7-2 erp sistemi

Seminarski rad Analiza implementacije ERP rešenja

Alfa Univerzitet - Fakultet informacionih tehnologija Strana 159

Tabela 38: Struktura odgovora prema trenutnoj poziciji (u godinama) i polu

Muškarci Žene Ukupno

Količina % Zbirni % Količina % Zbirni % Količina % Zbirni %

0 - 4 74 49,0% 49,0% 63 44,4% 44,4% 137 46,8% 46,8%

5 - 9 36 23,8% 72,8% 36 25,4% 69,7% 72 24,6% 71,3%

10 - 14 18 11,9% 84,8% 20 14,1% 83,8% 38 13,0% 84,3%

15 - 19 5 3,3% 88,1% 10 7,0% 90,8% 15 5,1% 89,4%

20 - 24 11 7,3% 95,4% 5 3,5% 94,4% 16 5,5% 94,9%

25 - 29 5 3,3% 98,7% 5 3,5% 97,9% 10 3,4% 98,3%

30 - 2 1,3% 100,0% 3 2,1% 100,0% 5 1,7% 100,0%

Ukupno 151 100,0% 142 100,0% 293 100,0%

Tabela 39: Struktura odgovora na osnovu trenutnog posla (u godinama) i ERP rešenja

NAV SAP Ukupno Količina % Zbirni % Količina % Zbirni % Količina % Zbirni%

0 - 4 53 48,2% 48,2% 84 45,9% 45,9% 137 46,8% 46,8%

5 - 9 24 21,8% 70,0% 48 26,2% 72,1% 72 24,6% 71,3%

10 - 14 16 14,5% 84,5% 22 12,0% 84,2% 38 13,0% 84,3%

15 - 19 7 6,4% 90,9% 8 4,4% 88,5% 15 5,1% 89,4%

20 - 24 4 3,6% 94,5% 12 6,6% 95,1% 16 5,5% 94,9%

25 - 29 5 4,5% 99,1% 5 2,7% 97,8% 10 3,4% 98,3%

30 - 1 0,9% 100,0% 4 2,2% 100,0% 5 1,7% 100,0%

Ukupno 110 100,0% 183 100,0% 293 100,0%

Na kraju, ispitanici su upitani da izaberu poziciju u kompaniji. Postojale su sledeće opcije: zaposlen san u osnovnom operativnom postupku (radnik); zaposlen sam kao poslovođa (vođa tima, odeljenja...,), zaposlen sam kao srednji menadžer (rukovodilac organizacione jedinice), zaposlen sam kao top menadžer (izvršni direktor, član Upravnog odbora, član Nadzornog odbora). Od 157 osoba koje su dale odgovor na ovo pitanje (53,6%; 61 muškaraca i 96 žena), 93 su na radnom mestu poslovođa (31,7%; 58 muškaraca i 35 žena), 37 je izabrao mogućnost srednjeg menadžera (12, 6%, 27 muškaraca i 19 žena) i 6 od njih rade na radnom mestu glavnih menadžera (2%, 5 muškaraca i 1

žena), koji je takođe prikazan na slici 58. Uz pomoć χ2 - testa se ne može da potvrdi ravnomerna

raspodela unutar grupa (χ2 (2) = 66.867, p < 0,01). Takođe, nismo pronašli statistički značajne razlike između trenutnih radnih pozicija i ERP rešenja. Otkrili smo statistički značajne razlike

između radnih mesta prema polu (z = 7551,5, p < 0,01). Proverili smo statistički značajne razlike između obrazovanja i pola (tako smo kombinovani menadžment srednjeg i višeg stepena) i postoji

statistički značajna korelacija (χ2 (2) = 23.492, p < 0,01). Takođe postoji statistički značajna

korelacija između obrazovanja i delatnosti (χ2 (2) = 10.676, p < 0,01). Ali nismo otkriti statistički značajne razlike između obrazovanja, bez obzira na pol (z = 9669, p > 0,1).

Na slici 59 vidimo izgled po radnim mestu i ERP rešenjima. Više od polovine odgovora (157 odgovora, 53,6%) odnosi se na posao radnika. 58 odgovora se odnosi na NAV rešenja (37%), što



predstavlja 52,7% svih odgovora na NAV rešenja, a 99 odgovora za SAP (63%), što predstavlja 54,1% svih odgovora za SAP.

Slika 58: Struktura odgovora u pogledu obrazovanja i pola

Slika 59: Struktura odgovora u vezi sa obrazovanjem i ERP rešenjima

Uz pomoć Pearsonov χ2 testa, proveravamo da li postoji veza između rešenja i faktora ličnosti (pol, uzrast, nivo obrazovanja, radno mesto). Između instaliranih rešenja i svih faktora ličnosti, postoji

slaba statistička korelacija. Osim toga, mi smo Pirsonov χ2 – test iskoristili za proveru da li postoje veze između faktora ličnosti (pol, starost, nivo obrazovanje, radno mesto). Između pola i

0

10

20

30

40

50

60

70

80

90

100

Izvršioc Vođa grupe Liderodeljenja

Topmenadžment

61 58

27

5

96

35

101

Muški

Ženski

0

10

20

30

40

50

60

70

80

90

100

Izvršioc Vođa grupe Liderodeljenja

Topmenadžment

58

2720

5

99

66

17

1

NAV

SAP



obrazovanja, pola i starost, kao i starosti i mesta rada, ne postoji statistički značajna veza. Među ostalim parovima faktora, postoji slaba statistička korelacija. Rezultati svakog para su prikazani u Tabeli 10-5 Aneksa 10.

