Enhancing Accounting Decision Quality through Business Intelligence Capabilities with Accounting Information Quality as a Mediator and Technology Investment Readiness as a Moderator

तकनीकी सारांश: बिजनेस इंटेलिजेंस क्षमताओं के माध्यम से लेखांकन निर्णय की गुणवत्ता को बढ़ाना

समस्या विवरण
तेजी से बढ़ते डेटा-संचालित व्यावसायिक वातावरण में, संगठन अस्थिर बाजारों और जटिल नियामक मांगों का सामना कर रहे हैं जिनके लिए सटीक, समय पर और डेटा-आधारित निर्णय लेने की आवश्यकता होती है। जबकि बिजनेस इंटेलिजेंस (BI) क्षमताओं को कच्चे डेटा को अंतर्दृष्टि (insights) में बदलने के लिए रणनीतिक संपत्ति के रूप में मान्यता प्राप्त है, इस बात को समझने में एक अंतर है कि ये क्षमताएं विशेष रूप से लेखांकन निर्णय गुणवत्ता (accounting decision quality) में सुधार में कैसे परिवर्तित होती हैं। मौजूदा साहित्य अक्सर BI को निर्णयों के प्रत्यक्ष चालक के रूप में मानता है या सामान्य प्रबंधकीय निर्णयों पर ध्यान केंद्रित करता है, जिससे लेखांकन सूचना गुणवत्ता (accounting information quality) की विशिष्ट मध्यस्थ भूमिका और एक संगठन की प्रौद्योगिकी निवेश तत्परता (technology investment readiness) के प्रासंगिक प्रभाव की उपेक्षा की जाती है। इसके अलावा, कई संगठन BI टूल्स में निवेश तो करते हैं, लेकिन वे उन आवश्यक शर्तों (जैसे डेटा गवर्नेंस और बुनियादी ढांचा तत्परता) को नहीं समझ पाते जो उनके प्रभाव को अधिकतम करने के लिए आवश्यक हैं। यह अध्ययन इन अंतरालों को संबोधित करने के लिए BI क्षमताओं के माध्यम से लेखांकन निर्णयों को प्रभावित करने वाले तंत्र की जांच करता है, जिसे सूचना गुणवत्ता द्वारा मध्यस्थता दी गई है और प्रौद्योगिकी तत्परता द्वारा मॉडरेट (moderate) किया गया है।

कार्यप्रणाली
यह अध्ययन एक क्रॉस-सेक्शनल सर्वेक्षण दृष्टिकोण का उपयोग करके एक मात्रात्मक अनुसंधान डिजाइन अपनाता है।

• नमूना और जनसंख्या: डेटा जॉर्डन के संगठनों के 300 कर्मचारियों से एकत्र किया गया था, जिसमें विशेष रूप से लेखांकन, वित्त, ऑडिटिंग, सूचना प्रणाली और प्रबंधकीय भूमिकाओं में व्यक्तियों को लक्षित किया गया था जिनके पास लेखांकन सूचना प्रणाली और निर्णय लेने की प्रक्रियाओं का सीधा अनुभव है।
• उपकरण: एक संरचित प्रश्नावली का उपयोग किया गया था, जो पांच-बिंदु लिकर्ट स्केल (five-point Likert scale) पर छह प्रमुख निर्माणों (constructs) को मापता है:
  1. स्वतंत्र चर (Independent Variables): बिजनेस इंटेलिजेंस क्षमताएं, जिन्हें तीन आयामों के माध्यम से संचालित किया गया है: डेटा प्रबंधन क्षमता (Data Management Capability), डेटा एनालिटिक्स क्षमता (Data Analytics Capability), और रिपोर्टिंग एवं विज़ुअलाइज़ेशन क्षमता (Reporting and Visualization Capability)।
  2. मध्यस्थ (Mediator): लेखांकन सूचना गुणवत्ता (सटीकता, प्रासंगिकता, समयबद्धता, पूर्णता, विश्वसनीयता, बोधगम्यता)।
  3. आश्रित चर (Dependent Variable): लेखांकन निर्णय गुणवत्ता (बजट बनाने, लागत नियंत्रण, निवेश आदि के संबंध में निर्णयों की तर्कसंगतता, समयबद्धता, उपयोगिता)।
  4. मॉडरेटर (Moderator): प्रौद्योगिकी निवेश तत्परता (डिजिटल बुनियादी ढांचे, प्रशिक्षण और सिस्टम एकीकरण में निवेश करने की वित्तीय, तकनीकी और प्रबंधकीय क्षमता)।
• विश्लेषण: डेटा का विश्लेषण SmartPLS 4 (पार्शियल लीस्ट स्क्वायर्स स्ट्रक्चरल इक्वेशन मॉडलिंग) का उपयोग करके किया गया था। विश्लेषण दो चरणों वाली प्रक्रिया का पालन करता है:
  1. मापन मॉडल मूल्यांकन (Measurement Model Assessment): विश्वसनीयता (क्रोनबैक अल्फा, कंपोजिट रिलायबिलिटी) और वैधता (AVE के माध्यम से अभिसरण वैधता, HTMT और फोरेल-लार्कर मानदंडों के माध्यम से विभेदक वैधता) के लिए मूल्यांकन किया गया।
  2. संरचनात्मक मॉडल मूल्यांकन (Structural Model Assessment): पथ गुणांक (path coefficients), t-मानों और p-मानों का उपयोग करके प्रत्यक्ष, मध्यस्थ और मॉडरेटिंग संबंधों का परीक्षण किया गया। अध्ययन ने $R^2$ (निर्धारण गुणांक), $Q^2$ (भविष्यवाणी प्रासंगिकता), और $f^2$ (प्रभाव आकार) का भी मूल्यांकन किया।

