使用商业智能工具的集成企业资源计划供应链管理框架

1 引言与文献综述

信息是供应链的关键推动力，因为信息可作为供应链管理（SCM）的关键组成部分。明确需要关注的接口，并描述这些接口的属性及属性值，有助于形成有效的供应链管理安排。信息将对供应链绩效产生重大影响，因为它为供应链各项流程的执行以及管理者决策提供了基础。因此，供应链管理中的信息技术（IT）可用于分析必要信息，以做出更好的决策。通过IT系统对信息进行分析，可显著影响公司绩效，从而在供应链管理的计划、实施与控制等流程中实现优化决策。显然，供应链管理涵盖了从初始起点到消费终点的所有库存、在制品、成品或原材料的转移和存储过程（埃斯坎达普尔等，2015；法希姆尼亚等，2015），而供应链管理中的决策通常具有复杂且非结构化的特点（曾和洪，2014；吴和帕格尔，2011）。

企业资源计划（ERP）系统是一种集成企业计算系统，旨在通过公共数据库实现企业内部各职能之间物料、信息和财务资源的自动化流动（苏和杨，2010）。ERP系统帮助不同组织部门共享数据和知识，降低成本，并改进业务流程管理。在组织中实施ERP系统是一项极其复杂的任务。但由于ERP系统几乎会影响组织绩效的各个方面（张等，2015），近年来已有大量研究探讨ERP系统对供应链管理的影响。然而，管理和ERP系统的实施往往侧重于其事务性和记录保存方面，而非决策支持能力（霍尔斯阿普尔和塞纳，2005）。商业智能（BI）特别适用于供应链管理，这一问题在商业活动中日益重要（蔡等，2004；费尔柴尔德，2005）。大多数组织在使用ERP时，其决策过程中仍存在缺乏商业智能（BI）的问题（加扎法里等，2011）。一旦您使用需求解决方案平台中原生的SCM商业智能工具建立了对公司绩效的全面视角，您就可以超越仅仅优化库存水平或与成本最低的供应商整合业务的层面，真正开始将您的供应链转变为价值链。目前有二十多种商业智能商业工具，其中一些适用于供应链管理（维基百科，2006）。例如，总部位于渥太华的Cognos是行业领导者，该公司专注于本论文所关注的绩效衡量领域（Nucleus Research公司，2006）。

因此，已提出了多种方法来评估和衡量企业系统的智能水平，以改进决策支持系统。本文提出将商业智能工具作为ERP系统在供应链中实施的中介，并结合对近期文献的全面回顾与因子分析的统计方法。此外，我们将讨论通过伊朗大型汽车工业供应链专家的方法、技术和经验，运用统计方法和数据挖掘技术，在生产力提升以及汽车出口优化方面与商业智能工具相关的发现和观察结果。最后，提出一个框架以确定商业智能与供应链管理实施之间的关系。

近年来，许多研究致力于探讨ERP系统对供应链管理（SCM）的影响。坎达南贡（2014）认为，如果没有在组织中实施企业资源计划（ERP），绿色供应链将无法实现。凯莱亚和阿克布吕特（2005）研究了企业资源计划系统中最重要的一些工具和概念，这些工具和概念有助于供应链中的信息共享、协作和成本优化；同时，他们还分析了协作中存在的障碍，并提出了改进建议。塔兰蒂利斯等（2008）提出了一种用于商业服务和供应链管理的基于网络的企业资源计划系统。苏和杨（2010）提出了一个体现企业资源计划效益对企业能力在供应链管理中作用的模型，并假设企业资源计划效益的三个构念对企业在供应链管理中的能力具有积极影响。在另一项研究中，许等（2011）分析了在供应链中实施ERPII的障碍以及关键成功因素（CSF）。默里等（2013）也评估了供应链运作中对企业资源计划系统的满意度。关于企业资源计划与供应链管理关系的一些研究，可参考斯里尼瓦桑和戴（2014）、刘（2008）、科林斯基和法伊弗尔（2011）以及雷纳（2014）。

