÿ = 0,70, pb 0,001), en consonancia con H1. Posteriormente, la funcionalidad de BI mejora tanto el autoservicio de BI (ÿ = 0,36, pb 0,001) como las capacidades
de medición del rendimiento (ÿ = 0,39, pb 0,001), en consonancia con H2 y H3 respectivamente.
Las capacidades de medición del rendimiento se mejoran tanto con la funcionalidad de BI como con el autoservicio de BI (ÿ = .15, pb .01), de acuerdo con H4. Las capacidades de
medición del desempeño resultantes se asocian positivamente con la ventaja competitiva (ÿ = .18, pb .01), de acuerdo con H5.
H6 predijo que la calidad de BI (representada por cada uno de los tres conceptos de calidad de BI) estaría indirectamente asociada con la ventaja competitiva. El modelo teórico
(Fig. 1) implica un total de cinco cadenas de mediación de este tipo (es decir, efectos indirectos), que son compatibles, como se indica en la Tabla 2. Encontramos que la integración
de la infraestructura de BI está indirectamente asociada positivamente con la ventaja competitiva a través de la mediación cadenas: (1) a través de la funcionalidad de BI y las
capacidades de medición del rendimiento (ÿ = .04, pb .01); y (2) a través de la funcionalidad de BI, el autoservicio de BI y las capacidades de medición del rendimiento (ÿ = .01, pb
.01). Encontramos que la funcionalidad de BI está indirectamente asociada positivamente con la ventaja competitiva también a través de ambas cadenas de mediación: (1) a través
de las capacidades de medición del desempeño (ÿ = .06, pb .01); y (2) a través de capacidades de medición de desempeño y autoservicio de BI (ÿ = .01, pb .01). Finalmente, el
autoservicio de BI se asocia positivamente de manera indirecta con la ventaja competitiva a través de las capacidades de medición del desempeño (ÿ = .03, pb .01). En conjunto, la
calidad de BI definida por los tres conceptos de calidad de BI se asocia indirectamente de manera positiva con la ventaja competitiva, lo que respalda H6.
Las proporciones de varianza explicadas son: funcionalidad BI R2 = 0,49; BI autoservicio R2 = 0,13; capacidades de medición del rendimiento R2 = 0,17; y ventaja competitiva
R2 = 0,04. Como era de esperar, nuestra variable de control, el tamaño de la empresa, también es un predictor positivo significativo de las capacidades de medición del desempeño
(ÿ = .11, pb .05) y la ventaja competitiva (ÿ = .08, pb .05). En resumen, todos los resultados respaldan nuestro modelo teórico y las hipótesis asociadas.
4
Los métodos bootstrap generalmente superan a otros métodos de prueba de significancia en modelos de mediación (MacKinnon et al., 2004) y, en particular con muestras pequeñas, el método de
percentil bootstrap captura la asimetría en la distribución de muestreo que no se detecta en la prueba del producto de coeficientes usando el error estándar (Shrout y Bolger, 2002; Cheung y Lau, 2008).
Las ventajas de los métodos de percentiles de arranque también se han confirmado para los modelos de mediación de tres caminos, y se requiere ajustar los límites del intervalo de confianza en caso de
que la distribución de arranque no se centre (es decir, esté sesgada) en la estimación de la muestra del efecto mediado (Taylor et al. al., 2008).
tabla 1
PLS-SEM — efectos directos.
(N = 324)
H1: Integración de la infraestructura de BI ÿ Funcionalidad de BI .70***

H2: Funcionalidad de BI ÿ Autoservicio de BI .36***
H3: Funcionalidad de BI ÿ Capacidades de medición del rendimiento .39***
H4: Autoservicio de BI ÿ Capacidades de medición del rendimiento .15**
H5: Capacidades de medición del desempeño ÿ Ventaja competitiva .18**
Tamaño (control) ÿ Capacidades de medición del rendimiento .11*
Tamaño (Control) ÿ Ventaja Competitiva .10*
Los niveles de significación son: ***pb .001, **pb .01, *pb .05 (una cola).
5. Resumen y conclusiones
El propósito de este estudio fue mejorar nuestra comprensión de cómo la calidad de BI puede mejorar la medición del rendimiento.
capacidad y ventaja competitiva. La calidad de BI se examinó a través de los tres conceptos clave de (1) integración de infraestructura;
(2) funcionalidad; y (3) autoservicio (es decir, uso independiente del sistema de BI por parte de los gerentes). Al estudiar el papel de la calidad de BI en
apoyando tanto las dimensiones de diagnóstico como las interactivas de la capacidad de medición del rendimiento, ampliamos la investigación de BI sobre
aprendizaje organizacional y procesos de creación de conocimiento. Definimos tres dimensiones de la calidad de BI y también mostramos cómo se puede
aprovechado de manera efectiva para respaldar el componente del sistema de medición del desempeño de un MCS contemporáneo. esta relacion es
importante para entender cómo BI apoya la creación de una ventaja competitiva.
Para probar el modelo teórico, recopilamos las respuestas de la encuesta de 324 directores ejecutivos/directores financieros (o equivalentes) de organizaciones australianas.
con más de 100 empleados. El análisis del modelo de investigación utilizando las medidas de la encuesta indica que el modelo es robusto
y que todas las relaciones teorizadas entre los constructos son significativas y relevantes. El modelo captura tanto el directo
los efectos de la calidad de BI sobre la calidad de la medición del desempeño y los efectos indirectos que fluyen a través de la capacidad de medición del desempeño que la
calidad de BI tiene sobre la ventaja competitiva.
Nuestra investigación hace tres contribuciones a la literatura de BI relacionada con MCS. Primero, desarrollamos y validamos un conjunto de construcciones
que capturan efectivamente la calidad de BI. Las relaciones de calidad de BI son significativas y los constructos individuales exhiben una fuerte validez.
y confiabilidad. En segundo lugar, echamos un vistazo más profundo a cómo BI se relaciona con MCS eficaz al examinar las dimensiones clave del rendimiento.
Capacidad de medición: el soporte de medidas de rendimiento interactivas y de diagnóstico. En tercer lugar, nuestros resultados indican que
la inversión en la integración y la funcionalidad de la infraestructura de BI está asociada con una mayor ventaja competitiva, y que estos
los efectos se producen a través de las capacidades de medición del rendimiento.
Al igual que con cualquier investigación, existen limitaciones que deben tenerse en cuenta al sopesar los resultados de la investigación. Primero, las medidas
capturados por nuestra encuesta proporcionan una instantánea en un punto en el tiempo. Sin una medición temporal de los cambios en los constructos teóricos, es difícil
establecer la causalidad, ya que los componentes del modelo pueden variar con el tiempo. Sin embargo, una sólida teoría
La base detrás de las relaciones hipotéticas proporciona un nivel de confianza en la direccionalidad de los efectos identificados.
En segundo lugar, debido a que se estaban explorando nuevos temas y perspectivas, era necesario desarrollar nuevas medidas para el estudio actual. Sin embargo, esto se
contrarrestó haciendo que las medidas fueran revisadas por paneles de expertos y mediante pruebas previas para evaluar la validez y la confiabilidad.
Además, obtuvimos buenos resultados tanto para la validación inicial como para las pruebas de confiabilidad con la muestra final de la investigación. El beneficio de
un enfoque tan riguroso para el desarrollo de construcciones es que las nuevas medidas de construcción deberían ser útiles para los investigadores en estudios futuros.
En tercer lugar, los efectos indirectos relacionados con el autoservicio de BI son muy pequeños y explican poco el efecto general de la funcionalidad de BI en el rendimiento.
capacidades de medición. Por último, el tamaño del efecto de las capacidades de medición del desempeño a la ventaja competitiva es pequeño, y
nuestro modelo solo explica un pequeño porcentaje de la varianza de la ventaja competitiva. La investigación futura podría buscar relaciones más fuertes
entre BI, capacidades de medición del rendimiento y ventaja competitiva mediante el estudio de variables moderadoras clásicas de MCS, como
incertidumbre ambiental, estrategia empresarial y tecnología (Chenhall, 2003).
Esta investigación proporciona información sobre una pieza más del rompecabezas que subyace al nexo entre los sistemas de BI, MCS y el desempeño de la organización.
Como tal, entendemos mejor cómo la calidad de BI conduce a mejoras en diagnósticos críticos e interactivos.
aspectos de la capacidad de MCS y cómo las mejoras se relacionan positivamente con la ventaja competitiva. Esta investigación hace un aporte
Tabla 2
PLS-SEM: efectos indirectos (H6).
(N = 324)
Integración de la infraestructura de BI ÿ Ventaja competitiva

