Professional Documents
Culture Documents
مقاله_اثر_هوش_تجاري_و_نوآوري_بر_عملكرد_مالي_استارت_آپ_ها
مقاله_اثر_هوش_تجاري_و_نوآوري_بر_عملكرد_مالي_استارت_آپ_ها
www.journal-fbs.ir
farbod1819@outlook.com.
Citation:
Jafari Eskandari, M., & Farbad, E. (2023). Investigating the impact of business intelligence and
innovation on the financial performance of start-ups: the approach of neural network models and
structural equations. Financial and banking strategic studies, 1(1), 22-40.
Abstract
Purpose: Investigating the impact of business intelligence and innovation on the financial performance of start-ups: the
approach of neural network models and structural equations.
Methodology: This research is quantitative in nature, descriptive-correlative in nature, and practical in terms of purpose.
There is no up-to-date list of start-ups and start-ups that can be used as examples. To overcome this problem, we reached
out to several business growth centers as a means of reaching startups because they work directly with the demographics
we want to address. The statistical population of the research is experts and experts available in growth centers and
technology parks, 153 people were selected by non-probability sampling method. To test the hypotheses, taking into
account the mediating effect of network learning and innovation, the variance-based structural equation method in
Smartpls4.0 software and the multilayer perceptron neural network module was used, as well as to test the bias of the
measurement tool, Harman's single-factor test was used in Spss27 software package.
Findings: The output of the models showed that business intelligence has an impact both directly and indirectly on the
financial performance of start-ups and the impact of the variables is 87%. The most important variables in influencing
the financial performance of start-ups are innovation and network learning. Also, the multi-layer perceptron neural
network approach is more accurate than variance-based structural equation modeling.
Originality/Value: At the same moment of the formation of start-ups, the discussion of business intelligence and in
the real sense of the discussion of innovation according to data analysis, which is one of the tools of illustration of
business intelligence, should be used. Business intelligence is usually a capability that companies develop and discover
and can influence existing information so that it can be considered an internal organizational variable.
Keywords: Network learning, Start-up, Financial performance, Business intelligence, Economic stability.
Strategic Studies
دوره ،1شماره (22-40 ،)1402( ،)1
www.journal-fbs.ir
چکیده
هدف :بررسی اثرگذاری هوش تجاری و نوآوری بر عملکرد مالی استارت آپها :رو یکرد مدلهای شبکه عصبی و معادالت ساختاری
میباشد.
روششناسی پژوهش :این پژوهش از نوع کمی ،ازنظر ماهیت توصیفی-همبستگی و ازلحاظ هدف کاربردی هست .هیچ لیست بهروزی
مطالعات راهبردی مالی و بانکی ،دوره ،1شماره ،1بهار ،1402صفحه22-40 :
از شرکتهای نوپا و استارآپها وجود ندارد که بتوان از آنها بهعنوان نمونه استفاده کرد .برای غلبه بر این مشکل ،با چندین مرکز رشد کسب
وکار بهعنوان وسیلهای برای دسترسی به استارت آپها تماس گرفتیم ،زیرا آنها مستقیما با جمعیتی که میخواهیم به آنها رسیدگی کنیم،
کار میکنند .جامعه آماری تحقیق کارشناسان و صاحبنظران در دسترس در مراکز رشد و پارکهای فناوری میباشند که 153نفر با روش
نمونهگیری غیر احتمالی در دسترس انتخاب شدند .برای آزمون کردن فرضیهها با درنظر گرفتن اثر میانجی یادگیری شبکهای و نوآوری از
روش معادالت ساختاری واریانسمحور در نرمافزار Smartpls4.0و ماژول شبکه عصبی پرسپترون چندالیه و همچنین جهت آزمون
سوگیری ابزار اندازهگیری از آزمون تک عاملی هارمن دربسته نرمافزاری Spss2استفاده شده است.
یافتهها :خروجی مدلها نشان داد که هوش تجاری هم بهصورت مستقیم و هم بهصورت غیرمستقیم در عملکرد مالی استارت آپها
تاثیرگذار بوده و میزان اثرگذاری متغیرها 87%میباشد .مهمترین متغیر در اثرگذاری بر عملکرد مالی استارت آپها نوآوری و یادگیری
شبکهای میباشند .همچنین رو یکرد شبکه عصبی پرسپترون چندالیه دارای دقت بیشتری از مدلسازی معادالت ساختاری واریانس محور
میباشد.
اصالت/ارزش افزوده علمی :در همان لحظه شکلگیری استارت آپها بحث هوش تجاری و به معنای واقعی بحث نوآوری منطبق بر
تحلیل داده که یکی از ابزارهای مصورسازی هوش تجاری است استفاده شود .هوش تجاری معموال قابلیتی است که شرکتها توسعه و
کشف میکنند و میتواند بر اطالعات موجود تاثیر بگذارد طوری که میتوان آن را یک متغیر سازمانی داخلی درنظر گرفت.
کلیدواژهها :یادگیری شبکهای ،استارت آپ ،عملکرد مالی ،هوش تجاری ،پایداری اقتصادی.
-1مقدمه
یک استارت آپ یک شرکت است که توسط یک کارآفرین راهاندازی میشود تا یک مدل کسبوکار مقیاسپذیر را بررسی کند ،توسعه دهد
و اعتبارسنجی کند ] .[1استارتآپها برای دستیابی به فضای خود در بازار سخت کار میکنند و باید برای بقا و رشد ،عملکرد خود را
انجام دهند .باید توجه داشته باشیم که یک شرکت کوچک نسخه کوچکشده شرکتهای بزرگتر نیست .تفاوتهایی از نظر ساختار ،منابع
موجود ،شیوههای مدیریت ،واکنش محیطی و نحوه رقابت آنها در بازار وجود دارد ].[2
* نویسنده مسئول
farbod1819@outlook.com
حتی بااینکه کارآفرینی به کسبوکارهای جدیدی گفته میشود که شامل خوداشتغالی و کسبوکارهایی هستند که هرگز هدفشان ثبت
شدن نیست ،اما استارت آپها به کسبوکارهای جدیدی گفته میشود که هدفشان تکامل و فراتر رفتن از یک موسس منفرد است .یکی
از اصول کارآفرینی ،توانایی ایجاد ایدههای جدید و سودمندی است که مشکالت انسان را حل میکنند ].[3
کارآفرینان خصوصا زمانی که منابع را به شیوههای جدید و متفاوتی ترکیب کنند که یک مزیت رقابتی را نسبت به رقبای خود بهدست آورند
میتوانند در خلق ارزش بازار و بهبود عملکردهای مالی و غیرمالی موفق باشند ].[4
23
در یک محیط بهشدت رقابتی ،پو یا و بیثبات ،شرکتها باید تالش کنند تا اطالعات را برای بهبود تصمیمات خود جمعآوری کنند .این
میتواند یک چالش برای هر کسبوکاری باشد ،اما برای استارت آپهایی که در بازار با مشکل مواجه هستند ،یک چالش برجستهتر است
] .[5این فرآیند میتواند به مدیران کمک کند تا تناسب موثری با محیط خود داشته باشند و عملکرد شرکت خود را افزایش دهند ].[6
عوامل موفقیت استارت آپها را میتوانیم به سه عامل طبقهبندی کنیم :سازمان ،فرآیند و تکنولوژی .عوامل سازمانی شامل پشتیبانی
مدیریت متعهد ،یک چشمانداز واضح و یک کسبوکار جاافتاده هستند .عوامل فرآیند شامل رقابت مبتنی بر تجارت و ترکیب متعادل تیم،
یک رویکرد توسعه تعاملی مبتنی بر تجارت و مدیریت کاربر-محور هستند .عوامل تکنولوژی شامل یک چارچوب فنی انعطافپذیر،
بررسی اثرگذاری هوش تجاری و نوآوری بر عملکرد مالی استارت آپها :رویکرد مدلهای شبکه عصبی و معادالت ساختار ی
مقیاسپذیر و مبتنی بر تجارت و کیفیت یکپارچهسازی دادهها هستند .لذا استارت آپها برای اجرای هوش تجاری به پیشنیازهایی نیاز
دارند که بدون آنها ،سرمایهگذاری بازده نخواهد داشت ] .[7نظریه دیدگاه مبتنی بر منابع 1بیان میکند که برای توسعه و حفظ مزیتهای
رقابتی ،شرکتها باید از داراییهای فیزیکی ،انسانی و سازمانی خود ،اعم از ملموس و نامشهود استفاده کنند ] .[8یک مفهوم مهم از این
