آمار
| تعداد نشریات | 14 |
| تعداد شماره‌ها | 212 |
| تعداد مقالات | 2,005 |
| تعداد مشاهده مقاله | 3,506,141 |
| تعداد دریافت فایل اصل مقاله | 2,833,782 |
تأثیر قابلیت‌های سازمانی بر عملکرد شرکت‌های گردشگری و مهمان‌نوازی با نقش میانجی پذیرش هوش تجاری و نقش تعدیل‌کننده جهت‌گیری فناورانه | ||
| مجله مالی و پایداری شرکتی | ||
| دوره 2، شماره 2 - شماره پیاپی 4، شهریور 1405، صفحه 99-133 اصل مقاله (1.86 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30466/jfcs.2026.57218.1061 | ||
| نویسندگان | ||
| سید محمد تفرشی* 1؛ زهرا مرادیان2؛ هادی میر محرابی2 | ||
| 1استادیار، گروه مدیریت، واحد تربت حیدریه، دانشگاه آزاد اسلامی، تربت حیدریه، ایران | ||
| 2دانشجوی دکتری، گروه مدیریت، واحد تربت حیدریه، دانشگاه آزاد اسلامی، تربت حیدریه، ایران | ||
| چکیده | ||
| هدف: صنعت گردشگری و مهمان‌نوازی در سال‌های اخیر تحت تأثیر تحول دیجیتال، افزایش رقابت و تغییر الگوهای رفتار مشتریان، نیازمند توسعه قابلیت‌های سازمانی و بهره‌گیری از فناوری‌های داده‌محور شده است. در این میان، قابلیت‌های سازمانی همچون قابلیت سازماندهی منابع، قابلیت‌های هوش مصنوعی و قابلیت‌های بازاریابی دیجیتال می‌توانند زمینه ایجاد ارزش و بهبود عملکرد سازمانی را فراهم کنند؛ با این حال، نحوه تبدیل این قابلیت‌ها به نتایج عملکردی از طریق سازوکارهای تحلیلی و فناورانه همچنان نیازمند بررسی بیشتر است. بر همین اساس، هدف پژوهش حاضر بررسی تأثیر قابلیت‌های سازمانی شامل قابلیت سازماندهی منابع، قابلیت‌های هوش مصنوعی و قابلیت‌های بازاریابی دیجیتال بر عملکرد شرکت‌های گردشگری و مهمان‌نوازی با تأکید بر نقش میانجی پذیرش هوش تجاری و نقش تعدیل‌کننده جهت‌گیری فناورانه است. روش: پژوهش حاضر از نظر هدف، کاربردی و از نظر ماهیت، توصیفی–تحلیلی است. جامعه آماری پژوهش شامل مدیران، معاونان، سرپرستان و کارشناسان شاغل در هتل‌های فعال شهر مشهد بود. با توجه به محدودیت دسترسی به چارچوب نمونه‌گیری کامل، نمونه‌گیری به روش در دسترس انجام شد و در نهایت ۱۳۶ پرسشنامه معتبر برای تحلیل مورد استفاده قرار گرفت. ابزار گردآوری داده‌ها پرسشنامه استاندارد مبتنی بر مطالعات پیشین در حوزه قابلیت‌های سازمانی، پذیرش هوش تجاری، جهت‌گیری فناورانه و عملکرد سازمانی بود. روایی و پایایی ابزار اندازه‌گیری بررسی و تأیید شد. برای آزمون مدل مفهومی پژوهش، از مدل‌سازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی و نرم‌افزار SmartPLS3 استفاده شد. یافته‌ها: نتایج نشان داد که قابلیت سازماندهی منابع، قابلیت‌های هوش مصنوعی و قابلیت‌های بازاریابی دیجیتال تأثیر مثبت و معناداری بر پذیرش هوش تجاری دارند. این یافته بیانگر آن است که سازمان‌هایی که توانایی بیشتری در هماهنگ‌سازی منابع، بهره‌گیری از فناوری‌های هوشمند و مدیریت داده‌های دیجیتال دارند، آمادگی بیشتری برای پذیرش و استفاده اثربخش از سیستم‌های هوش تجاری خواهند داشت. همچنین، پذیرش هوش تجاری تأثیر مثبت و معناداری بر عملکرد شرکت‌های گردشگری و مهمان‌نوازی دارد و نقش میانجی آن در رابطه میان قابلیت‌های سازمانی و عملکرد سازمانی تأیید شد. به عبارت دیگر، قابلیت‌های