VAASA YLIOPISTO KAUPPATIETEELLIE TIEDEKUTA LASKETATOIME JA RAHOITUKSE LAITOS Hannele Naatula D&M- ja EUCS-VIITEKEHYSTE AALOGIOIDE SOVELTAMIE BUSIESS ITELLIGECE -IVESTOITIE SUORITUSKYVY MITTAAMISEE Laskentatoimen ja rahoituksen pro gradu -tutkielma Laskentatoimen ja rahoituksen yleinen linja VAASA 2010 1 SISÄLLYSLUETTELO sivu 1. JOHDATO 17 1.1. Tutkielman tarkoitus 20 1.2. Tutkielman rakenne 21 2. AIKAISEMPIA TUTKIMUKSIA JA HYPOTEESIT 23 2.1. IT-investointien suorituskyvyn mittaaminen laskentatoimen kirjallisuudessa 23 2.2. D&M- ja EUCS-viitekehykset suorituskyvyn mittareina 26 2.2.1. D&M-viitekehys 27 2.2.2. Käyttäjätyytyväisyys ja EUCS-viitekehys 29 2.2.3. D&M- ja EUCS-viitekehyksiä soveltavia tutkimuksia tutkielman ja business intelligencen lähikonteksteissa 33 2.3. Kotimaisia business intelligence -tutkimuksia 35 2.4. Hypoteesit 37 3. BUSIESS ITELLIGECE -IVESTOIIT 41 3.1. Business intelligence -investoinnin määritelmä 41 3.2. Business intelligence -prosessit 43 3.2.1. Business intelligencen implementointi- ja hyödyntämis- prosessi 43 3.2.2. Business intelligencen arvoketju 46 3.3. Business intelligence -tietojärjestelmät 49 3.4. Business intelligence -informaation loppukäyttöön liittyviä ominaispiirteitä 53 3.4.1. Tietojärjestelmään ja informaatioon liittyviä tekijöitä 54 3.4.2. Käyttöpalveluihin liittyviä tekijöitä 58 4. BUSIESS ITELLIGECE MITTARISTO 63 4.1. Mittausmenetelmät 63 4.1.1. Organisaation suorituskyvyn mittarit 63 4.1.2. Henkilökohtaisten hyötyjen mittarit 66 3 4.1.3. Hypoteettinen BI-EUCS-viitekehys ja käyttäjä- tyytyväisyyden mittarit 69 4.2. Analyysimenetelmät 74 4.2.1. Keskiarvot ja keskiarvotesti 74 4.2.2. Pääkomponentti- ja faktorianalyysit 75 4.2.3. Korrelaatioanalyysi 78 5. MITTARISTO SOVELTAMIE JA TUTKIMUSTULOKSET 80 5.1. Kyselytutkimus 80 5.2. Tutkimusaineisto 81 5.3. Tutkimustulokset 84 5.3.1. Business intelligence -järjestelmän käyttöönoton vaikutus organisaation suorituskykyyn 84 5.3.2. Havaitut loppukäyttäjän henkilökohtaiset hyödyt 86 5.3.3. Henkilökohtaisten hyötyjen pääkomponentit ja yhteys organisaation suorituskykyyn 90 5.3.4. Hypoteettisen BI-EUCS-viitekehyksen validiteetti 93 5.3.5. Havaittu loppukäyttäjän käyttäjätyytyväisyys 94 5.3.6. Käyttäjätyytyväisyyden pääkomponentit ja yhteys henkilökohtaisiin hyötyihin 99 6. YHTEEVETO 103 LÄHDELUETTELO 108 LIITTEET 121 5 KUVIOLUETTELO sivu Kuvio 1. Alkuperäinen D&M-viitekehys. 28 Kuvio 2. Loppukäyttäjäympäristö Dollin & Torkzadehin mukaan. 31 Kuvio 3. Alkuperäinen EUCS-viitekehys. 32 Kuvio 4. Tutkielmassa sovellettava business intelligencen mittaristo. 40 Kuvio 5. Business intelligence -investoinnin käsite. 42 Kuvio 6. Business intelligencen implementointi- ja hyödyntämisprosessi. 44 Kuvio 7. Business intelligencen arvoketju. 47 Kuvio 8. Business intelligence -järjestelmän arkkitehtuuri. 51 Kuvio 9. TDWI:n Business intelligence -järjestelmien kypsyysmalli ja ROI. 52 Kuvio 10. Yrityksen taloudellisen suorituskyvyn perustekijät: kannattavuus, maksuvalmius ja vakavaraisuus. 64 Kuvio 11. Business intelligence -järjestelmän loppukäyttäjäympäristö. 70 Kuvio 12. Hypoteettinen BI-EUCS-viitekehys ja käyttäjätyytyväisyyden mittarit. 73 Kuvio 13. Henkilökohtaisten hyötyjen muuttujien HH01–HH10 (BI) ja niitä Moreaun (2006) tutkimuksessa vastanneiden muuttujien (IDSS) keskiarvojen vertailu. 89 Kuvio 14. Joidenkin käyttäjätyytyväisyyden muuttujien (BI) ja niitä Moreaun (2006) tutkimuksessa (IDSS) ja Shinin (2003) tutkimuksessa (DW) vastanneiden muuttujien keskiarvojen vertailu. 98 7 TAULUKKOLUETTELO sivu Taulukko 1. Organisaation suorituskyvyn mittarit. 65 Taulukko 2. Henkilökohtaisten hyötyjen mittarit. 68 Taulukko 3. Saadut vastaukset organisaatioittain. 82 Taulukko 4. Organisaation suorituskyvyn muuttujien tilastolliset tunnusluvut. 85 Taulukko 5. Keskimääräistä korkeamman tai korkean keskiarvon saaneet henkilökohtaisten hyötyjen muuttujat (12). 86 Taulukko 6. Matalan tai keskimääräistä matalamman keskiarvon saaneet henkilökohtaisten hyötyjen muuttujat (5). 87 Taulukko 7. Henkilökohtaisten hyötyjen viiden pääkomponentin keskiarvot, keskihajonnat ja varianssit. 91 Taulukko 8. Henkilökohtaisten hyötyjen pääkomponenttien ja organisaation suorituskyvyn väliset korrelaatiot. 92 Taulukko 9. Keskimääräistä korkeamman tai korkean keskiarvon saaneet käyttäjätyytyväisyyden muuttujat (21). 95 Taulukko 10. Keskimääräistä matalamman keskiarvon saaneet käyttäjätyytyväi- syyden muuttujat (9). 96 Taulukko 11. Käyttäjätyytyväisyyden viiden pääkomponentin keskiarvot, keski- hajonnat ja varianssit. 101 Taulukko 12. Käyttäjätyytyväisyyden viiden pääkomponentin ja kolmen organi- saation suorituskyvyn kanssa korreloineen henkilökohtaisten hyö- tyjen pääkomponentin väliset korrelaatiot. 101 9 LIITELUETTELO sivu Liite 1. Perusmuotoinen tutkimuskutsu 121 Liite 2. Kyselylomake 122 Liite 3. Taustamuuttujien frekvenssitaulukot 128 Liite 4. Organisaation suorituskyvyn muuttujien t-testin tulokset 130 Liite 5. Keskimääräistä matalamman keskiarvon saaneiden henkilökoh- taisten hyötyjen muuttujien t-testin tulokset 131 Liite 6. Henkilökohtaisten hyötyjen pääkomponenttien ominaisarvojen scree-kuvio 132 Liite 7. Henkilökohtaisten hyötyjen muuttujien latautuminen viidelle pää- komponentille ja pääkomponenttien Cronbachin alfan arvot 133 Liite 8. Henkilökohtaisten hyötyjen pääkomponenttien ja organisaation suorituskyvyn väliset hajontakuviot 135 Liite 9. Alkuperäisten EUCS-muuttujien (12) latautuminen kolmelle fak- torille 136 Liite 10. Keskimääräistä matalamman keskiarvon saaneiden käyttäjätyyty- väisyyden muuttujien t-testin tulokset 137 Liite 11. Käyttäjätyytyväisyyden pääkomponenttien ominaisarvojen scree- kuvio 139 Liite 12. Käyttäjätyytyväisyyttä mittaavien muuttujien latautuminen viidelle pääkomponentille ja pääkomponenttien Cronbachin alfan arvot 140 Liite 13. Käyttäjätyytyväisyyden pääkomponenttien ja henkilökohtaisten hyötyjen pääkomponenttien väliset hajontakuviot 143 11 LYHEELUETTELO BARC Business Application Research Center saksalainen markkinatutkimus- yhtiö BI business intelligence liiketoimintatiedon hallinta1 BICC business intelligence competence business intelligence - center osaamiskeskus BI-EUCS business intelligence end user business intelligence - computing satisfaction järjestelmän loppukäyttäjän tyytyväisyys CBA cost-benefit analysis kustannus-hyötyanalyysi CFA confirmatory factor analysis konfirmatorinen faktorianalyysi CSF critical success factor kriittinen menestystekijä CUS computer user satisfaction tietokoneen käyttäjätyytyväisyys D&M DeLone & McLean yhdysvaltalaisten kehittäjiensä mukaan nimetty tietojärjestelmien onnistumismittaristo DPMS dynamic performance measurement dynaaminen suorituskyvyn system mittausmalli DSS decision support system päätöksenteon tukijärjestelmä DW data warehouse, data warehousing tietovarasto, tietovarastointi EDW enterprise data warehouse keskitetty tietovarasto EFA exploratory factor analysis eksploratiivinen faktorianalyysi EIS executive information system ylimmän johdon tietojärjestelmä ERP enterprise resource planning toiminnanohjaus ESS executive support system ylimmän johdon tukijärjestelmä ETL extract, transform and load poiminta, muunnos ja lataus EUCS end user computing satisfaction tietokoneen loppukäyttäjän tyytyväisyys EVA economic value-added taloudellinen lisäarvo FA factor analysis faktorianalyysi 1 Tampereen teknillisen yliopiston lanseeraama suomennos business intelligenceen sisältyvälle käytännön tietotyölle 13 GDSS group decision support system ryhmäpäätöksenteon tukijärjestelmä IDSS intelligent decision support system älykäs päätöksenteon tukijärjestelmä IE information economics informaatiotalous IRR internal rate of return sisäinen korkokanta IT information technology tietoteknologia MDS management decision system johdon päätöksenteon järjestelmä MIS management information system keskijohdon tietojärjestelmä NPV net present value nettonykyarvo OLAP on-line analytical processing suora analyyttinen prosessointi OLTP on-line transaction processing suora tapahtumien prosessointi PCA principal component analysis pääkomponenttianalyysi PLS partial least squares osittaiset pienimmät neliösummat PMSSI performance measurement system for palvelualojen service industries suorituskykymittaristo PP payback period takaisinmaksuaika PPS performance pyramid system suorituskykypyramidi ROI return on investment sijoitetun pääoman tuotto SEM structural equation modeling rakenneyhtälömallinnus SOM self-organizing map itseorganisoituva kartta SPSS Statistical Package for the Social Sciences tilasto-ohjelmisto SQL structured query language rakenteellinen kyselykieli TCO total cost of ownership omistamisen kokonaiskustannus TDWI The Data Warehousing Institute yhdysvaltalainen DW/BI-alan koulutusyhtiö UIS user information satisfaction tiedon käyttäjän tyytyväisyys 15 VAASA YLIOPISTO Kauppatieteellinen tiedekunta Tekijä: Hannele Naatula Tutkielman nimi: D&M- ja EUCS-viitekehysten analogioiden soveltaminen business intelligence -investoin- tien suorituskyvyn mittaamiseen Ohjaajat: Aapo Länsiluoto, Erkki K. Laitinen Tutkinto: Kauppatieteiden maisteri Laitos: Laskentatoimen ja rahoituksen laitos Oppiaine: Laskentatoimi ja rahoitus Linja: Laskentatoimen ja rahoituksen yleinen linja Valmistumisvuosi: 2010 Sivumäärä: 144 TIIVISTELMÄ Pirttimäen (2007) väitöstutkimuksen mukaan suomalaiset suuryritykset ovat useista eri syistä tyytymättömiä business intelligencen soveltamiseen. Näistä syistä keskeisimpiä ovat business intelligencen liiketaloudellisten mittareiden puuttuminen ja se, että huo- mattava osa investoinneista kohdistuu teknisiin järjestelmiin inhimillisten tekijöiden jäädessä vähemmälle huomiolle. Tämän pro gradu -tutkielman tarkoituksena oli tutkia, kuinka business intelligence -tie- tojärjestelmän käyttöönotto vaikuttaa organisaation suorituskykyyn. Asiaa tutkittiin mittaamalla informaation loppukäyttäjän henkilökohtaisia hyötyjä ja käyttäjätyytyväi- syyttä business intelligence –investoinneissa. Mittausmenetelminä olivat subjektiivinen, D&M- ja EUCS-viitekehysten analogioita soveltanut suorituskyvyn mittaristo ja kyselytutkimus. Tutkimusaineiston muodosti 11 organisaatiota ja 56 business intelligence -informaation loppukäyttäjää. Edustetuim- pana business intelligence -järjestelmien sovellusalueena aineistossa oli taloushallinto (19 %). Analyysimenetelminä käytettiin tavanomaisia tilastollisia menetelmiä. Tutkimustulosten mukaan loppukäyttäjät olivat järjestelmiin keskimäärin tyytyväisiä, ja järjestelmät paransivat erityisesti loppukäyttäjän päätöksenteon laatua ja ammatillista itsetuntoa. Toisaalta he kokivat järjestelmien käyttöönoton uhkaavan asemaansa organi- saatiossa sekä lisäävän työmäärään ja työssä jaksamiseen liittyvää huolta. Tilastollisesti suuntaa-antavaa tyytymättömyyttä aiheuttivat erityisesti koulutus ja yhteistyön organi- sointi järjestelmien kehittäjien kanssa. Tutkielmassa saatiin myös näyttöä järjestelmien suhteellisen vähäisistä loppukäyttäjämääristä ja siten alhaisesta hyödyntämisasteesta. Tulokset tukivat näkemystä, jonka mukaan business intelligence -järjestelmän käyt- töönotto parantaa organisaation suorituskykyä. Loppukäyttäjän henkilökohtaisista hyö- dyistä erityisesti ammatillisella itsetunnolla, päätöksenteon laadulla ja suhtautumisella työhön havaittiin olleen positiivinen yhteys organisaation suorituskykyyn. Vastaavasti käyttäjätyytyväisyyden tekijöistä informaation laadulla, organisaation tuella, lähipalve- luilla ja käytön helppoudella oli positiivinen yhteys henkilökohtaisiin hyötyihin. Kehit- tämällä business intelligence -prosesseja loppukäyttäjäkeskeisesti nämä tekijät huomi- oiden saatetaan pystyä parantamaan organisaation suorituskykyä. Tuloksia ei voida yleistää koskemaan suomalaisten business intelligenceä hyödyntävien organisaatioiden ja loppukäyttäjien perusjoukkoa. AVAISAAT: aineeton pääoma, business intelligence, tietojärjestelmät, mittaus 17 1. JOHDATO Olemme siirtymässä globaaliin innovaatiotalouteen, jossa talouskasvu ja yritysten kil- pailukyky perustuvat aineettomaan pääomaan2 ja työn uudenlaiseen globaaliin organi- sointiin3 (Ahola & Rautiainen 2009: 95–96, Marr ym. 2004: 312). Olennaisen osan ai- neettomasta pääomasta muodostaa osaavan henkilöstön älyllinen tai inhimillinen tieto- pääoma, jonka merkitys tuotannontekijänä kasvaa edelleen (Maliranta & Huovari 2008: 45, Marr, Schiuma & Neely 2004: 314)4. Business intelligence (BI) on keskeinen tietopääomaan liittyvä käsite5. BI voidaan määritellä sekä päätöksentekoa tukevaksi tiedon jalostusprosessiksi että sen tuloksena saavutettavaksi tiedon tasoksi (Powell 1996: 161–162, Brohman, Parent, Pearce & Wade 2000, Pirttimäki & Hannula 2003, Pirttimäki 2007: 71–77). BI:llä tarkoitetaan toimintaa, jossa tietoisesti kerätään liiketoimintaan ja liiketoimintaympäristöön liittyvää tietoa, tulkitaan ja analysoidaan sitä, arvioidaan tiedon merkitystä ja käytetään analy- soitua tietoa päätöksenteon tukena (Hannula 2009 a: 12). Perusajatuksena on esittää oikea tieto, oikeaan aikaan, oikeassa muodossa ja oikeille henkilöille (Halonen & Han- nula 2007: 4). BI kehittyi alun perin ylimmän johdon käyttöön strategisen päätöksen- teon tueksi, mistä se on kehittynyt edelleen kohti operatiivista toimintaa. Käytännön liike-elämässä BI:n termillä on teknologinen leima, ja sillä voidaan myös tarkoittaa 2 Stewart määritteli arvostetussa artikkelissaan vuonna 1991 aineettoman pääoman seuraavasti: ”Jokainen yritys on yhä enenevässä määrin riippuvainen tiedosta – patenteista, prosesseista, johtamistaidoista, tek- nologioista, asiakas- ja toimittajainformaatiosta ja kokemuksesta. Kaikki se tieto yhteensä on yhtä kuin aineeton pääoma.” (Marr, Schiuma & Neely 2004: 314) 3 Aineettomat investoinnit suomalaisissa yrityksissä ovat saavuttaneet aineellisten investointien tason ja ehkä ylittäneetkin sen. (Maliranta & Huovari 2008: 45) 4 Globaalissa innovaatiotaloudessa kestävää kilpailuetua ei voida luoda pelkkien hyvien tuotteiden tai palveluiden avulla, sillä ne ovat helposti kilpailijoiden kopioitavissa. Globaaleilla markkinoilla vain har- vat konseptit ja kaavat eivät ole yleisesti saatavilla. Yritykset voivat kuitenkin saavuttaa kestävää kil- pailukykyä tietopääomansa avulla, jos ne onnistuvat jatkuvasti tuottamaan ja tuotteistamaan sellaisia uusia ideoita koko yrityksen käyttöön, jotka eivät ole kilpailijoiden käytettävissä. Innovaatioiden tuotta- minen edellyttää paitsi laadukasta tietoa, myös kykyä jakaa sitä edelleen koko henkilöstölle ja hyödyntää sitä kaikessa toiminnassa. Kilpailukyvyn säilyttämisen kannalta on tärkeää, että yrityksissä oleva tieto ei palvele ainoastaan liikkeenjohtoa. Jokaisella henkilöstöön kuuluvalla on oltava mahdollisuus hyödyntää sitä päivittäisten pienten päätösten teossa (Ståhle & Grönroos 1999: 48–50, Davenport & Prusak 2000: 16–17, Liautaud 2000: 95–96). Brobst (2009) määrittelee tiedon käyttäjiksi myös organisaatioiden ulkoi- set käyttäjät, kuten toimittajat, asiakkaat, jakelijat ja hallinnolliset virastot. 5 Englanninkieliselle termille business intelligence on ollut yrityksistä huolimatta vaikea löytää hyvää suomennosta (Hovi, Hervonen & Koistinen 2009: 78). Usein käytetty suomennos on liiketoimintatiedon hallinta, joka kuitenkin on käännös vain käytännön tietotyölle (Hannula 2009 a: 8). Siinäkin merkitykses- sään sitä rasittaa yleinen luonne, sillä lähes kaikki yritysten tietojärjestelmät hallitsevat liiketoimintaan liittyvää tietoa. Englanninkielinen termi on jossain määrin vakiintunut myös suomalaisten käyttöön, ja sitä käytetään myös tässä tutkielmassa (Hovi ym. 2009: 78). 18 pelkkää BI-tietojärjestelmää (Rantakari 2008: 23). Yleisimmät BI:iä hyödyntävät toi- minnot organisaatioissa ovat laskentatoimi ja rahoitus (Eckerson 2005: 7). BI:n liiketaloudellisella mittaamisella on useita tehtäviä. Arvon määrittämisen tehtävänä on todistaa BI-investointien tarpeellisuus. BI:stä vastaavat henkilöt tai osastot tarvitse- vat laskelmia oikeuttaakseen toimintaansa tai olemassaoloaan (Lönnqvist & Pirttimäki 2006: 33). BI-prosessin hallinnalla pyritään varmistamaan, että tuotettu informaatio vastaa loppukäyttäjien tarpeita ja prosessi on tehokas. Tavoitteena on jatkuvasti kehittää BI-palvelua ja sen sisältöä (Farbey, Land & Targett 1992: 110, 183, Milis & Mercken 2004: 87, Lönnqvist ym. 2006: 33, Pirttimäki 2007: 78)6. Aineettomaan pääomaan liittyvien resurssien mittaamisen vaikeudet tunnetaan hyvin. Pirttimäki (2007: v) kuvaa väitöstutkimuksessaan suomalaisten suuryritysten BI:n so- veltamiseen kohdistaman tyytymättömyyden syitä seuraavasti: ”… syitä tyytymättömyyteen ovat muun muassa liiketoimintatiedon hallin- nan (BI:n) mittareiden puuttuminen ja se, että huomattava osa toiminnan investoinneista on kohdistunut teknisiin järjestelmiin inhimillisten tekijöi- den jäädessä vähemmälle huomiolle.” BI:n toimintojen ja hyötyjen mittaamisen suurin este on niiden aineeton ja piilevä luonne7. Perinteiset taloudelliset mittarit eivät toiminnallisten rajoitteidensa vuoksi so- vellu niiden mittaamiseen8. Taloudelliset mittarit myös ottavat huomioon vain johdon tavoitteet. Kuitenkin muidenkin osapuolten hyväksyntä ja yhteistyöhalu ovat olennaisia tekijöitä BI-investoinnin onnistumisen kannalta, sillä osapuolten tarpeet korreloivat kes- 6 On myös esitetty, että johdon pitää ymmärtää BI-investointien tuottama taloudellinen hyöty. Muutoin johtajat eivät luota sen informaatioon, ja informaation arvo alenee (Mohanty 2008). 7 BI:n hyötyjen kausaaliketjut ovat moniulotteisia, monimutkaisia ja epävarmoja. Hyödyt realisoituvat välillisesti ja pitkän ajan kuluessa, ja saavutetun tiedon jalostustason tuottamat voitot toteutuvat vasta kaukana tulevaisuudessa. Eri hankkeiden hyödyt myös sekoittuvat toisiinsa (Milis ym. 2004: 90, Pirtti- mäki 2007: 77). Hyötyjen lisäksi myös BI:n kustannukset voivat olla aineettomia tai piileviä. Tietojär- jestelmien kustannuksista huomattava osa jää perinteisten IT-budjettien ulkopuolelle, koska kokonaisia välillisten kustannusten ketjuja jää tyypillisesti huomioimatta. Esimerkkejä tällaisista kustannuksista ovat uuden järjestelmän käyttöönottoa seuraavat väliaikaisesta tehokkuuden laskusta aiheutuvat kustannukset sekä kaikki käyttökustannukset (Milis ym. 2004: 90, Wells 2003). 8 Perinteisiä taloudellisia investoinnin mittareita ovat sijoitetun pääoman tuotto (return on investment, ROI), takaisinmaksuaika (payback period, PP), nettonykyarvo (net present value, NPV) ja sisäinen kor- kokanta (internal rate of return, IRR). Uudempia kvantitatiivisia mittareita ovat muun muassa taloudelli- nen lisäarvo (economic value-added, EVA), omistamisen kokonaiskustannus (total cost of ownership, TCO) ja reaalioptiot. 19 kenään9. Erityisesti käyttäjien laiminlyöminen on haitallista, koska BI-investointien tuottamat hyödyt ovat riippuvaisia käyttäjien innosta ja halukkuudesta. Taloudelliset mittarit suosivat konservatiivisesti alhaisen riskin projekteja ja rankaisevat pitkien lä- päisy- ja takaisinmaksuaikojen investointeja. Strategisiin investointeihin ei uskalleta pa- nostaa, ja innovaatiot nujerretaan10 (Milis ym. 2004: 89–90). Koska osa BI:n kustannuk- sista on hyvin helposti mitattavia, taloudelliset mittarit saattavat kiinnittää huomiota ennemmin kustannusten karsimiseen kuin arvon muodostuksen maksimointiin (Epstein & Buhovac 2009: 45). Mittaamisen haasteita lisää se, että BI:iä sovelletaan organisaati- oissa hyvin eri tavoin. BI-ratkaisut kehitetään tapauskohtaisesti, ja kukin niistä on erilai- nen, minkä vuoksi myös mittareita on kehitettävä ja mukautettava tapauskohtaisesti. Käytännössä BI:n mittaaminen kohtaa myös organisatorisia esteitä.11 Perinteiset taloudelliset mittarit säilyttävät suosionsa myös tulevaisuudessa, mutta nii- den rinnalle yrityksissä on yhä enenevässä määrin otettu käyttöön ei-taloudellisia mitta- reita 12 (Hyvönen 2008, Bontis & Serenko 2009: 53). Todennäköisesti objektiivisista ja subjektiivisista mittareista13 saadaan suurimmat hyödyt silloin kun ne täydentävät toisi- aan. Subjektiiviset mittarit sopivat erityisesti mittauskohteisiin, joissa inhimillinen tekijä on ratkaisevassa asemassa. Ne voivat tarjota näkökulman tärkeimpiin aineettomiin mit- tauskohteisiin ja siten tuottaa hyödyllisempää informaatiota kuin objektiiviset mittarit. Subjektiiviset mittarit ottavat huomioon erilaisten tiedon käyttäjien heterogeeniset tar- peet. Niiden arvot eivät ole kalliita tuottaa eivätkä manipuloitavissa kuten alun perin 9 BI-investoinnissa on osallisena useita eri osapuolia, joilla jokaisella on omat tavoitteensa ja odotuk- sensa. Niitä ovat emo-organisaatio, käyttäjät, projektiryhmä, tukijat ja sidosryhmät. (Milis ym. 2004: 89) 10 Tämä koskee eritoten projekteja, jotka esittelevät uutta teknologiaa. Korkean riskin ja pitkän takaisin- maksuajan kombinaatio voi kallistaa päätöksentekoa kohti järjettömän lyhytaikaisia ratkaisuja. Perintei- siin menetelmiin luottaminen voi johtaa liian konservatiiviseen investointiportfolioon ja kilpailukyvyssä häviämiseen. (Milis ym. 2004: 90) 11 Investoinnin arvioimisen merkitystä saatetaan vähätellä silloin, kun BI-järjestelmä halutaan rakentaa joka tapauksessa, tilanteessa ei ole muita mahdollisuuksia tai kustannus ei ole olennainen (Powell 1992: 29). Yleinen on myös uskomus, että BI-investoinnit eivät sovellu formaalin arvioinnin kohteeksi. Käy- tännössä BI-investointien luokittelemista strategisiksi investoinneiksi käytetään välineenä arviointiproses- sin välttämiseksi (Powell 1992: 37). 12 Ei-taloudelliset mittarit kuvaavat tuotannollisia ja toiminnallisia ei-rahamääräisiä menestystekijöitä. Käsitteitä ei-taloudelliset mittarit ja suorituskykymittarit käytetään usein synonyymeinä. Suorituskyky- mittarit mittaavat täsmällisesti määritellyllä tavalla tietyn menestystekijän tuotannollista tai toiminnallista suorituskykyä. Suorituskykymittarit ovat yleensä ennustavia mittareita (leading measures). Ne tarjoavat tietoa siitä miten viiveellisten taloudellisten mittareiden (lagging measures) arvojen voidaan odottaa ke- hittyvän. (Hannula & Lönnqvist 2004: 39–40, 46, Laitinen 2003: 53–55) 13 Mittarit jaetaan objektiivisiin ja subjektiivisiin mittareihin tiedon luonteen mukaan. Objektiiviset mitta- rit ovat riippumattomia tiedon havaitsijasta. Subjektiivisiin mittareihin sisältyy aina havaitsijasta johtuvaa vaikutusta. (Lönnqvist ym. 2006: 39, Jämsen 2001: 38) 20 objektiivisten taloudellisten mittareiden arvot hyötyjen kvantifioinnin seurauksena14. Koska BI:n arvon voidaan katsoa syntyvän vasta informaation loppukäyttäjien myötä- vaikutuksella, he ovat ratkaisevassa asemassa investoinnin taloudellisen arvon muodos- tumisessa. BI-toiminnassa on olennaista, että investointien kohteet tulee optimoida in- formaation loppukäyttäjille. Myös mittaamisen fokuksen tulee olla heissä. 1.1. Tutkielman tarkoitus Tutkielmassa tutkitaan suomalaisorganisaatioiden aineistolla, kuinka BI-järjestelmien käyttöönotto vaikuttaa organisaation suorituskykyyn, onko loppukäyttäjille koituvilla henkilökohtaisilla hyödyillä yhteyttä organisaation suorituskykyyn, ja onko käyttäjä- tyytyväisyydellä vastaavasti yhteyttä henkilökohtaisiin hyötyihin. Samalla tarkastellaan loppukäyttäjien kokemien henkilökohtaisten hyötyjen ja käyttäjätyytyväisyyden tasoa suomalaisorganisaatioissa ja testataan hypoteettisen BI-EUCS-viitekehyksen validiteet- tia BI:n kontekstissa. Mittaamisessa eli tiedonkeruussa sovelletaan subjektiivista mittaristoa, joka muodoste- taan niin ikään aikaisemman tutkimuksen ja kirjallisuuden perusteella. Konstruktiivisen lähestymistavan vaikutteista huolimatta tutkielman tarkoituksena ei ole kehittää val- mista, käytännössä sovellettavaa mittaristoa. Vaikka sovellettava mittaristo muistuttaa rakenteeltaan moniulotteisia mittaristoja tai rakenneyhtälömallinnuksella (structural equation modeling, SEM), kuten PLS-mallinnuksella (partial least squares, osittaiset pienimmät neliösummat), mallinnettavia aitoja kausaalimalleja, se palvelee ainoastaan tutkielman hypoteesien testaamista. Tutkielman lähestymistapa on nomoteettinen. Hy- poteesit johdetaan aikaisemmasta laskentatoimen ja D&M- ja EUCS viitekehyksiä so- veltavasta tutkimuksesta. 14 Kirjallisuudesta löytyy viitteitä siitä, että yksi yleisimmistä BI-järjestelmien arviointiin käytetyistä menetelmistä on kustannus-hyötyanalyysi (cost-benefit analysis, CBA), jota pidetään ROI-laskennan laajennuksena (ks. Hovi ym. 2009: 134, Rantakari 2008: 50, Milis ym. 2004: 88, Seddon, Graeser & Willcocks 2002: 14, Farbey ym. 1992: 114). Siinä pyritään löytämään tai laskemaan kaikille hyödykkeille rahamääräinen arvo ja siten ratkaisemaan aineettomien ja sellaisten hyödykkeiden arvioinnin ongelma, joille ei ole selvää markkina-arvoa tai hintaa (Farbey ym. 1992: 114). Hyötyjen kvantifioimista pidetään kuitenkin aikaa vievänä ja kalliina, ja paljon epävarmuustekijöitä sisältävänä. Investoinnin tekijöitä ei useimmiten edes kyetä arvioimaan kovin tarkasti. 21 Subjektiiviset mittarit eivät pysty osoittamaan BI:n vaikutusten rahallista arvoa, mutta organisaation suorituskyvyn parantumisella voidaan osoittaa BI-investointien tarpeelli- suus. Loppukäyttäjiin liittyvä tieto voi vastaavasti valottaa BI:n onnistumisen edellyt- tämiä inhimillisiä menestystekijöitä, ja siirtää siten huomiota laajemmalle alueelle kuin vain teknisiin seikkoihin. Tieto voi auttaa tukemaan BI:n implementointia ja käyttöä ja löytämään keinoja BI-investoinnin ROI:n maksimoimiseksi. Kuten Rom & Rohde (2007: 56, 61) toteavat; siitä huolimatta, että taloudellinen laskentatoimen informaatio näyttää pystyvän tukemaan ylimmän johdon analyyseja, tietoa yksittäisten projektien yksityiskohdista tarvitaan, jotta taloudellisia lukuja voidaan täysin ymmärtää. 1.2. Tutkielman rakenne Tutkielman rakenne jakautuu päälukujen 1–3 muodostamaan teoriaosaan ja päälukujen 4–6 muodostamaan empiiriseen osaan. Ensimmäinen pääluku sisältää varsinaisen joh- dannon lisäksi tutkielman tarkoituksen ja rakenteen. Johdannossa orientoidaan BI:n ja sen mittaamisen relevanssiin ja problematiikkaan. Tutkielman tarkoituksessa kuvataan kuinka johdannossa esitettyihin ongelmiin pyritään vastaamaan BI:n suorituskykyyn ja loppukäyttäjiin liittyviä tekijöitä mittaamalla ja edelleen hypoteeseja testaamalla. Toinen ja kolmas pääluku perustuvat kirjallisuuteen. Toisessa luvussa esitellään aikai- sempia tutkimuksia usealta alueelta, koska tutkielman aihe on laajahko ja tieteidenväli- nen. Aikaisemmasta tutkimuksesta johdetaan eksplisiittisesti tutkielman hypoteesit ja esitellään tutkielmassa sovelletun BI:n mittariston rakenne. Kolmas luku määrittelee BI- investointien käsitteen ja esittelee empiiriselle osalle olennaisen tärkeitä BI-informaa- tion loppukäyttöön liittyviä erityispiirteitä. Neljännessä pääluvussa kuvataan BI:n mittariston toteutus. Sen puitteissa perustellaan ratkaisut käyttäville mittaus- ja analyysimenetelmille ja esitetään tutkielman hypoteesit tilastollisesti testattavassa muodossa. Mittaristossa on kolme subjektiivisten mittareiden ryhmää: organisaation suorituskyvyn, loppukäyttäjien henkilökohtaisten hyötyjen ja käyttäjätyytyväisyyden mittarit. Organisaatioiden suorituskyvyn mittareina ovat yritys- ten taloudellinen suorituskyky ja julkishallinnon organisaatioiden yhteiskunnallinen 22 vaikuttavuus. Henkilökohtaisten hyötyjen mittareiden esikuva on peräisin DeLonen & McLeanin (1992) kehittämästä D&M-viitekehyksestä. Käyttäjätyytyväisyyden mittarit sisältyvät hypoteettiseen BI-EUCS-viitekehykseen, joka on muunnettu Dollin & Torkzadehin (1988) kehittämästä EUCS-viitekehyksestä. Viidennessä pääluvussa kuvataan mittariston empiirinen soveltaminen ja esitellään tutkimustulokset. Ensin esitellään varsinainen mittaaminen eli tiedonkeruu ja kerätty tutkimusaineisto. Tiedonkeruu suoritetaan kyselytutkimuksella, jonka kohderyhmänä ovat kahden suomalaisen BI-konsultointipalveluja tarjoavan yrityksen asiakas- organisaatioiden BI-loppukäyttäjät. Hypoteesit testataan SPSS Statistics 17.0 -oh- jelmistolla käyttäen tavanomaisia tilastollisia analyysimenetelmiä: keskiarvoja ja kes- kiarvotestiä, faktori- ja pääkomponenttianalyyseja sekä korrelaatioanalyysia. Tutki- mustulokset esitellään hypoteeseittain. Tuloksia verrataan aiemmin esitettyihin aikaisempien tutkimusten tuloksiin. Kuudes pääluku on tutkielman yhteenveto. 23 2. AIKAISEMPIA TUTKIMUKSIA JA HYPOTEESIT Tässä pääluvussa esitellään tutkielman aiheeseen liittyviä aikaisempia tutkimuksia kol- melta eri alueelta. Luvussa 2.1. esitetään laskentatoimen tutkimus, johon tutkielman viitekehys perustuu. Luvussa 2.2. esitellään suorituskykymittauksen näkökulmasta D&M- ja EUCS-viitekehyksiä, joiden analogioita tutkielman mittaristossa sovelletaan. Viitekehykset ovat alun perin kehitetty tietojärjestelmätieteessä, mutta ovat myös las- kentatoimen alalla tunnustettuja (ks. Rom ym. 2007: 44, 58, Länsiluoto 2004, Salonen 2008). Tutkielman taustalla on vaikuttanut myös luvussa 2.3. esiteltävä kotimainen tuo- tantotalouden alalla tehty tutkimus BI:n hyödyntämisestä ja liiketaloudellisesta mittaa- misesta suomalaisyrityksissä. Lopuksi luvussa 2.4. tutkimuksesta johdetaan tutkielman kuusi hypoteesia. Aikaisempien tutkimusten käsittely ei kata tutkimuksia, jotka liittyvät D&M- ja EUCS-tutkimuksen ulkopuolisiin, myöhemmin luvuissa 4.1.2. ja 4.1.3. lisät- täviin yksittäisiin henkilökohtaisten hyötyjen ja käyttäjätyytyväisyyden mittareihin. Ne ovat peräisin tuotantotalouden, tietojärjestelmätieteen, tietotekniikan ja työpsykologian aloilta. 