a través de la funcionalidad de BI ÿ Capacidades de medición del rendimiento .04**
a través de la funcionalidad de BI ÿ Autoservicio de BI ÿ Capacidades de medición del rendimiento .01**
Funcionalidad de BI ÿ Ventaja competitiva
a través de las capacidades de medición del .06**
rendimiento a través del autoservicio de BI ÿ Capacidades de medición del rendimiento .01**
Autoservicio de BI ÿ Ventaja competitiva
a través de las capacidades de medición del rendimiento .03**
Los niveles de significación son: ***pb .001, **pb .01, *pb .05 (una cola).
al creciente cuerpo de investigación sobre sistemas BI y MCS. Proporciona evidencia de que BI se asocia positivamente con la organización
desempeño mediante un aprendizaje organizacional mejorado y una mejora del desempeño de los procesos comerciales (Elbashir et al., 2008, 2013;
Lee y Widener, 2016). Los resultados de esta investigación ayudan a ayudar a nuestra comprensión de los mecanismos y procesos específicos por
qué BI puede facilitar mejoras en los aspectos de diagnóstico e interactivos de MCS, y cómo esta mejora en la medición del desempeño facilita las mejoras
en el desempeño de la organización.
Expresiones de gratitud
Agradecemos el aporte constructivo proporcionado por el Editor Asociado y el financiamiento de la Disciplina de Contabilidad.
Grupo de la Universidad de Tecnología de Sydney.
Apéndice A. Análisis
Cuadro A1
Estadísticas descriptivas.
Constructos e indicadores (N = 324) Significar Estándar Sesgar/ curtosis/

desviación SEsesgadob SEkurtc
(Puntos finales de la escala de Likert entre paréntesis)
Integración de la infraestructura de BI (1–5) 3.36 0.81 ÿ1,90 ÿ1,37
Integración de la infraestructura de informes de BIa (1–5) 3,57 0,87 ÿ4,05 ÿ0,94

Arquitectura integrada (1–5) 3,53 1,06 ÿ4,55 ÿ1,10
Plataforma/base de datos compartida (1–5) 3,59 0,95 ÿ4,60 ÿ0,14
Integración con sistemas transaccionales (1–5) 3,57 0,96 ÿ4,38 ÿ0,49
Centralización de datos (1–5) 3,58 0,97 ÿ3,84 ÿ1,11
Integración de la infraestructura de planificación de BIa (1–5) 3,13 0,94 ÿ1,43 ÿ2,07

Arquitectura integrada (1–5) 2,90 1,20 ÿ0,90 ÿ4.07
Plataforma/base de datos compartida (1–5) 3.21 1.09 ÿ2,06 ÿ2,56
Integración con sistemas transaccionales (1–5) 3.19 1.05 ÿ2,80 ÿ1,57
Centralización de datos (1–5) 3.19 1.08 ÿ1,70 ÿ2,82
Funcionalidad de BI (1–5) 2.92 0.86 0.03 ÿ1,14
Funcionalidad de informes de BI (1–5) 2,95 0,90 ÿ0,59 ÿ1,06

Formato/Presentación hazaña. (1–5) 3,03 1,05 ÿ1,18 ÿ2.19
Informes interactivos (1–5) 2,76 1,03 0,96 ÿ1,89
Facilidad de uso (1–5) 2.96 1.02 ÿ0.01 ÿ1,86
Tiempo de respuesta/actualización (1–5) 3.07 1.05 ÿ0,77 ÿ2,33
Funcionalidad de planificación de BI (1–5) 2,88 0,97 0,32 ÿ2,24

Tiempo de respuesta/actualización (1–5) 2,95 1,07 ÿ0,18 ÿ2,61
Velocidad de actualización de datos reales (1–5) 3,03 1,10 ÿ0,50 ÿ3.10
Velocidad de pronóstico (1–5) 2,94 1,08 ÿ0,12 ÿ3,25
Sofisticación del modelo de planificación (1–5) 2,61 1,06 1,83 ÿ2,04
Autoservicio de BI (1–5) 2.88 1.07 0.13 ÿ2,91
Autoservicio de informes de BI (1–5) 2,96 1.12 ÿ0,39 ÿ3,15

Usuarios de mandos intermedios (1–5) 3,03 1.16 ÿ1,24 ÿ3,36
Usuarios de gerente sénior (1–5) 2,88 1.21 0,27 ÿ3,71
Autoservicio de planificación de BI (1–5) 2,81 1.13 0,48 ÿ3,44

Usuarios de mandos intermedios (1–5) 2,89 1.18 0,37 ÿ3,70
Usuarios de gerente sénior (1–5) 2,76 1.21 0,72 3.77
Capacidades de medición del desempeño (1–6) 4.03 0.82 ÿ4,90 3.63
Rendimiento de diagnóstico capacidades de medición (1–5) 3.76 0.70 ÿ6.05 5.89

Planificación de beneficios de DPMC (1–5) 3.90 0.78 ÿ7.53 6.47
Seguimiento de objetivos (1–5) 3,98 0,86 ÿ6,96 4.64
Seguir el progreso hacia las metas (1–5) 4,09 0,85 ÿ8,16 6.10
Revisar las desviaciones significativas (1–5) 4,06 0,90 ÿ8,08 4.59
Evaluar y controlar a los subordinados (1–5) 3,48 0,98 ÿ4,34 ÿ0,14
KPI no financieros de DPMC (1–5) 3,57 0,86 ÿ5,01 2.09

Seguimiento de objetivos (1–5) 3,62 0,93 ÿ5,21 1.09
Seguir el progreso hacia las metas (1–5) 3,69 0,90 ÿ5,80 2.29
Revisar las desviaciones significativas (1–5) 3.62 0,96 ÿ3,86 ÿ0,30
Evaluar y controlar a los subordinados (1–5) 3,37 0,96 ÿ2,58 ÿ0,84
Perforación interactiva. capacidades de medición (1–7) 4,46 1,17 ÿ3,04 0.22
Planificación de beneficios de IPMC (1–7) 4,46 1,37 ÿ3,33 ÿ1,02

