Jurnal Fix - En.id

Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.
com
Jurnal Internasional Sistem Informasi Akuntansi 29 (2018) 37–58
Daftar isi tersedia di SainsLangsung
Jurnal Internasional Informasi Akuntansi

Sistem
beranda jurnal: www.elsevier.com/locate/accinf
Intelijen bisnis & analitik dalam penelitian akuntansi

manajemen: Status dan fokus masa depan
Pall RikhardssonA,kan, Ogan YigitbasiogluB
A Universitas Reykjavik, Sekolah Bisnis, Menntavegur 1, 101 Reykjavik, Reykjavik, Islandia
B Universitas Teknologi Queensland, Sekolah Akuntansi, Level 3, Blok B, Gardens Point, 2 George St., Brisbane, QLD 4000, Australia
INFO ARTIKEL ABSTRAK
Kata kunci: Para eksekutif melihat teknologi, data, dan analitik sebagai kekuatan transformasi dalam bisnis. Oleh karena
Intelijen bisnis itu, banyak organisasi menerapkan teknologi business intelligence & analytics (BI&A) untuk mendukung
Manajemen akunting pelaporan dan pengambilan keputusan. Secara tradisional, akuntansi manajemen adalah dukungan utama
Data besar
untuk pengambilan keputusan dan pengendalian dalam suatu organisasi. Dengan demikian, ia memiliki
Analitik
tautan yang jelas ke dan dapat mengambil manfaat dari penerapan teknologi BI&A. Ini menunjukkan area
penelitian yang menarik bagi peneliti akuntansi dan AIS. Namun, tinjauan literatur di jurnal akuntansi dan
sistem informasi teratas menunjukkan bahwa hingga saat ini, sedikit penelitian yang berfokus pada tautan
ini. Artikel ini meninjau literatur, menunjukkan beberapa kesenjangan penelitian dan mengusulkan
kerangka kerja untuk mempelajari hubungan antara BI&A dan akuntansi manajemen.
1. Perkenalan
Teknologi intelijen dan analitik bisnis (BI&A) memfasilitasi pengumpulan data, analisis, dan penyampaian informasi serta dirancang untuk
mendukung pengambilan keputusan. Mengingat bahwa akuntansi manajemen (MA) adalah kegiatan pendukung keputusan, ada hubungan yang jelas
antara BI&A dan akuntansi manajemen (AICPA, 2013; Cokin, 2009; Maisel dan Cokins, 2014). Tautan ini penting, karena BI&A menempati urutan teratas
dalam agenda perusahaan di banyak organisasi (Kolombus, 2014; Kolombus, 2015; Riset dan Pasar, 2015; PwC, 2016), dan para eksekutif percaya bahwa
analisis data dan dukungan keputusan yang lebih baik menciptakan nilai bagi perusahaan mereka (Elbashir dkk., 2013;
Kiron et al., 2014). Dengan demikian, akuntansi manajemen memiliki banyak keuntungan dari keberhasilan mengintegrasikan teknik BI&A ke dalam
tugas akuntansi manajerial. Minat ini juga tercermin dalam agenda badan akuntansi profesional, sedemikian rupa sehingga pada tahun 2016, Chartered
Institute of Management Accountants (CIMA) menyerukan penelitian tentang 'analitik' dengan menawarkan hibah untuk melakukan studi di bidang ini (
CIMA, 2016b).
Mengingat fokus bisnis saat ini pada BI&A dan persepsi pentingnya manajemen, domain solusi ini harus menjadi area fokus penelitian
AIS. Namun, komentator telah mencatat bahwa meskipun "ada potensi untuk mempelajari solusi intelijen bisnis secara umum dan
implikasinya untuk pengambilan keputusan dan pengendalian, pemahaman kita saat ini tentang perkembangan ini dalam akademisi
akuntansi sangat terbatas" (Granlund, 2011, P. 10).
Untuk menilai apakah reservasi ini valid, pencarian literatur ekstensif dilakukan di lebih dari enam puluh jurnal akuntansi dan sistem
informasi. Tinjauan literatur sangat penting, karena mereka menghemat waktu dan tenaga untuk peneliti masa depan dan mengarah pada
kemajuan yang efisien dari pengetahuan baru dan disiplin (Webster dan Watson, 2002). Tujuan khusus dari tinjauan ini ada dua:
1. Tinjau dan evaluasi secara kritis volume dan isi literatur yang berfokus pada hubungan antara BI&A dan
kan Penulisyang sesuai.

Alamat email: pallrik@ru.is (P.Rikhardsson), ogan.yigitbasioglu@qut.edu.au (O. Yigitbasioglu).
https://doi.org/10.1016/j.accinf.2018.03.001
Diterima 14 Juni 2016; Diterima dalam bentuk revisi 9 Februari 2018; Diterima 19 Maret 2018
1467-0895/ Crown Hak Cipta © 2018 Diterbitkan oleh Elsevier Inc. Hak cipta dilindungi undang-undang.
P. Rikhardsson, O. Yigitbasioglu Jurnal Internasional Sistem Informasi Akuntansi 29 (2018) 37–58
Manajemen akunting.
2. Berdasarkan tinjauan, soroti kesenjangan penelitian dan peluang untuk penelitian masa depan.
Makalah ini disusun sebagai berikut. Seksi 2 mengkonseptualisasikan hubungan antara MA dan BI&A. Ini diperlukan, karena ada banyak
definisi BI&A yang digunakan dan ada beberapa kebingungan tentang bagaimana teknologi ini terkait dengan teknologi baru lainnya seperti
data besar, pembelajaran mesin, dan Internet-of-things.Bagian 3 menjelaskan tinjauan literatur dua tahap, awalnya memberikan tinjauan
tentang tema terbaru dalam literatur IS dan kemudian memberikan tinjauan umum dari artikel yang dipilih untuk tinjauan kedua pada
hubungan antara akuntansi manajemen dan BI&A. Bagian 4 berisi ulasan dan temuan, disusun dalam 5 tema yang diidentifikasi selama
analisis artikel dan ringkasan pertanyaan penelitian untuk dieksplorasi di masa depan. Bagian 5 menyimpulkan makalah.
2. Konseptualisasi akuntansi manajemen dan BI&A
Beberapa tinjauan literatur sebelumnya di bidang AIS diperiksa untuk menentukan fokus pada BI&A. Sutton memberikan gambaran tentang
penelitian AIS dan area fokusnya berdasarkan artikel yang diterbitkan dalam International Journal of Accounting Information Systems (Sutton,
2000, 2010). Tinjauan ini mencantumkan empat bidang penelitian AIS: sistem perusahaan, nilai TI, audit komputer, dan sistem pengetahuan. BI&A tidak
terdaftar sebagai area terpisah dalam ulasan ini.Poston dan Grabski (2000) dan Ferguson dan Seow (2011) memberikan gambaran tentang penelitian
AIS yang dipublikasikan di berbagai jurnal. Tinjauan ini tidak membahas BI&A secara khusus tetapi mencakup “Penghakiman dan pengambilan
keputusan”, “Database”, dan “Sistem pakar, kecerdasan buatan, dan alat bantu keputusan” sebagai topik terpisah yang berisi tema terkait BI&A. Tidak
ada referensi khusus untuk akuntansi manajemen, dan tidak ada kerangka teoretis yang dikembangkan untuk mengklasifikasikan penelitian yang diulas
ke dalam kerangka kerja yang koheren seperti yang dikembangkan olehMauldin dan Ruchala (1999) atau Hartmann dan Vaassen (2003). Sebuah
tinjauan literatur olehRom dan Rohde (2007) melakukan ini dengan secara khusus berfokus pada akuntansi manajemen dan sistem informasi
terintegrasi, meskipun teknologi BI&A bukan bagian dari tinjauan itu.
Dalam mengkonseptualisasikan akuntansi manajemen, 4 elemen utama didefinisikan untuk memandu tinjauan literatur dan
mendiskusikan hubungannya dengan BI&A (Rom dan Rohde, 2007). Pertama, ada tugas keseluruhan dari fungsi akuntansi manajemen atau
apa?Granlund dan Lukka (1998) telah disebut "melakukan" akuntansi manajemen dalam kehidupan sehari-hari aktor organisasi (Granlund
dan Lukka, 1998). Meskipun ini dapat bervariasi, yang utama terdiri dari perencanaan, pengendalian, pengukuran kinerja, pemrosesan
transaksi, pelaporan, dan pendukung keputusan.Atkinson et al., 2011; Rom dan Rohde, 2007; Booth dkk., 2000). Kedua, ada teknik akuntansi
manajemen khusus yang digunakan dalam melaksanakan tugas-tugas akuntansi manajemen, seperti penetapan biaya berbasis aktivitas,
kerangka kerja kartu skor seimbang, alokasi biaya berbasis volume, peta strategi, penganggaran berbasis nol, dan peramalan.Granlund dan
Malmi, 2002; Seal dkk., 2014; Armitage dkk., 2016). Sementara MA mengacu pada tugas dan teknik, kontrol manajemen jauh lebih luas dan
mencakup kontrol lain seperti kontrol pribadi dan klan di samping praktik MA untuk mencapai tujuan tertentu (Chenhall, 2003). Yang ketiga
adalah organisasi akuntansi manajemen, yang mencakup peran akuntan manajemen dalam organisasi dan bagaimana fungsi akuntansi
manajemen diatur di seluruh industri, budaya dan jenis organisasi (Quattrone dan Hopper, 2005; Williams dan Seaman, 2001). Akhirnya, ada
dampak akuntansi manajemen terhadap perilaku organisasi dan persepsi manajemen tentang masalah akuntansi manajemen (Dechow dan
Mouritsen, 2005; Janke et al., 2014; Panjang, 2012). Penelitian telah lama menyelidiki dampak berbagai teknologi informasi pada keempat
elemen tersebut. Misalnya, aliran penelitian telah difokuskan pada bagaimana adopsi sistem ERP (atau sistem informasi terintegrasi)
mempengaruhi tugas dan teknik akuntansi manajemen. Meskipun sistem ini tidak diragukan lagi meningkatkan efisiensi pengumpulan dan
pelaporan data akuntansi (Cooper dan Kaplan, 1997; Davenport, 1998), banyak telah menyimpulkan bahwa mereka sering memiliki efek
stabilisasi pada praktik akuntansi manajemen daripada menimbulkan perubahan langsung atau signifikan (Granlund dan Malmi, 2002; Rom
dan Rohde, 2007; Scapens dan Jazayeri, 2003). Namun demikian, sistem ERP memungkinkan kontrol yang lebih baik (Chapman dan Kihn, 2009
; Granlund dan Malmi, 2002; Rom dan Rohde, 2007; Scapens dan Jazayeri, 2003; Wagner et al., 2011) dan mempengaruhi kinerja organisasi
secara positif (misalnya, Hunton et al., 2003; Nicolaou, 2004; Nicolaou dan Bhattacharya, 2006; Velcu, 2007). Juga, penelitian telah melihat
perubahan peran akuntan manajemen karena digitalisasi proses akuntansi. Sementara peran akuntan manajemen menjadi lebih berorientasi
bisnis dan strategis, hampir seperti konsultan (Granlund dan Malmi, 2002; Quattrone dan Hopper (2001)), akses yang lebih baik ke informasi
telah menyebabkan desentralisasi fungsi akuntansi manajemen, di mana tugas akuntansi manajemen semakin dilakukan di fungsi lain dari
suatu organisasi (Caglio, 2003; Rom dan Rohde, 2007).