نظریه این است که شرکتهای کنترلکننده منابع ارزشمند و کمیاب ظرفیت ایجاد مزیت رقابتی را دارند ،بهعالوه ،اگر تقلید یا جایگزینی
این منابع دشوار باشد ].[9
مکمل نظریه دیدگاه مبتنی بر منابع ،دیدگاه مبتنی بر دانش 2بهعنوان باارزشترین منبع در شرکت تمرکز میکند ] .[10با درنظر گرفتن دانش
بهعنوان عامل اولیه تولید که یک شرکت میتواند از آن مزیت رقابتی کسب کند ،بر پایههای نظری دیدگاه مبتنی بر منبع استوار است .هوش
تجاری یکی از این داراییها است زیرا میتوان از آن برای بهدست آوردن اطالعات استفاده کرد و بهطور همزمان میتواند به افزایش مخزن
دانش در دسترس مدیران کمک کند .این امکانپذیر است زیرا فرآیندهای درگیر در تولید دانش هر دو جستجو و ترکیب مجدد هستند ].[11
هوش تجاری بهعنوان یک ساختار چند بعدی دیده میشود که چندین جنبه را ارزیابی میکند :جامعیت درون صنعت ،3تجزیهوتحلیل بین
صنعتی ،4رسمیت هوش تجاری 5و سودمندی درک شده .6دو مورد اول به جنبههای بیرونی هوش و بقیه به ساختار داخلی و استفاده از
اطالعات مربوط میشوند .این ترکیب میتواند به ما درک درستی از تالشهای اطالعاتی برای حمایت از تصمیم بدهد .اهمیت هوش
تجاری در سازمانهای امروزی غیرقابلانکار است چون آنها از طریق فراهمسازی اطالعات برای شرکتها ،توانایی نظارت بر روندها و
حرکات بازار رقبا و مشتریان را ایجاد میکنند ].[12
از آنجاییکه فقدان تحقیق در مورد مطالعات هوش تجاری در شرکتهای کوچک گزارش شده است ] ،[13سعی میکنیم با بررسی برخی
از جنبههای هوش تجاری در این نوع سازمانها ،نظریه را پیش ببریم .رو یکرد هوش تجاری در منظر مدیریتی به جای دیدگاه تکنولوژیکی
سنتی اهمیت دارد ].[14
ارتباط با نوآوری ،یک مفهوم کلیدی برای موفقیت سازمانی درنظر گرفته شده است .همچنین فرآیند جمعآوری دانش با استفاده از یادگیری
شبکهای موردبررسی قرار میگیرد .تعامل با بازیگران مختلف که دانش فنی یا غیر فنی دارند ،میتواند برای سرعت بخشیدن به دستیابی
1 4
Resource-based view Interindustry analysis
2 5
Knowledge-based view BI formality
3 6
Intraindustry comprehensiveness Perceived usefulness
به این منبع نامشهود مهم باشد .درنهایت ،روابط بین این سازهها و عملکرد ارزیابی میشود؛ زیرا این فرآیندها میتوانند به مدیران کمک
کنند تا تناسب موثر با محیط خود را حفظ کنند و عملکرد را افزایش دهند ].[6
هدف مطالعه حاضر بررسی رابطه بین و یژگیهای هوش تجاری 1و تاثیر آن بر یادگیری شبکه ،2نوآوری و عملکرد استارت آپها و بهطور
همزمان اثر تعدیلی یادگیری شبکه و نوآوری در عملکرد استارت آپها میباشد .مدلی برای بررسی روابط مستقیم و غیرمستقیم بین متغیرها
با استفاده از مدلسازی معادالت ساختاری و شبکه عصبی ارایه و ارزیابی شده است.
24
-2مبانی نظری و بسط فرضيههای پژوهش
عملکرد مالی رشد استارت آپ ازلحاظ فروش و سودآوری ،وضعیت سهام و نرخ رشد سهام شرکتها ،حاشیه سود خالص و حاشیه سود
عملیاتی و ...را نشان میدهد ].[7
عملکرد ،توانایی دستیابی به اهداف به شیوهای مورد انتظار یا برتر است .مفهوم عملکرد سازمانی شامل دیدگاههای مختلف (بهعنوانمثال
جعفری اسکندری و فربد /مطالعات راهبردی مالی و بانکی ،دوره ،1شماره ،1بهار ،1402صفحه22-40 :
سهامدار در مقابل کارکنان) ،دورههای زمانی (بهعنوانمثال ،بلندمدت در مقابل کوتاهمدت) و معیارها (بهعنوانمثال ،سهم بازار در مقابل
سود) است ].[15
در یک بررسی سه نوع رو یکرد مختلف برای اندازهگیری عملکرد سازمانی ارایه شده است .اولی مربوط به عملکرد مالی است که یک
شاخص عملکرد مبتنی بر نتیجه است و بهعنوان محدودترین تصور از عملکرد تجاری درنظر گرفته میشود .مفهوم دوم شامل ابعاد مالی و
عملیاتی عملکرد ،شامل معیارهای غیر مالی بهعنوانمثال ،نتایج بازار محصول ،مانند سهم بازار ،معرفی محصوالت جدید و اثربخشی
بازاریابی و نتایج فرآیند داخلی است .این عوامل عملیاتی ممکن است درنهایت به عملکرد مالی کمک کند.
گستردهترین مفهومسازی عملکرد به اثربخشی سازمانی مربوط میشود .برخی از معیارها برای اثربخشی سازمانی یا کلی عبارتاند از:
بقای شرکت ،شهرت ،عملکرد کلی درک شده و دستیابی به اهداف ].[16
-2-2یادگيری شبکهای
دانش از طریق یادگیری و یادگیری قابلیتهای جدید تولید میشود به شرکتها کمک میکند تا بهطور موثر رقابت و بقا و رشد کنند ].[17
همانطور که دانش تغییر میکند و باید بر اساس مطالعه و تجربه بازسازی شود ،جایی که تغییر مستمر مستلزم یادگیری مداوم است؛
بنابراین ،دانش نه مطلق است و نه جهانی ].[18
توجه به توانایی سازمان برای شناسایی ،جذب ،ایجاد و به اشتراکگذاری یا انباشت دانش شده است زیرا در حال تبدیلشدن به مهمترین
عنصر در تولید و منبع مزیت رقابتی است ].[19
الرسون و همکاران ] [20یادگیری شبکه را بررسی کردند تا میانگین گروههای سازمانی را بهدست آورند که هدفشان یادگیری با یکدیگر ،از
یکدیگر و از روابط متقابل است؛ بنابراین تمرکز اصلی آن به جای یادگیری جمعی ،بر روی پویایی گروهی و یادگیری اعضای فردی گروه
است .دانشمندان در حیطه شبکه ،یادگیری را بهصورت یک نهاد مستقل نمیبینند بلکه آن را بهصورت پلتفرمی برای یادگیری درنظر
میگیرند .علی و انور ] [21یادگیری شبکه را بر اساس چهار فرض بررسی میکنند -1 :یادگیری ،محدود به سطح فردی نیست بلکه از آن
در سطوح دیگر سیستم هم میتوان استفاده کرد -2 ،شبکه بین سازمانی چهارمین سطح از یادگیری بعد از یادگیریهای فردی ،گروهی و
1 2
Business intelligence characteristics Network learning
سازمانی است -3 ،یادگیری شبکه را در شبکههای عریضتر از شبکههای استراتژیکی باید مطالعه کرد تا برای همبستگی با یادگیری
سازمانی ارزیابی شوند و -4یادگیری شبکه بهصورت یادگیری گروهی سازمانی در هر زمینه فردی ،گروهی ،سازمانی و بین سازمانی
است.
یادگیری شبکه به معنای یادگیری فراگیر در سازمان از طریق تکیه کردن بر شبکههای ارتباطی دربخشهای مختلفی از سازمان و همچنین
شبکههای ارتباطی با شرکا ،همکاران ،مشتریان و ...است تا سطح دانش شرکتها به روز نگه داشته شود ].[7
25
معموال شرکتهای بزرگ ابزاری برای توسعه داخلی بسیاری از دانش مورداستفاده در نوآوری دارند؛ اما شرکتهای کوچک همه ورودی
های موردنیاز برای توسعه موفق و مستمر فناوری را ندارند و مجبورند به دنبال دانش خارجی باشند ] .[22آنها با توجه به یادگیری سازمانی
با "نوع مشکل" منحصربهفردی روبرو هستند که باید از شرکتهای بزرگ متمایز شود ].[23
با توجه به این محدودیتها ،برخی استارت آپها برای دستیابی به دانش جدید به موسسات مجاور وابسته هستند .آنها میتوانند نزدیکی
خود را با این گروهها پرورش دهند ،اما به میزان زیادی به میزان تعامالت اجتماعی بین افراد ،شرکتها و سایر سازمانها وابسته هستند
].[24
بررسی اثرگذاری هوش تجاری و نوآوری بر عملکرد مالی استارت آپها :رویکرد مدلهای شبکه عصبی و معادالت ساختار ی
-2-3نوآوری
نوآوری به تمایل یک شرکت برای مشارکت و حمایت از ایدهها ،آزمایشها و فرآیندهای خالقانه جدید اشاره دارد که ممکن است منجر به
محصوالت ،خدمات یا فرآیندهای فناوری جدید شود ] .[25در زمینه کارآفرینی نشاندهنده درجه جدیدی است که کسبوکار در بازار
میگذارد .همانطور که توسط پارادکار و همکاران ] [26ذکر شده است« ،استارت آپهایی که درنهایت موفق هستند با ایجاد مزایای کامال
جدید برای مشتریان یا با بهبود چشمگیر موارد موجود ،با شرکتهای رقیب رقابت میکنند .همچنین ،عملکرد نوآورانه در ادبیات بهعنوان
یکی از مهمترین محرکهای دیگر جنبههای عملکرد سازمانی دیده میشود و شکلگیری پو یایی یادگیری سازمانی را تقو یت میکند ].[27
نوآوری شرکت از دو منظر مفهومسازی میشود -1 :آن را بهعنوان یک متغیر رفتاری ،یعنی میزان پذیرش نوآوریها توسط شرکت میبیند و
-2آن را تمایل به تغییر میداند ] .[28این ظرفیت میتواند از منابع موجود بهتر استفاده کند ،کارایی و ارزش بالقوه را بهبود بخشد ،اما
همچنین داراییهای نامشهود جدیدی را به سازمان وارد کند.