سازمانی به‌تنهایی موجب بهبود عملکرد نمی‌شوند، بلکه زمانی به مزیت عملکردی منجر می‌شوند که از طریق فرآیندهای تحلیلی و تصمیم‌گیری مبتنی بر داده در سازمان مورد بهره‌برداری قرار گیرند. علاوه بر این، نتایج نشان داد که جهت‌گیری فناورانه اثر تعدیل‌کننده معناداری بر رابطه میان قابلیت‌های بازاریابی دیجیتال و پذیرش هوش تجاری ندارد؛ این موضوع نشان می‌دهد که صرف نگرش مثبت سازمان نسبت به فناوری، بدون وجود زیرساخت‌های داده‌ای، مهارت‌های تحلیلی و فرآیندهای سازمانی مناسب، الزاماً به پذیرش مؤثر هوش تجاری منجر نمی‌شود. نتیجه‌گیری: یافته‌های پژوهش نشان می‌دهد که پذیرش هوش تجاری به‌عنوان یک سازوکار دانش‌محور، نقش مهمی در تبدیل قابلیت‌های دیجیتال و سازمانی به عملکرد برتر در صنعت گردشگری و مهمان‌نوازی ایفا می‌کند. بنابراین، مدیران هتل‌ها باید علاوه بر سرمایه‌گذاری در فناوری‌های نوین، بر توسعه قابلیت‌های داخلی سازمان، ارتقای مهارت‌های تحلیل داده کارکنان، ایجاد فرهنگ داده‌محور و یکپارچه‌سازی سیستم‌های اطلاعاتی تمرکز کنند. این اقدامات می‌تواند زمینه تصمیم‌گیری اثربخش‌تر، افزایش بهره‌وری عملیاتی و ارتقای عملکرد رقابتی هتل‌ها را فراهم سازد. نوآوری: نوآوری پژوهش حاضر در ارائه یک مدل یکپارچه برای تبیین مسیر اثرگذاری قابلیت‌های سازمانی بر عملکرد شرکت‌های گردشگری و مهمان‌نوازی از طریق نقش میانجی پذیرش هوش تجاری است. همچنین، بررسی هم‌زمان قابلیت‌های سازمانی، هوش تجاری و جهت‌گیری فناورانه در بستر صنعت هتلداری ایران، به‌ویژه هتل‌های شهر مشهد به‌عنوان یکی از مهم‌ترین مقاصد گردشگری کشور، از جنبه‌های متمایز این پژوهش محسوب می‌شود. | ||
| کلیدواژه‌ها | ||
| پذیرش هوش تجاری؛ جهت‌گیری فناورانه؛ گردشگری؛ قابلیت‌های سازمانی؛ عملکرد سازمانی | ||
| مراجع | ||
|
اردکانی، محمد، رضایی، نادر، و موسوی، فاطمه. (۱۳۹۴). واکاوی هوش تجاری در دفاتر خدمات گردشگری با رویکرد فازی. مطالعات مدیریت گردشگری، ۱۰(۲)، ۷۵–۹۲. باسویلی، فرهاد، کاشانی، محمود، و احمدی، هادی. (۱۴۰۴). شناسایی و بررسی پتانسیل‌های هوش مصنوعی در توسعه گردشگری پایدار ایران. مجله علوم گردشگری، ۱۸(۱)، ۴۵–۶۶. جعفری، حمید، و فرهادی، مونا. (۱۳۹۹). سنجش نقش هوش تجاری در ارتقای کیفیت تصمیم‌گیری مدیران هتل‌ها. مجله مدیریت گردشگری، ۱۴(۳)، ۶۵–۸۳. حسینی، علی، و حسینی، مریم. (۱۴۰۲). کاربرد هوش مصنوعی در صنعت گردشگری ایران: مطالعه توصیفی و موردی. مجله مدیریت گردشگری، ۱۷(۱)، ۲۵–۴۶. تاج‌الدینی، سمیه، رضوی، علیرضا، و موسوی، پریسا. (۱۴۰۳). اثر تعدیل‌کننده جهت‌گیری فناورانه در پذیرش هوش تجاری در صنعت گردشگری. مجله فناوری و مدیریت گردشگری، ۹(۳)، ۱۱۲–۱۳۴. تقی‌زاده، محمدرضا، احمدی، علی، و کریمی، حسن. (۱۳۹۹). تأثیر هوش تجاری بر عملکرد سازمانی با نقش میانجی قابلیت‌های پویا. مجله مدیریت فناوری اطلاعات، ۱۲(۳)، ۴۵–۶۲. سلطانی، ناصر، و قنبری، شهرزاد. (۱۴۰۰). تأثیر قابلیت‌های تحلیلی مبتنی بر فناوری اطلاعات بر پایداری اقتصادی و زیست‌محیطی کسب‌وکارها. مجله مدیریت صنعتی، ۱۷(۲)، ۴۵–۶۶. قاسمی، حسین، طاهری، لیلا، و صادقی، امیر. (۱۴۰۲). تحلیل تأثیر داده‌های بزرگ و هوش تجاری بر مزیت رقابتی پایدار. مجله مدیریت