BI&A didefinisikan di sini sebagai teknologi dan proses untuk menganalisis data dan menyajikan informasi yang dapat ditindaklanjuti untuk membantu
pengambil keputusan organisasi membuat keputusan yang lebih baik (Chaudhuri dkk., 2011; Howson, 2007; Davenport, 2006, 2010, 2013, 2014; Sharda dkk., 2014).
BI&A adalah "istilah payung" yang mencakup berbagai teknologi dan metodologi yang memungkinkan organisasi untuk mengumpulkan data dari sumber internal
dan eksternal, mempersiapkannya untuk analisis, mengembangkan dan menjalankan kueri terhadap data, dan membuat laporan, dasbor, dan visualisasi data untuk
membuat hasil tersedia bagi pengguna akhir. Dalam makalah ini, kami mengadopsi definisiChen dkk.
(2012) untuk BI&A, yang antara lain, mencakup area baru dalam analitik seperti analitik untuk konten berbasis seluler dan sensor
dan, lebih umum, data besar (Chen dkk., 2012).
Berdasarkan literatur teknis dari beberapa vendor BI&A terkemuka (Gartner, 2017), ada empat elemen teknologi dasar:
Aplikasi BI&A di organisasi mana pun (Chae dan Olson, 2013; Chaudhuri dkk., 2011; Elliot dan Woodward, 2015; Howson, 2007, 2013; Howson
dan Arnold, 2013; Syekh, 2013; Troyansky dkk., 2015; Volitic dan Ruppert, 2012). Ini adalah (i) Infrastruktur (misalnya, infrastruktur relasional
berbasis cloud atau database non-SQL); (ii) Manajemen data (misalnya, integrasi data internal dan eksternal);
(iii) Analisis data (misalnya, teknik statistik dan kecerdasan buatan); dan (iv) Penyampaian Informasi (misalnya, dasbor). Elemen-
elemen ini terintegrasi, artinya tanpa infrastruktur, data tidak dapat ditangkap dan disimpan secara efektif dan efisien; tanpa
38
Tabel 1
Tinjauan Literatur.
Ulasan 1 Ulasan 2
Kata kunci Intelijen bisnis, analitik, data besar, Intelijen bisnis, analitik, data besar, pendukung keputusan, visualisasi … DAN akuntansi, penetapan
pendukung keputusan biaya, penganggaran, pengukuran kinerja, dll.
Jurnal Jurnal ABDC peringkat A* Jurnal ABDC peringkat A* dan A
Kode 0806 (IS/IT) Kode 1501 (akuntansi), Kode 0806
Bertahun-tahun 2010–2015 2005–2015
Jumlah makalah 32 makalah dari 9 jurnal (dari 13) 30 makalah dari 17 jurnal (dari 67)
* Daftar Kualitas Dewan Dekan Bisnis Australia 2013.
teknologi manajemen data, teknologi analisis tidak dapat digunakan; dan tanpa penyampaian informasi kepada pengambil
keputusan, analisis tidak memiliki nilai apapun. Blok bangunan ini sering disebut sebagai "tumpukan teknologi" atau "tumpukan
arsitektur" dari BI&A (Evelson, 2008, 2017). Fokus ini mencakup konseptualisasi sebelumnya dari jenis teknologi ini, seperti Sistem
Pendukung Keputusan (DSS), Sistem Informasi Eksekutif (EIS) dan Sistem Informasi Manajemen (MIS). Perlu dicatat bahwa solusi
BI&A modern secara teknologi lebih maju daripada solusi DSS, EIS dan MIS sebelumnya. Khususnya dalam hal kegunaan,
pengelolaan data, termasuk tipe data, kecanggihan teknik analisis dan kemampuan visualisasi/pelaporan (Chen dkk., 2012). Namun,
tujuan mendasar dari solusi ini tetap sama: Untuk mengumpulkan, memproses, dan menganalisis data untuk meningkatkan
pengambilan keputusan oleh manajer.
3. Tinjauan Pustaka: Metode dan Kerangka Pengorganisasian
Sebuah strategi dua tingkat diadopsi untuk pencarian literatur dan review. Pertama, tinjauan umum literatur sistem informasi akademik (SI) tentang
topik terkait BI&A dilakukan. Hal ini dilakukan untuk membangun fondasi BI&A dalam hal penggunaan dan nilainya secara lebih umum dan
pengetahuan mutakhir apa yang ada dalam domain teknologi. Tinjauan pertama memandu tinjauan literatur tahap kedua dalam domain akuntansi
mengenai tema apa yang menjadi fokus dan kesenjangan apa yang mungkin ada. Sedangkan rincian kedua tahapan tersebut akan dijelaskan lebih
lanjut di bawah ini,Tabel 1 memberikan gambaran singkat tentang tinjauan pustaka.
3.1. metode
Dalam memilih jurnal untuk tinjauan pertama, daftar kualitas jurnal Australian Business Deans Council (ABDC) dari 2013 untuk IS/IT
(Sistem Informasi/Teknologi Informasi) (Kode 0806 dalam ABDC) digunakan (ABDC, 2013). Daftar ABDC konsisten dengan daftar kualitas
jurnal lain yang diterima secara luas seperti Academic Journal Guide dan SCIMAGO untuk jurnal peringkat teratas. Kata kunci yang digunakan
untuk memilih makalah adalah “business intelligence”, “analytics”, “big data”, dan “decision support”. Hanya jurnal peringkat A* (total 13)
yang dimasukkan dalam tinjauan untuk memfokuskan tinjauan pada outlet berkualitas lebih tinggi. Pencarian dibatasi pada 2010-2015 untuk
membatasi pencarian pada penelitian terbaru dan untuk mengakui perkembangan teknologi yang pesat di lapangan. Pencarian kembali 32
makalah dari 9 jurnal (lihatLampiran 1).
Makalah dalam jurnal membahas berbagai masalah sehubungan dengan desain, adopsi dan penggunaan BI&A. Topik-topik yang dibahas dalam makalah ini
secara garis besar dapat dikategorikan ke dalam tiga tema: (i) infrastruktur BI&A dan manajemen data (6 makalah); (ii) penerimaan dan keberhasilan BI&A (12
makalah); dan (iii) data besar dan tren BI&A masa depan (14 makalah). Sembilan dari 10 makalah 'data besar' adalah konseptual atau komentar, 7 makalah
menggunakan survei untuk mengumpulkan data, dan 6 mengadopsi desain eksperimental. Kami memanfaatkan studi dan tema ini ketika kami kemudian
mendiskusikan penelitian BI&A yang ada dalam akuntansi manajemen dan ketika mengidentifikasi kesenjangan penelitian.
Tahap kedua dari tinjauan termasuk pencarian literatur yang berfokus pada BI&A dan akuntansi manajemen baik di IT/IS dan
jurnal akuntansi. Pencarian difokuskan pada jurnal dalam akuntansi (Kode 1501 dalam ABDC) dan - seperti dalam pencarian literatur
pertama - IS/IT (Sistem Informasi/Teknologi Informasi) (Kode 0806) dari daftar kualitas jurnal ABDC. Pencarian ini termasuk jurnal
peringkat A* dan A. Ini konsisten dengan studi review lain dalam akuntansi manajemen dan TI yang hanya melihat jurnal
berkualitas tinggi (Luft dan Perisai, 2003; Piccoli dan Ives, 2005).
Diputuskan untuk mencari literatur dalam dua periode. Periode pertama, seperti dijelaskan di atas, adalah 2010–2015. Hal ini dilakukan
untuk mencerminkan tingkat perkembangan teknologi tertentu, karena sebelum tahun 2010, perkembangan teknologi BI&A masih terbatas
dibandingkan saat ini. Misalnya, dasbor interaktif kurang dikenal, metode analitik dibatasi oleh kapasitas pemrosesan, data besar tidak fokus,
dan pilihan infrastruktur untuk BI&A kurang maju. Namun, diputuskan juga untuk mencari literatur pada periode 2005 hingga 2009. Ini untuk
menangkap topik penelitian BI&A dan MA sebelumnya yang mungkin memiliki relevansi terlepas dari perkembangan teknologi.
Akhirnya, jurnal SI/TI yang berfokus pada jenis teknologi tertentu, seperti International Journal of Medical Informatics and
Information Society dikeluarkan karena sedikit relevansinya dengan akuntansi. Ini menghasilkan 67 jurnal, yang terdaftar di
Lampiran 3.
Untuk menyebarkan jaringan seluas mungkin, istilah pencarian yang digunakan dalam tinjauan kedua adalah kombinasi dari "akuntansi",
"biaya", "pengukuran/manajemen kinerja", "penganggaran" dengan "kecerdasan bisnis", "analitik", "data manajemen”, “visualisasi”, “alat
bantu keputusan”, “dukungan keputusan”, “pengiriman informasi”, “data besar” dan “sistem informasi”. Metodologi penelitian dari semua
studi empiris juga dicatat. Studi yang tidak memiliki relevansi dengan akuntansi manajemen dibuang setelah dipisahkan
39
Meja 2
Jumlah makalah yang membahas BI&A dan akuntansi manajemen.
Jurnal akuntansi (peringkat) 2005–2009 2010–2015
Akuntansi, Organisasi dan Masyarakat (A*) 0 1

Jurnal Riset Akuntansi (A*) Review 0 1
Akuntansi (A*) 0 1
Akuntansi dan Riset Bisnis (A) 0 2
Cakrawala Akuntansi (A) 0 3
Akuntansi dan Keuangan (A) Penelitian 0 1
Perilaku dalam Akuntansi (A) 0 2
Jurnal Internasional Sistem Informasi Akuntansi (A) Jumlah 3 2
Makalah dalam Jurnal Akuntansi = 16 3 13
Jurnal IS (peringkat)
Sistem Pendukung Keputusan (A*) 0 1
Jurnal Sistem Informasi Eropa (A*) Informasi 0 1
dan Manajemen (A*) 1 0
Riset Sistem Informasi (A*) 0 1
Jurnal Sistem Informasi Manajemen (A*) Jurnal Sistem 0 1
Informasi Strategis Bisnis & Rekayasa Sistem 1 0
Informasi (A) Jurnal Internasional Manajemen 0 1
Informasi (A) Jurnal Sistem Informasi (A) 0 3
1 3
Total Makalah dalam Jurnal IS/IT=14 3 11
ulasan oleh para peneliti. Misalnya, sebuah studi olehSayasik dkk. (2013)pada BI&A tidak memenuhi syarat, karena tidak memiliki relevansi dengan akuntansi
manajemen atau bahkan akuntansi, meskipun makalah ini termasuk dalam tinjauan pertama. Akhirnya, untuk menghindari menghilangkan makalah signifikan yang
tidak memenuhi kriteria seleksi, kami melakukan pencarian di Google Cendekia untuk makalah yang sangat dikutip (total 100 kutipan atau lebih) untuk tahun 2005–
2015. Ini mirip dengan prosedur yang diikuti olehBarat dan Bogor (2014). Kami hanya menemukan satu kertas tambahan (Lee dan Park, 2005), yang kami sertakan
dalam ulasan kami di Bagian 4.