Interacción de la alta gerencia (1–7) 4,50 1,84 ÿ2,93 ÿ3,70
Interacción entre la alta gerencia y la gerencia media (1–7) 4,03 1,79 ÿ0,43 ÿ3,66
(Continúa en la siguiente página)

Tabla A1 (continuación)
Constructos e indicadores (N = 324) Significar Estándar Sesgar/ curtosis/

(Puntos finales de la escala de Likert entre paréntesis) desviación SEsesgadob SEkurtc
Consideración de alternativas/escenarios (1–7) 4.63 1.66 ÿ4.31 ÿ1,52

Evaluación del cambio empresarial estratégico (1–7) 4.68 1.69 ÿ4.11 ÿ2,13
KPI no financieros del IPMC (1 a 7) 4,46 1,28 ÿ3,13 ÿ0,28

Interacción de la alta gerencia (1–7) 4,90 1,44 ÿ4,93 0.10
Interacción entre la alta gerencia y la gerencia media (1–7) 4,67 1,44 ÿ3,79 ÿ0,96
Consideración de alternativas/escenarios (1–7) 4,00 1,43 ÿ0,15 ÿ2,09
Evaluación del cambio empresarial estratégico (1–7) 4,30 1,49 1,91 ÿ2,42
Ventaja competitiva (1–9) 5.84 1.42 0,66 0.06
Crecimiento de las ventas (1–9) 5,85 1.51 0,43 ÿ0,69

Cuota de mercado (1–9) 5,83 1,46 1,45 ÿ0,56
Rentabilidad (1–9) 5,84 1,91 ÿ1,89 ÿ1,62
Tamaño (registro de empleados) 2.68 0.48 1.14 1.51
Siglas: SEskew… error estándar de asimetría (SES); SEkurt …error estándar de la curtosis (SEK).
a
Las puntuaciones de los constructos se basan en las puntuaciones de las variables latentes no estandarizadas.
b
La asimetría de la muestra dividida por el error estándar de asimetría (SES), con puntajes de prueba N2 o b-2 que sugieren una asimetría positiva o negativa significativa (Cramer, 1997, 85).
C
Curtosis de muestra dividida por el error estándar de curtosis (SEK), con puntajes de prueba N2 o b-2 que sugieren una curtosis positiva o negativa significativa (Cramer, 1997, 89).
Cuadro A2
Fiabilidad del indicador, fiabilidad del constructo y validez del constructo.
C
Construcciones e indicadores de primer orden (N = 324) Cargandosa ÿb de Cronbach Confiabilidad compuesta (ÿ) Con
Integración de la infraestructura de planificación de BI .91 .87 .73

arquitectura integrada .85
Plataforma/base de datos compartida .89
Integración con sistemas transaccionales .86
Centralización de datos .80
Integración de la infraestructura de informes de BI .94 .91 .78

arquitectura integrada .89
Plataforma/base de datos compartida .91

Integración con sistemas transaccionales .89
Centralización de datos .85
Funcionalidad de planificación de BI .95 .93 .82

Tiempo de respuesta/actualización .89
Velocidad de actualización de datos reales .93
Velocidad de creación/actualización de pronósticos .92
Sofisticación del modelo de planificación .88
Funcionalidad de informes de BI .92 .89 .75

Tiempo de respuesta/actualización .88
Facilidad de uso .88
Informes interactivos .85
Funciones de formato/presentación .86
Autoservicio de planificación de BI .95 .89 .90

Planificación de mandos intermedios. .95
Gerente senior de planificación .95
Autoservicio de informes de BI .95 .89 .90

Informes de mandos intermedios .95
Informes de altos directivos .95
PMC de diagnóstico: planificación de beneficios .93 .89 .76
Seguimiento de objetivos .89

Seguir el progreso hacia los objetivos .91
Revisar las desviaciones significativas .88
Evaluar y controlar a los subordinados. .80
Diagnóstico PMC: KPIs no financieros .95 .93 .83

Seguimiento de objetivos .93
Seguir el progreso hacia los objetivos .93
Revisar las desviaciones significativas .92

Evaluar y controlar a los subordinados. .88
PMC interactivo: planificación de beneficios .87 .79 .62

Interacción de la alta dirección .77
Interacción entre mandos medios y altos .80
Tabla A2 (continuación)
C
Construcciones e indicadores de primer orden (N = 324) Cargandoa ÿb de Cronbach Confiabilidad compuesta (ÿ) Con
Consideración de alternativas/escenarios .83
Evaluación del cambio estratégico de negocios .74
PMC interactivo: KPIs no financieros .93 .91 .78
Interacción de la alta dirección .88
Interacción entre mandos medios y altos .90

Consideración de alternativas/escenarios .90
Evaluación del cambio estratégico de negocios .85
Ventaja competitiva .92 .87 .79
Crecimiento de las ventas .90

Cuota de mercado .90
Rentabilidad .86
a
Todas las cargas son significativas a pb .001 con base en t(n ÿ 2), prueba de dos colas.
b
Consistencia interna: Todos los índices de confiabilidad compuesta (ÿ de Dillon-Goldstein) son ÿ.60 (Bagozzi y Yi, 1988) y todos los índices alfa de Cronbach son ÿ.70 (Nunnally, 1978).
C
Validez convergente: Todos los índices de varianza extraída promedio (AVE) son ÿ.50 (Fornell y Larcker, 1981).
Cuadro A3
Cargas cruzadas de PLS: construcciones de primer orden.
Construcciones/indicadores (N = 324) 1a 1b 2a 2b 3a 3b 4a 4b 4c 4d 5
1a. Integración de la infraestructura de planificación de BI

Arquitectura integrada .85 .43 .51 .36 .29 .24 .19 .24 .15 .25 .07
Plataforma/base de datos .89 .50 .52 .42 .37 .31 .27 .30 .24 .31 .02
compartida Integración con sistemas transaccionales .86 .55 .61 .52 .34 .30 .30 .26 .25 .35 .04
Centralización de datos 1b. Integración de la .80 .53 .54 .41 .23 .21 .22 .18 .19 .23 .07
infraestructura de informes de BI
Arquitectura integrada .52 .89 .45 .49 .21 .29 .14 .14 .14 .16 .07
Plataforma/base de datos .54 .91 .45 .52 .25 .33 .21 .17 .21 .20 .05
compartida Integración con sistemas transaccionales .54 .89 .50 .61 .18 .29 .17 .13 .17 .21 .06
Centralización de datos 2a. Funcionalidad de .50 .85 .48 .56 .13 .26 .22 .13 .20 .22 .08
planificación de BI
Tiempo de respuesta/actualización .59 .47 .89 .57 .29 .23 .30 .29 .32 .34 .15
Velocidad de actualización de valores .58 .50 .93 .60 .27 .25 .32 .31 .27 .34 .19
reales Velocidad de creación/actualización de .55 .48 .92 .64 .28 .28 .31 .25 .29 .29 .19
pronósticos Sofisticación del modelo de planificación .60 .45 .88 .62 .36 .32 .28 .26 .30 .31 .dieciséis
2b. Funcionalidad de informes de BI

Tiempo de respuesta/ .42 .50 .56 .88 .21 .29 .18 .18 .dieciséis .20 .12
actualización Facilidad de uso .44 .52 .56 .88 .29 .37 .20 .21 .22 .24 .08
Informes interactivos .45 .54 .58 .85 .19 .29 .18 .14 .15 .19 .13
Características de formato/presentación .44 .58 .62 .86 .25 .33 .15 .16 .19 .22 .09
3a. Autoservicio de planificación de BI

