Assessment of the Status of Maturity Models Presented in the Field of Intelligence and Business Analysis: A Systematic Review of Research Literature

Document Type : Original Article

Authors

1 PhD Candidate, IT Management Department, Faculty of Management and Economics, Tarbiat Modares University, Tehran, Iran

2 Professor, IT Management Department, Faculty of Management and Economics, Tarbiat Modares University, Tehran, Iran

3 Professor, IT Management Department, Faculty of Management, University of Tehran, Tehran, Iran

Abstract

Given the importance of business intelligence, organizations need tools to evaluate their capabilities in this area that can help them not only in evaluating but also in planning the upgrade path and comparing the level of capabilities at different times. Maturity models are very useful tools to solve this problem. In the path of assessing the level of maturity, a picture of the status of the organization according to the desired indicators is obtained. To this end, several studies have been conducted on the development of business intelligence maturity models and several organizations have taken steps to develop these models experimentally. In the present study, with a systematic literature review in this field, maturity models related to the business intelligence have been extracted and then the theoretical foundations of the model, development methodology and key process areas of the models have been reviewed. This study helps an organization to benefit from one or a combination of the introduced models according to the complexities of their industry and, if they need to develop their own model, it helps them to recognize the essential aspects in developing the business intelligence maturity model.

Keywords

Main Subjects


۱- مقدمه

ظرفیت‌هایی که داده و تحلیل آن به سازمان‌های مختلف می‌دهد، باعث شده است حوزۀ هوشمندی ‌و تحلیل کسب‌وکار به اولویت اول سازمان‌ها برای رسیدن به مزیت رقابتی و کسب ارزش تبدیل شود (مولر و هارت[1]، ۲۰۱۶) و بیشترین سهم از سرمایه‌گذاری کسب‌وکارهای جهانی در حوزۀ سیستم‌های اطلاعاتی را به خود اختصاص دهد (چن و لین[2]، ۲۰۲۱). هوشمندی و تحلیل کسب‌وکار معمولاً درقالب روش‌ها، فناوری‌ها، سیستم‌ها، فعالیت‌ها، روش‌شناسی‌ها و نرم‌افزارهایی کاربردی‌ نمود پیدا می‌کند که داده‌های حیاتی کسب‌وکار را به‌منظور بینش بهتر شرکت از کسب‌وکار و بازار آن و همچنین اتخاذ تصمیم‌های به‌موقع مرتبط با کسب‌وکار، تحلیل می‌کند (چوی و همکاران[3]، ۲۰۲۰؛ چن و همکاران[4]، ۲۰۱۲؛ جورج و همکاران[5]، ۲۰۲۰). در فرایند تصمیم‌گیری بیشترین بهره‌مندی به‌دست‌آمده از هوشمندی و تحلیل کسب‌وکار، امکان دسترسی بی‌واسطه به داده‌ها برای تصمیم‌گیرندگان در تمام سطوح سازمان است. با استفاده از هوشمندی و تحلیل کسب‌وکار، اطلاعات در زمان مناسب و با انعطاف بیشتری در اختیار مدیران قرار داده می‌شود (خطیبی و همکاران، ۲۰۲۰؛ سهرابی و همکاران، ۱۳۹۱).

امروزه سازمان‌ها پول زیادی را صرف هوشمندی و تحلیل کسب‌وکار می‌کنند. این سرمایه‌گذاری نیازمند ارزیابی و تعدیل است که لازمۀ آن وجود ابزار ارزیابی و کنترل است تا بتوان مقایسۀ مناسبی با سایر سیستم‌های مشابه در سازمان‌های دیگر انجام داد. مدل‌های بلوغ امکان چنین مقایسه‌هایی را به سازمان‌ها می‌دهد (کامبیتا نینیو و همکاران[6]، ۲۰۲۰). باتوجه‌به اینکه سازمان‌ها با فشارهای زیادی برای رسیدن به مزیت رقابتی و حفظ آن ازطریق ابداع محصولات و خدمات جدید روبه‌رو هستند، درعین‌حال باید بتوانند هزینه‌ها و زمان عرضه به بازار خود را کاهش دهند و به‌طور هم‌زمان کیفیت خود را ارتقا بخشند، نیاز مستمری برای توسعۀ مدل‌های بلوغ جدید دارند که به آنها در رسیدن به این اهداف کمک کند. مدل‌های بلوغ برای پاسخ‌دهی به چالش‌های مختلف ارائه و توسعه داده می‌شود (کاروالهو و همکاران[7]، ۲۰۱۹). مفاهیم پایه‌ای و زیربنای بلوغ متضمن این امر است که سازمان‌های بالغ به‌شکل نظام‌مندی عمل می‌کنند؛ درحالی‌که در سازمان‌های نابالغ دست‌یابی به نتایج درنتیجۀ تلاش‌های قهرمانانۀ افراد در استفاده از رویکردهایی است که کم یا زیاد به‌طور خودانگیخته یا خودجوش آنها را به وجود آورده‌اند (اخوان حجازی و همکاران، ۱۳۹۰). هدف اصلی مدل‌های بلوغ ارزیابی و توسعۀ اقدامات سازمانی ازطریق ایجاد نقشۀ راه توسعه است (پریرا و سرانو[8]، ۲۰۲۰). مدل‌های بلوغ هوشمندی و تحلیل کسب‌وکار، معرف مسیری است که به سازمان‌ها کمک می‌کند تا در جهتی درست و هم‌سو با اقدامات فناوری اطلاعات و کسب‌وکار فعالیت کنند. این مدل‌ها به‌عنوان اهرم در سرمایه‌گذاری و حرکت به‌سمت مراحل بالاتر بلوغ در حوزۀ هوشمندی و تحلیل کسب‌وکار عمل می‌کند (هریبار راجتریک[9]، ۲۰۱۰).

باتوجه‌به فواید مدل‌های بلوغ برای سازمان‌هایی که خواهان رسیدن به وضعیت مطلوبی در آینده‌اند، مدل‌های بلوغ در حوزه‌های متنوعی توسعه داده شده است. باوجودِاین، این مدل‌ها نتوانسته است توجه لازم مدیران را به خود جلب کند (رایس و همکاران[10]، ۲۰۱۷). ازطرفی، براساس راسمن و دی‌بروئین[11] (۲۰۰۵)، نتایج مبهم حاصل از ارزیابی مدل‌های بلوغ، ریشه در آزمون‌شدن مدل‌ها ازنظر روایی، پایایی و تعمیم‌پذیری و همچنین مستندسازی ضعیف روش‌ توسعه و طراحی مدل دارد. همچنین، ارائه‌دهندگان این مدل‌ها کمتر به بیان انگیزه‌ها، طریقۀ توسعۀ مدل، رویه‌‌ها و نتایج ارزیابی‌شان می‌پردازند (بکر و همکاران[12]، ۲۰۰۹). همچنین، مدیران و تصمیم‌گیرندگان سازمانی به‌منظور انتخاب مدل بلوغ مناسب، نیاز دارند تا مدل‌ها را ازنظر مبانی نظری که براساس آن مدل شکل گرفته است، روش توسعه و ابعاد پوشش‌داده‌شده بررسی کنند و درصورت لزوم، مدل بلوغ جدید متناسب با نیازمندی‌های خود را توسعه دهند؛ بنابراین، در این پژوهش باتوجه‌به اهمیت مدل‌های بلوغ برای سازمان و درعین‌حال، نبودِ شناخت و به‌کارگیری مناسب آن در سازمان‌ها، سعی شده است با بهره‌گیری از روش مرور نظام‌مند پیشینۀ پژوهش، مدل‌های بلوغ توسعه‌داده‌شده در حوزۀ هوشمندی و تحلیل کسب‌وکار شناسایی و بررسی شود تا به مدیران برای انتخاب و توسعۀ مدل بلوغ مناسب و به‌کارگیری این مدل‌ها کمک شود.

در پژوهش‌های متعددی همچون هریبار راجتریک (۲۰۱۰)، لارمن و همکاران[13] (۲۰۱۰)، چوا و وانگ[14] (۲۰۱۱a) و تامیر و تئودولیدیس[15] (۲۰۱۳) با هدف مرور مدل‌های بلوغ هوشمندی کسب‌وکار، برخی از این مدل‌ها بررسی شده و نقاط قوت و ضعف آنها تحلیل شده است. هریبار راجتریک (۲۰۱۰) بعد از معرفی مفصّل ۶ مدل بلوغ مرتبط با هوشمندی کسب‌وکار به بررسی این مدل‌ها ازنظر محتوا، ابزارهای ارزیابی و سطح دسترسی به مستندات مربوط به مدل و ارزیابی بلوغ پرداخته است. در مطالعۀ لارمن و همکاران (۲۰۱۰)، تعداد مدل‌های بلوغ بررسی‌شده افزایش یافته و معرفی مختصری از هرکدام ارائه شده است. سپس مدل‌ها در دو بخش تحلیل محتوا (درقالب ابعادی که پوشش داده‌اند) و تحلیل نظام‌مند (براساس تجربی/علمی‌بودن مدل)، مفهوم بلوغ (مبتنی‌بر فرد، شیء یا فرایند)، ترکیب مدل (شبکه‌ای، پرسشنامه‌ای و شبیه مدل بلوغ قابلیت بودن)، قابلیت اطمینان، شفافیت در بیان مبانی نظری، و نوع ارزیابی) تحلیل شده است. در مطالعۀ چوا و وانگ (۲۰۱۱a)، با بررسی چند مدل بلوغ مرتبط، بیان شده است که این مدل‌ها مفهوم هوشمندی کسب‌وکار را به‌طور کامل در نظر نگرفته و برخی از مدل‌ها مستندات کافی ازجمله راهنمای استفاده یا پرسشنامۀ ارزیابی را ارائه نکرده است. در مطالعۀ تامیر و تئودولیدیس (۲۰۱۳)، مدل‌های بلوغ هوشمندی کسب‌وکار ازمنظر مدیریت اطلاعات بررسی شده است. در این پژوهش با استفاده از الگوی تحلیل پژوهش لارمن و همکاران (۲۰۱۰) در دو بخش تحلیل محتوا و تحلیل نظام‌مند ۲۰ مدل بلوغ مرتبط با هوشمندی کسب‌وکار شناسایی و تحلیل شده است. در بخش تحلیل نظام‌مند باتوجه‌به فازهای فرایند مدیریت اطلاعات، سطح پوشش هر مدل به‌ازای هر فاز تعیین شده است.

در این پژوهش‌ها به‌طورکلی توجه اصلی به ابعاد مدل‌ها ازنظر فنی و غیرفنی و منشأ توسعۀ مدل یعنی تجربی یا علمی‌بودن آن معطوف شده و نقد و بررسی‌هایی براساس روش‌های ارزیابی بلوغ در مدل‌ها ارائه شده است. لارمن و همکاران (۲۰۱۰) نگاه گسترده‌تری به تحلیل مدل‌ها دارند و در کنار محتوا، منشأ توسعه و ارزیابی بلوغ، تا حدی به موضوعاتی چون روش‌های توسعۀ علمی و مبانی نظری پژوهش پرداخته‌اند؛ اما می‌توان دید باوجودِ بررسی‌های انجام‌شده، برخی از مدل‌های بلوغ ارائه‌شده، در این پژوهش‌ها بررسی نشده است و همچنین، ابعاد مدل‌های بلوغ باتوجه‌به پیشرفت‌ها و پیچیدگی‌های علمی و صنعتی مورد توجه قرار نگرفته است.