Korelaciju između dve neparametarske vrednosti proveriti korišćenjem Spirmanovog koeficijenta

(rs; engl. Spearman's rho) ili koeficijenta korelacije Kendall (τ; engl. Kendall's tau). Oba koeficijenta se koriste umesto apsolutnih vrednosti varijabli. Oba se nalaze od -1 (savršena negativna korelacija) do +1 (savršena pozitivna korelacija). Spirmanovim koeficijentom korelacije

(rs) se dobija bolja aproksimacija Pirsonovog koeficijenta korelacije ((ρ; engl. Pearson product

moment correlation coefficient), od Kendalove tau [141]. Kendallov koeficijent korelacije (τ) je mera ranga korelacije, koji odražava stepen korelacije sa odnosom između broja poravnanja (inverzije) između posmatranih tipova (Košmelj i dr., 2002). Kendall-ov koeficijent korelacije se

koristi kada imamo malo podataka i veliki broj rangova (Field 2005), što znači da upotrebljavamo τ ako imamo sve rangirane informacije i dosta podataka koji se nalaze u istom rangu. Uprkos činjenici da je Spearmonov koeficijent korelacije (rs) više popularan, naglašavamo da koeficijent

korelacije Kendall (τ) bolje procenjuje korelaciju populacije. Ako podaci sadrže veći broj rang listi,

koeficijenti Kendallove korelacije (τ) su sasvim odgovarajući. Pravilo kaže: koeficijent korelacije

Kendall (τ) više odgovara kada imamo veliki broj vrednosti na osnovu relativno malog broja kategorija. Shodno tome, sledi da je upotreba koeficijenta korelacije Spirmana (rs) odgovarajući kada imamo relativno veliki broj kategorija [141].

Za uzorak firmi (n = 49) provereni su koeficijenti korelacije Kendalla za promenljiva rešenje, veličinu, aktivnost (kombinovani), statističke regione i kohezione regione i dobili smo statistički

značajnu korelaciju između srednjih rešenja i veličine preduzeća (τ = 0,305, p < 0,01) i između

rešenja i statističkih regiona (τ = 0,333, p < 0,01). Između ostalih varijabli, statistički značajne korelacije vidimo u tabeli 11-1 u Prilogu 11.

Pomoću koeficijenta korelacije Spearman (rs), ispitali smo da li postoji veza između sledećih varijabli u zavisnosti od odgovora ispitanika (n = 293): rešenja, veličina, aktivnost (kombinovana), statistika regiona i kohezija regiona. Dobili smo sledeće statistički značajne korelacije (Tabela 11-2, Prilog 11):

• Rešenje i veličina: rs = 0,484, p < 0,01 - srednja povezanost.

• Rešenje i statistički region: rs = 0,531, p < 0,01 - visoka povezanost63.

• Rešenje i kohezioni region: rs = 0.495, p < 0,01 - srednja povezivanje.

• Aktivnost (kombinovana) i veličina: rs = 0,156, p < 0,01 - niska povezanost.

• Aktivnost (kombinovana) i kohezioni region: rs = 0,387, p < 0,01 - srednja povezanost.

• Veličina i statistički region: rs = 0,194, p < 0,01 - niska povezanost.

• Veličina i kohezioni region: rs = 0,376, p < 0,01 - srednja povezivanje.

Pomoću koeficijenta korelacije Spearman (rs), takođe smo proverili da li postoji veza između varijabli ličnosti: pol, starost u godinama (rang), obrazovanje, i zapošljenje u kompaniji u godinama (opseg) je trenutnim nameštenjem (rang). Dobili smo sledeće statistički značajne korelacije (Tabela 11-3, Prilog 11):

• Pol i radno mesto: rs = -0.284, p < 0,01 - niska povezanost.



• Starost i nivo obrazovanja: rs = -0,192, p (jednostrana) < 0,01 - slaba povezanost.

• Starost i godine staža u godinama (rang): rs = 0,766, p < 0,01 - visoka povezanost.

• Starost i trenutni položaj (rang): rs = 0,383, p (jednostrana) < 0,01 - srednja povezanost.

• Nivo obrazovanja i zapošljenje u kompaniji u god.: rs = -0.284, p < 0,01 - slaba povezanost.

• Nivo obrazovanja i trenutni posao u god.: rs = -0.217, p < 0,01 - slaba povezanost

• Nivo obrazovanja i radno mesto: rs = 0,438, p (jednostrana) < 0,01 - srednja povezanost.

• Zaposleni u godinama (ranga) i posao (čin): rs = 0,507, p < 0,01 - visoka korelacija.

Uz pomoć Spermanovog koeficijenta korelacije (rs), takođe smo proverili da li postoji veza između promenljivih preduzeća (veličina rešenja, aktivnosti (kombinovano), statističkih regiona i kohezionih regiona) i ličnih karakteristika (pol, starost u godinama (rang), obrazovanje, zaposlenost u kompaniji u godinama (rang), trenutna pozicija (rang)). Dobili smo sledeće statistički značajne korelacije (Tabela 11-4, Prilog 11):

• Rešenje i pol: rs = -0,195, p (bilateralni) < 0,01 - slaba povezanost.

• Rešenje i starost: rs = 0,166, p (bilateralni) < 0,01 - slaba povezanost.