3.2. Tinjauan studi BI&A dan akuntansi manajemen
Secara keseluruhan, hanya ditemukan 30 artikel yang menggabungkan fokus penelitian pada BI&A dan akuntansi manajemen dalam 16 jurnal
terpisah. Mengingat banyak penelitian tentang topik akuntansi manajemen secara umum dan penelitian, misalnya, sistem perusahaan dan pemantauan
berkelanjutan pada khususnya, ini adalah angka yang relatif rendah. Tiga dari artikel ini juga termasuk dalam tinjauan pertama, seperti yang muncul di
jurnal A* IS. Ikhtisar dari setiap makalah diberikan dalamLampiran 2. Ini termasuk topik penelitian, pendekatan metodologis dan penggunaan teori.
Distribusi tanggal publikasi - jatuh ke dalam dua periode yang dipilih - ditunjukkan pada Meja 2.
Tabel 3 menyajikan jenis metode penelitian yang diterapkan dalam makalah yang diulas. Sebagian besar makalah adalah konseptual atau
menerapkan metodologi eksperimental.
Secara umum, ada banyak makalah konseptual dibandingkan dengan studi empiris, karena hanya 19 makalah dalam 10 tahun terakhir yang
memberikan bukti empiris tentang penerapan BI&A dalam akuntansi manajemen. Ini mungkin merupakan indikasi dari sifat penelitian BI&A dalam
akuntansi pada umumnya dan akuntansi manajemen pada khususnya, tetapi ini menandakan kurangnya pengetahuan berbasis empiris di lapangan.
Meja 2 menunjukkan peningkatan tertentu dalam penelitian BI&A dan akuntansi manajemen setelah 2010, mungkin menunjukkan minat yang
meningkat pada subjek tersebut. Metode yang paling populer adalah eksperimen yang berfokus pada penyajian data terkait BI&A, sedangkan tema
lainnya dieksplorasi menggunakan berbagai metode selain big data, di mana semua makalah bersifat konseptual.
Perlu dicatat bahwa banyak jurnal A* Amerika Utara dalam bidang akuntansi, seperti Review of Accounting Studies dan Journal of
Accounting and Economics, tidak menerbitkan makalah apapun tentang BI&A meskipun ada tren peningkatan makalah AIS di jurnal A* pada
umumnya. (Ferguson dan Seow, 2011). The International Journal of Accounting Information Systems memiliki jumlah makalah yang
diterbitkan terbanyak (5) pada topik, diikuti oleh Accounting Horizons, karena edisi khusus 'big data', dan Journal of
Tabel 3
Metode penelitian yang digunakan.
Metode penelitian Jumlah makalah 2005–2015 % dari total
Konseptual (termasuk teoretis, pembuatan model, dan komentar) 10 33%

Eksperimental 8 27%
Survei 6 20%
Studi kasus dan studi berbasis wawancara 4 14%
Tinjauan literatur 1 3%
Arsip 1 3%
Total 30 100%
40
Tabel 4
Tema penelitian dibahas dalam literatur.
Tema penelitian Jumlah makalah 2005–2015 % dari total
1. Pengiriman informasi dan umpan balik sistem untuk tugas akuntansi manajemen 10 33%
2. BI&A untuk meningkatkan tugas dan teknik akuntansi manajemen 10 33%
3. Dampak data besar pada akuntansi manajemen 4 13%
4. Penggunaan dan kepuasan dengan BI&A dalam konteks akuntansi manajemen 4 13%
5. BI&A dan kualitas data 2 7%
30 100%
Sistem Informasi, dengan masing-masing tiga makalah. Jurnal SI/TI, meskipun memiliki banyak makalah yang berfokus pada isu-isu terkait BI&A, berisi
relatif sedikit makalah yang secara khusus berfokus pada akuntansi.
Alasan kurangnya fokus jurnal akuntansi berperingkat tinggi pada BI&A dan jurnal SI/TI berperingkat tinggi pada akuntansi bisa jadi,
pertama, jumlah peneliti yang relatif rendah yang berfokus pada AIS pada umumnya dan BI&A pada khususnya, dan kedua, kurangnya
paparan akademisi terhadap masalah teknis BI&A yang relatif kompleks yang memengaruhi pemahaman dan minat untuk melakukan
penelitian di bidang ini. Alasan ketiga mungkin adalah organisasi fungsional tradisional dari institusi akademis yang menghalangi inisiatif
penelitian lintas fungsi, di mana keahlian akuntansi dan SI/TI digabungkan.
Dua puluh empat makalah tidak menggunakan teori tertentu (lihat Lampiran 2), karena banyak yang berupa komentar seperti makalah di big
data atau mereka menarik pada prinsip-prinsip mapan dalam pengambilan keputusan (misalnya, memuaskan), TI (misalnya, kepuasan pengguna,
ambidexterity), atau teori organisasi (misalnya, kapasitas serap, asimilasi). Studi yang tersisa menggunakan teori dalam psikologi kognitif, seperti teori
kecocokan kognitif (cognitive fit theory).Dilla dkk., 2013), teori beban kognitif (Chen dan Koufaris, 2015), teori pengkodean ganda (Tang dkk., 2013), atau
teori dominasi teknologi (Mascha dan Smedley, 2007).
3.3. Kerangka kerja pengorganisasian
Setelah membaca makalah dan menentukan topik penelitian apa yang sedang dibahas, makalah dikelompokkan menjadi lima tema. Para peneliti
melakukan ini terlebih dahulu secara individual. Kemudian, tema-tema yang dihasilkan dianalisis dan didiskusikan sampai tercapai kesepakatan.
Sejumlah kecil makalah jatuh di bawah lebih dari satu tema. Dalam kasus seperti itu, setiap makalah diklasifikasikan menurut tema dominan yang
dibahas.Tabel 4 memberikan gambaran tentang tema penelitian yang dibahas dalam makalah yang diulas.
BI&A dan MA dikonseptualisasikan dalam Seksi 2 (Membuat konsep akuntansi manajemen dan BI&A). Berdasarkan unsur BI & A dan MA, kami
mengusulkan kerangka pengorganisasian di bawah ini (Gambar 1). Lima tema yang diidentifikasi dari tinjauan pustaka menggabungkan berbagai
elemen baik BI&A maupun MA. Tema-tema disajikan dan dibahas pada bagian berikutnya, bersama dengan kesenjangan penelitian untuk setiap tema.
Gambar 1. Lima area fokus untuk penelitian dalam Business Intelligence & Analytics dan akuntansi Manajemen.
41
4. BI&A dalam penelitian akuntansi manajemen: tema dan kesenjangan penelitian
4.1. Pengiriman informasi dan umpan balik sistem untuk tugas akuntansi manajemen
4.1.1. Fokus penelitian saat ini

Dengan total 10 kajian, tema ini memiliki jumlah paper yang relatif tinggi. Delapan dari makalah didasarkan pada eksperimen, sedangkan dua
sisanya adalah tinjauan literatur. Secara keseluruhan, tujuan dari studi dan tema tersebut adalah untuk menentukan cara optimal untuk menyajikan
data dalam hal visualisasi, interaktivitas dan umpan balik sistem untuk mendukung pengambilan keputusan.
Sebagian besar penelitian mengacu pada karya-karya sebelumnya mengenai kegunaan tampilan grafis di atas data tabular dan teori
kecocokan kognitif (Vessey, 1991; Vessey dan Galletta, 1991; Umanath dan Vessey, 1994). Kajian yang ditinjau berfokus pada satu atau
beberapa dari tiga fitur berikut: (i) bagaimana informasi disajikan, yaitu, dalam format tabel atau grafik; (ii) tingkat interaksi dalam hal
kemampuan untuk memilih, menavigasi, dan menelusuri informasi; dan (iii) jenis umpan balik yang diberikan oleh sistem. Konsisten dengan
teori kecocokan kognitif, banyak studi yang ditinjau menyimpulkan bahwa kualitas keputusan meningkat ketika ada kesesuaian antara
format presentasi, tugas, dan pengetahuan pengguna.Yigitbasioglu dan Velcu, 2012; danDilla dkk., 2010). Selain itu, sementara visualisasi
dan interaktivitas data akuntansi dapat meningkatkan pengambilan keputusan, fitur ini dapat menimbulkan bias jika tidak dirancang dengan
hati-hati.
Secara tradisional, pencarian kesesuaian antara format presentasi, tugas, dan pengguna akhir berada di tangan perancang (baik perancang sistem
atau akuntan manajemen) dari sistem pelaporan. Sebaliknya, solusi BI&A modern menggabungkan tingkat fleksibilitas yang lebih besar yang
memungkinkan pengguna akhir mengontrol presentasi data secara dinamis dan oleh karena itu kesesuaian antara format dan tugas tanpa harus
bergantung pada desainer untuk melakukan hal ini. Ini menimbulkan tantangan, karena manajer mungkin menggunakan perilaku memuaskan ketika
mereka gagal untuk sepenuhnya memanfaatkan data hierarkis multidimensi karena upaya minimalisasi. Secara khusus, dengan tidak adanya
kesesuaian antara format presentasi dan jenis tugas, jalur penelusuran dapat menyebabkan keputusan yang kurang optimal (Peng et al., 2007).
Demikian pula, sementara tampilan grafis dan interaktivitas (pemilihan dan tautan) secara bersamaan meningkatkan kepercayaan dan kalibrasi
(perbedaan antara keyakinan bahwa keputusan terbaik telah dibuat dan kualitas hasil keputusan), dengan tidak adanya salah satu dari dua fitur
tersebut, penurunan dalam kedua tindakan dapat terjadi (Tang dkk., 2013). Namun, tidak semua studi melaporkan nilai dalam interaktivitas format
presentasi. Sebagai contoh,Locke dkk. (2015)menemukan bahwa data interaktif tidak membuat perbedaan untuk mencari dan mengintegrasikan data
untuk meningkatkan keputusan investasi. Dengan demikian, nilai fitur BI&A tampaknya ditentukan oleh konteks keputusan dan tugas yang ada. Selain
itu, tingkat pilihan merupakan faktor yang meningkatkan kepercayaan pengguna yang berlebihan, karena memiliki lebih banyak pilihan meningkatkan
rasa kontrol (Chen dan Koufaris, 2015).
Penelitian juga menunjukkan bahwa pengguna mengadopsi strategi pengambilan keputusan yang berbeda tergantung pada pengetahuan dan kemampuan
kognitif mereka (Yigitbasioglu dan Velcu, 2012; Dilla dkk., 2010). Konsisten dengan strategi pengambilan keputusan holistik, individu dengan pengetahuan spesifik
tugas tingkat rendah mengandalkan tampilan grafis untuk mengurangi upaya kognitif (Benbasat dan Schroeder, 1977). Di sisi lain, pengguna dengan pengetahuan
khusus tugas tingkat tinggi menerapkan strategi analitis dan lebih mengandalkan informasi tekstual untuk memproses item data tertentu. Dengan demikian,
mengakui tingkat pengetahuan pengguna sangat penting ketika merancang sistem pendukung keputusan, karena mereka dapat memperburuk bias dalam
pengambilan keputusan pemula (Arnold et al., 2004). Konsisten dengan teori-teori tersebut,Dilla dkk. (2013)menemukan bahwa tampilan grafis informasi
pendapatan pro-forma mempengaruhi penilaian dan pengambilan keputusan individu secara berbeda tergantung pada pengetahuan dan pengalaman khusus
tugas mereka. Untuk tugas-tugas sederhana (misalnya, mengevaluasi kinerja tahun ini), individu dengan tingkat pengalaman tugas yang relatif tinggi tidak
bergantung pada tampilan grafis. Di sisi lain, untuk tugas-tugas kompleks (misalnya, penilaian investasi), individu dengan tingkat pengalaman tugas yang tinggi
kurang mengandalkan tampilan grafis daripada individu dengan tingkat pengalaman tugas yang rendah.