2.1. IT-investointien suorituskyvyn mittaaminen laskentatoimen kirjallisuudessa Samaan aikaan kun yrityksissä on otettu käyttöön ei-taloudellisia mittareita taloudel- listen mittareiden rinnalle, laskentatoimessa on kehittynyt aineettoman pääoman tutki- mus useissa eri tutkimushaaroissa (Bontis ym. 2009: 53). Sen alueelle sijoittuu myös Romin ym. (2007) kokoama kattava katsaus johdon laskentatoimea ja integroituja tie- tojärjestelmiä käsittelevään akateemiseen kirjallisuuteen. Rom ym. (2007: 40–41) muistuttavat, että tietojärjestelmien synty liittyy laskentatoimeen. Ensimmäisillä yrityk- sissä käytetyillä tietojärjestelmillä automatisoitiin kirjanpidon prosesseja. Myöhemmin johdon laskentatoimen ja tietojärjestelmien tutkimus on herännyt uudestaan henkiin integroitujen tietojärjestelmien, kuten ERP-järjestelmien (enterprise resource planning, 24 toiminnanohjaus) tulemisen myötä15. Ne ovat tuoneet mukanaan uusia mahdollisuuksia johdon laskentatoimen tukemiseen. Myös johdon laskentatoimen ja tietojärjestelmien tutkimus on monitahoista. Suhteelli- sen laaja tutkimushaara tutkii IT-investointien suorituskykyvaikutuksia. 1990-luvun alussa tutkijat eivät pystyneet löytämään merkitsevästi positiivista suhdetta IT-inves- tointien ja organisaation suorituskyvyn välillä. Ilmiötä kutsuttiin tuottavuusparadok- siksi 16. Ajan myötä tutkimustulokset alkoivat kuitenkin osoittaa, että IT-investoinneilla on positiivinen vaikutus suorituskykyyn. Nykyinen hypoteesi IT-investointien positiivi- sesta vaikutuksesta on niin sanottu yhdistetty hypoteesi. Kysymys ei enää kuulu onko IT-investoinneilla positiivista vaikutusta suorituskykyyn, vaan milloin ja miksi suori- tuskykyvaikutus on. Tutkimus on pääosin prosessisuuntautunutta, toisin sanoen organi- saation suorituskyvyn ajatellaan parantuvan liiketoimintaprosessien tehostumisen kautta. Suorituskyvyn mittaamiseen sisällytetään nykyisin sekä ennustavat että viiveelli- set mittarit ja kannatetaan siten aiempaa kehittyneempää lähestymistapaa aiheeseen. Suorituskyvyn käsitettä voidaan jopa laajentaa siten, että johdon laskentatoimi käsite- tään ennustavaksi mittariksi (Rom ym. 2007: 44). Alueen tutkimus on tyypillisesti kvantitatiivista ja perustuu joko arkistotietoon tai kyselytutkimukseen. Suorituskykyä mitataan useilla muuttujilla. Tutkimuksessa käytetään laskentatoimen metriikkoja suo- rituskyvyn mittareina, mutta IT-investointien taloudellisia vaikutuksia ei huomioida (Rom ym. 2007: 57). Suosittu suuntaus IT-investointien ja organisaation suorituskyvyn tutkimuksessa on kausaalimallien mallintaminen SEM- ja PLS-menetelmillä (ks. Chin 1997). Suoritusky- kyä mitataan myös D&M-viitekehyksen tai Kaplanin & Nortonin (1992) kehittämän BSC:n (balanced scorecard, tasapainotettu mittaristo) mukaisesti (Rom ym. 2007: 44)17. BSC:n keskeinen ansio on erilaisten näkökulmien tuomisessa mittaukseen (Laiti- nen 2003: 446). Toisaalta laskentatoimen tutkijat ovat toistuvasti kritisoineet BSC:ia siitä, että se ei huomioi oikealla tavalla aineetonta pääomaa organisaation suorituskyvyn avainresurssina ja ajurina (Marr ym. 2004: 312, Mouritsen, Larsen & Bukh 2005: 10, 15 BI-järjestelmät implementoidaan usein ERP-järjestelmien laajennuksiksi. (Elbashir, Collier & Davern 2008: 136) 16 Lee & Kim (2006: 46) mainitsevat Brynjolfssonin jakavan erilaiset tuottavuusparadoksin selitykset neljään luokkaan: mittausvirheet, viiveet, uudelleenjakautuminen ja väärinjohtaminen. 17 BSC luo käytännössä tarpeen tietovarastolle. (Mård 1998) 25 Voelpel, Leibold, Eckoff & Davenport 2006, Bürkland 2009: 57–58). Marrin ym. (2004: 317) mukaan BSC ei tarjoa informaatiota aineettoman pääoman kategorioiden välisistä muutoksista. BSC:n strategiakartta sisältää esimerkiksi työntekijöiden kompe- tenssin ja teknologian erillisinä suorituskykyajureina innovaatioiden ja oppimisen näkö- kulmassa18. Se ei ota huomioon, että henkilöstön kompetenssi riippuu organisaatiossa saatavilla olevasta teknologiasta. Viimeisin teknologia taas ei ole minkään arvoista il- man oikeaa tietoa ja kykyä sen käyttämiseen. Voelpelin ym. (2006) mukaan BSC suh- tautuu innovaatioihin virheellisesti sisäisenä ja rutiininomaisena tutkimus- ja tuoteke- hitystoimintana, vaikka innovaatiotoiminnan luonne on täysin muuttunut. Heidän mu- kaansa BSC perustuu perinteiseen, mekanistiseen ja lineaariseen ajattelutapaan ja kes- kittyy yksittäisiin syy-seuraussuhteisiin, mikä haittaa innovaatiotoimintaa19. Romin ym. (2007: 46) mukaan Booth, Matolcsy & Wieder määrittelevät johdon lasken- tatoimelle kolme tehtävää: tapahtumien käsittely, raportointi ja päätöksenteon tuki. ERP-järjestelmät ovat tehokkaita tapahtumien käsittelyssä, mutta vähemmän tehokkaita raportoinnissa ja päätöksenteon tuessa. ERP-järjestelmien muuttaminen on myös vaike- aa (Rom ym. 2007: 47). Vastaavasti BI-järjestelmät ovat erikoistuneet raportointiin, analysointiin ja päätöksenteon tukeen, ja niihin on helppo tehdä muutoksia. Useissa lähteissä esitetään, että analyysiorientoituneet järjestelmät pystyvät tukemaan johdon laskentatoimea ERP-järjestelmiä paremmin (Rom ym. 2007: 61). Elbashirin, Collierin & Davernin (2008) tutkimus oli ainoa erityisesti BI-järjestelmien vaikutuksia mittaava teoreettinen, empiirinen tutkimus, joka löytyi tätä tutkielmaa var- ten tutustutusta lähdemateriaalista. Tutkimus perustui PLS-mallinnukseen, ja siinä py- rittiin konstruoimaan BI:lle liikearvomittari. Tutkijat kuvasivat hyvin kausaalisen mitta- riston idean. Mittaristossa evaluatiiviset mittarit ovat ylemmän tason mittareita, jotka kertovat onko investoinnin hyötyjä saavutettu ja organisaation suorituskyky parantunut. Diagnostiset mittarit ovat alemman tason mittareita, jotka paljastavat miksi hyötyjä on tai ei ole saavutettu (Elbashir ym. 2008: 150). 18 Perusmuodossaan BSC käsittää neljä näkökulmaa: taloudellisen näkökulman, asiakkaan näkökulman, sisäisten prosessien näkökulman ja innovaatioiden ja oppimisen näkökulman. (Kaplan ym. 1992: 72) 19 Kaplan & Norton (2006) vastasivat Voelpelin ym. (2006) artikkeliin ja tyrmäsivät väitteet. 26 Elbashirin ym. (2008) tarkastelun kohteena oli liiketoimintaprosessien suorituskyvyn ja organisaation suorituskyvyn välinen suhde. Tutkimuskysymykset muodostettiin neljälle eri faktorille, jotka osoittavat hyötyjä organisaation suorituskyvylle, organisaation si- säisten prosessien tehokkuudelle, toimittaja- ja liikekumppanisuhteille sekä markkina- ymmärrykselle. Kysely osoitettiin yhden valitun BI-ohjelmistotoimittajan asiakkaille. Liiketoimintaprosessien suorituskyvyn ja organisaation suorituskyvyn välisessä suh- teessa havaittiin merkitseviä eroja toimialaluokkien palvelu ja ei-palvelu välillä. Ei-pal- velualoilla suhde oli merkittävästi voimakkaampi kuin palvelualoilla. Ei-palvelualojen organisaatiot vaikuttaisivatkin pystyvän muuntamaan liiketoimintaprosessihyödyt pal- velualojen organisaatioita tehokkaammin organisaation suorituskyvyn parannuksiksi. Organisaation koolla ja BI-järjestelmän implementoimisesta kuluneella ajalla ei tässä tapauksessa todettu olevan merkitsevää vaikutusta, mikä on jälkimmäisen tekijän osalta hieman yllättävää20. Tutkimus toi esille alustavaa näyttöä siitä, että BI-järjestelmän käyttökonteksti vaikuttaa mainitun suhteen voimakkuuteen, joten kyseinen tekijä pitäisi huomioida järjestelmien suorituskykyä mitattaessa. Vaikka tutkimus antoi alustavaa näyttöä BI:n positiivisista organisatorisista vaikutuksista, tutkijat korostavat, että aihee- seen liittyvää jatkotutkimusta tarvitaan, jotta pystyttäisiin paremmin ymmärtämään BI- järjestelmien ja yleensäkin tietojärjestelmäinvestointien arvoa. 2.2. D&M- ja EUCS-viitekehykset suorituskyvyn mittareina Kehittäjiensä DeLonen & McLeanin mukaan nimensä saanut D&M-viitekehys mittaa tietojärjestelmän vaikutuksia ja on siten suuntautunut tuotannolliseen suorituskykyyn. EUCS-viitekehys taas on Dollin & Torkzadehin kehittämä käyttäjätyytyväisyyden mit- tari. Käyttäjätyytyväisyys on yksi käyttökelpoisimmista ja myös käytetyimmistä tieto- 20 BI-järjestelmät vaativat luonteestaan johtuen ensi-implementoinnin jälkeen aikaa kypsyä vapaasti, ennenkuin mittauksia on relevanttia suorittaa. Käyttäjien oppimiskäyrä on myös osatekijä, jota ei voi jättää huomiotta. On odotettava tietty aika, ennenkuin käyttäjät ovat oppineet uuden tietojärjestelmän käytön, heillä on siihen riittävästi näkemystä, ja he ovat sopeuttaneet työtapansa sen mukaisiksi. Aika- viive on tunnistettu tärkeäksi tekijäksi tietoteknologiainvestoinnin ja yrityksen suorituskyvyn suhteessa (Lee ym. 2006: 46). Viiveen pituus voi vaihdella millä välillä tahansa: joistakin päivistä useisiin kuukau- siin ja joissakin tapauksissa jopa vuosiin, riippuen implementaation koosta ja monimutkaisuudesta (Kohli & Devaraj 2004: 109). Tutkimusyhtiö Gartner on suositellut BI-ohjelmistoinvestoinnin käyttäjätyytyväi- syyden mittaamisen ajankohdaksi aikaisintaan 18–24 kuukautta ensi-implementaation käyttöönotosta lukien (Kelly 2008). 27 järjestelmän onnistumisen ja toiminnallisen suorituskyvyn välillisistä mittareista21 (Doll ym. 1988: 259–260, Chen, Soliman, Mao & Frolick 2000: 105). Suorituskykymittauk- sen tarkoituksena on tehdä näkyviksi arvon muodostumisen välivaiheita. 2.2.1. D&M-viitekehys D&M-viitekehys on tietojärjestelmien moniulotteinen ex post -onnistumismittaristo22. Se on kattaa tietojärjestelmän vaikutusten tarkastelun sekä organisatorisesta näkökul- masta että sosioteknisestä näkökulmasta. Sosiotekninen näkökulma korostaa käyttäjän yksilöllisiä tarpeita ja olettaa, että häntä motivoi palkkio tai kannustin (Au, Ngai & Cheng 2002: 452). DeLone ym. (1992) osoittivat tutkimuksessaan, että 1970- ja 1980-luvulla kehitettyjen tietojärjestelmän onnistumisen mittareiden hyvin runsaslukuinen joukko voitiin luoki- tella kuuteen luokkaan: järjestelmän laadun, informaation laadun, käytön, käyttäjätyy- tyväisyyden, henkilökohtaisen vaikutuksen ja organisatorisen vaikutuksen mittareihin. Niistä kaikista yhdessä muodostettiin tietojärjestelmän onnistumista kuvaava prosessi- malli, joka on esitetty kuviossa 1. 21 Epäsuorat eli välilliset mittarit (surrogate measures) mittaavat sellaista tekijää, jonka oletetaan korreloivan kiinnostuksen kohteena olevan menestystekijän kanssa. (Lönnqvist ym. 2006: 39) 22 Moniulotteiset mittaristot muodostuvat, kun laajasta ja monimutkaisesta mittauksen kohteesta pyritään saamaan ymmärrystä mittaamalla useita siihen liittyviä menestystekijöitä. Mittaristot pyrkivät antamaan nopean ja kattavan kokonaiskuvan mitattavasta kohteesta. Muita moniulotteisia mittaristoja ovat koko- naisvaltaiset mittaristot kuten BSC muunnoksineen, suorituskykyprisma, suorituskykypyramidi (performance pyramid system, PPS), suorituskykymatriisi, palvelualojen suorituskykymittaristo (performance measurement system for service industries, PMSSI) ja dynaaminen suorituskyvyn mittaus- malli (dynamic performance measurement system, DPMS) (Laitinen 2003: 365–452, Lönnqvist ym. 2006: 37). Moniulotteisia mittaristoja ovat myös kriittiset menestystekijät (critical success factors, CSF), informaatiotalous (information economics, IE) ja prosessimalleihin perustuvat mittaristot (Farbey ym. 1992: 114, Martinsons, Davison & Tse ym. 1999: 72, Yeoh, Koronios & Gao 2008) 28 Kuvio 1. Alkuperäinen D&M-viitekehys. (DeLone ym. 1992: 87) D&M-viitekehyksen luokkien todettiin liittyvän toisiinsa ja olevan riippuvaisia toisis- taan. Järjestelmän laatu ja informaation laatu vaikuttavat yhdessä ja erikseen sekä käyt- töön että käyttäjätyytyväisyyteen. Lisäksi käytön määrä voi vaikuttaa positiivisesti tai negatiivisesti käyttäjätyytyväisyyden tasoon ja päinvastoin. Käyttö ja käyttäjätyytyväi- syys ovat henkilökohtaisen vaikutuksen suoria korrelaatteja. Viimeisenä kuviossa vai- kutuksella henkilökohtaiseen suorituskykyyn on lopulta organisatorisia vaikutuksia. Riippuvuussuhteiden vuoksi mallin jokaisen muuttujan määrittelyssä ja mittaamisessa on noudatettava erityistä huolellisuutta ja punnittava eri näkökulmia. On tärkeää mitata kaikki mahdolliset ulottuvuuksien väliset yhteydet, jotta voidaan eristää erilaisten riip- pumattomien muuttujien vaikutus yhteen tai useampaan näistä ulottuvuuksista. D&M-viitekehys on niukka. Se ei sisällä valmiiksi määriteltyjä mittareita. DeLone & McLean (2003: 11) ohjeistavat, että viitekehyksen ulottuvuudet ja mittarit on valittava tapauskohtaisesti kulloisenkin tutkimuksen tavoitteiden ja kontekstin mukaisesti. Oh- jetta on noudatettu; viitekehystä on kaiken kaikkiaan tutkittu paljon, ja sitä on sovellettu lähes yhtä useana muunnoksena kuin on tehtyjä tutkimuksiakin. Empiirisen tutkimuksen perusteella D&M-viitekehys on todettu melko kontekstiriippuvaiseksi. Kontekstin ym- märtäminen on sen onnistuneen käytön edellytys. Malliin sisältyvien vaikutusten käsitteen DeLone ym. (2003) määrittelevät suoritusky- vyn lähikäsitteeksi, koska tietojärjestelmän positiivinen vaikutus ilmenee toiminnan suorituskyvyn parantumisena. Vaikutuksia osoittavat tietojärjestelmän käyttäjälle an- Henkilö- kohtainen vaikutus Organisatorinen vaikutus Informaation laatu Järjestelmän laatu Käyttäjä- tyytyväisyys Käyttö 29 tama parempi ymmärrys päätöksenteon kontekstista, käyttäjän päätöksenteon tuotta- vuuden parantuminen, muutos käyttäjän toiminnassa tai päätöksentekijän muuttunut käsitys tietojärjestelmän tärkeydestä tai käyttökelpoisuudesta. Informaation vaikutuksen tasot voidaan myös järjestää hierarkisesti, ja ne ovat informaation vastaanotto, infor- maation ymmärtäminen, informaation soveltaminen tiettyyn ongelmaan, muutos päätös- käyttäytymisessä ja muutos organisaation suorituskyvyssä. (DeLone ym. 1992: 69) Kymmenen vuoden kuluttua ensimmäisen artikkelinsa ilmestymisen jälkeen DeLone ym. (2003) palasivat aiheeseen. Siihen mennessä useat eri tutkijat olivat testanneet ja validoineet D&M-viitekehystä, ja se oli saanut osakseen runsaasti kritiikkiäkin. DeLone ym. tekivät nyt alkuperäiseen malliin joitakin korjauksia sekä jatkotutkimuksen että omien havaintojensa pohjalta. Malliin lisättiin uutena luokkana palvelun laatu järjestel- män laadun ja informaation laadun rinnalle. Henkilökohtaiset vaikutukset ja organisato- riset vaikutukset korvattiin nettohyödyillä, joka kuvaa positiivisia vaikutuksia tutkijoi- den mukaan yksinkertaisemmin ja selkeämmin. Uudessa mallissa kuvataan myös netto- hyötyjen, käytön ja käyttäjätyytyväisyyden välinen kehävaikutussuhde. Alkuperäistä prosessimallia pyrittiin kaiken kaikkiaan kehittämään siten, että sen soveltaminen kau- saalimallin tapaan olisi perusteltua. DeLone & McLean (2004) myös sovelsivat päivi- tettyä viitekehystä sellaisenaan onnistuneesti verkkokauppojen kontekstissa. Petter, DeLone & McLean (2008) julkaisivat D&M-mallia koskevan jatkotutkimuksen vii- meksi vuonna 2008. 2.2.2. Käyttäjätyytyväisyys ja EUCS-viitekehys Nykyaikaisen tietojärjestelmien arvioimiseen tarkoitetun tietokoneen käyttäjätyytyväi- syysmittauksen tutkimuksen voidaan katsoa alkaneen Baileyn & Pearsonin (1983) esit- telemästä CUS (Computer User Satisfaction) -viitekehyksestä. Viitekehyksen teoreetti- nen perusta haettiin psykologian kirjallisuudesta. Sen mukaan tyytyväisyys annetussa tilanteessa on niiden tunteiden ja asenteiden summa, joita yksilöllä on tilanteeseen vai- kuttavia tekijöitä kohtaan. Tyytyväisyyttä (satisfaction, S) voidaan mitata kaavalla 30 (1) ∑ = = n j ijiji WRS 1 , jossa Rij on yksilön i reaktio tekijään j ja Wij on tekijän j tärkeys yksilölle i. Tyytyväisyyden kaavasta johdettiin kaksiulotteinen mittari, joka osoittautui vastaajille työlääksi. Muut tutkijat ryhtyivät kehittämään omia mittareitaan. Muun muassa Ives, Olson & Baroudi (1983) johtivat CUS-mittarista oman lyhyemmän vastineensa, josta käytetään nimeä UIS (User Information Satisfaction). Tietoteknologian kehityttyä voi- makkaasti ja käyttöympäristöjen muututtua ensimmäiset viitekehykset kuitenkin van- hentuivat ja vaativat päivittämistä. Doll ym. (1988) kehittivät faktorimalliin perustuvan EUCS (End User Computing Satisfaction) -viitekehyksen uutta tietojärjestelmän käyttäjätyyppiä, loppukäyttäjää var- ten. Aikaisemmin niin kutsutussa perinteisessä tietojenkäsittely-ympäristössä käyttäjien vuorovaikutus tietojärjestelmien kanssa oli epäsuoraa ja erityisten analyytikkojen ja operaattoreiden avustamaa. Dollin ym. määrittelemässä loppukäyttäjäympäristössä lop- pukäyttäjä sen sijaan käyttää järjestelmää itsenäisesti syöttäessään tietoja ja laatiessaan raportteja. Loppukäyttäjä on tietojenkäsittelyn amatööri ennemmin kuin tietojenkäsit- telyn ammattilainen. Käyttötukea hän saa koulutuksesta, kokeneilta kollegoilta ja käyt- töohjeista. EUCS-mallissa korostuvat loppukäyttäjälle tärkeät aspektit, kuten sovelluk- sen helppokäyttöisyys. Loppukäyttäjäympäristö käsittää tietokannan, kuvauskannan ja vuorovaikutteisen ohjelmiston, joka mahdollistaa käyttäjän suoran vuorovaikutuksen tietojärjestelmän kanssa. Se on esitetty kuviossa 2. 31 Kuvio 2. Loppukäyttäjäympäristö Dollin & Torkzadehin mukaan. (Doll ym. 1988: 262) Dollin ym. tavoitteena oli kehittää EUCS-viitekehys mittariksi, joka • mittaa loppukäyttäjän tyytyväisyyttä yksittäisen sovelluksen tarjoamaan tieto- tuotteeseen loppukäyttäjän yleisen tyytyväisyyden sijaan • sisältää osia sovelluksen helppokäyttöisyyden arvioimiseksi • perustuu Likertin asteikkoon semanttisen differentiaaliasteikon sijaan • on lyhyt, helppokäyttöinen ja sopiva niin akateemiseen tutkimukseen kuin käy- tännön sovelluksiin • voidaan käyttää luotettavasti erilaisten sovellusten arviointiin asianmukaisen validiteettinsa ja reliabiliteettinsa ansiosta • mahdollistaa loppukäyttäjän käyttäjätyytyväisyyden ja riippumattomiksi ole- tettujen muuttujien (esimerkiksi käyttäjän tietojenkäsittelytaidot, käyttäjän si- toutuneisuus, käyttötuki) välisten suhteiden tutkimisen. Lisätavoitteena tutkijoilla oli tunnistaa loppukäyttäjän käyttäjätyytyväisyyden tekijöitä ja osatekijöitä. (Doll ym. 1988: 260) Alkuperäinen EUCS-viitekehys muodostuu viidestä faktorista, jotka käsittävät yhteensä kaksitoista tutkimuskysymystä, toisin sanoen mittaria. Kahdentoista kysymyksen mitta- Loppukäyttäjä Vuoro- vaikutteinen ohjelmisto Tieto- kanta Tieto- järjestelmät Kuvaus- kanta 32 risto muodostui neljänkymmenen pilottikysymyksen joukosta. Faktorit ovat suhteellisen riippumattomia toisistaan, ja ne ovat sisältö, täsmällisyys, ulkoasu, ajantasaisuus ja helppokäyttöisyys. EUCS-viitekehys faktoreineen ja mittareineen on esitetty seuraavassa kuviossa. SISÄLTÖ S01: Tarjoaako järjestelmä juuri sen tiedon mitä tarvitset? S02: Kohtaako informaatiosisältö tarpeesi? S03: Tarjoaako järjestelmä juuri sellaisia raportteja joita tarvitset? S04: Tarjoaako järjestelmä riittävästi informaatiota? TÄSMÄLLISYYS T01: Onko järjestelmä täsmällinen? T02: Oletko tyytyväinen järjestelmän täsmällisyyteen? ULKOASU U01: Esitetäänkö tuotokset mielestäsi käyttökelpoisessa muodossa? U02: Onko informaatio selkeää? HELPPOKÄYTTÖISYYS H01: Onko järjestelmä käyttäjäystävällinen? H02: Onko järjestelmä helppokäyttöinen? AJATASAISUUS A01: Saatko tarvitsemasi informaation ajoissa? A02: Tarjoaako järjestelmä ajantasaista informaatiota? Kuvio 3. Alkuperäinen EUCS-viitekehys. (Doll ym. 1988: 268) S01 S02 S03 S04 T01 T02 U01 U02 H01 H02 A01 A02 Sisältö Täsmällisyys Ulkoasu Helppo- käyttöisyys Ajantasaisuus Loppukäyttäjän tyytyväisyys 33 Dollin ym. (1988: 259–260) mukaan ihanteellisin tapa arvioida tietojärjestelmää olisi perustaa arvio päätöksenteon tuen käyttöasteeseen ja käytön tuloksena saatavaan tuot- tavuuteen ja/tai kilpailuetuun. Hyödyllisyys päätöksenteolle on tietojärjestelmän kes- keisin hyöty. Päätösanalyyttista lähestymistapaa ei kuitenkaan yleisesti pidetä mahdolli- sena. Loppukäyttäjän tyytyväisyyttä esitetään välilliseksi mittariksi päätöksenteolle koituvalle hyödyllisyydelle. Loppukäyttäjäsovelluksen hyödyllisyys päätöksenteolle parantuu, kun sen tuotokset kohtaavat käyttäjän informaatiotarpeet ja sovellus on help- pokäyttöinen. Helppokäyttöisyys on erityisen tärkeää fasilitoitaessa johtotasolla päätök- senteon tukijärjestelmien vapaaehtoista käyttöä. Järjestelmän käyttöä voidaan myös pi- tää järjestelmän onnistumisen välillisenä mittarina erityisesti vapaaehtoisissa käyttö- tilanteissa23. Doll ym. ovat julkaisseet useita EUCS-viitekehystä koskevia jatkotutkimuksia vuosien varrella (ks. Doll & Torkzadeh 1991a, 1991b, Doll, Deng, Raghunathan, Torkzadeh & Xia 2004). He ovat myös kannustaneet viitekehyksen soveltajia kehittämään käyttökon- tekstikohtaisia ja täsmällisempiä tutkimuskysymyksiä kullekin faktorille ja testaamaan niitä (Doll ym. 1988: 272). Vaikka EUCS-mallia on kritisoitukin, se on laajasti hyväk- sytty ja käytetty malli eri tietojärjestelmien konteksteissa. Jatkotutkimus ei ole juurikaan tuonut siihen muutoksia. 2.2.3. D&M- ja EUCS-viitekehyksiä soveltavia tutkimuksia tutkielman ja business intelligencen lähikonteksteissa Tietovarastointi (data warehousing, DW) on BI:iin liittyvä teknologia. Chen ym. (2000) sovelsivat tutkimuksessaan EUCS-viitekehystä, joka oli heidän mukaansa pääosin validi mittari myös tietovaraston kontekstissa. Lisäksi heillä oli kuusi lisäkysymystä, jotka koskivat tietovaraston loppukäyttäjille tarjottua teknistä tukea. Tutkimuksessa tietova- rastojen kehitys- ja parannusvaiheiden aikaisen käyttäjätyytyväisyyden havaittiin riip- puvan voimakkaasti järjestelmän kehittäjien ja loppukäyttäjien vuorovaikutuksesta. IT- väen tukea pitäisi heidän mukaansa arvostaa kriittisimpänä tekijänä arvioitaessa loppu- 23 Niin sanotun havaitun käytön mittaaminen on helppoa, sillä ohjelmistoilla voidaan tuottaa tilastoja, jotka kertovat esimerkiksi käyttäjämäärän käyttäjäryhmittäin, istuntojen keston ja käytettyjen toimintojen määrän. Kiinnostus kohdistuu kuitenkin havaitun käytön sijaan todelliseen käyttöön. Tehottomien järjes- telmien havaittu käyttö voi olla laajaakin vaihtoehtojen puuttuessa, johdon määräyksestä tai poliittisista syistä. (Au ym. 2002: 452) 34 käyttäjien tyytyväisyyttä tietovarastoihin (Chen ym. 2000: 108). Mitattu käyttäjätyyty- väisyyden taso ei käy ilmi tutkimustuloksista. McHaney & Cronan (2001) testasivat EUCS-viitekehystä simulaatio-ohjelmistojen lop- pukäyttäjillä. Simulaatio-ohjelmat voidaan luokitella esittäviksi päätöksenteon tukijär- jestelmiksi. Viitekehys todettiin tutkimuksessa validiksi, reliaabeliksi ja sopivaksi välil- liseksi mittariksi simulaatio-ohjelmistojen onnistumiselle. D&M-viitekehystä tietovarastojen käyttäjätyytyväisyyden mittaamiseen on soveltanut Shin (2003). Tutkimuksessa kerättiin empiiristä tietoa yhdessä suuressa yhtiössä kol- mella eri tavalla: epämuodollisilla loppukäyttäjien ryhmähaastatteluilla, tietovarastosta vastaavan tietohallintopäällikön epävirallisilla haastatteluilla ja kyselyllä. Koska tietova- raston fokus on päätöksenteon tuessa ja sen järjestelmäominaisuudet ainutlaatuisia, tie- don, järjestelmän ja palvelun laadun luokkien kriittiset faktorit voisivat kuitenkin olla erilaiset kuin perinteisemmillä tietojärjestelmillä. Käyttäjätyytyväisyys oli julkaistuilta osin vähintään keskimääräisellä tasolla. Tutkimustulokset indikoivat, että tietovaraston järjestelmän käyttäjien tarpeet erosivat toisistaan abstraktiotasoltaan ja rakenteeltaan. Tietovaraston onnistuminen riippuu osittain sen joustavuudesta tyydyttää eri tasoilla työskentelevien tiedon etsijöiden heterogeeninen kysyntä (Shin 2003: 151). Itseorganisoituvat kartat (self-organizing maps, SOM) ovat BI:ssä sovellettava tiedon- louhinnan menetelmä. Länsiluoto (2004) perusti laskentatoimen väitöstutkimuksessaan strategista päätöksentekoa tukevaa kilpailuympäristön analysointia varten rakentamansa SOM-mallin käyttäjäevaluoinnin EUCS- ja D&M-viitekehyksiin24. EUCS:n valintaa perusteltiin muun muassa sillä, että evaluoinnin fokus oli informaation laadussa, ja käyttäjätyytyväisyys indikoi käyttöä erityisesti vapaaehtoisissa käyttötilanteissa. Moreau (2006) tutki älykkäiden päätöksenteon tukijärjestelmien (intelligent decision support systems, IDSS) vaikutusta luovien työtehtävien onnistumiseen. Tutkimusrapor- tista ei käy ilmi mitä IDSS-järjestelmillä tarkoitetaan, mutta niillä voidaan olettaa ole- 24 Länsiluodon tutkimuksessa viitekehysten käytön painopiste oli käyttäjätyytyväisyyden ja informaation laadun mittaamisessa, ja kevyempi painoarvo oli henkilökohtaisen vaikutuksen mittaamisella. Tulokset osoittivat, että käyttäjät eivät olleet SOM-malliin kovinkaan tyytyväisiä millään viiden EUCS-faktorin alueella. Näyttöä saatiin myös jonkinlaisesta henkilökohtaisesta vaikutuksesta ja samalla organisatorisesta vaikutuksesta. (Länsiluoto 2004: 150–170) 35 van läheinen suhde BI:iin. Moreaun muodostama malli perustui alkuperäiseen D&M- viitekehykseen ja useisiin siihen liittyviin jatkotutkimuksiin. Siinä henkilökohtaiset hyödyt sisältyivät havaittujen työn tulosten ja päätösten laadun faktoreihin. Käyttäjä- tyytyväisyyttä analysoitiin kolmella eri komponentilla: tyytyväisyys johdon tukeen, tyy- tyväisyys järjestelmän käyttäjäystävällisyyteen ja tyytyväisyys raporttien ja tulosteiden tiedon laatuun. Tutkimustulosten mukaan IDSS-järjestelmien käyttö tukee työtehtävien onnistunutta suorittamista käyttäjien ollessa tyytyväisiä järjestelmiin. Mainitsemisen arvoinen tutkimus on myös Oulun yliopistossa tehty työ, jossa Pikkarai- nen, Pikkarainen, Karjaluoto & Pahnila (2006) testasivat EUCS-viitekehystä verkko- pankkien kontekstissa. Se on paitsi kotimainen EUCS-esimerkki, myös hyvä esimerkki teknillisten tieteiden ja taloustieteiden välisestä yhteistyöstä. Kolmifaktorisena muun- noksena viitekehyksen todettiin olevan validi ja reliaabeli verkkopankin loppukäyttäjän käyttäjätyytyväisyyden mittari25. 2.3. Kotimaisia business intelligence -tutkimuksia Merkittävimpänä kotimaisen BI-tutkimuksen kehtona on kuluvan vuosikymmenen ai- kana toiminut Tampereen teknillinen yliopisto. Tuotantotalouden tutkijat Pirttimäki ja Hannula muiden muassa ovat julkaisseet runsaasti artikkeleita aiheesta. Jo johdannossa mainittu Pirttimäen vuonna 2007 julkaistu väitöstutkimus ”Business Intelligence as a Managerial Tool in Large Finnish Companies” on ensimmäinen BI:iä käsittelevä väitös- tutkimus maassamme. Siihen liittyy sarja artikkeleita, joista kaksi käsittelee BI:n mittaa- mista (ks. Lönnqvist ym. 2006, Pirttimäki, Lönnqvist & Karjaluoto 2006). Hannula on muiden muassa ollut tekemässä 50 suurimman suomalaisyrityksen BI:n tilaa kartoitta- van tutkimusten sarjan toista ja kolmatta osaa vuosina 2005 ja 2007 (ks. Koskinen, Pirt- timäki & Hannula 2005, Halonen ym. 2007). Sarjan seuraava osa on ollut tekeillä vuo- den 2009 aikana. Pirttimäen (2007) väitöstutkimuksen tulokset inspiroivat tämän tutkielman aiheen va- lintaan. Tutkimuksessa käsiteltiin laajasti BI:n aihealuetta erityisesti kotimaisesta näkö- 25 Tulokset osoittivat käyttäjien olevan tyytyväisiä verkkopankkipalveluihin. Kokonaistyytyväisyyden keskiarvo oli 4,32/5,0 ja keskihajonta 0,612. 36 kulmasta. Siinä todettiin, että BI:stä on tulossa olennainen osa yritysten toimintaa. Suu- rimman osan yrityksistä todettiin prosessoivan itse BI-tietoa, ja suurimmalla osalla yri- tyksistä oli myös käytössään sitä varten hankittu tietojärjestelmä. Tutkimustulokset in- dikoivat BI:n hyödyllisyyttä. Monet suomalaisyritykset kuitenkin kokivat, ettei BI:n soveltaminen ole nykyisin riittävän tehokasta ja systemaattista, ja BI:n mittareiden ke- hittäminen nimettiin yhdeksi kriittisimmistä kehityskohteista. 50 suurimmassa suoma- laisyrityksessä vain hyvin harvoilla yrityksillä oli käytössään BI:n arvon mittaamisen menetelmiä. Lähes 20 %:lla ei ollut käytössään lainkaan BI:n mittareita. Tyypillisimmin mitattiin aikasäästöjä, määräalennuksia ja BI-ohjelmistojen käyttöastetta. Puolet näistä yrityksistä hyödynsi myös loppukäyttäjille osoitettuja kyselyitä hyötyjen arvioinnissa (Pirttimäki 2007: 17–18, 78). Inhimillisten tekijöiden, joilla tarkoitettiin erityisesti hil- jaista tietoa ja yrityskulttuuria, huomioimisen ongelmien todettiin olevan erityisesti suomalainen ja hollantilainen ilmiö. Globaalissa tutkimuksessa muun maalaiset yrityk- set olivat arvioineet hiljaisen tiedon hallinnan olleen hyvällä tai vähintään tyydyttävällä tasolla. Pirttimäki (2007: 84–85) analysoi tutkimuksessaan myös BI:n juuria. Niiden todettiin olevan lukuisissa perinteisissä liiketoiminnan osa-alueissa ja tieteenaloissa, erityisen vahvasti johdon laskentatoimessa. Pirttimäen mukaan BI:n ja johdon laskentatoimen voidaan nykyisellään katsoa täydentävän toisiaan ja yhdessä muodostavan perusteellista tietoa, jonka avulla yritysjohto saa tasapainoisen kokonaiskuvan yrityksestä ja sen me- nestymiseen vaikuttavista tekijöistä. Lisäksi BI:iä tarvitaan tuottamaan tieto oikea-aikai- seen ja helppokäyttöiseen muotoon ja lisäämään ymmärrystä laskenta- ja suoritusky- kyinformaatiota kohtaan analyysien, havaintojen ja vakio- tai ad hoc -kyselyjen avulla. Johdon laskentatoimi puolestaan tuottaa hyödyllistä laskentainformaatiota käytettäväksi BI-prosessin puitteissa. BI-informaatio on tyypillisesti kvalitatiivisempaa kuin johdon laskentatoimen informaatio. Kahden edellä mainitun BI:n mittaamista käsitelleen tutkimusartikkelin tekijänä oli myös Lönnqvist. Lönnqvist ym. (2006) selvittivät BI:n mittaamiseen käytettäviä mene- telmiä ja totesivat useiden niistä sopivan tarkoitukseen. He mainitsevat myös halua- vansa rohkaista sekä yrityksiä BI:n mittaamiseen käytännössä että tutkijoita raportoi- maan kokemuksiaan, jotta voidaan oppia lisää BI:n mittareiden kehittämisestä ja mah- dollisista ongelmista. Pirttimäen ym. (2006) tapaustutkimuksen kohdeyrityksenä oli 37 Elisa Oyj. Tutkimuksessa kuvataan BI-toimintojen mittaamista kohdeyrityksessä. Yri- tyksessä sovelletun mittaamisen lähtökohtana on tasapainotettu mittaristo, jonka eri näkökulmista mittauskohteet on valittu. Mittaamisen todettiin saavuttavan sille asetetut tavoitteet osittain. Ongelmista huolimatta BI:n mittaamisen kohdeyrityksessä todettiin tuottavan arvokasta informaatiota yritysjohdolle päätöksenteon tueksi. Johtopäätöksissä tuodaan jälleen esille lisätutkimuksen tarve. Helsingin kauppakorkeakoulussa on tehty kaksi pro gradu -tutkielmaa BI:n mittaamisen alueelta. Björkellin (2005) aiheena oli BI-ratkaisun onnistumisen arviointi. Työssä sel- vitettiin empiirisesti tärkeimpien hyötyjen ja arviointimenetelmien esiintymistä suoma- laisorganisaatioiden BI-ratkaisuissa. Rantakarin (2008) tutkielmassa määriteltiin malli, jonka avulla voidaan seurata BI-järjestelmän toimintaa ja kehitystä. Mallin toiminnalli- suutta selvitettiin asiantuntijahaastatteluiden avulla. 