توانایی نوآوری بهعنوان یکی از عوامل تعیینکننده برای بقا و موفقیت سازمانها شناخته میشود ] .[29نوآوری بیشتر میتواند عامل مهمی
برای ایجاد ارزش باشد و به پاسخگو یی به نیازهای مشتریان ،در توسعه قابلیتهای جدیدی که امکان دستیابی و حفظ عملکرد بهتر یا
سودآوری برتر را در محیطهای پیچیدهتر ،رقابتی و بهسرعت در حال تغییر میدهد ،کمک میکند ] .[19ادبیات ،قابلیت نوآوری را بهعنوان
یکی از مهمترین عوامل تعیینکننده عملکرد شرکت ارایه میکند که توسط بسیاری از مطالعات تجربی پشتیبانی میشود ] .[30شرکتهای
نوآور ،با ایجاد و معرفی محصوالت و فنآوریهای جدید ،میتوانند عملکرد اقتصادی بهتری ایجاد کنند و منابع رشد اقتصادی هستند
].[31
-2-4هوش تجاری
هوش تجاری را میتوان بهعنوان یک اصطالح کلی درنظر گرفت که فعالیتها ،فرآیندها و فنآوریهای مختلف را برای جمعآوری ذخیره،
تجزیهوتحلیل و انتشار اطالعات برای بهبود تصمیمگیری پوشش میدهد ] .[12این یک ابتکار گسترده و پیچیده است که توسط چندین
نو یسنده بهطور متفاوتی تعریف و بحث شده است و ب نابراین یک تعریف یکپارچه ندارد ] [32و حتی ممکن است گیجکننده باشد؛ اما
همه شامل ایده تجزیهوتحلیل دادهها و اطالعات در دانش مدیریتی فشرده و مفید است ].[33
در حوزه مدیریت ،این مفهوم تحت عناو ین مختلف موردمطالعه قرار گرفته است ] .[34برخی از نو یسندگان از اصطالح هوش تجاری برای
انتقال مفهوم "اسکن محیطی "1استفاده میکنند که بر چگونگی "اسکن" محیط سازمان توسط مدیران متمرکز است .دیگران به هوش یا تجزیه
وتحلیل رقابتی اشاره میکنند و بیشتر بر روی رقبا ،نقاط قوت ،ضعف و رفتار آنها متمرکز شده است .درحالیکه دیگران از هوش تکنولوژیک
متمایل به پو یایی تکنولوژیکی یاد میکنند ].[35
برچسبهای دیگر برای نزدیک شدن به همین مفهوم استفاده میشوند و شامل هوش بازار (بازاریابی) ،هوش مشتری ،هوش محصول و
هوش محیطی ] [35میباشد .این عمل به شرکتها اجازه میدهد تا دادهها را به دانش مفید تبدیل کنند ] [36و سپس تصمیمات بهتر و 26
سریعتری اتخاذ کنند ] [37تا عملکرد کسبوکار را افزایش دهند و از تصمیمگیری حمایت کنند .ایجاد در تمام سطوح سازمانی ،یعنی
سطوح استراتژیک ،تاکتیکی و عملیاتی ] [39ماهیت دایمی دارد و امکان کشف مشکالت و آگاهی عمومی در مورد وضعیت فعالیتها
] [38و چالشهای محیطی را فراهم میکند.
توجه به این نکته حایز اهمیت است که هوش تجاری نهتنها در فرآیند تصمیمگیری بلکه در عملکرد بازیگران سازمانی نیز تاثیر دارد.
با تجزیهوتحلیل عملکرد ،میتوانیم میزان موفقیت کسبوکار را درک کنیم؛ بنابراین ،هدف اصلی در هر سازمانی است و میتواند بهخودی
جعفری اسکندری و فربد /مطالعات راهبردی مالی و بانکی ،دوره ،1شماره ،1بهار ،1402صفحه22-40 :
خود یا ناشی از فرآیندهای داخلی تجزیهوتحلیل شود ].[2
برخی مطالعات وجود دارد که هوش تجاری و دانش را که بهعنوان نتیجه هوش تجاری درک میشود به عملکرد تجاری مرتبط میکند ]،[12
کمبود مطالعات برای درک این رابطه در سرمایهگذاریهای جدید وجود دارد.
این شواهد محدود نشان میدهد که این رابطه متقابل به دلیل اقدامات انجامشده و تغییرات متعاقب آن در منابع مورداستفاده برای پاسخگو یی
به فرصتهای جدید و تغییرات محیطی مهم است ] [31چالش مدیریت شایستگیهای موجود بر اساس موفقیت و تجدید مداوم خود در
پرتو تغییرات محیطی به عملکرد برتر شرکت مربوط میشود و چالشی در تحقیقات کارآفرینی برای درک ابعاد عملکرد استارت آپها وجود
دارد ].[39
فرضیه -1یک رابطه مثبت مستقیم بین و یژگیهای هوش تجاری و عملکرد استارت آپ وجود دارد.
نوآوری بهعنوان درجهای که یک شرکت درگیر ایدهها ،آزمایشها و خالقیتهای جدید است که ممکن است منجر به محصوالت ،خدمات
یا فرآیندهای جدید شود ] ،[40میتواند بهعنوان جنبهای از فرهنگ یک شرکت درنظر گرفته شود و به بقای او در یک محیط فرار کمک می
کند ] .[28نوآوری بهعنوان فعالیتی تلقی میشود که مدیریت میتواند آن را کنترل کند ] ،[30درگیر شدن در آزمایش و فرآیندهای خالقانه
که ممکن است منجر به محصوالت ،خدمات یا فرآیندهای فناوری جدید شود ] .[41اقدامات شرکت ،ازجمله فعالیتهای نوآورانه آنها،
مشروط است و گاهی اوقات توسط عوامل خارجی ازجمله تقاضای مشتری (بازار) ،اقدامات رقبا یا حتی قوانین دولت هدایت میشود
].[30
رابطه بین نوآوری و یادگیری سازمانی ] [28و دانش قبلی در دسترس اهمیت دارد ،زیرا آنها میتوانند از درک فناوری جدید و شرایط بازار و
تولید ایدهها و محصوالت جدید پشتیبانی کنند .ظرفیت نوآوری باالتر به شرکتها این امکان را میدهد که سریعتر و بهتر به چالشهای
محیطی نسبت به چالشهای غیر نوآورانه پاسخ دهند ].[42
کسبوکاری که توانایی تبدیل و بهرهبرداری از دانش را دارد ،ممکن است سطح نوآوری آن را تعیین کند ،مانند روشهای جدید حل مساله
و محصوالت جدید برای واکنش سریع به تقاضای بازار ][19؛ بنابراین میتوان یک رابطه بین هوش تجاری و نوآوری را پیشبینی کنیم .از
آنجاییکه هوش تجاری به استفاده از اطالعات برای تصمیمگیریهای بهتر اهمیت میدهد ،میتواند بر اقدامات نوآورانه شرکت تاثیر
1
Environmental scanning
بگذارد .اطالعات بهتر بهخودیخود بهطور قابلمالحظهای منجر به افزایش عملکرد و کارایی کسبوکار نمیشود ،نکته کلیدی این است
که سازمانها با این اطالعات چه میکنند ].[32
فرضیه -2بین و یژگیهای هوش تجاری و نوآوری در استارتآپها رابطه مثبت وجود دارد.