• Rešenje i obrazovanje: rs = 0,200, p (bilateralni) < 0,01 - slaba povezanost.

• Veličina kompanije i starost u godinama (rang): rs = 0,178, p (bilateralni) < 0,01 - slaba povezanost.

• Veličina preduzeća i zaposlenost u kompaniji u godinama (rang): rs = 0,273, p (bilateralni) < 0,01 - slaba povezanost.

• Statistički region i starost: rs = -0,115, p (bilateralni) < 0,05 - slaba povezanost.

• Statistički region i obrazovanje: rs = 0,164, p (bilateralni) < 0,01 - slaba povezanost.

• Statistički region i zaposlenost u kompaniji u godinama (rang): rs = -0,115, p < 0,05 - slaba povezanost.

• Kohezioni region i obrazovanje: rs = 0,182, p (bilateralni) < 0,01 - slaba povezanost.

7.3 OPISNA STATISTIKA OPŠTIH PITANJA

U upitnik su stavljena i dva opšta pitanja da pomognu ispitanicima da daju mišljenje o poznavanju rada na računarima pre korišćenja ERP (numeričke promenljive, v14) i aplikativnih rešenja. Argument: Na skali kompjuterskih veština ispitanici su mogli da biraju 7 veličina (1 - Ne, 4 – prosečno, 7 - mnogo). Rezultati su prikazani u Tabeli 40.

Prosečna vrednost bila 5,12 sa standardnom devijacijom σ = 1.21, koeficijentom asimetrije 0,356, p = 0,142 (iskrivljena na levo), koeficijentom spljoštenosti 0,406, p = 0,284. Imajući u vidu ova dva koeficijenata može se pretpostaviti da je distribucija normalna, jer govorimo o normalnoj raspodeli kadakoeficijenta asimetrije i koeficijenta spljoštenosti u intervalu ± 0,5 (tabela 41).



Tabela 40: Frekvencije iskustva u radu sa računarom

Količina Procenat Važeći procenat Zbirni procenat

Ništa 3 1,0 1,0 1,0 Vrlo malo 5 1,7 1,7 2,7 Malo 2 0,7 0,7 3,4 Prosečno 89 30,4 30,4 33,8 Malo vise od proseka 80 27,3 27,3 61,1 Nadprosečno 72 24,6 24,6 85,7 Veliko 42 14,3 14,3 100,0 Ukupno 293 100,0 100,0

Tabela 41: Prosečna ocena ispitanika, bez obzira na iskustvo rada sa računarom

Prosečno Asimetričnost Spljoštenost

N Srednja ocena

Standardna greška

Standardna devijac.

Koeficient asimetrije

Standardna greška

Koeficient sploščenosti

Standardna greška

Generalno posmatrano iskustvo u radu sa računarima

293

5,12

0,07

1,21

-0,356

0,142

0,406

0,284

Proverili smo da li empirijski podaci podležu normalnoj raspodeli uz pomoć Komogorov - Smirnov testa (KS). Empirijski podaci ne mogu da se podese na normalnoj raspodeli, jer je test statistički

značajan KS = 0,195, p < 0,01, što se takođe vidi iz slike 60. Mi vidimo da su u proseku, ispitanici ocenili svoje iskustvo u radu sa računarom pre korišćenja ERP rešenja sa malo više od 5, što znači da su i sami pre korišćenja rešenja već koristi računar malo više od prosečnog korisnika.

Slika 60: Raspodela vrednosti - iskustvo u radu sa računarom

U nastavku, Slika 61 prikazuje strukturu odgovora u odnosu na ERP rešenja.

R² = 0.8774

1

11

21

31

41

51

61

71

81

91

101

0 1 2 3 4 5 6 7 8

Fre

kve

nci

ja

Frekvencija

Poly. (Frekvencija)



Na pitanje koliko dugo ste koristili rešenje (NAV, SAP), ispitanici su uneli broj godina. U proseku, rešenje koriste 4,73 godina (x̅NAV = 3.16 godina, x̅SAP = 5.56 godina). Najduže se koristi 18 godina (maxNAV = 10, maxSAP=18). Vreme upotrebe rešenja su bila podeljena u sledećem rasponu: 0-1 = 1 2-3 = 2, 4-5 = 3, 6-7 = 4, 8-9 = 5, 10-11 = 6, i 12 ili više. Rezultati rangova godina prikazani su u Tabeli 42, Tabela 43 i Slici 62.

Slika 61: Struktura odgovora u zavisnosti od nivoa kompjuterskih veština i ERP rešenja

Tabela 42: Struktura odgovora u zavisnosti od vremna korišćenja aplikativnih rešenja

Grupe godina Količina Procenat Veljavni odstotek Zbirni procenat

0-1 36 12,3 12,3 12,3 2-3 81 27,6 27,6 39,9 4-5 90 30,7 30,7 70,6 6-7 30 10,2 10,2 80,9 8-9 22 7,5 7,5 88,4

10-11 31 10,6 10,6 99,0 12- 3 1,0 1,0 100,0

Ukupno 293 100,0 100,0

Tabela 43: Prosečna cena vreme aplikativnih rešenja na Range godina

Prosečno Asimetričnost Spljoštenost

N Srednja ocena

Standardna greška

Standardna devijac.