Bidang penelitian lainnya adalah umpan balik atau rekomendasi sistem. Sistem BI&A tingkat lanjut dapat menarik perhatian pada pola atau korelasi (misalnya,
menghubungkan data biaya internal dengan data eksternal) yang mungkin relevan untuk tugas (misalnya, penganggaran) yang ada, serta memperingatkan
pengguna tentang potensi bias kognitif dalam pengambilan keputusan seperti fiksasi pada langkah-langkah keuangan (Cardinaels dan van Veen-Dirks, 2010). Di sisi
lain, dialog yang berlebihan dapat membatasi ruang keputusan pengguna untuk tugas-tugas yang kurang terstruktur yang memerlukan banyak sumber informasi,
seperti penganggaran. Dengan demikian, perancang BI&A disarankan untuk memasukkan umpan balik sistem dengan hati-hati, karena dapat membatasi dan
membuat bias perilaku pengguna. Sebagai contoh,Seow (2011) menyarankan bahwa interaksi terbatas dengan sistem pendukung keputusan dalam hal sistem yang
diminta dapat menimbulkan bias pada keputusan, karena pengguna mungkin gagal untuk mengatasi masalah yang tidak diidentifikasi oleh sistem secara memadai.
Juga direkomendasikan bahwa umpan balik sistem disesuaikan dengan jenis tugas dan pengetahuan pengguna.
Mascha dan Smedley (2007) laporkan bahwa lebih banyak umpan balik lebih membantu dengan tugas-tugas yang tidak terlalu rumit, dan kebalikannya berlaku
untuk tugas-tugas yang lebih kompleks, karena dapat menyebabkan pemecatan akuntan. Juga, rekomendasi sistem yang bertentangan dengan pengguna dapat
menyebabkan pengurangan rekomendasi dan melihat sistem sebagai ancaman (Jensen dkk., 2010; Elkins et al., 2013). Namun, pengguna akhir akan mendapat
manfaat dari rekomendasi dalam bentuk saran yang dipandu teori saat runtime untuk membantu mereka memilih format presentasi yang sesuai yang sesuai
dengan tugas dan keahlian (Wilson dan Zigurs, 1999). Pengguna akhir mungkin juga memerlukan panduan tambahan yang relevan dengan tugas saat melakukan
aktivitas tertentu melalui perintah sistem. Misalnya, sistem dapat memperingatkan pengguna ketika perilaku memuaskan diamati sehingga data granular penting
dieksplorasi lebih lanjut.
Keahlian juga berperan dalam cara pengguna berinteraksi dengan BI&A. Jensen dkk. (2010)mempelajari perbedaan antara pengguna pemula dan
profesional dalam penggunaan sistem pakar (Jensen dkk., 2010). Seperti yang diharapkan, pengguna pemula lebih mengandalkan rekomendasi sistem,
dan baik pemula maupun profesional meningkatkan akurasi pengambilan keputusan saat menggunakan sistem. Berlawanan dengan teori dominasi
teknologi, pemula dan profesional tidak berinteraksi dengan sistem secara berbeda, dan kedua kelompok sering mengabaikan rekomendasi. Mengingat
kemajuan pesat melalui, misalnya, kecerdasan buatan, sistem ini akan semakin menantang pengguna ahli. Pelatihan, desain antarmuka, dan afirmasi
yang lebih baik dapat meningkatkan objektivitas terkait dengan sistem pakar, mengurangi ancaman, dan bahkan
42
meningkatkan penerimaan (Elkins et al., 2013).

Bahkan jika BI&A dirancang untuk meningkatkan pengambilan keputusan, beberapa fitur BI&A dapat menimbulkan bias dan mengarah pada hasil
keputusan yang kurang optimal. Chen dan Koufaris (2015) menemukan bahwa tingkat pilihan yang disajikan oleh sistem dan keakraban dengan sistem
melalui pelatihan pengguna dapat mendorong perilaku berisiko (Chen dan Koufaris, 2015). Selanjutnya, tingkat pilihan meningkatkan terlalu percaya
diri dalam keputusan seseorang, yaitu ketika peluang keberhasilan dalam tugas ditaksir terlalu tinggi dibandingkan dengan apa yang akan dijamin oleh
analisis objektif.Kottemann et al., 1994). Oleh karena itu, perancang BI&A perlu waspada saat mengonfigurasi fitur sistem dan bagaimana data disajikan
untuk mengurangi beban pengguna. Fitur lain dapat mempercepat atau meningkatkan pengambilan keputusan. Misalnya, kegunaan data yang
dimodelkan secara dimensional sama-sama bermanfaat atau lebih unggul dari data yang dimodelkan secara operasional dalam banyak kasus dalam hal
akurasi, kecepatan, dan evaluasi subjektif data (VujoSeviC dkk., 2012). Pemodelan dimensi memiliki keuntungan dalam memberikan pandangan holistik
bisnis dan persepsi subjektif, yang membuatnya berharga untuk berinvestasi dalam fitur tersebut.
Temuan ini berimplikasi pada desain dasbor kinerja, yang merupakan topik baru yang desainnya mengacu pada kartu skor dan visualisasi
data keuangan dan non-keuangan multidimensi. Karena manajer cenderung mengabaikan ukuran non-keuangan saat mengevaluasi data
dalam kartu skor,Cardinaels dan van Veen-Dirks (2010) merekomendasikan penggunaan penanda kinerja untuk mengurangi bias terhadap
ukuran kinerja keuangan. Di sisi lain, Chen dkk. berpendapat bahwa kesadaran manajer tentang ukuran kinerja yang terkait secara strategis
lebih penting daripada format balanced scorecard untuk pengambilan keputusan yang lebih baik (Chen dkk., 2016). Kesimpulannya, dasbor
kinerja efektif bila tujuannya selaras dengan fitur desain fungsional dan visualnya dan fleksibel (atau dapat disesuaikan) serta disesuaikan
untuk jenis pengguna tertentu (Yigitbasioglu dan Velcu, 2012).
4.1.2. Kesenjangan penelitian
Sementara penelitian sampai saat ini telah difokuskan pada penggunaan tabel versus grafik data numerik secara eksklusif,
penggunaan dan efektivitas teknik visualisasi lainnya dalam tugas MA untuk data yang kompleks (data besar) belum dieksplorasi.
Secara khusus, apakah ada teknik visualisasi untuk data kualitatif yang dapat berguna untuk perencanaan dan pengendalian?
Teknik visualisasi atau dasbor apa yang bekerja dengan baik dengan data deret waktu besar atau perkiraan probabilistik? Juga,
teknik visualisasi apa yang sesuai untuk teknik yang lebih kompleks, seperti clustering dan analisis korelasi? Ada kurangnya
pengetahuan dan bukti empiris mengenai tingkat penggunaan teknik visualisasi dalam akuntansi manajemen dan efektivitas
relatifnya. Dengan demikian, studi kasus yang menggambarkan penggunaan dan efektivitas BI&
Selanjutnya, mengingat pentingnya 'fit' dalam visualisasi, akan sangat berharga untuk memetakan fitur yang diperlukan dari suatu sistem untuk
berbagai tugas dalam akuntansi manajemen. Untuk menguraikan, tugas-tugas tertentu seperti penganggaran mungkin memerlukan lebih banyak
interaktivitas atau rekomendasi sistem, sedangkan pemantauan kinerja mungkin tidak. Dengan demikian, penelitian lebih lanjut dapat menyoroti fitur
yang paling sesuai untuk tugas tertentu sambil mempertimbangkan potensi bias ketika menyarankan fitur tertentu atau kekurangannya.
Selain itu, visualisasi dengan umpan balik kecerdasan membuka jalan untuk menghubungkan kecerdasan buatan dengan tampilan
informasi baik dalam memilih visualisasi yang sesuai yang sesuai dengan pengguna (misalnya, fungsionalitas solusi seperti Tablaeu dan Qlik (
Troyansky dkk., 2015)) dan tugas serta bantuan dengan analisis visual dan interpretasi data. Semua masalah ini perlu dieksplorasi lebih
lanjut. Mengenai cara baru memvisualisasikan kinerja melalui dasbor, kartu skor, umpan langsung, dan aplikasi/pendekatan media sosial
(misalnya, "suka"), bagaimana solusi tersebut memengaruhi persepsi dan motivasi karyawan?Granlund (2011) menunjukkan bahwa
konfigurasi fungsional solusi TI menentukan dampak dan efek dan bahwa TI bukanlah “kotak hitam”. Artinya, dasbor dapat diatur dalam
berbagai cara yang tidak semuanya sama bagusnya dalam konteks tertentu. Ini juga akan berlaku untuk alat manajemen data dan metode
analisis. Oleh karena itu, peneliti perlu “berinteraksi dengan teknologi” agar dapat mempelajari topik tertentu secara bermakna.
Dalam kenyataan baru ini di mana pengguna akhir memiliki akses langsung ke data dan dapat menerapkan alat analisis dan visualisasi yang
canggih dan ramah pengguna untuk menghasilkan informasi yang relevan dengan keputusan, akuntan manajemen mungkin perlu mengukir peran
baru sebagai "monopoli" mereka atas penyerahan pelaporan. Kemungkinan, misalnya, akuntan manajemen tidak lagi menjadi perancang sistem
pelaporan manajemen. Sebaliknya, diharapkan bahwa mereka akan (i) mengadopsi peran konsultatif terhadap pengguna akhir, membantu mereka
dalam memilih dan menafsirkan data yang relevan dengan keputusan dan akan (ii) memainkan peran yang lebih aktif dalam membantu personel TI
dalam memilih fitur Solusi BI&A bagi pengguna akhir untuk menemukan kecocokan terbaik antara fitur sistem BI&A dan persyaratan serta karakteristik
pengguna dalam suatu organisasi.
Selain itu, saat teknologi informasi mengubah tugas seperti pendaftaran dan pelaporan data, nilai penciptaan pengetahuan dari data
meningkat. Peran lain yang muncul untuk akuntan manajemen akan menggabungkan keahlian mereka di bidang-bidang seperti struktur
biaya, analisis profitabilitas, aliran pendapatan dan kontrol manajemen dengan penerapan metode analitis baru. Untuk melakukan ini,
mereka perlu dilatih dalam metode analisis data, interpretasi data dan penyajian data, dan mereka harus bekerja sama dengan fungsi analitis
yang muncul dalam organisasi (Phillips, 2013).
