A Scientometric Overview of the Research on Business Intelligence and Related Technologies on a Global Scale

Abstract

Business intelligence is a technology that can integrate data warehouses fed from different sources of data, data mining and other statistical methods to create meaningful, visually rich, and reasonably appropriate reports. The study aims to reveal the current state of the literature on business intelligence by presenting the analytical structure of the scientific studies through the use of scientometric methods. In this context, the current status is summarized via descriptive statistics about the distributions of authors, journals, institutions, countries, citations, and also trends, furthermore advanced methods such as network analyses and text analytics are used to determine the relationships between the entities, e.g., publications, journals, authors, and to provide the information on the contents of the works in summary. Within the scope of the study, the concepts of data warehouse and data mining are reviewed where business intelligence is related at the primary level to emphasize the importance of the subject, and in this conceptual framework, the findings from the scientometrics of the research articles are presented that were published in the journals in the Web of Science basic database. Scientific studies are essential regarding presenting the current situation of the relevant literature and shedding light on future studies.

Keywords

• Business Intelligence,Data Warehouse,Citation Mining,Scientometrics

İş Zekâsını ve İlgili Teknolojileri Konu Alan Araştırmalara Küresel Ölçekte Bilimetrik Bakış

Abstract

İş zekâsı; farklı kaynaklardan beslenen veri ambarlarını, veri madenciliğini ve diğer istatistiksel yöntemleri bütünleşik olarak kullanabilen; anlamlı, görselliği zengin ve amaca uygun raporlar sunan bir teknoloji olarak ifade edilebilir. Çalışmanın amacı, iş zekası konusunda yayınlanan bilimsel çalışmaları, bilimetrik yöntemler aracılığıyla analitik bir yapıda sunarak, literatürün geldiği noktayı ortaya koymaktır.  Bu bağlamda, yazar, dergi, kurum, ülke, atıf dağılımları, eğilim gibi tanımlayıcı istatistikler ile mevcut durum özetlenmekte; ağ analizleri, metin analitiği gibi daha ileri analiz yöntemleri de yayınlar, dergiler ve yazarlar gibi varlıklar arasındaki ilişkiler belirlenmekte ve çalışmaların içeriği konusunda özet bilgiler sunulmaktadır. Çalışma kapsamında, öncelikle konunun önemini vurgulamak adına, iş zekasının birincil düzeyde ilişkili olduğu veri ambarı ve veri madenciliği kavramları üzerinde durulmakta, bu kavramsal çerçevede, Web of Science temel veri tabanında taranan dergilerde yayınlanmış araştırma makalelerinin bilimetrik analizi ile elde edilen bulgular sunulmaktadır. Bilimetrik çalışmalar, ilgili literatürün mevcut durumunu ortaya koymaları ve gelecek çalışmalara ışık tutmaları açısından önem taşımaktadır.

Keywords

• İş Zekası,Veri Ambarı,Literatür Madenciliği,Bilimetri

References

1. Akçetin E., Çelik U., Takçı H. (2013). Lojistik ve Denizcilik Sektörü Açısından Veri Madenciliği Uygulamalarının Önemi. Journal of ETA Maritime Science, 1(2): 73-80.
2. Arnott D., Pervan G. (2014). A critical analysis of decision support systems research revisited: the rise of design science. Journal of Information Technology, 29(4):269-293.
3. Arnott D., Lizama F., Song Y. (2017). Patterns of business intelligence systems use in organizations. Decision Support Systems, 97(2017):58–68.
4. Arslan V., Yılmaz G. (2010). Karar Destek Sistemlerinin Kullanımı İçin Uygun Bir Model Geliştirilmesi. Havacılık ve Uzay Teknolojileri Dergisi, 4(4):75-82.
5. Ateş H. (2008). Karar Vermede İş Zekasının Önemi: Tekstil Sektöründe Bir Araştırma. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı Üretim Yönetimi Ve Endüstri İşletmeciliği Programı, Yayınlanmamış Yüksek Lisans Tezi. İzmir.
6. Bordeleau F., Mosconi E., Santa-Eulalia L.A. (2018). Business Intelligence in Industry 4.0: State of the art and research opportunities. 51st Hawaii International Conference on System Sciences, Proceedings of a meeting, page- 3944-3953. 2-6 January 2018, Hawaii, USA.
7. Chau M., Xu J. (2012). Business Intelligence In Blogs: Understanding Consumer Interactions And Communities. MIS Quarterly,36(4):1189-1216
8. Chaudhuri S., Dayal U., Narasayya V. (2011). An Overview of Business Intelligence Technology.Communications of the ACM, 54 (8):88-98.