本研究的目的是基于德诺尔夫等人（2015）模型，利用商业智能作为企业资源计划的推动力，以改进供应链管理。

2 德诺尔夫等（2015）模型

研究人员构建了多个框架来分类关键成功因素（CSFs），例如斯科特·莫顿（1991）的MIT90年代框架、马库斯和塔尼斯（2000）的项目生命周期框架、霍兰德和莱特（1999）的战略‐战术框架，以及贝梅尔曼斯（1998）的过程控制信息（PCI）框架。针对这一问题已开展了多项研究，例如奥里科夫斯基（1992）、戴文波特（2000）和多赫蒂和金（2005）。

MIT90年代框架包含以下相互关联的要素（Scott Morton，1991）：

• 项目战略：项目目标以及供应链组织如何实现这些目标
• 结构：流程、职能、供应链的结构及其组织
• 信息系统：用于业务流程的技术
• 人员：供应链及其组织中人员的角色、抱负、技能、知识、社会关系和态度
• 管理流程：指导实施项目的管理流程。

根据关键成功因素的描述以及MIT90年代框架要素的定义，这13个关键成功因素被归类到MIT90年代框架中（见图1）。

为了说明供应链信息系统（SCISs）实施的动态性，德诺尔夫等人（2015）以该实施的启动阶段为例。当一个供应链拥有提高其产品质量的共同商业愿景，即项目战略时，其他四个要素也需要相应调整（德诺尔夫等人，2015）。该研究的结果表明，企业资源计划（ERP）系统可作为有效实施供应链管理（SCM）的推动者，提供了一个概念模型。

如今，商业智能在生成用于运营和战略业务决策的当前信息方面发挥着必要作用（波波维奇等人，2010），并且为了在严酷环境中生存，高层管理需要商业智能信息来有效管理企业运营并支持其决策制定（程等人，2009）。

本文研究了商业智能的优势在ERP系统实施中作为中介对改进德诺尔夫等（2015）模型的作用。本文的研究结果将解释商业智能与ERP系统的结合如何作为有效实施供应链管理的推动因素。因此，本研究中的理论模型如图2所示。

商业智能工具可以在提高决策质量方面发挥重要作用。有时，这些智能商业决策与即时响应相关联，并且通常用于减少决策方法所需的时间和强度。但在所有情况下，使用商业智能都是主动的（内加什，2004）。通过结合商业智能，可以收集和分析供应链数据，并促进决策过程。商业智能工具可以通过利用企业信息系统中的现有数据，对长期和短期的商业场景进行分析。此外，它还可以增加一些功能，例如预测所需

将信息和指标集成到ERP模块中。存在多种用于预测过程和机器能力的质量指标，这些指标可以防止系统和产品未来出现错误。商业智能可以帮助组织预测这些未来的质量指标。因此，本文研究了基于德诺尔夫等人（2015）模型的商业智能与ERP系统的结合应用。由此提出的模型可以改进供应链信息系统的实施。

商业智能可用于利用ERP的决策过程。这些方法可以提高决策信息的准确性、灵活性和敏感性。包含两种或更多智能方法的混合系统也已被研究（Kahraman 等人，2011）。这些系统利用企业已建立的大型数据基础设施投资（例如 ERP 系统），并有望实现企业数据资源中所蕴含的巨大价值（Elbashir 等人，2008；阿兹马和莫斯塔法普尔，2012）。

此外，定制的商业智能解决方案将ERP数据与ERP系统之外的其他交易数据合并，使管理人员能够分析来自多个来源的数据。尽管这些研究回顾了ERP系统的不同维度，但没有一项研究探讨了商业智能作为供应链信息系统实施中ERP推动力的影响。本文提出了一个在德诺尔夫等（2015）模型中将商业智能作为ERP推动力应用于有效实施供应链管理的框架。本研究的科学基础非常扎实，并基于德诺尔夫等人（2015）的研究成果而发展。

3 提出的研究

3.1 研究假设

根据本研究提出的模型，研究假设将在文献综述和基线研究之后进一步完善，如下所示：

1 假设H1：在ERP系统中使用商业智能对供应链管理的项目战略产生影响。
2 假设H2：在ERP系统中使用商业智能对供应链管理的结构产生影响。
3 假设H3：在ERP系统中使用商业智能对供应链管理信息系统产生影响。
4 假设H4：在ERP系统中使用商业智能对供应链管理中的人员产生影响。
5 假设H5：在ERP系统中使用商业智能对供应链管理（SCM）的管理流程产生影响。

