تجزیه و تحلیل داده‌های کلان و عملکرد شرکت: اثرات قابلیت‌های پویا

با توجه به دیدگاه مبتنی بر منابع و ادبیات در مورد تجزیه و تحلیل داده‌های بزرگ (BDA)، سیستم اطلاعاتی(IS)و ارزش کسب‌وکار فن‌آوری اطلاعات(IT) ، این مطالعه یک مدل قابلیت تجزیه و تحلیل داده‌های بزرگ (BDAC)ارایه می‌دهد. این مطالعه جریان های تحقیقاتی بالا را با بررسی اثرات مستقیم BDAC بر عملکرد شرکت (FPER) و همچنین تاثیرات میانجی از قابلیت های پویای پردازش گرا (PODC) بر رابطه بین BDAC و FPER گسترش می دهد. برای آزمودن مدل تحقیق پیشنهادی ما، از یک پیمایش آنلاین برای جمع‌آوری داده‌ها از ۲۹۷ مدیر فن‌آوری اطلاعات و تحلیلگران کسب‌وکار چینی با داده‌های بزرگ و تجربه تحلیلی کسب‌وکار استفاده کردیم. یافته‌ها ارزش مفهوم‌سازی درهم‌تنیدگی مدل سلسله مراتبی را تایید می‌کند، که تاثیرات مستقیم و غیر مستقیم بر FPER دارد. نتایج همچنین نقش میانجی قوی PODC را در بهبود بینش و افزایش FPER تأیید می کند. در نهایت، مفاهیم مربوط به عمل و تحقیق مورد بحث قرار می‌گیرند.

Drawing on the resource-based view and the literature on big data analytics (BDA), information system (IS) success and the business value of information technology (IT), this study proposes a big data analytics capability (BDAC) model. The study extends the above research streams by examining the direct effects of BDAC on firm performance (FPER), as well as the mediating effects of process-oriented dynamic capabilities (PODC) on the relationship between BDAC and FPER. To test our proposed research model, we used an online survey to collect data from 297 Chinese IT managers and business analysts with big data and business analytic experience. The findings confirm the value of the entanglement conceptualization of the hierarchical BDAC model, which has both direct and indirect impacts on FPER. The results also confirm the strong mediating role of PODC in improving insights and enhancing FPER. Finally, implications for practice and research are discussed.