تحول، ۱۵(۱)، ۲۳–۴۱. کاظمی، پویا، و پرویزی، فرشاد. (۱۳۹۸). مدل قابلیت‌های پویا در محیط رقابتی: نقش فرهنگ سازمانی و یادگیری. مجله مدیریت راهبردی، ۲۶(۱)، ۱–۲۳. کریمی، سعید، و مرادی، نسرین. (۱۳۹۷). ارزیابی اثر قابلیت‌های پویا بر عملکرد سازمانی با نقش میانجی نوآوری. مجله مدیریت دولتی، ۱۰(۱)، ۵۵–۷۶. محمدی، زهرا، رضایی، مهدی، و کاظمی، سارا. (۱۴۰۱). بررسی نقش هوش تجاری در بهبود تصمیم‌گیری و پایداری سازمانی در شرکت‌های خدماتی. فصلنامه پژوهش‌های مدیریت استراتژیک، ۲۸(۲)، ۷۵–۹۴. مشایخی، بهنام، حسن‌زاده، شیما، سماوات، مهدی، و نظری، سحر. (۱۴۰۲). افشای مسئولیت اجتماعی شرکت و رفتار فرصت‌طلبانه مدیران با نقش تعدیل‌کننده حاکمیت شرکتی. بررسی‌های حسابداری و حسابرسی، ۳۰(۳)، ۵۶۰–۵۸۹. موسوی، الهام، و عباسی، نادر. (۱۳۹۸). رابطه هوش تجاری و عملکرد سازمانی در صنعت گردشگری. فصلنامه علمی‌پژوهشی مدیریت گردشگری ایران، ۱۳(۲)، ۹۹–۱۲۰. نویدی، محمد، و بابایی، امیر. (۱۴۰۲). تأثیر مسئولیت اجتماعی شرکت بر توانایی مدیریتی و کارایی سرمایه‌گذاری در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران. فصلنامه مدیریت مالی، ۱۷(۲)، ۹۱–۱۱۲. هاشمی، فرید، و یزدانی، محمد. (۱۴۰۱). رویکرد هوش تجاری در توسعه پایدار گردشگری شهری. مجله برنامه‌ریزی گردشگری، ۹(۴)، ۸۵–۱۰۴. زنگوئی، رضا، کریمی، فاطمه، و نجفی، سجاد. (۱۴۰۰). هوشمندسازی صنعت گردشگری ایران با تأکید بر توانمندسازی اجتماعی و فرهنگی. مجله توسعه گردشگری، ۱۴(۴)، ۹۹–۱۲۱. Ardakani, S., Mousavi, S. M., & Shafiei Roodposhti, M. (2015). Exploring business intelligence in tourism service offices using a fuzzy approach. Tourism Management Studies.
Ardakani, M., Rezaei, N., & Mousavi, F. (2015). Investigating business intelligence in tourism service offices using a fuzzy approach. Tourism Management Studies, 10(2), 75–92. [In Persian].
Bailey, W., Karolyi, G. A., & Salva, C. (2006). The economic consequences of increased disclosure: Evidence from international cross-listings. Journal of Financial Economics, 81(1), 175–213.
Basvili, F., Kashani, M., & Ahmadi, H. (2025). Identifying and examining the potential of artificial intelligence in the development of sustainable tourism in Iran. Journal of Tourism Sciences, 18(1), 45–66. [In Persian]
Bekele, H., & Raj, S. (2024). Digitalization and digital transformation in the tourism industry: A bibliometric review and research agenda. Tourism Review.
Bhatiasevi, V., & Naglis, M. (2020). Elucidating the determinants of business intelligence adoption and organizational performance. Information Development, 36(1), 78–96.
Chen, H., Chiang, R. H. L., & Storey, V. C. (2021). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 45(4), 2047–2064.
Deshpandé, R., Grinstein, A., Kim, S. H., & Ofek, E. (2013). Achievement motivation, strategic orientations and business performance in entrepreneurial firms. International Marketing Review, 30(3), 231–252.