2.4. Hypoteesit Laskentatoimen tutkijoiden jakaman näkemyksen mukaan yrityksen kestävä kilpailu- kyky perustuu pääasiassa sen aineettomaan pääomaan, johon kuuluvat muun muassa teknologiat ja prosessit (Marr ym. 2004: 312, Bontis ym. 2009: 53, Bürkland 2009: 1). Kumulatiiviset tutkimustulokset ovat osoittaneet, että IT-investoinneilla on positiivinen vaikutus organisaation suorituskykyyn (Rom ym. 2007: 44). Pirttimäen (2007) tutki- mustulokset indikoivat BI:n hyödyllisyyttä. Elbashirin ym. (2008) tutkimus osoitti näyttöä BI-järjestelmien positiivisista vaikutuksista organisaation suorituskykyyn. Näin ollen ensimmäinen hypoteesi (H1) koskee BI-järjestelmän käyttöönoton positiivista vaikutusta organisaation suorituskykyyn. H1: Business intelligence - järjestelmän käyttöönotto parantaa organisaa- tion suorituskykyä. DeLone ym. (1992: 76–78) luettelevat yhteensä 39 tutkimusta, joissa on empiirisesti tutkittu tietojärjestelmien henkilökohtaisia vaikutuksia (DeLone ym. 1992: 83, 87). He esittävät, että henkilökohtaisen suorituskyvyn vaikutuksilla on myös organisatorisia 38 vaikutuksia (DeLone ym. 1992: 82–83). On huomattava, että organisaation suoritus- kyvyn voidaan olettaa olevan suhteellisen vapaaehtoisessa BI-käytössä riippuvaisempaa käyttäjätyytyväisyydestä ja henkilökohtaisista hyödyistä kuin perinteisessä IT-käytössä. Mikäli loppukäyttäjät eivät koe BI-järjestelmiä itselleen hyödyllisiksi, he voivat palata vanhoihin toimintatapoihin, kuten operatiivisten järjestelmien tai taulukkolaskentaso- vellusten käyttöön, tai luottaa päätöksenteossa intuitioon (Mohanty 2008). Moreaun (2006) tutkimuksessa mitattiin IDSS-järjestelmien käyttäjien kokemia henkilökohtaisia hyötyjä työn kokemisen ja luovan työtehtävän onnistumisen luokissa. Mittareiden arvojen keskiarvot olivat keskimääräistä korkeammalla ja korkealla tasolla (4,25–5,39/7,0). Toinen ja kolmas hypoteesi (H2 & H3) koskevat BI-järjestelmien lop- pukäyttäjille koituvia henkilökohtaisia hyötyjä ja niiden yhteyttä organisaation suoritus- kykyyn. H2: Loppukäyttäjät hyötyvät henkilökohtaisesti business intelligence -jär- jestelmästä. H3: Loppukäyttäjälle business intelligence - järjestelmästä koituvilla hen- kilökohtaisilla hyödyillä on positiivinen yhteys organisaation suoritusky- kyyn. Chenin ym. (2000) tutkimuksessa EUCS-viitekehys todettiin pääosin validiksi käyttäjä- tyytyväisyyden mittariksi tietovarastojen kontekstissa. Niin ikään McHaneyn ym. (2001) simulaatio-ohjelmisto- ja Pikkaraisen ym. (2006) verkkopankkitutkimuksissa mittari todettiin reliaabeliksi, validiksi ja kontekstiin sopivaksi. Molemmissa tutkimuk- sissa mittarin kysymyskohtaisille arvoille laskettiin yksinkertaiset tilastot ja korrelaatiot. Cronbachin alfalla mitattiin konsistenssia ja mittarin yleistä reliabiliteettia. Rakenteen validiteettia tarkasteltiin konfirmatorisella faktorianalyysillä. Verkkopankkitutkimuk- sessa tutkijat havaitsivat, että ulkoasun ja ajantasaisuuden faktorit eivät sopineet mitta- riin kyseisessä kontekstissa, joten ne pudotettiin pois. Syynä oli muun muassa se, että verkkopankkien tieto on aina ajan tasalla. Samalla tavoin voidaan testata muodostettava BI-EUCS-viitekehys BI-järjestelmien kontekstissa. BI-EUCS:n eroina EUCS-viitekehykseen ovat alkuperäisten luokkien lisä- 39 kysymykset ja BI-käyttöpalveluiden lisäluokka. Koska EUCS-viitekehyksen kehittäjät ovat nimenomaan kehottaneet sen soveltajia kehittämään käyttökontekstikohtaisia ja täsmällisempiä tutkimuskysymyksiä kullekin faktorille ja testaamaan niitä (Doll ym. 1988: 272), lisäkysymykset sopivat tutkielmaan hyvin. Vaikka käyttöpalveluiden luokka eroaa alkuperäisistä EUCS-luokista ilmeisen heterogeenisyytensä vuoksi, ne sijoitetaan tässä vaiheessa yhteiseen luokkaan, koska ei ole käytettävissä teoreettisia perusteita niiden luokittelemiseksi täsmällisemmin. Neljäs hypoteesi (H4) koskee EUCS-viitekehyksestä teorian perusteella johdetun BI- EUCS-viitekehyksen validiteettia BI-loppukäyttäjien tyytyväisyyden mittarina. Validi- teetilla tarkoitetaan tässä yhteydessä rakennevaliditeettia. H4: EUCS-viitekehyksestä muunnettu BI-EUCS-viitekehys on validi business intelligence - järjestelmän loppukäyttäjän tyytyväisyyden mittari. Aikaisemmissa BI:lle läheisissä konteksteissa käyttäjätyytyväisyyttä koskevissa tutki- muksissa painottuvat keskimääräistä korkeammat mittaustulokset. Shinin (2003) tutki- muksessa tietovarastojen käyttäjätyytyväisyyden keskiarvot vaihtelivat välillä hieman keskimääräistä matalammasta keskimääräistä korkeampaan (3,43–4,9/7,0) niiltä osin, jotka tutkimustuloksissa on esitetty. Moreaun (2006) mukaan IDSS-järjestelmien käyttäjätyytyväisyyden keskiarvo oli kaikilta mitatuilta osin keskimääräistä korkeam- malla tai korkealla tasolla (4,54–5,78/7,0). Käyttäjätyytyväisyys on DeLonen ym. (1992: 83, 87) mukaan henkilökohtaisten vaikutusten suora korrelaatti. Viides ja kuudes hypoteesi (H5 & H6) koskevat BI-järjestelmien loppukäyttäjien käyttäjätyytyväisyyttä ja sen yhteyttä niihin henkilökohtaisiin hyötyihin, joilla on yhteys organisaation suori- tuskykyyn. H5: Loppukäyttäjät ovat tyytyväisiä business intelligence - järjestelmiin. H6: Business intelligence -järjestelmän loppukäyttäjän tyytyväisyydellä on positiivinen yhteys henkilökohtaisiin hyötyihin. Muodostetut seitsemän hypoteesia (H1–H7) voidaan koota kuvion 4 mukaiseksi mal- liksi, joka muodostaa tutkielmassa sovellettavan BI:n mittariston. Mittariston nuolet 40 ovat yksisuuntaisia, koska hyötyjen oletetaan kumuloituvan organisaatiossa pääasiassa alhaalta ylöspäin; on ilmeistä, että suorituskyky on tulosmuuttuja. Se voi kuitenkin olla myös selittävä muuttuja. Yhtenä hypoteesina voisi olla, että paremman suorituskyvyn organisaatioilla on paremmat mahdollisuudet muuttaa IT-investoinnit toiminnan paran- nuksiksi (Rom ym. 2007: 45). Tässä tutkielmassa pyritään kuitenkin osoittamaan aino- astaan mahdollista muuttujien yhteisvaihtelua (korrelaatiot), joka osittain tukee näke- mystä kausaalisuhteiden olemassaolosta. Kuvio 4. Tutkielmassa sovellettava business intelligencen mittaristo. Loppukäyttäjän käyttäjätyytyväisyys Loppukäyttäjän henkilökohtaiset hyödyt H3 H6 Organisaation suorituskyky H5 H1 H2 H4 BI-EUCS 41 3. BUSIESS ITELLIGECE -IVESTOIIT Tämän pääluvun tarkoituksena on määritellä BI-investointien käsite olennaisine alakä- sitteineen tutkielmassa tarkoitetussa merkityksessä suorituskyvyn mittaamisen näkö- kulma huomioiden. Määritteleminen on tärkeää, koska BI:n käsite on todettu käytän- nössä hyvin moniulotteiseksi ja vakiintumattomaksi (Pirttimäki 2007: 57–91)26. BI-in- vestoinnin luvussa 3.1. esitettyyn määritelmään liittyviä alakäsitteitä ovat luvussa 3.2. esiteltävät BI:n liiketoimintaprosessit ja BI:n arvoketju sekä luvun 3.3. BI-tietojärjes- telmät. Luvussa 3.4. edetään informaation loppukäyttöön liittyviin erityispiirteisiin, joi- den pohjalta myöhemmin täydennetään EUCS-viitekehystä lisäämällä siihen BI-kohtai- sia mittareita. 3.1. Business intelligence -investoinnin määritelmä BI-investoinnit eivät ensisijaisen tavoitteensa osalta eroa muista pääomainvestoinneista. BI:lläkin tavoitellaan kannattavaa investointia, joka antaa tavoitellun tuoton pääomalle. Tuotto-odotus on sitä suurempi mitä strategisempi päätös on. Sen lisäksi investoinnilla on paljon muitakin tavoitteita, mutta ne ovat välillisiä ja päätavoitteelle alisteisia (Laiti- nen 2003: 25). Muita kaikille investoinneille yhteisiä ominaisuuksia ovat riski, peruuttamattomuus ja epävarmuus. Tietoteknologiainvestoinneissa kokonaisriski27 on korkea: kirjallisuus tun- tee sekä menestystarinoita että epäonnistumisia (Milis & Mercken 2004). BI-investoin- nistakin voi tulla vain hyvin kallista ajanhukkaa, mikäli informaation loppukäyttäjät eivät omaksu BI-järjestelmän käyttöä tai järjestelmä ei onnistu täyttämään loppukäyttä- jien kriittisiä tietotarpeita aikaisempaa paremmin (Pirttimäki 2007: 101). Perinteiset so- vellusperusteiset operatiivisten järjestelmien rahoitusmallit ja IT-budjetit ei sovi BI-in- vestointeihin, jotka ovat luonteeltaan mukautettavia, evolutiivisesti kehitettäviä ja 26 Pirttimäen (2007: 91) esittämät kirjallisuudessa esiintyvät tyypillisimmät eri näkökulmat BI:iin olivat teknologia, jalostunut informaation muoto, prosessi, johtamistyökalu ja filosofia. Investointia ei mainittu. 27 Tietoteknologiainvestoinnin kokonaisriski muodostuu useista erityyppisistä riskeistä: tekninen riski, toiminnallinen riski, projektiriski, sisäinen poliittinen riski, ulkoisen ympäristön riski, systeeminen riski ja arviointiriski. (Milis ym. 2004: 90–91) 42 käyttökustannuksiltaan huomattavia (Yeoh, Koronios & Gao 2008: 86, Wells 2003). Sopiva rahoitusmalli on joustava ja ostoskorityyppinen. Tässä tutkielmassa BI-investointi määritellään BI:n implementointi- ja hyödyntämispro- sessien hallinnan edellyttämäksi investoinniksi, joka kohdistuu BI-järjestelmään ja - käyttöpalveluihin. BI-prosessit sitovat pääasiassa aineettomia resursseja. Merkittävä osa aineellisista resursseista muodostuu tietojärjestelmästä28. BI:n hyödyntäjinä nähdään niin yritykset kuin julkishallinnon organisaatiotkin29. Kuinka suuri suhteellinen osuus tuotoltaan maksimaalisesta BI-investoinnista muodostuu keskimäärin järjestelmästä ja kuinka suuri osuus käyttöpalveluista, on avoin kysymys. Seuraavassa kuviossa 5 osuu- det on kuvattu yhtä suuriksi. Kuvio 5. Business intelligence -investoinnin käsite. Implementointi- ja hyödyntämisprosessi ovat liiketoimintaprosesseja, joiden puitteissa tiedon jalostamista jatkuvasti ja systemaattisesti hallitaan. Ne muodostuvat niistä toi- minnoista, joissa kerätään, analysoidaan ja tutkitaan liiketoimintaan ja liiketoimintaym- 28 Tutkimusyhtiö Nucleus Researchin (2008, 2007, 2003) raporteissa BI-järjestelmäprojektien kustannuk- set on jaettu konsultointipalveluihin, henkilöstömenoihin, ohjelmistolisensseihin, laitteistojen hankintaan ja käyttäjien koulutukseen. Kustannusten suhteelliset osuudet ovat vaihdelleet merkittävästi tapauskohtai- sesti. Suurin osa projektien kustannuksista on luonteeltaan aineettomia, sillä laitteistokustannukset ovat ainoa aineellinen erä, jonka osuus kokonaiskustannuksista on vaihdellut välillä 1 % – 10 %. 29 Termi business intelligence vittaa harhaanjohtavasti vain liiketoimintaan. Implementointiprosessi Käyttöprosessi Business intelligence - järjestelmä Business- intelligence- käyttöpalvelut Business intelligence -investointi 43 päristöön liittyvää tietoa ja hyödynnetään analysoitua tietoa päätöksenteon tukena (Pirttimäki ym. 2003: 250). BI-järjestelmä koostuu niistä työkaluista eli teknologioista ja sovelluksista, joiden avulla merkityksellinen tieto saadaan sitä tarvitsevien ulottuville. BI-järjestelmän työkalut auttavat organisoimaan ja paketoimaan tietoa siten, että liike- toimintaa koskevaa tietoa pystytään dynaamisesti tutkimaan ja analysoimaan eri näkö- kulmista (Abukari & Jog 2002: 45). BI-käyttöpalvelut muodostuvat niistä organisaation tarjoamista BI:iin kohdistuvista palveluista, joista järjestelmän loppukäyttäjä on hyvin riippuvainen. Niitä ovat muun muassa BI-järjestelmien kehittäjien, käyttötuen, liike- toiminnan asiantuntijoiden ja yritysjohdon tuki. 3.2. Business intelligence -prosessit Prosessimalleilla on yhteys suorituskyvyn mittaamiseen, sillä suorituskykymittausta on perinteisesti lähestytty mallintamalla organisaation toimintaa prosesseina (Hannula & Lönnqvist 2004: 13). Tiedon tuottaminen, jakaminen ja hyödyntäminen organisaatioissa tapahtuvat käytännössä BI:n implementointi- ja hyödyntämisprosessien puitteissa (Pirt- timäki ym. 2003: 259–260). Business intelligencen arvoketju taas on abstrakti malli, jo- ka kuvaa tiedon jalostusprosessia (Powell 1996, Brohman ym. 2000, Pirttimäki 2007: 73). 3.2.1. Business intelligencen implementointi- ja hyödyntämisprosessi Liiketoimintaprosessien prosessimallit ovat konkreettinen tapa kuvata organisaatioissa käytössä olevia toimintoja. Pirttimäen ym. (2003: 259–260) mukaan BI-prosessi muo- dostuu kahdesta pääprosessista, jotka ovat implementointiprosessi ja hyödyntämispro- sessi30. Pääprosesseilla on eri vaiheet, mutta ne liittyvät toisiinsa. Vaiheet voivat myös mennä päällekkäin toistensa kanssa. Implementointiprosessin vaiheet ovat tietotarpei- den määrittely, sopivien välineiden valinta, relevantin tiedon kerääminen ja kerätyn 30 Tästä poiketen BI-prosessi on yleensä kuvattu yksinkertaisena syklinä, jonka tyypillisiä vaiheita ovat suunnittelu, tiedon kerääminen, tallettaminen, analyysi ja levittäminen (Gilad & Gilad 1986:53, Jagielska, Darke & Zagari 2006: 218, Pirttimäki ym. 2003: 253–260). Mallista on olemassa useita keskenään melko samanlaisia muunnoksia. Eroja on muun muassa vaiheiden määrässä (Pirttimäki ym. 2003: 259). 44 tiedon varastointi. Implementointiprosessiin kuuluu myös tiedon jalostamisen vaihe. Hyödyntämisprosessin vaiheet ovat hyödyntäminen, analysointi ja havainnointi, skenaa- riotyöskentely, informaation ja tietämyksen levitys, päätöksenteko ja muutokset strategisissa ja operatiivisissa toimenpiteissä. Implementointi- ja hyödyntämisprosessit on kuvattu seuraavassa kuviossa. Kuvio 6. Business intelligencen implementointi- ja hyödyntämisprosessi. Loppukäyttäjät jäävät ensi-implementoinnissa tyypillisesti ulkopuolisiksi, muun muassa koska he ovat kyvyttömiä tunnistamaan ja ilmaisemaan tietotarpeitaan (Halonen ym. 2007: 12). Käyttäjät aktivoituvat lopulta ryhtyessään käyttämään uutta järjestelmää en- simmäistä kertaa. Jokaisen hyödyntämiskierroksen myötä käyttäjälle tarjoutuu mahdol- lisuus tunnistaa uusia tietotarpeita tai tiedon keräämiseen, välineisiin tai varastointiin liittyviä kehitystarpeita. Sen lisäksi hyödyntämisprosessin tuloksena tehtävät muutokset strategisissa ja operatiivisissa toimenpiteissä johtavat uusimplementointeihin. Ratkaisua rakennetaan evolutiivisesti, ja ensi-implementointia seuraavat jatkuvat uusimplemen- toinnit. BI-järjestelmä ei valmistu koskaan. BI-prosessin kypsyminen tekniikkavetoi- sesta liiketoimintavetoiseksi edellyttää organisaatiolta avointa yrityskulttuuria ja yksi- Implementointiprosessi Hyödyntämisprosessi Muutokset strategisissa ja operatiivisissa toimenpiteissä Analysointi ja havainnointi Skenaario- työskentely Informaation levitys Päätöksen- teko Avoin yrityskulttuuri Yhteistyö Prosessinhallinta Tiedon käyttö Tiedon varastointi Tiedon jalostaminen Tiedon kerääminen Välineiden valinta Tieto- tarpeiden määrittely 45 löiden läheistä yhteistyötä tehokkaan prosessinhallinnan ohella (Pirttimäki ym. 2003: 253). Huomattavaa on, että esimerkiksi tutkimusyhtiö BARC:n tutkimuksessa vastaajat nime- sivät mahdollisista BI-järjestelmäkehityksen kohtaamista ongelmista vakavimmaksi ongelmaryhmäksi ihmisiin liittyvät, ei-tekniset ongelmat. Niitä olivat hallinnolliset on- gelmat, yrityksen politiikka, vaatimuksiin liittyvä epäsopu, vaatimusten muuttuminen ennen kuin projekti on valmis ja liiketoiminnan käyttäjien kiinnostuksen puute (Pendse 2009: 12). Niin ikään Yeohin ym. (2008) kriittisten menestystekijöiden (critical success factors, CSF) tutkimuksessa BI-implementointien organisatoriset tekijät osoittautuivat teknisiä tekijöitä tärkeämmiksi. Sen mukaisesti BI-projektin onnistuminen riippuu pää- asiassa organisaation liiketoiminnan henkilöstöstä. BI:n implementointi määriteltiin infrastruktuuriprojektiksi, joka organisatorisen haasteellisuutensa osalta eroaa merkittä- västi perinteisistä operatiivisista järjestelmäprojekteista31. Liiketoiminta myös muuttuu hyvin nopeasti ja odottaa aina välittömiä muutoksia myös BI:ltä (Yeoh ym. 2008: 88). Muuttuva liiketoimintaympäristö pakottaa yrityksen kehit- tämään BI-prosessiaan jatkuvasti. Jäykästi hallittu ja kehittyvä BI-järjestelmä on ajatuk- sena koko BI-konseptin vastainen: miksi tuottaa raportoitavaksi tietoa, joka ei ole enää relevanttia liiketoiminnalle (Rantakari 2008:2). Järjestelmän implementoiminen perin- teisillä tietojärjestelmäkehityksen menetelmillä kestää usein niin kauan, että sovelluksen tullessa loppukäyttäjien saataville liiketoiminnan tarpeet ovat jo merkittävästi muuttu- neet. On esitetty, että 50–60 %:lle tietovarastoprojekteista käy näin, ja vastaavasti yli puolet BI-implementoinneista ei kohtaa täyttä hyväksyntää (Panian 2007: 5, Yeoh ym. 2008: 80). Ratkaisuksi esitetään ketteriä, inkrementaalisia ja iteratiivisia menetelmiä, joita BI-prosessien pitäisi vastaavasti tukea (Panian 2007: 5, Yeoh ym. 2008: 88). 31 Yeoh ym. (2008) tunnistivat BI-implementoinneille seitsemän CSF:ää. Yksi niistä oli johdon täysi tuki ja sponsorointi, jota tarvitaan niiden monimutkaisten organisatoristen haasteiden voittamiseksi, joita nousee rahoitusmallista päättämisen, liiketoimintaprosessien kehittämisen, organisaatiorakenteen muut- tamisen, tiedon omistuksen demokratisoinnin, projektin laajuuden määrittelemisen ja tiedon laadun hal- linnan alueilla. BI-hanke leikkaa monia alueita organisaatiossa, mikä tekee siitä poliittisesti hyvin vai- kean. Muut CFS:t olivat liiketoimintasuuntautunut muutoksenhallinta, selkeä liiketoimintavisio ja va- kuuttava liiketoimintatapaus, liiketoimintavetoiset menetelmät ja projektinhallinta, ”mestari” (liiketoi- minnan henkilö, joka pystyy ennakoimaan organisatoriset haasteet ja muuttamaan kurssia niiden mukaan sekä kykenee kääntämään liiketoiminnan vaatimukset karkealla tasolla järjestelmäarkkitehtuuriksi), tasa- painotettu projektiryhmä sekä strateginen ja laajennettava tekninen viitekehys ja vahva datan laatu ja hallinnollinen viitekehys. (Yeoh ym. 2008: 85–91) 46 BI:n implementointi- ja hyödyntämisprosessien pitäisi myös olla integroitu toisiinsa tehokkaasti. Korkeatasoinenkaan liiketoimintatieto ei tuota lisäarvoa, jos sitä ei käytetä jokapäiväisessä päätöksenteossa (Pirttimäki 2007: 76–77). Tutkimustietoa siitä, millai- sia BI-prosessimalleja sovelletaan suomalaisyrityksissä, tai kuinka hyvin ne tukevat liiketoimintoja, ei ole toistaiseksi saatavana (Pirttimäki ym. 2003: 251). 3.2.2. Business intelligencen arvoketju BI:n arvoketju (business intelligence value chain) on tiedon jalostusprosessi, jossa tieto jalostuu vaihteittain datasta informaatioksi, tiedoksi ja älykkyydeksi. Jokainen vaihe lisää tiedon arvoa päätöksenteon tuelle. BI:n arvoketjua ovat vuosien varrella mallinta- neet useat eri tutkijat, ja siitä on esitetty lukemattomia keskenään hieman erilaisia muunnoksia. BI:n arvoketjun käsitettä on todennäköisesti ensimmäisenä käyttänyt Po- well (1996). Alun perin arvoketju on Porterin yrityksen kilpailuympäristön kontekstissa kehittämä malli (Porter 1988: 54–57). Arvoketjun mallin käyttötarkoitus on ketjun tehokkuuden maksimoinnissa. Koska ketju rakentuu vaiheittain aikaisempien vaiheiden päälle, aikaisemmat onnistumiset tai epäon- nistumiset ratkaisevat ylempien tasojen onnistumisen. On esitetty, että BI:n ROI riippuu siitä miten BI:n arvoketjua implementoidaan ja hallitaan. Mitä tehokkaammin BI:n ar- voketju on implementoitu, sitä paremmat mahdollisuudet BI-investoinnin tuoton mak- simointiin on olemassa (Panian 2008: 205, 209–210). Kommunikaation rajapinta ko- neen ja ihmisen välissä on erityisen herkkä alue. Alempia tiedon tasoja voi käsitellä kone, mutta tiedon arvo organisaatiolle syntyy BI:n arvoketjussa vasta inhimillisen älykkyyden käytön seurauksena. Powellin (1996) mallissa on kuusi vaihetta: data, informaatio, tieto, älykkyys, päätös ja tulokset. Seuraavassa kuviossa Powellin mallin viimeinen tulosten vaihe on jaettu kah- deksi vaiheeksi eli arvoksi päättäjälle ja arvoksi organisaation omistajille tämän tut- kielman edustaman näkemyksen mukaisesti. 47 Kuvio 7. Business intelligencen arvoketju. (vrt. Powell 1996: 161) Muista mallin muunnoksista mainittakoon Thierauf (2001), Liautaud (2000) ja Daven- port & Prusak ym. (1998). Thierauf (2001: 7–12) määrittelee tietohierarkiaan kuusi ta- soa, jotka ovat data, informaatio, tieto, älykkyys, viisaus ja totuus. Davenport ym. (1998: 1–6) ja Liautaud (2000: 5–6) ovat esittäneet yksinkertaisempia, kolmiportaisia malleja. Davenportin ym. malli käsittää datan, informaation ja tiedon. Heidän mieles- tään monimutkaisemmat tietomallit aiheuttavat yrityksille vain hämmennystä ja sekaan- nusta. Jo datan, informaation ja tiedon välisten erojen ja sen, mitä näistä kolmesta kul- loinkin tarvitaan, on tarpeeksi vaativaa yrityksille. Liautaudin malli jakautuu vastaavalla tavalla dataan, informaatioon ja älykkyyteen. Tiedon tasotkin on eri lähteissä määritelty hieman eri tavoin32. 32 Data on muun muassa eri tietolähteistä kerättyjen informaation palasten keräämisen tuotos (Powell 1996: 161), symboleja (Ackoff 1989: 3) tai järjestymätöntä raakadataa (Thierauf 2001: 7–8). Informaatio on datan tiivistämisen tuotos (Powell 1996: 161), hyödylliseksi käsiteltyä dataa, joka vastaa kysymyksiin ”kuka”, ”mitä”, ”missä” ja ”milloin” (Ackoff 1989: 3) tai järjestynyttä tietoa, jota voidaan käyttää ongel- mien analysointiin ja ratkaisemiseen (Thierauf 2001: 8). Tieto (tietämys) on analysoidun informaation tuotos (Powell 1996: 161), kysymykseen ”miten” vastaavaa informaation soveltamista (Ackoff 1989: 3) tai kokemuksen perusteella saatua asiantuntemusta (Thierauf 2001: 9). Älykkyys (viisaus) on kommuni- toteuttaminen soveltaminen kommunikoiminen analysoiminen tiivistäminen kerääminen Arvo omistajalle Arvo päättäjälle Päätöksenteko Älykkyys Tieto Informaatio Data päättäjä 48 BI:n arvoketjun mallin puitteissa ei ole juuri otettu kantaa päätöksenteon vaikutuksiin liiketoiminnalle muuten kuin hyvin yleisellä tasolla. Aikaisemmissa tutkimuksissa mal- lissa päätöksenteon vaihetta seuraavat esimerkiksi ”tulokset” (Powell 1996: 161) tai ”arvo liiketoiminnalle” (Brohman ym. 2000: 3). Tässä tutkielmassa BI:n arvoketjussa päätöksentekoa seuraaviksi vaiheiksi esitettävät arvo päättäjälle ja arvo omistajalle viittaavat sovellettavan mittariston henkilökohtaisten hyötyjen ja organisaation suoritus- kyvyn mittareihin. Arvoketjuajattelu tukee täten tutkielman näkemystä siitä, että BI:n arvo päättäjälle lisää sen arvoa organisaation omistajalle. Omistajalle BI:stä koituva lisäarvo riippuu siitä miten tehokkaasti sillä onnistutaan tuottamaan henkilökohtaista lisäarvoa päättäjälle. Marr ym. (2004: 317) mainitsivat, että teknologia ei ole minkään arvoista ilman oikeaa tietoa ja kykyä sen käyttämiseen. Niin ikään Lönnqvist ym. (2006: 34) mainitsevat Kellyn näkemyksen, jonka mukaan mukaan BI:llä sellaisenaan ei ole lainkaan arvoa, koska tiedon arvo organisaatiolle syntyy BI:n arvoketjussa vasta inhimillisen älykkyy- den käytön seurauksena. Näkemysten voidaan todeta olevan huomattavan yhtenäisiä sekä arvoketjuajattelun että teoreettisesti validin ja kontekstiriippumattoman nettonyky- arvon käsitteen33 kanssa. Mikäli BI-järjestelmän käyttöä ei ole omaksunut yksikään tosiasiallinen käyttäjä, sen odotettavissa olevat tuotot ovat nolla. Investoinnin net- tonykyarvo on tällöin negatiivinen. Arvoketjun malli voi muiden prosessimallien tapaan toimia perustana myös kausaalisen mittariston rakentamiselle. Tästä on esimerkkinä EUCS-viitekehyksen kehittäjien Doll & Torkzadeh (1998) kehittämä kolmifaktorinen järjestelmän käyttöä mittaava mittaris- to. Järjestelmän käyttöä mittaavat faktorit ovat päätöksenteon tuki, työn integrointi ja asiakaspalvelu. Mittaristo mittaa tietoteknologian käytön tehokkuutta yksilötasolla ja tuo tulokset organisaatiotason kontekstiin. Mittariston muodostaa kolmekymmentä mit- koitua tietoa, jota käytetään oikeiden päätösten perustana (Powell 1996: 161), vastaamista kysymykseen ”miksi” (Ackoff 1989: 3) tai kyky ymmärtää tärkeiden faktojen välisiä suhteita (Thierauf 2001: 10). 33 Nettonykyarvo lasketaan kaavalla (2) ∑ = + − = n t t t r CB =PV 0 )1( )( , jossa jossa B ja C ovat tuotot ja kustannukset hetkellä t, ja r on diskonttokorkokanta. 49 taria, jotka koskevat seikkoja, jotka auttavat käyttäjää menestymään työssään34. Toinen esimerkki on Porterin esittelemä strategisen sopivuuden (strategic fit) menetelmä, jolla voidaan linjata tietoteknologiainvestoinnit yhtiön strategiaan. Se auttaa valitsemaan kahden erilaisen investoinnin välillä, mutta ei sovi kahden samaa tarkoitusta palvelevan investoinnin vertaamiseen eikä huomioi taloudellista analyysia (Milis ym. 2004: 92). 3.3. Business intelligence –tietojärjestelmät BI-tietojärjestelmien synty on seurausta päätöksentekoa tukevien tietojärjestelmien 1960-luvulla alkaneesta kehityksestä35. BI-järjestelmät voidaan luokitella tietopohjai- siksi (data-driven) päätöksentekoa tukevia järjestelmiksi (decision support system, DSS). DSS-järjestelmien käsite on laaja, ja se kattaa suuren joukon hyvin erityyppisiä järjestelmiä (Power 2007). Joskus IT-ammattilaiset tarkoittavat BI- tai DSS-ratkaisuilla vain liiketoiminnan loppukäyttäjien työkaluja. Tässä tutkielmassa BI-järjestelmällä tar- koitetaan koko BI-prosessia tukevaa tietojärjestelmää, johon sisältyy myös tietovaras- toinnin ympäristö. Nykymuotoisten BI-järjestelmien voidaan katsoa syntyneen 1980- ja 1990-luvun vaih- teessa36. BI-järjestelmiä alettiin implementoida nopeasti erityisesti aiemmin käyttöön otettujen ERP-järjestelmien analyyttisten rajoitusten vuoksi (Elbashir ym. 2008: 138). 34 Esimerkkeinä mittareista mainittakoon ”Käytän sovellusta analysoidakseni miksi ongelmat ilmaantu- vat” (päätöksenteon tuki), ”Käytän sovellusta jakaakseni informaatiota työryhmäni ihmisten kanssa” (työn integrointi) ja ”Käytän sovellusta palvellakseni asiakkaita aiempaa luovemmin” (asiakaspalvelu). 35 Ensimmäiset 1960-luvulla kehitetyt MIS (management information system) -järjestelmät pystyivät tar- joamaan yritysjohdolle säännöllisiä raportteja, joiden tieto oli peräisin lähinnä kirjanpitojärjestelmistä. Sa- maan aikaan Mortonin tutkimus, jossa yritysjohto otti käyttöön MDS (management decision system) -jär- jestelmän, sai runsaasti huomiota osakseen. Termiä decision support system (DSS) käyttivät ensimmäistä kertaa Gorry & Scott-Morton artikkelissaan vuonna 1971. DSS-järjestelmät erosivat MIS-järjestelmistä vuorovaikutteisuutensa puolesta. 1970-luvun lopussa relaatiotietokantojen syntymisen myötä DSS-jär- jestelmät kehittyivät yhden käyttäjän järjestelmistä EIS (executive information system) ja ESS (executive support system) -järjestelmiksi. Ensimmäiset EIS-järjestelmät olivat tietosisällöltään ennaltamääriteltyjä näyttöjä, joita käytti ylin johto, ja joita ylläpitivät analyytikot (Power 2007). 1980-luvun lopulla kehitettiin ryhmäpäätöksenteon tukijärjestelmiä (group decision support system, GDSS), jotka olivat en- simmäisiä alkeellisia verkkopohjaisia järjestelmiä. (Hovi ym. 2009: 77) 36 Sittemmin markkinatutkimusyhtiö Gartnerin analyytikkona toimineen Dresnerin mainitaan vuonna 1989 käyttäneen termiä ”business intelligence” ensimmäistä kertaa yhteisenä terminä kuvaamaan nyky- muotoisia päätöksentekoa tukevan tiedonkäsittelyn menetelmiä ja teknologioita (Jagielska ym. 2006: 216, Lawton 2006: 14). Gartnerilla uskotaankin olevan osuutta BI:n nykytulkinnan yleistämisessä. Ensimmäi- sen kerran termiä ”business intelligence” oli käyttänyt IBM:n Luhn jo vuonna 1958 artikkelissaan ”A business intelligence system”. Siinä hän esitteli tarpeen laajalle tietojärjestelmälle, joka sovittaa yhteen kaikki organisaation tietoon liittyvät ongelmat (Jagielska ym. 2006: 216). 50 Vaikka ERP-järjestelmät pystyivät parantamaan tapahtumatiedon saatavuutta, niiden käyttöönoton koettiin aiheuttavan merkittävää vahinkoa organisaatioiden olemassa ol- leelle päätöksenteon tuen kyvylle (Rom ym. 2007: 46). Relaatiotietokantojen ja SQL- kielen (structured query language, rakenteellinen kyselykieli) käyttö yleistyi tällöin no- peasti ja tietovarastointi- ja OLAP-teknologiat (on-line analytical processing, suora analyyttinen prosessointi) kehittyivät37 (Power 2007). BI-järjestelmän arkkitehtuuri rakentuu tietovarastoista ja analyysi- ja raportointityöka- luista kuvion 8 mukaisesti. Tietovarastoinnin ympäristön tehtävänä on poimia, puhdis- taa, mallintaa, muuntaa, siirtää ja ladata tapahtumatietoa eri tietolähteistä tietovarastoon. Tietovarastoinnin ympäristön ydinteknologioita ovat ETL-työkalut (extract, transform and load, poiminta, muunnos ja lataus) 38 ja varsinainen tietovarasto39. Tietovaraston tieto järjestetään käyttäen ulottuvuudellista mallintamista (dimensional modeling). Jär- jestelmä voi sisältää päätietovaraston lisäksi useita paikallistietovarastoja (data marts). Arkkitehtuuriin kuuluu myös tallennuspaikka metatiedolle40. Loppukäyttäjät käyttävät vaihtelevia työkaluja tiedon kyselyyn ja analysointiin sekä visualisointiin, ja mikä tär- keintä, tiedon käyttämiseen päätöksentekoon ja toimintaan (Eckerson 2006: 53–63). Raportoinnin ja analysoinnin ympäristön tärkeimpiä teknologioita ovat OLAP41, SQL42 37 Relaatiotietokantamallin kehitti IBM:n Codd vuonna 1970. Termi data warehouse esiintyi ensimmäisen kerran vuonna 1988 Devlinin & Murphyn artikkelissa ”An architecture for business and information system”. Tietovarastoinnin konseptin loi ja julkaisi ”tietovarastoinnin isä” Inmon ensimmäisessä kirjas- saan ”Building the Data Warehouse” vuonna 1990. Hänen lisäkseen relaatiotietokantoihin perustuvien DSS-järjestelmien kehitystä on 1990-luvun alusta lähtien edistänyt erityisesti ”DSS-tohtori” Kimball, joka jalosti moniulotteisen suunnittelun ns. tähtimallin. (Hovi ym. 2009: 11, 26–28, Power 2009) 38 ETL-työkaluja käytetään datan keräämiseen (extract) useista operatiivisista OLTP- (on-line transaction processing, suora tapahtumien prosessointi) tietokannoista ja ulkoisista tietolähteistä, kerätyn datan puh- distamiseen, muokkaamiseen (transform) ja integroimiseen sekä käsitellyn datan lataamiseen (load) tieto- varastoon. (Chaudhuri & Dayal 1997: 66–67) 39 Tietovarasto on Inmonin (2002: 29–33, 495) usein siteeratun määritelmän mukaan ”aihekeskeinen, yh- tenäinen, pysyvä ja aikasidonnainen kokoelma tietoa, joka tukee johdon päätöksentekoa”. Aihekeskeisyys edellyttää, että toisiinsa liittyvät reaalimaailman kohteita kuvaavat tietoelementit on loogisesti yhdistetty. Yhtenäisyydellä tarkoitetaan, että tietovarasto sisältää tietoja organisaation kaikista tai ainakin tärkeim- mistä tietolähteistä, ja esitystapa on yhtenäinen. Aikasidonnaisuus ilmenee siten, että tietovarasto sisältää tietoa pitkältä aikaväliltä, ja tietoon liittyy aina aikaleima tai tapahtuman ajankohta. Pysyvyydellä tarkoi- tetaan, että ladattua tietoa ei muuteta tietovarastossa. Tietovarasto sisältää pääasiassa yksityiskohtaista dataa ja hyvin vähän summattua ja johdettua dataa, kun taas paikallistietovarastot sisältävät lähes yksin- omaan jälkimmäistä. 