4.2. BI&A untuk meningkatkan tugas dan teknik MA

Sepuluh makalah (11 termasuk satu makalah yang sangat dikutip) berfokus pada dampak BI&A tentang bagaimana tugas akuntansi manajemen
(perencanaan, pengendalian, pengukuran kinerja, dll.) dan teknik (penghitungan biaya berdasarkan aktivitas, kartu skor berimbang, penganggaran
berbasis nol, dll. ) dilakukan. Tiga dari studi tersebut bersifat konseptual, sedangkan yang lainnya bersifat kuantitatif atau kualitatif. Pertanyaan
menyeluruh yang dibahas dalam studi dalam tema ini adalah apa tugas akuntansi manajemen dan konteks keputusan yang memengaruhi aplikasi BI&A
dan bagaimana penggunaannya memengaruhi ukuran kinerja yang berbeda.
Lebih khusus, sejumlah studi difokuskan pada hubungan antara BI&A, tugas akuntansi manajemen dan organisasi
43
kinerja untuk menggambarkan nilai BI&A (Bronzo dkk., 2013; Elbashir dkk., 2008; Elbashir dkk., 2013; VukSSayaC dkk., 2013). Beberapa
makalah juga melihat bagaimana BI&A mendukung tugas akuntansi tertentu, seperti analisis profitabilitas (Kowalczyk dan Buxmann, 2015;
Bronzo dkk., 2013); pelaporan, konsolidasi dan perencanaan (Marx dkk., 2012); dan akuntansi keberlanjutan (Petrini dan Pozzebon, 2009).
Solusi BI&A digunakan dalam manajemen kinerja sebagai alat untuk memberikan informasi kinerja kepada pekerja pengetahuan
sehingga mereka membuat keputusan yang tepat dan mengambil tindakan yang tepat (VukSSayaC dkk., 2013). Sementara BI&A
mempengaruhi kinerja proses bisnis, pengendalian manajemen (Elbashir dkk., 2011) dan kinerja organisasi (Elbashir dkk., 2008), penting
bahwa BI&A diasimilasi melalui pengetahuan bersama dan dukungan strategis dari manajemen puncak (Elbashir dkk., 2013). Namun, proses
pengukuran kinerja dan penggunaan alat BI&A dalam konteks manajemen proses bisnis dapat tidak selaras dalam praktiknya, sehingga
penting untuk mencocokkan kebutuhan, kemampuan, dan alat BI&A (VukSSayaC dkk., 2013).
BI&A mendukung beberapa tugas akuntansi manajemen, seperti perkiraan biaya, analisis profitabilitas produk, dampak keuangan dari
perubahan produksi, dan penilaian profitabilitas segmen pelanggan (Bronzo dkk., 2013; Lee dan Park, 2005). Penggunaan metode analisis
yang didukung BI&A meningkatkan kinerja organisasi dalam beberapa dimensi, termasuk keuangan, pelanggan, proses dan pembelajaran &
pertumbuhan (Bronzo dkk., 2013). Banyak solusi perangkat lunak BI&A juga tersedia untuk tugas perencanaan, pelaporan, dan konsolidasi (
Marx dkk., 2012). Baik karakteristik teknis maupun karakteristik aplikasi menentukan tingkat kematangan aplikasi BI&A dalam perencanaan,
pelaporan, dan konsolidasi di perusahaan. Model kematangan lima tahap yang dikembangkan olehMarx dkk. (2012)
dapat digunakan untuk memetakan kematangan BI&A perusahaan mengenai tugas-tugas ini dan merencanakan pengembangan lebih lanjut. BI&A
dapat digunakan dalam berbagai jenis keputusan rutin dan tidak rutin, termasuk keputusan penetapan harga produk dan pilihan bauran produk (
Kowalczyk dan Buxmann, 2015). Namun, ada ketegangan dalam menerapkan pengambilan keputusan yang berpusat pada data dalam organisasi. Ini
termasuk ketegangan antara fleksibilitas dan stabilitas metode dan sumber data, ketegangan yang melibatkan kompleksitas dan pemahaman metode
analisis, dan ketegangan antara cakupan analisis yang luas dan terfokus. Sejumlah taktik dapat digunakan untuk mencapai ambidexterity dan
menyelesaikan masalah ini.
BI&A memberikan dukungan keputusan yang berpusat pada data kepada akuntan manajemen, misalnya, dalam perencanaan, pengukuran kinerja,
dan teknik manajemen biaya. Banyak alat BI&A di pasar hadir dengan model standar dan antarmuka pengguna untuk Balanced Scorecard, Peta
Strategi, dan analisis Penetapan Biaya Berbasis Aktivitas (Troyansky dkk., 2015; Volitic dan Ruppert, 2012). Sementara teknik akuntansi manajemen yang
didorong oleh analitik tampaknya meningkatkan kinerja beberapa tugas, mereka meningkatkan beban kognitif dan bias pengambil keputusan. Untuk
mengatasi keterbatasan BI&A dan bias, organisasi dan khususnya akuntan manajemen memerlukan pemahaman yang lebih baik tentang (i) proses
pengambilan keputusan itu sendiri, (ii) sifat tugas, dan (iii) persyaratan pengguna. Ada juga kebutuhan untuk mendorong budaya pengambilan
keputusan analitik, karena memoderasi penggunaan BI&A dalam suatu organisasi (PopoviC dkk., 2012). Dengan demikian, ada banyak yang tidak
diketahui sehubungan dengan peran akuntan manajemen dalam strategi organisasi yang didukung oleh analitik.
Menerapkan teknik analisis BI&A untuk mendukung teknik akuntansi manajemen dapat menyebabkan ketegangan yang mempengaruhi
keberhasilan implementasi (Kowalczyk dan Buxmann, 2015). Misalnya, haruskah akuntansi manajemen memperluas cakupan data untuk memasukkan
data eksternal juga atau haruskah terus mengandalkan terutama pada data internal? Haruskah menerapkan metode analisis statistik kompleks yang
mungkin tidak dipahami oleh pengguna bisnis, atau haruskah terus mengandalkan teknik akuntansi manajemen yang sederhana dan terbukti?
Haruskah itu melanggar domain fungsi lain dengan, misalnya, menggunakan data pemasaran dan sumber daya manusia dalam pendukung
keputusannya, atau haruskah itu menempel pada domain akuntansi? Akuntan manajemen akan mendapat manfaat dari bukti empiris dan panduan
teoretis mengenai masalah ini.
Dampak analitik pada relevansi dan aplikasi tugas dan teknik akuntansi manajemen belum dieksplorasi (Schneider dkk., 2015). Misalnya,
bagaimana teknik analisis yang menggunakan data eksternal memengaruhi perkiraan pendapatan dan biaya? Apa artinya ini bagi
penganggaran dan praktik penganggaran baru seperti Beyond Budgeting, di mana peramalan memainkan peran penting (stergren dan
Stensaker, 2011)? Apa dampaknya terhadap proses penganggaran dan kualitas peramalan dalam hal ketepatan waktu dan akurasi? Akankah
model analitik (biaya) organisasi yang lebih baik berpotensi meningkatkan penggunaan, misalnya, penganggaran berbasis nol atau skenario
dan perencanaan kontinjensi?
Penelitian juga diperlukan untuk melihat apakah UKM memanfaatkan solusi BI&A berbasis cloud, yang semakin “dilayani” (Delen
dan Demirkan, 2013). Solusi berbasis cloud mungkin berperan dalam membantu menutup kesenjangan pengetahuan antara
organisasi kecil dan besar dalam hal penggunaan teknik akuntansi manajemen tingkat lanjut (Ates dkk., 2013).
4.3. Dampak data besar pada akuntansi manajemen

Empat artikel yang membahas big data dan akuntansi semuanya konseptual. Tak satu pun dari mereka merujuk pada karya empiris
akademis apa pun selain dari bukti anekdotal. Secara keseluruhan, mereka fokus pada apa itu big data dalam konteks akuntansi dan apa
implikasinya bagi akuntansi manajemen, akuntansi keuangan, dan audit.
Konsensus umum adalah bahwa data besar akan menjadi kekuatan yang mengganggu dalam akuntansi secara umum. Tugas pencatatan data
akuntansi akan menjadi kurang penting, membuat beberapa teknik akuntansi manajemen menjadi usang, mengubah peran akuntansi dalam proses
pengambilan keputusan dan memerlukan perubahan signifikan dalam keahlian akuntan manajemen.
Secara khusus, data besar menyiratkan pendaftaran real-time dari data yang dihasilkan secara internal dan eksternal. Ini termasuk data transaksi
reguler serta data dari, misalnya, sensor pada mesin, chip RFID dalam komponen, aliran klik dari halaman web perusahaan, dan “pengeluaran data”,
yang mencakup data yang biasanya tidak dikumpulkan, seperti jejak digital situs web penjelajahan pelanggan (Bima dan
44
Willcocks, 2014). Ini juga mencakup data eksternal, seperti data demografi, data cuaca, dan umpan media sosial. Pembukuan keuangan tradisional akan
berkembang menuju fungsi khusus yang ditujukan untuk menyediakan “papan skor” yang terpadu bagi pemangku kepentingan internal dan eksternal.
Namun, peran pembukuan dalam menciptakan pengetahuan bisnis yang menjadi dasar tindakan manajer akan berkurang karena manajer
menggabungkannya dengan sumber data lain (Bhimani dan Willcocks, 2014).
Kemampuan untuk menganalisis data tentang seluruh populasi daripada harus bergantung pada sampel berimplikasi pada penggunaan
beberapa teknik akuntansi manajemen. Misalnya, metode penilaian inventaris dan aset saat ini, metode penyusutan, dan penilaian aset tidak
berwujud akan menjadi usang atau harus berubah dalam waktu dekat karena teknologi big data memberikan alternatif (Vasarhelyi dkk., 2015
, P. 386). Big data juga akan mengubah struktur organisasi, struktur modal dan jaringan industri. Misalnya, organisasi platform virtual yang
mengoordinasikan jaringan manufaktur atau perdagangan akan memerlukan metode analisis biaya baru (Bhimani dan Willcocks, 2014).
Akhirnya, kemajuan dalam teknik peramalan statistik dan akses ke data eksternal dapat meningkatkan akurasi peramalan, yang mengarah ke
perkiraan yang lebih baik dari penggunaan sumber daya dan biaya dan meningkatkan penganggaran (Warren dkk., 2015).
Teknologi big data memungkinkan penggunaan tipe data seperti video, audio, dan data tekstual dalam aktivitas akuntansi manajemen. Ini bisa
berarti cara baru untuk mengendalikan perilaku karyawan melalui pemantauan dan analisis peristiwa waktu nyata, misalnya, memantau pola suara
pelanggan dalam panggilan penjualan online dan menyarankan pendekatan penjualan untuk staf penjualan secara waktu nyata, atau menafsirkan
ekspresi wajah saat menelusuri pembeli dari umpan video untuk mengoptimalkan layanan pelanggan (Warren dkk., 2015).
Akses ke data waktu nyata, kemungkinan bekerja dengan data populasi alih-alih data sampel, peningkatan kemampuan pemrosesan alat
analisis statistik dan perkembangan metode visualisasi berarti bahwa manajer dapat mencari pola, korelasi, dan tautan baru dalam data. Hal
ini dapat mempengaruhi pendekatan pengambilan keputusan manajer dengan akses ke teknologi tersebut. Dalam teori pengambilan
keputusan (Cyert dan Maret 2007; Maret, 1991), pencarian informasi, pengambilan keputusan dan tindakan adalah kegiatan yang berurutan.