Koeficient asimetrije

Standardna greška

Koeficient sploščenosti

Standardna greška

Generalno posmatrano grupe

vremena korišćenja rešenja

293 3,20 0,09 1,512 0,686 0,142 -0,329 0,284

0

10

20

30

40

50

60

1 2 3 4 5 6 7

1 0 0

3531

20

14

25

2

54

4952

38

NAV

SAP



Slika 62: Raspodela vrednosti grupa vremenske upotrebe ERP rešenja

83,7% ispitanika koristi rešenje više od godinu dana, što znači da su rešenje koristili u fazi rada, a takođe treba da se istaknu mogućnosti i funkcionalnost rešenja koja su im potrebna za njihov rad. Prema mišljenju korisnika treba da se zna funkcionalnost ERP rešenja već posle jedne finansijske godine, što je obično jedna kalendarska godina.

7.4 PROCES POTVRĐIVANJA MERENJA

Kvalitet merenja obuhvata nekoliko dimenzija, ali najčešće govorimo o valjanosti i pouzdanosti, kao dva osnovna uslova koji obezbeđuju objektivno istraživanje (Ferligoj sar. Salkind 1995 2005).

7.4.1 Važenje i pouzdanost merenja

Validnost (engl. validity) se odnosi na odnos između pojedinih varijabli koje posmatramo, i parametara koje želimo da izmerimo (Jageger 1990, Ferligoj et al. 1995). Promenljive koje mere iste parametre su u korelaciji jedne sa drugima [35,74]. Određena promenljiva je bitna ne samo kada je povezana sa drugim varijablama iste konstrukcije, već i kada je u korelaciji sa drugim varijablama i konstrukcijama sa kojima bi trebalo da se teoretski pokazuje interkonekcija,

R² = 0.8679

1

11

21

31

41

51

61

71

81

91

101

0 1 2 3 4 5 6 7 8

Fre

kve

nci

ja

Frekvencija

Poly. (Frekvencija)



konstruiše nove odnose ispitivanja [74]. U okviru provere treba da proveritmo konvergentnost, validnost i numerološku diskriminaciju [141]. Konvergentna validnost se meri stepenom integracije dve dimenzije istog konstrukta, a diskriminativna validnost se procenjuje nepovezanošću (diverzitetom) parametara. Ako je diskriminantna valjanost visoka to znači da konstrukti zapravo

nemaju razlike. Diskriminativna ispravnost se proverava metodom razlika sa χ2 - testom i Fornell-

Larckerjevim pravilima. χ2 - test za parove konstrukata će biti izvedena tako da parametar

korelacije između konstrukata (ϕij) za koje smo procenili diskriminativnu validnost, određujei

vrednost 1, a zatim nalazimo razliku u χ2 -vrednosti između restriktivnog i neograničenog modela

[168]. Gde neograničen model postiže značajno nižu vrednost χ2 od ograničenog modela čime se pokazuje da neizmerne varijable nisu savršeno povezane i možemo govoriti o diskriminativnim validnostima. Fornell - Larckerjevo pravilo kaže da je prosečan otpad varijanse (engl. Average

Variance Extracted, u daljem tekstu AVE) je veći od kvadrata korelacije između ispitivanih konstrukata. Numerološka validnost meri stepen do kojeg se može potvrditi predviđanja koja se zasnivaju na teoriji. Obično treba proveriti na osnovu teorijskih činjenica valjanost konstrukta u modelu.

Pouzdanost (engl. reliability) se odnosi na stepen istih rezultata u slučaju ponovnog merenja iste jedinice, pod pretpostavkom da nije bilo promena u stvarnim vrednostima [141]. Field (2005) objašnjava da ako je pojedinac obradio upitnik u različitim vremenskim periodima a svi ostali uslovi su biti isti, trebalo bi da dobijete iste rezultate. Empirijska istraživanja su dovoljno pouzdana da slučajne grešake tokom istraživačkog procesa ne utiču značajno na rezultate istraživanja (Splichal 1990, [74]). Mi procenjujemo da se metode mogu svrstati u dve osnovne grupe [168]: provera stabilnosti i provere ekvivalentnosti ili doslednosti merenja. Obzirom da je potrebno da proverite stabilnost ponovite merenje na istim jedinicama (ispitanika) posle izvesnog vremena, na taj način ćemo proveriti konzistentnost merenja. U kontekstu doslednosti smo koristili metod interne konzistentnosti (engl. internal consistency method), koja je najpraktičniji i preferirani metod za merenje pouzdanosti [74]. U tom cilju, sproveli smo istraživanje faktora analize (engl. Exploratory Factor Analysis, u daljem tekstu EFA) i kofirmatornog faktora analize (engl. Confirmatory Factor Analysis, u daljem tekstu: CFA). EFA je pogodan postupak za smanjenje velikog broja indikatora i obično se koristi u preliminarnim studijama. CFA omogućava proveru koliko dobro se podaci uklapaju u unapred definisan model [57]. Osnovna razlika između EFA i CFA je da EFA ne daje eksplicitan test jednodimenzionalnosti, tako da imamo nižu složenost koja će biti proverena sa CFA [168].

Pouzdanost merenja proverava doslednost i pouzdanost koeficijenta Kronbah α. Indikatori visoko pouzdanih konstrukata su veoma povezani i pokazuju da sva merenja istu latentnu vrednost [168].