40 Metatieto on tietoa tiedosta. Se on tietokannassa määriteltyjen kohteiden kuvaus. (Inmon 2002: 500) 41 OLAP Councilin (1995) määritelmän mukaan OLAP on ”ryhmä ohjelmistoteknologioita, joiden avulla analyytikot ja johtajat saavuttavat näkemyksen liiketoiminnan tilasta pääsemällä nopeasti, johdonmukai- sesti ja vuorovaikutteisesti laajaan valikoimaan mahdollisia informaationäkymiä, jotka on muunnettu raakadatasta vastaamaan yrityksen oikeita ulottuvuuksia käyttäjän ymmärtämässä muodossa”. OLAP:n tärkein ominaisuus on moniulotteinen näkymä tietoon, jonka tallennusmekanismilla pyritään optimaali- seen kyselyjen suoritusnopeuteen ja käytön helppouteen (Hovi ym. 2009: 91). OLAP-operaatioita ovat 51 ja tiedonlouhinta43. BI-järjestelmien ohjelmistot ovat standardisoituja ohjelmistopaket- teja, jotka mukautetaan asiakkaiden tarpeisiin. (Yeoh ym. 2008: 80) Kuvio 8. Business intelligence -järjestelmän arkkitehtuuri. Yhdysvaltalainen koulutusyhtiö The Data Warehousing Institute (TDWI) on esittänyt kuvion 9 mukaisen BI-järjestelmien kypsyysmallin teorian, jonka todisteeksi ei kuiten- kaan ole esitetty empiiristä näyttöä käytetyissä lähteissä. TDWI:n teoria haluttiin esitellä tässä yhteydessä, koska käytettävissä ei ollut tieteellistä lähdettä, joka kuvaisi onnis- tuneesti BI-infrastruktuurin luonteenomaista vaiheittaista ja hidasta kypsymistä organi- saatiossa. Malli muodostuu kuudesta vaiheesta: 1 - ”syntymätön”, 2 - ”vastasyntynyt”, 3 - ”lapsi”, 4 - ”teini-ikäinen”, 5 - ”aikuinen” ja 6 - ”viisas tietäjä”. Normaalijakauma ku- vaa organisaatioiden sijoittumista eri kypsyysvaiheisiin. Sen mukaan useimmat organi- porautuminen (drill-down), yleistäminen (roll-up), viipalointi (slice), kuutiointi (dice) ja kääntö (pivot). (Chaudhuri ym. 1997: 66) 42 Raportointi perustuu SQL-kyselykieleen, jolla tehdään hakuja, muutoksia ja lisäyksiä relaatiotietokan- taan. Käytännössä useimmat tietovarastot ovat relaatiotietokantoja, ja kaikki relaatiotietokannat ymmärtä- vät SQL-kieltä. 43 Tiedonlouhinta on tilastollista mallintamista, jolla pyritään etsimään käyttökelpoisia, uusia malleja suurista datamääristä. Siten voidaan tuottaa kehittyneempiä analyyseja kuin OLAP-työkaluja käyttämällä (Jagielska ym. 2003: 233). Tietovarasto (DW) Raportoinnin ja analysoinnin ympäristö Tietovarastoinnin ympäristö Operatiiviset järjestelmät ja ulkoiset tietolähteet SQL ETL ETL OLTP OLTP Raportointi Paikallis- tieto- varasto Ulkoinen tietolähde Paikallis- tietovarasto OLAP Tiedon- louhinta 52 saatiot ovat saavuttaneet vaiheen kolme tai neljä. Huipun molemmin puolin ovat vaike- asti ylitettävät kuilut. Kuvio 9. TDWI:n business intelligence –järjestelmän kypsyysmalli ja ROI. (The Data Warehousing Institute 2005) Kullakin kypsyysvaiheella on omat erityispiirteensä järjestelmän ominaisuuksiin liit- tyen. Ensimmäisessä, ”syntymättömän” vaiheessa BI-infrastruktuuri on vielä täysin kehittymätön. Toisessa, ”vastasyntyneen” vaiheessa sovelletaan spreadmarteja, jotka tarkoittavat esimerkiksi taulukkolaskentasovellusten käyttämistä siten, että niihin kerä- tään tietoja paikallistietovarastojen omaisesti. Kolmannessa, ”lapsen” vaiheessa osasto- päälliköt rahoittavat paikallistietovarastoja. Neljännessä, ”teini-ikäisen” vaiheessa pai- kallistietovarastot konsolidoidaan liiketoimintayksikkötasoiseksi DW:ksi. Viidenteen, ”aikuisen” kypsyysvaiheeseen liittyy järjestelmän käytön kokonaisvaltaisuus. BI ei ole enää ainoastaan strategisen johdon työkalu, vaan sitä käytetään yrityksessä laajasti aina operatiivista tasoa myöten. EDW (enterprise data warehouse) on yrityskohtainen, kes- kitetty tietovarastoratkaisu, jonka arkkitehtuuri voidaan rakentaa monin eri tavoin. Kuu- dennessa, ”viisaan tietäjän vaiheessa” korostuu tilastollisen analysoinnin ja mallintami- sen hyödyntäminen päätöksenteon automatisoinnissa. Tällöin kysymys kuuluu ”Mitä voimme tarjota markkinoille?”. 53 Kypsyysmallin teoria ehdottaa, että BI-järjestelmäinvestoinnin ROI riippuu järjestelmän kypsyysvaiheesta. BI-järjestelmien kypsyminen tuottaa lisää arvoa sitä mukaa, kun tieto konsolidoituu ja muuttuu loogisesti yhtenäisemmäksi analyyttisten rakenteiden harve- tessa. Tuotto alkaa kasvaa dramaattisesti vaiheessa neljä - teini-ikäisyyden vaiheessa - jolloin organisaatio tarjoaa käyttäjille ajantasaista, johdonmukaista tietoa intuitiivisessa muodossa käyttäen muun muassa kojelautoja monipuolisesti suorituskyvyn seurantaa varten. Tuoton kasvu kiihtyy edelleen kahdessa viimeisessä vaiheessa, joissa BI tuottaa arvokasta näkemystä yrityksen menestys- ja kilpailukykytekijöistä. (Eckerson 2006: 89- 102, The Data Warehousing Institute 2005) 3.4. Business intelligence -informaation loppukäyttöön liittyviä ominaispiirteitä Seuraavana esiteltävät BI-informaation loppukäyttöön liittyvät erityispiirteet jaetaan tässä alustavasti luvun 3.4.1. tietojärjestelmään ja informaatioon liittyviin tekijöihin, joita ovat tietotulva, tiedon laatu, visuaalisuus, sovellusten hakurakenteet, tekninen suo- ritusteho ja työskentelyn keskeytymiset sekä luvun 3.4.2. käyttöpalveluihin liittyviin tekijöihin, joita ovat loppukäyttäjien ja kehittäjien välinen vuorovaikutus, käyttäjien koulutus, käyttötuki, ei-tekninen tuki, johdon tuki, käyttöoikeudet, avoin yrityskulttuuri ja tiedon jakaminen sekä järjestelmien konsolidointi44. Samalla esitetään niihin liittyviä tutkimustuloksia. Lueteltujen tekijöiden lisäksi mainittakoon, että BI-järjestelmiä on ainakin kotimaisittain kritisoitu myös erityisesti ohjelmistojen ulkoisen tiedon puuttu- misesta ja vaikeakäyttöisyydestä ja siitä johtuvasta matalasta hyödyntämisasteesta (Ha- lonen ym. 2007, Sormunen 2008: 6–7, Siljamäki 2008). 44 Tekijöitä vastaavat muuttujat luokitellaan myöhemmin uudelleen pääkomponenttianalyysissa. 54 3.4.1. Tietojärjestelmään ja informaatioon liittyviä tekijöitä Tietotulva BI:n yhtenä tavoitteena on hallita yritysten toimintaympäristöä leimaavaa tietotulvaa. (Halonen ym. 2007: 4). Tarjolla olevan informaation määrän huima kasvu liittyy ensi- sijaisesti sähköisen median kautta saavutettavan tiedon määrän kasvuun. Käytettävissä on siis paljon informaatiota, mutta ongelmana on päättää, mikä siitä on olennaista ja mihin pitäisi keskittyä. Hyödynnettävissä olevan informaation määrä sen sijaan kasvaa hitaasti. Niiden väliin on syntynyt tiedonhallinnan kuilu. Kaiken tarjolla olevan datan ja informaation seulomiseen eivät organisaatioiden voimavarat tahdo riittää. Toisaalta myös organisaation liiketoimintaprosesseista tarjolla olevan datan määrä on kasvanut huimasti. Tässäkin on pullonkaulana tarjolla olevan tiedon jalostaminen ja analysointi. (Hannula 2009 b). Tietotulvan vaikutuksia BI-loppukäyttäjiin on tutkittu varsin vähän. Shinin (2003: 149– 150) tietovarastotutkimuksessa vastaajat eivät kärsineet tietotulvasta (k.a. 3,51/7,0). Jotkut käyttäjäryhmät ilmoittivat sen sijaan kärsivänsä tiedon puutteesta (k.a. 4,68/7,0). Tiedon laatu Tiedon laatu ja saatavuus operatiivisista järjestelmistä aiheuttaa usein käytännön haas- teita. BI-järjestelmät kokoavat tietoa useista eri lähteistä, ja tietointegraatioiden toteut- taminen on osoittautunut haasteelliseksi työksi. Lähdejärjestelmistä tuodun tiedon epä- täydellisyys, epäjohdonmukaisuus ja yhteensopimattomuus aiheuttavat tiedon oikeelli- suuden ongelmia BI-järjestelmien puitteissa (Simons 2008: 46–47). Tiedon yksityis- kohtaisuuden taso puolestaan voi vaikuttaa siihen löytääkö käyttäjä järjestelmästä tarvit- semansa tiedon (Shin 2003: 145). Itsenäisesti kehittyneissä lähdejärjestelmissä tiedon laatuun ei yleensä ole kiinnitetty huomiota ainakaan tietovarastoinnin näkökulmasta. Tietovarastoon tuotavaa tietoa joudutaan usein korjaamaan lähdejärjestelmässä tai tieto- varaston latausalueella (Shin 2003: 154). Loppukäyttäjän havaitsemia tiedon oikeelli- 55 suuden ongelmia aiheuttavat heikon tiedon laadun lisäksi muutkin tekijät kuten ohjel- mistojen toiminnalliset virheet. Yeohin ym. (2008: 86, 90) tutkimuksessa lähdejärjestelmien tiedon laatu sisältyi yhteen kriittisistä menestystekijöistä. Shinin (2003: 149–152) tietovarastotutkimuksessa kyse- lyyn vastaajat antoivat varsin positiivisia arvioita tiedon laadusta. Tiedon laadun mitta- reiden keskiarvot olivat suhteellisen korkealla tasolla (4,1–4,9/7,0). Tiedon johdonmu- kaisuus sai tiedon laadun mittareista heikoimmat arvot (k.a. 4,1/7,0). Tietyt käyttäjä- ryhmät ilmoittivat kärsivänsä saatavana olevan tiedon heikosta luotettavuudesta (k.a. 4,68/7,0). BARC:n tutkimuksessa vastaajat nimesivät mahdollisista yksittäisistä BI-ke- hityksen kohtaamista ongelmista kaikkein vakavimmaksi tiedon laadun ongelmat (Pendse 2009: 12) Visuaalisuus Tiedon visualisointi on trendi, johon on kiinnitetty entistä enemmän huomiota BI-jär- jestelmien kypsymisen myötä. Visualisointityökaluilla pyritään laajojen ja moniulot- teisten tietomäärien mahdollisimman tehokkaaseen esittämiseen (Watson & Gray 2008: 4–5). Kehittyneitä visualisointityökaluja ovat esimerkiksi kojelaudat, lämpökartat ja itseorganisoituvat kartat (Watson ym. 2008: 4, Siljamäki 2008, tuntematon 2007: s3, Watson 2006, Länsiluoto 2004). BI-järjestelmän loppukäyttäjän näkökulmasta katsottuna tiedon visualisointeihin kui- tenkin liittyy paljon haasteita. Niin visualisointi- kuin muistakin BI-työkaluista lopulli- sen päätöksen tekevien henkilöiden pitäisi olla liiketoiminta- eikä teknologiaväkeä. BI- toimittajat voivat valloittaa näyttävillä visualisoinneillaan päättäjät niin, että todelliset liiketoimintavaatimukset unohtuvat. Visualisointien paikka työkalujen valintaprosessis- sa onkin tärkeä kysymys: ovatko ne pakollisia vai vain mukava lisäominaisuus (Adelman 2006: 18). Käyttäjiä on vaikea saada omaksumaan ja käyttämään visualisoin- teja (Watson ym. 2008: 5). Koulutusta tarvitaan riittävästi, jotta visuaalisia esityksiä opitaan tulkitsemaan. Epäonnistuessaan visualisoinnit voivat olla merkityksettömiä tai jopa harhaanjohtavia. Toisaalta onnistuessaan visualisoinnit edistävät BI-järjestelmän hyväksyntää organisaatiossa, auttavat järjestelmän sisäisessä myymisessä, ja tuovat si- ten järjestelmälle lisää käyttäjiä (Adelman 2006: 18). 56 Sovellusten hakurakenteet Tietovarastojen massiiviset tietorakenteet ja käyttöliittymien hakurakenteet tekevät usein oikean tiedon löytämisen vaikeaksi loppukäyttäjille. Usein korostetaan, että meta- tiedon järjestelmällinen hallinta ja sen tiivis integrointi tietojenkäsittelyprosesseihin on ratkaisevan tärkeää mahdollisten loppukäyttäjien omaksumisen ja käytön kannalta (Shin 2003: 145). Shinin (2003: 151) tutkimus osoitti, että järjestelmän hakurakenteet aiheut- tavat tiedon löytämisen ongelman, joka voi olla merkittävä este tietovaraston tehok- kaalle käytölle. Käyttäjät vastasivat, että tiedon löytäminen ei ollut kovin helppoa (k.a. 3,7/7,0). Tekninen suoritusteho Tekninen suoritusteho edustaa loppukäyttäjän hakeman tiedon palauttamisen vasteaikaa, joten se liittyy läheisesti järjestelmän prosessointinopeuteen (Shin 2003: 145). Tietova- rastoon tehtävät kyselyt ovat usein monimutkaisia ad hoc -tyyppisiä hakuja. Ne vaativat laajaa tietojen prosessointia päätöksentekoa tukevan luonteensa vuoksi. Tietovarastojen tietomäärät ovat valtavia, haut voivat kohdistua kerralla miljooniin tietueisiin, ja niihin voi liittyä vaativia tietokantatoimenpiteitä, kuten tietojen yhdistelyä ja koosteiden muo- dostamista. Tämä aiheuttaa suurta kuormitusta tietovarastoille, ja siten vaatimusten pai- neita käytettäville laitteistoille ja ohjelmistoille (Chaudhuri & Dayal 1997: 65, Shin 2003: 145, Chen ym. 2000: 106). Liian pitkä prosessoinnin viive voi saada käyttäjät hylkäämään BI-järjestelmän, koska se ei välttämättä ole ainoa tietolähde, eikä sen käyttö ole yhtä välttämätöntä kuin päivittäisissä toiminnoissa palvelevien operatiivisten järjestelmien käyttö (Shin 2003: 145). Käytännössä yritysten tuotantokäytössä olevien tietovarastojen suorituskykyä pyritään parantamaan viimeistään siinä vaiheessa, kun vasteajat kasvavat liian pitkiksi, mutta toiminta ei välttämättä ole kovin systemaattista. Tekninen suoritusteho on loppukäyttäjän kannalta kriittinen menestystekijä, ja järjes- telmän suoriutumisella voi olla merkittävä vaikutus käyttäjän suoriutumiseen työtehtä- vistään (Shin 2003: 145). Shinin tutkimus osoitti, että järjestelmän hidas vasteaika vai- kuttaa olennaisesti tietovaraston käyttäjätyytyväisyyteen (k.a. 3,43) (Shin 2003: 154– 155). Chenin ym. (2000) tulokset olivat erisuuntaisia. He poistivat tutkimuksessaan suo- 57 ritustehon osion tulosten analyysivaiheessa, koska niiden ja käyttäjätyytyväisyyden vä- linen korrelaatio ei ollut tilastollisesti merkitsevä. Työskentelyn keskeytymiset Yhteysistunnon aikakatkaisu on tärkeä ja yleisesti käytetty tietojärjestelmien tekninen turvamekanismi. Sen käyttö perustuu ennen kaikkea tietoturvallisuuteen, mutta siihen vaikuttavia tekijöitä ovat myös järjestelmien tekninen kapasiteetti ja ohjelmistojen li- senssimaksukulut. Yhteysistuntojen aikakatkaisulla hallitaan käyttäjän tietojen vääriin käsiin joutumisen ja koko järjestelmän vaarantumisen riskiä. Liian pitkien istuntojen seurauksia voivat olla käyttäjän tietojen vääriin käsiin joutuminen, käyttäjän, asiakkai- den ja liiketoiminnan luottamuksen menettäminen, järjestelmän häiriöaika ja taloudelli- set menetykset. Liian pitkät istunnot voivat myös aiheuttaa järjestelmän käytön ylikuor- mittumista, jolloin tekninen kapasiteetti loppuu kesken. Toisaalta liian lyhyet istunnot johtavat liian moniin pakotettuihin uloskirjautumisiin ja lisäävät vastaavasti takaisinkir- jautumisten ja uusien istuntojen luomisen määrää. Kun istunto katkeaa kesken työsken- telyn – mikä voi tapahtua kyselemättä – tallentamattomat valinnat yleensä menetetään. Päätöksentekoa tukevassa BI-järjestelmässä tehtävät valinnat voivat olla monimutkaisia. Käyttäjän on toistettava koko valintaketju, kun hän on kirjautunut takaisin järjestel- mään. Aikakatkaisua ei ole paljoakaan tutkittu, ja näyttää siltä, että käytännössä sen arvot asetetaan usein satunnaisesti (Xie, Sun, Cao & Trivedi 2002: 1, 3). Aikakatkaisu aiheuttaa suorituskyvyn ja turvallisuuden konfliktin (Xie ym. 2002: 1, 8). Käyttäjän työskentely järjestelmässä voi keskeytyä myös muusta syystä kuin aikakat- kaisun vuoksi. Tilanteeseen voivat johtaa esimerkiksi BI-ohjelmistotuotteiden toimin- nalliset virheet (ks. Business Objects 2008: 2, 3, 37, 51, 63, 110, 140, 142, 143). Toisi- naan häiriön syy voi jäädä tuntemattomaksi, sillä selainkäyttöliittymien toimintaan vai- kuttavat useat eri tekijät. Työskentelyn keskeytykset ovat käyttäjien kannalta ei-toivot- tuja riippumatta niiden aiheuttajasta. 58 3.4.2. Käyttöpalveluihin liittyviä tekijöitä Loppukäyttäjien ja kehittäjien välinen yhteistyö ja vuorovaikutus Chenin ym. (2000) tietovarastointia koskeneen tutkimuksen tulokset osoittivat, että lop- pukäyttäjien käyttäjätyytyväisyys ja suorituskyky ovat voimakkaasti riippuvaisia jär- jestelmän kehittäjien tuesta. Tutkimuksen mukaan tukea tarvitaan kaikissa tietovaras- tointihankkeen työvaiheissa. Kaikista yhteistyön osapuolista riippuu kuinka hyvin tek- niikan ja liiketoiminnan välisessä vuorovaikutuksessa, sen organisoimisessa ja lopulta koko hankkeessa onnistutaan. Loppukäyttäjien on kyettävä ymmärtämään tietovaraston sisältämän tiedon merkitys. Kehittäjien vastuulla on kyetä toiminnallaan lisäämään lop- pukäyttäjien tietoisuutta tietovarastojen sisältämää tietoa kohtaan. Loppukäyttäjien käyttötarpeisiin perustuvan kehitystyön on myös valmistuttava nopeasti. Chenin ym. (2000: 108) mukaan loppukäyttäjien menestyksekäs hallinta edellyttää laa- jaa ja huolellista suunnittelua. Suunnittelussa pitää ymmärtää loppukäyttäjien erilai- suutta. Eroja on niin heidän kyvyissään, toiminnassaan kuin tarpeissaankin. Sitä korke- ampi käyttäjätyytyväisyys voidaan saavuttaa, mitä enemmän tuki on sen tyyppistä, että se suosii loppukäyttäjää. Haasteita lisää se, että kyseessä on suhteellisen uusi konsepti (Chen ym. 2000: 105). BI-järjestelmät myös luonteenomaisesti kypsyvät hitaasti, ja niiden kehittäminen on jatkuva prosessi, mikä edellyttää pitkäjänteistä sitoutumista yh- teistyön rakentamiseen. Käyttäjien koulutus Chenin ym. (2000) tutkimuksessa koulutus todettiin kehittäjien tarjoaman tuen mitta- reista merkittävimmäksi käyttäjätyytyväisyyteen vaikuttavaksi tekijäksi. Yeohin ym. (2008: 87) mukaan koulutuksessa pitäisi keskittyä niin itse teknologiaan kuin asiaan liittyviin hallinnollisiin ja ylläpidollisiin aiheisiinkin. (Yeoh ym. 2008: 87) Moreaun (2006: 604) IDSS-tutkimuksessa koulutuksen riittävyys oli korkealla tasolla (keskiarvo 5,47/7,0). Shinin (2003: 153, 155) tietovarastotutkimuksen ryhmähaastatte- 59 luissa tuli esille tietorakenteeseen liittyvän koulutuksen riittämättömyys, mutta regres- sioanalyysissä koulutuksen vaikutus käyttäjätyytyväisyyteen ei ollut tilastollisesti mer- kitsevä. Käyttötuki Loppukäyttäjien tarvitsema tuki ei rajoitu ainoastaan kehittäjien tarjoamaan tekniseen tukeen. Rajamäen (2008) mukaan käyttäjätyytyväisyyden mittaus painottuu käytännössä erityisesti tietotekniikkaan liittyvien palveluprosessien, kuten käyttötuen arviointiin. Rajamäen mukaan käyttäjätyytyväisyys siltä osin on keskimäärin hyvällä tasolla suo- malaisissa yrityksissä ja julkisen sektorin organisaatioissa. Ammattitaito ja palveluha- lukkuus ovat erityisesti arvostettuja tukihenkilöiden ominaisuuksia. BI:n kontekstissa käyttötuen merkitystä ja myös sille asetettavia vaatimuksia lisää se, että BI-sovellukset koetaan vaikeakäyttöisiksi ja vaikeasti opittaviksi (De Voe & Neal 2008, Siljamäki 2008). Moreaun (2006: 604) IDSS-tutkimuksessa mitattiin käyttötuen saatavuutta, ja sen to- dettiin olevan hyvällä tasolla (k.a. 5,03/7,0). Kuten aiemmin on tullut esille, Chen ym. (2000: 106, 107–108) korostivat loppukäyttäjien tukipalveluja yleensä. Heidän tutki- muksessaan käyttötuki oli tuen mittareiden ryhmässä toiseksi merkittävin käyttäjätyyty- väisyyteen vaikuttava tekijä. Ei-tekninen tuki Organisaation ulkopuolisista sähköisistä lähteistä, kuten www-sivuilta ja uutispalve- luista, saatavaa tietoa ei pystytä vielä kovin täsmällisesti seulomaan. Tähän tarvitaan analyytikoita. (Hannula 2009 b). Tiedosta koottavan palapelin osia ovat esimerkiksi päivittäin internetistä, medioista, tutkimuksista ja tiedotteista kertyvät lukuisat tiedon- sirpaleet, joista on osattava poimia tärkeimmät ja yritettävä sovittaa ne loogiseen koko- naisuuteen. Tiedon kokoamisessa parhaan tuloksen saavuttamiseksi tarvitaan myös yh- teistyötä, sillä BI-osaamista ja yrityksen kannalta arvokasta tietoa voi löytyä monesta eri funktiosta (Sormunen 2008: 6–7). 60 BI:n kehitys on saanut yritykset huomaamaan, että tarvitaan organisatorisia uudistuksia maksimoimaan BI:iin ja suorituskyvyn hallintaan tehtyjen investointien tuotto. Tähän tarpeeseen yrityksiin ollaan perustamassa BI-osaamiskeskuksia (business intelligence competency center, BICC), jotka hallitsevat yritysten BI-strategiaa (Hovi, Hervonen & Koistinen ym. 2009: 106–107). Trendi tulee esille myös kotimaisen ylimmän johdon kutsuvierastilaisuuksiin erikoistuneen yrityksen Management Eventsin (2009) teke- mässä kyselyssä: 102 vastaajasta 41 % piti BI-osaamiskeskusten perustamista kiinnos- tavana tai erittäin kiinnostavana investointikohteena. Johdon tuki Yritysjohdon tuki on laajasti tunnustettu kaikkein tärkeimpänä tekijänä BI-järjestelmien implementoinneissa. Sitä tarvitaan erityisesti monimutkaisten organisatoristen ongel- mien ratkaisemiseen (Yeoh 2008: 86). Yeohin ym. (2008) tutkimuksessa johdon tuki oli yksi seitsemästä BI-implementointien kriittisestä menestystekijästä. Moreaun (2006: 604) tutkimuksessa IDSS-järjestelmien loppukäyttäjien tyytyväisyyttä johdon tukeen kartoitettiin yhteensä seitsemällä mitta- rilla, jotka kaikki saivat korkeat arvot. Yksi mittareista koski johdon IDSS:n käyttöön tarjoamaa apua ja resursseja (k.a. 5,20/7,0). Toinen mittari esitti väitteen, että ylin johto on erittäin kiinnostunut loppukäyttäjän tyytyväisyydestä IDSS:n käyttöön (k.a. 5,23/7,0). Käyttöoikeudet Aiemmin esiin tulleen aikakatkaisun tapaan suorituskyvyn ja turvallisuuden konfliktia aiheuttaa myös käyttöoikeuksien hallinta. BI-järjestelmiä rakennetaan nimenomaan tu- kemaan tietojen helppoa saatavuutta, mutta samalla käyttöoikeuksien hallintaa tarvitaan estämään tiedon joutumista vääriin käsiin (Hovi ym. 2009: 63). BI-järjestelmän sisäl- tämä tieto voi olla arkaluonteisempaa kuin operatiivisten järjestelmien tieto. Käyttöoi- keuksien hallinnasta tulee vakava ja vaikea asia erityisesti silloin, kun organisaation on käsiteltävä arkaluonteista tietoa globaalilla tasolla (Shin 2003: 145). Tietoja suojataan paitsi ulkopuolisilta, myös asiattomilta organisaation sisällä (Hovi ym. 2009: 63). Lain- säädäntö asettaa omat rajoituksensa henkilötietojen käsittelylle ja osalle pörssiyhtiöiden 61 tiedoista. Loppukäyttäjän kannalta tarpeettomat ja väärin rajatut käytön rajoitukset voi- vat haitata järjestelmän tehokasta käyttöä arvokkaana tietolähteenä (Shin 2003: 145). Käyttöoikeuksien hallintaa on tutkittu hyvin vähän käytännön tilanteissa oikeilla käyt- täjillä. Käytännössä usein puuttuu ymmärrystä siitä, miten käyttöoikeuksien hallinnassa todella onnistutaan (Bauer, Cranor, Reeder, Reiter & Vanica 2008: 543). Moreaun (2006: 604) tutkimuksessa vapaus selata tietoja vaikutti merkitsevästi loppu- käyttäjän kokemukseen IDSS-järjestelmän käyttäjäystävällisyydestä. Mittari sai korkeat arviot (keskiarvo 4,91/7,0). Shinin (2003: 153) tietovarastotutkimuksessa loppukäyttä- jien käyttöoikeuksien riittävyydellä ei ollut merkitsevää vaikutusta käyttäjätyytyväi- syyteen. Avoin yrityskulttuuri ja tiedon jakaminen ”BI:n kummisetä” Dresner korostaa avoimen yrityskulttuurin ja tiedon jakamisen mer- kitystä. ”BI:n tehokas hyödyntäminen edellyttää, että organisaatiolla on faktaperustei- nen kulttuuri, joka arvostaa tiedon vapaata jakamista, toisin sanoen läpinäkyvyyttä. Usein sellaista pidetään ihmisluonnon vastaisena. Kuten Sir Francis Bacon on sanonut, tieto on valtaa.” (Sheina 2007) Vain 5 % organisaation tarvitsemasta tiedosta on olemukseltaan rakenteellista, ekspli- siittistä tietoa. 95 % tiedosta on organisaation henkilöstöön sitoutunutta inhimillistä tietoa (Hannula 2009 a: 6). Henkilöstölähtöinen tieto on monimuotoista, ja sitä voidaan kerätä esimerkiksi keskusteluissa, raporteilta, pöytäkirjoista ja suoraan työntekijöiltä. Ihmislähtöisen tiedon epäkohta on, että se on sidoksissa ihmisen psyykeen, ja ihmisten taustat, kokemukset ja arvot heijastuvat tietoon. Avoin yrityskulttuuri edistää tiedon jakamista ja organisatorista oppimista. Maantieteellinen hajautuneisuus ja toiminnan korkea kellotaajuus estävät tehokkaasti tiedon jakamista. Yrityksille olisi ensiarvoisen tärkeää pystyä käyttämään ihmislähtöistä tietoa muodollisen tiedon rinnalla (Pirttimäki 2007: 70–71). Tavoitteena on saada henkilöstö keskustelemaan keskenään (Sormunen 2008: 6). Kotimaisittain on todettu, että henkilöstölähtöisen tiedon hallinta on koettu yrityksissä haastavaksi, ja se on vaatimattomalla tasolla. Vain muutama siihen tarkoitettu työkalu 62 oli käytössä (Halonen ym. 2007: 14–15, Pirttimäki 2007: 69–71). Vuonna 2007 suo- malaisyritykset antoivat henkilöstölähtöisen tiedon hallinnalleen lähinnä välttävän ar- vosanan ja pitivät organisaation sisäisen tiedon hyödyntämistä tärkeimpänä kehitys- kohteena. Järjestelmien konsolidointi Tutkimusyhtiö Forresterin mukaan yrityksissä käytetään edelleen useita eri BI-järjes- telmiä, vaikka niitä on pyritty konsolidoimaan. Haastatelluista yli 80 tietohallintojohta- jasta yli 40 % kertoi, että heidän organisaatiossaan käytetään kolmesta viiteen BI- järjestelmää. Joka viidessä organisaatiossa oli käytössä vähintään kuusi eri BI- järjestelmää (Lai 2008). Loppukäyttäjien suorituskyvyn kannalta on epäedullista, että tieto on hajallaan eri järjestelmissä (Sormunen 2008: 6). Myös Panian (2007: 3) esittää, että tyypillinen käytössä oleva BI-ratkaisu on ad hoc - tyyppinen, osastokohtainen ja vailla kokonaisvaltaista BI-strategiaa. BI-ratkaisuja imp- lementoidaan tapauskohtaisesti tai taktisesti, perustuen tiettyihin käyttötarpeisiin ja jät- täen huomiotta muilla alueilla olevat projektit ja olemassa olevat ohjelmistot. BI-tek- nologiamarkkinoiden monimutkaisuus on tilanteeseen vaikuttava lisätekijä. Useat toi- siinsa kytkemättömät BI-projektit johtavat tehottomuuteen. Organisaatiokohtainen ha- jautuneisuus kuormittaa tiedon yhtenäisyyttä, toimintaa ja IT-tukea. Hankinta- ja kou- lutuskulut ovat suuremmat, projektien implementoiminen kestää kauemmin, henkilöstön siirtymiset organisaation sisällä ovat käytännössä mahdottomia, informaation epäjoh- donmukaisuus on huomattavaa ja teknisen henkilöstön tarve on suurempi. BI:n heikko konsolidointiaste estää yrityksiä havaitsemasta monia BI:n hyötyjä. 63 4. BUSIESS ITELLIGECE MITTARISTO Tämä pääluku kuvaa mittariston muodostamisen, joka on empiriaa valmisteleva työ. Mittausmenetelmien valinta käydään läpi luvussa 4.1. Luvussa 4.1.1. esitellään mitta- ristoon valittavat organisaation suorituskyvyn mittarit, luvussa 4.1.2. henkilökohtaisten hyötyjen mittarit ja luvussa 4.1.3. käyttäjätyytyväisyyden mittarit ja hypoteettisen BI- EUCS-viitekehyksen muodostaminen. Luvussa 4.2. käydään läpi mittariston analyysi- menetelmien valinta. Luvuissa 4.2.1. 4.2.2. ja 4.2.3. esitellään keskiarvot ja keskiarvo- testit, pääkomponentti- ja faktorianalyysit ja korrelaatioanalyysi sekä kullakin menetel- mällä testattavat hypoteesit tilastollisesti testattavassa muodossa. 4.1. Mittausmenetelmät Mittaristo koottiin kolmesta mittareiden luokasta luvussa 1.4. esitetyn mittausmallin mukaisesti: loppukäyttäjän käyttäjätyytyväisyys, loppukäyttäjän henkilökohtaiset hyödyt ja organisaation suorituskyky. Kaikki mittarit olivat subjektiivisia mittareita, ja mittaa- minen perustui kyselytutkimukseen. Käytettävässä Likertin asteikossa minimiarvo oli 1 ”täysin eri mieltä”, maksimiarvo oli 7 ”täysin samaa mieltä”, ja neutraali arvo oli tällöin 4 ”en samaa enkä eri mieltä”. Vastaajille annettiin myös vaihtoehto ”en osaa sanoa”. 4.1.1. Organisaation suorituskyvyn mittarit Yritysten suorituskyvyn mittariksi valittiin laskentatoimen perinteinen mittauskohde, joka on yrityksen taloudellinen suorituskyky. Se voidaan jakaa kolmeen olennaiseen ulottuvuuteen: kannattavuus, maksuvalmius ja vakavaraisuus. Yrityksen taloudellisen suorituskyvyn kausaalimalli on esitetty seuraavassa kuviossa 10. (Laitinen 2003: 422– 423) 64 Kuvio 10. Yrityksen taloudellisen suorituskyvyn perustekijät: kannattavuus, maksuval- mius ja vakavaraisuus. (Laitinen 2003: 423) Kannattavuus voidaan määritellä yrityksen kyvyksi tuottaa voittoa. Tuloksen lisäksi se vaikuttaa yrityksen tulorahoitukseen. Kannattavuus jaetaan yleensä edelleen kahteen ulottuvuuteen: koko pääoman ja oman pääoman kannattavuuteen, joita mitataan vastaa- vasti sijoitetun pääoman tuottoprosentilla (ROI) ja oman pääoman tuottoprosentilla. Maksuvalmius on yrityksen kyky suoriutua maksuvelvoitteistaan niiden tullessa mak- suun. Maksuvalmiuskin voidaan jakaa kahteen ulottuvuuteen: staattiseen ja dynaami- seen maksuvalmiuteen, joita mitataan quick ratiolla ja kassaperusteisella rahoitustulos- prosentilla. Kannattavuuden lisäksi kasvu vaikuttaa tulorahoitukseen, joka on maksuvalmiuden keskeinen tekijä. Vakavaraisuus on yrityksen rahoitusrakenteen terve- yttä siten, että vieraan pääoman rooli ei ole liian hallitseva. Myös vakavaraisuus jaetaan kahteen ulottuvuuteen: staattiseen ja dynaamiseen vakavaraisuuteen, joita mitataan omavaraisuusasteella ja vieraan pääoman takaisinmaksuajalla tai -kyvyllä. Vakavarai- suudessa huomio kiinnittyy sen riippuvuuteen kahdesta ulottuvuudesta. Yritys voi toi- mia raskaallakin pääomarakenteella, mikäli sen rahoitustulos on korkea ja vakaa. Jos rahoitustulos on matala ja epävakaa, yrityksen rahoitusrakenne on pidettävä keveänä. (Laitinen 2003: 423–427) Yritysten taloudellisesta kehityksestä olisi ollut mahdollista hankkia myös objektiivista tietoa tilinpäätösten muodossa. Mittaristossa käytettiin kuitenkin kaikilta osin subjektii- visia mittareita valitun lähestymistavan mukaisesti. Kaikilla kyselyyn vastanneilla BI- Kasvunopeus Kannattavuus Vakavaraisuus Voitto tai tappio Tulorahoitus Ulkopuolisen rahoituksen tarve Maksuvalmius 65 järjestelmän loppukäyttäjällä ei kuitenkaan odotettu olevan riittävää taloudellista asian- tuntemusta ja asemaa, jotta hän tuntisi kannattavuuden, maksuvalmiuden ja vakavarai- suuden käsitteitä tai voisi eritellen analysoida niiden kehitystä organisaatiossaan. Siksi taloudellisen suorituskyvyn tekijät yhdistettiin yhdeksi mittariksi. Vastaajia ei pyydetty myöskään arvioimaan mistä ylätason muutokset ovat aiheutuneet, koska ei voitu odot- taa, että he pystyvät tekemään arviota luotettavasti. Elbashirin ym. (2008) esikuvan mu- kaisesti vastaajilta kysyttiin onko positiivista ylätason muutosta havaittu ”käyttöönoton jälkeen”. Se mittaa käyttöönoton vaikutuksia epäsuorasti. Mittarin muoto oli niin ikään sellainen, että sillä tavoiteltiin epävarmojen vastausten karsiutumista pois; jos vastaaja ei ollut varma taloudellisen suorituskyvyn selkeästä parantumisesta jollakin osa-alu- eella, hänen oletettiin vastaavan ”en osaa sanoa”. Yritysten suorituskyvyn parantumista mittasi seuraava mittari: • Organisaationi taloudellinen suorituskyky (kannattavuus, maksuvalmius tai vakavaraisuus) on joltakin osin parantunut business intelligence -järjestelmän käyttöönoton jälkeen. Julkisen sektorin palveluita arvioitaessa mittarina käytetään usein vaikuttavuutta. Vai- kuttavuudella tarkoitetaan ominaisuutta saada aikaan tavoiteltu muutos (Hannula ym. 2004: 38). Organisaatiotasolla julkisia palveluja tarjoava organisaatio tavoittelee yhteis- kunnallista vaikuttavuutta. Taloudellisella suorituskyvyllä julkisorganisaatioissa tarkoi- tetaan kustannustehokkuutta. Julkisorganisaatioiden suorituskyvyn mittariksi lisättiin seuraava mittari, joka noudattaa muodoltaan yritysten suorituskyvyn mittarin analogiaa. Yhteenveto organisaation suorituskyvyn mittareista on esitetty taulukossa 1. • Organisaationi yhteiskunnallinen vaikuttavuus on lisääntynyt business intelli- gence -järjestelmän käyttöönoton jälkeen. Taulukko 1. Organisaation suorituskyvyn mittarit. ORGAISAATIO SUORITUSKYKY OH01 Organisaationi taloudellinen suorituskyky (kannattavuus, maksuvalmius tai vakavaraisuus) on joltakin osin parantunut business intelligence -järjestelmän käyttöönoton jälkeen. OH02 Organisaationi yhteiskunnallinen vaikuttavuus on lisääntynyt business intelligence -järjestelmän käyttöönoton jälkeen. 