ازلحاظ نظری ،نوآوری با پیشنهاد محصوالت/خدمات جدید به بازار ،دستیابی به فرصتهای جدید را تسهیل میکند .اگر این فعالیت
27 ها با موفقیت به نتیجه برسند ،بر عملکرد تاثیر میگذارند و آن را افزایش میدهند.
شرکتهایی با نوآوری بیشتر در پاسخگو یی به نیازهای مشتریان و توسعه قابلیتهای جدید که به آنها اجازه میدهد عملکرد بهتر یا
سودآوری باالتری داشته باشند ،موفقتر خواهند بود .ادبیات بهتدریج به تاثیرات جنبههای مختلف نوآوری بر عملکرد شرکت توجه بیشتری
کرده است ] [19و بنابراین ما میتوانیم یک رابطه بین این سازهها را پیشبینی کنیم.
فرضیه -3یک رابطه مثبت بین نوآوری و عملکرد استارت آپ وجود دارد.
هوش تجاری به سازمان توانایی درک محیط داخلی و خارجی را از طریق اکتساب ،تجزیهوتحلیل ،تفسیر و بهرهبرداری سیستماتیک از
بررسی اثرگذاری هوش تجاری و نوآوری بر عملکرد مالی استارت آپها :رویکرد مدلهای شبکه عصبی و معادالت ساختار ی
اطالعات میدهد ] [43یادگیری شبکهای بهعنوان ظرفیت شرکت برای ایجاد ،ادغام و پیکربندی مجدد دانش فنی و غیر فنی تولیدشده از
طریق پیوندها و موسسات خارجی ،میتواند بهشدت دانش شرکت کمک کند ].[22
فرضیه -4بین و یژگیهای هوش تجاری و یادگیری شبکهای در استارت آپها رابطه مثبت وجود دارد.
بسیاری از محققان پیشنهاد کردهاند که توانایی بهرهبرداری از دانش بیرونی جزو حیاتی قابلیتهای نوآورانه است ] .[42تالش برای یادگیری
از منابع خارجی میتواند به کشف ایدهها ،فرآیندها یا تکنیکهای جدیدی که میتوانند به کار گرفته شوند کمک کند و توسعه و کاربرد
نوآوری را تقو یت کند .رقابت و عملکرد مرتبط ممکن است درنتیجه بهرهگیری از مدیریت دانش و یادگیری باشد؛ اما تعداد کمی از شرکت
ها دارای تمام قابلیتهای نوآوری هستند ] ،[22کمک گرفتن از منابع خارجی میتواند اهمیت زیادی داشته باشد ،بهو یژه برای استارت
آپها ].[46
فرضیه -5یک رابطه مثبت بین یادگیری شبکه و نوآوری وجود دارد.
-2-5پيشينه پژوهش
ویالر و همکاران ] [10بیان کردهاند که هوش تجاری یک منبع داخلی ارزشمند و غیرقابل جایگزین است که به شرکتهای استارت آپ
کمک میکند مبنای دانش خود برای مدیران را توسعه و گسترش دهند .من و همکاران ] [2در مطالعه خود نشان دادند که سه ویژگی روی
موفقیت کسبوکارهای استارت آپ تاثیرگذار هستند :عوامل داخلی ،خصوصیات فردی و خصوصیات کارآفرینی.
کاسیرو و همکاران ] [16با استفاده از روش آماری تحلیل عاملی ،به مطالعه عوامل شکست و موفقیت کارآفرینی پرداختند .نتایج نشان داد
که از دیدگاه کارآفرینان ،شهرت و مدیریت شرکت (ازجمله صداقت و مهارتهای اجتماعی) و ویژگیهای شخصیتی کارآفرینی ،مهمترین
عوامل برای موفقیت هستند .مهمترین مساله سیستم مالیات و ناتوانی در حفظ کارکنان قابلاطمینان بود.
هانی ] [44برای اولویتبندی عوامل تاثیرگذار بر موفقیت استارت آپها از تحلیل شبکه استفاده کرد .این عوامل شامل تجارت بازار
جهانی ،فرهنگسازمانی ،تجربه ،آموزش ،روابط صنعتی ،پشتیبانی دولت ،خالقیت ،ارتباط با مشتری و ...بودند.
هوانگ و همکاران ] [7در تحقیقی با عنوان تاثیر هوش تجاری بر روی عملکرد مالی استارت آپها به این نتیجه رسیدند که تاثیر هوش
تجاری بر روی عملکرد مالی بهصورت غیرمستقیم و از طریق نقش واسطهای ابتکار و یادگیری شبکه در استارت آپها موردمطالعه قرار
گرفته است .جالب این است که این دو عامل برای بهبود عملکرد مالی ضروری هستند.
کاسیرو و کوئلهو ] [16در تحقیقی با عنوان تاثیر ظرفیت هوش تجاری ،یادگیری شبکه و نوآوری بر عملکرد استارتآپها در مقایسه استارت
آپهای اروپایی و پرتغالی به این نتیجه رسیدند که نوآوری و یادگیری شبکه اثر غیرمستقیم بر عملکرد استارت آپها داشتند .از آنجاییکه
یادگیری شبکه میتواند جمعآوری دانش را در سطوح مختلف بهبود بخشد و دانش بر تصمیمگیری و تخصیص منابع تاثیر دارد ،ما بررسی
خواهیم کرد که آیا یادگیری شبکه میتواند بر عملکرد تاثیر بگذارد یا خیر.
فرضیه -6یک رابطه مثبت بین یادگیری شبکه و عملکرد راهاندازی وجود دارد.
28
مدل مفهومی متناسب با فرضیههای تحقیق بهصورت شکل 1میباشد.
جعفری اسکندری و فربد /مطالعات راهبردی مالی و بانکی ،دوره ،1شماره ،1بهار ،1402صفحه22-40 :
شکل -1چارچوب مفهومی تحقيق ].[16] ،[7
Figure 1- The conceptual framework of the research [7], [16].
-3روش پژوهش
این پژوهش از نوع کمی ،ازنظر ماهیت توصیفی-همبستگی و ازلحاظ هدف کاربردی هست .هیچ لیست بهروزی از شرکتهای نوپا و
استارآپها وجود ندارد که بتوان از آنها بهعنوان نمونه استفاده کرد .برای غلبه بر این مشکل ،با چندین مرکز رشد کسبوکار بهعنوان
وسیلهای برای دسترسی به استارت آپها تماس گرفتیم ،زیرا آنها مستقیما با جمعیتی که میخواهیم به آنها رسیدگی کنیم ،کار میکنند.
جامعه آماری تحقیق کارشناسان و صاحبنظران در دسترس در مراکز رشد و پارکهای فناوری میباشند که 153نفر با روش نمونهگیری
غیر احتمالی در دسترس انتخاب شدند .دادههای پژوهش مطابق با پرسشنامه استاندارد در مقیاس طیف لیکرت 5درجهای جدول 2
جمعآوری میشوند .در پژوهش حاضر برای آزمون کردن فرضیهها با درنظر گرفتن اثر میانجی یادگیری شبکهای و نوآوری از روش معادالت
ساختاری واریانسمحور 1یا حداقل مربعات جزئی در نرمافزار SmartPls4.0و ماژول شبکه عصبی پرسپترون چندالیه 2دربسته نرمافزاری
Spss27استفاده شده است .ازلحاظ ماهیت ،دو رویکرد فوق یکسان میباشند؛ بنابراین ،میتوان در جهت انتخاب بهترین مدل برازش،
نتایج آنها را باهم مقایسه کرد ] .[45شکل 2مدل مفهومی تحقیق را پس از برازش نشان میدهد .همچنین ،قبل از بررسی فرضیهها ،روایی
و پایایی را موردبررسی قراردادیم .برای تعیین پایایی و روایی پرسشنامه به ترتیب از شاخص آلفای کرونباخ ،پایایی ترکیبی ،روایی مال کی و
روایی همگرایی 3میانگین واریانس استخراجی 4و روایی واگرایی 5فورنل و الرکر و همچنین جهت آزمون سوگیری ابزار اندازهگیری از آزمون
تک عاملی هارمن 6استفاده شده است.
1 4
)SEM-PLS (Partial Least Squares Average variance extracted
2 5
Multilayer perceptron neural network Discriminant validity
3 6
Convergent validity Harman’s single factor test
-4نتایج پژوهش
یافتههای تحقیق در دو قسمت برازش مدل با رویکرد معادالت ساختاری واریانس محور و رویکرد شبکه عصبی پرسپترون چندالیه بیان
میشود .برازش مدل ساختاری واریانس محور در سه مرحله برازش مدل اندازهگیری ،برازش مدل ساختاری و برازش مدل کلی انجام
میشود .قبل از برازش مدل آزمون سوگیری روش رایج ابزار اندازهگیری انجام میشود که به اعتبار ادامه فرآیند تحلیل منتج شود.