Ketika akses ke informasi instan, alternatif dapat dievaluasi dengan cepat, dan tindakan dapat menguji dan membandingkan alternatif secara
paralel. “Manajemen organisasi yang merangkul analitik data juga memerlukan integrasi pengambilan keputusan dan tindakan tertentu” (
Bhimani dan Willcocks, 2014, P. 480).
Lebih jauh, data besar berpotensi mengubah secara radikal organisasi fungsi akuntansi manajemen. Ini muncul dari potensi dampak jangka
panjangnya pada pengambilan keputusan organisasi (Dapur, 2014). Pengambilan keputusan sering berfokus pada mengidentifikasi penyebab peristiwa
untuk menyimpulkan hubungan atau memprediksi peristiwa masa depan. Contohnya adalah analisis varians, yang berfokus pada identifikasi penyebab
varians anggaran terkait kuantitas dan harga. Pengambilan keputusan berbasis data, di sisi lain, berfokus pada hubungan dan pola dalam data yang
dapat mendukung tindakan, di mana "mengapa" menjadi sekunder. Jika suatu pola ada dan stabil dari waktu ke waktu, maka manajer dapat
mendasarkan keputusan di atasnya. Contohnya adalah apakah data tentang perilaku pembelian menunjukkan pola yang stabil dari waktu ke waktu; jika
demikian, perusahaan dapat mendasarkan aktivitas penjualan pada pola ini tanpa harus memeriksa penyebab yang mendasari perilaku tersebut.
Contohnya adalah ketika peringatan badai menghasilkan lonjakan berkorelasi yang konsisten dalam penjualan senter dan Pop-Tart (contoh aktual dari
Hays, 2004). Sementara perusahaan dapat mendasarkan inisiatif penjualan pada informasi ini, alasan yang mendasari mengapa lebih banyak Pop-Tart
dijual sebelum badai menyerang belum tentu relevan dengan keputusan tersebut. Perubahan dalam proses pengambilan keputusan tersebut
merupakan kekuatan pengganggu yang secara fundamental dapat mengubah peran akuntan manajemen dalam organisasi, penggunaan data
akuntansi dan organisasi fungsi akuntansi. Ini menyiratkan bahwa akuntan manajemen akan semakin harus berbagi tanggung jawab untuk analisis
akuntansi manajemen tradisional, seperti analisis profitabilitas untuk keputusan bauran produk dan pelanggan, keputusan outsourcing, penilaian
penganggaran modal, optimasi saham dan desain sistem insentif dengan fungsi lainnya. Di samping itu, keputusan di fungsi lain juga akan terpengaruh
karena data akuntansi dapat diakses secara luas melalui solusi BI&A. Dengan demikian, keputusan tentang kampanye pemasaran, pengembangan
karyawan, dan pemeliharaan produksi dapat bermanfaat. Fungsi akuntansi manajemen bahkan mungkin menjadi terintegrasi dalam fungsi analitik
yang lebih luas dalam organisasi, bersama dengan analitik pelanggan, analitik proses, dan analitik lingkungan (Phillips, 2013).
Dalam beberapa literatur data besar, kualitas data diremehkan sebagai variabel, karena ketika kumpulan data bertambah besar,
pembersihan data menjadi tidak praktis dan pentingnya pendaftaran yang benar dari satu bagian data tidak signifikan dibandingkan dengan
keseluruhan (Mayer-Schönberger dan Cukier, 2013). Ini bertentangan dengan praktik akuntansi, di mana jaminan kualitas data adalah inti
dari, misalnya, pengendalian internal dan pelaporan manajemen. Namun, implementasi alat analisis visual sering bekerja langsung pada
database transaksi tanpa gudang data (Troyansky dkk., 2015). Tidak ada pementasan data atau pembersihan data sebelum analisis
dilakukan. Ini juga merupakan inti dari teknologi "dalam memori" yang saat ini sedang dipromosikan, di mana pendaftaran transaksi dan
analisis data dilakukan dalam struktur database yang sama (Firman, 2014). Bekerja dengan data "mentah" dalam pelaporan berarti masalah
kualitas data menjadi semakin penting, terutama bagi mereka yang bertanggung jawab atas pelaporan manajemen. Namun, ini belum
banyak dieksplorasi dalam konteks akuntansi. Isu terkait adalah pergeseran dari "kepemilikan data" ke "akses data" dan implikasinya untuk
akuntansi manajemen. Isu kunci untuk keberhasilan analitis bukanlah berapa banyak data yang dimiliki organisasi tetapi berapa banyak data
yang dapat diaksesnya. Hal ini berimplikasi pada peran akuntan manajemen sebagai “kurator” data akuntansi. Karena orang-orang di lebih
banyak fungsi ingin mengakses data akuntansi dan menggabungkannya dengan data lain, akuntan manajemen harus mahir dalam
memberikan akses ke data dan membantu dalam kombinasi data.
Akhirnya, data besar berpotensi berdampak pada keahlian akuntan manajemen. Meskipun beberapa orang berpikir bahwa akuntan hanya perlu
memahami potensi big data dan analisis data dan tidak perlu mengembangkan keahlian teknis spesialis (Bhimani dan Willcocks, 2014), yang lain tidak
setuju (Payne, 2014), melihat big data sebagai perubahan paradigma dimana akuntan perlu memperoleh keterampilan baru untuk dapat mendukung
pengambilan keputusan di masa depan.
Sementara penelitian telah menempatkan upaya substansial dalam mengkonseptualisasikan dan mendefinisikan data besar dalam konteks penelitian TI (Pergi, 2014;
Kallinikos dan Constantiou, 2015; Woerner dan Wixom, 2015; Loebbecke dan Picot, 2015) dan akuntansi (Bhimani dan Willcocks,
45
2014; Vasarhelyi dkk., 2015), implikasinya bagi profesi akuntansi (Warren dkk., 2015), individu, organisasi dan masyarakat kurang dipahami (
Lycett, 2013; Zuboff, 2015). Ada panggilan untuk penelitian lebih lanjut tentang apa yang menciptakan kesuksesan saat memanfaatkan data
besar di perusahaan. Faktor teknologi, organisasi, dan lingkungan apa yang memengaruhi pemanfaatan data besar dan penciptaan nilai
selanjutnya bagi organisasi?
Secara khusus, ada panggilan untuk meningkatkan penelitian baik perubahan inkremental dan mengganggu dalam model bisnis karena
penggunaan data besar dan efek dari perubahan ini pada organisasi bisnis. Contohnya termasuk bagaimana perusahaan memonetisasi data dan
bagaimana otomatisasi mengubah pengiriman nilai. Konsensusnya adalah bahwa data besar memiliki potensi untuk berubah – dan, pada
kenyataannya, sedang dalam proses perubahan – penciptaan nilai bisnis melalui apa yang disebut dematerialisasi, kepadatan, dan pencairan (Lycett,
2013). Perusahaan semakin memisahkan aspek informasi dari produk fisik dan kemudian memanipulasi dan menggabungkannya kembali dalam
konteks berbeda yang menciptakan nilai bisnis. Data besar berarti lebih banyak sumber dan jenis data yang dapat digunakan, dan analitik data besar
memungkinkan wawasan baru dan lebih baik serta prediksi perilaku pemangku kepentingan bisnis. Ini, pada gilirannya, meningkatkan dan
mengganggu model bisnis ketika tindakan dan sumber nilai baru menjadi mungkin (Woerner dan Wixom, 2015). Akuntan manajemen harus beradaptasi
dengan bentuk model bisnis dan proses bisnis baru untuk dapat melakukan analisis rantai nilai yang efektif.
Tren masa depan dalam penelitian data besar akan mengacu pada kebangkitan media sosial, komputasi seluler, dan penggabungan
pergudangan data dengan manajemen pengetahuan. Secara khusus, media sosial dan komputasi seluler telah mengubah konteks
keputusan, karena anggota organisasi dapat berinteraksi dari mana saja dan dengan pihak di luar hambatan tradisional organisasi (Hosack
dkk., 2012). Aplikasi solusi BI&A di media sosial menawarkan analitik kompetitif yang membantu memantau pendapat pelanggan tentang
produk dan layanan mereka sendiri serta produk dan layanan pesaing. Analisis sentimen media sosial dapat memberikan analisis komparatif
dan benchmarking, memungkinkan organisasi untuk mengumpulkan intelijen pemasaran kritis. Meskipun akses ke data pesaing terperinci
sulit, teknik analisis bisnis baru dapat bekerja dengan data terbatas dan agregat yang dapat secara akurat memprediksi intelijen kompetitif.
Dengan demikian, dasbor generasi berikutnya akan mendapat manfaat dari mengintegrasikan langkah-langkah kompetitif, yang akan
meningkatkan manajemen hubungan pelanggan dan strategi produk dan layanan (Zheng dkk., 2012).
Jelasnya, big data menghadirkan peluang baru bagi akuntan manajemen untuk berperan aktif dalam pembuatan data dan pendukung keputusan. Akuntan
manajemen yang memiliki ketajaman bisnis mungkin berada dalam posisi yang baik untuk menentukan dan memilih data untuk mempromosikan penemuan dan
pengambilan yang mudah (Madnick dkk., 2009) sambil menunjukkan korelasi palsu dalam data besar. Jika "korelasi mengalahkan sebab-akibat", kebijaksanaan
orang banyak dibuat sama dengan pendapat ahli; dan jika saran dan prediksi algoritme buram memiliki pengaruh yang signifikan terhadap perilaku manajer dan
pelanggan, maka pengambilan keputusan, tidak seperti sebelumnya, akan memerlukan penilaian manusia yang baik (Quattron, 2016). Tetapi seberapa siap akuntan
manajemen untuk menerima peran seperti itu, dan kemampuan serta keterampilan apa yang diperlukan untuk berhasil memenuhi peran baru ini? Ini adalah topik
penelitian penting yang belum ditangani secara memadai.
Selain itu, dengan data besar dan teknik analisis yang lebih baik, organisasi dapat mengevaluasi kinerja karyawan dengan lebih baik melalui
penambangan proses (Van der Aalst, 2014) aktivitas lalu lintas situs web dan perilaku lainnya ditangkap secara menyeluruh melalui berbagai sensor.
Sejauh mana kemampuan baru seperti itu mengarah pada kinerja yang lebih baik, dan di luar titik apa mereka cenderung merusak dan mempengaruhi
motivasi? Hal ini sejalan dengan seruan untuk mempelajari bagaimana big data dan digitalisasi dapat mengubah praktik demokrasi, menyerang privasi,
dan menciptakan bentuk-bentuk baru struktur sosial. Selanjutnya, ada pertanyaan tentang bagaimana data besar digunakan untuk memprediksi dan
mengubah perilaku manusia melalui interaksi media sosial dan penyesuaian penawaran layanan secara real-time (Lycett, 2013;
Zuboff, 2015) sebagai sarana untuk menghasilkan pendapatan dan penguasaan pasar (Ford, 2016). Oleh karena itu, ada kebutuhan untuk mempelajari
potensi aspek negatif dari data besar. Misalnya, pemahaman diperlukan tentang bagaimana peningkatan penggunaan otomatisasi dalam produksi
serta penggunaan kecerdasan buatan dan algoritma akan berdampak pada pasar tenaga kerja dan khususnya profesi akuntansi. Ada tanda-tanda
bahwa dampak ini dapat menyebabkan gangguan yang akan melampaui gangguan serupa di masa lalu, termasuk revolusi pertanian dan industri (Ford,
2016).