66 4.1.2. Henkilökohtaisten hyötyjen mittarit Moreaun (2006) tutkimuksessa IDSS-järjestelmien loppukäyttäjien henkilökohtaisia hyötyjä mitattiin 13 eri mittarilla. Ne kaikki todettiin tutkimusmallissa tilastollisesti merkitseviksi ja saivat loppukäyttäjiltä myös korkeat arvot. Moreaun mittareita melko tarkasti mukaillen muodostettiin seuraavat BI-järjestelmien henkilökohtaisia hyötyjä koskevat mittarit. Suluissa on viitattu faktorien (F) ja muuttujien (V) nimiin Moreaun tutkimuksessa, jossa faktori F5 muodostui havaituista työn tuloksista ja F6 päätösten laadusta. • Business intelligence -järjestelmän käytöstä koituu minulle henkilökohtaista hyötyä organisaatiossani. (F5, V28) • Luotan tulevaisuudessa business intelligence -järjestelmään tehtävieni suorittamisessa. (F5, V29) • Business intelligence -järjestelmä auttaa minua tekemään laadukkaampia päätöksiä. (F6, V32) • Business intelligence -järjestelmä auttaa minua analysoimaan ja ymmärtämään päätöksenteon kontekstit aiempaa nopeammin. (F6, V36) • Business intelligence -järjestelmä auttaa minua priorisoimaan tehtäväni entistä paremmin. (F6, V33) • Business intelligence -järjestelmä auttaa minua esittämään argumenttini aiem- paa vakuuttavammin. (F6, V34) • Business intelligence -järjestelmä tuo ulottuvilleni enemmän relevanttia tietoa päätöksenteon tueksi. (F6, V37) • Business intelligence -järjestelmän myötä käytössäni on aiempaa enemmän ana- lyyttisiä apuvälineitä. (F6, V38) • Business intelligence -järjestelmä on minulle erittäin hyödyllinen. (F5, V31) • Minua arvostetaan aiempaa arvokkaampana henkilönä organisaatiolleni, koska käytän business intelligence -järjestelmää. (F5, V27) Laitinen (2003: 431–433) mainitsee kyselyn, jossa johtajia pyydettiin arvioimaan miten tärkeinä he pitävät eri yritystoiminnan mittareita johtamistyössään. Korkeimman – jopa yrityksen kannattavuutta korkeamman – painotuksen kyselyssä sai työntekijöiden moti- vaatio. Laitisen mukaan ”tämä on mielenkiintoinen tulos, sillä käytännön johtamis- 67 työssä motivaation mittareita on vain harvoin systemaattisessa käytössä”. Tämän poh- jalta kyselyyn lisättiin seuraava mittari: • Työmotivaationi on parantunut business intelligence -järjestelmän käytön ansi- osta. Työpsykologiassa yksi vanhimmista ja eniten tutkituista myönteisistä työhyvinvoinnin kuvaajista on työtyytyväisyys, jolla yleisesti ottaen kuvataan sitä, missä määrin työnte- kijät pitävät tai eivät pidä työstään. Työtyytyväisyyttä tutkitaan tavallisesti niin sanot- tuna yleisenä työtyytyväisyytenä, joka kuvastaa työntekijän kokonaisvaltaista tunnetta työstään (Mäkikangas, Feldt & Kinnunen 2008: 59–61).45 BI-järjestelmien vaikutusta yleiseen työtyytyväisyyteen mitattiin seuraavalla mittarilla: • Työtyytyväisyyteni on parantunut business intelligence -järjestelmän käytön ansiosta. Yleisen työtyytyväisyyden rinnalla tutkitaan usein työntekijöiden tyytyväisyyttä työnsä eri osa-alueisiin. Työn kehittämisen kannalta tämä lähestymistapa tarjoaa käyttökelpoi- sempaa tietoa kuin yleisen työtyytyväisyyden tutkiminen (Mäkikangas ym. 2008: 61– 62).46 Lepistön (2005) kyselyssä paikalleen jämähtäminen oli yleisin syy työpaikan vaihtoon. Näiden tietojen perusteella lisättiin seuraavat mittarit: • Business intelligence -järjestelmän käyttö saattaa auttaa minua etenemään ural- lani. • Business intelligence -järjestelmän käyttö vaikuttaa suotuisasti palkkakehityk- seeni. • Business intelligence -järjestelmä käyttö edistää henkilökohtaista kasvuani. 45 Näin tutkittuna työntekijöiden keskimääräinen työtyytyväisyys on ollut yleensä hyvä niin kansainväli- sissä kuin suomalaisissakin tutkimuksissa. Esimerkiksi viidentoista Euroopan maan tutkimuksessa vuonna 2002 työtyytyväisten osuus oli 85 %. Tässä tutkimuksessa Suomi sijoittui toiseksi heti Tanskan jälkeen. (Mäkikangas ym. 2008: 59–61). 46 Tätä havainnollistavat vuonna 1999 toteutetun teknisten alojen esimiehiä koskevan tutkimuksen tulok- set: yleisesti työhönsä tyytyväisten osuus oli 68 %, mutta urakehitysmahdollisuuksiinsa tyytyväisiä oli vain 31 %. Seuraaviksi vähiten tyytyväisiä vastaajat olivat palkan oikeudenmukaisuuteen, johdolta saa- tuun tukeen ja henkilökohtaiseen kasvuun työssä (Mäkikangas ym. 2008: 61–62). 68 Myös työuupumus ja jaksaminen työelämässä ovat keskeisiä työpsykologian tutkimus- kohteita (Kinnunen & Hätinen 38, 49–50)47. Lepistön (2005) kyselyssä 43 % vastaajista piti entistä inhimillisempää työmäärää erittäin tärkeänä tai melko tärkeänä työpaikan vaihdon syynä. BI-järjestelmien vaikutusta työssä jaksamiseen ja työmäärään mitattiin seuraavalla kahdella mittarilla. Jälkimmäisen mittarin muoto ”entistä inhimillisempi” ei ottanut kantaa työmäärän muutoksen suuntaan, vaan siihen onko muutos positiivinen vastaajan kannalta. • Business intelligence -järjestelmän käytön ansiosta työssä jaksamiseen liittyvät ajatukset eivät huolestuta minua yhtä paljon kuin aikaisemmin. • Business intelligence -järjestelmän käytön ansiosta työmääräni on entistä inhimillisempi. Taulukko 2. Henkilökohtaisten hyötyjen mittarit. HEKILÖKOHTAISET HYÖDYT HH01 Business intelligence -järjestelmän käytöstä koituu minulle henkilökohtaista hyötyä organisaa- tiossani. HH02 Luotan tulevaisuudessa business intelligence -järjestelmään tehtävieni suorittamisessa. HH03 Business intelligence -järjestelmä auttaa minua tekemään laadukkaampia päätöksiä. HH04 Business intelligence -järjestelmä auttaa minua analysoimaan ja ymmärtämään päätöksenteon kontekstit aiempaa nopeammin. HH05 Business intelligence -järjestelmä auttaa minua priorisoimaan tehtäväni entistä paremmin. HH06 Business intelligence -järjestelmä auttaa minua esittämään argumenttini aiempaa vakuuttavam- min. HH07 Business intelligence -järjestelmä tuo ulottuvilleni enemmän relevanttia tietoa päätöksenteon tueksi. HH08 Business intelligence -järjestelmän myötä käytössäni on aiempaa enemmän analyyttisiä apuvä- lineitä. HH09 Business intelligence -järjestelmä on minulle erittäin hyödyllinen. HH10 Minua arvostetaan aiempaa arvokkaampana henkilönä organisaatiolleni, koska käytän business intelligence -järjestelmää. HH11 Työmotivaationi on parantunut business intelligence -järjestelmän käytön ansiosta. HH12 Työtyytyväisyyteni on parantunut business intelligence -järjestelmän käytön ansiosta. HH13 Business intelligence -järjestelmän käyttö saattaa auttaa minua etenemään urallani. HH14 Business intelligence -järjestelmän käyttö vaikuttaa suotuisasti palkkakehitykseeni. HH15 Business intelligence -järjestelmän käyttö edistää henkilökohtaista kasvuani. HH16 Business intelligence -järjestelmän käytön ansiosta työssä jaksamiseen liittyvät ajatukset eivät huolestuta minua yhtä paljon kuin aikaisemmin. HH17 Business intelligence -järjestelmän käytön ansiosta työmääräni on entistä inhimillisempi. 47 Työuupumuksessa on kyse äärimmäisestä psykologisesta kuormittuneisuudesta ja energiavarojen tyhjentymisestä, mikä seuraa pitkäkestoisesta altistumisesta yksilön voimavarat ylittäville stressitekijöille. Työuupumukseen on liitetty toistasataa erilaista oiretta, mutta sille ei ole olemassa yhtä yleisesti hyväk- syttyä määritelmää ja näkemystä. (Kinnunen ym. 38, 49–50). 69 4.1.3. Hypoteettinen BI-EUCS-viitekehys ja käyttäjätyytyväisyyden mittarit Tähän mennessä oli tullut esille, että BI-järjestelmä on tietyn tyyppinen tietojärjestelmä omine erityispiirteineen. Siksi tietojärjestelmän onnistumisen mittariksi kehitetyn EUCS-viitekehyksen voitiin olettaa soveltuvan myös BI-järjestelmän mittaamiseen. Doll ym. (1988) karsivat EUCS-viitekehyksestä pois muut kuin tiettyä sovellusta mit- taavat tekijät. Malli perustuu heidän kuvaamaansa niin kutsuttuun loppukäyttäjäympä- ristöön, jossa loppukäyttäjä itsenäisesti operoi ainoastaan sovelluksen kanssa. Tukipal- velujen merkitystä loppukäyttäjälle pidettiin vähäarvoisena. BI:n kontekstissa Dollin ym. (1988) määrittelemä loppukäyttäjäympäristö ei kuitenkaan voi toteutua, sillä orga- nisaation tarjoamilla BI:iin kohdistuvilla käyttöpalveluilla on ratkaiseva rooli järjestel- mänkin suorituskyvyn kannalta. Kuten aiemmin esitettiin, loppukäyttäjä on riippuvai- nen muun muassa BI-järjestelmien kehittäjien, käyttötuen, liiketoiminnan asi- antuntijoiden ja viime kädessä myös yritysjohdon tarjoamasta tuesta. BI-loppukäyttäjän käyttäjätyytyväisyyttä mittaavaan viitekehykseen lisättiin tästä syystä kuudes mittarei- den luokka: käyttöpalvelut. BI-loppukäyttäjäympäristö on kuvattu kuviossa 11. Lisättyä käyttöpalveluiden osuutta lukuunottamatta se muistuttaa Dollin ym. määrittelemää mal- lia. 70 Kuvio 11. Business intelligence -järjestelmän loppukäyttäjäympäristö. (vrt. luku 2.2.2.) Käyttöpalveluiden ryhmän mittarit koskivat aikaisemmin esitettyjä loppukäyttöön liit- tyviä tekijöitä: loppukäyttäjien ja kehittäjien välinen vuorovaikutus, käyttäjien koulutus, käyttötuki, ei-tekninen tuki, johdon tuki, käyttöoikeudet ja avoin yrityskulttuuri ja tie- don jakaminen sekä järjestelmien konsolidointi. Käyttöpalvelujen luokka muodostui seuraavista kymmenestä mittarista: • Minä ja alaiseni olemme saaneet riittävästi oikeanlaista koulutusta business intelligence -järjestelmän käyttöön. • Yhteistyö kehittäjien kanssa on organisoitu hyvin ja vuorovaikutus välillämme on ollut toimivaa järjestelmää käyttöön otettaessa ja kehitettäessä. • Business intelligence -järjestelmän tekninen käyttötuki on riittävää ja laadu- kasta: ammattitaitoista ja palveluhalukasta. • Saan tukea business intelligence -järjestelmien käytössä ja kehittämisessä liiketoiminta-analyytikolta tai muulta liiketoiminnan asiantuntijalta tai taholta. • Minulla on ylemmän johdon tuki ja tarvitsemani resurssit business intelligence - järjestelmän käyttöön. Loppukäyttäjä Business intelligence - sovellus Tietovarasto Lähde- järjestelmä Lähde- järjestelmä Business intelligence - käyttöpalvelut 71 • Ylempi johto on aidosti kiinnostunut tyytyväisyydestäni business intelligence - järjestelmään. • Minulla on riittävästi käyttöoikeuksia business intelligence -järjestelmässä. • Organisaatiokulttuurimme on avoin. • Tiedon jakaminen toimii hyvin organisaatiossamme. • Käytössäni olevia eri business intelligence -sovelluksia on liikaa. Alkuperäiset EUCS-mittarit käytettiin alkuperäisissä esitysmuodoissaan, jotta tutkiel- massa voitiin samalla arvioida niiden validiutta. EUCS-viitekehyksen alkuperäisiin luokkiin lisättiin myös uusia mittareita, kuten sen kehittäneet tutkijat olivat suositelleet, ennen kuin testattiin sen soveltumista BI-järjestelmän loppukäyttäjän tyytyväisyyden mittaamiseen (Doll ym. 1988: 272). Alkuperäisiin sisällön, ulkoasun ja helppokäyttöi- syyden EUCS-luokkiin lisättiin mittarit, jotka liittyvät aikaisemmin esitettyihin tekijöi- hin: tietotulvaan, tiedon laatuun, tiedon visualisointiin, sovellusten hakurakenteisiin, tekniseen suoritustehoon ja työskentelyn keskeytymisiin. Mitattavat tiedon paikantami- sen ja suoritustehon ongelmat liittyivät järjestelmän helppokäyttöisyyteen, mutta muu- ten näiden alueiden ongelmien voitiin olettaa tulevan esille alkuperäisten sisältö- ja helppokäyttöisyysluokkien mittareiden avulla. • Business intelligence -järjestelmä tarjoaa liikaa informaatiota, mikä haittaa tarvitsemani tiedon löytämistä. (tietotulva) • Business intelligence -järjestelmän tiedot on saatavana riittävän yksityiskohtai- sella tasolla. (tiedon laatu) • Business intelligence -järjestelmän tieto on virheetöntä, eheää ja johdonmu- kaista. (tiedon laatu) • Business intelligence -järjestelmän tieto on luotettavaa. (tiedon laatu) • Business intelligence -järjestelmässä suuria tietomääriä on mahdollisuus tarkas- tella riittävän visuaalisesti. (tiedon visualisointi) • Tiedon löytäminen on helppoa business intelligence -järjestelmän hakuraken- teista. (sovellusten hakurakenteet) • Business intelligence -järjestelmä toimii niin hitaasti, että joudun odottelemaan. (tekninen suoritusteho) 72 • Työlleni koituu haittaa siitä, että business intelligence -järjestelmän tai selaimen toiminta toisinaan keskeytyy tai istunto katkeaa kesken kaiken. (työskentelyn keskeytymiset) Pikkaraisen ym. (2006) esikuvan mukaan mittaristoon lisättiin myös erillinen kokonais- tyytyväisyyden mittari. Huomattavaa on, että mittaristossa oli neljä negatiivista mittaria (konsolidointi, tietotulva, tekninen suoritusteho ja työskentelyn keskeytymiset). Näissä tapauksissa negatiivisten muotojen odotettiin olevan vastaajien näkökulmasta loogisem- pia kuin positiiviset muodot, koska niihin alan keskustelussa liittyvät käytännön hypo- teesitkin olivat negatiivisia. Negatiivisilla kysymyksillä pyrittiin myös tuomaan vaihte- lua pitkään kysymyssarjaan ja herättämään vastaajaa. Nyt kun EUCS-viitekehyksen uudet mittarit oli määrittely, voitiin niistä yhdessä muo- dostaa muun mittausmallin ohessa empiirisesti testattava BI-EUCS-viitekehys. Se on kuvattu kuviossa 12, jossa alkuperäiseen EUCS-viitekehykseen tehdyt lisäykset on esi- tetty kursiivilla. 73 KOKO AISYYTYVÄISYYS K01: Olen tyytyväinen business intelligence -järjestelmään kokonaisuutena. SISÄLTÖ S01: Business intelligence -järjestelmä tarjoaa juuri sen tiedon mitä tarvitsen. S02: Business intelligence -järjestelmän tietosisältö vastaa tarpeitani. S03: Business intelligence -järjestelmä tarjoaa juuri sellaisia raportteja joita tarvitsen. S04: Business intelligence -järjestelmä tarjoaa riittävästi informaatiota päätöksentekoni ja muiden työtehtävieni tueksi. S05: Business intelligence -järjestelmä tarjoaa liikaa informaatiota, mikä haittaa tarvitsemani tiedon löytämistä. S06: Business intelligence -järjestelmän tiedot on saatavana riittävän yksityiskohtaisella tasolla. S07: Business intelligence -järjestelmän tieto on virheetöntä, eheää ja johdonmukaista. S08: Business intelligence -järjestelmän tieto on luotettavaa. TÄSMÄLLISYYS T01: Business intelligence -järjestelmä on täsmällinen. T02: Olen tyytyväinen business intelligence -järjestelmän täsmällisyyteen. ULKOASU U01: Business intelligence -järjestelmän tuotokset esitetään käyttökelpoisessa muodossa. U02: Business intelligence -järjestelmän informaatio on selkeää. U03: Business intelligence -järjestelmässä suuria tietomääriä on mahdollisuus tarkastella riittävän visuaalisesti. HELPPOKÄYTTÖISYYS H01: Business intelligence -järjestelmä on käyttäjäystävällinen. H02: Business intelligence -järjestelmä on helppokäyttöinen. H03: Tiedon löytäminen on helppoa business intelligence -järjestelmän hakurakenteista. H04: Business intelligence -järjestelmä toimii niin hitaasti, että joudun odottelemaan. H05: Työlleni koituu haittaa siitä, että business intelligence -järjestelmän tai selaimen toiminta toisinaan keskeytyy tai istunto katkeaa kesken kaiken. AJATASAISUUS A01: Saan tarvitsemani informaation business intelligence -järjestelmästä ajoissa. A02: Business intelligence -järjestelmä tarjoaa ajantasaista informaatiota. KÄYTTÖPALVELUT P01: Minä ja alaiseni olemme saaneet riittävästi oikeanlaista koulutusta business intelligence - järjestelmän käyttöön. P02: Yhteistyö business intelligence -järjestelmän kehittäjien kanssa on organisoitu hyvin, ja Business intelligence -loppukäyttäjän tyytyväisyys S01-S08 T01-T02 U01-U03 H01-H05 A01-A02 Sisältö Ulkoasu Helppo- käyttöisyys Ajantasaisuus Täsmällisyys Palvelut P01-P10 74 vuorovaikutus välillämme on ollut toimivaa järjestelmää käyttöön otettaessa ja kehitettäessä. P03: Business intelligence -järjestelmän tekninen käyttötuki on riittävää ja laadukasta: ammattitaitoista ja palveluhalukasta. P04: Saan tukea business intelligence -järjestelmien käytössä ja kehittämisessä liiketoiminta- analyytikolta tai muulta liiketoiminnan asiantuntijalta tai taholta. P05: Minulla on ylemmän johdon tuki ja tarvitsemani resurssit business intelligence -järjestelmän käyttöön. P06. Ylempi johto on aidosti kiinnostunut tyytyväisyydestäni business intelligence -järjestelmään. P07: Minulla on riittävästi käyttöoikeuksia business intelligence -järjestelmän tietoihin. P08: Organisaatiokulttuurimme on avoin. P09: Tiedon jakaminen toimii hyvin organisaatiossamme. P10: Käytössäni olevia eri business intelligence -sovelluksia on liikaa. Kuvio 12. Hypoteettinen BI-EUCS-viitekehys ja käyttäjätyytyväisyyden mittarit. 4.2. Analyysimenetelmät Tutkimusaineiston analysointiin käytettiin SPSS Statistics 17.0 -tilasto-ohjelmistoa. Analyysimenetelminä käytettiin tavanomaisia tilastollisia menetelmiä: keskiarvoja, kes- kiarvotestiä, faktori- ja pääkomponenttianalyysejä sekä korrelaatioanalyysiä. Menetel- miä käsitellään seuraavissa luvuissa ja samalla esitetään tutkielman hypoteesit testatta- vassa muodossa. Merkitsevyystasona testauksessa käytettiin tilastollisessa tutkimuk- sessa yleisesti sovellettua merkitsevyystasoa 5 %. Valitun merkitsevyystason mukaan H0 hylätään, kun p<0,05. Negatiivisten mittareiden (S05, H04, H05 ja P10) muuttujat käännettiin positiivisiksi ennen testaamista. 4.2.1. Keskiarvot ja keskiarvotesti Kvantitatiivisessa analyysissa voidaan käyttää keskiarvoja hypoteesien testaamiseen. Sitä varten luvussa 2.4. muodostetut keskiarvoilla testattavat hypoteesit H1 ”Business intelligence -järjestelmän käyttöönotto parantaa organisaation suorituskykyä”, H2 ”Lop- pukäyttäjät hyötyvät henkilökohtaisesti business intelligence –järjestelmästä” ja H5 ”Loppukäyttäjät ovat tyytyväisiä business intelligence -järjestelmiin” esitettiin tilastolli- sesti testattavassa muodossa seuraavasti: 75 H1: Organisaation suorituskyvyn muuttujien keskiarvot ovat ≥ 4,0. H2: Henkilökohtaisten hyötyjen muuttujien keskiarvot ovat ≥ 4,0. H5: Käyttäjätyytyväisyyden muuttujien keskiarvot ovat ≥ 4,0. Yleisin tunnettu keskiarvojen eron testausmenetelmä on t-testi, jolla voidaan verrata keskiarvoa vakioon. Sen laskeminen perustuu otoksen perusteella estimoituun populaa- tion keskihajontaan (Metsämuuronen 2006: 383). Keskiarvotesteillä on useimmiten tarkoitus tutkia antaako satunnaisotos tukea populaatiosta tehdylle olettamukselle. Muussa kuin satunnaisotoksen tapauksessa keskiarvotestiä voidaan käyttää mittaamaan, kuinka kaukana suhteellisesti ottaen aineiston keskiarvo on vakiosta. Tällöin voidaan päätellä, onko ero neutraaliin vakioon merkitsevä vai ei valitulla riskitasolla. 4.2.2. Pääkomponentti- ja faktorianalyysit Pääkomponenttianalyysi (principal component analysis, PCA) ja faktorianalyysi (factor analysis, FA) ovat tilastollisia monimuuttujamenetelmiä. Faktorianalyysi voidaan jakaa edelleen eksploratiiviseen faktorianalyysiin (explorative factor analysis, EFA) ja konfir- matoriseen faktorianalyysiin (confirmatory factor analysis, CFA). Pääkomponentti- ja faktorianalyysejä voidaan käyttää rakenneyhtälömallinnukseen. Ne sopivat erinomai- sesti mittareiden rakentamiseen. Niillä voidaan tiivistää vähintään hyvällä järjestysas- teikolla kuten Likertin asteikolla mitatun suurenkin muuttujajoukon informaatio keskei- siksi pääkomponenteiksi tai faktoreiksi. Suuren muuttujajoukon yhteen summaamisen sijasta muuttujien joukosta voidaan löytää pieni määrä luotettavia osamittareita, joilla saadaan ilmiöstä tarkempaa tietoa. Pääkomponenttianalyysi ja faktorianalyysi ovat matemaattisesti ja filosofisesti eri menetelmiä, mutta käsittelyltään samanlaisia48. (Metsämuuronen 2006: 615, 617) 48 Menetelmien keskeiset erot voidaan tiivistää seuraavasti. Pääkomponenttianalyysissä kaikki muuttujien välinen varianssi analysoidaan, kun taas eksploratiivinen faktorianalyysi osa varianssista analysoidaan ja osaa pidetään virhevarianssina. Toiseksi pääkomponenttianalyysissa komponentit lasketaan muuttujista. Eksploratiivisessa faktorianalyysissa lähdetään ajatuksesta, että faktorit muodostavat muuttujat. Kolmas käytännön ero on, että pääkomponenttianalyysissa pääkomponentit ovat yksikäsitteisiä. Eksploratiivisessa faktorianalyysissä latausten arvojen suuruudet riippuvat täysin siitä, kuinka monta faktoria halutaan ottaa mukaan. (Metsämuuronen 2006: 617) 76 Pääkomponenttianalyysi soveltuu erityisesti tilanteeseen, jossa halutaan vähentää muuttujien määrää ilman taustalla olevaa oletusta teoriasta. Pääkomponenttien lukumää- rää ei ole ennalta päätetty, vaan analyysin aikana pyritään löytämään niiden optimaali- nen, muuttujien väliset korrelaatiot selittävä määrä. Pääkomponentin ominaisarvon olisi hyvä olla vähintään yksi, mikä ei kuitenkaan ole tarkka raja. Toinen ratkaisutapa on katkaista pääkomponenttien lukumäärä siitä pisteestä, jossa ominaisarvo pienenee sel- västi. Sitä kuvaa hyvin scree-kuvio. Pääkomponenttien on myös sovittava teoreettiseen taustaan ja ne on pystyttävä nimeämään. Yksiselitteisiä tilastotieteellistä vastausta pää- komponenttien lukumäärään ei ole, vaan ratkaisu voi olla monivaiheisten kokeilujen tulos (Metsämuuronen 2006: 615, 618–623). Tässä tutkielmassa sitä käytettiin henkilö- kohtaisten hyötyjen ja käyttäjätyytyväisyyden muuttujien informaation tiivistämiseen, mikä auttoi tunnistamaan eri lähteistä koostettujen muuttujaryhmien olennaiset ulottu- vuudet, jotka kuvasivat ilmiöitä mahdollisimman informatiivisesti. Ne auttoivat ymmär- tämään ilmiöiden eri puolia. Ulottuvuuksien vähentäminen myös helpotti tilastollista testaamista. Eksploratiivisessa faktorianalyysissä menetellään periaatteessa samoin kuin pääkompo- nenttianalyysissa; muuttujien kombinaatioista eksploroidaan selitettävä malli. Konfir- matorisessa faktorianalyysissä tutkitaan, antaako aineisto tukea valmiiksi teorian poh- jalta muodostetulle mallille. Faktoreiden määrä päätetään ennen analyysin suorittamista (Metsämuuronen 2006: 615, 618). Tässä tutkielmassa faktorianalyysiä käytettiin peri- aatteessa konfirmatorisesti testattaessa miten aineisto tukee hypoteettista kuusifaktorista BI-EUCS-mallia. Sitä varten hypoteesi H4 ”EUCS-viitekehyksestä muunnettu BI- EUCS-viitekehys on validi business intelligence -järjestelmän loppukäyttäjän tyytyväi- syyden mittari” esitettiin tilastollisesti testattavassa muodossa seuraavasti: H4: Käyttäjätyytyväisyyden muuttujien faktorilataukset muodostavat esi- tetyn teorian mukaisen kuusifaktorisen rakenteen. Pääkomponentti- ja faktorianalyyseissa odotetaan, että muuttujien välillä on korrelaati- oita. Pienet korrelaatiot ja poikkeavat arvot, outlierit, saattavat johtaa matemaattiseen tulokseen, jolla ei ole merkitystä. Korrelaatiokertoimien alarajaksi suositellaan arvoa 0,3. Faktorianalyysi ei siedä multikollineaarisuutta eli usean muuttujan välistä yhteis- vaihtelua ja singularisuutta eli sitä, että joku muuttujista on muiden lineaarinen kombi- 77 naatio tai johdettavissa muista muuttujista. Molemmissa menetelmissä havaintojen määrän on oltava riittävän suuri (Metsämuuronen 2006: 632–633). Minimivaatimuk- sena on, että havaintoja on enemmän kuin muuttujia (Laitinen 2007: 4). Pääkomponentti- ja faktorianalyyseissa muodostetaan muuttujista yhdistelmiä, lineaari- sia kombinaatioita, joita nimitetään joko pääkomponenteiksi tai faktoreiksi. Matemaatti- sesti pyritään löytämään sellaiset kombinaatiot, jotka parhaiten selittävät muuttujien välistä vaihtelua. Menetelmät tuottavat jokaista muuttujaa kuvaavat arvot eli lataukset (loadings). Latauksen suuruus kertoo kuinka paljon pääkomponentin tai faktorin avulla pystytään selittämään havaitun muuttujan vaihtelusta. Lataukset saavat arvoja välillä -1 ja 1. Mitä lähempänä latauksen itseisarvo on yhtä, sitä paremmin pääkomponentti tai faktori selittää muuttujan vaihtelua. (Yhteiskuntatieteellinen tietoarkisto 2009, Metsä- muuronen 2006: 634) Pääkomponentti- tai faktorimallin toimivuutta voidaan arvioida pääkomponenttien tai faktoreiden ominaisarvojen (eigenvalues) ja havaittujen muuttujien kommunaliteettien (communalities) avulla. Ominaisarvot ilmoittavat, kuinka hyvin pääkomponentit tai faktorit pystyvät selittämään havaittujen muuttujien hajontaa. Mitä suurempi on ominai- sarvo, sitä paremmin se selittää muuttujien hajontaa ja päinvastoin. Kommunaliteetti puolestaan kertoo, kuinka suuri osuus yksittäisen havaitun muuttujan vaihtelusta selittyy löydettyjen pääkomponenttien tai faktorien avulla. Jos muuttujan kommunaliteetti on lä- hellä yhtä, ne pystyvät selittämään sen vaihtelun lähes kokonaan. Toisaalta mitä pie- nempiä arvo kommunaliteetti saa, sitä huonommin pääkomponentit tai faktorit selittävät muuttujaa. (Yhteiskuntatieteellinen tietoarkisto 2009) Rotaatio eli faktoriakseleiden kiertäminen on toimenpide, jonka tarkoituksena on tehdä faktorianalyysin tulkinta helpommaksi tuloksia sisällöllisesti muuttamatta. Rotaatiome- netelmät voivat olla suorakulmaisia (orthogonal rotation) tai vinokulmaisia (oblique rotation). Tunnetuin suorakulmainen rotaatio on VARIMAX-rotaatio. Siinä maksimoi- daan kullekin faktorille tulevien latausten varianssi (Yhteiskuntatieteellinen tietoarkisto 2009, Metsämuuronen 2006: 634). Tässä tutkielmassa tarkoitukseen sopiva rotaatiome- netelmä etsittiin eksploratiivisesti kokeilemalla eri vaihtoehtoja. 78 Pääkomponentti- ja faktorianalyyseihin valmistellessa voi olla hyödyllistä tutkia onko korrelaatiomatriisin rakenne niille sovelias. Bartlettin sväärisyystesti tutkii hypoteesia ovatko korrelaatiomatriisin arvot nollia. Kaiserin testissä lasketaan suhde korrelaation ja korrelaatio + osittaiskorrelaation välillä. Suhde lähestyy arvoa 1 kun muuttujat pys- tytään ennustamaan muiden muuttujien avulla. Testin antaessa arvon >0,6, korrelaa- tiomatriisi on sovelias menetelmien suorittamiseen. (Metsämuuronen 2006: 636) Cronbachin alfaa (α) käytetään mittarin sisäisen konsistenssin eli yhtenäisyyden mit- tana ja näin reliabiliteetin eli toistettavuuden mittana. Se sopii hyvin pääkomponenttien ja faktorien konsistenssin mittaamiseen. Alfa perustuu ajatukseen konsistenssin perus- tumisesta mittarin puolittamiseen kahteen osaan. Puoliskojen välinen korrelaatio on reliabiliteetin mitta. Mikäli mittarin kaikki osiot mittaavat samaa asiaa eli ovat konsis- tentteja keskenään, on aivan sama, kuinka puolitus muodostetaan. Alfa lasketaan osioi- den varianssien, mittarin kokonaisvarianssin ja osioiden lukumäärän perusteella. Yleensä hyväksyttynä alfan arvona pidetään >0,6. (Metsämuuronen 2006: 68–70, 452– 453) 4.2.3. Korrelaatioanalyysi Kahden muuttujan välinen korrelaatiokerroin kertoo kahden muuttujan välisen yhteyden suuruuden. Jos korrelaatio on voimakasta, voidaan toisen muuttujan arvoista päätellä toisen muuttujan arvot melko täsmällisesti. Jos korrelaatio on heikkoa, ei muuttujien välillä ole yhteisvaihtelua. Korrelaatio ei yksin riitä osoittamaan kausaalisuutta. Kau- saalisuuden osoittaminen edellyttää myös muuttujien ajallisen järjestyksen ja korrelaa- tion itsenäisyyden todistamista. (Yhteiskuntatieteellinen tietoarkisto 2009, Metsämuu- ronen 2006: 676) Pearsonin tulomomenttikorrelaatiokerroin (r) on yleisin vähintään intervalliasteikollis- ten muuttujien keskinäistä lineaarista riippuvuutta kuvaava tunnusluku. Korrelaatioker- toimen arvo vaihtelee välillä -1 ja 1. Korrelaatiokertoimen ollessa 0 muuttujien välillä ei ole lineaarista riippuvuutta. Vastaavasti arvoilla (+/-) 1 muuttujien välillä on täydellinen positiivinen tai negatiivinen lineaarinen riippuvuus. Yleensä muuttujien välinen korre- laatiokerroin poikkeaa nollasta. Tämä voi johtua myös sattumasta. Korrelaatiokertoimen 79 merkitsevyystason avulla arvioidaan kertoimen tilastollista merkitsevyyttä. Tässä tut- kielmassa korrelaatioiden laskemisessa käytettiin Pearsonin korrelaatiota, koska pää- komponenttianalyysikin perustuu siihen. Korrelaatioanalyysia varten hypoteesit H3: Loppukäyttäjälle business intelligence -järjestelmästä koituvilla henkilökohtaisilla hyö- dyillä on positiivinen yhteys organisaation suorituskykyyn ja H6: Business intelligence -järjestelmän loppukäyttäjän tyytyväisyydellä on positiivinen yhteys henkilökohtaisiin hyötyihin esitettiin testattavassa muodossa seuraavasti: H3: Henkilökohtaisten hyötyjen muuttujien ja organisaation suorituskyvyn muuttujien välillä vallitsee positiivinen korrelaatio H6: Käyttäjätyytyväisyyden muuttujien ja henkilökohtaisten hyötyjen muuttujien välillä vallitsee positiivinen korrelaatio. Korrelaatiokertoimen käyttöön liittyy useita yleisiä tilastoanalyysin sudenkuoppia. Kor- relaatiokerroin ei automaattisesti anna informaatiota siitä, vallitseeko muuttujien välillä kausaalinen suhde. Jos muuttujien välillä on epälineaarista riippuvuutta, sen määrä tulee huomattavasti aliarvioiduksi. Yksittäiset outlierit voivat vaikuttaa suuresti korrelaa- tiokertoimen arvoon (Yhteiskuntatieteellinen tietoarkisto 2009). Riippuvuuden laadun voi tarkistaa hajontakuviosta. 80 5. MITTARISTO SOVELTAMIE JA TUTKIMUSTULOKSET Tässä pääluvussa empiria etenee valmistelevasta työstä kenttätyöhön. Luvussa 5.1. ku- vataan kyselytutkimuksen toteuttaminen. Luvussa 5.2. esitellään kerätty tutkimusai- neisto. Luvun 5.3. kuudessa alaluvuissa käydään läpi tutkimustulokset hypoteesien H1– H6 mukaisessa järjestyksessä. 