Enholm, I. M., Papagiannidis, E., Mikalef, P., & Krogstie, J. (2022). Artificial intelligence and business value: A literature review. Information Systems Frontiers, 24(5), 1709–1734.
Ghasemi, H., Taheri, L., & Sadeghi, A. (2023). Analyzing the impact of big data and business intelligence on sustainable competitive advantage. Journal of Management Transformation, 15(1), 23–41. [In Persian]
Ghosh, R., Dwivedi, Y. K., & Rana, N. P. (2022). Analytics capabilities, business intelligence adoption and sustainable performance in hotels: The mediating role of dynamic capabilities. Information and Management, 59(5), 103–119.
Gupta, M., Meissonier, R., Drave, V. A., & Roubaud, D. (2020). Examining the impact of big data analytics on firm performance and sustainability. Technological Forecasting and Social Change, 150, 119763.
Gursoy, D., & Cai, R. (2025). Artificial intelligence: An overview of research trends and future directions. International Journal of Contemporary Hospitality Management, 37(1), 1–17.
Hashemi, F., & Yazdani, M. (2022). A business intelligence approach to sustainable urban tourism development. Tourism Planning Journal, 9(4), 85–104. [In Persian].
Hosseini, A., & Hosseini, M. (2023). Application of artificial intelligence in Iran’s tourism industry: A descriptive and case study. Journal of Tourism Management, 17(1), 25–46. [In Persian].
Hsu, C. H., Tan, G., & Stantic, B. (2024). A fine tuned tourism specific generative AI concept. Annals of Tourism Research, 104, 103723.
Hunt, S. D., & Madhavaram, S. (2020). Adaptive marketing capabilities, dynamic capabilities, and renewal competences. Industrial Marketing Management, 89, 129–139.
Ivanov, S., & Webster, C. (2021). Robots, artificial intelligence and service automation in hotels: Implications for sustainable performance. Journal of Hospitality and Tourism Management, 47, 365–374.
Karimi, S., & Moradi, N. (2018). Evaluating the effect of dynamic capabilities on organizational performance with the mediating role of innovation. Public Management Journal, 10(1), 55–76. [In Persian].
Kazemi, P., & Parvizi, F. (2019). A dynamic capabilities model in a competitive environment: The role of organizational culture and learning. Strategic Management Journal, 26(1), 1–23. [In Persian].
Khaddam, A. A., Alzghoul, A., Abusweilem, M. A., & Abousweilem, F. (2023). Business intelligence and firm performance: A moderated-mediated model. Service Industries Journal, 43(13–14), 923–939.
Kim, H., Park, J., & Jang, S. (2022). Business intelligence usage and triple bottom line performance in hotels: The mediating role of IT integration and dynamic capabilities. International Journal of Hospitality Management, 102, 1–13.
Knani, M., Echchakoui, S., & Ladhari, R. (2022). Artificial intelligence in tourism and hospitality: Bibliometric analysis and research agenda. International Journal of Hospitality Management, 107, 103317.
Kristoffersen, E., Mikalef, P., Blomsma, F., & Li, J. (2021). The effects of business analytics capability on circular economy implementation and firm performance. International Journal of Production Economics, 239, 108205.
Law, R., Lin, K. J., Ye, H., & Fong, D. K. C. (2024). Artificial intelligence research in hospitality: A state of the art review. International Journal of Contemporary Hospitality Management, 36(6), 2049–2068.
Li, H. (2025). Shedding light on new technology: How ambient luminance influences acceptance of AI technologies. International Journal of Hospitality Management, 127, 104119.
Li, L., & Fang, Y. (2022). Deep learning-based tourism demand forecasting and sustainable capacity management: A business intelligence perspective. Annals of Tourism Research, 92, 102–118.
Li, L., Hong, J., & Fang, Y. (2020). AI-based tourism demand forecasting and environmental sustainability: Integrating business intelligence dashboards. Sustainability, 12(18), 1–19.
Majhi, S. G., Mukherjee, A., & Anand, A. (2023). Business value of cognitive analytics technology: A dynamic capabilities perspective. VINE Journal of Information and Knowledge Management Systems, 53(6), 1231–1249.
Mariani, M., & Borghi, M. (2021). Customer review analytics, business intelligence and hotel performance: Evidence from European hotels. International Journal of Hospitality Management, 94, 1–12.
Mariani, M., & Borghi, M. (2023). Online reviews, business intelligence and hotel performance: A structural equation modeling approach. International Journal of Contemporary Hospitality Management, 35(4), 678–702.