در این پژوهش سعی شده به‌جای استفاده از مرور توصیفی که روش اصلی مطالعات پیشین بوده است، از مرور نظام‌مند پیشینۀ پژوهش بهره گرفته شود که می‌تواند موجب خاتمۀ ابهام دربارۀ یک موضوع، ایجاد دیدگاه‌های جدید به‌وسیلۀ ترکیب یافته‌های حاصل از مطالعات مختلف و کاهش تأثیر هرگونه نقص یا خطا در یک مطالعۀ خاص شود (استرچ و سوفائر[16]، ۲۰۱۲). همچنین، سعی شده است با درنظرگرفتن سه رویکرد مبانی نظری، روش‌شناسی توسعه و تحلیل محتوا، مدل‌های شناسایی‌شده ازطریق روش مرور نظام‌مند پیشینۀ پژوهش، تحلیل بهتری از این مدل‌ها ارائه شود تا به تصمیم‌گیرندگان سازمانی و پژوهشگران دانشگاهی در استفادۀ مناسب و دقیق از این ابزار و توسعۀ آن کمک شایان‌توجهی شود.

 

۲- مبانی نظری پژوهش

۲-۱- هوشمندی و تحلیل کسب‌وکار

واژۀ هوشمندی را از دهۀ ۱۹۵۰ میلادی پژوهشگران هوش مصنوعی به کار برده‌اند. هوشمندی کسب‌وکار از دهۀ ۱۹۹۰ میلادی به اصطلاحی رایج بین جوامع صنعتی و فناوری اطلاعات تبدیل شده و در اوخر دهۀ ۲۰۰۰ علم تحلیل کسب‌وکار به‌عنوان مؤلفۀ اصلی تحلیلی برای هوشمندی کسب‌وکار معرفی شده است (چن و همکاران، ۲۰۱۲). هدف اصلی هوشمندی کسب‌وکار، ارائۀ اطلاعات به‌صورت مؤثر است تا سازمان بتواند به اهداف و راهبردهای تعریف‌شده‌ برسد (کامبیتا نینیو و همکاران، ۲۰۲۰). شرکت‌ها هرروزه حجم زیادی داده را ازقبیل اطلاعات سفارش، موجودی، حساب‌های پرداختی، نقطۀ فروش و مشتریان جمع‌آوری می‌کنند و همچنین داده‌هایی را از منابع خارجی به دست می‌آورند. تحکیم و سازمان‌دهی داده‌ها برای تصمیم‌گیری بهتر می‌تواند به مزیت رقابتی منجر شود. روش کشف و به‌کارگیری این مزیت‌ها، موضوع بحث هوشمندی کسب‌وکار است (رینچمیت و فرانسوایز[17]، ۲۰۰۰).

در هوشمندی کسب‌وکار از انبارۀ داده‌ها برای جمع‌آوری، سازمان‌دهی و ذخیره‌کردن داده‌های موضوعی، یکپارچه و مبتنی‌بر تغییرات زمانی بهره گرفته می‌شود. این داده‌ها که از منابع مختلف جمع‌آوری شده است، به‌صورت دوره‌ای بعد از آنکه با بهره‌گیری از فراگرد استخراج‌ـ‌تبدیل‌ـ‌بارگذاری[18]، به ساختاری خاص تبدیل شد، به انبار داده اضافه می‌شود (لابوری و همکاران[19]، ۲۰۱۵). امروزه سازمان‌ها اطلاعات و فرایندهای بسیاری را برای تصمیم‌گیری بهتر و سریع‌تر جمع‌آوری می‌کنند. درواقع، هوشمندی کسب‌وکار یکی از راه‌حل‌های موجود برای بهبود فرایند تصمیم‌گیری (ساکو و اسپرویت[20]، ۲۰۱۰) و سطح عملکرد در سازمان است (مانتین و همکاران[21]، ۲۰۱۴). باتوجه‌به اهمیت سیستم‌های هوشمندی کسب‌وکار و سرمایه‌گذاری شرکت‌ها در این حوزه (چن و لین[22]، ۲۰۲۰)، وجود ابزار ارزیابی و مقایسۀ سیستم‌های موجود با سیستم‌های مشابه برای سازمان‌ها مهم است (کامبیتا نینیو و همکاران، ۲۰۲۰)؛ به‌همین‌منظور، پژوهشگران و صنعتگران، مدل‌های بلوغ را ارائه کرده‌اند که در بخش بعدی بررسی می‌شود.

 

۲-۲- مدل بلوغ

مدیریت فناوری اطلاعات نیازمند ابزارهای پشتیبانی برای ارزیابی وضعیت موجود شرکت، استخراج و اولویت‌بندی سنجه‌های توسعه و درنتیجه کنترل پیشرفت اجرایی آن است. مدل‌های بلوغ ابزارهایی بسیار سودمند برای حل این موضوع است. مدل بلوغ از ترتیبی از سطوح بلوغ برای دسته‌ای از اهداف تشکیل شده است. درواقع، مدل بلوغ نشان‌دهندۀ مسیر تخمینی، موردانتظار و یا یک مسیر معمول برای توسعۀ یک موجودیت در مرحلۀ موردنظر است (بکر و همکاران، ۲۰۰۹ و لاسرادو و همکاران[23]، ۲۰۱۵).

مدل‌های بلوغ شامل سه جزء است: ۱) مدل مرجع: مجموعه‌ای از ابعاد که بیانگر عناصر اصلی است که باید ارزیابی شود. نتیجۀ ارزیابی در درک وضعیت جاری و شناسایی ضعف‌ها و قدرت‌ها به‌منظور تعیین منطقۀ پیشرفت‌ سازمان بسیار مؤثر است؛ ۲) مقیاس عملکرد: به ارزیابی نرخ عملکرد سازمانی باتوجه‌به عناصر ارزیابی‌شده در مدل مرجع کمک می‌کند؛ ۳) رویۀ ارزیابی: راهنمای ارزیابی و شامل برگه‌های ثبت بلوغ، رتبه‌دهی به سطوح بلوغ عملکرد و نقل‌قول‌های معمول است (صلاح و همکاران[24]، ۲۰۱۴).

دلایل توسعۀ مدل‌های بلوغ را می‌توان در سه گروه دسته‌بندی کرد:

  • توصیفی: زمانی که از مدل بلوغ برای ارزیابی وضع موجود یک موجودیت باتوجه‌به مجموعه‌ای از شاخص‌ها بهره گرفته شود، هدف توصیفی است.
  • تجویزی: زمانی که از مدل بلوغ برای شناسایی سطح مطلوب بلوغ و راهنمایی برای اقدامات بهبود بهره گرفته شود، هدف تجویزی است.
  • مقایسه‌ای: زمانی که از مدل بلوغ برای مقایسه‌ و الگوبرداری داخلی و خارجی استفاده شود، هدف مقایسه‌ای است (پاپلبو و راجلینگر[25]، ۲۰۱۱).

مدل بلوغ هوشمندی کسب‌وکار روشی نظام‌مند برای درک سطح بلوغ هوشمندی کسب‌وکار موجود است (بروکز و همکاران[26]، ۲۰۱۵) و این امکان را برای سازمان فراهم می‌کند تا مراحلی را ببیند که باید درجهت ارتقای سطح هوشمندی کسب‌وکار طی کند (تولائی و همکاران[27]، ۲۰۱۵).

این مدل‌ها شامل بررسی فرایندهای مهم کسب‌وکار با درنظرگرفتن عوامل حیاتی موفقیت هوشمندی کسب‌وکار در سازمان است (بروکز و همکاران، ۲۰۱۵). باتوجه‌به آنکه اکثر سازمان‌ها هوشمندی کسب‌وکار را به‌منظور موفقیت سازمانشان در رأس امور خود قرار داده‌اند، انتخاب یک مدل بلوغ مناسب هوشمندی کسب‌وکار که فراگرد هوشمندی کسب‌وکار را به‌طور مناسب تعریف کند، از اهمیت زیادی برخوردار است (تولائی و همکاران، ۲۰۱۵).

 

۳- روش پژوهش

مرور نظام‌مند پیشینه وسیله‌ای برای شناسایی، ارزیابی و تفسیر همۀ پژوهش‌های دردسترس مرتبط با سؤال پژوهشی خاص یا حوزۀ موضوعی یا پدیدۀ موردنظر است. دلایل متعددی برای انجام مرور نظام‌مند وجود دارد که ازجملۀ متداول‌ترین آنها می‌توان به جمع‌بندی شواهد موجود دربارۀ یک موضوع، شناسایی هر نوع شکاف در پژوهش‌های انجام‌شده به‌منظور پیشنهاد حوزه‌هایی برای پژوهش‌های آینده و تهیۀ چهارچوب و یا پیش‌زمینه‌ای برای جایگاه فعالیت‌های پژوهشی جدید اشاره کرد. همچنین، مرور نظام‌مند پیشینه می‌تواند برای بررسی اینکه شواهد تجربی تاچه‌حد فرضیه‌های نظری را حمایت یا رد می‌کند و یا برای کمک به ایجاد فرضیه‌های جدید، انجام شود (کیل[28]، ۲۰۰۷). مراحل مرور نظام‌مند را می‌توان درقالب سه فاز اصلی ۱. برنامه‌ریزی مرور، ۲. انجام مرور و ۳. گزارش‌ مرور دسته‌بندی کرد (کیچنهام[29]، ۲۰۰۴). درادامه، براساس این سه فاز، مرور انجام‌شده، تشریح می‌شود.

 

شکل 1: فرایند انجام مرور نظام‌مند پیشینۀ پژوهش

 

۳-۱- فاز اول: برنامه‌ریزی مرور

باتوجه‌به اینکه هدف پژوهش حاضر بررسی وضعیت مدل‌های بلوغ هوشمندی کسب‌وکار است، سعی شده است از سه منظر نظریه، روش‌شناسی و محتوا این وضعیت بررسی شود. براین‌اساس، سؤالات پژوهش حاضر به‌شرح زیر است:

۱. وضعیت مدل‌های بلوغ هوشمندی کسب‌وکار ازمنظر نظریه به‌چه‌صورت است؟

۲. وضعیت مدل‌های بلوغ هوشمندی کسب‌وکار ازمنظر روش‌شناسی به‌چه‌صورت است؟

۳. وضعیت مدل‌های بلوغ هوشمندی کسب‌وکار ازمنظر محتوا به‌چه‌صورت است؟

باتوجه‌به سؤال‌های پژوهش، به‌منظور شناسایی پژوهش‌های مرتبط از الگوی جست‌وجوی (“Maturity Model” AND “Business Intelligence” OR “Business Analytics”) در پایگاه‌های اطلاعاتی Scopus، Web of Science، Elsevier، Springer، Emerald Insight و IEEE explore بهره گرفته شده و سپس با استفاده از سرویس Google Scholar سایر منابع چاپ‌شده در این حوزه نیز شناسایی شده است. معیار ورود مقالات در جدول ۱ ارائه شده است.

جدول 1: معیار ورود مقالات به مرور نظام‌مند پژوهش حاضر

معیار

ورود

خروج

جمعیت

تمام مطالعات

-

پدیدۀ موردنظر

مدل بلوغ هوشمندی و تحلیل کسب‌وکار

مقالات غیرمرتبط با توسعه، به‌کارگیری و ارزیابی مدل بلوغ هوشمندی و تحلیل کسب‌وکار

زمینه

بدون محدودیت

بدون محدودیت

تاریخ انتشار

دردسترس تا سال ۲۰۲۰

از سال۲۰۲۰ به بعد

زبان

انگلیسی

زبان غیرانگلیسی

نوع مطالعه

مقالات مروری، علمی و کنفرانسی

فصل کتاب و یادداشت‌ها

دردسترس‌بودن

مقالات دارای چکیده و متن کامل

مقالات بدون چکیده یا متن کامل

در انتخاب نهایی مقالات نیز به دو معیار توجه شده است:

۱. متناسب‌بودن مقاله با هدف پژوهش حاضر (انتخاب مقالات با هدف توسعه، به‌کارگیری، ارزیابی و بررسی مدل‌های بلوغ هوشمندی و تحلیل کسب‌وکار)؛

۲. امتیاز کیفی ۵ به بالا (با استفاده از چک‌لیست CASP).