5.1. Kyselytutkimus Kyselyn kohderyhmänä oli kahden suomalaisen BI-konsultointipalveluja tarjoavan yri- tyksen asiakasorganisaatioiden BI-loppukäyttäjiä. Tutkimuskutsun määritelmän mukaan BI-loppukäyttäjillä tarkoitettiin liiketoiminnan henkilöitä, jotka käyttivät BI-järjestelmi- en tuottamaa informaatiota päätöksenteon tueksi ja todennäköisesti muidenkin työteh- täviensä suorittamiseksi49. Sekä organisaatiot että niiden BI-loppukäyttäjät osallistuivat tutkimukseen anonyymisti. Kyselyyn vastaajiin saatiin yhteys konsultointiyritysten asiakasvastaavien ja organisaa- tioiden yhteyshenkilöiden kautta. Samalla ilmeni, että BI-loppukäyttäjien henkilöllisyy- det tai määrät eivät usein olleet edes organisaatioiden omassa tiedossa50. Yleisesti syntyi vaikutelma, että organisaatioiden BI-järjestelmien loppukäyttäjämäärät olivat suhteelli- sen vähäisiä ja järjestelmien hyödyntämisasteet siten alhaisia. Tutkielmatyön myötä paljastunut BI-loppukäyttäjien vähäisyys oli useassa tapauksessa organisaatioille yllä- tyksellinen tieto. Yhden tutkimukseen osallistumattoman organisaation kohdalla tuli esille jopa epävarmuus siitä mahtoiko heidän BI-järjestelmällään olla ainoatakaan lop- pukäyttäjää. 49 Esimerkiksi valmista raporttia päivittävä myyntimies, tunnuslukumittaria tarkasteleva johtaja tai BI- ratkaisusta tietoja keräävä kontrolleri kuuluivat kohderyhmään. Sen sijaan tutkimuksen kohderyhmään eivät kuuluneet esimerkiksi henkilö, joka laatii raportteja toisen henkilön käyttöön, operatiiviseen jär- jestelmään tietoja syöttävä henkilö tai IT-ammattilainen, joka käyttää tietovarastoalueen työkaluja. 50 Esimerkiksi ohjelmistolisenssien perusteella ei pystytä päättelemään todellisten käyttäjien henkilölli- syyttä eikä usein määrääkään. Lisenssinhaltija, joka ei todellisesti käyttänyt BI-järjestelmää, ei ole käyt- täjä tämän tutkielman tarkoittamassa merkityksessä. Hän ei ole osa BI:n arvoketjua eikä siten tuota BI- informaatiolle lisäarvoa. 81 Kahdessa tapauksessa organisaation heikko menestys BI-järjestelmän hyödyntäjänä olikin syynä osallistumattomuuteen. Myös se, että tutkimukseen valittiin mukaan aino- astaan ulkoisia BI-konsultteja käyttäviä organisaatioita, saattoi vaikuttaa vain menestyk- sekkäiden BI:n hyödyntäjien valikoitumiseen. Vastaajia ei valittu täysin satunnaisesti, vaan valintaan sisältyi yhteyshenkilön harkintaa. On mahdollista, että yhteyshenkilö jätti passiivisimpia loppukäyttäjiä ja vastaajia valitsematta. Yleisesti oltiin sitä mieltä, että vastaajan loppukäytön frekvenssin ja intensiteetin piti olla riittävää, jotta luvassa olisi voinut olla luotettavia vastauksia. Vaikka aineistoon sisältyi huomattavan paljon satunnaisuutta, edellä mainittujen rajoitusten vuoksi tuloksia ei voitu yleistää koske- maan suomalaisten BI-loppukäyttäjien perusjoukkoa. On mahdollista, että aineisto oli jossain määrin positiivisesti vino populaation suhteen. Tutkimuskutsu lähetettiin vastaajille sähköpostitse. Perusmuotoinen tutkimuskutsu on esitetty liitteessä 1. Sen sisältöä räätälöitiin useassa tapauksessa organisaatiokohtaisesti vastaanottajille selkokielisemmäksi. Vastaajien ei voitu olettaa tuntevan BI-järjestelmän käsitettä eikä välttämättä edes käyttämiensä sovellusten tuotenimiä. Mikäli organisaatio- kohtaisia tietoja ei ollut käytettävissä järjestelmän tai järjestelmien yksilöimiseksi, mai- nittiin, että käytettävän sovelluksen oli oltava Business Objects, Cognos, Hyperion tai vastaava51. Vastaamattomia henkilöitä muistutettiin myöhemmin muistutusviestein. Kyselytutkimuksen aineisto kerättiin verkkolomakkeella Internetissä. Lomake on esi- tetty liitteenä 2. Kaikki kysymykset olivat monivalintakysymyksiä. Verkkolomakkeen testasi ennen käyttöönottoa yksi BI-konsultti ja yksi BI-loppukäyttäjä. Heidän ehdotuk- sistaan tekstiin tehtiin vähäisiä muodollisia muutoksia, ja kysymysten järjestystä sekoi- tettiin siten, että lomakkeesta tuli vaihtelevampi ja siten mielekkäämpi vastata. 5.2. Tutkimusaineisto Kyselyyn saatiin 56 vastausta yhdestätoista eri organisaatiosta. Niiden yhdeksän orga- nisaation osalta, joissa tutkimuskutsu jaettiin vain BI-loppukäyttäjille, vastausprosen- 51 Tutkielman laatijan näkemyksen mukaisesti käytettävällä BI-ohjelmistolla ei oletettu olevan ratkaise- vaa vaikutusta tutkimustuloksiin. BI-ohjelmistotoimittajien välinen kilpailu on kovaa, ja ohjelmistot ovat pitkälti toistensa substituutteja. Elbashirin ym. (2008) tutkimuksessa kysely osoitettiin yhden BI-ohjel- mistotoimittajan asiakkaille, mitä pidettiin tutkimuksen rajoituksena. 82 tiksi muodostui 61 %. Kahdessa organisaatiossa jakeluun sisältyi myös ei-käyttäjiä. Vastaukset tallentuivat verkkokyselyn tietokantaan aikavälillä 7.5. – 30.6.2009. Saatu- jen vastausten jakauma organisaatioittain on esitetty taulukossa 3. Taulukko 3. Saadut vastaukset organisaatioittain Toimiala Vastausten lukumäärä % Kumulatiivinen % Organisaatio 07 Terveys 10 18 18 Organisaatio 01 Teollinen tuotanto 9 16 34 Organisaatio 09 Julkishallinto 7 13 46 Organisaatio 02 Infocom 5 9 55 Organisaatio 06 Energia 5 9 64 Organisaatio 08 Palvelut 5 9 73 Organisaatio 05 Teollinen tuotanto 4 7 80 Organisaatio 11 Palvelut 4 7 88 Organisaatio 10 Infocom 3 5 93 Organisaatio 03 Finanssi 2 4 96 Organisaatio 04 Finanssi 2 4 100 Yhteensä 56 100 Näytteen edustavuutta voitiin arvioida suhteessa taustamuuttujien jakaumaan ja tietyin rajoituksin myös aikaisempiin tutkimuksiin, vaikka suoraa vertailukohdetta aineistolle ei ollut olemassa (Yhteiskuntatieteellinen tietoarkisto 2009). Taustamuuttujien arvo olikin tässä tapauksessa lähes yksinomaan näytteen rakennetarkastelussa. Vastausten tarkastelemista taustamuuttujien suhteen tutkimustulosten yhteydessä ei pidetty mielek- käänä aineiston suhteellisen pienestä koosta johtuen. Vastaajien organisaatiot edustivat 7 eri toimialaa52, joiden jakauma oli vastausten mää- rän suhteen suhteellisen tasainen. Organisaatioista kymmenen oli yrityksiä, ja yksi oli julkishallinnon organisaatio. Kaikki yritykset olivat suuryrityksiä53. Kaikki vastausvaih- 52 Organisaation toimialan vastausvaihtoehdot olivat infocom (telekommunikaatio, data, informaatio, kommunikaatio), finanssiala (pankit, vakuutukset, finanssipalvelut), terveys (lääketeollisuus, biotekniikka jne.), energia, teollinen tuotanto, kaivosteollisuus, metallit & mineraalit, kuljetusteollisuus, autoteollisuus, palvelut, vähittäismyynti & kauppa, julkishallinto ja muu. 53 Palveluksessa oli yli 250 työntekijää. 83 toehtoina olleet BI-järjestelmien eri toimintoalueet54 olivat edustettuina. Yksi BI-järjes- telmä palveli keskimäärin 2–3 eri toimintoaluetta55. Yleisin toimintoalue oli taloushal- linto (19 %). Seuraavina olivat strateginen suunnittelu ja liiketoiminnan kehittäminen (16 %), myynti ja markkinointi (16 %) sekä ennustaminen (11 %)56. Vastaajien asemat organisaatiossa57 edustivat kaikkia vaihtoehtoja asiantuntijoiden (46 %) ja keskijohdon (34 %) painottuessa aineistossa58. BI-järjestelmän käyttöönotosta kuluneessa ajassa59 ei esiintynyt kovin suurta hajontaa. Suurin osa (71 %) tutkimuksessa mukana olevista jär- jestelmistä oli ollut käytössä yli 2 vuotta.60 Aineiston havaintojen määrä on suhteellisen pieni, mikä saattoi vaikuttaa tilastollisten analyysien luotettavuuteen. Faktori- ja pääkomponenttianalyyseissä huomattavasti suu- rempi havaintojen määrä olisi ollut etu (Vehkalahti 2008: 96, Metsämuuronen 2006: 619, 632). Näyte voidaan kuitenkin todeta monessa suhteessa rakenteellisesti varsin edustavaksi ja tutkimusaineiston keruu siten onnistuneeksi. Taustamuuttujien frekvens- sitaulukot ovat liitteenä 3. 54 Vastausvaihtoehdot olivat strateginen suunnittelu ja liiketoiminnan kehittäminen, tuote- ja teknologiakehitys, myynti ja markkinointi, asiakkuudenhallinta, asiakaspalvelu, verkkokauppa, toimitus- ketju, kuljetus ja logistiikka, osto ja hankinta, valmistus ja tuotanto, taloushallinto, henkilöstöhallinto, ennustaminen ja ”jokin muu, mikä?”. Vaihtoehdot eivät olleet toisensa poissulkevia. Esimerkiksi ennusta- minen sisältyy moniin muihin toimintoalueisiin. Ennustaminen haluttiin esittää erikseen, koska se on erityisen mielenkiintoinen alue; sitä tukee BI-ratkaisujen painopisteen siirtyminen kohti yhä reaaliaikai- sempaa ja tulevaa ennakoivaa näkökulmaa (Hovi ym. 2009: 111). 55 Kaikkien toimintoaluetta koskevaan kysymykseen saatujen vastausten määrä jaettuna vastaajien lukumäärällä oli 147:56 = 2,6. 56 Myös TDWI:n tutkimuksessa rahoitus ja laskentatoimi oli selvästi yleisin BI:n toimintoalue. (Eckerson 2005: 7) 57 Vastausvaihtoehdot olivat ylin johto, keskijohto, alin johto/työnjohto, asiantuntijat ja muut työntekijät. 58 Halosen ym. (2007: 26–27) tutkimus korosti ylimmän johdon tärkeyttä BI-loppukäyttäjänä suomalai- sissa TOP50-yrityksissä. 59 Vastausvaihtoehdot olivat alle 1 vuosi, 1–2 vuotta ja yli 2 vuotta. 60 Tämä oli odotettavaa, sillä jo Pirttimäki (2007: v) totesi, että suurimmalla osalla suomalaisista suuryri- tyksistä oli käytössään BI-järjestelmä. 84 5.3. Tutkimustulokset 5.3.1. Business intelligence -järjestelmien käyttöönoton vaikutus organisaation suorituskykyyn Tutkielman laatija suhtautui organisaatioiden suorituskykyä koskevaan hypoteesiin jos- sain määrin skeptisesti. Mittauskohde oli vaikeasti lähestyttävä. Tutkimuksessa ei otettu huomioon kontekstuaalisia tekijöitä, vaan keskenään hyvin erilaiset BI-järjestelmät ja loppukäyttäjät asetettiin samanarvoiseen asemaan riippumatta niiden käyttökontekstista tai asemasta organisaatioiden liiketoiminnassa. Tuloksen luotettavuuden arvioinnissa oli otettava huomioon myös mittareiden muoto (”käyttöönoton jälkeen”), joka ei suoraan mittaa kausaalisuutta Koska hypoteesi kuitenkin oli filosofisesti tärkeä osa mittaristoa ja olennainen tutkimuksen mielekkyyden kannalta, se oli päätetty asettaa ja siten myös hyväksyä, mikäli havainnot eivät pystyisi kumoamaan sitä. Sekä yrityssektorin että julkishallinnon vastaajat arvioivat organisaationsa kehityksen keskimäärin positiiviseksi. Yhteensä 51 % vastaajista oli osittain, jokseenkin tai täysin samaa mieltä siitä, että heidän organisaationsa taloudellinen suorituskyky tai yhteiskun- nallinen vaikuttavuus oli parantunut BI-järjestelmän käyttöönoton jälkeen. Liikeyritys- ten ja julkishallinnon organisaation keskiarvot olivat 4,661. Arvoja organisaatiokohtai- sesti tarkasteltaessa vastaukset todettiin yleensä hyvin samansuuntaisiksi, mikä herätti luottamusta siihen, että mittaus oli onnistunut62. Organisaation suorituskyvyn muuttu- jien tunnusluvut on esitetty seuraavassa taulukossa 4. OH01 on yritysten muuttuja ja OH02 julkishallinnon organisaation muuttuja. 61 Seitsemän vastaajaa (14 %) oli vastannut kysymykseen ”en osaa sanoa”. 62 Poikkeuksena oli yksi yritys, jossa arvot vaihtelivat välillä 2–7. Lisäksi aineistossa muilla yrityksillä oli kaksi poikkeavaa arvoa. 85 Taulukko 4. Organisaation suorituskyvyn muuttujien tilastolliset tunnusluvut. OH01 Organisaationi taloudellinen suorituskyky (kannattavuus, maksu- valmius tai vakavaraisuus) on jolta- kin osin parantunut business intelligence -järjestelmän käyttöön- oton jälkeen. OH02 Organisaationi yhteiskunnal- linen vaikuttavuus on lisääntynyt business intelligence -järjestelmän käyttöönoton jälkeen. N 42 7 Keskiarvo 4,60 4,57 Mediaani 4,5 5,0 Moodi 4 5 Keskihajonta 1,127 0,535 Varianssi 1,271 0,286 Minimi 2 4 Maksimi 7 5 Tunnuslukujen perusteella yritysten taloudellisen suorituskyvyn näin ollen arvioitiin parantuneen ja julkishallinnon organisaatioiden yhteiskunnallisen vaikuttavuuden li- sääntyneen BI-järjestelmien käyttöönoton jälkeen. Havainnot tukivat siten näkemystä BI-investoinneista organisaation suorituskyvyn parantajana. On mahdollista, että mitta- uksen aikaan vallinnut talouden yleinen laskusuhdanne heikensi muuttujien arvoja, mikä osaltaan vahvisti positiivista tulkintaa. Saadut positiiviset tulokset olivat saman- suuntaisia aikaisempien tutkimusten kanssa (Elbashir ym. 2008, Pirttimäki 2007, Rom ym. 2007). Hypoteesin testaaminen edellytti vielä keskiarvotestin suorittamista, koska kahden aino- astaan keskimääräistä korkeamman (ei sen korkeamman) keskiarvon perusteella joudut- tiin päättämään hypoteesin hyväksymisestä tai sen hylkäämisestä. Yhden otoksen yk- sisuuntaisen t-testin mukaan yritysten muuttujan keskiarvon ero neutraaliin vakioon oli tilastollisesti erittäin merkitsevä (p<0,01) ja julkishallinnon organisaation muuttujan keskiarvon ero oli tilastollisesti merkitsevä (p<0,05). T-testin tulokset on esitetty liit- teenä 5. Hypoteesi 1 kuului testattavassa muodossaan: Organisaation suorituskyvyn muuttujien keskiarvot ovat ≥ 4,0. Koska keskiarvot olivat merkitsevästi > 4,0, hypoteesi 1 voitiin hyväksyä. Hyväksyttiin hypoteesi 1: Business intelligence -järjestelmän käyttöönotto parantaa organisaation suorituskykyä. 86 5.3.2. Havaitut loppukäyttäjän henkilökohtaiset hyödyt Henkilökohtaisten hyötyjen mittarit saivat pääosin suhteellisen korkeita arvoja. Muuttu- jista 12/17 sai keskimääräistä korkeamman tai korkean keskiarvon. Ne on esitetty taulu- kossa 5. Kaikkein korkeimmat keskiarvot >5,3 saivat yleisen hyödyn ja päätöksenteon tuen neljä muuttujaa. Taulukko 5. Keskimääräistä korkeamman tai korkean keskiarvon saaneet henkilökoh- taisten hyötyjen muuttujat (12). Keskiarvo Keskihajonta Varianssi 1 HH09 Business intelligence - järjestelmä on minulle erittäin hyödyllinen. 5,63 1,369 1,875 2 HH01 Business intelligence - järjestelmän käytöstä koituu minulle henkilökohtaista hyötyä organisaatiossani. 5,38 1,356 1,839 3 HH03 Business intelligence - järjestelmä auttaa minua teke- mään laadukkaampia päätöksiä. 5,36 1,086 1,179 4 HH07 Business intelligence - järjestelmä tuo ulottuvilleni enemmän relevanttia tietoa päätöksenteon tueksi. 5,34 1,049 1,101 5 HH02 Luotan tulevaisuudessa business intelligence -järjestel- mään tehtävieni suorittamisessa. 5,09 1,116 1,246 6 HH08 Business intelligence - järjestelmän myötä käytössäni on aiempaa enemmän analyytti- siä apuvälineitä. 5,05 1,285 1,652 7 HH04 Business intelligence - järjestelmä auttaa minua ana- lysoimaan ja ymmärtämään päätöksenteon kontekstit aiem- paa nopeammin. 5,02 1,194 1,426 8 HH06 Business intelligence - järjestelmä auttaa minua esittä- mään argumenttini aiempaa vakuuttavammin. 4,98 1,314 1,727 9 HH05 Business intelligence - järjestelmä auttaa minua prio- risoimaan tehtäväni entistä pa- remmin. 4,38 1,367 1,870 10 HH12 Työtyytyväisyyteni on parantunut business intelligence -järjestelmän käytön ansiosta. 4,33 1,318 1,736 87 11 HH11 Työmotivaationi on pa- rantunut business intelligence - järjestelmän käytön ansiosta. 4,33 1,337 1,787 12 HH15 Business intelligence - järjestelmän käyttö edistää yk- silökohtaista kasvuani. 4,09 1,533 2,350 Entä mitkä BI-järjestelmien vaikutukset loppukäyttäjät kokivat ennemminkin henkilö- kohtaisena haittana? Sellainen tekijä oli erityisesti vaikutus loppukäyttäjän palkkakehi- tykseen, joka sai matalimman keskiarvon 2,84. Sen lisäksi neljä muuta muuttujaa sai keskimääräistä matalamman keskiarvon. Kaikki 5/17 muuttujaa, jotka jäivät keskiar- voiltaan alle neutraalin arvon, liittyvät joko vastaajan arvostukseen ja asemaan organi- saatiossa tai työmäärään ja työssä jaksamiseen. Muuttujat on esitetty seuraavassa taulu- kossa 6. Taulukko 6. Matalan tai keskimääräistä matalamman keskiarvon saaneet henkilökoh- taisten hyötyjen muuttujat (5). Keskiarvo Keskihajonta Varianssi 1 HH14 Business intelligence - järjestelmän käyttö vaikuttaa suotuisasti palkkakehitykseeni. 2,84 1,447 2,095 2 HH17 Business intelligence - järjestelmän käytön ansiosta työmääräni on entistä inhimilli- sempi. 3,43 1,386 1,922 3 HH16 Business intelligence - järjestelmän käytön ansiosta työssä jaksamiseen liittyvät ajatukset eivät huolestuta minua yhtä paljon kuin aikaisemmin. 3,58 1,319 1,739 4 HH13 Business intelligence - järjestelmän käyttö auttaa minua etenemään urallani. 3,58 1,538 2,367 5 HH10 Minua arvostetaan aiem- paa arvokkaampana henkilönä organisaatiolleni, koska käytän business intelligence -järjestel- mää. 3,78 1,556 2,420 Rom ym. (2007: 44, 45, 59) kuvaavat artikkelissaan tietojärjestelmien käyttöönoton negatiivisia vaikutuksia, joihin edelliset tulokset saattavat viitata. Järjestelmän käyt- 88 töönotolla on taipumus aiheuttaa muutoksia ja ristiriitoja organisaation sosiaaliseen ra- kenteeseen, kulttuuriin ja arvoihin. Valtasuhteet muuttuvat. Suorituskyvyn seurantajär- jestelmää käyttöön otettaessa henkilöstön pelkona on, että valta siirtyy ylimmälle joh- dolle. Tietojärjestelmiä voidaan pitää kapitalismin välineinä, jotka vahvistavat henki- löstöön kohdistuvaa valvontaa. Se aiheuttaa käyttöönoton vastustamista. Muuttujien HH01–HH10 keskiarvoja Moreaun (2006) IDSS-tutkimuksen vastaavien muuttujien keskiarvoihin vertaamalla voitiin todeta tutkimusten antaneen hyvin saman- suuntaisia tuloksia. Vertailu on esitetty seuraavassa kuviossa 18. 89 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 H H 0 1 … h en k il ö k o h ta is ta h y ö ty ä o rg an is aa ti o ss an i H H 0 2 l u o ta n t u le v ai su u d es sa … t eh tä v ie n i su o ri tt am is es sa H H 0 3 … t ek em ää n l aa d u k k aa m p ia p ää tö k si ä H H 0 4 … a n al y so im aa n j a y m m är tä m ää n p ää tö k se n te o n k o n te k st it ai em p aa n o p ea m m in H H 0 5 … p ri o ri so im aa n t eh tä v än i en ti st ä p ar em m in H H 0 6 … e si tt äm ää n a rg u m en tt in i ai em p aa v ak u u tt av am m in H H 0 7 … e n em m än r el ev an tt ia t ie to a p ää tö k se n te o n t u ek si H H 0 8 … e n em m än a n al y y tt is iä a p u v äl in ei tä H H 0 9 … e ri tt äi n h y ö d y ll in en H H 1 0 … a rv o st et aa n a ie m p aa a rv o k k aa m p an a h en k il ö n ä o rg an is aa ti o ll en i'… Henkilökohtaisten hyötyjen muuttujat K es k ia rv o BI IDSS Kuvio 13. Henkilökohtaisten hyötyjen muuttujien HH01–HH10 (BI) ja niitä Moreaun (2006) tutkimuksessa vastanneiden muuttujien (IDSS) keskiarvojen vertailu. Kuvio osoittaa, että tässä tutkielmassa kyseisille muuttujille mitatut keskiarvot olivat keskimäärin hiukan matalammat kuin Moreaun (2006) IDSS-tutkimuksessa. Merkittä- västi matalamman arvon tässä tutkielmassa sai HH05 ”BI-järjestelmä auttaa minua prio- risoimaan tehtäväni entistä paremmin”. Poikkeuksena taas oli muuttuja HH01 ”BI-jär- jestelmän käytöstä koituu minulle henkilökohtaista hyötyä organisaatiossani”, joka sai 90 tässä tutkielmassa huomattavasti korkeamman keskiarvon kuin vastaava muuttuja IDSS-tutkimuksessa. Hypoteesi 2 oletti, että loppukäyttäjille koituu BI-järjestelmistä henkilökohtaista hyötyä. Näin pääasiassa olikin, mutta loppukäyttäjät kokivat myös niistä koituvia negatiivisia hyötyjä, jotka ovat yhtä kuin haittoja. Yhden otoksen yksisuuntaisen t-testin mukaan keskimääräistä alempien keskiarvojen viiden muuttujan erot olivat muuttujaa HH10 lukuun ottamatta tilastollisesti merkitseviä (p<0,05). T-testin tulokset on esitetty liit- teenä 6. Hypoteesi 2 kuului testattavassa muodossaan: Henkilökohtaisten hyötyjen muuttujien keskiarvot ovat ≥ 4,0. Koska myös merkitsevästi alempia keskiarvoja todet- tiin, se voitiin hyväksyä osittain. Hyväksyttiin osittain hypoteesi 2: Loppukäyttäjät hyötyvät henkilökohtai- sesti business intelligence -järjestelmistä. 5.3.3. Henkilökohtaisten hyötyjen pääkomponentit ja yhteys organisaation suorituskykyyn Pääkomponenttianalyysiin valmistauduttiin henkilökohtaisten hyötyjen muuttujien omi- naisuuksia tutkimalla. Muuttujien keskinäiset korrelaatiot mitattiin Pearsonin järjestys- korrelaatiokertoimella, ja niiden todettiin täyttävän pääkomponenttianalyysille asetetut vaatimukset. Jokainen muuttuja korreloi toisten muuttujien kanssa vähintään kohtalai- sesti (>0,30) ja erittäin merkitsevästi (p<0,01). Korrelaatiokertoimet olivat tyypillisesti voimakkaita.63 Pääkomponenttianalyysi suoritettiin eksploratiivisesti64. Muuttujat päädyttiin lopulta lataamaan viidelle pääkomponentille VARIMAX-rotaatiolla. Lopputulokseksi saatiin rakenteellisesti täydellinen pääkomponenttimatriisi, joka on esitetty liitteenä 8. Mat- riisissa noudatettiin yleisesti hyväksyttyä latausten arvojen alarajaa 0,5. Matriisissa on 63 Henkilökohtaisten hyötyjen muuttujien korrelaatiomatriisi oli liian laaja liitettäväksi tutkielmaan. 64 Neljän pääkomponentin ominaisarvo oli >1,0, mutta niiden muodostamassa matriisissa oli kaksi rakenteellista heikkoutta: yksi muuttuja latautui kahdelle eri pääkomponentille ja toinen muuttuja ei saa- nut >0,5 latausarvoa lainkaan. Pääkomponenttien ominaisarvojen scree-kuvio on esitetty liitteenä 7. Ro- tatoimatta järkevää ratkaisua ei syntynyt. Eri rotaatiomenetelmät antoivat keskenään samansuuntaisia ratkaisuja. VARIMAX antoi niistä eheimmän pääkomponenttirakenteen. 91 esitetty pääkomponenteille myös Cronbachin alfan arvot, joiden mukaan kaikki pää- komponentit läpäisivät reliabiliteettitestin (>0,6). Muodostetut viisi pääkomponenttia nimettiin sisältöjensä mukaan seuraavasti: amma- tillinen itsetunto, asema organisaatiossa, suhtautuminen työhön, päätöksenteon laatu ja luottamus tulevaisuuteen. Ammatillisen itsetunnon pääkomponentti kuvaa uskomista omiin mahdollisuuksiin. Asemalla organisaatiossa tarkoitetaan saatua arvostusta ja sen mukaista ura- ja palkkakehitystä. Suhtautuminen työhön kuvaa asennetta työtä kohtaan. Päätöksenteon laatu vaikuttaa suoraan lisäarvon muodostumiseen business intelligencen arvoketjussa. Luottamus tulevaisuuteen on luovuuden ja innovaatioiden edellytys. Seuraavaksi henkilökohtaisten hyötyjen pääkomponenteille laskettiin muuttujien kes- kiarvot. Niiden perusteella voitiin havaita, että vastaajat arvioivat hyötyvänsä henkilö- kohtaisesti BI-järjestelmistä ammatillisen itsetunnon, päätöksenteon laadun ja luotta- muksen tulevaisuuteen pääkomponenttien alueilla. Sen sijaan pääkomponenttien asema organisaatiossa ja suhtautuminen työhön keskiarvot jäivät alle neutraalin arvon. Pää- komponenttien keskiarvot, keskihajonnat ja varianssit on esitetty seuraavassa taulukossa 7. Taulukko 7. Henkilökohtaisten hyötyjen viiden pääkomponentin keskiarvot, keskiha- jonnat ja varianssit. 1 Ammatillinen itsetunto 2 Asema organisaatiossa 3 Suhtautuminen työhön 4 Päätöksenteon laatu 5 Luottamus tulevaisuuteen N 56 56 56 56 56 Keskiarvo 5,01 3,39 3,88 4,91 5,23 Keskihajonta 1,120 1,470 1,151 1,074 1,104 Varianssi 1,255 2,162 1,326 1,153 1,218 Henkilökohtaisten hyötyjen vaikutusta organisaation suorituskykyyn tutkivan hypotee- sin 3 testaamiseen liittyi sama problematiikkaa kuin hypoteesin 1 testaamiseen. Lisäksi monimutkaiset kausaalisuhteet sekä henkilökohtaisten hyötyjen ja organisaation suori- tuskyvyn pitkä mittausväli todennäköisesti häiritsivät mittaamista. 92 Henkilökohtaisten hyötyjen yhteyttä organisaation suorituskykyyn tutkittiin Pearsonin korrelaatioiden avulla. Liikeyritysten ja julkishallinnon organisaatioiden suorituskyvyn muuttujille laskettiin ensin keskiarvo testauksen yksinkertaistamiseksi. Sen ja henkilö- kohtaisten hyötyjen viiden pääkomponentin keskiarvojen välille laskettiin Pearsonin korrelaatiot. Taulukko 8. Henkilökohtaisten hyötyjen pääkomponenttien ja organisaation suoritus- kyvyn väliset korrelaatiot. 1 Ammatillinen itsetunto 2 Asema organisaatiossa 3 Suhtautuminen työhön 4 Päätöksenteon laatu 5 Luottamus tulevaisuuteen Pearsonin korrelaatio 0,423** 0,118 0,329* 0,406** 0,254* p-arvo (1-suunt.) 0,001 0,211 0,011 0,002 0,039 Organisaation suorituskyky N 49 49 49 49 49 ** korrelaatio on erittäin merkitsevä p<0,01 (1-suunt.) * korrelaatio on merkitsevä p<0,05 (1-suunt.) Taulukon 8 mukaisesti ammatillinen itsetunto ja päätöksenteon laatu olivat kohtalaisesti korreloituneita organisaation suorituskyvyn kanssa. Korrelaatioiden merkitsevyystasot olivat korkeat (p<0,01). Suhtautumisen työhön korrelaatio oli voimakkuudeltaan mata- lampi, mutta edelleen merkitsevä (p<0,05). Sen sijaan aseman organisaatiossa ja luot- tamuksen tulevaisuuteen korrelaatiot organisaation suorituskykyyn olivat voimakkuu- deltaan heikot, mutta jälkimmäisen osalta kuitenkin merkitsevä. Hajontakuviot on esi- tetty liitteenä 9. Korrelaatioanalyysin perusteella voitiin päätellä, että BI-järjestelmistä loppukäyttäjille koituvista henkilökohtaisista hyödyistä ammatillisella itsetunnolla, päätöksenteon laa- dulla ja suhtautumisella työhön oli selkeä positiivinen korrelaatio organisaation suori- tuskykyyn. Myös luottamuksen tulevaisuuteen korrelaatio oli merkitsevä, vaikka heikko. Pääkomponentille asema organisaatiossa yhteyttä ei voitu todeta. Tämän perus- teella oli siis olemassa henkilökohtaisia hyötyjä, joiden yhteys organisaation suoritus- kykyyn oli hyvin selvä, mutta oli myös sellaisia henkilökohtaisia hyötyjä, joilla yhteyttä 93 ei voita todeta. Hypoteesi 3 kuului testattavassa muodossaan: Henkilökohtaisten hyöty- jen muuttujien ja organisaation suorituskyvyn muuttujien välillä vallitsee positiivinen korrelaatio. Se voitiin tässä tapauksessa hyväksyä osittain. Hyväksyttiin osittain hypoteesi 3: Loppukäyttäjälle business intelligence - järjestelmästä koituvilla henkilökohtaisilla hyödyillä on positiivinen yhteys organisaation suorituskykyyn. 5.3.4. Hypoteettisen BI-EUCS-viitekehyksen validiteetti Faktorianalyysiin valmistauduttiin BI-EUCS-muuttujien ominaisuuksia tutkimalla. Muuttujien keskinäiset korrelaatiot mitattiin Pearsonin järjestyskorrelaatiokertoimella, ja ne todettiin menetelmien vaatimuksiin nähden erinomaisiksi. Jokainen muuttuja kor- reloi toisten muuttujien kanssa vähintään kohtalaisesti (>0,30) ja erittäin merkitsevästi (p<0,01). Korrelaatiokertoimet olivat tyypillisesti voimakkaita. Varsinaista multikol- lineaarisuutta ei esiintynyt.65 Kaiserin testi antoi tuloksen 0,641 (>0,6) ja Bartlettin sväärisyystesti antoi arvoksi 1023,70 merkitsevyystasolla 0,000 (p<0,0001). Molemmat osoittivat aineiston kelpoisuutta. Muuttujille todettiin tyypillisesti myös korkeat kom- munaliteetit (>0,6), mikä korvasi pientä havaintojen määrää aineistossa. Melko eksploratiivisesti suoritettu faktorianalyysi ei antanut näyttöä aineiston tuesta hypoteettisen BI-EUCS-viitekehyksen kuusifaktoriselle rakenteelle. Mielekästä ratkai- sua ei voitu tuottaa. Työskentelyä jatkettiin tämän jälkeen rajaten tarkastelu alkuperäi- sen EUCS-viitekehyksen kahteentoista muuttujaan. Tällöin vahvin faktorirakenne mal- linnettiin image factoring -parametrien estimointimenetelmällä, VARIMAX-rotaatio- menetelmällä ja valitsemalla faktoreiden määräksi kolme. Lopputulos muodostui kolmi- faktorinen rakenne, joka muodostui täsmällisyyden ja ulkoasun faktorista, sisällön ja ajantasaisuuden faktorista sekä helppokäyttöisyyden faktorista. Ulkoasun ja ajantasai- suuden muuttujat saivat alhaisimmat latausarvot. Tulos muistutti siten Pikkaraisen ym. (2006) verkkopankkitutkimuksen tuloksia. Faktorimatriisi on esitetty liitteenä 10. Mat- riisissa faktorilatausten alaraja on 0,468. 2/12 muuttujaa on latautunut edelleen kahdelle eri faktorille. 65 Korrelaatiomatriisi oli liian laaja liitettäväksi tutkielmaan. 94 Faktoroinnin ongelmien syyt voivat hyvin olla aineiston pienessä havaintojen määrässä. Ajantasaisuuden muuttujien suhteellisen alhaiset latausten arvot (<0,5) saattoivat myös osoittaa BI-järjestelmien hyvää kykyä vastata loppukäyttäjien ajantasaisuusvaatimuk- siin. Tuotosten ulkoasun merkitys jäi niin ikään suhteellisen vähäiseksi (<0,55), mikä saattoi osoittaa, että raporttien ulkoasu ei ole kriittisimpiä BI:n kehityskohteita. Hypo- teesi 4 kuului testattavassa muodossaan: Käyttäjätyytyväisyyden muuttujien faktorilata- ukset muodostavat esitetyn teorian mukaisen kuusifaktorisen rakenteen. Koska aineisto ei tukenut BI-EUCS-mallia eikä edes alkuperäistä EUCS-mallia, hypoteesi 4 päätettiin hylätä. Hylättiin hypoteesi 4: EUCS-viitekehyksestä muunnettu BI-EUCS-viiteke- hys on validi business intelligence -järjestelmän loppukäyttäjän tyytyväi- syyden mittari. 5.3.5. Havaittu loppukäyttäjän käyttäjätyytyväisyys Mittaristoon sisältyneen kokonaistyytyväisyyden muuttuja sai keskimääräistä arvoa korkeamman keskiarvon 4,5 keskihajonnan ollessa 1,414. Tulos osoitti sellaisenaan loppukäyttäjien yleistä tyytyväisyyttä ja tuki osaltaan hypoteesia 2. Muista käyttäjätyy- tyväisyyden osa-alueiden muuttujista 21/30 sai keskimääräistä korkeamman tai korkean keskiarvon. Ne on esitetty taulukossa 11. Kaikkein tyytyväisimpiä (k.a. ≥5,00) loppu- käyttäjät olivat käyttöoikeuksien riittävyyteen, tietojen riittävään yksityiskohtaisuuteen, informaation ajantasaisuuteen ja tiedon luotettavuuteen. Myös yrityskulttuuria ja hil- jaista tietoa mitanneet muuttujat P08 ja P09 kuuluivat keskimääräistä tyytyväisemmät arviot saaneeseen joukkoon. 95 Taulukko 9. Keskimääräistä korkeamman tai korkean keskiarvon saaneet käyttäjätyy- tyväisyyden muuttujat (21). Keskiarvo Keskihajonta Varianssi 1 P07 Minulla on riittävästi käyt- töoikeuksia business intelligence -järjestelmän tietoihin. 5,70 1,513 2,288 2 S06 Business intelligence -jär- jestelmän tiedot on saatavana riittävän yksityiskohtaisella tasolla. 5,05 1,494 2,233 3 A02 Business intelligence -jär- jestelmä tarjoaa ajantasaista informaatiota. 5,02 1,381 1,907 4 S08 Business intelligence -jär- jestelmän tieto on luotettavaa. 5,00 1,466 2,148 5 P10_kaann Käytössäni olevia eri business intelligence -sovelluk- sia on liikaa.*suunta käännetty* 4,94 1,634 2,670 6 T02 Olen tyytyväinen business intelligence -järjestelmän täs- mällisyyteen. 4,89 1,356 1,840 7 T01 Business intelligence -jär- jestelmä on täsmällinen. 4,83 1,356 1,840 8 P05 Minulla on ylemmän joh- don tuki ja tarvitsemani resurssit business intelligence -järjestel- män käyttöön. 4,79 1,460 2,131 9 P08 Organisaatiokulttuurimme on avoin. 4,65 1,322 1,749 10 U02 Business intelligence -jär- jestelmän informaatio on sel- keää. 4,63 1,273 1,620 11 S04 Business intelligence -jär- jestelmä tarjoaa riittävästi in- formaatiota päätöksentekoni ja muiden työtehtävieni tueksi. 4,63 1,315 1,730 12 S05_kaann Business intelligence -järjestelmä tarjoaa liikaa infor- maatiota, mikä haittaa tarvitse- mani tiedon löytämistä.