Penelitian juga diperlukan untuk mempelajari perubahan peran akuntan manajemen dan desentralisasi fungsi akuntansi manajemen.
Bagaimana kemampuan pelaporan yang dihasilkan sendiri akan mempengaruhi peran akuntan manajemen di masa depan? Bagaimana
akuntansi manajemen menggabungkan kemungkinan dan teknik analitis baru? Kompetensi baru apa yang dibutuhkan dari akuntan hibrida
karena mereka semakin dituntut untuk berpartisipasi dan memperjuangkan implementasi BI&A (CIMA, 2016a; IMA, 2015)?
Upaya penelitian juga akan mendapat manfaat dari fokus yang lebih besar pada analitik prediktif berbasis data besar dibandingkan dengan analitik deskriptif.
Analitik prediktif memiliki banyak kegunaan, termasuk pengujian teori dan perbandingan model yang bersaing, selain untuk memprediksi kemungkinan hasil di
masa depan. Sebagian besar penelitian IS mengembangkan model dengan kekuatan penjelas, yang tidak menyiratkan kekuatan prediktif, karena kedua konsep
tidak sama (Shmueli dan Koppius, 2011).
Terakhir, ada kebutuhan untuk menerapkan lensa teoretis yang berbeda terhadap perubahan yang dilakukan oleh data besar dan digitalisasi untuk
sepenuhnya memahami dampak dan arah perubahan. Ini termasuk teori yang digunakan dalam akuntansi manajemen, seperti teori institusional dan
teori kapabilitas dinamis serta teori yang lebih spesifik seperti teori tata kelola TI.
4.4. Penggunaan dan kepuasan dengan BI&A dalam konteks MA

Tinjauan tersebut mengidentifikasi empat artikel yang membahas aspek persepsi dan perilaku penggunaan BI&A dan pengaruhnya terhadap
pengambilan keputusan dan kinerja. Menariknya, studi yang diulas semuanya menggunakan metode penelitian yang berbeda, yaitu desain
eksperimental (Lee dkk., 2008), survei (Elbashir dkk., 2013; Hou, 2012), studi kasus (Deng dan Chi, 2012), dan data arsip organisasi (Eldenburg dkk., 2010
). Studi-studi ini terutama berfokus pada faktor-faktor apa yang mempengaruhi keberhasilan penggunaan BI&A dalam organisasi – termasuk fungsi
akuntansi.
46
Menurut studi yang ditinjau, tingkat keahlian pengguna (Lee dkk., 2008), kepuasan (Hou, 2012), dan masalah teknis
mereka temui (Deng dan Chi, 2012) mempengaruhi penggunaan sistem dan kualitas keputusan.
Secara khusus, penelitian menunjukkan bahwa para ahli yang lebih efisien dan efektif dalam melaksanakan tugas dibandingkan dengan pengguna pemula
menggunakan strategi yang lebih akurat dan membutuhkan lebih sedikit pemrosesan informasi (digantung, 2003). Dengan demikian,Lee dkk. (2008)menemukan
bahwa pengguna BI&A memandang dan menggunakan sistem secara berbeda tergantung pada tingkat keahlian sistem mereka, meskipun tingkat keahlian sistem
tidak mempengaruhi kinerja keputusan. Ini mungkin memiliki implikasi untuk desain BI&A dalam akuntansi manajemen. Pengguna dengan tingkat keahlian sistem
dan tugas yang tinggi dibandingkan dengan pengguna pemula dengan sedikit pengalaman tugas menganggap sistem tidak terlalu membatasi. Juga, pengguna
pemula meninggalkan fungsi sistem lebih sering daripada pengguna yang lebih berpengalaman, yang menunjukkan bahwa pengguna pemula lebih dibatasi oleh
sistem. Namun, meskipun pengguna ahli memiliki perencanaan dan perilaku pemecahan masalah yang lebih efisien dan lebih terfokus, keahlian tugas yang
bertentangan dengan keahlian sistem pendukung keputusan yang mempengaruhi kualitas keputusan.
Sebuah konstruksi penting dalam literatur sistem informasi adalah "kepuasan pengguna", karena mewakili 'keberhasilan' dan menunjukkan penggunaan sistem
(misalnya, Boneka dan Torkzadeh, 1988; Delone dan McLean, 2003). Konsisten denganTorkzadeh dan Dwyer (1994) dan Lee dkk. (1995),
Hou (2012) menunjukkan bahwa ada hubungan positif dua arah antara kepuasan pengguna alat BI&A dengan frekuensi dan durasi penggunaan. Selain
itu, kepuasan dan penggunaan alat BI&A memiliki efek positif pada kinerja pengguna dalam hal efisiensi dan efektivitas pengambilan keputusan –
termasuk pengguna teknologi BI&A dalam akuntansi manajemen. Keberhasilan BI&A juga dipengaruhi oleh kualitas akses pengguna (Sayasik dkk., 2013
), meskipun dampak kualitas data pada penggunaan atau keberhasilan BI&A kurang dipahami (PopoviC dkk., 2012;
Sayasik dkk., 2013).
Ada bukti bahwa kepemilikan sistem oleh non-akuntan mempengaruhi penggunaan sistem (Perisai, 1995). Jadi, ketika non-akuntan
berpartisipasi dalam desain dan implementasi sistem informasi akuntansi (dan, bisa dibilang, sistem BI&A), mereka lebih memperhatikan sistem saat
membuat keputusan keuangan (Eldenburg dkk., 2010). Ini mengarah pada penggunaan sistem yang lebih baik dan keberhasilannya karena alokasi
sumber daya yang lebih baik.
Banyak masalah yang terkait dengan penerapan sistem informasi baru seperti BI&A. Sebuah studi kasus olehDeng dan Chi (2012) dalam konteks
penggunaan BI&A dalam keuangan dan manajemen rantai pasokan mengidentifikasi tujuh area masalah dan penyebab: pelaporan, data, alur kerja,
otorisasi peran, kurangnya pengetahuan pengguna, kesalahan sistem, dan interaksi pengguna-sistem. Masalah pelaporan dan data menduduki
peringkat tertinggi pada fase penggunaan awal dan lanjutan, menunjukkan bahwa menjadi akrab dengan fungsionalitas sistem sangat penting dalam
menyelesaikan masalah ini.
Akhirnya, tidak cukup dengan mengadopsi sistem baru termasuk BI&A; alih-alih, organisasi perlu memastikan bahwa sistem digunakan secara
efektif dan terintegrasi ke dalam proses pengambilan keputusan (PopoviC dkk., 2012). Tidak ada jaminan bahwa BI&A akan berhasil diimplementasikan,
karena pemilik sumber daya mungkin tidak terlibat dalam proses tersebut. Dengan demikian, strategi yang didukung BI&A mungkin memerlukan
struktur dan peran tata kelola baru untuk kemampuan orkestrasi aset yang lebih baik (Sharma et al., 2014). Juga, BI&A dikritik karena terlalu pasif.
Sistem terletak untuk pendukung keputusan adalah solusi lengkap dalam arti bahwa mereka aktif: mereka dapat terus merasakan lingkungan,
menyarankan tindakan, mendukung pelaksanaan keputusan dan memberikan pemantauan selanjutnya. Sebuah studi olehVahidov dan Dia (2010)
memberikan bukti keunggulan solusi tersebut dibandingkan dengan sistem pendukung keputusan konvensional dalam konteks keuangan pribadi (
Vahidov dan Dia, 2010). Akuntan manajemen dalam hal ini dapat menjadi juara dalam mempromosikan integrasi BI&A ke dalam pengambilan
keputusan.
Pertama, solusi BI&A semakin banyak disampaikan melalui infrastruktur komputasi awan yang membutuhkan koneksi dan pemutusan
koneksi yang cepat untuk memfasilitasi komunikasi yang aman antara pelaku jaringan (Collins et al., 2010; Delen dan Demirkan, 2013;
Demirkan dan Delen, 2013). Komputasi awan adalah lahan subur untuk penelitian masa depan, terutama dari perspektif akses dan kegunaan,
karena keberhasilan BI&A tergantung pada kualitas akses pengguna, tingkat integrasi BI&A dengan aplikasi lain, dan kemampuan analitis (
Sayasik dkk., 2013; PopoviC dkk., 2012). Layanan yang digabungkan secara longgar, dapat ditemukan, dapat digunakan kembali, dan dapat
dioperasikan akan memfasilitasi berbagi informasi dan model analitis di seluruh organisasi (Delen dan Demirkan, 2013) yang mungkin
termasuk berbagi model akuntansi manajemen dan alat analisis. Tantangan BI&A dalam komputasi awan berkaitan dengan risiko keamanan,
integrasi, kegagalan, dan keterjangkauan.
Secara keseluruhan, hanya ada sedikit pengetahuan tentang bagaimana akuntansi manajemen yang didukung BI&A memengaruhi perilaku
akuntan manajemen, manajer, dan karyawan. Agar BI&A berdampak pada perilaku, organisasi harus dapat mengasimilasinya (Elbashir dkk., 2013).
Selain itu, karena berbagai teori penerimaan teknologi akan menyarankan bahwa pengguna, termasuk akuntan manajemen, harus puas dengan sistem
BI&A untuk menggunakannya secara efektif. Ini mungkin sangat relevan untuk sistem BI & A, yang mungkin sulit digunakan jika kaya akan fitur, dan
karena berbagai algoritme yang digunakan untuk menambang data kuantitatif dan kualitatif multidimensi. Pengujian kepuasan pengguna dalam
domain Sistem Informasi memiliki sejarah panjang, tetapi sedikit yang diketahui secara spesifik tentang kepuasan pengguna akuntan manajemen
dengan penggunaan sistem BI&A, apa yang memengaruhinya, dan bagaimana hal itu memengaruhi hasil. Penelitian IS telah menunjukkan bahwa
kepuasan pengguna yang lebih tinggi mengarah pada peningkatan penggunaan sistem dan peningkatan kualitas keputusan. Selain itu, kurangnya
kegunaan dapat membatasi pengguna dan merusak keputusan yang ada. Format presentasi dan umpan balik sistem, yang telah dibahas sebelumnya,
tidak diragukan lagi akan mempengaruhi kepuasan. Selain itu, seperti halnya setiap IS, kualitas data dan masalah teknis pasti akan mempengaruhi
penggunaan sistem secara merugikan. Namun demikian, keberhasilan sistem bergantung pada sistem itu sendiri dan pada pengetahuan pengguna
tentang sistem. Dengan demikian, pelatihan pengguna fungsionalitas BI&A dalam akuntansi manajemen sangat penting (Deng dan Chi, 2012).
Menjelajahi hal ini dalam konteks akuntansi manajemen tampaknya merupakan topik penelitian yang penting mengingat pentingnya akuntansi
manajemen dalam pengambilan keputusan.