 

۳-۲- فاز دوم: انجام مرور

۳-۲-۱- شناسایی پژوهش‌ها و انتخاب مطالعات اولیه

بعد از جست‌وجو در پایگاه‌های اطلاعاتی باتوجه‌به شاخص‌های ورود ذکرشده، ۳۴۹ مقاله استخراج شد. با حذف موارد تکراری، انتخاب نوع مقالات و زبان آن، تعداد آن به ۲۵۲ کاهش یافت. سپس در سه مرحله، مقالات پایش شد تا مقالات نهایی برای بررسی و تحلیل انتخاب شود. مقالات به‌شرح شکل ۲ شناسایی شد. ازآنجاکه هدف این پژوهش بررسی مدل‌های بلوغ است، ازطریق فرایند گلوله‌برفی، سعی شد پژوهش‌های مرتبطی که در فرایند انتخاب مغفول مانده است، انتخاب و به بخش ارزیابی کیفی وارد شود.

شکل 2: مراحل غربال‌گری مطالعات

۳-۲-۲- ارزیابی کیفی مطالعات

ارزیابی کیفیت مطالعات به‌منظور جلوگیری از ورود مقالات ضعیف و درنهایت رسیدن به نتایج مناسب، بسیار مهم است. در این پژوهش برای تعیین دقت و اعتبار ۴۳ مقالۀ نهایی که بعد از بررسی متن کامل انتخاب شد، از ابزار CASP (برنامۀ مهارت‌های ارزیابی حیاتی) استفاده شد. CASP باتوجه‌به نوع مقالات بررسی‌شده چک‌لیست‌های متعددی ارائه کرده است[30]. در این پژوهش باتوجه‌به تنوع نوع مطالعات، سعی شده است درقالب ابعاد اصلی چک‌لیست‌های CASP یعنی ۱. اعتبار نتایج، ۲. نوع نتایج و ۳. کاربردی‌بودن نتایج در حوزۀ موردنظر ده شاخص زیر انتخاب شود. براین‌اساس، مقالات باتوجه‌به شاخص‌های ۱. بیان روشن اهداف پژوهش، ۲. انتخاب روش‌شناسی مناسب، ۳. بیان روشن طرح پژوهش، ۴. مناسب‌بودن روش انتخاب نمونه‌، ۵. مناسب‌بودن روش جمع‌آوری داده‌ها، ۶. دقت، و نداشتنِ سوگیری در اجرای پژوهش، ۷. ملاحظات اخلاقی، ۸. دقت تجزیه‌وتحلیل، ۹. بیان روشن یافته‌ها و ۱۰. ارزشمندی پژوهش، ارزیابی شود. پژوهش به‌ازای رعایت هر شاخص یک امتیاز به دست‌ می‌آورد؛ به‌این‌صورت که: امتیاز یک= کاملاً این شاخص رعایت شده؛ امتیاز صفر= اصلاً این شاخص رعایت نشده است؛ امتیازندادن زمانی است که امتیاز شاخص موردنظر برای پژوهشگر قابل‌بیان نباشد). براین‌اساس، مطالعات در پژوهش حاضر به‌لحاظ درجۀ کیفی به سه دستۀ بالا، متوسط و پایین تقسیم می‌شود. مطالعاتی که ۸ تا ۱۰ شاخص را رعایت کرده باشد، درجۀ کیفی بالا، ۵ تا ۷ شاخص درجۀ کیفی متوسط و ۴ شاخص و کمتر درجۀ کیفی پایین را به خود اختصاص می‌دهد (نلواتی و همکاران[31]، ۲۰۱۸). درنهایت، مقالات با درجۀ کیفی متوسط به بالا انتخاب شده که باتوجه‌به هدف پژوهش در جدول ۱ دسته‌بندی شده است.

  • توسعه‌ای: شامل مقالاتی است که تمرکزشان ارائه یا توصیف یک مدل بلوغ است.
  • کاربردی: شامل مقالاتی است که تمرکز اصلی‌شان کاربرد مدل‌های بلوغ است.
  • اعتبارسنجی: شامل مقالاتی است که در آن مدلی به‌منظور اعتبارسنجی مدل بلوغ به کار برده می‌شود (ازآنجاکه در بخش اعتبارسنجی، در بین مقالات انتخابی گزینه‌ای یافت نشد، این بخش از جدول حذف شده است).
  • فراتحلیل: شامل مقالاتی است که تمرکز اصلی‌شان بر بررسی یا مقایسۀ مدل‌های بلوغ موجود، ارائۀ راهنما برای انتخاب مدل یا ارائۀ سایر بازتاب‌های نظری در آن حوزه است (تارهان و همکاران[32]، ۲۰۱۶).

جدول 2: دسته‌بندی مطالعات نهایی

دسته‌بندی

مقالات

توسعه‌ای

(واتسون و همکاران[33]، ۲۰۰۱)؛ (کیتس و همکاران[34]، ۲۰۰۵)؛ (نجمی و همکاران، ۲۰۱۰)؛ (ساکو و اسپروت[35]، ۲۰۱۰)؛ (لاکمن و همکاران[36]، ۲۰۱۱)؛ (اونگ و همکاران، ۲۰۱۱)؛ (تن و همکاران[37]، ۲۰۱۱)؛ (شابانو همکاران[38] ، ۲۰۱۱)؛ (لارمن و همکاران، ۲۰۱۱a)؛ (لارمن و همکاران، ۲۰۱۱b)؛ (چوا و وانگ، ۲۰۱۱b)؛ (رابر و همکاران، ۲۰۱۲)؛ (چوا و وانگ، ۲۰۱۲)؛ (کاسیکو همکاران[39] ، ۲۰۱۲)؛ (چوا و وانگ، ۲۰۱۳)؛ (فدوکی و همکاران[40]، ۲۰۱۳)؛ (رابر و همکاران، ۲۰۱۳a)؛ (رابر و همکاران، ۲۰۱۳b)؛ (بروکز و همکاران، ۲۰۱۵)؛ (تولائی و همکاران، ۲۰۱۵)؛ (اسپروت و ساکو، ۲۰۱۵)؛ (رابر و همکاران[41]، ۲۰۱۶)؛ (مولر و هارت، ۲۰۱۶)؛ (گاستالدیو همکاران[42]، ۲۰۱۷)؛ (خوئن و رحمان[43]، ۲۰۱۷)؛ (جورج و همکاران، ۲۰۲۰)

کاربردی

(هاوکینگ و همکاران[44]، ۲۰۱۱)؛ (هاوکینگ، ۲۰۱۱)؛ (دینتر[45]، ۲۰۱۲)؛ (اونگ و سیو[46]، ۲۰۱۳)؛ (اولزاک[47]، ۲۰۱۳)؛ (اولزاک، ۲۰۱۵)؛ (گادفینسون و همکارا[48]ن، ۲۰۱۵)؛ (پریتو‌ـ‌مورالس و همکاران[49]، ۲۰۱۵)؛ (بونسریتوماچای و همکاران[50]، ۲۰۱۶)؛ (اولزاک، ۲۰۱۶)؛ (آیبرس و همکاران[51]، ۲۰۱۹)

فراتحلیل

(هریبار راجتریک، ۲۰۱۰)؛ (لارمن و همکاران، ۲۰۱۰)؛ (بروکز و همکاران، ۲۰۱۳)؛ (تامیر و تئودولیدیس، ۲۰۱۳)

 

۳-۲-۳- استخراج و ترکیب داده‌ها

در این بخش سعی شده است طی بررسی مقاله‌های انتخابی (جدول ۱)، باتوجه‌به سؤالات پژوهش، داده‌های مناسب از مقالات استخراج شود و برای پاسخ به سؤال پژوهش با هم ترکیب شود. در جدول ۲ مدل‌های شناسایی‌شده باتوجه‌به توسعه‌دهنده، تعداد مراحل بلوغ و ابعاد پوششی معرفی شده است. درادامه، باتوجه‌به بررسی‌های انجام‌شده روی مدل‌ها، وضعیت مدل‌های بلوغ موجود ازمنظر مبانی نظری، روش توسعه و محتوا تشریح می‌شود.

 

جدول 3: مدل‌های بلوغ مرتبط با هوشمندی و تحلیل کسب‌وکار

مدل

توسعه‌دهنده

سطح

ابعاد بلوغ

روش توسعه

مبانی نظری

سطوح رشد انباردهی داده[52]

واتسون و همکاران ۲۰۰۱

۳

داده، معماری، ثبات در تولید، کارکنان، کاربران، تأثیر بر مهارت و شغل، برنامه‌های کاربردی، سود و منفعت و اثرات سازمانی (واتسون و همکاران، ۲۰۰۱).

علمی/کیفی (پنل خبرگان)

نظریۀ سطوح رشد

مدل بلوغ هوشمندی کسب‌وکار مؤسسۀ انبارۀ داده[53]

اکرسون[54]، ۲۰۰۴

۶

تمرکز اصلی مدل بر جنبه‌های فنی، به‌خصوص انبارش داده در ارزیابی بلوغ است (اکرسون، ۲۰۰۴)

عملی

-

نردبان هوشمندی کسب‌وکار [55]

کیتس و همکاران، ۲۰۰۵

۶

فناوری، فرایند و افراد (کیتس و همکاران، ۲۰۰۵).

عملی

-

مدل بلوغ هوشمندی کسب‌وکار/ مدیریت عملکرد ای‌ام‌آر نسخه ۲[56]

هاگرتی و همکاران[57]، ۲۰۰۶

۴

فناوری، فرایند و افراد (هریبار راجتریک، ۲۰۱۰).

عملی

-

سلسله‌مراتب هوشمندی کسب‌وکار[58]

دنگ[59]، ۲۰۰۷

۴

راهبرد بازگشت سرمایه، تجربۀ درک‌شده، زیرساخت فنی، کیفیت داده، یکپارچگی داده (هریبار راجتریک، ۲۰۱۰).

عملی

-

مدل بلوغ قابلیت تحلیلی

داونپورت و هریس[60]، ۲۰۰۷

۵

مدیریت داده، رویکرد شرکتی، رهبری، اهداف، تحلیل‌گر، فناوری و روش‌های تحلیل (داونپورت، ۲۰۱۸).

علمی/کیفی (پیمایش)

-

مدل بلوغ اطلاعات کسب‌وکار

ویلیام و ویلیام[61]، ۲۰۰۷

۳

اطلاعات و میزان بازگشت سرمایه (ویلیام و ویلیام، ۲۰۰۷)

عملی

-

مدل بلوغ بهینه‌سازی زیرساخت

مایکروسافت، ۲۰۰۷

۴

مدل سه کلاس برای بهینه‌سازی زیرساخت تعریف می‌کند: کلاس ۱: هستۀ بهینه‌سازی زیرساخت (قابلیت‌ها: مدیریت دسترسی، مدیریت سرور، امنیت و شبکه، بازیابی و محافظت از داده)؛ کلاس ۲: بهینه‌سازی زیرساخت بهره‌وری کسب‌وکار (قابلیت‌ها: ارتباطات یکپارچه، همکاری، مدیریت محتوای جامع، جست‌وجوی جامع، هوشمندی کسب‌وکار)؛ کلاس ۳: بهینه‌سازی زیرساخت پلتفرم برنامه‌های کاربردی (قابلیت‌ها: تجربۀ کاربر، هوشمندی کسب‌وکار، فرایند کسب‌وکار، مدیریت داده، توسعه). هوشمندی کسب‌وکار در دو کلاس آخر قرار می‌گیرد (مایکروسافت، ۲۰۰۷).