*suunta käännetty* 4,63 1,590 2,530 13 S03 Business intelligence -jär- jestelmä tarjoaa juuri sellaisia raportteja joita tarvitsen. 4,62 1,269 1,611 14 S02 Business intelligence -jär- jestelmän tietosisältö vastaa tarpeitani. 4,52 1,335 1,781 15 S07 Business intelligence -jär- jestelmän tieto on virheetöntä, eheää ja johdonmukaista. 4,50 1,370 1,877 16 P09 Tiedon jakaminen toimii hyvin organisaatiossamme. 4,50 1,477 2,182 96 17 U03 Business intelligence -jär- jestelmässä suuria tietomääriä on mahdollisuus tarkastella riittävän visuaalisesti. 4,50 1,599 2,557 18 U01 Business intelligence -jär- jestelmän tuotokset esitetään käyttökelpoisessa muodossa. 4,46 1,489 2,217 19 S01 Business intelligence -jär- jestelmä tarjoaa juuri sen tiedon mitä tarvitsen. 4,45 1,439 2,070 20 A01 Saan tarvitsemani infor- maation business intelligence - järjestelmästä ajoissa. 4,42 1,536 2,359 21 H02 Business intelligence -jär- jestelmä on helppokäyttöinen. 4,18 1,503 2,258 Entä mihin tekijöihin loppukäyttäjät eivät olleet niin tyytyväisiä? Yhdeksän käyttäjä- tyytyväisyyden muuttujaa sai keskimääräistä matalamman keskiarvon. Ne on esitetty taulukossa 10. Mittari P04 (ei-tekninen tuki) tosin oli muodoltaan neutraali. Kaikkein alhaisimmat keskiarvot (k.a. < 3,8) saivat koulutus, vuorovaikutus ja yhteistyö järjes- telmän kehittäjien kanssa, tekninen suoritusteho ja käyttötuki. Ne ovat kaikki alkuperäi- sen EUCS-mallin ulkopuolisia muuttujia. 3/4 niistä oli alun perin sijoitettu käyttöpal- veluiden luokkaan. Taulukko 10. Keskimääräistä matalamman keskiarvon saaneet käyttäjätyytyväisyyden muuttujat (9). Keskiarvo Keskihajonta Varianssi 1 P01 Minä ja alaiseni olemme saaneet riittävästi oikeanlaista koulutusta business intelligence -järjestelmän käyttöön. 3,61 1,796 3,225 2 P02 Yhteistyö business intelligence -järjestelmän kehit- täjien kanssa on organisoitu hyvin, ja vuorovaikutus välil- lämme on ollut toimivaa järjes- telmää käyttöön otettaessa ja kehitettäessä. 3,66 1,685 2,838 3 H04_kaann Business intelligence -järjestelmä toimii niin hitaasti, että joudun odotte- lemaan.*suunta käännetty* 3,66 1,881 3,537 97 4 P03 Business intelligence -jär- jestelmän tekninen käyttötuki on riittävää ja laadukasta: ammat- titaitoista ja palveluhalukasta. 3,79 1,459 2,128 5 H03 Tiedon löytäminen on helppoa business intelligence - järjestelmän hakurakenteista. 3,84 1,499 2,246 6 P06 Ylempi johto on aidosti kiinnostunut tyytyväisyydestäni business intelligence -järjestel- mään. 3,88 1,716 2,946 7 P04 Saan tukea business intelligence -järjestelmien käy- tössä ja kehittämisessä liiketoi- minta-analyytikolta tai muulta liiketoiminnan asiantuntijalta tai taholta. 3,93 1,709 2,921 8 H05_kaann Työlleni koituu haittaa siitä, että business intel- ligence -järjestelmän tai selai- men toiminta toisinaan keskey- tyy tai istunto katkeaa kesken kaiken.*suunta käännetty* 3,95 2,004 4,015 9 H01 Business intelligence -jär- jestelmä on käyttäjäystävällinen. 3,96 1,695 2,871 Nämä tyytymättömyyttä suuntaa-antavasti osoittavat tekijät ovat korostuneet myös useissa aikaisemmissa tutkimuksissa (ks. Chen ym. 2000, Shin 2003, Yeoh ym. 2008). Käyttäjätyytyväisyyden muuttujien arvoja voitiin soveltuvin osin verrata kansainvälisen tutkimuksen osoittamaan tasoon. Vertailu on esitetty seuraavassa kuviossa 19. 98 0,0 1,0 2,0 3,0 4,0 5,0 6,0 S0 5 Ti eto tu lv a S0 4 Ti ed on ri itt äv yy s S0 7 Ti ed on jo hd on m uk ais uu s S0 8 Ti ed on lu ot ett av uu s S0 6 Ti ed on y ks ity isk oh tai su us H0 3 So ve llu ste n ha ku ra ke nt ee t H0 4 Te kn in en su or itu ste ho P0 1 Kä yt täj ien ko ul ut us P0 3 Kä yt tö tu ki P0 5 Jo hd on tu ki Käyttäjätyytyväisyyden muuttujat K es k ia rv o BI IDSS DW Kuvio 14. Joidenkin käyttäjätyytyväisyyden muuttujien (BI) ja niitä Moreaun (2006) tutkimuksessa (IDSS) ja Shinin (2003) tutkimuksessa (DW) vastanneiden muuttujien keskiarvojen vertailu. Tässä saadut tulokset osoittivat samansuuntaisia tuloksia tietotulvan, tiedon johdonmu- kaisuuden, tietojen yksityiskohtaisuuden, sovellusten hakurakenteiden ja teknisen suo- ritustehon alueilla kuin Shinin (2003) tietovarastotutkimuksessa (DW). Sen sijaan tie- don riittävyyttä ja luotettavuutta koskevat muuttujat saivat tässä tutkielmassa huomatta- vasti korkeammat keskiarvot kuin Shinin tutkimuksessa. Tässä saadut tulokset eivät selvästikään olleet yhtäläisiä Moreaun (2006) IDSS-tutkimuksen tulosten (IDSS) kanssa, jossa vastaajien tyytyväisyys koulutukseen ja käyttötukeen saivat huomattavasti korkeammat arviot. Vaikka tuloksista oli vaikea päätellä, kuinka alkuperäisten EUCS-mittareiden muodot toimivat tässä tutkielmassa, niistä useita voitiin pitää jokseenkin kyseenalaisina. Mit- taria U02 ”Onko informaatio selkeää” (”Is the information clear”) voi olla vaikea liittää raporttien ulkoasuun. Mittari A01 ”Saatko tarvitsemasi tiedon ajoissa” (”Do you get the information you need in time”) ei määrittele mihin tietoa tarvitaan ajoissa. Se olisi hyvä täsmentää muotoon ”… riittävän ajoissa päätöksentekoa varten”. Mittarit U02 ja A01 eivät antaneet vakuuttavia tuloksia mittauksessa. Niin ikään täsmällisyyden käsite lienee 99 useimmille epäselvä. Se esiintyy mittareissa T1 ”Onko järjestelmä täsmällinen” (”Is the system accurate”) ja T2 ”Oletko tyytyväinen järjestelmän täsmällisyyteen” (”Are you satisfied with the accuracy of the system”). Näiden mittareiden muodot kannattaa tar- kistaa jatkotutkimuksessa. Loppukäyttäjät olivat siis pääasiassa tyytyväisiä BI-järjestelmiin. Tyytyväisyys ei kuitenkaan koskenut kaikkia mitattuja tekijöitä, vaan tyytymättömyyttä osoitettiin käyttöpalveluja ja helppokäyttöisyyttä kohtaan. Koska alimpien keskiarvojen erot neut- raaliin arvoon eivät kuitenkaan olleet kovin suuria, oli suoritettava keskiarvotesti tes- taustuloksen varmistamiseksi. Yhden otoksen yksisuuntaisen t-testin mukaan yhden- kään muuttujista keskiarvon ero ei ollut tilastollisesti merkitsevä (p<0,05). Tulos oli suuntaa-antava (p<0,10) kolmen muuttujan osalta: P01 ”Minä ja alaiseni olemme saa- neet riittävästi oikeanlaista koulutusta business intelligence -järjestelmän käyttöön” (p=0,054), P02 ”Yhteistyö business intelligence -järjestelmän kehittäjien kanssa on or- ganisoitu hyvin, ja vuorovaikutus välillämme on ollut toimivaa järjestelmää käyttöön otettaessa ja kehitettäessä” (p=0,086) ja H4 ”Business intelligence -järjestelmä toimii niin hitaasti, että joudun odottelemaan” (p=0,091). T-testin tulokset on esitetty liitteenä 11. Hypoteesi 5 kuului testattavassa muodossaan: Käyttäjätyytyväisyyden muuttujien keskiarvot ovat ≥ 4,0. Koska keskimääräistä alempien keskiarvojen erot neutraaliin va- kioon eivät olleet tilastollisesti merkitseviä, hypoteesi 5 voitiin hyväksyä. Hyväksyttiin hypoteesi 5: Loppukäyttäjät ovat tyytyväisiä business intelli- gence -järjestelmiin. 5.3.6. Käyttäjätyytyväisyyden pääkomponentit ja yhteys henkilökohtaisiin hyötyihin Käyttäjätyytyväisyyden muuttujia analysoitiin eksploratiivisesti pääkomponenttianalyy- sillä. Muuttujat ladattiin viidelle pääkomponentille VARIMAX-rotaatiolla66. Tulokseksi saatiin pääkomponenttimatriisi, joka on liitteenä 13. Matriisista rajattiin pois siinä nä- 66 Seitsemän pääkomponentin ominaisarvot olivat >1,0; kuitenkin niiden muodostamassa matriisissa pääkomponenteille 3–7 latautui vain 1–2 muuttujaa kullekin. Viiden pääkomponentin ratkaisu todettiin yksiselitteisemmäksi kuin neljän tai kuuden pääkomponentin ratkaisut. Järkevän rakenteen syntyminen edellytti rotatointia. Eri rotaatiomenetelmillä ratkaisut olivat samansuuntaisia. VARIMAX antoi yksise- litteisimmän ratkaisun. Pääkomponenttien ominaisarvojen scree-kuvio on esitetty liitteenä 12. 100 kyvää pienintä latauksen arvoa (0,458) alempiarvoiset lataukset. Matriisissa on esitetty myös pääkomponenttien Cronbachin alfan arvot: kaikki pääkomponentit läpäisivät re- liabiliteettitestin (>0,6). Pääkomponentit nimettiin niille voimakkaimmin latautuneiden muuttujien mukaan seu- raavasti: informaation laatu, käytön helppous, lähipalvelut, organisaation tuki ja käytön sujuvuus. Informaation laadun pääkomponentti sisälsi helppokäyttöisyyden muuttujia lukuun ottamatta kaikki alkuperäiset EUCS-muuttujat (S01–S04, T01–T02, U01–U02 ja A01–A02), sekä kolme tiedon laadun muuttujaa (S06–S08) ja tiedon visualisoinnin muuttujan (U03). Näin ollen oli perusteltua todeta, että EUCS-viitekehys mittaa pääasi- assa informaation laatua. Käytön helppouden pääkomponentti sisälsi molemmat helppo- käyttöisyyden EUCS-muuttujat sekä sovellusten hakurakenteiden (H03), tietotulvan (S05) ja käyttäjien koulutuksen (P01) muuttujat. Tiedon ylimäärä ja koulutus siis kor- reloivat helppokäyttöisyyden kanssa. Hypoteettisessa BI-EUCS-mallissa ollut palvelui- den luokka oli koulutusta lukuun ottamatta jakautunut kahtia lähipalveluihin (P02–P04) ja organisaation tukeen (P05–P10). Käytön sujuvuuden pääkomponentti muodostui tek- nisen suoritustehon (H04) ja työskentelyn keskeytymisten (H05) muuttujista67. Huomattavaa oli, että negatiivisten mittareiden käännetyt muuttujat, etenkin S05 ja P10, eivät latautuneet kunnolla. Negatiivisten mittareiden soveltamiseen kyselyissä kannattaa siten jatkossa suhtautua varauksellisesti. Seuraavaksi laskettiin keskiarvot käyttäjätyytyväisyyden viidelle pääkomponentille. Keskiarvojen perusteella voitiin tarkastella BI-loppukäyttäjien tyytyväisyyden eroja viiden eri ulottuvuuden suhteen. Pääkomponenttien keskiarvoja tarkastellen käyttäjät olivat tyytyväisimpiä organisaation tukeen (k.a. 4,75) ja informaation laatuun (k.a. 4,68). Käytön helppouteen suhtauduttiin keskimäärin neutraalisti (k.a. 4,04). Vähiten tyytyväisiä käyttäjät olivat lähipalveluihin (k.a. 3,74) ja käytön sujuvuuteen (k.a. 3,80). Pääkomponenttien tilastolliset tunnusluvut on esitetty seuraavassa taulukossa 11. 67 Kolmenkymmenen muuttujan rotatoituun komponenttimatriisiin jäi edelleen neljä muuttujaa, jotka latautuvat voimakkaasti vähintään kahdelle pääkomponentille. Ne luettiin tässä yhteydessä lukea siihen pääkomponenttiin, jolle ne latautuvat voimakkaammin. Ne olisi voitu myös poistaa mallista. Kaksoisla- tautuneen muuttujan ”BI-järjestelmä tarjoaa liikaa informaatiota” (S05) lisäksi mallissa on mukana kaksi muutakin muuttujaa, jotka eivät korreloi kokonaistyytyväisyyden muuttujan kanssa ja korreloivat hei- kosti muidenkin muuttujien kanssa: ”Työlleni koittuu haittaa siitä, että BI-järjestelmän tai selaimen toi- minta toisinaan keskeytyy…” (H05) ja ”Käytössäni olevia BI-sovelluksia on liikaa” (P10). 101 Taulukko 11. Käyttäjätyytyväisyyden viiden pääkomponentin keskiarvot, keskihajon- nat ja varianssit. 1 Informaation laatu 2 Käytön helppous 3 Lähipalvelut 4 Organisaation tuki 5 Käytön sujuvuus N 56 56 56 56 56 Keskiarvo 4,68 4,04 3,74 4,75 3,80 Keskihajonta 1,081 1,185 1,470 0,916 1,683 Varianssi 1,170 1,405 2,160 0,839 2,833 Käyttäjätyytyväisyyden yhteyttä henkilökohtaisiin hyötyihin tutkittiin korrelaatioiden avulla. Käyttäjätyytyväisyyden viiden pääkomponentin keskiarvojen ja niiden henkilö- kohtaisten hyötyjen pääkomponenttien keskiarvojen, joiden oltiin todettu korreloivan suorituskyvyn kanssa, välille laskettiin Pearsonin korrelaatiot. Taulukko 12. Käyttäjätyytyväisyyden viiden pääkomponentin ja kolmen organisaation suorituskyvyn kanssa korreloineen henkilökohtaisten hyötyjen pääkomponentin väliset korrelaatiot. 1 Informaation laatu 2 Käytön helppous 3 Lähipalvelut 4 Organisaation tuki 5 Käytön sujuvuus 1 Ammatillinen itsetunto Pearsonin korrelaatio 0,583** 0,241* 0,324** 0,268* -0,042 p-arvo (1-suunt.) 0,000 0,037 0,007 0,023 0,379 N 56 56 56 56 56 3 Suhtautuminen työhön Pearsonin korrelaatio 0,545** 0,344** 0,407** 0,508** 0,090 p-arvo (1-suunt.) 0,000 0,005 0,001 0,000 0,256 N 56 56 56 56 56 4 Päätöksenteon laatu Pearsonin korrelaatio 0,573** 0,350** 0,247* 0,373** 0,055 p-arvo (1-suunt.) 0,000 0,004 0,033 0,002 0,344 N 56 56 56 56 56 ** korrelaatio on erittäin merkitsevä p<0,01 (1-suunt.) * korrelaatio on merkitsevä p<0,05 (1-suunt.) 102 Taulukon 12 mukaisesti käyttäjätyytyväisyyden pääkomponenteista informaation laatu korreloi kaikkein voimakkaimmin henkilökohtaisten hyötyjen kanssa. Se oli kohtalai- sesti ja erittäin merkitsevästi korreloitunut kaikkiin kolmeen henkilökohtaisten hyötyjen pääkomponenttiin, jotka olivat ammatillinen itsetunto, suhtautuminen työhön ja päätök- senteon laatu. Organisaation tuki oli niin ikään korreloitunut kaikkien henkilökohtaisten hyötyjen pääkomponenttien kanssa. Sen korrelaatio suhtautumiseen työhön oli voimak- kuudeltaan kohtalainen ja erittäin merkitsevä. Ammatilliseen itsetuntoon ja päätöksen- teon laatuun se korreloi alhaisemmalla voimakkuudella, mutta erittäin merkitsevästi tai merkitsevästi. Lähipalveluiden pääkomponentti korreloi suhtautumiseen työhön kohta- laisesti ja erittäin merkitsevästi sekä ammatilliseen itsetuntoon ja päätöksenteon laatuun matalammalla voimakkuudella, mutta erittäin merkitsevästi tai merkitsevästi. Käytön helppous korreloi kaikkiin henkilökohtaisiin hyötyihin matalalla voimakkuudella, mutta joko erittäin merkitsevästi tai merkitsevästi. Käytön sujuvuudella ei sitä vastoin ollut korrelaatioanalyysin perusteella yhteyttä henkilökohtaisiin hyötyihin. Hajontakuviot on esitetty liitteenä 14. Korrelaatioanalyysin perusteella voitiin siis päätellä, että käyttäjätyytyväisyyden osa- alueista informaation laadulla, organisaation tuella, lähipalveluilla ja käytön helppou- della oli yhteys organisaation suorituskyvyn kanssa korreloineisiin henkilökohtaisiin hyötyihin, jotka olivat ammatillinen itsetunto, suhtautuminen työhön ja päätöksenteon laatu. Havainto tuki voimakkaasti hypoteesin 6 hyväksymistä, jonka mukaan BI-järjes- telmän loppukäyttäjän tyytyväisyydellä on yhteys henkilökohtaisiin hyötyihin. Käyttä- jätyytyväisyydessä oli kuitenkin yksi osa-alue, käytön sujuvuus, joka ei korreloinut henkilökohtaisten hyötyjen kanssa. Hypoteesi 6 kuului testattavassa muodossaan: Käyttäjätyytyväisyyden muuttujien ja henkilökohtaisten hyötyjen muuttujien välillä val- litsee positiivinen korrelaatio. Koska tilanne ei ollut tämä kaikkien muuttujien osalta, hypoteesi 6 voitiin hyväksyä osittain. Hyväksyttiin osittain hypoteesi 6: Business intelligence -järjestelmän lop- pukäyttäjän tyytyväisyydellä on positiivinen yhteys henkilökohtaisiin hyö- tyihin. 103 6. YHTEEVETO Yrityksen kestävä kilpailukyky perustuu pääasiassa sen aineettomaan pääomaan, joka tunnetaan haastavana mittaamisen kohteena. Tämän vuoksi yritykset ovat alkaneet pai- nottaa perinteisten taloudellisten mittareiden rinnalla yhä enemmän uusia menetelmiä, kuten tyytyväisyysmittauksia (Hyvönen 2008). Samaan aikaan laskentatoimessa on ke- hittynyt aineettoman pääoman tutkimus. Tutkijat ovat soveltaneet IT-investointien suo- rituskyvyn tutkimiseen D&M-viitekehystä, BSC:ia ja prosessisuuntautunutta SEM- ja PLS-mallintamista. BI-investointien liiketaloudellinen mittaaminen on toistaiseksi ollut suhteellisen vähäistä ja kehittymätöntä niin käytännön liike-elämässä kuin akateemi- sessa tutkimuksessakin. Tämän pro gradu -tutkielman tarkoituksena oli tutkia, kuinka BI-järjestelmien käyt- töönotto vaikuttaa organisaation suorituskykyyn. Asiaa tutkittiin mittaamalla informaa- tion loppukäyttäjän henkilökohtaisia hyötyjä ja käyttäjätyytyväisyyttä business intelligence –investoinneissa. Samalla tarkasteltiin loppukäyttäjien kokemien henkilö- kohtaisten hyötyjen ja käyttäjätyytyväisyyden tasoa suomalaisorganisaatioissa ja tes- tattiin EUCS-viitekehyksen johdannaisen validiteettia BI:n kontekstissa. Näihin liittyen testattiin kuusi tutkimushypoteesia. Mittausmenetelminä olivat subjektiivinen, D&M- ja EUCS-viitekehysten analogioita soveltanut suorituskyvyn mittaristo ja kyselytutkimus. Tutkimusaineiston muodosti 11 suomalaista organisaatiota ja 56 business intelligence -informaation loppukäyttäjää. Organisaatioista 10 oli suuryrityksiä ja 1 oli julkishallinnon organisaatio. Edustetuim- pana business intelligence -järjestelmien sovellusalueena aineistossa oli taloushallinto (19 %). Koska aineisto ei ole riittävän satunnainen, sillä saatuja tutkimustuloksia ei voida yleistää koskemaan suomalaisten business intelligenceä hyödyntävien organisaa- tioiden ja loppukäyttäjien perusjoukkoa. Analyysimenetelminä käytettiin tavanomaisia tilastollisia testejä: keskiarvoja, keskiarvotestiä, faktori- ja pääkomponenttianalyysejä sekä korrelaatioanalyysiä. Pieni havaintojen määrä aineistossa saattoi vaikuttaa ana- lyysien luotettavuuteen. 104 Aineistonkeruuvaiheessa osoittautui, että BI-järjestelmien todelliset käyttäjämäärät or- ganisaatioissa olivat suhteellisen vähäisiä ja hyödyntämisasteet siten alhaisia. Tavoitel- taessa järjestelmien parempaa suorituskykyä ja investoinnin kannattavuutta panostami- nen hyödyntämisasteen nostamiseksi on siten ensimmäinen suositeltava toimenpide. Käyttämättömyyden syyt kannattaa selvittää tapauskohtaisesti. Niihin voi olla helppo vaikuttaa esimerkiksi lisäämällä tarvelähtöistä koulutusta ja viestintää ja ratkaisemalla mahdolliset tekniset käytön esteet. Helppokäyttöisyys on yksi BI:n menestystekijöistä. Ensimmäinen tutkimushypoteesi väitti, että BI-järjestelmän käyttöönotto parantaa orga- nisaation suorituskykyä. Tutkimustulokset tukivat väitettä, joten hypoteesi hyväksyttiin. Hieman yli puolet vastaajista oli osittain, jokseenkin tai täysin samaa mieltä siitä, että heidän organisaationsa taloudellinen suorituskyky tai yhteiskunnallinen vaikuttavuus oli parantunut BI-järjestelmän käyttöönoton jälkeen. Yritysten ja julkishallinnon organi- saation tulokset olivat yhdenmukaiset. Tulokset olivat samansuuntaisia aikaisempien tutkimustulosten kanssa (ks. Elbashir ym. 2008, Rom ym. 2007, Pirttimäki 2007). Posi- tiivisen tuloksen luotettavuutta heikensi mittareiden epäsuoruus ja subjektiivisuus. Toi- saalta sitä paransi mittauksen aikaan vallinnut talouden yleinen laskusuhdanne. Toisen hypoteesin mukaan loppukäyttäjät hyötyvät henkilökohtaisesti BI-järjestelmistä. Hypoteesi hyväksyttiin osittain. Loppukäyttäjät kokivat hyötyneensä henkilökohtaisesti järjestelmien käyttöönotosta monin eri tavoin. Järjestelmät paransivat erityisesti loppu- käyttäjien päätöksenteon laatua ja ammatillista itsetuntoa. Ne auttoivat tekemään pa- rempia päätöksiä, tarjosivat lisää relevanttia tietoa ja analyyttisia apuvälineitä päätök- senteon tueksi sekä auttoivat ymmärtämään päätöksenteon kontekstit aiempaa nopeam- min. Suurin osa loppukäyttäjistä vastasi luottavansa tulevaisuudessa BI-järjestelmään työtehtäviensä suorittamisessa. Toisaalta loppukäyttäjät kokivat myös haittoja. Järjes- telmien käyttöönotto uhkasi heidän asemaansa organisaatiossa ja lisäsi työmäärään ja työssä jaksamiseen liittyvää huolta. Tietojärjestelmien käyttöönotto muuttaa organisaa- tion valtasuhteita, mikä tunnetusti aiheuttaa vastustusta. Loppukäyttäjien kokemia hen- kilökohtaisia hyötyjä koskeneet tulokset olivat pitkälti samansuuntaisia, mutta hieman matalampia kuin aikaisemmassa tutkimuksessa (ks. Moreau 2006, DeLone ym. 1992). Kolmannen hypoteesin mukaan loppukäyttäjälle BI-järjestelmästä koituvilla henkilö- kohtaisilla hyödyillä on positiivinen yhteys organisaation suorituskykyyn. Se hyväksyt- 105 tiin osittain. BI-järjestelmän käyttöönoton vaikutuksista loppukäyttäjän ammatillisella itsetunnolla, päätöksenteon laadulla ja suhtautumisella työhön todettiin olleen selvä positiivinen yhteys organisaation suorituskykyyn. Hyödyillä, jotka liittyivät luottamuk- seen tulevaisuuteen, yhteys oli heikompi. Tulokset vastasivat näiltä osin DeLonen ym. (1992) tuloksia. Kehittämällä business intelligence -prosesseja loppukäyttäjäkeskeisesti edellä mainittuja tekijöitä huomioiden saatetaan siten pystyä parantamaan organisaation suorituskykyä. Loppukäyttäjän asemaa organisaatiossa koskeville vaikutuksille yhteyttä ei voitu todeta, joten loppukäyttäjien kokema uhka ei ollut yhtä merkityksellinen orga- nisaation näkökulmasta. Neljäntenä hypoteesina oli, että EUCS-viitekehyksestä muunnettu BI-EUCS-viitekehys on validi BI-järjestelmän loppukäyttäjän tyytyväisyyden mittari. Hypoteesi hylättiin. Tutkimusaineisto ei antanut tukea BI-EUCS-viitekehykselle. Tulokset olivat siten päin- vastaisia kuin Chenin ym. (2000) ja McHaneyn ym. (2001) tutkimuksissa. Viides hypoteesi esitti, että loppukäyttäjät ovat tyytyväisiä BI-järjestelmiin. Hypoteesi hyväksyttiin. Tulosten mukaan loppukäyttäjät olivat järjestelmiin keskimäärin tyytyväi- siä. Kaikkein tyytyväisimpiä loppukäyttäjät olivat käyttöoikeuksien riittävyyteen, tieto- jen riittävään yksityiskohtaisuuteen, informaation ajantasaisuuteen ja tiedon luotetta- vuuteen. Tulokset olivat samansuuntaisia aikaisemman tutkimuksen kanssa (ks. Moreau 2006, Shin 2003, DeLone ym. 1992). Toisaalta osittain korkeampiakin tuloksia on ra- portoitu (ks. Moreau 2006). Tilastollisesti ei-merkitsevää, mutta suuntaa-antavaa tyyty- mättömyyttä loppukäyttäjissä aiheuttivat erityisesti koulutus ja yhteistyön organisointi järjestelmien kehittäjien kanssa. Loppukäytön tukeminen tarvelähtöisesti korostui siten jälleen tuloksissa. Nämä tekijät ovat korostuneet myös useissa aikaisemmissa tutkimuk- sissa (ks. Chen ym. 2000, Shin 2003, Yeoh ym. 2008). Tuloksista voitiin myös todeta, että käyttäjätyytyväisyyden negatiiviset mittarit eivät toimineet kunnolla, joten niiden soveltamiseen kyselyissä kannattaa jatkossa suhtautua varauksellisesti. Kuudennen hypoteesin mukaan BI-järjestelmän loppukäyttäjän tyytyväisyydellä on po- sitiivinen yhteys henkilökohtaisiin hyötyihin. Hypoteesi hyväksyttiin osittain. Käyttä- jätyytyväisyyden osa-alueista informaation laadulla, organisaation tuella, lähipalveluilla ja käytön helppoudella oli yhteys organisaation suorituskykyyn yhteydessä olleisiin henkilökohtaisiin hyötyihin, jotka olivat ammatillinen itsetunto, suhtautuminen työhön 106 ja päätöksenteon laatu. Tulokset vastasivat näiltä osin DeLonen ym. (1992) tuloksia. Sitä vastoin yhdellä käyttäjätyytyväisyyden osa-alueella, käytön sujuvuudella, ei ollut yhteyttä henkilökohtaisiin hyötyihin. BI:n mittaamisen loppukäyttäjäkeskeistä fokusta pidettiin oikein valittuna. Loppukäyt- täjät ovat ratkaisevassa asemassa, koska BI:n arvon voidaan katsoa syntyvän vasta in- formaation loppukäyttäjien myötävaikutuksella, ja BI-investointien tuottamat hyödyt ovat riippuvaisia heidän innosta ja halukkuudestaan. Koska BI:llä on päätöksentekoa tukeva päätarkoitus, ja sen käyttö on suhteellisen vapaaehtoista, käyttäjätyytyväisyys ja henkilökohtaiset hyödyt sopivat hyvin sen suorituskykymittareiksi. D&M-viitekehyksen näkemys käyttäjätyytyväisyyden yhteydestä loppukäyttäjän henkilökohtaisiin hyötyihin ja henkilökohtaisten hyötyjen yhteydestä organisaation suorituskykyyn sai vahvistusta BI:n kontekstissa tutkielman tuloksista. Sitä vastoin EUCS-viitekehys ei sopinut kovin hyvin BI:n käyttäjätyytyväisyyden mit- taamiseen. EUCS:n loppukäyttäjäympäristö ei huomioinut BI-loppukäyttäjän riippu- vuutta käyttöpalveluista. Käyttöpalveluilla täydennettynäkään se ei saanut aineiston tukea, kuten jo edellä mainittiin. Kaikkia alkuperäisiä EUCS-mittareita ei voitu pitää muodoltaan kovin käyttökelpoisina. Niiden muutostarpeet kannattaa huomioida jatko- tutkimuksessa. EUCS-viitekehyksen vahvuus on sen informaation laadun mittareissa. Subjektiivisilla mittareilla on nykykäsityksen mukaan täydennettävä objektiivisten mittareiden informaatiota, ja myös eri näkökulmat on otettava huomioon, jotta mittaa- misesta voidaan saavuttaa paras hyöty. Käyttäjäkyselyitä ja tilastollisia analyyseja voi- daan tämän tutkielman myötä saadun kokemuksen perusteella suositella myös käytän- nön mittaamiseen. Kyselyt ovat helppoja ja edullisia tuottaa. Kyselyn pituuden on ol- tava tällöin tiukasti rajattu, ja mittareiden tapauskohtaisesti ja huolellisesti harkittuja. Tiedon keruutavasta riippumatta – oli kyseessä sitten kysely, haastattelu tai keskustelu – kaiken loppukäyttäjiltä saatavan palautteen hyödyntämistä koskevana rajoituksena on se, että loppukäyttäjä voi vastata ainoastaan oman kokemuksensa pohjalta. Keskeinen vaikeus mittaristojen kehittämisessä on kausaalisuus. Samalla se on yksi tärkeimmistä tekijöistä hyödynnettävyyden näkökulmasta (Laitinen 2003: 446). Tut- kielman merkittävin rajoite liittyi käytettyihin menetelmiin, joilla voitiin konfirmato- 107 risesti osoittaa ulottuvuuksien välisiä yhteyksiä, mutta ei aitoja kausaalisuhteita aineis- tossa. BI on alana tuore, ja sekä sen tutkimuksella että käytännön mittaamisella on pal- jon mahdollisuuksia edessään. Ensimmäinen suositeltava jatkotutkimus on kausaa- lisuhteiden mallintaminen PLS-menetelmällä tässä tutkielmassa kerätystä aineistosta. BI-investointien mittaaminen olisi erinomainen kohde myös mittaristojen rakentami- selle (konstruktiivinen tutkimus) ja investointien suorituskyvyn ja arvon muodostumi- sen mekanismien tätä syvällisemmälle tarkastelemiselle (tapaustutkimus). 108 LÄHDELUETTELO Abukari, Kobana & Vijay Jog (2002). Business intelligence tools. CMA Management 76: 2, 45–46. Ackoff, R .L. (1989). From Data to Wisdom. Journal of Applied Systems Analysis 16, 3–9. Adelman, Sid (2006). BI Bling. DM Review November 2006, 18. Ahola, Eija & Anna-Maija Rautiainen (2009). Globalisoituva innovaatiotoiminta. Teok- sessa: Kasvuparadigman muutos – Innovaatiotoiminnan uudet trendit. Tekesin katsaus 250/2009 [online]. Eija Ahola ja Anna-Maija Rautiainen. Helsinki: Tekes [siteerattu 2009-05-23]. Saatavana Internetistä: http://www.tekes.fi/fi/document/38909/kasvuparadigman_muutos_pdf. ISBN 978-952-457-468-6. Au, Norman, Eric W.T. Ngai & T.C. Edwin Cheng (2002). A critical review of end-user information system satisfaction research and a new research framework. The International Journal of Management Science 30:6, 451–478. Bailey, James E. & Sammy W. Pearson (1983). Development of a Tool for Measuring and Analyzing Computer User Satisfaction. Management Science 29:5, 530– 544. Bauer, Lujo, Lorrie Faith Cranor, Robert W. Reeder, Michael K. Reiter & Kami Vaniea (2008). A User Study of Policy Creation in a Flexible Access-Control System. Teoksessa: CHI 2008 Proceedings – Policy, Telemedicine and Enterprise, 543– 552. Florence, Italy. Björkell, Christina (2005). Business intelligence -ratkaisun onnistumisen arviointi. 101 s. Julkaisematon. Helsingin kauppakorkeakoulun kirjasto. 109 Bontis, Nick & Alexander Serenko (2009). A causal model of human capital antecedents and consequents in the financial services industry. Journal of Intellectual Capital 10:1, 53–69. doi: 10.1108/14691930910922897. Brobst, Stephen (2009). Four Trends in Business Intelligence that Cannot be Ignored. Julkaisematon. Brohman, M. Kathryn, Michael Parent, Michael R. Pearce & Michael Wade (2000). The Business Intelligence Value Chain: Data-Driven Decision Support in Data Warehouse Environment: An Exploratory Study. Teoksessa: Proceedings of the 33 rd Hawaii International Conference on System Sciences, 1–10. ISBN: 0-7695- 0493-0. Business Objects (2008). boXIr2_sp2_readme.pdf [online] [siteerattu 2009-03-13]. Saatavana Internetistä: http://resources.businessobjects.com/support/communitycs/FilesAndUpdates/bo XIr2_sp2_readme.pdf. Ohjelmistopäivityksen readme-tiedosto. Bürkland, Sirle (2009). Managing the Development of Valuable Intellectual Capital. The Role of Management Control [online]. Vaasa: Vaasan yliopisto [siteerattu 2009-11-25]. Acta Wasaensia, 207. 191 s. Saatavana Internetistä: http://www.uwasa.fi/materiaali/pdf/isbn_978-952-476-266-3.pdf. ISBN 978- 952-476-266-3. Chaudhuri, Surajit & Umeshwar Dayal (1997). An Overview of Data Warehousing and OLAP Technology. SIGMOD Rec. 26:1, 65–74. Chen, Lei-da, Khalid S. Soliman, En Mao & Mark N. Frolick (2000). Measuring user satisfaction with data warehouses: an exploratory study. Information & Management 37:3, 103–110. Chin, Wynne W. (1997). Overview of the PLS Method [online] [siteerattu 2009-11-30]. Saatavana Internetistä: http://disc-nt.cba.uh.edu/chin/PLSINTRO.HTM. 110 Davenport, Thomas H. & Laurence Prusak (2000). Working knowledge: How organizations manage what they know. Boston, Massachusetts: Harvard Business School Press. 199 s. ISBN 1-57851-301-4. DeLone, William H. & Ephraim R. McLean (1992). Information System Success: The Quest for the Dependent Variable. Information Systems Research 3:1, 60–95. DeLone, William H. & Ephraim R. McLean (2003). The DeLone and McLean Model of Information Systems Success: A Ten-Year Update. Journal of Management Information Systems 19:4, 9–30. DeLone, William H. & Ephraim R. McLean (2004). Measuring e-Commerce Success: Applying the DeLone & McLean Information Systems Success Model. International Journal of Electronic Commerce 9:1, 31–47. De Voe, Lawrence & Ken Neal (2005). When Business Intelligence Equals Business Value. Business Intelligence Journal [online] 10:3 [siteerattu 2009-02-18]. Saa- tavana Internetistä: http://www.tdwi.org/Publications/BIJournal/display.aspx?ID=7676. Doll, William J. & Gholamreza Torkzadeh (1988). The Measurement of End-User Computing Satisfaction. MIS Quarterly 12:2, 259–274. Doll, William J. & Gholamreza Torkzadeh (1991 a). Test-Retest Reliability of the End- User Computing Satisfaction Instrument. Decision Sciences 22:1, 26–38. Doll, William J. & Gholamreza Torkzadeh (1991 b). The Measurement of End-User Computing Satisfaction: Theoretical and Methodological Issues. MIS Quarterly 22:1, 5–10. Doll, William J. & Gholamreza Torkzadeh (1998). Developing a multidimensional measure of system-use in an organizational context. Information & Management 33:4, 171–185. 