29
جدول -2خروجی آزمون تک عاملی هارمن.
Table 2- The output of Harman's single-factor test.
Component Initial eigenvalues Extraction sums of squared loadings
Total % of variance Cumulative% Total % of variance Cumulative%
1 17.374 41.367 41.367 17.374 41.367 41.367
2 8.351 19.382 61.249
3 1.050 2.499 63.748
4 0.952 2.266 66.014
*منبع :یافتههای تحقیق
اگر کل واریانس استخراجشده توسط یک عامل بیش از 50%باشد ،سوگیری روش رایج در تحقیق وجود دارد .مشکلی در سوگیری روش
رایج در این دادهها وجود ندارد زیرا کل واریانس استخراجشده با توجه به جدول 1توسط یک عامل 41/367%بوده که کمتر از آستانه
بررسی اثرگذاری هوش تجاری و نوآوری بر عملکرد مالی استارت آپها :رویکرد مدلهای شبکه عصبی و معادالت ساختار ی
در این مرحله ،تعیین میشود که آیا مفاهیم نظری بهدرستی توسط متغیرهای مشاهدهشده اندازهگیری شدهاند یا خیر .بدین منظور اعتبار
سازه 1مدل ،موردبررسی قرار میگیرد که برای سنجش آن از دو معیار روایی همگرایی و روایی واگرایی استفاده میشود .همانگونه که در
جدول 3نیز مالحظه میگردد ،بارهای عاملی تمامی ابعاد متغیرها باالتر از 0/4است که نشان میدهد ابزار تحقیق حاضر از روش تحلیل
عاملی تاییدی نیز دارای روایی مطلوبی است و تمامی ابعاد بهخوبی سازههای خود را تبیین کردهاند.
1
Construct validity
جدول -3ادامه.
Table 3- Continued.
نتیجه سطح معنیداری عدد معنیداری بار عاملی سازه/گویه
تایید 0.000 14.903 0.666 نوآوری q25 <-
تایید 0.000 24.282 0.730 نوآوری q26 <-
تائید 0.000 27.053 0.783 یادگیری شبکهای q27 <-
تایید 0.000 25.201 0.795 یادگیری شبکهای q28 <-
تایید 0.000 28.373 0.785 یادگیری شبکهای q29 <-
30
تایید 0.000 20.054 0.744 ویژگی هوش تجاری q3 <-
تایید 0.000 35.988 0.830 یادگیری شبکه ای q30 <-
تایید 0.000 26.731 0.780 یادگیری شبکه ای q31 <-
تایید 0.000 27.223 0.777 یادگیری شبکه ای q32 <-
تایید 0.000 35.485 0.824 عملکردمالی استارت آپ q33 <-
تایید 0.000 35.226 0.823 عملکردمالی استارت آپ q34 <-
تایید 0.000 21.632 0.726 عملکردمالی استارت آپ q35 <-
تایید 0.000 24.186 0.746 عملکرد مالی استارت آپ q36 <-
تایید 0.000 36.391 0.822 عملکرد مالی استارت آپ q37 <-
جعفری اسکندری و فربد /مطالعات راهبردی مالی و بانکی ،دوره ،1شماره ،1بهار ،1402صفحه22-40 :
تایید 0.000 27.448 0.784 عملکرد مالی استارت آپ q38 <-
تایید 0.000 33.643 0.807 عملکرد مالی استارت آپ q39 <-
تایید 0.000 16.845 0.728 ویژگی هوش تجاری q4 <-
تایید 0.000 27.936 0.782 عملکرد مالی استارت آپ q40 <-
تایید 0.000 27.501 0.790 عملکرد مالی استارت آپ q41 <-
تایید 0.000 28.567 0.800 عملکرد مالی استارت آپ q42 <-
تایید 0.000 10.266 0.639 ویژگی هوش تجاری q5 <-
تایید 0.000 27.282 0.779 ویژگی هوش تجاری q6 <-
تایید 0.000 28.298 0.778 ویژگی هوش تجاری q7 <-
تایید 0.000 32.104 0.808 ویژگی هوش تجاری q8 <-
تایید 0.000 25.183 0.773 ویژگی هوش تجاری q9 <-
*منبع :یافتههای تحقیق
همانگونه که در جدولهای 3و 4مشاهده میشود با توجه به اینکه میانگین واریانس استخراجی و قابلیت اطمینان ترکیبی برای تمامی
متغیرهای پژوهش به ترتیب باالتر از 0/5و 0/7است ،میتوان بیان نمود ابزار تحقیق از روایی همگرای قابل قبولی برخوردار است .همه
گویهها در سطح اطمینان 0/95معنادار میباشند .معناداری گویهها باالتر بودن عدد معناداری از ±1/96است؛ بنابراین با توجه به مقادیر
بهدست آمده میتوان گفت که اعتبار همگرایی ابزار سنجش تایید میشود.
جهت بررسی روایی واگرا از معیار فورنل و النکر استفاده میشود این معیار با جایگذاری جذر میانگین واریانس استخراجی بهجای اعداد
1در قطر اصلی ماتریس ضریب همبستگی بهدست میآید .با توجه به جدول 5چنین استنباط میشود که این مقدار برای هر یک از متغیرها
بیش از همبستگی یک سازه با سازههای دیگر است ،بنابراین ابزار تحقیق از روایی واگرای مناسبی برخوردار است.
جدول -5بررسی روایی واگرا در ماتریس همبستگی.
Table 5- Investigating the divergent validity in the correlation matrix.
یادگیری شبکهای ویژگی هوش تجاری نوآوری عملکرد مالی استارت آپ سازه
0.627 0.612 0.686 0.626 میانگین واریانس استخراجشده
0.791 عملکرد مالی استارت آپ
0.828 0.719 نوآوری
0.782 0.715 0.311 ویژگی هوش تجاری
31 0.792 0.754 0.731 0.619 یادگیری شبکهای
*منبع :یافتههای تحقیق
با توجه به تایید مطلوب بودن مقادیر بارهای عاملی ،اعتبار همگرایی ،اعتبار افتراقی و پایایی مرکب ،برازش مدل اندازهگیری تحقیق مورد
تایید واقع میشود.
پس از تحلیل و بررسی برازش مدل اندازهگیری ،در این قسمت به بررسی برازش مدل ساختاری پرداخته میشود .درواقع ،مرحله دوم در
بررسی اثرگذاری هوش تجاری و نوآوری بر عملکرد مالی استارت آپها :رویکرد مدلهای شبکه عصبی و معادالت ساختار ی
رو یهها بهرهگیری از تحلیل مسیر ،ضریب تعیین و شاخص برازندگی مدل هست .شکلهای 2و 3مدل معادالت ساختاری و نمودار
مسیر مدل تحقیق را به همراه اعداد معنیداری و ضرایب مسیر نشان میدهد.
ضریب تعیین ،R2مهمترین معیاری است که با آن میتوان رابطه بین یک یا چند متغیر مستقل با متغیر وابسته را توضیح داد .این ضریب،
بیانکننده درصد تغییرات متغیر وابسته بهوسیله متغیرهای مستقل بوده که مقدار آن بین صفر و 1هست .ضریب استون-گیسر ،Q2معیار
قدرت پیشبینی مدل را مشخص میسازد و درصورتیکه مقدار ضریب استون-گیسر در مورد یک سازه درونزا سه مقدار 0/15 ،0/02و
0/35را کسب نماید ،به ترتیب نشان از قدرت پیشبینی ضعیف ،متوسط و قوی سازه یا سازههای برونزای مربوط به آن را دارد .جدول 6
ضریب تعیین و ضریب استون-گیسر را برای متغیرهای عملکرد مالی استارت آپ ،نوآوری و یادگیری شبکهای نشان میدهد.
32
جعفری اسکندری و فربد /مطالعات راهبردی مالی و بانکی ،دوره ،1شماره ،1بهار ،1402صفحه22-40 :
شکل -3مدل مفهومی برازش شده در حالت معناداری پارامترها.
Figure 3- Conceptual model fitted in the significance state of the parameters.
بر اساس جدول ،6حدود 87%از تغییرات متغیر عملکرد مالی استارت آپ تحت تاثیر و یژگی هوش تجاری ،نوآوری و یادگیری شبکهای
بیان میشود .همچنین با توجه به مقادیر بهدست آمده برای ضریب تعیین و قدرت پیشبینی مدل میتوان بیان نمود بخش ساختاری مدل
نیز از برازش خوبی برخوردار است.