Za pouzdanost koeficijenta α mere se stvarne promenljive koristeći sledeće kriterijume [74]: α ≥

0,80, opisano u primeru, ako je koeficijent u intervalu 0,70 ≤ α ≤ 0,80 smatra se veoma dobro, u

intervalu 0,60 ≤ α ≤ 0,70 kao umereno ako je koeficijent α manji od 0.60, da je jedva prihvatljivo. Treba napomenuti da veći broj indikatora u svakom konstruktu ima više korelacija, što povećava

vrednost koeficijenta pouzdanosti α. Kronbahova α treba da se obračunava za svaki faktor u konstruktu odvojeno [105].

Ocenili smo prisustvo slučajnih grešaka. To znači da je izmerena vrednost uticaja slučajne greške. Ako greška merenja nije samo slučajnost, onda moramo da se bavimo problemom realizacije opita.



To znači da je izmerena vrednost sistematska i da postoje neke druge promenljive na koje proces merenja nije osetljiv. Validacija prisustva/odsustva sistematskih grešaka u anketi se bavi identifikacijom slučajnih grešaka [74]. Pouzdanost merenja je neophodna ali je to nedovoljan uslov za punovažnost istraživanja. Dok se pouzdanost odnosi pre svega na određene osobine izmerenih varijabli, validnost se odnosi pre svega na odnos između teorije i izmerenih vrenosti promenljive.

7.4.2 Analiza istraživačkih faktora (EFA)

Mi ćemo koristiti faktor analize (engl. Factor Analysis, u daljem tekstu FA), koji omogućava uvođenje sintetičkih varijabli (faktora) čime se smanjuje broj varijabli, i koja objasnjava visok procenat ukupne varijanse. Faktor analize će se realizovati koristeći glavnu analizu komponenti (engl. Principal Component Analysis - PCA), koja analizira ukupnu varijansu i pokušava da objasni maksimalni iznos varijanse sa minimalnim brojem faktora [105,87]. Neophodno je da se zadovolje dva uslova: parametarski podaci (numerički podaci) i linearni odnos. Trebamo proveriti [105]: homoskedastičnost (engl. homoscedasticy) Multicollinearti (engl. multicollinearity), koja se meri na osnovu Keiser - Meier - Olkin mera (KMO test) i Bartletovog vlasničkog testa sfernosti (engl. Batlett test of sphericity). KMO test se zasniva na poređenju veličine korelacije i parcijalnih koeficijenata korelacije. Korišćenje FA je primenjiv u velikom broju statističkih testova, i na vrednosti koje su veće od 0,5 [30]. Obrazloženje za upotrebu FA testiranja po Bartletovom sfernom testu je da je osnovna korelacija matrica jednaka jediničnoj matrici, što znači da ne postoji zavisnost između posmatranih varijabli. Sadržaj problema zavisi o definisanom procentu ukupne varijanse, ali stručnjaci preporučuju da je drugi najmanje 60% [30,87].

Od prvobitnih 11 uključenih indikatora ličnosti i informatičke pismenost (OLIP) u konačnom rešenju uključeno je devet pokazatelja (tabela 44), objašnjavajući 68.51% posmatranih indikatora varijabilnosti.

Prvi faktor predstavlja kombinovane indikatore V12_1 do V12_3. Najvišu težinu ima indikator koji se odnosi na testiranje programa a najmanju koji se odnosi na istraživanje programima. Faktor je nazvan „Lična inovacija“. Drugi faktor je kombinovani pokazatelji V13_1 do V13_3. pri čemu smo obrnuli scalu za V13_2 i V13_3. Maksimalnu težinu ima indikator koji se odnosi na rad na računaru. Najnižu, ali ipak prihvatljivu vrednost, ima indikator koji se odnosi na opušteno korišćenje računara. Ovaj faktor je imenovan kao „strah od računara“. Treći faktor su kombinovani indikatori V11_2 do V11_4. Maksimalna težina ima pokazatelj koji se odnosi na korišćenje pomoći, dok minimalnu težinu ima pokazatelj koji se odnosi da završen zadatak sa neograničenom količinom vremena. Faktor je imenovan kao „Samoprocena efikasnosti i sposobnosti za rad sa računarima“. Koeficijent pouzdanost za faktor „Lična inovacija“, sa faktorom „Strah od kompjutera“ daje veoma dobru pouzdanost merenja „Samoprocena efikasnosti i sposobnosti za rad sa računarima“ (Tabela 45).



Tabela 44: Zajednički faktori težine sa Varimax rotaciju konstruktai OLIP

Indikatori osobina ličnosti i informatičke pismenosti Zbirno Faktor

1 2 3 v12_1: U slučaju da je razvijeno novo softversko rešenje tražim mogućnosti njegove primene 0,711 0,806

v12_2: Među kolegama sam obično prvi koji proba novi softver 0,761 0,861

v12_3: Volim testiranje novih softverskih rešenja 0,847 0,907

v13_1: Kad koristim računar postanem nervozan 0,796 0,883

v13_2: Kada pomislim da moram koristiti računar osetim netrpeljivost 0,805

0,889

v13_3: Računar koristim opušteno 0,476 0,642

v11_2: Uz pomoć softverskog rešenja mogu završiti zadatak ako imam na raspolaganju uputstvo za upotrebu i/ili on-line pomoć

0,616

0,770

v11_3: Uz pomoć softvera lako završavam zadatke a ukoliko to nisam u stanju onda pozovem pomoć 0,669

0,809

v11_4: Uz pomoć softvera mogu da završim zadatak ako imam puno vremena na raspolaganju 0,484

