نقش هوش تجاری بر محدودیت کیفی اطلاعات مالی برای استفاده‌کنندگان

نوع مقاله : مقاله علمی-پژوهشی

نویسندگان

1 دانش‌آموخته دکتری گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

2 دانشیار گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

با گسترش و افزایش حجم تولید اطلاعات و تنوع نیازهای استفاده‌کنندگان لازم است از ابزار توانمندی استفاده شود تا به‌جای انسان بررسی، تحلیل، پیش‌بینی و سپس تصمیم‌گیری نماید. یکی از این ابزارهای کارآمد در فرایند تصمیم‌گیری هوش تجاری است که در راستای پشتیبانی از تصمیم‌گیری‌های هوشمندانه است. عدم‌استفاده از ابزار‌های نوین گزارش‌دهی در سازمان‌ها موجب بروز مشکلات عدیده‌ای می‌شود که ازجمله آنها: متفرق و حجیم بودن داده‌ها، کندی در تهیه گزارشات، گزارش‌دهی در سطح مدیران میانی، ناتوانی در تهیه گزارشات تحلیلی و چند بُعدی است. اطلاعات مالی زمانی می‌تواند برای تصمیم‌گیری استفاده‌کنندگان مفید باشد که دارای کیفیت باشند، یعنی هم‌زمان دارای ویژگی قابل‌اتکاء و مربوط بودن باشند. اما آنچه موردتوجه است کاهش کیفیت گزارشات مالی به‌دلیل تضاد بین ویژگی قابل‌اتکاء و مربوط بودن اطلاعات است. بر این اساس مسأله پژوهش حاضر این است که آیا هوش تجاری می‌تواند تضاد بین ویژگی‌های کیفی اطلاعات مالی را برطرف نماید و بر کیفیت آن بیفزاید؟ بدین‌منظور اطلاعاتی که در مورد ارتباط بین ویژگی‌های کیفی اطلاعات مالی و شاخص‌های مربوط به هوش تجاری بوده از جامعه حسابداران رسمی ایران جمع‌آوری و به روش معادلات ساختاری مورد تجزیه‌وتحلیل قرار گرفت. بررسی نشان داد شاخص‌های هوش تجاری که شامل یکپارچگی، اطلاع‌رسانی، ارتباطات و استنتاج، تحلیل تجاری، تحلیل فنی، تحلیل تحقیقی، سیستم‌های هشداردهنده و تصمیم‌گیری اثربخش است برای اندازه‌گیری شاخص‌های مربوط به ویژگی‌های کیفی اطلاعات مالی که شامل مربوط بودن و قابل‌اتکاء بودن می‌باشند مناسب هستند و از بار عاملی مورد قبولی برخوردارند. یافته‌ها بیانگر این است که، هوش تجاری می‌تواند 87 درصد از محدودیت‌های اطلاعات مالی را برطرف نموده و بر کیفیت آن بیفزاید.