9. Chen H., Chiang R.H.L., Storey V.C.(2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly,36(4):1165-1188.
10. Cody W.F., Kreulen, J.T., Krishna, V., Spangler, W.S. (2002). The integration of business intelligence and knowledge management. IBM Systems Journal, 41(4), 697-713.
11. Çerçevik F.Ç.(2016). Müşteri İlişkileri Yönetiminde İş Zekâsı Ve Özel Bankacılıkta Bir Uygulama. Eskişehir Anadolu Üniversitesi Sosyal Bilimler Enstitüsü Yönetim Organizasyon Ana Bilim Dalı Yayınlanmamış Yüksek Lisans Tezi, Eskişehir.
12. Data Warehousing (2014). Business Intelligence: A Managerial Perspective on Analytics (3rd Edition) http://slideplayer.com/slide/5266106/#.WsDOHrzqqn0.email (03.30.2018).
13. Duan L., Xu L.D. (2012). Business Intelligence for Enterprise Systems: A Survey. IEEE Transactions On Industrial Informatics, 8(3): 679-687.
14. Dursun T., Kaya S. (2015). İş Zekası Ve Sosyal Medya Uygulamaları. Maltepe Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Ekonomik, Toplumsal Ve Siyasal Analiz Dergisi, 2015/II(6):174-198.
15. Eckerson W. (2003). Smart Companies in the 21st Century: The Secrets of Creating Successful Business Intelligent Solutions. The Data Warehousing Institute, Seattle, WA, 2003, p. 32, Illustration 5.
16. Elbashir M., Collier P.A., Davern M.J. (2008). Measuring the effects of business intelligence systems: The relationship between business process and organizational performance. International Journal of Accounting Information Systems, 9(3):135-153.
17. Erbaş D.(2013). “Bilimsel Dizinler ve Önemi”. Sağlık Bilimlerinde Süreli Yayıncılık 2013, 11. Ulusal Sempozyum http://uvt.ulakbim.gov.tr/tip/sempozyum11/Sayfa-45-46.pdf (29.03.2018).
18. Işık Ö., Jones M.C., Sidorova A. (2013). Business intelligence success: The roles of BI capabilities and decision environments. Information & Management, 50 (1):13-23.
19. James T.L, Cooka D.F., Conlonb S., Keelingc K.B., Collignona S., White T. (2015). A framework to explore innovation at SAP through bibliometric analysis of patent applications. Expert Systems With Applications, 42 (2015):9389-9401.
20. Jayakrishnan M., Mohamad A.K., Yusof M.M. (2018). Assimilation of Business Intelligence (BI) and Big Data Analytics (BDA) Towards Establishing Organizational Strategic Performance Management Diagnostics Framework: A Case Study. Journal of Digital Information Management, 16(1): 22-32.
21. Jourdan Z.R., Rainer R.K., Marshall T.E.(2008). Business Intelligence: An Analysis of the Literature, Information Systems Management, 25:121-131.
22. Kabakchieva D. (2015). Business Intelligence Systems for Analyzing University Students Data. Cybernetics and Information Technologies, 15(1): 104-115.
23. Koyuncugil A.S., Özgülbaş N.(2009). Veri Madenciliği: Tıp ve Sağlık Hizmetlerinde Kullanımı ve Uygulamaları. Bilişim Teknolojileri Dergisi, 2(2):21-32.
24. Lee J.H., Park S.C. (2005). Intelligent profitable customers segmentation system based on business intelligence tools. Expert Systems with Applications,29(2005):145-152.
25. Loudcher S., Jakawat W., Morales E.P.S., Favre C. (2015). Combining OLAP and information networks for bibliographic data analysis: a survey. Scientometrics, 103(2):471-487.