برازندگی مدل از میانگین هندسی ضریب تعیین و میانگین اشتراکی بهدست میآید که شاخص نیکویی برازش مدل 1نامیده میشود .مقدار
شاخص نیکویی برازش مدل باید باالی 0/36باشد تا مدل ،مدل برازندهای باشد .با توجه به محاسبه شاخص نیکویی برازش مدل بر اساس
خروجیهای نرمافزار ،SmartPlsمدل از برازندگی مناسبی برخوردار است ].[51
1
Goodness of fit
()1
میانگین ضریب تعیین مدل و AverageCommunalityمیانگین شاخص بررسی اعتبار اشتراک یا روایی در معادله (،)1
متقاطع می باشد که برای محاسبه شاخص برازش نیکویی برازش مدل استفاده میشود.
()2
با توجه به سه مقدار 0/25 ،0/01و 0/36که بهعنوان مقادیر ضعیف ،متوسط و قوی برای شاخص نیکویی برازش مدل معرفی شده است،
بر اساس معادله ( )1مقدار 0/628برای شاخص نیکویی برازش مدل ،برازش بسیار مناسب مدل کلی تایید میشود ].[45
33
-4-4بررسی فرضيهها
آزمون فرضیههای تحقیق شامل آزمون اثرات مستقیم (تاثیر متغیرهای مستقل بر وابسته) ،آزمون اثرات میانجی (اثرات غیرمستقیم) و آزمون
اثرات کل (تاثیر متغیرهای مستقل بر وابسته در حضور متغیرهای میانجی) هست.
تایید فرضیه 0.000 5.684 0.411 نوآوری >-عملکرد مالی استارت آپ
تایید فرضیه 0.000 4.322 0.268 ویژگی هوش تجاری >-عملکرد مالی استارت آپ
تایید فرضیه 0.000 15.903 0.613 ویژگی هوش تجاری >-نوآوری
تایید فرضیه 0.000 5.024 0.354 ویژگی هوش تجاری >-یادگیری شبکهای
تایید فرضیه 0.000 16.815 0.713 یادگیری شبکهای >-عملکرد مالی استارت آپ
تایید فرضیه 0.000 11.154 0.514 یادگیری شبکهای >-نوآوری
*منبع :یافتههای تحقیق
قابلذکر است درصورتیکه اعداد معناداری باالتر از عدد 1 /96باشد ،میتوان معناداری مسیر میان دو متغیر را تایید نمود و بر وجود این
رابطه صحه گذاشت .ازاینرو بر اساس جدول ،8فرضیههای 5 ،4 ،3 ،2 ،1و 6تحقیق موردپذیرش قرار میگیرند.
جدول 9آزمون متغیرهای میانجی را نشان میدهد ،میتوان نتیجه گرفت که متغیر یادگیری شبکهای و نوآوری نقش میانجی بین و یژگی
هوش تجاری و عملکرد مالی استارت آپ دارد .چون اعداد معناداری بهدست آمده باالتر از 1/96هست؛ بنابراین میتوان چنین استنباط
کرد که متغیرهای میانجی تایید شده ،میانجی کامل میباشند چون مطابق جدول 8مسیرهای مستقیم معنادار میباشند.
جدول 10میزان اثرگذاری متغیرهای مستقل بر وابسته در حضور متغیرهای میانجی نشان میدهد ،میتوان نتیجه گرفت که چون اعداد
معناداری باالتر از عدد 1 /96باشد ،میتوان معناداری مسیر میان دو متغیر را تایید نمود و بر وجود این رابطه صحه گذاشت .ازاینرو بر
اساس جدول ،10میزان اثرگذاری کل متغیرهای مستقل تاثیرگذار بر وابسته بیان میشود.
جدول -10اثرگذاری کل متغيرهای مستقل بر متغير وابسته.
Table 10- The effect of all independent variables on the dependent variable.
اثر کل اثر غیرمستقیم اثر مستقیم مسیر
0.411 - 0.411 نوآوری >-عملکرد مالی استارت آپ
0.311 0.063 0.268 ویژگی هوش تجاری >-عملکرد مالی استارت آپ
0.924 0.211 0.713 یادگیری شبکهای >-عملکرد مالی استارت آپ
*منبع :یافتههای تحقیق
بر اساس جدول 11و شکل 4چنین نتیجهگیری میشود که در بین متغیرهای مستقل و میانجی تاثیرگذار بر عملکرد مالی استارت آپها، 34
متغیر یادگیری شبکهای با ضریب اثر کل 0/924در اولویت اول ،نوآوری با ضریب اثر کل 0/411در اولویت دوم و و یژگی هوش تجاری
با ضریب اثر کل 0/311در اولویت سوم میباشند.
جعفری اسکندری و فربد /مطالعات راهبردی مالی و بانکی ،دوره ،1شماره ،1بهار ،1402صفحه22-40 :
شکل -4اولویتبندی عوامل تاثيرگذار بر عملکرد مالی استارت آپها.
Figure 4- Prioritization of factors affecting the financial performance of start-ups.
پایه اصلی معادالت ساختاری واریانس محور ایجاد مدلهای توضیحی باقدرت پیشبینی قابلقبول است .معادالت ساختاری واریانس
محور با به حداکثر رساندن میزان واریانس توضیح دادهشده سازههای درونزای تعبیهشده در یک مدل مسیر فرضی ،سازوکارهایی را تولید
میکند که بهوسیله آنها پیشبینی تولید میشود .این و یژگی معادالت ساختاری واریانس محور را از ابزارهای مختلف یادگیری ماشین که
برای اهداف پیشبینی طراحیشدهاند ،متمایز میکند .ارزیابی قدرت پیشبینی یک مدل آماری یک عنصر مهم در هر مطالعه است .تمرکز
محققان مدیریتی و بازاریابی بیشتر دنبال این هستند که آیا ضرایب مدل قابلتوجه ،معنیدار و در جهت فرضیه هستند نه آزمون اینکه یک
مدل میتواند موارد جدید را پیشبینی کند .معادالت ساختاری واریانس محور یک روش "پیش بینی-علی" است ] .[48برای ارزیابی قدرت
پیشبینی مدلهای معادالت ساختاری واریانس محور از شاخص ریشه میانگین مربعات خطا 1که توسط شموئلی و همکاران ] [49در
نرمافزار SmartPlsمطرحشده است استفاده میشود .نتایج قدرت پیشبینی مدل برازش شده شکل 2بهصورت جدول 11هست.
1
)Root Mean Square Error (RMSE
-4-6برازش مدل شبکه عصبی پرسپترون چندالیه
شکل 5شبکه عصبی پرسپترون چندالیه MLPشبکه عصبی از نوع پیشخور است .شبکه از تکنیک پس انتشار برای یادگیری استفاده
میکند .یکالیه ورودی از نورونها دارد که بهعنوان گیرنده عمل میکند ،یک یا چندالیه مخفی از نورونها که دادهها را محاسبه میکنند
و تحت تکرار قرار میگیرند و سپس الیه خروجی که خروجی را پیشبینی میکند ].[50
35
همچنان که در جدول 12مشاهده میشود معماری شبکه عصبی حاصل شامل 6الیه ورودی 1 ،الیه میانی با 2واحد و 1الیه خروجی
است .تابع عملکرد مورداستفاده به ترتیب در الیه میانی و خروجی تابع هیپربولیک تانژانت و تابع همانی و تابع خطای مورداستفاده در الیه
خروجی مجموع مربعات هست .از روش استانداردسازی دادهها برای ورود متغیرها به مدل استفادهشده است که 69/9%دادهها بهعنوان
نمونه آموزشی 1و 30/1%دادهها بهعنوان نمونه آزمایشی 2میباشند.
میزان اثرگذاری متغیرهای مستقل در مدل ساختار شبکه عصبی بهصورت جدول 13و شکل 7هست .چنین نتیجه میشود که یادگیری
شبکهای با میزان اثرگذاری 100%در اولویت اول ،نوآوری با میزان اثرگذاری 85.5%در اولویت دوم ،رسمی بودن با میزان اثرگذاری
18.9%در اولویت سوم ،سودمندی درک شده با میزان اثرگذاری 17.5%در اولویت چهارم و جامعیت درون صنعتی در اولویت آخر
هست.
1 2
Traninig Testing
36
جعفری اسکندری و فربد /مطالعات راهبردی مالی و بانکی ،دوره ،1شماره ،1بهار ،1402صفحه22-40 :
شکل -6مدل شبکه عصبی پرسپترون چندالیه با 1الیه ورودی ،یکالیه نهانی و یکالیه خروجی.
Figure 6- Multilayer perceptron neural network model with 1 input layer, one hidden layer
and one output layer.
0/349 نوآوری
نتایج قدرت پیشبینی مدل برازش شده شکل 6بهصورت جدول 14است.
جدول -14ارزیابی قدرت پيشبينی مدل شبکه عصبی تابع پرسپترون چندالیه.
Table 14- Evaluation of the predictive power of the multi-layer perceptron function neural
network model.