عملی

-

مدل بلوغ هوشمندی کسب‌وکار ای‌اس‌یو‌جی[62]

ای‌اس‌یو‌جی، ۲۰۰۷

۴

اطلاعات و تحلیل، راهبری، استانداردها و فرایند، معماری هوشمندی کسب‌وکار (هاوکینگ و همکاران، ۲۰۱۱).

عملی و علمی/کیفی (مطالعات بهینه‌کاوی)

-

مدل بلوغ گارتنر برای هوشمندی کسب‌وکار و مدیریت عملکرد

راینر و شلگل[63]، ۲۰۰۸

۵

منابع انسانی، فرایندها و فناوری (تامیر و تئودولیدیس، ۲۰۱۳).

عملی

-

مدل تکامل اطلاعات اس‌ای‌اس[64]

اس‌ای‌اس، ۲۰۰۹

۵

افراد، فرایند، فرهنگ و زیرساخت (اس‌ا‌ی‌اس، ۲۰۰۹).

عملی

-

مدل بلوغ هوشمندی کسب‌وکار اس‌ام‌سی[65]

اس‌ام‌سی، ۲۰۰۹

۵

کارکرد، فناوری و سازمان (دینتر ، ۲۰۱۲).

عملی

-

مدل بلوغ کسب‌وکار اچ‌پی[66]

هولت پکارد، ۲۰۰۹

۵

توانمندسازهای کسب‌وکار، مدیریت اطلاعات و مدیریت راهبرد و برنامه (اولزاک، ۲۰۱۳).

عملی

-

مدل بلوغ انبارۀ داده و هوشمندی کسب‌وکار ترادیتا

میلر و همکاران[67]، ۲۰۰۹

۶

هم‌راستایی، معماری، مدیریت عملکرد/سیستم، پشتیبانی تصمیم، تحلیل کسب‌وکار، مدیریت داده، کسب و یکپارچگی داده، تداوم کسب‌وکار، ارتباطات/آموزش و مدیریت پروژه (میلر و همکاران، ۲۰۰۹)

عملی

-

مدل توسعه هوشمندی کسب‌وکار[68]

ساکو و اسپروت، ۲۰۱۰

۶

افراد، فرایند و فناوری (ساکو و اسپروت، ۲۰۱۰).

علمی/کیفی (راهبرد علم طراحی)

مدل‌های بلوغ چامونی و گلاچوسکی (۲۰۰۴) و مدل بلوغ مؤسسۀ انبارۀ داده و پیشینۀ پژوهش حوزۀ هوشمندی کسب‌وکار

مدل بلوغ هوشمندی کسب‌وکار در صنعت بانکداری ایران

نجمی، ۲۰۱۰

۵

جمع‌آوری داده، استخراج داده، تبدیل داده، تمیز داده، ذخیرۀ داده، انباردهی داده، گزارش‌گیری و داشبورد، پردازش تحلیلی برخط، پردازش تراکنش آنلاین، داده‌کاوی و راهبرد کسب‌وکار (نجمی، ۲۰۱۰).

علمی/ کیفی (بررسی ادبیات پژوهش)

مدل بلوغ قابلیت یکپارچه و پیشینۀ پژوهش حوزۀ هوشمندی کسب‌وکار

مدل قابلیت تحلیل سه‌سطحی

لاوالی و همکاران، ۲۰۱۰

۳

خبرگی در کاربرد، چالش‌های کسب‌وکار، موانع کلیدی، مدیریت داده و تحلیل در عمل ( لاوالی و همکاران، ۲۰۱۰).

عملی و علمی/کیفی (پیمایش و مصاحبه‌های عمیق)

-

مدل بلوغ هوشمندی کسب‌وکار برای اقتصاد درحال‌گذار

لاکمن و همکاران، ۲۰۱۱

۴

فنی، کسب‌وکار و کیفیت اطلاعات (لاکمن و همکاران، ۲۰۱۱)

عملی و علمی/کمّی (K-means)

پیشینۀ پژوهش در حوزۀ هوشمندی کسب‌وکار و مدل‌های بلوغ هوشمندی کسب‌وکار

مدل بلوغ مبتنی‌بر اثر هوشمندی کسب‌وکار

لارمن و همکاران، ۲۰۱۱b

-

در این مدل سعی شده است علاوه‌بر درنظرگرفتن قابلیت‌ها و فناوری‌های لازم برای اجرای هوشمندی کسب‌وکار شامل فناوری اطلاعات، فعالیت‌های هوشمندی کسب‌وکار، قابلیت‌های هوشمندی کسب‌وکار و پشتیبانی سازمانی به عناصری چون اثرات سازمانی و فردی و سطح کاربرد آن نیز توجه شود (لارمن و همکاران، ۲۰۱۱b).

علمی/کمّی (معادلات ساختاری)

نظریۀ فنی‌ـ‌اجتماعی، پیشینۀ پژوهش در حوزۀ هوشمندی کسب‌وکار و مدل‌های بلوغ هوشمندی کسب‌وکار

مدل بلوغ هوشمندی کسب‌وکار مبتنی‌بر الگوریتم راش

لارمن و همکاران، ۲۰۱۱a

۵

راهبری، راهبرد، کنترل، نقش‌ها، فرایندهای راهبری، فرایندهای سازمانی، تغییر، اجرا، استفاده، فناوری اطلاعات، کیفیت داده و کیفیت سیستم (لارمن و همکاران، ۲۰۱۱a).

علمی/کمّی (راهبرد علم طراحی و الگوریتم راش)

پیشینۀ حوزۀ مدل‌های بلوغ و توسعۀ مدل‌های بلوغ

مدل بلوغ هوشمندی کسب‌وکار شرکتی[69]

تن و همکارن، ۲۰۱۱

۵

کیفیت اطلاعات، مدیریت دادۀ اصلی، معماری انبارۀ داده و تحلیل (تن و همکارن، ۲۰۱۱).

علمی/کیفی و کمّی (بررسی پیشینۀ پژوهش و پیمایش)

مدل بلوغ قابلیت، پیشینۀ حوزۀ هوشمندی کسب‌وکار و مدل‌های بلوغ مرتبط

مدل بلوغ هوشمندی کسب‌وکار سرویس‌گرا[70]

شابان و همکاران، ۲۰۱۱

۵

بُعد فناوری شامل کیفیت (پایگاه داده، مراکز داده و خدمات تحلیلی) و انعطاف‌پذیری فنی، بُعد سازمان شامل سیستم سرویس‌گرا و سودآوری و بُعد مهارت کسب‌وکار شامل ارزش سازمان، اعتبار کسب‌و‌کار، خدمات کسب‌وکار و فرایندهای رهبری (شابان و همکاران، ۲۰۱۱).

علمی/کیفی (بررسی پیشینۀ پژوهش)

معماری سرویس‌گرا و مدل‌های بلوغ هوشمندی کسب‌وکار

مدل بلوغ هوشمندی کسب‌وکار شرکتی[71]

چوآ و وانگ، ۲۰۱۱

۵

مدیریت تغییر، فرهنگ سازمانی، مدیریت راهبردی، افراد، اندازه‌گیری عملکرد، کارت امتیازی متوازن، کیفیت اطلاعات، انباردهی داده، مدیریت داده‌های کلیدی، مدیریت فراداده، تحلیل، زیرساخت و مدیریت دانش (چوا و وانگ، ۲۰۱۱b).

علمی/کیفی (بررسی پیشینۀ پژوهش و روش دلفی)

مدل بلوغ قابلیت یکپارچه و پیشینۀ پژوهش حوزۀ هوشمندی کسب‌وکار

مدل بلوغ هوشمندی کسب‌وکار

اونگ و همکاران، ۲۰۱۱

۵

سازمان، فرایند، فناوری و نتایج (اونگ و همکاران، ۲۰۱۱).

علمی/کیفی (بررسی پیشینۀ پژوهش)

مدل بلوغ قابلیت، مدل بلوغ هوشمندی کسب‌وکار انبارۀ داده و پیشینۀ پژوهش حوزۀ مدل‌های بلوغ هوشمندی کسب‌وکار

مدل بلوغ قابلیت برای هوشمندی کسب‌وکار

رابر و همکاران، ۲۰۱۲

۵

راهبرد، سیستم‌ اجتماعی، سیستم فناوری اطلاعات، کیفیت خدمات و کاربرد/تأثیر (رابر و همکاران، ۲۰۱۲).

علمی/کیفی و کمّی (بررسی پیشینۀ پژوهش و الگوریتم راش)

مدل بلوغ قابلیت یکپارچه، نظریۀ فنی‌ـ‌اجتماعی و پیشینۀ پژوهش حوزۀ هوشمندی کسب‌وکار و مدل‌های بلوغ

مدل بلوغ قابلیت تحلیل کسب‌وکار

کاسیک و همکاران، ۲۰۱۲

۵

حق تصمیم، هم‌راستایی راهبردی، قابلیت‌های پویای تحلیل کسب‌وکار، مدیریت تغییر، مدیریت مبتنی‌بر مستندات، درونی‌شدن، پشتیبانی رهبری، انعطاف‌پذیری و چابکی، مدیریت داده، یکپارچگی سیستم، فناوری‌های گزارش‌دهی و نمایش، فناوری‌های کشف، مهارت و دانش مرتبط با فناوری، مهارت و دانش مرتبط با کسب‌وکار و نوآوری و کارآفرینی (کاسیک و همکاران، ۲۰۱۲).

علمی / کیفی (راهبرد علم طراحی، مرور نظام‌مند ادبیات پژوهش، تحلیل تم)

پیشینۀ پژوهش حوزۀ تحلیل کسب‌وکار و حوزه‌های مرتبط، مدل‌های بلوغ در سیستم‌های اطلاعاتی و رویکرد مبتنی‌بر منبع در سیستم‌های اطلاعاتی

مدل بلوغ هوشمندی کسب‌وکار وضعی[72]

رابر و همکاران، ۲۰۱۳a

۵

در مدل‌های بلوغ رابر و همکاران، باتوجه‌به شاخص‌هایی مثل اندازۀ سازمان و نوع سازمان (خدماتی و غیرخدماتی) و با بهره‌گیری از روش خوشه‌بندی چهار مدل ارائه شده است. این مدل‌ها پنج سطح دارد و نتایج پژوهش آنها نشان می‌دهد تعریف سطوح باتوجه‌به هر بُعد تحت‌تأثیر شاخص‌های وضعی است.

علمی/کمّی (الگوریتم راش)

نظریۀ اقتضایی، پیشینۀ پژوهش حوزۀ هوشمندی کسب‌وکار و مدل‌های بلوغ مرتبط

مدل بلوغ هوشمندی کسب‌وکار برای شرکت‌های کوچک و متوسط

فدوکی و همکاران، ۲۰۱۳

۳

برنامه‌ریزی، طراحی و تحلیل کسب‌وکار و ساخت و اجرا (فدوکی و همکاران، ۲۰۱۳).