26. Moro S., Cortez P., Rita P. (2015). Business intelligence in banking: A literature analysis from 2002 to 2013 using text mining and latent Dirichlet allocation. Expert Systems with Applications, 42(3): 1314-1324.
27. Negash S. (2004). Business Intelligence. Communications of the Association for Information Systems, 13(2004):177-195.
28. Özçam, Y., Coşkun, E. (2016a). Türkiye’de Faaliyet Gösteren İşletmelerin İş Zekâsı Kullanım Düzeylerinin İncelenmesi Üzerine Bir Araştırma. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 8(1), 73-81.
29. Özçam Y., Coşkun E.(2016b). Türkiye’de İş Zekası Kullanan İşletmelerde Kullanıcı Memnuniyetinin Sistem Kullanımı Ve Performans Üzerindeki Etkisinin İş Zekası Açısından İncelenmesi. The Journal of Academic Social Science Studies, (46):403-417.
30. Pazarçeviren S., Zor Ü., Gürbüz F. (2015). İş Zekâsı: Kavramsal Çerçeve, Bileşenler ve İşleyiş. Siyaset, Ekonomi ve Yönetim Araştırmaları Dergisi, 3(1), 75-91.
31. Popovic A., Hackney R., Coelho P.S., Jaklica J. (2012). Towards business intelligence systems success: Effects of maturity and culture on analytical decision making. Decision Support Systems, 54(1):729-739.
32. Reinschmidt J., Francoise A.(2000). Business Intelligence Certification Guide. IBM Corporation. International Technical Support Organization. San Jose: California. www.redbooks.ibm.com
33. Seker S.E. (2016). İş Zekası (Business Intelligence). YBS Ansiklopedi, 3(1):21-25. Gürsoy U.T. (2012). Uygulamalı Veri Madenciliği Sektörel Analizler (3 baski.). Ankara: Pegem Akademi
34. Sert E., Eruç R., Küçükdoğru M., Altuntaş N. (2015). KPS Destekli Verilere Dayalı Mekânsal İş Zekâsı Uygulamaları, TUFUAB VIII. Teknik Sempozyumu, 21-23 Mayıs 2015- Konya. s.380-383.
35. Tan P., Steinbach M., Kumar V.(2006). Introduction to Data Mining. Boston: Pearson Education.
36. Turban E, Sharda R, Delen D, King D. (2010). Business Intelligence A Managerial Approach. Prentice Hall; 2nd Edition. 2010.
37. Watson H.J., Wixom B.H. (2007). The Current State of Business Intelligence. Computer, 40(9): 96-99.
38. Williams S., Williams N. (2006). The Profit Impact of Business Intelligence, Morgan Kaufmann, San Francisco, CA.
39. Wu D.D., Chen S, Olson D.L. (2014). Business intelligence in risk management: Some recent progresses. Information Sciences, 256(2014):1-7.
40. Yeoh W., Koronios A.(2010) Critical Success Factors for Business Intelligence Systems, Journal of Computer Information Systems,50(3): 23-32.
41. Yanık A.(2017). Bulut Bilişim İle Sosyal Sermaye Arasındaki Teknik İlişkinin İş Tatminine Etkisi. Uluslararası Sosyal Araştırmalar Dergisi, 10(52):1249-1259.
42. Yılmaz B., Bülbül S., Atik M. (2017). Büyük Verinin (Big Data) Muhasebe Üzerindeki Etkisi Ve Muhasebeye Sağladığı Katkıların İncelenmesi. Kara Harp Okulu Bilim Dergisi, 27(1):79-112.
43. Yılmaz E. (2005). İş Zekası Araçları Ve Ormancılık. İstanbul Üniversitesi Orman Fakültesi Dergisi, 55(1):135-146.
44. Yılmaz Y., Bekmezci O. (2014). İş Zekâsı Kavramı Ve Uygulamalarına Genel Bakış. Leges Informa Yönetîm Bilişim Sistemleri Dergisi, 1(1):87-111.
45. Zeng L., Li L., Duan L. (2012). Business intelligence in enterprise computing environment. Information Technology and Management, 13 (4):297-310.