RMSE Max Min Mean )MLP Predictions (Descriptives
0.016 4.144 2.052 3.087 عملکرد مالی استارت آپ
-4-8تحليل حساسيت
در این پژوهش از روش معادالت ساختاری واریانس محور و شبکه عصبی پرسپترون چندالیه برای برازش مدل مفهومی تحقیق استفاده
شد .نتایج تحقیق معادالت ساختاری واریانس محور نشان داد که متغیرهای و یژگی هوش تجاری ،نوآوری و یادگیری شبکهای بر عملکرد
مالی استارت آپها تاثیر مستقیم و مثبتی داشتند .پس از برازش مدل تحقیق با رویکرد معادالت ساختاری واریانس محور و شبکه عصبی
پرسپترون چندالیه ،در هر دو رویکرد نوآوری باالترین تاثیر را بر عملکرد مالی استارت آپها داشتند .هر دو رویکرد توانایی پیشبینی
عملکرد مالی استارت آپها را داشتند .برای ارزیابی مدل برازش شده با دو رویکرد ،از شاخص ریشه میانگین مربعات خطا استفاده شد.
همچنانکه شکل 8نشان میدهد مقدار ریشه میانگین مربعات خطا در رویکرد شبکه عصبی پرسپترون چندالیه برابر 0/016و در رویکرد
معادالت ساختاری واریانس محور برابر 0/780میباشد بنابراین روش شبکه عصبی پرسپترون چندالیه با خطای خیلی کمتری توانایی
پیشبینی عملکرد مالی استارت آپها را داشته و میتواند بهعنوان مدل بهینه مورداستفاده قرار گیرد.
38
تاثیر هوش تجاری بر روی عملکرد مالی استارت آپها در این مطالعه بررسی شده است .با توجه به تحلیلهای توصیفی انجامشده چنین
جعفری اسکندری و فربد /مطالعات راهبردی مالی و بانکی ،دوره ،1شماره ،1بهار ،1402صفحه22-40 :
نتیجهگیری میشود که از نظر جنسیت از 153نمونه 23 ،نفر معادل 15%زن 130 ،نفر معادل 85%مرد بودهاند .از نظر سن ،بیشترین
درصد پاسخگو یان در رده سنی 35تا 40با 69.6%معادل 107نفر میباشند .از نظر وضعیت تحصیالت ،باالترین فراوانی در مقطع
تحصیلی فوقلیسانس با 77نفر معادل 50.3%مشاهده شد .از آنجاییکه حجم نمونه کمتر از حداقل 200نمونه بود از روش معادالت
ساختاری واریانس محور PLSبرای آزمون کردن فرضیهها در مقایسه با روش شبکه عصبی پرسپترون چندالیه استفاده گردید .خروجی مدل
ها نشان داد که هوش تجاری هم بهصورت مستقیم و هم بهصورت غیرمستقیم در عملکرد مالی استارت آپها تاثیرگذار هستند که
تحقیقهای مرتبط هوانگ و همکاران ] [7و کاسیرو و کوئلهو ] [16را تایید مینماید؛ اما از آنجاییکه در بحث استارت آپها بحث نوآوری
و یادگیری شبکهای در اولو یت باالتری است به هوش تجاری اهمیت کمتری داده میشود .لذا پیشنهاد میشود در همان لحظه شکلگیری
استارت آپها بحث هوش تجاری و به معنای واقعی بحث نوآوری منطبق بر تحلیل داده که یکی از ابزارهای مصورسازی هوش تجاری
است استفاده شود .هوش تجاری معموال قابلیتی است که شرکتها توسعه و کشف میکنند و میتواند بر اطالعات موجود تاثیر بگذارد.
میتوان آن را یک متغیر سازمانی داخلی درنظر گرفت و همانطور که در ادبیات قبلی بیان شد ،میتواند بر عملکرد تاثیر بگذارد.
هوش تجاری میتواند ابعاد یادگیری شبکه و نوآوری را افزایش دهد .ازاینرو ،تاثیر مثبت منجر به رفتارهای عملکرد بهتر میشود .از طرف
دیگر در این تحقیق شاخصهای متفاوتی به جای شاخصهای مالی مورداستفاده قرار گرفتند ،زیرا برخی از نو یسندگان استدالل میکنند
که در واقعیت کاربرد محدودی دارند .اگر چرخه حیات نوپای این استارت آپها را درنظر بگیریم ،ارقام مالی لزوما منعکسکننده بهبودهای
پایدار در عملکرد رقابتی آنها نیستند و بهسختی بهدست میآیند و تفسیر آنها در زمینه سرمایهگذاریهای جدید دشوار است؛ بنابراین
پیشنهاد میشود در آینده تاثیر عوامل خارجی مانند آشفتگی محیطی یا سایر مفاهیم مهم در ادبیات کارآفرینی ،مانند قابلیتهای پو یا یا
ظرفیت جذب و همچنین رشد فروش حاصل از ارایه خدمات یا تولید بر عملکرد مالی استارت آپها بررسی شود.
تقدیر و تشکر
بدینوسیله از ریاست محترم مراکز رشد و پارکهای فناوری خصوصا پارکهای علم و فناوری و مراکز رشد دانشگاه پیام نور به خاطر
حمایت معنوی در اجرای پژوهش حاضر سپاسگزاری میشود.
منابع
[1] Katila, R., Chen, E. L., & Piezunka, H. (2012). All the right moves: How entrepreneurial firms compete effectively.
Strategic entrepreneurship journal, 6(2), 116–132. DOI:10.1002/sej.1130
[2] Man, T. W. Y., Lau, T., & Chan, K. F. (2002). The competitiveness of small and medium enterprises: A
conceptualization with focus on entrepreneurial competencies. Journal of business venturing, 17(2), 123–142.
DOI:10.1016/S0883-9026(00)00058-6
[3] Raghuvanshi, J., Agrawal, R., & Ghosh, P. K. (2017). Analysis of barriers to women entrepreneurship: the
DEMATEL approach. Journal of entrepreneurship, 26(2), 220–238. DOI:10.1177/0971355717708848
[4] Guzman, J., & Kacperczyk, A. (2019). Gender gap in entrepreneurship. Research policy, 48(7), 1666–1680.
DOI:10.1016/j.respol.2019.03.012
[5] Foster, K., Smith, G., Ariyachandra, T., & Frolick, M. N. (2015). Business intelligence competency center:
improving data and decisions. Information systems management, 32(3), 229–233.
DOI:10.1080/10580530.2015.1044343
[6] Zahra, S. A., Neubaum, D. O., & El–Hagrassey, G. M. (2002). Competitive analysis and new venture performance:
understanding the impact of strategic uncertainty and venture origin. Entrepreneurship theory and practice, 27(1),
1–28. DOI:10.1111/1540-8520.t01-2-00001
[7] Huang, Z. xiong, Savita, K. S., & Zhong-jie, J. (2022). The Business Intelligence impact on the financial
performance of start-ups. Information processing and management, 59(1), 102761.
39 DOI:10.1016/j.ipm.2021.102761
[8] Lonial, S. C., & Carter, R. E. (2015). The impact of organizational orientations on medium and small firm
performance: A resource-based perspective. Journal of small business management, 53(1), 94–113.
DOI:10.1111/jsbm.12054
[9] Wiklund, J., & Shepherd, D. A. (2011). Where to from here? EO-as-experimentation, failure, and distribution of
outcomes. Entrepreneurship: theory and practice, 35(5), 925–946. DOI:10.1111/j.1540-6520.2011.00454.x
[10] Villar, C., Alegre, J., & Pla-Barber, J. (2014). Exploring the role of knowledge management practices on exports:
A dynamic capabilities view. International business review, 23(1), 38–44. DOI:10.1016/j.ibusrev.2013.08.008
[11] Colombelli, A., Krafft, J., & Quatraro, F. (2013). Properties of knowledge base and firm survival: Evidence from
a sample of French manufacturing firms. Technological forecasting and social change, 80(8), 1469–1483.
DOI:10.1016/j.techfore.2013.03.003
رویکرد مدلهای شبکه عصبی و معادالت ساختار ی:بررسی اثرگذاری هوش تجاری و نوآوری بر عملکرد مالی استارت آپها
[12] Wanda, P., & Stian, S. (2015). The secret of my success: an exploratory study of business intelligence management
in the Norwegian Industry. Procedia computer science, 64, 240–247. DOI:10.1016/j.procs.2015.08.486
[13] Hoppe, M. (2015). Intelligence as a discipline, not just a practice. Journal of intelligence studies in business, 5(3),
47–54. DOI:10.37380/jisib.v5i3.137
[14] Trieu, V. H. (2017). Getting value from Business Intelligence systems: A review and research agenda. Decision
support systems, 93, 111–124. DOI:10.1016/j.dss.2016.09.019
[15] Gerschewski, S., & Xiao, S. S. (2015). Beyond financial indicators: An assessment of the measurement of
performance for international new ventures. International business review, 24(4), 615–629.