کلیدواژه‌ها

موضوعات

اعتمادی حسین؛ الهی، شعبان؛ و حسن‌آقائی، کامران (1385). بررسی تأثیر فناوری اطلاعات بر ویژگی‌های کیفی اطلاعات حسابداری. فصلنامه بررسی‌های حسابداری و حسابرسی، 13(43)، 3-24.
بلکوئی، احمد (1393). تئوری حسابداری (چاپ سوم). تهران: ترمه.
ثقفی، علی (1392). نظریه‌های حسابداری (چاپ دوم). تهران: انجمن حسابداری ایران.
خدارحمی، بهروز؛ و حسینی، سیدرسول (1392). تئوری حسابداری (چاپ اول). تهران: ترمه.
روحانی، سعید؛ و حمیدی، هما (1395). مدیریت فناوری اطلاعات. تهران: دانشگاه تهران.
رهنمای‌رودپشتی، فریدون؛ نیکومرام، هاشم؛ و محمودی محمد (1392). سنجش تأثیر سیستم اطلاعات حسابداری مدیریت مبتنی‌بر پشتیبانی تصمیم و هوش تجاری بر عملکرد مالی واحدهای اقتصادی، فصلنامه مدیریت، 10(32)، 111-122.
سازمان حسابرسی (1390) استانداردهای حسابداری (چاپ 21). تهران سازمان حسابرسی.
عباس‌زاده، محمدرضا؛ فدائی، مرتضی؛ مفتونیان، محسن؛ و بابائی کلاریجانی، مائده (1395). بررسی ارتباط شفافیت مالی. فصلنامه اقتصاد مالی، 10(35)، 45-74.
ﻋﺮب‌ﻣﺎزار ﯾﺰدی، ﻣﺤﻤﺪ (1386). آﻣﻮزش ﺣﺴﺎﺑﺪاری در ﻋﺼﺮ ﻓﻨﺎوری اﻃﻼﻋﺎت و ارﺗﺒﺎﻃﺎت، ﻣﺎﻫﻨﺎﻣﻪ ﺣﺴﺎﺑﺪار، 190.
کلانتری، خلیل (1392). مدلسازی معادلات ساختاری در تحقیقات اجتماعی اقتصادی (با برنامه LISRELSIMPLIS). تهران: فرهنگ صفا.
ماهنامه دولت الکترونیک (1389). شماره 3. https://b2n.ir/q77722
محقر، علی؛ حسینی، فرید؛ و منشی، آصف‌علی (1387). کاربرد هوش تجاری به‌عنوان یک تکنولوژی اطلاعات استراتژیک در بانکداری؛ بازرسی و کشف تقلب. فصلنامه مدیریت فناوری اطلاعات، 1(1)، 105-120.
مهرانی، ساسان؛ کرمی، غلامرضا؛ و سیدحسینی، سید مصطفی (1392). تئوری حسابداری (چاپ اول). تهران: نگاه.
نودهی، مریم؛ صفاری، ماهرخ؛ و ابوطالبیان، بهاره (1394). تأثیر فناوری اطلاعات بر ویژگی‌های کیفی اطلاعات مالی و گزارشگری مالی دیجیتالی در بورس اوراق بهادار تهران. شیراز: دومین کنفرانس بین‌المللی اقتصاد، مدیریت، حسابداری با رویکرد ارزش‌آفرینی.
ودیعی‌نوقابی، محمدحسین؛ مرادی، مهدی؛ و عبدالحسین عبدالکاظم العیساوی، شیما (1396). تاثیر فناوری اطلاعات حسابداری بر شفافیت اطلاعات و گزارشات مالی در بانک‌های خصوصی عراق (پایان‌نامه کارشناسی ارشد) دانشکده علوم اداری و اقتصادی.
ولک، داد وترنی (1393). تئوری حسابداری (جلد اول، چاپ سوم) (علی پارسائیان، مترجم). تهران: ترمه.
هومن، حیدرعلی (1395). مدل‌یابی معادلات ساختاری با کاربرد نرم‌افزار لیزرل. تهران: سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه‌ها (سمت).
Aldalayeen, B. O., Moh'd Alkhatatneh, W. R. N., & AL-Sukkar, A. S. (2013). Information Technology and its Impact on the Financial Performance: An Applied Study in Industrial Companies (Mining and Extraction). European Scientific Journal, 9(10).
Azadivar, F., Truong, T., & Jiao, Y. (2009). A Decision Support System for Fisheries Management Using Operations Research and Systems Science Approach. Expert Systems with Applications, 36(2), 2971-2978.
Chen, M., & Liu, S. (2014). Business Intelligence Fusion Based on Multi-agent and Complex Network. JSW, 9(11), 2804-2812.
Eckerson W., (2011). "Performance Dashboards" -2nd Ed, Wiley, oboken, NJ.
Efkirin, A. E. A. (2014). Management Accounting in the New Economy. University Bulletin–ISSUE, (16).
Gartner, D., (2012). “Market Share: Business Intelligence, Analytics and Performance Management.
Grove, H., & Basilico, E. (2008). Fraudulent Financial Reporting Detection: Key Ratios Plus Corporate Governance Factors. International Studies of Management & Organization, 38(3), 10-42.
Jaklic, J., Coelho, P. S., & Popovic, A. (2009). Information Quality Improvement as a Measure of Business Intelligence System Benefits. WSEAS Transactions on Business and Economics, 9, 56-62.
Karamatova, L. (2017). Management Accounting and ERP Systems: Factors behind the Choice of Information Systems when Exercising Management Accounting.
Khallaf, A. (2012). Information Technology Investments and Nonfinancial Measures: A Research Framework. In Accounting forum. Vol. 36, No. 2.
109-121.
Krambia‐Kapardis, M., Christodoulou, C., & Agathocleous, M. (2010). Neural Networks: the Panacea in Fraud Detection?. Managerial Auditing Journal.
Lam, M. (2004). Neural Network Techniques for Financial Performance Prediction: Integrating Fundamental and Technical Analysis. Decision Support Systems, 37(4), 567-581.
Lodhia, S, k, & Lymer, A., (2003). Corporate Reporting in the Internet in Australian: An Exploreratory Study. Available at teaching. Fac.anu.edu.au/ BUSN8001/Lodhia/FRPaper.pdf.
Luo, J., Meng, Q., & Cai, Y., (2018). "Analysis of the Impact of Artificial Intelligence Application on the Development of Accounting Industry". Journal of Business and Management. ISSN Print: 2329-3284.
Money, W., & Turner, A. (2004). Application of the Technology Acceptance Model to a Knowledge Management System. In 37th Annual Hawaii International Conference on System Sciences.
Sekiraçaa. E. & Berisha, V., (2018). "The Impact of Information Technology in Accounting Systems in Kosovo" International Journal of Sciences: Basic and Applied Research Vol. 37, No. 2, 01-11. ISSN 2307-4531.
Sutton, S. G., Holt, M., & Arnold, V. (2016). “The Reports of My Death are Greatly Exaggerated”—Artificial Intelligence Research in Accounting. International Journal of Accounting Information Systems, 22, 60-73.
Wong, S., & Venkatraman, S. (2015). Financial accounting fraud detection using Business Intelligence. Asian Economic and Financial Review, 5(11), 1187.
Xiaoshuan, Z., Zetian, F., Wengui, C., Dong, T., & Jian, Z. (2009). Applying Evolutionary Prototyping Model in Developing FIDSS: An Intelligent Decision Support System for Fish Disease/ Health Management. Expert Systems with Applications, 36(2), 3901-3913.
دوره 14، شماره 1 - شماره پیاپی 27
بهار و تابستان 1399
صفحه 359-388
  • تاریخ دریافت: 28 آذر 1398
  • تاریخ بازنگری: 29 تیر 1399
  • تاریخ پذیرش: 12 شهریور 1399