Mando medio Alto .39 .24 .31 .27 .95 .75 .16 .23 .11 .29 .04
mando 3b. Autoservicio .30 .17 .32 .25 .95 .78 .15 .20 .14 .26 .01
de informes de BI
Mando medio Alto .32 .30 .26 .35 .76 .95 .13 .21 .11 .22 .01
mando 4a. PMC de .28 .32 .30 .35 .77 .95 .12 .19 .12 .22 .00
diagnóstico: planificación de beneficios

Dar seguimiento a los .26 .14 .29 .16 .09 .05 .89 .41 .58 .50 .20
objetivos Dar seguimiento al progreso .26 .19 .28 .18 .12 .07 .91 .40 .54 .46 .22
hacia las metas Revisar las desviaciones .27 .21 .29 .17 .15 .12 .88 .46 .53 .47 .19
significativas Evaluar y controlar a los .22 .18 .30 .19 .22 .21 .80 .49 .47 .47 .21
subordinados 4b. PMC de diagnóstico: KPI no financieros

Dar seguimiento a los .26 .13 .25 .17 .22 .20 .44 .93 .35 .73 .10
objetivos Dar seguimiento al progreso .26 .12 .24 .16 .16 .15 .43 .93 .29 .68 .15
hacia las metas Revisar las desviaciones .25 .15 .29 .17 .22 .19 .48 .92 .34 .69 .10
significativas Evaluar y controlar a los .28 .19 .32 .21 .21 .22 .50 .88 .37 .66 .11
subordinados 4c. PMC interactivo: planificación de beneficios

Interacción de la alta gerencia Interacción .16 .14 .25 .13 .08 .05 .49 .22 .77 .37 .06
de la alta gerencia y la gerencia media Consideración .16 .15 .18 .14 .03 .03 .46 .24 .80 .39 .12
de alternativas/escenarios Evaluación del cambio .25 .20 .29 .23 .13 .15 .52 .34 .83 .52 .dieciséis
estratégico del negocio 4d. PMC interactivo: KPI no .19 .dieciséis .29 .14 .17 .14 .44 .35 .74 .48 .12
financieros
Interacción de la alta gerencia Interacción .28 .19 .30 .16 .23 .18 .47 .70 .43 .88 .12
de la alta gerencia y la gerencia media Consideración .26 .17 .28 .15 .20 .14 .49 .70 .48 .90 .dieciséis
de alternativas/escenarios Evaluación del cambio .35 .25 .37 .29 .31 .26 .49 .64 .57 .90 .09
estratégico del negocio 5. Ventaja competitiva .29 .18 .30 .27 .28 .25 .46 .63 .51 .85 .08
Crecimiento de las .02 .03 .14 .09 .01 .03 .15 .07 .13 .08 .90
ventas Cuota de .04 .06 .15 .09 .03 .02 .23 .10 .17 .12 .90
mercado Rentabilidad .08 .09 .21 .14 .03 ÿ.02 .22 .15 .10 .13 .86
Mesa A4
Cargas cruzadas PLS: construcciones principales.
Construcciones/Indicadores (N = 324) 12345
1. Integración de la infraestructura de BI
Planificación: arquitectura integrada .71 .48 .28 .26 .07
Planificación: plataforma/base de datos .77 .52 .36 .35 .02
compartida Planificación: integración con sistemas transaccionales .79 .62 .34 .36 .04
Planificación: centralización de datos Informes: arquitectura .74 .52 .24 .24 .07
integrada Informes: plataforma/base de datos compartida Informes: .80 .51 .26 .18 .07
integración con sistemas transaccionales Informes: centralización .82 .53 .31 .24 .05
de datos 2. Funcionalidad de BI .81 .60 .25 .21 .06
.76 .56 .20 .23 .08
Planificación: tiempo de respuesta/ .59 .81 .27 .38 .15

actualización Planificación: velocidad de .60 .85 .27 .38 .19
actualización de datos reales Planificación: velocidad .58 .86 .29 .34 .19
de creación/actualización de pronósticos Planificación: .59 .83 .36 .35 .dieciséis
sofisticación del modelo de planificación Informes: .52 .78 .26 .22 .12
tiempo de respuesta/actualización Informes: facilidad .54 .78 .35 .26 .08
de uso Informes: informes interactivos Informes: .55 .77 .25 .20 .13
funciones de formato/presentación 3. Autoservicio de BI .58 .80 .30 .22 .09
Planificación de mandos medios .35 .32 .90 .25 .04

Planificación de mandos .26 .31 .91 .23 .01
superiores Informes de mandos .35 .33 .90 .21 .01
intermedios Informes de mandos .34 .36 .90 .20 .00
superiores 4. Capacidades de gestión del rendimiento
Diagnóstico: planificación de beneficios
Seguimiento de objetivos .22 .25 .08 .71 .20
Seguimiento del progreso hacia los .25 .26 .10 .69 .22
objetivos Revisión de desviaciones .27 .26 .14 .70 .19
significativas Evaluación y control de .22 .27 .23 .68 .21
subordinados Diagnóstico: KPI no financieros
Hacer un seguimiento de los .21 .24 .23 .78 .10
objetivos Hacer un seguimiento del .21 .22 .16 .75 .15
progreso hacia las metas Revisar las .22 .26 .22 .77 .10
desviaciones significativas Evaluar y controlar a .27 .30 .23 .76 .11
los subordinados Interactivo: planificación de beneficios
Interacción de la alta gerencia Interacción .17 .21 .06 .52 .06
de la alta gerencia y la gerencia media Consideración .17 .18 .03 .53 .12
de alternativas/escenarios Evaluación del cambio .25 .29 .15 .64 .dieciséis
estratégico del negocio Interactivo: KPI no financieros .19 .24 .dieciséis .58 .12
Interacción de la alta gerencia Interacción .26 .26 .22 .78 .12

de la alta gerencia y la gerencia media Consideración .24 .24 .18 .81 .dieciséis
de alternativas/escenarios Evaluación del cambio .34 .36 .30 .80 .09

estratégico del negocio 5. Ventaja competitiva .26 .32 .28 .76 .08
Crecimiento de las .03 .13 .02 .13 .90

ventas Cuota de .06 .13 .03 .19 .90
mercado Rentabilidad .09 .19 .00 .19 .86
Mesa A5
Matriz de coeficiente de correlación/camino y evaluación de la validez discriminante.
Construcciones 1 2 3 4 5
1. Integración de la infraestructura de .78

BI 2. Funcionalidad de BI 3. Autoservicio .69*** .81
de BI 4. Capacidades de medición del .35*** .34*** .90
rendimiento 5. Ventaja competitiva .33*** .36*** .25*** .71
.10* .20*** .02 .21*** .89
Validez discriminante: los números en negrita en la diagonal muestran la raíz cuadrada de la varianza promedio extraída (AVE) de cada constructo; todos los valores son mayores que los de
las filas y columnas correspondientes. Los valores fuera de la diagonal son correlaciones de variables latentes no paramétricas (ÿ de Spearman; dos colas). Los niveles de significancia son ***pb .001,
**pb .01, *pb .05 (dos colas).
Apéndice B. Elementos del cuestionario
Construir Preguntas/Indicadores
Integración de la infraestructura de Nuestros sistemas de informes y análisis de gestión (1 a 5):

informes de BI
• se basan únicamente en hojas de cálculo (1) frente a tener una arquitectura de sistemas de TI completamente integrada (5); •
consisten únicamente en hojas de cálculo aisladas e individualizadas (1) vs. están integradas por una plataforma y base de datos en línea común y compartida (5); •
usar procesos muy manuales para extraer datos de los sistemas transaccionales (1) frente a tener una integración totalmente automatizada
con todos los sistemas transaccionales relevantes (5);