علمی/کیفی (بررسی پیشینۀ پژوهش)

چرخۀ حیات پروژه و پیشینۀ پژوهش حوزۀ مدل‌های بلوغ هوشمندی کسب‌وکار

مدل بلوغ قابلیت انباره داده[73]

اسپروت و ساکو، ۲۰۱۵

۵

فنی (معماری، مدل‌سازی داده و فرایند استخراج‌ـ‌تبدیل‌ـ‌بارگذاری) و سازمانی (فرایندهای بهبود و فرایندهای خدماتی) (اسپروت و ساکو، ۲۰۱۵).

علمی/کیفی (راهبرد علم طراحی و پنل خبرگان)

مدل بلوغ قابلیت، پیشینۀ پژوهش حوزۀ انبارۀ داده و مدل بلوغ

مدل بلوغ هوشمندی کسب‌وکار بهینه‌شده

تولائی و همکاران، ۲۰۱۵

۵

ساختار و قوانین، فناوری و فرهنگ (تولائی و همکاران، ۲۰۱۵).

علمی/کیفی (بررسی پیشینۀ پژوهش)

مدل‌های بلوغ هوشمندی کسب‌وکار

مدل بلوغ هوشمندی کسب‌وکار بخش مراقبت‌های بهداشتی

بروکز و همکاران، ۲۰۱۵

۵

سازمانی، افراد و فناوری، فرایندهای متمرکز بر داده‌های اجرایی، فرایندهای متمرکز بر داده‌های کلینیکی، فرایندهای متمرکز بر ادغام داده‌های اجرایی و کلینیکی و فرایندهای متمرکز بر تبادل اطلاعات خارجی (بروکز و همکاران، ۲۰۱۵).

علمی/کیفی (راهبرد علم طراحی و روش دلفی)

نظریۀ فنی‌ـ‌اجتماعی، پیشینۀ پژوهش حوزۀ هوشمندی کسب‌وکار و مراقبت‌های بهداشتی، مدل‌های بلوغ هوشمندی کسب‌وکار

مدل بلوغ هوشمندی کسب‌وکار مبتنی بر پیشرفت‌های جدید

مولر و هارت، ۲۰۱۶

-

مهارت و تجربه، معماری هوشمندی کسب‌وکار و زیرساخت فناوری اطلاعات، هم‌راستایی هوشمندی کسب‌وکار و کسب‌‌وکار، مدیریت عملکرد، راهبرد هوشمندی کسب‌وکار، فرهنگ هوشمندی کسب‌وکار، استفاده و کیفیت داده، مدیریت تغییر و مدیریت پروژه (مولر و هارت، ۲۰۱۶).

علمی/کیفی (پنل خبرگان)

پیشینۀ پژوهش حوزۀ مدل‌های بلوغ هوشمندی کسب‌وکار

مدل بلوغ هوشمندی کسب‌وکار شرکتی

خوئن و رحمان، ۲۰۱۷

۵

فرایند، فناوری و سازمان (خوئن و رحمان، ۲۰۱۷).

علمی/ کیفی (روش دلفی)

-

مدل بلوغ هوشمندی کسب‌وکار برای بخش مراقبت‌های بهداشتی

گاستالدی و همکاران، ۲۰۱۸

۴

کاربردی، فناورانه، گستردگی و سازمانی (گاستالدی و همکاران، ۲۰۱۸)

علمی/کیفی (پنل خبرگان)

پیشینۀ پژوهش حوزۀ هوشمندی کسب‌وکار و مدل‌های بلوغ مرتبط

مدل بلوغ مزیت رقابتی هوشمندی و تحلیل کسب‌وکار[74]

جورج و همکاران، ۲۰۲۰

۳

محیط، هم‌راستایی راهبردی، مشتریان، محصولات/خدمات، زیرساخت، فرایندها و فعالیت‌ها، فناوری، اطلاعات و مشارکت‌کنندگان بلوغ (جورج و همکاران، ۲۰۲۰).

علمی/کیفی (روش دلفی و تحلیل محتوا)

نظریۀ سیستم کار، پیشینۀ پژوهش حوزۀ تحلیل کسب‌وکار و مدل‌های بلوغ مرتبط

 

 

3-۲-۳-۱- وضعیت مدل‌های بلوغ هوشمندی و تحلیل کسب‌وکار ازمنظر نظریه به‌چه‌صورت است؟

همان‌طور که بروکز و همکاران (۲۰۱۵) در پژوهش خود به آن اشاره کرده‌اند، توجه به مبانی نظری مدل از اهمیت برخوردار است تا به‌کمک آن بتوان مفاهیم پایه‌ای و روابط میان اجزای مدل را درک کرد. درواقع، مبانی نظری مدل نشان می‌دهد که آیا مدل برمبنای نظریه‌های پذیرفته‌شده شکل گرفته است یا نه. ازجمله نظریه‌های پایه‌‌ای مدل‌های بلوغ شناسایی‌شده می‌توان به نظریۀ سطوح رشد، نظریۀ سیستم‌های فنی‌ـ‌اجتماعی، رویکرد مبتنی‌بر منابع و نظریۀ سیستم کار اشاره کرد.

بررسی مدل‌های موجود نشان می‌دهد مدل‌ بلوغ قابلیت یکی از پایه‌های نظری در توسعۀ مدل‌های بلوغ هوشمندی کسب‌وکار است. یکی از نقدهای وارد بر مدل بلوغ قابلیت، ضعف مبانی نظری رسمی دربارۀ آن است. مدل‌ بلوغ قابلیت را گروهی باتجربه از صنعتگران توسعه داده‌اند و بیشتر براساس تجربه است تا نظریه‌های رسمی (بیروگلو و حداد[75]، ۲۰۰۲). مدل بلوغ قابلیت یکپارچه[76] نیز مبنای توسعۀ مدل‌های مختلفی ازجمله مدل بلوغ چوا و وانگ (۲۰۱۱)، بروکز و همکاران (۲۰۱۵) و نجمی و همکاران (۲۰۱۰) بوده است. یکی از ویژگی‌های مدل بلوغ قابلیت یکپارچه ارائۀ مدل به‌صورت پیوسته و مرحله‌ای است. ارائۀ مدل به‌صورت پیوسته از ویژگی‌های خاص این مدل است که دست سازمان را برای انتخاب مسیر توسعه باز می‌گذارد (چوا و وانگ، ۲۰۱۲).

همچنین، در توسعۀ مدل‌های بلوغ عملی و علمی مبانی نظری شکل‌دهندۀ ابعاد مدل با هم تفاوت دارد. اجزای مدل‌های بلوغ عملی از مجموعه «به‌روش‌هایی» شکل گرفته است که مؤسسات در طول سال‌های مختلف به آن رسیده‌اند؛ در‌صورتی‌که در مدل‌های علمی ازطریق بررسی پیشینۀ پژوهش و یا بهره‌گیری از نظر خبرگان اجزای مدل استخراج شده است. به‌طورکلی، می‌توان گفت در توسعۀ مدل‌های بلوغ نه‌تنها توجه به نظریه‌هایی که سطوح و رشد بلوغ را توجیه می‌کند، مهم است؛ بلکه بهره‌مندی از مبانی نظری که فرایندها و ابعاد شناسایی‌شدۀ مدل بلوغ را شناسایی کند، از اهمیت برخوردار است. باوجودِاین، می‌توان ضعف در اعتبارسنجی این ابعاد را در اغلب این مدل‌ها مشاهده کرد.

 

3-۲-۳-۲- وضعیت مدل‌های بلوغ هوشمندی و تحلیل کسب‌وکار ازمنظر روش‌شناسی به‌چه‌صورت است؟

لاسرادو و همکاران (۲۰۱۵) در پژوهشی که دربارۀ مدل‌های بلوغ حوزۀ سیستم‌های اطلاعاتی انجام داده‌اند، مدل‌های بلوغ را براساس روش توسعه به مفهومی، کمّی، کیفی، عملی و اشتقاقی تقسیم کرده‌اند که مبنای خوبی برای تحلیل مدل‌های بلوغ ازمنظر روش‌شناسی خواهد بود. دینتر (۲۰۱۲) در پژوهش خود به این موضوع اشاره کرده است که شفافیت در توسعۀ مدل‌ها به غیر از مدل‌هایی که به‌صورت علمی توسعه یافته است، وجود ندارد. باوجودِاین، در بررسی مدل‌های بلوغ هوشمندی کسب‌وکار می‌توان دید حتی در برخی از مدل‌هایی که به‌صورت علمی توسعه یافته است، مستندات کافی از روش توسعۀ مدل به‌خصوص در بخش ارزیابی و اعتبارسنجی مدل وجود ندارد.

در مقالات شناسایی‌شده، مدل‌های بلوغ عملی توجه بیشتری را به خود جلب کرده است و در تمام این مقالات می‌توان ارجاع به مدل‌های عملی را مشاهده کرد. این مدل‌ها مجموعه‌ای از روش‌های به‌دست‌آمده از تجارب سازمان‌هاست و به‌دلیل عمومی‌بودن معمولاً پیچیدگی‌های خاص صنایع را در نظر نمی‌گیرد. سطح دسترسی به مدل‌ها براساس عضویت و پرداخت حق عضویت انجام می‌شود که این موضوع نیز باعث می‌شود برخی از سازمان‌ها از بهره‌مندی از این مدل‌ها محروم بمانند. مدل‌های بلوغ عمومی به شروع کار و مقایسۀ خود با سایر سازمان‌ها کمک می‌کند؛ اما به‌منظور اجرای سیستم هوشمندی و تحلیل کسب‌وکار متناسب با شرایط صنعت و سازمان این مدل‌ها کارایی خود را تاحدی از دست می‌دهد.

دستۀ بعدی مدل‌ها، مدل‌هایی است که به‌صورت علمی توسعه یافته است که باتوجه‌به دسته‌بندی لاسرادو و همکاران (۲۰۱۵)، مدل‌های مفهومی، کمّی، کیفی و اشتقاقی در این دسته قرار می‌گیرد. مدل‌های مفهومی با بهره‌مندی از مبانی نظری توسعه می‌یابد. مدل‌های کمّی و کیفی با استفاده از روش‌های به‌ترتیب کمّی و کیفی توسعه می‌یابد و مدل‌های اشتقاقی صرفاً ترکیبی از مدل‌های بلوغ گذشته است و با مدل‌های بلوغ مفهومی ازاین‌نظر تفاوت دارد. در بررسی مدل‌های علمی همان‌طور که در جدول ۳ آمده است، می‌توان دید با استفاده از مرور توصیفی و نظام‌مند پیشینۀ پژوهش، تشکیل گروه کانونی و پنل خبرگان، روش دلفی و تحلیل محتوا و تحلیل تم پیشینۀ پژوهش و نظرات خبرگان، ابعاد مدل‌ شناسایی و استخراج شده است؛ اما در مدل‌هایی که برمبنای بررسی پیشینۀ پژوهش شکل گرفته است، این بررسی بیشتر توصیفی است و مراحل مرور نظام‌مند پیشینۀ پژوهش اجرا نشده است و ازطرفی در برخی مدل‌ها صرفاً به بررسی سایر مدل‌های بلوغ پرداخته‌شده و از این مدل‌ها به‌عنوان مبنای شناسایی ابعاد مدل جدید بهره گرفته است (اشتقاقی). بخش مغفول در این میان که در اغلب مدل‌های ارائه‌شده می‌توان به آن اشاره کرد، بهره‌گیری از روش‌هایی برای ارزیابی و اعتبارسنجی ابعاد مدل بلوغ است. در مدل‌هایی چون مدل لارمن و همکاران (۲۰۱۱a و ۲۰۱۱b)، رابر و همکاران (۲۰۱۲ و ۲۰۱۳a) و لاکمن و همکاران (۲۰۱۱) می‌توان ورود رویکرد کمّی در توسعۀ مدل‌های بلوغ را مشاهده کرد. استفاده از روش توسعۀ کمّی در کنار روش توسعۀ کیفی کمک می‌کند تا به اعتبار مدل و تعمیم‌پذیری آن نیز توجه شود و امکان بهره‌گیری از مدل توسط سایر گروه‌ها نیز به وجود بیاید. در این مدل‌ها از الگوریتم راش، مدل‌سازی معادلات ساختاری و الگوریتم K-means بهره گرفته شده است.