DOI:10.1016/j.ibusrev.2014.11.003
[16] Caseiro, N., & Coelho, A. (2019). The influence of Business Intelligence capacity, network learning and
innovativeness on startups performance. Journal of innovation and knowledge, 4(3), 139–145.
DOI:10.1016/j.jik.2018.03.009
[17] Hitt, M. A., Ireland, R. D., Camp, S. M., & Sexton, D. L. (2001). Strategic entrepreneurship: entrepreneurial
strategies for wealth creation. Strategic management journal, 22(6–7), 479–491. DOI:10.1002/smj.196
[18] Psarras, J. (2006). Education and training in the knowledge-based economy. Vine, 36(1), 85–96.
[19] Wang, Z., & Wang, N. (2012). Knowledge sharing, innovation and firm performance. Expert systems with
applications, 39(10), 8899–8908.
[20] Larsson, R., Bengtsson, L., Henriksson, K., & Sparks, J. (1998). The Interorganizational learning dilemma:
collective knowledge development in strategic alliances. Organization science, 9(3), 285–305.
DOI:10.1287/orsc.9.3.285
[21] Jamal Ali, B., & Anwar, G. (2021). Measuring competitive intelligence network and its role on business
performance. International journal of english literature and social sciences, 6(2), 329–345.
DOI:10.22161/ijels.62.50
[22] Weerawardena, J., Mort, G. S., Salunke, S., Knight, G., & Liesch, P. W. (2015). The role of the market sub-system
and the socio-technical sub-system in innovation and firm performance: a dynamic capabilities approach. Journal
of the academy of marketing science, 43(2), 221–239. DOI:10.1007/s11747-014-0382-9
[23] Frank, H., Kessler, A., Mitterer, G., & Weismeier-sammer, D. (2012). Learning orientation of SMEs and Its impact
on firm performance. Journal of marketing development and competitiveness, 6(3), 29–42.
[24] Larrañeta, B., Zahra, S. A., & González, J. L. G. (2012). Enriching strategic variety in new ventures through
external knowledge. Journal of business venturing, 27(4), 401–413.
[25] Shan, P., Song, M., & Ju, X. (2016). Entrepreneurial orientation and performance: Is innovation speed a missing
link? Journal of business research, 69(2), 683–690. DOI:10.1016/j.jbusres.2015.08.032
[26] Paradkar, A., Knight, J., & Hansen, P. (2015). Innovation in start-ups: Ideas filling the void or ideas devoid of
resources and capabilities? Technovation, 41, 1–10. DOI:10.1016/j.technovation.2015.03.004
[27] Gunday, G., Ulusoy, G., Kilic, K., & Alpkan, L. (2011). Effects of innovation types on firm performance.
International journal of production economics, 133(2), 662–676. DOI:10.1016/j.ijpe.2011.05.014
[28] Calantone, R. J., Cavusgil, S. T., & Zhao, Y. (2002). Learning orientation, firm innovation capability, and firm
performance. Industrial marketing management, 31(6), 515–524. DOI:10.1016/S0019-8501(01)00203-6
[29] Wang, C. L., & Ahmed, P. K. (2004). The development and validation of the organisational innovativeness
construct using confirmatory factor analysis. European journal of innovation management, 7(4), 303–313.
DOI:10.1108/14601060410565056
[30] Prajogo, D. I. (2016). The strategic fit between innovation strategies and business environment in delivering
business performance. International journal of production economics, 171, 241–249.
DOI:10.1016/j.ijpe.2015.07.037
[31] Wiklund, J., & Shepherd, D. (2003). Knowledge-based resources, entrepreneurial orientation, and the performance
of small and medium-sized businesses. Strategic management journal, 24(13), 1307–1314.
[32] Lukman, T., Hackney, R., Popovič, A., Jaklič, J., & Irani, Z. (2011). Business intelligence maturity: The economic
transitional context within Slovenia. Information systems management, 28(3), 211–222.
DOI:10.1080/10580530.2011.585583
[33] AL-Shubiri, F. N. (2012). Measuring the impact of business intelligence on performance: an empirical study.
Polish journal of management studies, 6, 162–173.
[34] Adidam, P. T., Banerjee, M., & Shukla, P. (2012). Competitive intelligence and firm’s performance in emerging
markets: An exploratory study in India. Journal of business and industrial marketing, 27(3), 242–254.
DOI:10.1108/08858621211207252
[35] Hannula, M., & Pirttimaki, V. (2003). Business intelligence empirical study on the top 50 Finnish companies. 40
Journal of american academy of business, 2(2), 593–599.
[36] Venter, P., & Tustin, D. (2012). The availability and use of competitive and business intelligence in South African
business organisations. Southern african business review, 13(2), 88–117.
[37] Hoppe, M., Hamrefors, S., & Soilen, K. S. (2009). Competitive intelligence: competing, consuming and
collaborating in a flat world. Proceedings of the third european competitive intelligence symposium.
[38] Chang, Y. W., Hsu, P. Y., & Wu, Z. Y. (2015). Exploring managers’ intention to use business intelligence: The
role of motivations. Behaviour and information technology, 34(3), 273–285.
DOI:10.1080/0144929X.2014.968208
[39] Berndtsson, B. (2015). A Brunn–Minkowski type inequality for Fano manifolds and some uniqueness theorems in
Kähler geometry. Inventiones mathematicae, 200(1), 149–200. DOI:10.1007/s00222-014-0532-1
22-40 : صفحه،1402 بهار،1 شماره،1 دوره، مطالعات راهبردی مالی و بانکی/ جعفری اسکندری و فربد
[40] Shollo, A., & Galliers, R. D. (2016). Towards an understanding of the role of business intelligence systems in
organisational knowing. Information systems journal, 26(4), 339–367. DOI:10.1111/isj.12071
[41] Bruyat, C., & Julien, P. A. (2001). Defining the field of research in entrepreneurship. Journal of business venturing,
16(2), 165–180. DOI:10.1016/S0883-9026(99)00043-9
[42] Wang, C. L. (2008). Entrepreneurial orientation, learning orientation, and firm performance. Entrepreneurship
theory and practice, 32(4), 635–657.
[43] Dhliwayo, S. (2014). Entrepreneurship and competitive strategy: an integrative approach. Journal of
entrepreneurship, 23(1), 115–135. DOI:10.1177/0971355713513356
[44] Cepeda-Carrion, G., Cegarra-Navarro, J. G., & Jimenez-Jimenez, D. (2012). The effect of absorptive capacity on
innovativeness: Context and information systems capability as catalysts. British journal of management, 23(1),
110–129. DOI:10.1111/j.1467-8551.2010.00725.x
[45] Sangar, A. B., & Iahad, N. B. A. (2013). Critical Factors that Affect the Success of Business Intelligence Systems
(BIS) Implementation in an Organization. International journal of scientific & technology research, 2(2), 176–
180.
[46] Martini, A., Neirotti, P., & Appio, F. P. (2017). Knowledge searching, integrating and performing: always a tuned
trio for innovation? Long range planning, 50(2), 200–220. DOI:10.1016/j.lrp.2015.12.020
[47] Hani, E. H. (2021). The Effect Of Key Business Success Factors On Start-Up Performance. Network interlligence
studies, 11(18), 117–129.
[48] Garson, J. . (2018). Smart PLS partial least squares, structural equation and regression models. Mehregan Ghalam
Publications.
[49] Ucbasaran, D., Westhead, P., & Wright, M. (2009). The extent and nature of opportunity identification by
experienced entrepreneurs. Journal of business venturing, 24(2), 99–115. DOI:10.1016/j.jbusvent.2008.01.008
[50] Kock, N. (2021). Harman’s single factor test in PLS-SEM: Checking for common method bias. Data analysis
perspectives journal, 2(2), 1–6.
[51] Vinzi, V. E., Trinchera, L., & Amato, S. (2010). PLS path modeling: from foundations to recent developments and
open issues for model assessment and improvement. Handbook of partial least squares, 47–82. DOI:10.1007/978-
3-540-32827-8_3
[52] Joreskog, K. G. (1982). The ML and PLS techniques for modeling with latent variables: Historical and comparative
aspects. Systems under indirect observation, part i, 263–270.
[53] Shmueli, G., Sarstedt, M., Hair, J. F., Cheah, J. H., Ting, H., Vaithilingam, S., & Ringle, C. M. (2019). Predictive
model assessment in PLS-SEM: guidelines for using PLSpredict. European journal of marketing, 53(11), 2322–
2347. DOI:10.1108/EJM-02-2019-0189
[54] Desai, M., & Shah, M. (2021). An anatomization on breast cancer detection and diagnosis employing multi-layer
perceptron neural network (MLP) and Convolutional neural network (CNN). Clinical ehealth, 4, 1–11.
DOI:10.1016/j.ceh.2020.11.002