• se basan en datos de hojas de cálculo dispares (1) frente a obtener todos los datos de un único almacén de datos (5).
Integración de la infraestructura de Nuestros sistemas de planificación, presupuestación y previsión (del 1 al 5):

planificación de BI
• se basan únicamente en hojas de cálculo (1) frente a tener una arquitectura de sistemas de TI totalmente integrada (5); • consisten
únicamente en hojas de cálculo aisladas e individualizadas (1) vs. están integradas por una plataforma y base de datos en línea común y compartida (5); • usar
procesos muy manuales para extraer datos de los sistemas transaccionales (1) frente a tener una integración totalmente automatizada
con todos los sistemas transaccionales relevantes (5);

• se basan en datos de hojas de cálculo dispares (1) frente a obtener todos los datos de un único almacén de datos (5).
Funcionalidad de informes de BI Nuestros sistemas de informes y análisis de gestión [totalmente en desacuerdo (1); totalmente de acuerdo (5)]:
• tener formatos sofisticados y características de presentación; • tener funciones de

generación de informes altamente interactivas; • son muy fáciles de usar y navegar
por todos los usuarios; • tener tiempos de respuesta y actualización rápidos.
Funcionalidad de planificación de BI Nuestros sistemas de planificación, presupuestación y previsión [totalmente en desacuerdo (1); totalmente de acuerdo (5)]:
• tener tiempos de respuesta y actualización rápidos; • se

actualizan muy rápidamente con información real y de nivel básico; • permitir la creación y revisión
rápida de previsiones y presupuestos; • permitir que los modelos de planificación sofisticados se
implementen y cambien fácilmente.
autoservicio de BI Para nuestros sistemas de informes y análisis de gestión:
• analistas dedicados brindan toda la información a los mandos medios (1) para que los mandos medios accedan e interactúen
con el(los) sistema(s) con mucha frecuencia (5);
• analistas dedicados brindan toda la información a los gerentes senior (1) para que los gerentes senior accedan e interactúen
con el(los) sistema(s) con mucha frecuencia (5).
Para nuestros sistemas de planificación, presupuestación y previsión:
• analistas dedicados brindan toda la información a los mandos medios (1) para que los mandos medios accedan e interactúen
con el(los) sistema(s) con mucha frecuencia (5);
• analistas dedicados brindan toda la información a los gerentes senior (1) para que los gerentes senior accedan e interactúen
con el(los) sistema(s) con mucha frecuencia (5).
Rendimiento diagnóstico ¿Con qué intensidad usan los gerentes senior las actividades de planificación de utilidades en su unidad de negocios para [totalmente en desacuerdo (1); totalmente
capacidades de medición de acuerdo (5)]:
o dar seguimiento a los objetivos;

o realizar un seguimiento del progreso hacia
los objetivos; o revisar las desviaciones
significativas; o evaluar y controlar a los subordinados.
¿Con qué intensidad utilizan los altos directivos indicadores de rendimiento clave no financieros en su unidad de negocio para [totalmente en desacuerdo (1); totalmente
de acuerdo (5)]:
o dar seguimiento a los objetivos;

o realizar un seguimiento del progreso hacia
los objetivos; o revisar las desviaciones
significativas; o evaluar y controlar a los subordinados.
actuación interactiva Indique el grado en que está de acuerdo o en desacuerdo con las afirmaciones relativas a su unidad de negocio [totalmente en desacuerdo (1); totalmente de acuerdo (7)]:
capacidades de medición
o Los gerentes senior se reúnen y discuten la información de planificación de ganancias con mucha frecuencia (p. ej., semanalmente) o Los
gerentes intermedios y senior se reúnen y discuten la información de planificación de ganancias con mucha frecuencia (p. ej., semanalmente) o Las reuniones
de planificación de ganancias siempre incluyen la consideración de múltiples alternativas y escenarios o Cambios comerciales estratégicos siempre se evalúan
en las reuniones de planificación de beneficios o Los altos directivos interactúan constantemente con sus compañeros para discutir los KPI no financieros o Los
mandos intermedios están continuamente involucrados en la discusión de los KPI no financieros con los altos directivos o Cada discusión de los KPI no
financieros implica una revisión intensiva y revisión de la acción planes o Las oportunidades significativas de desarrollo comercial son un enfoque clave en todas
las discusiones sobre los KPI no financieros.
(Continúa en la siguiente página)

dieciséis
MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17
(continuado)
Construir Preguntas/Indicadores
Ventaja competitiva Relacione la situación en su unidad de negocio el año pasado. En relación con sus competidores, ¿cómo se ha desempeñado su unidad de negocios en las
siguientes tres áreas [mucho peor (1); mucho mejor (9)]:
• Crecimiento de las ventas: en relación con sus principales competidores.