راهبرد علم طراحی راهبرد غالب در توسعۀ مدل‌های بلوغ است. این راهبرد بر تولید یک محصول فناوری اطلاعات تمرکز می‌کند که به مصنوع معروف است. در رویکرد‌های مختلفی که در این راهبرد وجود دارد، می‌توان به وجود مراحل شناسایی مسئله، توسعۀ مصنوع، ارزیابی مصنوع و ارائۀ مصنوع در اغلب آنها اشاره کرد؛ اما آنچه در مدل‌هایی که از این راهبرد برای توسعه‌شان استفاده کرده‌اند، می‌توان دید، کامل‌اجرانشدن مراحل و یا پیشنهاد انجام آن در پژوهش‌های آتی به‌خصوص در بخش ارزیابی بوده است. در مطالعاتی که از این راهبرد بهره گرفته است، می‌توان استفاده از روش مطالعۀ موردی را به‌عنوان روشی، هم برای توسعه و هم برای ارزیابی مدل مشاهده کرد. به‌طورکلی بررسی‌ها در این بخش نشان می‌دهد جدا از مدل‌های بلوغ عملی که دربارۀ توسعۀ آنها اطلاعات دقیقی دردسترس نیست، دربارۀ مدل‌های بلوغ علمی توجه به روش‌هایی که به اعتبارسنجی مدل و سازه‌های آن کمک می‌کند از اهمیت برخوردار است.

۳-۲-۳-۳- وضعیت مدل‌های بلوغ هوشمندی و تحلیل کسب‌وکار ازمنظر محتوا به‌چه‌صورت است؟

در بخش محتوا توجه اصلی به حوزه‌های فرایندی کلیدی[77] شناسایی‌شده توسط توسعه‌دهندگان مدل است. حوزه‌های فرایندی کلیدی خوشه‌هایی از فعالیت‌های مرتبط است که زمانی که انجام می‌شود باعث می‌شود مجموعه‌ای از اهداف تعیین‌شده تحقق یابد که برای ارتقای قابلیت فرایند برای رسیدن به سطح خاصی از بلوغ لازم است. در بررسی مدل‌های بلوغ شناسایی‌شده می‌توان دید که در این مدل‌ها زیرساخت‌ها و تجهیزات فنی لازم برای پیاده‌سازی سیستم‌های هوشمندی کسب‌وکار بیشترین توجه را به خود معطوف داشته است. در توسعۀ مدل‌های بلوغ هوشمندی و تحلیل کسب‌وکار ضرورت توجه به ابعاد غیرفنی در کنار ابعاد فنی نیز وجود دارد تا بتوان ارزیابی دقیق‌تری از سطح بلوغ هوشمندی و تحلیل کسب‌وکار سازمان به دست آورد. در مدل‌های ارائه‌شده می‌توان دید برخی توسعه‌دهندگان تلاش‌هایی درزمینۀ توجه به ابعاد غیرفنی داشته‌اند. ازاین‌جمله می‌توان به مدل‌های خوئن و رحمان (۲۰۱۷)، تولائی و همکاران (۲۰۱۵)، گاستالدی و همکاران (۲۰۱۸) و مولر و هارت (۲۰۱۶) اشاره کرد که در آن به مواردی چون فرهنگ، همکاری واحدها و مدیریت تغییر اشاره شده است؛ بنابراین، آنچه در ارزیابی هرچه دقیق‌تر بلوغ هوشمندی و تحلیل کسب‌وکار مهم است، توجه توأمان به حوزه‌های فنی و غیرفنی است. این موضوع را می‌توان درقالب نظریۀ فنی‌ـ‌اجتماعی بیان کرد. این نظریه تعامل میان افراد و فناوری را در محیط کار به رسمیت می‌شناسد. سیستم فنی‌ـ‌اجتماعی متشکل از دو نظام اجتماعی و فنی مستقل از یکدیگر، دارای ارتباط نزدیک به هم و درحال‌تعامل است. اجزای نظام اجتماعی شامل «ساختار و افراد» و اجزای نظام فنی شامل «فناوری و وظایف» می‌شود. هریک از عامل‌های درونی دو بخش اجتماعی و فنی می‌توانند با یکدیگر تعامل داشته باشند. چنین تعاملی می‌تواند بین اجزای هریک از دو نظام نیز صورت پذیرد. این رویکرد کمک می‌کند افرادی که در سازمان حضور دارند و شایستگی‌های آنها در کار با سیستم و اثربخش‌بودن آن مؤثر است و شاخص‌هایی برای ارزیابی این شایستگی‌ها در مدل‌های بلوغ در نظر گرفته شود.

همان‌طور که در پژوهش مولر و هارت (۲۰۱۶) می‌توان دید، یکی از نکات مهم در توسعۀ مدل‌های بلوغ هوشمندی کسب‌وکار توجه به روندهای جدید در محیط کسب‌وکار است که تغییرات فنی، سازمانی و انسانی را در پیاده‌سازی سیستم‌های هوشمندی کسب‌وکار ضروری کرده است؛ بنابراین، مدل‌های بلوغی که به‌منظور پیاده‌سازی و ارزیابی این سیستم‌ها طراحی می‌شود، باید مشتمل‌بر این تغییرات باشد. ازجملۀ این پیشرفت‌ها می‌توان به فناوری‌های ابری، رسانه‌های اجتماعی، تحلیل کلان‌داده و اینترنت اشیا اشاره کرد. آنچه دراین‌زمینه اهمیت دارد، در برخی از صنایع توسعۀ مدل بلوغ هوشمندی کسب‌وکار بدون درنظرگرفتن این پیشرفت‌های جدید، باعث می‌شود ارزیابی بلوغ هوشمندی و تحلیل کسب‌وکار به‌طور دقیق انجام نشود. برای مثال، در صنعت بانکداری می‌توان دید بی‌توجهی به فناوری‌های کلان‌داده، باوجود آنکه این صنعت با گسترش اینترنت، در میانۀ دهۀ ۱۹۹۰ میلادی وارد فضای الکترونیک شده است و با گسترس وب ۲.۰ در دهۀ ۲۰۰۰ میلادی، به ارتباط با مشتری و ارائۀ خدمات در بستر رسانه‌های اجتماعی روی آورده است، و استفاده از مدل‌های بلوغ موجود، باعث می‌شود ارزیابی سطح بلوغ هوشمندی و تحلیل کسب‌وکار در این صنعت، بازتاب واقعی بلوغ هوشمندی و تحلیل کسب‌وکار نباشد.

در پژوهش مولر و هارت (۲۰۱۶) به چند مدل از مدل‌های بلوغ کلان‌داده نیز اشاره شده است. آنچه بررسی مدل‌های بلوغ مرتبط با هوشمندی کسب‌وکار نشان می‌دهد، عجین‌بودن بحث مدل‌های بلوغ انبارۀ داده با هوشمندی کسب‌وکار است. تمرکز اصلی انبارۀ داده بر ذخیرۀ داده است و تمرکز اصلی هوشمندی و تحلیل کسب‌وکار بر کنترل داده برای تصمیم‌گیری در سطوح مختلف سازمانی است و بدین‌منظور، ابزارهای مختلف مرتبط با هوشمندی و تحلیل کسب‌وکار به‌منظور گزارش‌گیری، تحلیل، نمایش داده و... ایجاد شده است. ازطرفی، با افزایش حجم، تنوع، سرعت و ارزش مقادیر زیاد داده‌هایی که کسب‌وکارها با آن سروکار دارند، به ظهور روند تحلیل‌های کلان‌داده منجر شده و تحلیل‌های سریع و علم‌داده را به بخشی از هوشمندی کسب‌وکار در سازمان‌هایی که با حجم زیادی از داده سروکار دارند، تبدیل کرده است (رنجان و فروپان[78]، ۲۰۲۱). چن و همکاران (۲۰۱۲) تحلیل‌های کلان‌داده را مسیر جدید پژوهش‌ها در حوزۀ هوشمندی و تحلیل کسب‌وکار می‌دانند و در مطالعۀ چوی و همکاران (۲۰۲۰) این‌طور بیان شده است که برخی پژوهشگران تمرکز روندهای جدید حوزۀ هوشمندی کسب‌وکار را به‌سمت تحلیل داده‌هایی می‌دانند که مشتری تولید کرده است؛ بنابراین، توجه به زیرساخت‌های فنی و غیرفنی لازم برای تحلیل‌های این نوع داده‌ها در توسعۀ مدل‌های بلوغ هوشمندی و تحلیل کسب‌وکار از اهمیت برخوردار است.

پژوهشگران به شاخص‌های اقتضایی و وضعی نیز در توسعۀ مدل‌های بلوغ توجه کرده‌اند. همان‌طور که می‌توان دید، در مدل‌های متعددی ازجمله نجمی و همکاران (۲۰۱۰)، فدوکی و همکاران (۲۰۱۳)، گاستالدی و همکاران (۲۰۱۸) و بروکز و همکاران (۲۰۱۵) مدل‌های ارائه‌شده باتوجه‌به پیچیدگی‌های صنعتی خاص طراحی شده است. در پژوهش رابر و همکاران (۲۰۱۶) نیز طی یک پژوهش مقایسه‌ای به اهمیت شاخص‌های اقتضایی ازجمله اندازۀ شرکت، نوع صنعت و سطح پیشرفته‌بودن کشور در توسعۀ مدل‌های بلوغ اشاره شده است. توجه به این عوامل باعث می‌شود سازمان‌ها مدل‌هایی متناسب با ویژگی‌های داخلی و خارجی صنعت خود توسعه دهند و سطح بلوغ هوشمندی کسب‌وکار خود را دقیق‌تر ارزیابی کنند. ازطرفی، پژوهشگران می‌توانند با مطالعۀ دقیق شاخص‌هایی که بلوغ را بهتر توصیف می‌کند، به ارائۀ مدل‌هایی با دقت بالا بپردازند. به‌طورکلی، در توسعۀ مدل‌های بلوغ می‌توان ضمن تلاش پژوهشگران برای داشتن رویکرد فنی و غیرفنی به‌طور هم‌زمان تلاش برای درنظرگرفتن پیچیدگی‌های صنعت و محیط و پیشرفت‌های آن را مشاهده کرد.