प्रमुख परिणाम
संरचनात्मक मॉडल विश्लेषण ने सभी दस प्रस्तावित परिकल्पनाओं का समर्थन किया:

1. सूचना गुणवत्ता पर प्रत्यक्ष प्रभाव: तीनों BI क्षमता आयामों का लेखांकन सूचना गुणवत्ता (AIQ) पर महत्वपूर्ण और सकारात्मक प्रभाव पड़ता है।
   • डेटा एनालिटिक्स क्षमता ने सबसे मजबूत प्रभाव ($\beta = 0.337$) दिखाया।
   • डेटा प्रबंधन क्षमता इसके बाद आई ($\beta = 0.284$)।
   • रिपोर्टिंग और विज़ुअलाइज़ेशन क्षमता का भी महत्वपूर्ण सकारात्मक प्रभाव रहा ($\beta = 0.246$)।
2. निर्णय गुणवत्ता पर प्रभाव: लेखांकन सूचना गुणवत्ता, लेखांकन निर्णय गुणवत्ता को महत्वपूर्ण और सकारात्मक रूप से प्रभावित करती है ($\beta = 0.712$), जो यह दर्शाता है कि उच्च-गुणवत्ता वाली सूचना निर्णय की गुणवत्ता का प्राथमिक चालक है।
3. मध्यस्थता (Mediation): लेखांकन सूचना गुणवत्ता, BI क्षमताओं और लेखांकन निर्णय गुणवत्ता के बीच संबंधों को महत्वपूर्ण रूप से मध्यस्थ करती है। तीनों BI आयामों के लिए अप्रत्यक्ष प्रभाव महत्वपूर्ण थे, जिसमें AIQ के माध्यम से डेटा एनालिटिक्स क्षमता से निर्णय गुणवत्ता तक का पथ सबसे मजबूत अप्रत्यक्ष पथ ($\beta = 0.240$) था। अध्ययन नोट करता है कि जबकि मध्यस्थता महत्वपूर्ण है, रिपोर्टिंग और विज़ुअलाइज़ेशन क्षमता और निर्णय गुणवत्ता के बीच का संबंध आंशिक रूप से मध्यस्थ है, क्योंकि यह क्षमता अन्य तंत्रों या प्रत्यक्ष पथों के माध्यम से भी निर्णय गुणवत्ता को प्रभावित करती है जिन्हें पूर्ण मध्यस्थता के रूप में पूरी तरह से अलग नहीं किया गया है।
4. मॉडरेशन (Moderation): प्रौद्योगिकी निवेश तत्परता (TIR), तीनों BI क्षमताओं और लेखांकन सूचना गुणवत्ता के बीच के संबंधों को सकारात्मक रूप से मॉडरेट करती है। इसका अर्थ है कि BI क्षमताओं का सूचना गुणवत्ता पर सकारात्मक प्रभाव तब बढ़ जाता है जब किसी संगठन में प्रौद्योगिकी (जैसे बुनियादी ढांचा, प्रशिक्षण, सिस्टम अपग्रेड) में निवेश करने की उच्च तत्परता होती है।
5. व्याख्यात्मक शक्ति: मॉडल लेखांकन सूचना गुणवत्ता में 68.4% भिन्नता और लेखांकन निर्णय गुणवत्ता में 50.7% भिन्नता की व्याख्या करता है।