0,674

Dodatna variansa u% 33,989 20,106 14,414

KMO test: 0,708 Bartlettov test sferičnosti: 887,58; p<0,001 Ukupni provenat dodatne varianse: 68,509

Tabela 45: Kronbahov koeficient pouzdanosti α za faktore konstrukta OLIP

Faktor Cronbachov α Broj varijabli

Lična inovativnost 0,849 3

Strah od računara 0,764 3

Samoprocena efikasnosti i sposobnosti za rad sa računarima

0,636

2

Nadalje posmatramo faktore EFA grupe sa sistemskim i tehnološkim svojstavima (STL). Pre nego što su uključeni, iz 27 pokazatelja je uklonjeno 5 indikatora, tako da konačno rešenje daje 22 indikatora koji objašnjavaju 72,62% posmatranih indikatora i varijabilnost u šest faktora (tabela 46).



Tabela 46: Zbirni faktori težine sa Varimax rotacijom STL činilaca

Indikatori osobina ličnosti i informatičke pismenosti Zbirno Faktori

1 2 3 4 5 6

v21_1: ERP obezbeđuje samo informacije koje treba 0,681 0,717

v21_2: Sadržaj informacija koje ERP daje su mi dovoljne. 0,819 0,877

v21_3: ERP rešenja pruža izveštaje koji su potrebni 0,702 0,692

v21_4: ERP obezbeđuje dovoljno informacija za moje potrebe 0,805 0,840

v22_1: ERP ima sve karakteristike koje su mi potrebne 0,674 0,673

v22_2: Zadovoljan sem sa ERP odgovorima 0,564 0,422

v24_1: Tražene podatke ERP rešenje daje brzo 0,736 0,807

v24_2: ERP rešenje radi brzo 0,752 0,849

v24_4: Podatke lako i brzo dobijam. 0,790 0,798

v24_5: Nov zapis (npr. nov dobavljač, kupac, artikal itd.) lako i brzo dodam u ERP rešenje. 0,483

0,471

v24_6: Korišćenje ERP je brzo 0,768 0,664

v26_1: Uputstvo, sadržaj i indeks korisnika je adekvatan. 0,779 0,779

v26_2: Uputstva za korisnike se odnose na istu korisničku verziju 0,740

0,822

v26_3: U vodiču za korisnike nalazi se sve što vam je potrebno. 0,802 0,811

v23_1: Korišćenje ERP menija za uobičajene zadatke zahteva previše vremena. 0,713

0,818

v23_2: Rad sa ERP je veoma komplikovan 0,792 0,871

v23_3: Korišćenje ERP zahteva previše vremena na rutinske zadatke 0,771

0,851

v22_3: Moguće greške u ERP sistemu se mogu lako otkriti. 0,682

0,733

v22_4: Suštinske greške koje se javljaju u ERP sistemu, mogu se lako popraviti. 0,796

0,850

v22_5: Izgled izveštaja se može lako promeniti. 0,519 0,580

v24_7: ERP neočekivano prestaje sa radom što komplikuje moj rad. 0,813

0,892

v24_8: ERP je predmet čestih sistemskih problema i prestanka rada. 0,796

0,865

Dodatna varijansa u % 36,381 11,805 7,180 6,177 5,904 5,174

KMO test: 0,873 Bartlettov test sferičnosti: 2654,11; p<0,001 Ukupan procenat objašnjene varijanse: 72,62%

Prvi faktor su kombinovani indikatori V21_1, V21_2, V21_3, V21_4, V22_1 i V22_2. Minimalne težine imaju V22_1 faktor i V22_2, ali vrednost je i dalje znatno veća od 0,40, koju uzimamo da bude granica. Dakle, u ovoj fazi oni neće biti isključeni. Faktor je imenovan kao „Kvalitet podataka“. Drugi faktor obuhvata sledeće pokazatelje: V24_1, V24_2, V24_4, V24_5 i V24_6. Svi indikatori osim indikatora koji se odnosi na dodavanje novog sloga su težine iznad 0,60. Faktor je



nazvan „kapacitet sistema“. Treći faktor obuhvata sledeća tri indikatora: V26_1, V26_2 i V26_3. Sva tri faktora imaju relativno visok ponder. Faktor je imenovan „Uputstvo za korisnike“. Četvrti faktor obuhvata indikatore V23_1, V23_2 i V23_3. Svi imaju faktor težine oko 0.80. Faktor je imenovan „teškoće rešenja“. Peti faktor obuhvata indikatore V22_3, V22_4 i V22_5. Faktor je imenovan kao „Funkcionalnost rešenja“. U šestom faktor su dva pokazatelja V24_7 i V24_8. Oba imaju faktor težine oko 0.80. Faktor je nazvan „Učinkovitost rešenja“.

Tabela 47 prikazuje vrednosti Kronbah α i njenog uticaja na faktore u STL. Kronbah je α faktori za „kvaliteta podataka“, „performanse sistema“, „Uputstvo za upotrebu“ i „teškoće rešenja“ imaju težinu iznad 0,8, što ukazuje da je pouzdanost merenja velika. Za faktore „Funkcionalnost rešenja“ i

„Učinkovitost rešenja“ Kronbah α iznosi između 0,70 i 0,80, što znači da je merena pouzdanost veoma dobra, pogotovo s obzirom da se faktor sastoji od dva indikatora.