111 Doll, William J., Xiaodong Deng, T. S. Raghunathan, Gholamreza Torkzadeh & Weidong Xia (2004). The Meaning and Measurement of User Satisfaction: A Multigroup Invariance Analysis of the End-User Computing Satisfaction Instrument. Journal of Management Information Systems 21:1, 227–262. Eckerson, Wayne W. (2005). Development Techniques for Creating Analytic Applications. TDWI Report Series March 2005 [online] [siteerattu 2009-04-25]. Saatavana Internetistä: http://download.101com.com/tdwi/research_report/ADE_Report.pdf. Eckerson, Wayne W. (2006). Performance Dashboards. Measuring, Monitoring and Managing Your Business. Hoboken, New Jersey: John Wiley & Sons, Inc. 299 s. ISBN 978-0-471-72417-9. Elbashir, Mohamed Z., Philip A. Collier & Michael J. Davern (2008). Measuring the effects of business intelligence systems: The relationship between business process and organizational performance. International Journal of Accounting Information Systems 9:3, 135–153. Epstein, Marc J.& Adriana Rejc Buhovac. Measuring performance of IT investments: Implementing the IT Contribution Model 2008. Advances in Management Accounting 17, 43–79. ISSN: 1474-7871. Farbey, Barbara, Frank Land & David Targett (1992). Evaluating Investments in IT. Journal of Information Technology 7: 2, 109–122. Gilad, Tamar & Benjamin Gilad (1986). SMR Forum: Business Intelligence – The Quiet Revolution. Sloan Management Review 27:4, 53–61. Halonen, Petteri & Mika Hannula (2007). Liiketoimintatiedon hallinta suomalaisissa suuryrityksissä vuonna 2007. Tampere: Tampereen teknillinen yliopisto ja Tam- pereen yliopisto. eBRC Research Reports 37. 61 s. ISBN 978-952-15-1777-8. 112 Hannula, Mika (2009 a). Liiketoimintatiedon hallinta muuttuvassa liiketoimintaympä- ristössä. Julkaisematon. Hannula, Mika (2009 b). RE: Hannula 100609.ppt [online]. Viesti vastaanottajalle: Hannele Naatula. 12.6.2009 [siteerattu 2009-06-12]. Henkilökohtainen kommu- nikaatio. Hannula, Mika & Antti Lönnqvist (2004). Concepts of performance measurement - Suorituskyvyn mittauksen käsitteet. Helsinki: Metalliteollisuuden Kustannus Oy. 64 s. ISBN 951-817-788-0. Hovi, Ari, Henrikki Hervonen & Heikki Koistinen (2009). Tietovarastot ja business intelligence. 1. painos. Jyväskylä: WSOYpro/Docendo-tuotteet. 196 s. ISBN 978-951-0-34792-8. Hyvönen, Johanna (2008). Linking management accounting and control systems, strategy, information technology, manufacturing technology and organizational performance of the firm in contingency framework. Oulu: Oulun yliopisto. Acta Univ. Oul. G 31. 120 s. ISBN 978-951-42-8709-1. Inmon, William H. (2005). Building the Data Warehouse. 4. painos. Indianapolis, Indiana: Wiley Publishing, Inc. 543 s. ISBN 978-0-7645-9944-6. Ives, Blake, Margrethe H. Olson & Jack J. Baroudi (1983). The measurement of user information satisfaction. Communications of the ACM 26:10, 785–793. ISSN 0001-0782. Jagielska, Ilona, Peta Darke & Giovanni Zagari (2006). Business Intelligence Systems for Decision Support: Concepts, Processes and Practice. Teoksessa: Proceedings of the 7th International Conference of the International Society for Decision Support Systems (ISDSS’03), 227–240. Poland. 113 Jämsen, Miikka (2001). Tuotekehityksen suoritusten mittauskäytännöt suomalaisissa teollisuusyrityksissä. Julkaisematon. 82 s. Tampereen teknillisen yliopiston kir- jasto. Kaplan, Robert S. & David P. Norton (1992). The Balanced Scorecard – Measures That Drive Performance. Harvard Business Review 70:1, 71–79. Kaplan, Robert S. & David P. Norton (2006). Response to S. Voelpel et al., ”The tyranny of the Balanced Scorecard in the innovation economy”, Journal of Intellectual Capital, Vol. 7 No. 1, 2006, s. 43–60. Journal of Intellectual Capital 7:3, 421–428. doi: 10.1108/146919306110681492. Kelly, Jeff (2008). Gartner: Business intelligence ROI, value a matter of mind over money. Data Management =ews 13.3.2008 [online] [siteerattu 2009-02-27]. Saatavana Internetistä: http://searchdatamanagement.techtarget.com/news/article/0,289142,sid91_gci13 05065,00.html. Kinnunen, Ulla & Marja Hätinen (2008). Työuupumus ja jaksaminen työelämässä. Teoksessa: Työ leipälajina. Työhyvinvoinnin psykologiset perusteet, 38–55. Ulla Kinnunen, Taru Feldt & Saija Mauno. Jyväskylä: PS-kustannus. ISBN 978-952- 451-117-9. Kohli, Rajiv & Sarv Devaraj (2004). Contribution of institutional DSS to organizational performance: evidence from a longitudinal study. Decision Support Systems 37:1, 103–118. Koskinen, Antti, Virpi Pirttimäki & Mika Hannula (2005). Liiketoimintatiedon hallinta suomalaisissa suuryrityksissä vuosina 2002-2005. Tampere: Tampereen teknil- linen yliopisto ja Tampereen yliopisto. e-Business Research Center. Research Reports 21. 61 s. ISBN 952-15-1437-X. Lai, Eric (2008). Forrester: CIOs wrestle with too many enterprise BI tools. Computerworld December 22, 2008 [online] [siteerattu 2009-03-02]. Saatavana 114 Internetistä : http://www.infoworld.com/d/adventures-in-it/forrester-cios- wrestle-too-many-enterprise-bi-tools-182. Laitinen, Erkki K. (2003). Yritystoiminnan uudet mittarit. 3. painos. Helsinki: Talentum Media Oy. 512 s. ISBN 952-14-0521-X. Laitinen, Erkki K. (2007). Faktorianalyysi ja logistinen regressioanalyysi on hauskaa [online] [siteerattu 2009-08-18]. Luentomateriaali. Saatavana Internetistä: http://lipas.uwasa.fi/~ekla/empiirinenluento06032007net.doc. Lawton, George (2006). Making Business Intelligence More Useful. Computer September 2006, s. 14–16. Lee, Sangho & Soung Hie Kim (2006). A Lag Effect of IT Investment on Firm Performance. Information Resources Management Journal 19:1, 43–64. Lepistö, Helena (2005). Työ- ja organisaatiopsykologia [online] [siteerattu 2009-03- 18]. Saatavana Internetistä: http://www.psykonet.helsinki.fi/psykonet/Tampere/Opetus/TaYPsyko.nsf/0/126 80d8afa1ea6c6c22570900049f712/$FILE/Ty%C3%B6- %20ja%20organisaatiopsykologia.ppt. Liautaud, Bernard (2001). e-Business intelligence: turning information into knowledge into profit. New York: McGraw-Hill. 306 s. ISBN 0-07-136478-1. Länsiluoto, Aapo (2004). Economic and competitive environment analysis in the formulation of strategy. A Decision-Oriented Study Utilizing Self-Organizing Maps. Turku: Turun kauppakorkeakoulu. Sarja A-14:2004. 230 s. ISBN 951- 564-230-2. Lönnqvist, Antti & Virpi Pirttimäki (2006). The Measurement of Business Intelligence. Information Systems Management 23:1, 32–40. 115 Maliranta, Mika & Janne Huovari (2008). Aineettomien investointien merkitys talous- kasvulle. Teoksessa: Aineeton pääoma ja talouskasvu. Tekesin katsaus 230/2008 [online]. Janne Huovari. Helsinki: Tekes [siteerattu 2009-05-23]. Saatavana Internetistä: http://www.tekes.fi/fi/document/22888/aineeton_paaoma_ja_talouskasvu_pdf. ISBN 978-952-457-414-3. Management Events (2009). Business Intelligence ja liiketoimintatiedon hallinta -konferenssi / Päättäjähaastattelut. 6 s. Julkaisematon. Management Events. Marr, Bernard, Giovanni Schiuma & Andy Neely (2004). The dynamics of value creation: mapping your intellectual performance drivers. Journal of Intellectual Capital 5:2, 312–325. doi: 10.1108/14691930410533722. Martinsons, Maris, Robert Davison & Dennis Tse (1999). The balanced scorecard: a foundation for the strategic management of information systems. Decision Support Systems 25:1, 71–88. McHaney, Roger & Timothy Paul Cronan (2001). A Comparison of Surrogate Success Measures in On-Going Representational Decision Support Systems: An Extension to Simulation Technology. Journal of End User Computing 13:2, 15– 25. Metsämuuronen, Jari (2006). Tutkimuksen tekemisen perusteet ihmistieteissä. 3. laitos. 2. korjattu painos. Helsinki: International Methelp Ky. 1324 s. ISBN 952-5372- 21–9. Milis, Koen & Roger Mercken (2004). The use of the balanced scorecard for the evaluation of Information and Communication Technology Projects. The International Journal of Project Management 22:2, 87–97. doi: 10.1016/S0263- 7863(03)00060-7. Mohanty, Soumendra (2008). Measuring the Value of Intelligence In Business Intelligence. DM Review 18:12, 20. 116 Moreau, Eliane M.-F. (2006). The Impact of intelligent decision support systems on intellectual task success: An empirical investigation. Decision Support Systems 42:2, 593–607. doi: 10.1016/j.dss.2005.02.008. Mouritsen, J., H. Thorsgaard Larsen & P.N. Bukh (2005). Dealing with knowledge economy: intellectual capital versus balanced scorecard. Journal of Intellectual Capital 6:1, 8–27. doi: 10.1108/14691930510574636. Mård, Anna (1998). Harvard Business Schoolin Robert S. Kaplan: Yritystoiminnan tulosmittarit monipuolistuvat Euroopassa. Taloussanomat 12.6.1998 [online] [siteerattu 2009-03-13]. Saatavana Internetistä: http://m.taloussanomat.fi/?page=showSingleNews&newsID=199814170. Mäkikangas, Anne, Taru Feldt & Ulla Kinnunen (2008). Positiivisen psykologian näkö- kulma työhön ja työhyvinvointiin. Teoksessa: Työ leipälajina. Työhyvinvoinnin psykologiset perusteet, 56–74. Ulla Kinnunen, Taru Feldt & Saija Mauno. Jyväskylä: PS-kustannus. ISBN 978-952-451-117-9. Nucleus Research (2003). ROI Case Study: Microsoft BI. Superior Propane [online] [siteerattu 2009-05-24]. Saatavana Internetistä: http://nucleusresearch.com/library/microsoft-roi/d19.pdf. Nucleus Research (2007). ROI Case Study: SAS Business Intelligence. IBM [online] [siteerattu 2009-05-24]. Saatavana Internetistä: http://nucleusresearch.com/research/roi-case-studies/roi-case-study-sas- business-intelligence-ibm/. Nucleus Research (2008). ROI Case Study: IBM Cognos. United States Army [online] [siteerattu 2009-05-24]. Saatavana Internetistä: http://nucleusresearch.com/research/roi-case-studies/roi-case-study-ibm-cognos- united-states-army/. 117 OLAP Council (1995). OLAP and OLAP Server Definitions [online] [siteerattu 2009- 07-02]. Saatavana Internetistä: http://www.olapcouncil.org/research/glossaryly.htm. Panian, Zeljko (2007). Return on Investment for Business Intelligence. Teoksessa: Proceedings of the 8th WSEAS Int. Conference in Mathematics and Computers in Business and Economics, 205–210. Vancouver, Canada. Pendse, Nigel (2009). Busting the BI myths using The BI Survey 8. 47 s. Julkaisematon. BARC. Petter, Stacie, William DeLone & Ephraim McLean (2008). Measuring information system success: models, dimensions, measures and interrelationships. European Journal of Information Systems 17:3, 236–263. doi:10.1057/ejis.2008.15. Pikkarainen, Kari, Tero Pikkarainen, Heikki Karjaluoto & Seppo Pahnila (2006): The measurement of end-user computing satisfaction of online banking services: empirical evidence from Finland. The International Journal of Bank Marketing 24:2/3, 158–172. doi: 10.1108/02652320610659012. Pirttimäki, Virpi (2007). Business Intelligence as a Managerial Tool in Large Finnish Companies.Tampere: Tampereen teknillinen yliopisto. Julkaisu 646. 137 s. ISBN 978-952-15-1717-4. Pirttimäki, Virpi, Antti Lönnqvist & Antti Karjaluoto (2006). Measurement of Business Intelligence in a Finnish Telecommunications Company. The Electronic Journal of Knowledge Management 4:1 [online] [siteerattu 2009-02-16]. Saatavana In- ternetistä: http://www.ejkm.com/volume-4/v4-i1/Pirttimaki-Lonnqvist-Karjaluoto.pdf. Pirttimäki, Virpi & Mika Hannula (2003). Process Models of Business Intelligence. Frontiers of e-Business Research 2003, 250–260. 118 Porter, Michael E. (1988) Kilpailuetu: miten ylivoimainen osaaminen luodaan ja säily- tetään. 2. painos. Espoo: Weilin + Göös. ISBN 951-35-3548-7. Powell, Timothy W. (1996). Analysis in Business Planning and Strategy Formulation. Advances in Applied Business Strategy, Supplement 2A, 159–180. Power, D.J. (2009). A Brief History of Decision Support Systems [online] [siteerattu 2009-06-03]. Versio 4.0. Saatavana Internetistä: http://dssresources.com/history/dsshistory.html. Rajamäki, Mika (2008). Miten saada käyttäjät tyytyväiseksi? Osa 1: help desk. Tieto- viikko [online] 31.10.2008 [siteerattu 2009-03-27]. Saatavana Internetistä: http://www.tietoviikko.fi/blogit/analyytikon_ikkuna/article152246.ece. Rantakari, Ilkka (2008). Business intelligence -tietojärjestelmien mittaaminen ja arvi- ointi. 64 s. Julkaisematon. Helsingin kauppakorkeakoulun kirjasto. Rom, Anders & Carsten Rohde (2007). Management accounting and integrated information systems: A literature review. International Journal of Accounting Information Systems 8:1, 40–68. doi: 10.1016/j.accinf.2006.12.003. Salonen, Jarna (2008). Suorituskykymittariston rakentaminen ja käyttäjätyytyväisyyden arviointi pienyrityksessä - konstruktiivinen tutkimus. 100 s. Julkaisematon. Vaasan yliopiston kirjasto. Seddon, Peter B., Valerie Graeser & Leslie P. Willcocks (2002). Measuring Organizational IS Effectiveness: An overview and Update of Senior Management Perspectives. Database for Advances in Information Systems 33:2, 11–28. Sheina, Madan (2007). Q&A: Howard Dresner, the Godfather of business intelligence. Computer Business Review [online] [siterattu 2009-04-02]. Saatavana Internetistä: http://www.cbr.co.za/regular.aspx?pklRegularId=3197. 119 Shin, Bongsik (2003). An Exploratory Investigation of System Success Factors in Data Warehousing. Journal of the Association for Information Systems 4:1, 141–170. Siljamäki, Heikki (2008). BI-sekamelska vaivaa yrityksissä edelleen. Tietoviikko [online] [siteerattu 2009-03-29]. Saatavana Internetistä: http://www.tietoviikko.fi/bi/article200144.ece. Simons, Peter (2008). Business Intelligence. Financial Management October 2008, 44– 47. Sormunen, Timo (2008). Busines Intelligence -osaaja seuloo jyvät tietotulvasta. Ekonomi 4/2008, 6–7. Ståhle, Pirjo & Mauri Grönroos (1999). Knowledge Management – tietopääoma yrityk- sen kilpailutekijänä. Porvoo: WSOY. 218 s. The Data Warehousing Institute (2005). TDWI’s Business Intelligence Maturity Model. Julkaisematon. Thierauf, Robert J. (2001). Effective Business Intelligence Systems. Westport, CT: Quorum Books. 370 s. ISBN 1-56720-370-1. Tuntematon (2007). Measure It, Manage It. Federal Computer Week 21:34, s2–s3. Vehkalahti, Kimmo (2008). Kyselytutkimuksen mittarit ja menetelmät. Helsinki: Kus- tannusosakeyhtiö Tammi. 223 s. ISBN 978-951-26-5760-5. Voelpel, Sven C., Marius Leibold, Robert A. Eckhoff & Thomas H. Davenport (2006). The Tyranny of the Balanced Scorecard in the innovation economy. Journal of Intellectual Capital 7:1, 43–57. doi: 10.1108/14691930610639769. Watson, Hugh J. (2006). Dashboards and Scorecards. Business Intelligence Journal 11:2, 4–7. 120 Watson, Hugh J. & Paul Gray (2008). What’s New in BI. Business Intelligence Journal 13:1, 4–6. Wells, Dave (2003). Total Cost of Ownership for Business Intelligence and Data Warehousing. TDWI FlashPoint February 12, 2003 [online] [siteerattu 2009-06- 07]. Saatavana Internetistä: http://www.tdwi.org/Publications/display.aspx?id=6593&t=y. Xie, Wei, Hairong Sun, Yonghuan Cao & Kishor S. Trivedi (2002). Optimal webserver session timeout settings for web users [online] [siteerattu 2009-08-24]. Saata- vana Internetistä: http://people.ee.duke.edu/~kst/netpaper/WeiXie_cmg- final.pdf. Yeoh, William, Andy Koronios & Jing Gao (2008). Managing the Implementation of Business Intelligence Systems: A Critical Success Factors Framework. International Journal of Enterprise Information Systems 4:3, 79–94. Yhteiskuntatieteellinen tietoarkisto (2009). Menetelmäopetuksen tietovaranto [online] [siteerattu 2009-08-02]. Saatavana Internetistä: http://www.fsd.uta.fi/menetelmaopetus/. 121 LIITTEET LIITE 1. Perusmuotoinen tutkimuskutsu Viestin otsikko: Kutsu business intelligence (BI) -investointien mittaamista koskevaan tutkimukseen Hyvä vastaanottaja, Teen Vaasan yliopiston kauppatieteellisessä tiedekunnassa laskentatoimen pro gradu -tutkielmaa business intelligence -investointien mittaamisesta. Aihe perustuu mm. väitöstutkimukseen (Pirttimäki 2007), jonka mukaan BI-järjestelmien vaikutuksia mittaavien mittareiden puute ja inhimillisten tekijöiden jääminen liian vähälle huomiolle ovat suomalaisten suuryritysten BI-järjestelmiin kohdistuvan tyytymättömyyden syitä. Mikäli BI-järjestelmän loppukäyttäjänä käytät BI-sovelluksen (Business Objects, Cognos, Hyperion tms.) tuottamaa informaatiota päätöksenteon tueksi, pyydän sinua vastaamaan kysymyksiin, joissa kysytään järjestelmään liittyviä kokemuksiasi. Webbikyselyyn vastaaminen vie noin 15 minuuttia. Mikäli käytät useita BI-järjestelmiä, anna vastauksesi ensisijaisesti käyttämäsi järjestelmän osalta. Huom. ERP- järjestelmä ei ole business intelligence -järjestelmä. Pääset kyselyyn linkistä http://www.businessintelligence.kyselykone.fi/. Vastaukset annetaan anonyymisti. Tietoja käsitellään luottamuksellisesti ja käytetään ainoastaan tutki- mustarkoituksiin. Yksittäiset vastaukset eivät tule esille tutkielmassa. Kyselyn lopuksi voit jättää yhteystietosi, jolloin osallistut kahden Finnkinon elokuvalipun arvontaan. Voittajalle ilmoitetaan henkilökohtaisesti. Tutkielman valmistuttua ja tultua hyväksytyksi se julkaistaan tiedekirjasto Tritonian Internet-sivul- la http://www.tritonia.fi/fi/kokoelmat/gradu.php -> Kauppatieteellinen tiedekunta / Laskentatoimen ja rahoituksen laitos, jolta sen voi vapaasti ladata kokonaisuudessaan pdf-muodossa. Mielelläni annan lisätietoja tutkimuskysymyksistä, otan vastaan mitä tahansa kommentteja ja keskustelen tutkielmaan liittyvistä aiheista joko sähköpostitse tai puhelimitse. Toivon saavani vastauksesi viimeistään maanantaina 15.6.09. Kiitos jo etukäteen panoksestasi tieteen hyväksi ja onnea arvontaan! Hannele Naatula hannele.naatula@student.uwasa.fi Puh. +358 40 715 7577 Osoitelähde: Huom: Mikäli linkki ei toimi, kopioi ja liitä se suoraan selaimen osoiteriville. Mikäli linkin loppuosa on katkennut seuraavalle riville, ja saat linkkiä klikkaamalla ilmoituksen ”lomaketta ei löytynyt”, valitse osoitteen toimimaton loppuosa, ja kopioi ja liitä se epätäydellisen osoitteen perään selaimen osoiterivillä. 122 LIITE 2. Kyselylomake 123 124 125 126 127 128 LIITE 3. Taustamuuttujien frekvenssitaulukot Organisaationi toimiala on / toimialat ovat (X1) Vastausten lukumäärä % Kumulatiivinen % Teollinen tuotanto 13 23,2 23,2 Terveys (lääketeollisuus, bioktekniikka jne.) 10 17,9 41,1 Palvelut 9 16,1 57,1 Infocom (telekommunikaatio, data, informaatio, kommunikaatio) 8 14,3 71,4 Julkishallinto 7 12,5 83,9 Energia 5 8,9 92,9 Finanssiala (pankit, vakuutukset, finanssipalvelut) 4 7,1 100,0 Yhteensä 56 100,0 Asemani organisaatiossa on (X2) Vastausten lukumäärä % Kumulatiivinen % Asiantuntija 26 46,4 46,4 Keskijohto 19 33,9 80,4 Alin johto / työnjohto 7 12,5 92,9 Muu työntekijä 2 3,6 96,4 Ylin johto 2 3,6 100,0 Yhteensä 56 100,0 Järjestelmän toimintoalue on / toimintoalueet ovat (X3) Vastausten lukumäärä % Kumulatiivinen % Taloushallinto 28 19,0 19,0 Strateginen suunnittelu ja liiketoiminnan kehittäminen 24 16,3 35,4 Myynti ja markkinointi 23 15,6 51,0 Ennustaminen 16 10,9 61,9 Asiakkuudenhallinta 11 7,5 69,4 Osto ja hankinta 10 6,8 76,2 Valmistus ja tuotanto 9 6,1 82,3 Toimitusketju 7 4,8 87,1 Asiakaspalvelu 6 4,1 91,2 Tuote- ja teknologiakehitys 4 2,7 93,9 Henkilöstöhallinto 4 2,7 96,6 Kuljetus ja logistiikka 3 2,0 98,6 Kiinteistöjen tulosseuranta ja asumisen tietojen tunnuslukujen seuranta 1 0,7 99,3 Verkkokauppa 1 0,7 100,0 Yhteensä 56 100,0 129 Nykyisen järjestelmän ensimmäisen toteutuksen käyttöönotosta kulunut aika on (X4) Vastausten lukumäärä % Kumulatiivinen % yli 2 vuotta 40 71,4 71,4 1-2 vuotta 8 14,3 85,7 En osaa sanoa 8 14,3 100,0 Yhteensä 56 100,0 130 Liite 4. Organisaation suorituskyvyn muuttujien t-testin tulokset Yhden otoksen t-testi Testiarvo = 4 95% Luottamusväli t-arvo Vapausasteet p-arvo (2-suunt.) Keskivirhe Alempi Ylempi OH01 Organisaationi taloudellinen suorituskyky (kannattavuus, maksuvalmius tai vakavaraisuus) on joltakin osin parantunut business intelligence - järjestelmän käyttöönoton jälkeen. 3,421 41 0,001 0,595 0,24 0,95 OH02 Organisaationi yhteiskunnallinen vaikuttavuus on lisääntynyt business intelligence -järjestelmän käyttöönoton jälkeen. 2,828 6 0,030 0,571 0,08 1,07 SPSS tulostaa kaksisuuntaisten testien p-arvot. Yksisuuntaisten testien p-arvot ovat puolet kaksisuuntaisten testien p-arvoista: 0,0005 (OH01) ja 0,015 (OH02). 131 Liite 5. Keskimääräistä matalamman keskiarvon saaneiden henkilökohtaisten hyötyjen muuttujien t-testin tulokset Testiarvo = 4 95% Luottamusväli t-arvo Vapausasteet p-arvo (2-suunt.) Keskivirhe Alempi Ylempi HH14 Business intelligence -järjestelmän käyttö vaikuttaa suotuisasti palkkakehitykseeni. -5,708 50 0,000 -1,157 -1,56 -,75 HH17 Business intelligence -järjestelmän käytön ansiosta työmääräni on entistä inhimillisempi. -3,084 55 0,003 -,571 -,94 -,20 HH16 Business intelligence -järjestelmän käytön ansiosta työssä jaksamiseen liittyvät ajatukset eivät huolestuta minua yhtä paljon kuin aikaisemmin. -2,313 51 0,025 -,423 -,79 -,06 HH13 Business intelligence -järjestelmän käyttö auttaa minua etenemään urallani. -1,983 51 0,053 -,423 -,85 ,01 HH10 Minua arvostetaan aiempaa arvokkaampana henkilönä organisaatiolleni, koska käytän business intelligence -järjestelmää. -1,000 49 0,322 -,220 -,66 ,22 SPSS tulostaa kaksisuuntaisten testien p-arvot. Yksisuuntaisten testien p-arvot ovat puolet kaksisuuntaisten testien p-arvoista: 0,000 (HH14), 0,002 (HH17), 0,012 (HH16), 0,026 (HH13) ja 0,161 (HH10). 132 Liite 6. Henkilökohtaisten hyötyjen pääkomponenttien ominaisarvojen scree-kuvio 133 Liite 7. Henkilökohtaisten hyötyjen muuttujien latautuminen viidelle pääkomponentille ja pääkomponenttien Cronbachin alfan arvot Pääkomponentti 1 Ammatillinen itsetunto 2 Asema organi- saatiossa 3 Suhtautuminen työhön 4 Päätöksenteon laatu 5 Luottamus tulevaisuuteen Cronbachin alfa 0,871 0,889 0,876 0,873 0,733 HH06 Business intelligence - järjestelmä auttaa minua esittämään argumenttini aiempaa vakuuttavammin. 0,859 HH07 Business intelligence - järjestelmä tuo ulottuvilleni enemmän relevanttia tietoa päätöksenteon tueksi. 0,824 HH15 Business intelligence - järjestelmän käyttö edistää yksilökohtaista kasvuani. 0,794 HH08 Business intelligence - järjestelmän myötä käytös- säni on aiempaa enemmän analyyttisiä apuvälineitä. 0,674 HH09 Business intelligence - järjestelmä on minulle erit- täin hyödyllinen. 0,594 HH14 Business intelligence - järjestelmän käyttö vaikuttaa suotuisasti palkkakehityk- seeni. 0,804 HH10 Minua arvostetaan aiempaa arvokkaampana henkilönä organisaatiolleni, koska käytän business intel- ligence -järjestelmää. 0,789 HH13 Business intelligence - järjestelmän käyttö auttaa minua etenemään urallani. 0,773 HH17 Business intelligence - järjestelmän käytön ansiosta työmääräni on entistä inhi- millisempi. 0,832 HH16 Business intelligence - järjestelmän käytön ansiosta työssä jaksamiseen liittyvät ajatukset eivät huolestuta minua yhtä paljon kuin ai- kaisemmin. 0,780 HH11 Työmotivaationi on parantunut business intelligence -järjestelmän käytön ansiosta. 0,534 134 HH12 Työtyytyväisyyteni on parantunut business intelligence -järjestelmän käytön ansiosta. 0,506 HH04 Business intelligence - järjestelmä auttaa minua analysoimaan ja ymmärtä- mään päätöksenteon kon- tekstit aiempaa nopeammin. 0,852 HH03 Business intelligence - järjestelmä auttaa minua tekemään laadukkaampia päätöksiä. 0,789 HH05 Business intelligence - järjestelmä auttaa minua priorisoimaan tehtäväni entistä paremmin. 0,635 HH02 Luotan tulevaisuu- dessa business intelligence - järjestelmään tehtävieni suorittamisessa. 0,787 HH01 Business intelligence - järjestelmän käytöstä koituu minulle henkilökohtaista hyötyä organisaatiossani. 0,761 135 Liite 8. Henkilökohtaisten hyötyjen pääkomponenttien ja organisaation suorituskyvyn väliset hajontakuviot 136 Liite 9. Alkuperäisten EUCS-muuttujien (12) latautuminen kolmelle faktorille Faktori 1 Täsmällisyys ja ulkoasu 2 Sisältö ja ajantasai- suus 3 Helppokäyttöisyys T01 Business intelligence - järjestelmä on täsmällinen. 0,810 T02 Olen tyytyväinen business intelligence -jär- jestelmän täsmällisyyteen. 0,775 U01 Business intelligence - järjestelmän tuotokset esitetään käyttökelpoisessa muodossa. 0,531 U02 Business intelligence - järjestelmän informaatio on selkeää. 0,522 0,516 S04 Business intelligence - järjestelmä tarjoaa riittä- västi informaatiota päätök- sentekoni ja muiden työ- tehtävieni tueksi. 0,727 S02 Business intelligence - järjestelmän tietosisältö vastaa tarpeitani. 0,676 S01 Business intelligence - järjestelmä tarjoaa juuri sen tiedon mitä tarvitsen. 0,495 0,566 S03 Business intelligence - järjestelmä tarjoaa juuri sellaisia raportteja joita tarvitsen. 0,563 A02 Business intelligence - järjestelmä tarjoaa ajan- tasaista informaatiota. 0,480 A01 Saan tarvitsemani informaation business intelligence -järjestelmästä ajoissa. 0,468 H02 Business intelligence - järjestelmä on helppokäyt- töinen. 0,726 H01 Business intelligence - järjestelmä on käyttäjäys- tävällinen. 0,709 137 Liite 10. Keskimääräistä matalamman keskiarvon saaneiden käyttäjätyytyväisyyden muuttujien t-testin tulokset Testiarvo = 4 95% Luottamusväli t-arvo Vapausasteet p-arvo (2-suunt.) Keskivirhe Alempi Ylempi P01 Minä ja alaiseni olemme saaneet riittävästi oikeanlaista koulutusta business intelligence -järjestelmän käyttöön. -1,637 55 0,107 -,393 -,87 ,09 P02 Yhteistyö business intelligence -järjestelmän kehittäjien kanssa on organisoitu hyvin, ja vuorovaikutus välillämme on ollut toimivaa järjestelmää käyttöön otettaessa ja kehitettäessä. -1,385 46 0,173 -,340 -,84 ,15 H04_kaann Business intelligence -järjestelmä toimii niin hitaasti, että joudun odottelemaan.*suunta käännetty* -1,350 55 0,183 -,339 -,84 ,16 P03 Business intelligence -järjestelmän tekninen käyttötuki on riittävää ja laadukasta: ammattitaitoista ja palveluhalukasta. -1,000 46 0,323 -,213 -,64 ,22 H03 Tiedon löytäminen on helppoa business intelligence -järjestelmän hakurakenteista. -,802 55 0,426 -,161 -,56 ,24 P06 Ylempi johto on aidosti kiinnostunut tyytyväisyydestäni business intelligence - järjestelmään. -,490 50 0,627 -,118 -,60 ,37 P04 Saan tukea business intelligence - järjestelmien käytössä ja kehittämisessä liiketoiminta- analyytikolta tai muulta liiketoiminnan asiantuntijalta tai taholta. -,316 54 0,754 -,073 -,53 ,39 138 H05_kaann Työlleni koituu haittaa siitä, että business intelligence - järjestelmän tai selaimen toiminta toisinaan keskeytyy tai istunto katkeaa kesken kaiken.*suunta käännetty* -,200 55 0,842 -,054 -,59 ,48 H01 Business intelligence -järjestelmä on käyttäjäystävällinen. -,158 55 0,875 -,036 -,49 ,42 SPSS tulostaa kaksisuuntaisten testien p-arvot. Yksisuuntaisten testien p-arvot ovat puolet kaksisuuntaisten testien p-arvoista: 0,054 (P01), 0,086 (P02), 0,091 (H04), 0,161 (P03), 0,213 (H03), 0,313 (P06), 0,377 (P04), 0,421 (H05) ja 0,438 (H01) 139 Liite 11. Käyttäjätyytyväisyyden pääkomponenttien ominaisarvojen scree-kuvio 140 Taulukko 12. Käyttäjätyytyväisyyttä mittaavien muuttujien latautuminen viidelle pää- komponentille ja pääkomponenttien Cronbachin alfan arvot Pääkomponentti 1 Informaation laatu 2 Käytön help- pous 3 Lähipalvelut 4 Organisaation tuki 5 Käytön suju- vuus Cronbachin alfa 0,950 0,783 0,854 0,709 0,667 S08 Business intelligence - järjestelmän tieto on luotet- tavaa. 0,865 S02 Business intelligence - järjestelmän tietosisältö vastaa tarpeitani. 0,813 A02 Business intelligence - järjestelmä tarjoaa ajan- tasaista informaatiota. 0,807 S07 Business intelligence - järjestelmän tieto on virhee- töntä, eheää ja johdonmu- kaista. 0,732 T01 Business intelligence - järjestelmä on täsmällinen. 0,706 T02 Olen tyytyväinen business intelligence -järjes- telmän täsmällisyyteen. 0,678 A01 Saan tarvitsemani in- formaation business intelligence -järjestelmästä ajoissa. 0,667 S04 Business intelligence - järjestelmä tarjoaa riittävästi informaatiota päätöksente- koni ja muiden työtehtävieni tueksi. 0,581 0,518 S01 Business intelligence - järjestelmä tarjoaa juuri sen tiedon mitä tarvitsen. 0,580 U01 Business intelligence - järjestelmän tuotokset esite- tään käyttökelpoisessa muo- dossa. 0,557 S06 Business intelligence - järjestelmän tiedot on saata- vana riittävän yksityiskohtai- sella tasolla. 0,536 0,503 U02 Business intelligence - järjestelmän informaatio on selkeää. 0,515 U03 Business intelligence - järjestelmässä suuria tieto- määriä on mahdollisuus tarkastella riittävän visuaali- sesti. 0,502 0,496 141 S03 Business intelligence - järjestelmä tarjoaa juuri sellaisia raportteja joita tar- vitsen. 0,458 H03 Tiedon löytäminen on helppoa business intelligence -järjestelmän hakuraken- teista. 0,821 H01 Business intelligence - järjestelmä on käyttäjäystä- vällinen. 0,801 H02 Business intelligence - järjestelmä on helppokäyt- töinen. 0,772 S05_kaann Business intelligence -järjestelmä tarjoaa liikaa informaatiota, mikä haittaa tarvitsemani tiedon löytämistä.*suunta käännetty* 0,585 -0,496 P01 Minä ja alaiseni olemme saaneet riittävästi oikean- laista koulutusta business intelligence -järjestelmän käyttöön. 0,489 P04 Saan tukea business intelligence -järjestelmien käytössä ja kehittämisessä liiketoiminta-analyytikolta tai muulta liiketoiminnan asiantuntijalta tai taholta. 0,822 P02 Yhteistyö business intelligence -järjestelmän kehittäjien kanssa on organi- soitu hyvin, ja vuorovaikutus välillämme on ollut toimivaa järjestelmää käyttöön otetta- essa ja kehitettäessä. 0,806 P03 Business intelligence - järjestelmän tekninen käyt- tötuki on riittävää ja laadu- kasta: ammattitaitoista ja palveluhalukasta. 0,727 P05 Minulla on ylemmän johdon tuki ja tarvitsemani resurssit business intelligence -järjestelmän käyttöön. 0,787 P08 Organisaatiokulttuu- rimme on avoin. 0,751 P09 Tiedon jakaminen toimii hyvin organisaatiossamme. 0,712 142 P06 Ylempi johto on aidosti kiinnostunut tyytyväisyy- destäni business intelligence -järjestelmään. 0,705 P07 Minulla on riittävästi käyttöoikeuksia business intelligence -järjestelmän tietoihin. 0,686 P10_kaann Käytössäni ole- via eri business intelligence - sovelluksia on liikaa.*suunta käännetty* -0,587 H04_kaann Business intelligence -järjestelmä toimii niin hitaasti, että jou- dun odottelemaan.*suunta käännetty* 0,712 H05_kaann Työlleni koituu haittaa siitä, että business intelligence -järjestelmän tai selaimen toiminta toisinaan keskeytyy tai istunto katkeaa kesken kaiken.*suunta kään- netty* 0,634 143 Liite 13. Käyttäjätyytyväisyyden pääkomponenttien ja henkilökohtaisten hyötyjen pääkomponenttien väliset hajontakuviot 144