这些假设在下述提出的模型中展示。

4 统计总体和样本量

本研究的统计总体包括供应链管理（SCM）和ERP系统领域的专家，例如：书籍作者、已实施ERP系统的组织中的管理者、研究人员、硕士、教授以及大学教职员，这些人员在该领域具有专业知识。此外，如前所述，我们还将在伊朗的一家大型汽车工业中检验模型的结果。因此，当前研究的统计总体由以下人员构成：

该公司中的管理者、主管、专家和销售与营销人员。数据收集方法是使用问卷。

用于分类数据的样本量计算公式和程序非常相似，但也存在一些差异。由于数据是定性的，且统计总体为无限，因此样本量计算公式如下（科克兰，1977）：

$$
n = \frac{z^2 \cdot p(1-p)}{\varepsilon^2}
$$

本研究中，研究人员预先将显著性水平设定为0.05，计划使用比例变量，将可接受误差水平设定为5%，并估计量表的标准差为0.5。本文提供了用于分类数据的科克兰样本量公式及其使用示例，并附有对这些决策如何做出的解释。

$$
n = \frac{1.96^2 \cdot 0.5 \cdot 0.5}{0.1^2} = 96.04
$$

其中，每侧选定的0.025显著性水平对应的值为1.96。（显著性水平0.05表示研究者愿意承担真实误差范围超过可接受的误差范围的风险程度。）而p * (1 – p) 表示估计方差为0.25。ε=被估计比例的可接受误差范围为ε= 0.1。

5 效度与信度

我们提出了一种商业智能模型，用于分析商业智能效益评估因素与供应链管理企业绩效之间的关系。约雷斯科于20世纪70年代初提出了结构方程模型；该模型包含两个部分：测量模型和结构方程模型。测量模型说明了潜在变量或假设构念如何依赖于或由观测变量所指示（约雷斯科和索博姆，1996a，1996b）。本文通过问卷收集数据。为此，基于企业资源计划和供应链管理的评估标准，调整了采用七点量表的问卷。为在本文中获得较高的效度与信度程度，已采取多种措施。我们采用了多种信息来源以及专家和教授的意见。随后使用内容效度比（CVR）方法来评估内容效度。该公式如下：

$$
CVR = \frac{2n_e - N}{N}
$$

在此公式中：ne 表示评定为‘必要’的领域专家评定者数量，N是领域专家总数。CVR针对所有参数和变量进行了计算。

如果CVR大于0.75，则在0.05显著性水平下，指标或因素的内容效度将达到最佳（智慧源，2004）。

6 结果

根据公式2，需要97个样本。因此，共向专家发放并回收了100份问卷。其中39.1 %的专家拥有硕士学位，34.2%拥有博士学位，26.7%拥有学士学位。76.4%的专家为男性，23.6%为女性。此外，这些专家的学术领域主要为工业工程、IT、管理，少数专家具有其他学术背景。

描述性测试的结果表明，将商业智能作为企业资源计划的推动因素，对成功实施德诺尔夫等（2015）模型具有良好的效果。

因此，商业智能与ERP系统的结合可有效支持供应链管理的实施。我们使用 SPSS 19.0对数据进行分析。以下是假设检验的结果：

检验假设 H1：
5 商业智能（BI）在ERP系统中的应用对供应链管理项目战略的影响。5否则；μ<
SPSS 的结果如表1和表2所示。

表1 单样本统计
N	Mean	标准差	均值的标准误差
100	6.6321	1.02867	0.10287

表2 单样本检验
测试值 = 5	T	df	显著性（双尾）	Mean 差异	差值的95%置信区间 下限	上限
H1	15.611	99	.000	1.60580	1.4017	1.8099