Tabela 47: Kronbah je pouzdanost koeficijent α da izgradi faktore u STL

Faktor Cronbachov α Broj varijabli Kvalitet podataka 0,907 6

Performanse sistema 0,864 5

Uputstva za korisnike 0,860 3

Teškoća rešenja 0,829 3

Funkcionalnost rešenja 0,705 2

Učinkovitost rešenja 0,770 2

EFA nastaviti da prikazuje organizacione i proceduralne karakteristike (OLP) i rezultati su prikazani u tabeli 48. Od originalnih 20 indikatora, konačna grupa sadrži 17 indikatora koji objašnjavaju 69.10% varijabilnosti u posmatranim indikatorima (Tabela 48). Prvi faktor zavisi od četiri indikatora, odnosno V32_1, V32_2, V32_3 i V32_5. Svi indikatori osim V32_5 faktora su sa visokom težinom (iznad 0,80). Prvi faktor je nazvan „Kompatibilnost sa poslovnim procesima“. Drugi faktor se sastoji od četiri indikatora: V31_1, V31_2, V31_3 i V31_4. Faktor je imenovan kao „Uticaj na životnu sredinu“. Treći faktor se sastoji od pet indikatora: V33_1, V33_4, V34_1, V34_2 i V34_3. Faktor je imenovan „Podrška za korišćenje rešenja“. Četvrti faktor se sastoji od dva indikatora, i to: V35_2 i V25_3. Oba imaju faktor težine od 0.80. Mi smo ga nazvali „Komuniciranje o rešenju“. Poslednji faktor se takođe sastoji od dva indikatora koji su V33_2 i V33_3, a odnose se na obrazovanje i obuku ERP rešenja. Stoga, mi faktor zvemo „Obuka za rešenje“.



Tabela 48: Zbirni faktori težine sa Varimax rotacijom OPL činilaca

Indikatori osobina ličnosti i informatičke pismenosti Zbirno Faktori

1 2 3 4 5

v32_1: ERP rešenje zadovoljava potrebe mog posla. 0,844 0,865

v32_2: ERP rešenje zadovoljava poslovne potrebe mog odeljenja. 0,833 0,834

v32_3 : ERP rešenje zadovoljava moje potrebe 0,811 0,849

v32_5 : Održavanje sistema je u skladu sa mojim potrebama 0,484 0,574 v31_1 : Rukovodstvo snažno podržava korišćenje ERP na mom radnom mestu .

0,532 0,668

v31_2 :Organizacija generalno podržava korišćenje ERP rešenja 0,599 0,722

v31_3 : Ljudi utiču na moje misle da moram da koristim ERP rešenje 0,820 0,880 v31_4: Ljudje, ki so v podjetju pomembni, menijo, da moram rešitev ERP uporabljati.

0,826 0,895 v33_1: Menim, da nisem imel dovolj izobraževanja glede razumevanja in dostopanja do rešitve ERP ter njene uporabe. 0,522 0,702 v33_4: Menim, da potrebujem za opravljanje svojega dela dodatno urjenje za uporabo ERP.

0,552 0,692

v34_1 : Ja ne znam koga da zovem u pomoć koristeći ERP rešenja 0,620 0,752 v34_2 : Ljudi koji pružaju podršku za ERP , koristeći termine koje oni ne razumeju

0,626 0,760 v34_3 : Da bi pomogao sebi volim da pitam druge korisnike pre nego ljude iz podrške

0,632 0,637 v35_2 : Administratori ERP rešenja ne obaveštavaju o trenutnom stanju ERP rešenja

0,867 0,890 v35_3 : Administratori ERP rešenja ne objašnjavaju kako promene u ERP utiču na moj rad

0,828 0,870 v33_2 : Nakon osnovne obuke , dobio sam još formalnog obrazovanja o ERP rešenju

0,618 0,733

v33_3 : Dobio sam formalno obrazovanje o ERP rešenjima ( npr. pola sata podrške od ključnog korisnika ili eksperta )

0,729 0,812

Dodatna varijansa u % 31,748 13,423 9,302 8,042 6,563

KMO test: 0,795 Bartlettov test sferičnosti: 1783,75; p<0,001 Ukupan procenat objašnjene varijanse: 69,078%

Tabela 49 prikazuje koeficijente Kronbah je α za OPL konstrukt u tri faktora: „Poštovanje poslovnih procesa“, „uticaj na životnu sredinu“ i „podrška upotrebi rešenja“ gde su koeficijenti

pouzdanosti Kronbah α iznad 0,80, što znači da je pouzdanost merenja velika. Faktor „Komuniciranje o rešenju“ ima veoma dobru pouzdanost merenja, dok je faktor „Obuka ERP“ teško prihvatljiv.



Tabela 49: Kronbahov koeficijent pouzdanosti α u pogledu faktora u OLP

Faktor Cronbachov αααα Broj varijabli

Kompatibilnost sa poslovnim procesima 0,909 4 Uticaj na životnu sredinu 0,851 4 Podrška za korišćenje rešenja 0,763 5 Komuniciranje o rešenju 0,886 2 Obuka o ERP rešenju 0,583 2

Koristimo EFA metodologiju i za posmatranje percepcije korisnost ERP rešenja što je predstavljeno u tabeli 50. Od prvih pet indikatora uključenih u konačno rešenje četiri pokazatelja objašnjavaju 85,64% varijabilnosti u posmatranim pokazateljima. Indikatori formiraju jedan faktor, koji se zove

„Percepcija korisnost ERP“ (U). Vrednost Kronbah α je iznad 0,8, i može se reći da je pouzdanost merenja dovoljna.