لاسرادو و همکاران (۲۰۱۵) در مدل عمومی که از مدل بلوغ ارائه کرده‌اند، دو بخش ساختار مدل بلوغ که شامل ابعاد و مراحل بلوغ است و بخش ابزار ارزیابی که شامل پرسشنامه و امتیاز سطوح و ابعاد است، برای یک مدل بلوغ در نظر گرفته‌اند. در بسیاری از مدل‌های ارائه‌شده فقط به ساختار مدل بلوغ دسترسی وجود دارد و برای بهره‌مندی از آن در سازمان، نیازمند توسعۀ پرسشنامه و ابزار ارزیابی متناسب است. در برخی از مدل‌ها ازجمله مدل رابر و همکاران (۲۰۱۶) و گاستالدی و همکاران (۲۰۱۸) و تاحدی مدل بروکز و همکاران (۲۰۱۵) فرایند توسعۀ مدل و همچنین روش ارزیابی سطح بلوغ به‌خوبی توصیف شده است. در پژوهش‌های مرتبط با این مدل‌ها می‌توان اطلاعات خوبی از پرسشنامه‌های طراحی‌شده استخراج کرد و از آن برای ارزیابی بلوغ بهره گرفت؛ اما در سایر پژوهش‌های مرتبط با ارائۀ مدل‌های بلوغ صرفاً می‌توان فرایندها و ابعاد بلوغ را شناسایی کرد؛ بنابراین، باتوجه‌به بررسی انجام‌شده می‌توان دید توجه به این بخش مهم در توسعۀ مدل‌های بلوغ که آن را به ابزاری کاربردی برای سازمان تبدیل می‌کند، از بخش‌های پژوهشی مغفول‌مانده در این حوزه است.

 

۳-۳- فاز سوم: گزارش مرور

گام نهایی پژوهش ارائۀ گزارش مرور و بررسی کیفی آن است. معمولاً مرور نظام‌مند به‌صورت بخشی از پایان‌نامه یا به‌صورت مقاله ارائه می‌شود و مورد بررسی عمیق داوران قرار می‌گیرد. برای ارزیابی سطح کیفی مرور نظام‌مند از ابزار CASP (برنامۀ مهارت ارزیابی حیاتی) که برای ارزیابی کیفیت مرور نظام‌مند[79] طراحی شده، بهره گرفته شده است. باتوجه‌به این شاخص‌ها مرور نظام‌مند حاضر را دو پژوهشگر مستقل ارزیابی کردند و نتایج ارزیابی نشان‌دهندۀ آن است که مرور حاضر ابعاد ده‌گانۀ CASP را دارد.

 

۴- نتایج و پیشنهادها

در پژوهش حاضر مدل‌های بلوغ هوشمندی و تحلیل کسب‌‌وکار از سه منظر مبانی نظری، روش‌شناسی و محتوا بررسی شد. بررسی‌های انجام‌شده نشان می‌دهد مدل‌های بلوغ هوشمندی کسب‌وکار از دو وجه ساختار مدل و ابعادی که مدل را پوشش می‌دهد، نیازمند مبانی نظری است. در پژوهش‌های لارمن و همکاران (۲۰۱۱a و ۲۰۱۱b)، گاستالدی و همکاران (۲۰۱۸) و بروکز و همکاران (۲۰۱۵) می‌توان توجه به پوشش ضعف مدل‌های بلوغ ازنظر مبانی نظری را مشاهده کرد.

همچنین، بررسی‌ها در بخش روش‌شناسی نشان می‌دهد پژوهشگران ضمن توجه به روش‌های شناسایی ابعاد و شاخص‌های مدل، باید به روش‌های اعتبارسنجی مدل نیز توجه کنند. همچنین، باتوجه‌به کاربرد راهبرد علم طراحی در توسعۀ مدل‌های بلوغ، گام‌های آن را به‌طور کامل طی کنندو از ابزار مناسب در توسعه و ارزیابی مدل بهره بگیرند. همان‌طور که در جدول آورده شد، بیشتر مدل‌های علمی با روش‌های توسعۀ کیفی، ارائه شده است. پژوهشگران به‌منظور تعمیم‌پذیری این مدل‌ها می‌توانند به ورود روش‌های توسعۀ کمّی نیز توجه بیشتری داشته باشند. این موضوع ازمنظر نظریه نیز می‌تواند کارآمد باشد و به آزمون زیرساخت‌های نظری مدل کمک زیادی می‌کند.

نتایج پژوهش در بخش بررسی محتوای مدل‌های بلوغ نشان می‌دهد تلاش‌ها درزمینۀ توجه توأمان به ابعاد فنی و غیرفنی در توسعۀ مدل‌های بلوغ وجود دارد. توجه به ابعاد مختلف بلوغ هوشمندی‌ و تحلیل کسب‌وکار باعث می‌شود ارزیابی با دقت بیشتری صورت بگیرد و تلاش برای بهبود وضعیت به‌نحو بهتری انجام شود. توجه به روندهای جدید فناورانه، سازمانی و انسانی و همچنین پیچیدگی‌های خاص صنایع از دیگر روندهای شناسایی‌شده در توسعۀ مدل‌های بلوغ هوشمندی و تحلیل کسب‌وکار است که باید بیشتر مورد توجه قرار بگیرد. ازآنجاکه مدل‌های بلوغ به‌منظور ارزیابی قابلیت‌های هوشمندی و تحلیل کسب‌وکار سازمان با هدف برنامه‌ریزی برای اقدامات بعدی و مقایسۀ سطح پیشرفت سازمان در هرکدام از این ابعاد ارائه می‌شود، دقت در توسعه و درنظرگرفتن فرایندهای دخیل، بسیار مهم است.

باتوجه‌به یافته‌های پژوهش، پیشنهاد می‌شود در پژوهش‌های آتی، برای بررسی مدل‌های بلوغ در هر حوزه‌ای، در کنار بهره‌مندی از مقالات علمی، سایر منابع اطلاعاتی نیز بررسی شود؛ زیرا همان‌طور که پژوهش حاضر نشان داد، بخش مهمی از مدل‌های بلوغ را صنعتگران توسعه داده‌اند و ممکن است در پژوهش‌های علمی به آنها اشاره نشده باشد. همچنین، پیشنهاد می‌شود در پژوهش‌های آتی باتوجه‌به روندهای شناسایی‌شده در پژوهش حاضر، به ارائۀ راهکارهای علمی برای پوشش ضعف‌های مدل‌های بلوغ در حوزۀ مبانی نظری، روش‌شناسی توسعه و ابعاد پوششی مدل پرداخته شود. پیشنهاد می‌شود در پژوهش‌های آتی در کنار بررسی مدل‌های بلوغ هوشمندی و تحلیل کسب‌وکار جدید، مدل‌های بلوغ تحلیل کلان‌داده نیز به‌عنوان حوزه‌ای مرتبط بررسی شود.

 

 [1]. Muller & Hart

 [2]. Chen & Lin

 [3]. Choi et al.

 [4]. Chen et al.

 [5]. George et al.

[6]. Combita Niño et al.

[7]. Carvalho et al.

[8]. Pereira & Serrano

[9]. Hribar Rajterič

[10]. Reis et al.

[11]. Rosemann & De Bruin

[12]. Becker et al.

[13]. Lahrmann et al.

[14]. Chuah & Wong

[15]. Thamir & Theodoulidis

[16]. Strech & Sofaer

[17]. Reinschmidt & Francoise

[18]. Extraction, Transform and Load (ETL)

[19]. Laborie et al.

[20]. Sacu & Spruit

[21]. Muntean et al.

[22]. Chen & Lin

[23]. Lasrado et al.

[24]. Salah et al.

[25]. Pöppelbuß & Röglinger

[26]. Brooks et al.

[27]. Tavallaei et al.

[28]. Keele

[29]. Kitchenham

.[30] برگرفته از Https://Casp-Uk.Net/Casp-Tools-Checklists/

[31]. Nelwati et al.

[32]. Tarhan et al.

[33]. Watson et al.

[34]. Cates et al.

[35]. Spruit & Sacu

[36]. Lukman et al.

[37]. Tan et al.

[38]. Shaaban et al.

[39]. Cosic et al.

[40]. Fedouaki et al.

[41]. Raber et al.

[42]. Gastaldi et al.

[43]. Khuen & Rahman

[44]. Hawking et al.

[45]. Dinter

[46]. Ong & Siew

[47]. Olszak

[48]. Gudfinnsson et al.

[49]. Prieto-Morales et al.

[50]. Boonsiritomachai et al.

[51]. Eybers et al.

[52]. Data Warehousing Stages of Growth

[53]. TDWI

[54]. Eckerson

[55]. Ladder of Business Intelligence (LOBI)

[56]. AMR v2

[57]. Hagerty et al.

[58]. Business Intelligence Maturity Hierarchy

[59]. Deng

[60]. Davenport & Harris

[61]. William & William

[62]. The Americas SAP User Group (ASUG)

[63]. Rayner & Schlegel

[64]. SAS

[65]. Steria Mummert Consulting (SMC)

[66]. Hewlett Packard Business Maturity Model (HP)

[67]. Miller et al.

[68]. BIDM

[69]. EBIM

[70]. SOBIMM

[71]. EBI2M

[72]. Situational Business Intelligence Maturity Model

[73]. DWCMM

[74]. BI&A Competitive Advantage Maturity Model

[75]. Biberoglu & Haddad

[76]. Capability Maturity Model Integration

[77]. Key Process Area

[78]. Ranjan & Foropon

[79]. برگرفته از  https://casp-uk.b-cdn.net/wp-content/uploads/2018/03/CASP-Systematic-Review-Checklist-2018_fillable-form.pdf

 