• Cuota de mercado: en relación con sus principales competidores. •
Rentabilidad: en relación con sus principales competidores.
Referencias
Abernethy, MA, Brownell, P., 1999. El papel de los presupuestos en las organizaciones que enfrentan cambios estratégicos: un estudio exploratorio. Cuenta Organo. Soc. 24 (3), 189–204.
Alavi, M., Leidner, DE, 2001. Revisión: gestión del conocimiento y sistemas de gestión del conocimiento: fundamentos conceptuales y temas de investigación. MIS P. 25 (1),
107–136.
Ariav, G., 1992. Sistemas de información para la planificación y el control gerencial: un examen conceptual de su estructura temporal. Gerente J. información sist. 9 (2), 77–98.
Armstrong, JS, Overton, T., 1977. Estimación del sesgo por falta de respuesta en las encuestas por correo. J. Marcos. Res. 14 (3), 396–402.
Bagozzi, R., Yi, Y., 1988. Sobre la evaluación de modelos de ecuaciones estructurales. J. Acad. Marca. ciencia 16 (1), 74–94.
Barclay, DR, Thompson, R., Higgins, C., 1995. El enfoque de mínimos cuadrados parciales para el modelado informal: adopción y uso de computadoras personales como ilustración. Tecnología
Semental. 2, 285–324.
Barney, JB, 1991. Recursos firmes y ventaja competitiva sostenida. Gerente J. 17 (1), 99–120.
Baron, RM, Kenny, DA, 1986. La distinción variable moderador-mediador en la investigación psicológica social: consideraciones conceptuales, estratégicas y estadísticas.
J. Pers. Soc. psicol. 51 (6), 1173–1182.
Baum, JR, Wally, S., 2003. Velocidad de decisión estratégica y desempeño firme. Estrateg. Administrar J. 24 (11), 1107–1129.
Bhatt, GD, Grover, V., 2005. Tipos de capacidades de tecnología de la información y su papel en la ventaja competitiva: un estudio empírico. Gerente J. información sist. 22 (2),
253–277.
Bisbe, J., Otley, D., 2004. Los efectos del uso interactivo de los sistemas de control de gestión en la innovación de productos. Cuenta Organo. Soc. 29 (8), 709–737.
Bisbe, J., Batista-Foguet, JM, Chenhall, R., 2007. Definición de constructos de contabilidad de gestión: una nota metodológica sobre los riesgos de errores de especificación conceptual. Cuenta
Organo. Soc. 32 (7), 789–820.
Bollen, KA, Stine, R., 1990. Efectos directos e indirectos: estimaciones clásicas y de arranque de la variabilidad. Sociol. Método. 20 (1), 115–140.
Burton-Jones, A., Straub Jr., DW, 2006. Reconceptualización del uso del sistema: un enfoque y una prueba empírica. información sist. Res. 17 (3), 228–246.
Chapman, C., Kihn, LA, 2009. Integración de sistemas de información, habilitación de control y rendimiento. Cuenta Organo. Soc. 34 (2), 151–169.
Chaudhuri, S., Dayal, U., Narasayya, V., 2011. Una descripción general de la tecnología de inteligencia empresarial. común ACM 54 (8), 88–98.
Chenhall, RH, 2003. Diseño de sistemas de control de gestión dentro de su contexto organizacional: Hallazgos de investigaciones basadas en contingencias y direcciones para el futuro.
Cuenta Organo. Soc. 2 (2-3), 127–168.
Cheung, GW, Lau, RS, 2008. Prueba de los efectos de mediación y supresión de las variables latentes. Organo. Res. Métodos 11 (2), 296–325.
Chin, WW, 1998. El enfoque de mínimos cuadrados parciales para el modelado de ecuaciones estructurales. En: Marcoulides, GA (Ed.), Métodos modernos para la investigación empresarial. Lorenzo
Erlbaum Associates, Mahwah, Nueva Jersey, págs. 195–336.
Chin, WW, 2010. Cómo redactar e informar el análisis PLS. En: Vinzi, VE, Chin, WW, Henseler, J., Wang, H. (Eds.), Handbook of Partial Least Squares—Concepts,
Métodos y Aplicaciones en Marketing y Campos Afines. Springer, Berlín, Heidelberg, págs. 655–690.
Clark, TD, Jones, MC, Armstrong, CP, 2007. La estructura dinámica de los sistemas de apoyo a la gestión: desarrollo teórico, enfoque y dirección de la investigación. MIS P. 31 (3),
579–615.
Cramer, D., 1997. Estadísticas básicas para la investigación social: cálculos paso a paso y técnicas informáticas con Minitab. Prensa de psicología, Londres.
DeCarlo, LT, 1997. Sobre el significado y uso de la curtosis. psicol. Métodos 2 (3), 292–307.
DeLone, WH, McLean, ER, 2003. El modelo de éxito de los sistemas de información de DeLone y McLean: una actualización de diez años. Gerente J. información sist. 19 (4), 9–30.
Dilla, W., Janvrin, DJ, Raschke, R., 2010. Visualización interactiva de datos: nuevas direcciones para la investigación de sistemas de información contable. J.Inf. sist. 24 (2), 1–37.
Dillman, DA, 2007. Encuestas por correo e Internet: el método de diseño personalizado. Wiley, Nueva York.
Dodson, G., Arnott, D., Pervan, G., 2008. El uso de sistemas de inteligencia empresarial en Australia. La Conferencia de Australasia sobre Sistemas de Información Christchurch, Nueva
Zelanda, Actas de ACIS 2008.
Doll, WJ, Torkzadeh, G., 1988. La medición de la satisfacción informática del usuario final. MIS P. 12 (2), 259–274.
Elbashir, MZ, Collier, PA, Davern, MJ, 2008. Medición de los efectos de los sistemas de inteligencia comercial: la relación entre el proceso comercial y la organización
actuación. En t. J. Cuenta. información sist. 9 (3), 135–153.
Elbashir, MZ, Collier, PA, Sutton, SG, 2011. El papel de la capacidad de absorción organizativa en el uso estratégico de la inteligencia empresarial para respaldar los sistemas integrados de control de gestión.
Cuenta. Rev. 86 (1), 155–184.
Elbashir, MZ, Collier, PA, Sutton, SG, Davern, MJ, Leech, SA, 2013. Mejorar el valor empresarial de la inteligencia empresarial: el papel del conocimiento compartido y la asimilación
ilación J.Inf. sist. 27 (2), 87–105.
Emmanuel, C., Otley, D., Merchant, K., 1990. Contabilidad para el Control de Gestión. Springer, Londres.
Fedorowicz, J., Konsynski, B., 1992. Sistemas de apoyo a la organización: unir los procesos comerciales y de decisión. Gerente J. información sist. 8 (4), 5–25.
Ferreira, A., Otley, D., 2009. El diseño y uso de sistemas de gestión del desempeño: un marco extendido para el análisis. Administrar Cuenta. Res. 20 (4), 263–282.
Fornell, C., Larcker, DF, 1981. Evaluación de modelos de ecuaciones estructurales con variables no observables y error de medición. J. Marcos. Res. 18 (1), 39–50.
Foster, S., Hawking, P., Stein, A., 2005. Evolución de la solución de inteligencia empresarial: adopción y uso. Autobús. Intel. J. 10 (4), 44–54.
Garg, VK, Walters, BA, Priem, RL, 2003. El jefe ejecutivo enfatiza el análisis, el dinamismo ambiental y el desempeño de la fabricación. Estrateg. Administrar J. 24 (8),
725–744.
Grafton, J., Lillis, AM, Widener, SK, 2010. El papel de la medición y evaluación del desempeño en la construcción de capacidades y desempeño organizacionales. Cuenta Organo.
Soc. 35 (7), 689–706.
Grant, RM, 1996. Prosperando en ambientes dinámicamente competitivos: capacidad organizacional como integración del conocimiento. Organo. ciencia 7 (4), 375–387.
Green, SG, Welsh, AM, 1988. Cibernética y dependencia: reformulación del concepto de control. Academia Administrar Rev. 13 (2), 287–304.
Henri, JF, 2006. Cultura organizacional y sistemas de medición del desempeño. Cuenta Organo. Soc. 31 (1), 77–103.
Hou, C.-K., 2012. Examinar el efecto de la satisfacción del usuario en el uso del sistema y el desempeño individual con sistemas de inteligencia comercial: un estudio empírico de
Industria electrónica de Taiwán. En t. J.Inf. Administrar 32 (6), 560–573.
Howard, P., 2003. Analytics Volumen 1: una evaluación y comparación. Bloor Research, Milton Keynes, Reino Unido
Huber, GP, 1991. Aprendizaje organizacional: los procesos contribuyentes y las literaturas. Organo. ciencia 2 (1), 88–115.
Hulland, J., 1999. El uso de mínimos cuadrados parciales (PLS) en la investigación de gestión estratégica: una revisión de cuatro estudios recientes. Estrateg. Administrar J. 20 (2), 195–204.
Jarvis, CB, Mackenzie, SB, Podsakoff, PM, 2003. Una revisión crítica de los indicadores de construcción y la especificación incorrecta del modelo de medición en marketing y consumidores.
investigar. J. Consum. Res. 30 (septiembre), 199–218.
Keen, PGW, 1991. Dando forma al futuro: diseño empresarial a través de la tecnología de la información. Prensa de la Escuela de Negocios de Harvard, Harvard.
Kogut, B., Zander, U., 1992. Conocimiento de la empresa, capacidades combinatorias y replicación de la tecnología. Organo. ciencia 3 (3), 383–397.
Lee, MT, Widener, SK, 2016. Los efectos de rendimiento del uso de sistemas de inteligencia comercial para el aprendizaje de explotación y exploración. J.Inf. sist. http://dx.doi.org/10.