Maroufkhani, P., Tseng, M. L., Iranmanesh, M., Ismail, W. K. W., & Khalid, H. (2022). Big data analytics adoption: Determinants and performance outcomes. Journal of Business Research, 141, 602–617.
Mashayekhi, B., Hassanzadeh, S., Samavat, M., & Nazari, S. (2023). Corporate social responsibility disclosure and managerial opportunistic behavior with the moderating role of corporate governance. Accounting and Auditing Reviews, 30(3), 560–589. [In Persian].
Mikalef, P., & Gupta, M. (2021). Artificial intelligence capability: Conceptualization and impact on organizational creativity. Information & Management, 58(3), 103434.
Mikalef, P., Boura, M., Lekakos, G., & Krogstie, J. (2020). Big data analytics and firm performance: The mediating role of dynamic capabilities. Information & Management, 57(2), 103169.
Mohammadi, Z., Rezaei, M., & Kazemi, S. (2022). Investigating the role of business intelligence in improving decision-making and organizational sustainability in service companies. Strategic Management Research Quarterly, 28(2), 75–94. [In Persian].
Mousavi, E., & Abbasi, N. (2019). The relationship between business intelligence and sustainable performance in the tourism industry. Iranian Journal of Tourism Management, 13(2), 99–120. [In Persian].
Mudau, T. N., Cohen, J., & Papageorgiou, E. (2024). Determinants and consequences of routine and advanced use of business intelligence systems. Information & Management, 61(1), 103888.
Navidi, M., & Babaei, A. (2023). The effect of corporate social responsibility on managerial ability and investment efficiency in firms listed on the Tehran Stock Exchange. Financial Management Quarterly, 17(2), 91–112. [In Persian].
Opazo Basáez, M., Vendrell Herrero, F., & Bustinza, O. F. (2022). Digital service innovation: A paradigm shift in technological innovation. Journal of Service Management, 33(1), 97–120.
Polisetty, A., Chakraborty, D., Kar, A. K., & Pahari, S. (2024). What determines AI adoption in companies? Mixed method evidence. Journal of Computer Information Systems, 64(3), 370–387.
Rialti, R., Zollo, L., Ferraris, A., & Alon, I. (2020). Big data analytics capabilities, business intelligence and firm performance in the hospitality industry: The role of organizational agility. International Journal of Hospitality Management, 90, 102–119.
Samara, D., Magnisalis, I., & Peristeras, V. (2020). Artificial intelligence and big data in tourism: A systematic literature review. Journal of Hospitality and Tourism Technology, 11(2), 343–367.
Sigala, M., & Mariani, M. (2023). Big data analytics, business intelligence and sustainable destination management. Journal of Travel Research, 62(3), 451–470.
Sirmon, D. G., Hitt, M. A., Ireland, R. D., & Gilbert, B. A. (2011). Resource orchestration to create competitive advantage. Journal of Management, 37(5), 1390–1412.
Sjödin, D., Parida, V., & Kohtamäki, M. (2023). Artificial intelligence enabling circular business model innovation in digital servitization. Technological Forecasting and Social Change, 197, 122903.
Soltani, N., & Ghanbari, S. (2021). The impact of IT-based analytical capabilities on the economic and environmental sustainability of businesses. Journal of Industrial Management, 17(2), 45–66. [In Persian].
Taghizadeh, M. R., Ahmadi, A., & Karimi, H. (2020). The impact of business intelligence on organizational performance with the mediating role of dynamic capabilities. Journal of Information Technology Management, 12(3), 45–62. [In Persian].
Tajeddini, S., Razavi, A., & Mousavi, P. (2024). The moderating effect of technological orientation on business intelligence adoption in the tourism industry. Journal of Tourism Technology and Management, 9(3), 112–134. [In Persian].
Tussyadiah, I., Neuhofer, B., & Seyitoğlu, F. (2023). AI-based recommender systems and tourist experience: Towards sustainable destination management. Tourism Management, 95, 104–126.
Zangoui, R., Karimi, F., & Najafi, S. (2021). Smartening Iran’s tourism industry with emphasis on social and cultural empowerment. Journal of Tourism Development, 14(4), 99–121. [In Persian].
Zhang, X., Li, Y., & Mariani, M. (2024). AI-driven business intelligence and sustainable performance in smart hotels: Evidence from European and Asian markets. Journal of Hospitality and Tourism Technology, 15(2), 123–145. | ||
|
آمار تعداد مشاهده مقاله: 114 تعداد دریافت فایل اصل مقاله: 76 |
||