检验假设 H2：
5 商业智能（BI）在ERP系统中的应用对供应链管理结构的影响。5 否则；μ<
SPSS 的结果如表3和表4所示。

表3 单样本统计
N	Mean	标准差	均值的标准误差
100	6.6058	1.02867	0.10287

表4 单样本检验
测试值 = 5	t	df	显著性（双尾）	Mean 差异	差值的95%置信区间 下限	上限
H1	15.611	99	.000	1.60580	1.4017	1.8099

检验假设 H3：
5 商业智能（BI）在ERP系统中的应用对供应链管理信息系统的影响。5否则；μ<
SPSS 的结果如表5和表6所示。

表5 单样本统计
N	Mean	标准差	均值的标准误差
100	6.8078	1.09900	0.10990

表6 单样本检验				---------------	--------	---------
测试值 = 5	t	df	显著性（双尾）	Mean 差异	差值的95%置信区间 下限	上限
假设H1	16.449	99	.000	1.80780	1.5897	2.0259

检验假设 H4：
5 商业智能（BI）在ERP系统中的应用对供应链管理中人员的影响。5 否则；μ<
SPSS的结果如表7和表8所示。

表7 单样本统计
N	Mean	标准差	均值的标准误差
100	6.2250	1.01915	0.10191

表8 单样本检验			----------	---------------	--------	---------
测试值 = 5	t	df	显著性（双尾）	Mean 差异	差值的95%置信区间 下限	上限
假设H1	12.020	99	.000	1.22500	1.0228	1.4272

检验假设 H5：
5 商业智能（BI）在ERP系统中的应用对供应链管理（SCM）的管理流程的影响。5否则；μ<
SPSS 的结果如表9和表10所示。

表9 单样本统计
N	Mean	标准差	均值的标准误差
100	6.4328	1.14577	0.11345

表10 单样本检验			----------	---------------	--------	---------
测试值 = 5	t	df	显著性（双尾）	Mean 差异	差值的95%置信区间 下限	上限
H1	15.611	99	0.000	1.60580	1.4017	1.8099

根据测试结果，五个假设均得到证实。研究结果表明，将商业智能作为企业资源计划的推动因素，会影响德诺尔夫等人（2015）提出的供应链信息系统的实施。

换句话说，组织可以通过成功应用商业智能来充分获得其系统优势，从而改进供应链并增强对客户的响应能力，这两者均为关键要素。根据该理论，要实现全球层面的供应链管理，需要完成五个步骤：项目战略、结构、信息系统、人员和管理流程。企业必须具备高效且有效地满足客户个性化需求的能力。定制化是指调整产品以满足单个客户的特定需求，并涉及快速、高效且低成本地提供多种客户定制的商品或服务。商业智能所提供的这种集成能力可确保客户订购的独特产品被准确地转化为相应的生产订单。此外，商业智能的复杂性使得构建包含大量标准终端产品的目录成为可能。简而言之，研究结果表明，商业智能的运营效益能够缩短响应时间、变革管理流程，并主动满足客户需求，从而提高客户满意度。

根据专家意见，组织和管理者在恢复初期应更加关注结构和人员问题。接下来，项目战略和管理流程对于充分利用商业智能系统的优势至关重要。只有在这些指标上达到理想水平后，组织和管理者才能转向信息系统。否则，处于第一或第二阶段的组织将难以实现改进。由于ERP系统和商业智能工具的实施是一个渐进的过程，且与人员、流程和技术各个组成部分的变化相关联，因此有必要关注变革管理等管理理念。

7 结论

本研究开发了衡量商业智能效益对供应链管理能力模型影响的指标。尽管已对这些指标进行了效度与信度检验，但仍存在改进空间。如果能够采用来自软件或咨询公司的企业能力指标，而非由企业自行报告，则结果将更具说服力。在本文中，我们基于德诺尔夫等人（2015）模型评估了商业智能在ERP系统中的影响。结果表明，作为ERP推动因素的商业智能将会影响德诺尔夫等人的供应链信息系统实施。需要注意的是，本研究属于描述性认知类型，因此本研究的统计总体包括供应链管理和ERP系统领域的专家，研究人员无法在不同组织中分别以案例研究的方式验证假设。因此，这是本研究的局限性，我们建议有兴趣的研究人员在不同组织中分别应用Denolf等人模型开展多种案例研究。