प्रमुख योगदान

• सैद्धांतिक: यह अध्ययन लेखांकन संदर्भ के भीतर रिसोर्स-बेस्ड व्यू (RBV) और डेलोने एवं मैकलिन इंफॉर्मेशन सिस्टम सक्सेस मॉडल का विस्तार करता है। यह अनुभवजन्य रूप से प्रमाणित करता है कि BI क्षमताएं रणनीतिक संसाधनों के रूप में कार्य करती हैं जो मुख्य रूप से सूचना की गुणवत्ता में सुधार के माध्यम से निर्णय की गुणवत्ता को बढ़ाती हैं, न कि सीधे लिंक के माध्यम से।
• प्रासंगिक: यह प्रौद्योगिकी निवेश तत्परता को एक महत्वपूर्ण सीमा शर्त के रूप में पेश करता है, यह प्रदर्शित करता है कि BI क्षमताओं की प्रभावकारिता इन उपकरणों को समर्थन देने के लिए संगठन की वित्तीय और तकनीकी तैयारी पर निर्भर करती है।
• व्यावहारिक: निष्कर्ष प्रबंधकों और लेखाकारों को कार्रवाई योग्य मार्गदर्शन प्रदान करते हैं, इस बात पर जोर देते हैं कि केवल BI टूल्स में निवेश करना पर्याप्त नहीं है। सफलता के लिए एक समग्र दृष्टिकोण की आवश्यकता है जिसमें मजबूत डेटा प्रबंधन, उन्नत एनालिटिक्स प्रशिक्षण, स्पष्ट विज़ुअलाइज़ेशन उपकरण और तकनीकी बुनियादी ढांचे तथा मानव पूंजी के विकास के प्रति दृढ़ प्रतिबद्धता शामिल है।

महत्व और दावे
यह शोध पत्र लेखांकन निर्णय लेने के लिए एक एकीकृत मॉडल में BI क्षमताओं, सूचना गुणवत्ता और प्रौद्योगिकी तत्परता को एकीकृत करके एक महत्वपूर्ण शोध अंतराल को भरने का दावा करता है। लेखक दावा करते हैं कि उनका अध्ययन स्पष्ट करता है कि BI क्षमताएं कैसे बेहतर निर्णय (सूचना गुणवत्ता के माध्यम से) की ओर ले जाती हैं और वे किन परिस्थितियों में (उच्च प्रौद्योगिकी तत्परता के साथ) सबसे प्रभावी होती हैं।

अध्ययन निष्कर्ष निकालता है कि लेखांकन निर्णय की गुणवत्ता बढ़ाने के लिए संगठनों को:

1. डेटा की सटीकता और एकीकरण सुनिश्चित करने के लिए डेटा गवर्नेंस और प्रबंधन को प्राथमिकता देनी चाहिए।
2. रुझानों और जोखिमों को उजागर करने के लिए पारंपरिक रिपोर्टिंग से उन्नत डेटा एनालिटिक्स की ओर बढ़ना चाहिए।
3. जटिल डेटा को समझने योग्य बनाने के लिए विज़ुअलाइज़ेशन टूल्स का उपयोग करना चाहिए।
4. यह सुनिश्चित करना चाहिए कि BI में निवेश को आवश्यक तकनीकी बुनियादी ढांचे और मानव पूंजी (प्रशिक्षण) के निवेश के साथ सुमेलित किया जाए।

लेखक विनम्रतापूर्वक सीमाओं को स्वीकार करते हैं, जिसमें डेटा की क्रॉस-सेक्शनल प्रकृति (जो समय के साथ कारण संबंधी अनुमान लगाने से रोकती है), स्व-रिपोर्ट किए गए धारणाओं पर निर्भरता, और नमूने का जॉर्डन के संगठनों तक सीमित होना शामिल है। वे सुझाव देते हैं कि भविष्य के शोध को अनुदैर्ध्य (longitudinal) डिजाइनों, विभिन्न राष्ट्रीय संदर्भों और AI एवं प्रेडिक्टिव एनालिटिक्स जैसे अतिरिक्त BI आयामों की खोज करनी चाहिए।