2308/isys-51298.
Lee, J., Elbashir, MZ, Mahama, H., Sutton, SG, 2014. Facilitadores del apoyo del equipo de alta dirección para las innovaciones de los sistemas de control de gestión integrados. En t.
J. Cuenta. información sist. 51 (1), 1–25.
Leidner, DE, Elam, JJ, 1995. El impacto de los sistemas de información ejecutiva en el diseño organizacional, la inteligencia y la toma de decisiones. Organo. ciencia 6 (6), 645–664.
Liang, H., Saraf, N., Hu, Q., Xue, Y., 2007. Asimilación de los sistemas empresariales: el efecto de las presiones institucionales y el papel mediador de la alta dirección. MIS P. 31
(1), 59–87.
Libby, T., Lindsay, RM, 2010. ¿Más allá del presupuesto o presupuesto reconsiderado? Una encuesta de la práctica presupuestaria de América del Norte. Administrar Cuenta. Res. 21 (1), 56–75.
MacKinnon, DP, Lockwood, CM, Williams, J., 2004. Límites de confianza para el efecto indirecto: distribución del producto y métodos de remuestreo. Multivar. Comportamiento Res.
39 (1), 99–128.
Maiga, AS, Nilsson, A., Jacobs, FA, 2013. Alcance del uso gerencial de TI, rutinas de aprendizaje y desempeño de la empresa: un modelo de ecuación estructural de su relación. En t.
J. Cuenta. información sist. 14 (4), 297–320.
Malmi, T., Brown, DA, 2008. Sistemas de control de gestión como paquete: oportunidades, desafíos y direcciones de investigación. Administrar Cuenta. Res. 19 (4),
287–300.
Mata, FJ, Fuerst, WL, Barney, JB, 1995. Tecnología de la información y ventaja competitiva sostenida: un análisis basado en recursos. MIS P. 19 (4), 487–505.
Mintzberg, H., 1978. Patrones en la formación de estrategias. Administrar ciencia 24 (9), 934–948.
Mithas, S., Ramasubbu, N., Sambamurthy, V., 2011. Cómo la capacidad de gestión de la información influye en el desempeño de la empresa. MIS P. 35 (1), 237–256.
Moore, DL, Tarnai, J., 2002. Evaluación del error por falta de respuesta en las encuestas por correo. En: Groves, RM, Dillman, DA, Eltinge, JL, Little, RJA (Eds.), Survey Nonresponse. Wiley,
Nueva York, págs. 101-1 197–211.
Naranjo-Gil, D., Hartmann, F., 2007. Sistemas de contabilidad gerencial, heterogeneidad del equipo de alta dirección y cambio estratégico. Cuenta Organo. Soc. 32 (7), 735–756.
Nelson, RR, Winter, SG, 1982. Una teoría evolutiva del cambio económico. Belknap Press, Cambridge, MA
Netemeyer, RG, Bearden, WO, Sharma, S., 2003. Procedimientos de escalado: problemas y aplicaciones. Sabio, Thousand Oaks.
Nonaka, I., 1994. Una teoría dinámica de la creación de conocimiento organizacional. Organo. ciencia 5 (1), 14–37.
Nunnally, JC, 1978. Teoría Psicométrica. McGraw-Hill, Nueva York.
Oh, W., Pinsonneault, A., 2007. Sobre la evaluación del valor estratégico de las tecnologías de la información: enfoques conceptuales y analíticos. MIS P. 31 (2), 239–265.
Otley, DT, Berry, AJ, 1980. Control, organización y contabilidad. Cuenta Organo. Soc. 5 (2), 231–244.
Peng, J., Viator, RE, Buchheit, S., 2007. Un estudio experimental de datos contables jerárquicos multidimensionales: las rutas de profundización pueden influir en las decisiones económicas.
J.Inf. sist. 21 (2), 69–86.
Podsakoff, PM, Organ, DW, 1986. Autoinformes en la investigación organizacional: problemas y perspectivas. Gerente J. 12 (4), 531–544.
Podsakoff, PM, MacKenzie, SB, Lee, JY, Podsakoff, NP, 2003. Sesgos de métodos comunes en la investigación del comportamiento: una revisión crítica de la literatura y recomendaciones
remedios. Aplicación J. psicol. 88 (5), 879–903.
Podsakoff, PM, MacKenzie, SB, Podsakoff, NP, 2012. Fuentes del sesgo de método en la investigación en ciencias sociales y recomendaciones sobre cómo controlarlo. año Rev. Psicol.
63, 539–569.
Popoviÿ, A., Hackney, R., Coelho, PS, Jakliÿ, J., 2012. Hacia el éxito de los sistemas de inteligencia empresarial: efectos de la madurez y la cultura en la toma de decisiones analíticas. Decir
Apoyo. sist. 54 (1), 729–739.
Preacher, KJ, Hayes, AF, 2008. Estrategias asintóticas y de remuestreo para evaluar y comparar efectos indirectos en modelos de múltiples mediadores. Comportamiento Res. Métodos
40 (3), 879–891.
Rai, A., Patnayakuni, R., Seth, N., 2006. Impactos en el rendimiento empresarial de las capacidades de integración de la cadena de suministro habilitadas digitalmente. MIS P. 30 (2), 225–246.
Ravichandran, T., Lertwongsatien, C., 2005. Impacto de los recursos y capacidades de los sistemas de información en el desempeño de la empresa: una perspectiva basada en los recursos. 23 Inter
Congreso Nacional de Sistemas de Información, Barcelona, España.
Ray, G., Muhanna, WA, Barney, JB, 2005. La tecnología de la información y el desempeño del proceso de servicio al cliente: un análisis basado en recursos. MIS P. 29 (4),
625–652.
Ringle, CM, Wende, S., Will, S., 2005. Smart PLS 2.0 (M3) Beta. Universidad Tecnológica de Hamburgo, Hamburgo.
Ringle, CM, Sarstedt, M., Straub, DW, 2012. Comentarios del editor: una mirada crítica al uso de PLS-SEM en MIS trimestral. MIS P. 36 (1), iii–xiv.
Shollo, A., Galliers, RD, 2015. Hacia una comprensión del papel de los sistemas de inteligencia empresarial en el conocimiento organizacional. información sist. J. http://dx.doi.org/10.1111/
isj.12071.
Shrout, PE, Bolger, N., 2002. Mediación en estudios experimentales y no experimentales: nuevos procedimientos y recomendaciones. psicol. Métodos 7 (4), 422–445.
Simons, R., 1990. El papel de los sistemas de control de gestión en la creación de una ventaja competitiva: nuevas perspectivas. Cuenta Organo. Soc. 15 (1), 127–143.
Simons, R., 1991. Orientación estratégica y atención de la alta dirección a los sistemas de control. Estrateg. Administrar J. 12 (1), 49–62.
Simons, R., 1994. Cómo los nuevos altos directivos utilizan los sistemas de control como palancas de renovación estratégica. Estrateg. Administrar J. 15 (3), 169–189.
Simons, R., 1995. Palancas de control: cómo los gerentes usan sistemas de control innovadores para impulsar la renovación estratégica. Prensa de la Universidad de Harvard, Boston.
Simons, R., Dávila, A., Kaplan, RS, 2000. Sistema de medición y control del desempeño para la implementación de la estrategia. Prentice Hall, Upper Saddle River, Nueva Jersey
Taylor, AB, MacKinnon, DP, Tein, JY, 2008. Pruebas del efecto mediado por tres vías. Organo. Res. Métodos 11 (2), 241–269.
Teece, DJ, Pisano, G., Shuen, A., 1997. Capacidades dinámicas y gestión estratégica. Estrateg. Administrar J. 18 (7), 509–533.
Tessier, S., Otley, D., 2012. Un desarrollo conceptual del marco de las palancas de control de Simons. Administrar Cuenta. Res. 23 (3), 171–185.
Thomas, JB, Sussman, SW, Henderson, JC, 2001. Comprender el "aprendizaje estratégico": vincular el aprendizaje organizacional, la gestión del conocimiento y la creación de sentido.
Organo. ciencia 12 (3), 331–345.
Tourangeau, R., Rips, LJ, Rasinski, K., 2000. La psicología de la respuesta a encuestas. Prensa de la Universidad de Cambridge, Cambridge.
Vandenbosch, B., 1999. Un análisis empírico de la asociación entre el uso de sistemas de apoyo ejecutivo y la competitividad organizacional percibida. Cuenta
Organo. Soc. 24 (1), 77–92.
Vandenbosch, B., Higgins, CA, 1995. Sistemas de apoyo ejecutivo y aprendizaje: un modelo y prueba empírica. Gerente J. información sist. 12 (2), 99–131. vom Brocke, J., Braccini, AM,
Sonnenberg, C., Spagnoletti, P., 2014. Infraestructuras de TI vivas: un enfoque basado en ontologías para alinear la capacidad de la infraestructura de TI y
Necesidades del negocio. En t. J. Cuenta. información sist. 15 (3), 246–274.
Wade, M., Hulland, J., 2004. La visión basada en recursos y la investigación de sistemas de información: revisión, extensión y sugerencias para futuras investigaciones. MIS P. 28 (1), 107–142.
Wetzels, M., Odekerken-Schröder, G., van Oppen, C., 2009. Uso del modelo de ruta PLS para evaluar modelos de construcción jerárquica: pautas e ilustración empírica.
MIS P. 33 (1), 177–195.
Widener, SK, 2007. Un análisis empírico del marco de las palancas de control. Cuenta Organo. Soc. 32 (7), 757–788.
Wold, H., 1982. Modelado suave: el diseño básico y algunas extensiones. Sistemas Bajo Observaciones Indirectas: Causalidad, Estructura, Predicción. KG Joreskog y H. Wold, Ámsterdam, Holanda Septentrional, págs.
1–54.
Yigitbasioglu, OM, Velcu, O., 2012. Una revisión de los tableros en la gestión del desempeño: implicaciones para el diseño y la investigación. En t. J. Cuenta. información sist. 13 (1), 41–59.