  1. منابع

    1. اخوان حجازی، سیدمجتبی؛ احمدی‌زاد، آرمان و صبورطینت، امیرحسین (۱۳۹۰). به‌کارگیری مدل بلوغ قابلیت‌های بازاریابی به‌منظور ارزیابی فرایندهای بازاریابی در شرکت ایران ترانسفو. تحقیقات بازاریابی نوین، ۱(۲)، ۶۰-۴۱.
    2. سهرابی، بابک؛ رئیسی‌وانانی، ایمان؛ رونقی، محمدحسین؛ بقراطی، فواد؛ کارگر، محمدحسن و ولی‌پور، محمد (۱۳۹۳). هوشمندی کسبوکار رویکردی جامعه، مؤسسۀ کتاب مهربان نشر.
    3. Becker, J., Knackstedt, R. & Poeppelbuss, J. (2009). Developing maturity models for it management—A procedure model and its application. Business & Information Systems Engineering, 1(3), 213-222.
    4. Biberoglu, E. & Haddad, H. (2002). A Survey of industrial experiences with CMM and the teaching of CMM practices. Journal of Computing Sciences in Colleges Comput, 18(2), 143-152.
    5. Boonsiritomachai, W., McGrath, G. M. & Burgess, S. (2016). Exploring business intelligence and its depth of maturity in Thai SMEs. Cogent Business & Management, 3(1). 1220663.
    6. Brooks, P., El-Gayar, O. & Sarnikar, S. (2013). Towards a business intelligence maturity model for healthcare. 46th Hawaii International Conference on System Sciences, 3807-3816.
    7. Brooks, P., El-Gayar, O. & Sarnikar, S. (2015). A framework for developing a domain specific business intelligence maturity model: Application to healthcare. International Journal of Information Management, 35(3), 337-345.
    8. Carvalho, J. V., Rocha, Á., van de Wetering, R. & Abreu, A. (2019). A Maturity model for hospital information systems. Journal of Business Research, 94, 388-399.
    9. Cates, J. E., Gill, S. S. & Zeituny, N. (2005). The Ladder of Business Intelligence (LOBI): A framework for enterprise IT planning and architecture. International Journal of Business Information Systems, 1(1–2), 220-238.
    10. Chen, H., Chiang, R. H. & Storey, V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 36(4), 1165-1188.
    11. Chen, Y. & Lin, Z. (2021). Business intelligence capabilities and firm performance: A study in China. International Journal of Information Management57, 102232.
    12. Choi, J., Yoon, J., Chung, J., Coh, B. Y. & Lee, J. M. (2020). Social media analytics and business intelligence research: A systematic review. Information Processing & Management57(6), 102279.
    13. Chuah, M. H. & Wong, K. L. (2011a). A review of business intelligence and its maturity models. African Journal of Business Management5(9), 3424-3428.
    14. Chuah, M. H. & Wong, K. L. (2013, December). An enterprise business intelligence maturity model: case study approach. In 2013 International Conference on IT Convergence and Security (ICITCS)(pp. 1-4). IEEE.
    15. Chuah, M. H. M & Wong, K. L. K.L. (2011b). Constructing an enterprise business intelligence maturity model (EBI2M): Applying Delphi method for consensus (prelimary result). 2nd IEEE International Conference on Emergency Management and Management Sciences, 640-643.
    16. Chuah, M. H. & Wong, K. L. (2012). Construct an enterprise business intelligence maturity model (EBI2M) using an integration approach: A conceptual framework. In Business Intelligence-Solution for Business Development. IntechOpen, 1-12.
    17. Combita Niño, H. A., Cómbita Niño, J. P. & Morales Ortega, R. (2020). Business intelligence governance framework in a university: Universidad de la costa case study. International Journal of Information Management, 50, 405-412.
    18. Cosic, R., Shanks, G. & Maynard, S. (2012). Towards a business analytics capability maturity model.
    19. Davenport, T. (2018). DELTA Plus model & five stages of analytics maturity: a primer. Accessed 2021.1.10
    20. Dinter, B. (2012). The maturing of a business intelligence maturity model. 5, 3948-3957.
    21. Eckerson, W. (2004). Gauge your data warehouse maturity. Information Management, 14(11), 34.
    22. Eybers, S., Hattingh, M. J. & Zandamela, O. M. P. (2019). Investigating business intelligence (BI) maturity in an African developing country: A mozambican study. In T. M. Krauss K. Naude F. (Ed.), Communications in Computer and Information Science, 933, 279-294.
    23. Fedouaki, F., Okar, C. & El Alami, S. (2013). A maturity model for business intelligence system project in small and medium-sized enterprises: An empirical investigation. International Journal of Computer Science Issues (IJCSI), 10(6), 61.
    24. Gastaldi, L., Pietrosi, A., Lessanibahri, S., Paparella, M., Scaccianoce, A., Provenzale, G. & Gridelli, B. (2018). Measuring the maturity of business intelligence in healthcare: Supporting the development of a roadmap toward precision medicine within ISMETT hospital. Technological Forecasting and Social Change, 128, 84-103.
    25. George, A., Schmitz, K. & Storey, V. C. (2020). A framework for building mature business intelligence and analytics in organizations. Journal of Database Management (JDM), 31(3), 14-39.
    26. Gudfinnsson, K., Strand, M. & Berndtsson, M. (2015). Analyzing business intelligence maturity. Journal of Decision Systems, 24(1), 37–54.
    27. Hawking, P. (2011a). Business intelligence excellence: A company’s journey to Business Intelligence maturity. 17th Americas Conference on Information Systems 2011, AMCIS 2011, 1, 565-572.
    28. Hawking, P., Jovanovic, R. & Sellitto, C. (2011). Business Intelligence Maturity in Australia. 1, 605-613.
    29. Hribar Rajterič, I. (2010). Overview of business intelligence maturity models. Management: Journal of Contemporary Management Issues, 15(1), 47-67.
    30. Keele, S. (2007). Guidelines for performing systematic literature reviews in software engineering(Vol. 5). Technical report, Ver. 2.3 EBSE Technical Report. EBSE.
    31. Khatibi, V., Keramati, A. & Shirazi, F. (2020). Deployment of a business intelligence model to evaluate Iranian national higher education. Social Sciences & Humanities Open, 2(1), 100056.
    32. Khuen, C. W. & Rehman, M. (2018). A maturity model for implementation of enterprise business intelligence systems. In Mobile and Wireless Technologies 2017 (Vol. 425).
    33. Kitchenham, B. & Brereton, P. (2013). A systematic review of systematic review process research in software engineering. Information and Software Technology55(12), 2049-2075.
    34. Laborie, S., Ravat, F., Song & Teste, O. (2015). Combining Business Intelligence with Semantic Web: Overview and Challenges. Presented at the 33eme Congrès sur l’INFormatique des Organisations et Systemes d’Information et de Decision, Biarritz, France.
    35. Lahrmann, G., Marx, F., Mettler, T., Winter, R. & Wortmann, F. (2011a). Inductive design of maturity models: Applying the Rasch algorithm for design science research. In Jain, H and Sinha, AP and Vitharana, P (Ed.), Service-Oriented Perspectives In Design Science Research: 6th International Conference: 6629 LNCS (p. 176+).
    36. Lahrmann, G., Marx, F., Winter, R. & Wortmann, F. (2010). Business intelligence maturity models: An overview. Presented at the Proceedings of the VII Conference of the Italian Chapter of AIS, Naples, Italy.
    37. Lahrmann, G., Marx, F., Winter, R. & Wortmann, F. (2011b). Business Intelligence Maturity: Development and Evaluation of a Theoretical Model. 2011 44th Hawaii International Conference on System Sciences, 1-10.
    38. Lasrado, L. A., Vatrapu, R. & Andersen, K. N. (2015). Maturity models development, IS research: A literature Review, 6(6).

     https://aisel.aisnet.org/iris2015/6

    1. LaValle, S., Hopkins, M. S., Lesser, E., Shockley, R. & Kruschwitz, N. (2010). Analytics: The new path to value. MIT Sloan Management Review52(1), 1-25.
    2. Lukman, T., Hackney, R., Popovič, A., Jaklič, J., Irani, Z., Popovic, A., … Irani, Z. (2011). Business intelligence maturity: The economic transitional context within Slovenia. Information Systems Management, 28(3, SI), 211-222.
    3. Microsoft (2007), Infrastructure Optimization, Retrieved from

    http://download.microsoft.com/download/5/e/d/5edfee70-053a-434f-83e7-e9c9194174b4/IO/HLAVNE_INFO/io_model_all_white_paper_engl.docx

    1. Miller, L., Schiller, D. & Rhone, M. (2011). Data warehouse maturity assessment service.  In.
    2. Muller, L. & Hart, M. (2016). Updating business intelligence and analytics maturity models for new developments. In Liu, S And Delibasic, B And Oderanti, F (Ed.), Decision Support Systems Vi - Addressing Sustainability And Societal Challenges (Pp. 137-151).
    3. Muntean, M., Cabău, L. G. & Rinciog, V. (2014). Social business intelligence: A new perspective for decision makers. Procedia-Social and Behavioral Sciences124, 562-567.
    4. Najmi, M., Sepehri, M. & Hashemi, S. (2010). The evaluation of Business Intelligence maturity level in Iranian banking industry. IEEE 17Th International Conference on Industrial Engineering and Engineering Management, 466-470.
    5. Nelwati, Abdullah, K. L. & Chan, C. M. (2018). A systematic review of qualitative studies exploring peer learning experiences of undergraduate nursing students. Nurse Education Today, 71, 185-192.
    6. Olszak, C. M. (2013). Assessment of business intelligence maturity in the selected organizations. Federated Conference on Computer Science and Information Systems, 951-958.
    7. Olszak, C. M. (2016). Toward better understanding and use of business intelligence in organizations. Information Systems Management, 33(2), 105-123.
    8. Ong, I. L. & Siew, P. H. (2013). An empirical analysis on business intelligence maturity in Malaysian organizations. International Journal of Information System and Engineering, 1(1), 1-10.
    9. Ong, I. L., Siew, P. H. & Wong, S. F. (2011). Assessing organizational business intelligence maturity. ICIMU Proceedings of the 5th International Conference on Information Technology & Multimedia, 1-6.
    10. Pereira, R. & Serrano, J. (2020). A review of methods used on IT maturity models development: A systematic literature review and a critical analysis. Journal of Information Technology35(2), 161-178.
    11. Pöppelbuß, J., & Röglinger, M. (2011). What makes a useful maturity model? A framework of general design principles for maturity models and its demonstration in business process management. ECIS 2011 Proceedings. 28.

    https://aisel.aisnet.org/ecis2011/28

    1. Prieto-Morales, R. D., Meneses-Villegas, C. J. & Vega-Zepeda, V. R. (2015). GMM-BI: A methodological guide to improve organizacional maturity in Business Intelligence. Revista Facultad de Ingenieria, 2015(76), 7-18.
    2. Raber, D., Winter, R. & Wortmann, F. (2012). Using quantitative analyses to construct a capability maturity model for business intelligence. 45th Hawaii International Conference on System Sciences, 4219-4228.
    3. Raber, D., Wortmann, F. & Winter, R. (2013a). Situational business intelligence maturity models: An exploratory analysis. 46th Hawaii International Conference on System Sciences, 3797-3806.
    4. Ranjan, J. & Foropon, C. (2021). Big data analytics in building the competitive intelligence of organizations. International Journal of Information Management56, 102-123.
    5. Reinschmidt, J. & Francoise, A. (2000). Business intelligence certification guide. IBM International Technical Support Organisation.
    6. Reis, T. L., Mathias, M. A. S. & de Oliveira, O. J. (2017). Maturity models: Identifying the state-of-the-art and the scientific gaps from a bibliometric study. Scientometrics110(2), 643-672.
    7. Rosemann, M. & De Bruin, T. (2005). Towards a business process management maturity model. ECIS 2005 Proceedings of the Thirteenth European Conference on Information Systems(pp. 1-12).
    8. Sacu, C. & Spruit, M. R. (2010). BIDM-The Business Intelligence Development Model, 288-293.
    9. Salah, D., Paige, R. & Cairns, P. (2014, December). An evaluation template for expert review of maturity models. International Conference on Product-Focused Software Process Improvement (pp. 318-321). Springer, Cham.
    10. SAS (2009). Information evolution model Retrieved from

     https://www.sas.com/software/iem/

    1. Shaaban, E., Helmy, Y., Khedr, A. & Nasr, M. (2011). Business intelligence maturity models: Toward new integrated model. The International Arab Conference on Information Technology (ACIT ’11), 2011-December.
    2. Spruit, M. & Sacu, C. (2015). DWCMM: The Data Warehouse Capability Maturity Model. Journal of Universal Computer Science, 21(11), 1508-1534.
    3. Strech, D. & Sofaer, N. (2012). How to write a systematic review of reasons. Journal of Medical Ethics38(2), 121-126.
    4. Tan, C. S., Sim, Y. W. & Yeoh, W. (2011). A maturity model of enterprise business intelligence. Communications of the IBIMA, 2011(417812), 1-11.
    5. Tarhan, A., Turetken, O. & Reijers, H. A. (2016). Business process maturity models: A systematic literature review. Information and Software Technology, 75, 122–134.
    6. Tavallaei, R., Shokohyar, S., Moosavi, S. M. & Sarfi, Z. (2015). Assessing the evaluation models of business intelligence maturity and presenting an optimized model. International Journal of Management, Accounting and Economics, 2(9), 1005-1019.
    7. Thamir, A. & Theodoulidis, B. (2013). Business intelligence maturity models: Information management perspective. In R. Skersys, T and Butleris, R and Butkiene (Ed.), Information And Software Technologies (Icist 2013), 198-221.
    8. Watson, H., Ariyachandra, T. & Matyska, R. J. (2001). Data warehousing stages of growth. Information Systems Management, 18(3), 42-50.
    9. Williams, S. & Williams, N. (2010). The profit impact of business intelligence. Elsevier.