Tabela 50: Zbirni faktori težine i pouzdanosti i koeficijent Kronbah α kao konstrukt doživljaja korisnosti ERP

Indikatori upotrebljivosti ERP rešenja (U)

Koeficient Faktor

1 V41_1: Upotreba E R P rešenja na radnom mestu mi omogućava da realizujem zadatke hitreje.

0,853 0,924

V41_2: Upotreba ERP rešenja poboljšava moju produktivnost. 0,933 0,966 V41_3: Upotreba ERP rešenja povećava moju efikasnost na poslu 0,939 0,969 V41_4: Uz pomoć ERP rešenja svoje poslove obavljam jednostavnije 0,860 0,927 Dodatna varianca u % 85,638 KMO test: 0,894 Bartlettov test sferičnosti: 1689,13; p<0,001 Ukupan procenat objašnjene varijanse: 85,638% Cronbachov α: 0,961

EFA u nastavku prikazuje „doživljaj lakoće korišćenja ERP“ (EOU) i predstavja rezultate u tabeli 51. Prvobitno uključena četiri pokazatelja doživljaja lakoće upotrebe su predstavljena sa druga dva indikatora koji objašnjavaju 72,38% varijabilnosti posmatranih pokazatelja. Oba čine jedinstveni

faktor. Vrednost Kronbahovog koeficijenta α je veći od 0,80, tako da možemo reći da je pouzdanost merenja primerna.

Tabela 51: Zbirni faktor težine i pouzdanosti kroz koeficijent Kronbah α konstrukta doživljaja lakoće korišćenja ERP

Indikator doživljene jednostavnosti korišćenja ERP rešenja (EOU) Zbirno Faktor

1 V42_1: Rad sa ERP je lak i razumljiv. 0,766 0,875

V42_3: Korišćenje ERP mi se čini lako. 0,828 0,910

Dodatna varianca u % 72,375

KMO test: 0,648 Bartlettov test sferičnosti: 336,27; p<0,001 Ukupan procenat objašnjene varijanse: 72,375 Cronbachov α: 0,856



EFA u odnosu na „usaglašenost sa potrebama radnog mesta“ predstavilja rezultate u tabeli 52. Svi prvobitno uključeni pokazatelji u skladu sa potrebama radnog mesta su uključeni u konačnom rešenju i objašnjavaju 84,27% posmatranih indikatora varijabilnosti. Indikatori formiraju jedan

zbirni faktor. Kronbahov koeficijent pouzdanosti α je iznad 0,80, što se može oceniti kao pouzdan.

Tabela 52: Zbirni faktor težine i pouzdanosti i koeficijent Kronbaha α kod usaglašenosti rešenja sa potrebama radnog mesta

Indikator usklađenosti sa potrebama radnog mesta Zbirno Faktor

1 V43_1: ERP rešenje je pogodno za upotrebu u svim aspektima mog rada. 0,806 0,898

V43_2: Rad sa ERP se dobro uklapa sa mojim načinom rada. 0,911 0,954

V43_3: Korišćenje ERP je u skladu sa mojim radnim navikama. 0,811 0,901

Dodatna varianca u % 84,266

KMO test: 0,696 Bartlettov test sferičnosti: 590,23; p<0,001 Ukupan procenat objašnjene varijanse: 84,266% Cronbachov α: 0,904

Osim toga, uradili smo EFA za parametar „stavovi za korišćenje ERP“ i rezultati su prikazani u tabeli 53. Oba prvobitno uključena indikatora su uključena u konačno rešenje i objašnjava 91,53% posmatranih indikatora varijabilnosti. Indikatori formiraju jedan zbirni faktor. Kronbahova

pouzdanost α je iznad 0,80, tako da možemo da govorimo o pouzdanim podacima.

Tabela 53: Zbirni faktori težine i pouzdanosti koeficijenta Kronbaha α u odnosu na stavove o korišćenja ERP

Indikator odnosa prema korišćenju rešenja Komunalitete Faktor

1 V44_1: Podržavam korišćenje ERP rešenja. 0,915 0,957 V44_2: Za izvršavanje svojih zadataka koristim ERP rešenja 0,915 0,957 Dodatna varianca u % 91,533 KMO test: 0,500 Bartlettov test sferičnosti: 590,23; p<0,001 Ukupan procenat objašnjene varijanse: 91,533 Cronbachov α: 0,905

Na kraju, smo vršili EFA da pokaže "upotrebu ERP" sa rezultatima koji su prikazani u Tabeli 54. Svi prvobitno uključeni indikatori su uključeni u konačnu grupu i objašnjava 80.1% varijabilnosti posmatranih pokazatelja. Indikatore čine dva faktora. Prvi faktor uključuje indikatori V52, V53_1, V53_2 i V53_3. Faktor je imenovan kao „Korišćenje ERP rešenja“. Drugi faktor uključuje indikator V51*, gde je uz pomoć indikatora mereno vreme aplikativnih rešenja, pa smo ga naznali

faktor „vreme korišćenja“. Kronbahov α faktor je iznad 0,8, što ukazuje na pouzdanost merenja

(tabela 55). Za faktor upotrebe vremena se ne može izračunati Cronbach α faktor jer se sastoji od jednog indikatora.

7-2 erp sistemi

Documents