Text2fa - Ir Business Intelligence Systems Use in Performancemeasurement 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Text2fa - Ir Business Intelligence Systems Use in Performancemeasurement 1

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

Revista internacional de sistemas de información contable 21 (2016) 1–17

Listas de contenidos disponibles en ScienceDirect

Revista Internacional de Información Contable

Uso de sistemas de inteligencia empresarial en las capacidades de

Matt D. Peters y, ÿ, Bernhard Wieder a, Steve G. Suttonb James

información del artículo resumen

2 MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17

MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17 3

H1. La integración de la infraestructura de BI mejora la funcionalidad de BI.

Figura 1. Modelo teórico.

4 MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17

H2. La funcionalidad de BI mejora el autoservicio de BI.

2.2. Soporte de rendimiento y calidad de BI

H3. La funcionalidad de BI mejora las capacidades de medición del rendimiento.

MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17 5

H4. El autoservicio de BI mejora las capacidades de medición del rendimiento.

2.3. Enlaces a la ventaja competitiva

6 MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17

3.1. Etapa de encuesta de prueba previa y prueba piloto

3.2. Medición de construcción

3.2.1. Integración de la infraestructura de BI

MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17 7

3.2.4. Capacidades de medición del rendimiento

3.2.5. Ventaja competitiva

3.2.6. Control: tamaño de la empresa

3.3. Selección de muestras y recopilación de datos

8 MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17

3.4. Análisis de las características y la calidad de los datos

3.5. Modelado de ecuaciones estructurales: análisis de mínimos cuadrados parciales

3.5.1. Calidad del modelo de medición

3.5.2. Procedimientos de prueba de hipótesis El

MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17 9

Figura 2. Modelo de resultado (n = 324).

10 MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17

H1: Integración de la infraestructura de BI ÿ Funcionalidad de BI .70***

Integración de la infraestructura de BI ÿ Ventaja competitiva

MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17 11

Constructos e indicadores (N = 324) Significar Estándar Sesgar/ curtosis/

Integración de la infraestructura de BI (1–5) 3.36 0.81 ÿ1,90 ÿ1,37

Integración de la infraestructura de informes de BIa (1–5) 3,57 0,87 ÿ4,05 ÿ0,94

Integración de la infraestructura de planificación de BIa (1–5) 3,13 0,94 ÿ1,43 ÿ2,07

Funcionalidad de BI (1–5) 2.92 0.86 0.03 ÿ1,14

Funcionalidad de informes de BI (1–5) 2,95 0,90 ÿ0,59 ÿ1,06

Funcionalidad de planificación de BI (1–5) 2,88 0,97 0,32 ÿ2,24

Autoservicio de BI (1–5) 2.88 1.07 0.13 ÿ2,91

Autoservicio de informes de BI (1–5) 2,96 1.12 ÿ0,39 ÿ3,15

Autoservicio de planificación de BI (1–5) 2,81 1.13 0,48 ÿ3,44

Capacidades de medición del desempeño (1–6) 4.03 0.82 ÿ4,90 3.63

Rendimiento de diagnóstico capacidades de medición (1–5) 3.76 0.70 ÿ6.05 5.89

KPI no financieros de DPMC (1–5) 3,57 0,86 ÿ5,01 2.09

Planificación de beneficios de IPMC (1–7) 4,46 1,37 ÿ3,33 ÿ1,02

(Continúa en la siguiente página)

12 MD Peters et al. / Revista Internacional de Sistemas de Información Contable 21 (2016) 1–17

Constructos e indicadores (N = 324) Significar Estándar Sesgar/ curtosis/

Consideración de alternativas/escenarios (1–7) 4.63 1.66 ÿ4.31 ÿ1,52

KPI no financieros del IPMC (1 a 7) 4,46 1,28 ÿ3,13 ÿ0,28

Ventaja competitiva (1–9) 5.84 1.42 0,66 0.06

Crecimiento de las ventas (1–9) 5,85 1.51 0,43 ÿ0,69

Tamaño (registro de empleados) 2.68 0.48 1.14 1.51

Fiabilidad del indicador, fiabilidad del constructo y validez del constructo.

Integración de la infraestructura de planificación de BI .91 .87 .73

Integración de la infraestructura de informes de BI .94 .91 .78