Proses keputusan organisasi seringkali tidak rutin, tidak terstruktur dan biasanya mengandung ambiguitas dan ketidakpastian. Studi menekankan
pentingnya fleksibilitas dalam BI&A. BerdasarkanSayasik dkk. (2013), Keberhasilan BI&A bergantung pada fleksibilitas sistem dan
47
sejauh mana ia mendukung pengelolaan risiko. Fleksibilitas dan kemampuan beradaptasi sistem BI&A juga merupakan karakteristik penting karena
mungkin ada persyaratan yang saling bertentangan dari analis dan pengambil keputusan (Kowalczyk dan Buxmann, 2015). Karena tugas keputusan
dalam akuntansi manajemen seringkali tidak terstruktur dan tidak rutin, penggunaan alat BI&A yang inovatif dalam mendukung keputusan tersebut
merupakan topik penelitian yang menarik. Pengguna dapat menggunakan sistem TI secara rutin atau inovatif. Namun, ketika mereka digunakan secara
rutin dan inovatif secara bersamaan, keuntungan yang signifikan tercipta. Faktor motivasi memainkan peran dalam bagaimana sistem digunakan.
Secara khusus, motivasi ekstrinsik dan intrinsik mempengaruhi penggunaan sistem BI&A pasca-penerimaan, di mana inovasi pribadi dengan TI
memainkan peran penting sebagai moderator (Li dkk., 2013). Jadi, bagaimana motivasi intrinsik dapat ditumbuhkan? Juga, apakah organisasi perlu
semakin mempekerjakan akuntan manajemen dengan inovasi pribadi yang lebih kuat dengan TI (Li dkk., 2013)? Mengingat bahwa kualitas ini penting
dalam menggunakan sistem secara lebih inovatif, program pelatihan dan strategi SDM apa yang diperlukan? Bagaimana budaya belajar dapat dipupuk?
Selain itu, meskipun masalah teknis mempengaruhi penggunaan BI&A, banyak masalah terkait dengan penggunaannya yang disebabkan oleh
kurangnya pengetahuan pengguna tentang sistem. Oleh karena itu, masalah sistem pelacakan selama periode yang diperpanjang dapat membantu
meningkatkan strategi pelatihan pengguna (Deng dan Chi, 2012).
Di sisi lain, pada akhirnya pengalaman tugas yang menentukan dalam membuat keputusan berkualitas tinggi daripada pengalaman dengan sistem
BI&A (Lee dkk., 2008). Oleh karena itu, seperti yang disarankan oleh berbagai laporan dan makalah hingga saat ini, penting bagi akuntan manajemen
untuk terus mengembangkan keterampilan strategis, analitis, dan teknologi mereka jika mereka ingin menjadi mitra strategis dengan manajemen (
Kavanagh dan Drennan, 2008; Komisi Jalur, 2012). Selain itu, karena sistem BI&A bersifat intensif data, keterampilan literasi data akan sangat berharga.
Bagaimana hal ini dapat dicapai dan bagaimana hal itu akan berdampak pada profesi akuntansi manajemen dan berpotensi mengubah profil
kompetensi akuntan manajemen adalah topik yang bermanfaat untuk dijelajahi.
4.5. BI&A dan kualitas data

Hanya dua studi yang berfokus pada masalah kualitas data terkait penggunaan teknologi BI&A yang dapat dikaitkan dengan akuntansi manajemen.
Pertanyaan yang diajukan oleh kedua studi ini adalah apa dimensi kualitas data terkait kesesuaiannya untuk digunakan dalam pengambilan keputusan?
Sedangkan Neely dan Masak (2011) meninjau 15 tahun penelitian kualitas data di bidang akuntansi, Bai dkk. (2012)memodelkan kebijakan
pengendalian kualitas yang optimal untuk memitigasi risiko terkait kualitas data dalam sistem informasi akuntansi termasuk BI&A. Kualitas
data sangat penting untuk sistem informasi akuntansi dan terdiri dari 15 dimensi: akurasi, kepercayaan, objektivitas, reputasi, nilai tambah,
relevansi, ketepatan waktu, kelengkapan, jumlah data yang tepat, interpretasi, kemudahan pemahaman, konsistensi representasi,
representasi ringkas, aksesibilitas, dan keamanan akses (Wang dan Kuat, 1996). Dimensi kualitas seringkali membutuhkan trade-off, dan
dimensi tertentu mungkin lebih penting daripada yang lain, tergantung pada konteksnya. Misalnya, keakuratan laporan keuangan mungkin
lebih penting bagi investor, sedangkan ketepatan waktu (misalnya, data permintaan) mungkin lebih berharga dalam konteks lain.
Literatur tentang kualitas data dapat dikelompokkan menjadi tiga kategori: tata kelola, operasi, dan teknologi (Neely dan Cook, 2011).
Tata kelola data sangat penting ketika organisasi semakin memasukkan sumber data internal dan eksternal ke dalam perencanaan,
pengendalian, dan pengambilan keputusan. Tata kelola data dan informasi memerlukan rencana, kebijakan, dan prosedur untuk memastikan
kepatuhan hukum dan etika. Ini melibatkan manajemen personalia dalam hal meningkatkan kesadaran akan isu-isu terkait data dan
pelatihan karyawan (Neely dan Cook, 2011). Dengan penerapan BI&A berbasis cloud, risiko kepatuhan dan keamanan menjadi lebih
menonjol, karena kerentanan tambahan diperkenalkan dengan perubahan lokasi data (Yigitbasioglu, 2015). Kategori kualitas data kedua,
operasi, berkaitan dengan produksi, distribusi, dan jaminan data. Akhirnya, teknologi menangkap pengukuran, desain sistem, produk
informasi (misalnya, laporan), dan pengambilan keputusan, di mana yang terakhir membahas kemampuan pengguna akhir untuk
mengekstrak data dari sistem dengan cara yang berarti dan bermanfaat.
Pendekatan pengumpulan data di perusahaan juga telah dipelajari. Pendekatan ini tampaknya bervariasi tergantung pada apakah tujuan
keseluruhan dari aplikasi BI&A adalah untuk mendapatkan wawasan, mencapai konsistensi atau mendorong transformasi (Ramakrishnan et al., 2012).
Perusahaan lebih mungkin mengembangkan gudang data di seluruh perusahaan jika aplikasi BI&A ditujukan untuk menciptakan konsistensi atau
transformasi daripada wawasan, di mana tujuan terakhir mungkin menghadirkan tantangan dari sudut pandang DQ, karena data akan lebih
komprehensif, kurang terstruktur dan berpotensi secara real time.
Meskipun persepsi auditor eksternal tentang manfaat dan risiko komputasi awan diketahui sampai batas tertentu (Yigitbasioglu, 2015),
sedikit yang diketahui tentang implikasinya terhadap kualitas data, mengingat kekritisannya dalam penggunaan BI&A (PopoviC dkk., 2012). Dengan
menjamurnya solusi BI&A melalui paradigma baru seperti komputasi awan, kualitas data (DQ) menjadi topik penting untuk praktik dan penelitian.
Ketika volume data meningkat dan lebih banyak jenis data dimasukkan dalam sistem BI&A, tantangan mengenai akurasi, keandalan, konsistensi,
kelengkapan, dan keterverifikasian muncul dan metode baru diperlukan untuk menilai dan meningkatkan kualitas data untuk pengambilan keputusan (
Clarke, 2015).
Ketika datang ke BI&A dan akuntansi manajemen, tampaknya kualitas data harus – menggunakan terminologi Neely dan Masak
(2011) - dua dimensi. Satu mengacu pada tugas-tugas MA seperti pengukuran kinerja dan memastikan kepatuhan, di mana kriteria biasa dari akurasi
data, validitas, kelengkapan dan reliabilitas berlaku. Yang lainnya mengacu pada pendukung keputusan, di mana ketepatan waktu dan
“fiketangguhan untuk digunakan” adalah yang paling penting. Pengambil keputusan membutuhkan informasi dalam waktu singkat, seringkali dalam waktu nyata
dan dengan jendela singkat untuk membuat keputusan. Selain itu, informasi dapat didasarkan pada kumpulan data yang luas dalam format yang berbeda dari
berbagai sumber data. Dalam konteks ini, secara praktis dan ekonomis tidak mungkin untuk memastikan bahwa data sesuai dengan kriteria kualitas data biasa.
Memastikan bahwa data dapat diakses, dimanipulasi, dan terstruktur sangat penting. Selain itu, penting bahwa perbedaan
48
metode dan alat analisis dapat digunakan dan hasilnya dapat divisualisasikan selama proses berlangsung. Topik penelitian yang penting
adalah bagaimana perkembangan ini mempengaruhi peran akuntan manajemen. Apakah akuntan manajemen digantikan oleh ilmuwan data
dalam hal pendukung keputusan? Bagaimana perkembangan ini akan mempengaruhi organisasi fungsi akuntansi manajemen? Haruskah
sarjana akuntan manajemen berfokus pada pengembangan teknik akuntansi manajemen baru yang mencakup metode analisis statistik?
Selain itu, konsisten dengan penelitian akuntansi masa lalu,Neely dan Masak (2011) menyarankan bahwa penelitian akuntansi di masa depan
harus fokus pada kesesuaian penggunaan informasi untuk pengambilan keputusan yang efektif, yang mencakup bidang-bidang seperti
visualisasi data dan dibahas di tempat lain di kertas. Akuntan manajemen mungkin harus terlibat dalam menilai kualitas data dalam hal
mendefinisikan biaya kualitas data yang rendah serta menilai organisasi DQ (Woodall et al., 2013). Dalam nada yang sama, pekerjaan dapat
berfokus pada bagaimana DQ dapat divisualisasikan bagi pengguna untuk meningkatkan pengambilan keputusan (Harga dan Shanks, 2011).
4.6. Ringkasan tema, kesenjangan dan pertanyaan penelitian
Berdasarkan tema luas yang diidentifikasi dalam tinjauan pustaka, beberapa pertanyaan penelitian potensial disajikan di bawah ini.
Sedangkan beberapa pertanyaan penelitian berasal dari analisis dan sintesis literatur, yang lain diusulkan oleh penulis makalah yang ditinjau.
Kesenjangan dan peluang ini dapat mengarahkan peneliti masa depan dan karenanya dapat mendukung dengan kemajuan pengetahuan di
bidang yang berkembang ini.
5. Penutup diskusi
Studi ini meninjau lebih dari 60 makalah untuk mengevaluasi literatur tentang hubungan antara MA dan BI&A. Ini secara kritis meninjau
dan mengevaluasi volume dan isi literatur ini dan menyoroti kesenjangan penelitian dan peluang untuk penelitian masa depan.
Sementara BI&A berpotensi dan secara dramatis mempengaruhi keseluruhan peran tugas dan teknik akuntan manajemen (CIMA, 2016a, 2016b;
IMA, 2015), kesimpulan umum adalah bahwa jumlah makalah yang relatif rendah berfokus pada aplikasi BI&A dalam akuntansi manajemen. Banyak
makalah konseptual dan tidak membahas tugas-tugas utama dalam akuntansi manajemen. Dengan beberapa pengecualian, tampaknya ada minat
terbatas dalam komunitas akuntansi manajemen dalam menghasilkan pengetahuan dalam domain ini. Kesimpulan dari tinjauan ini adalah bahwa
reservasi Granlund bahwa "pemahaman kita saat ini tentang perkembangan ini dalam akademisi akuntansi sangat terbatas" adalah valid (Granlund,
2011, P. 10). Hal ini mengkhawatirkan, mengingat potensi dampak teknologi BI&A diperkirakan akan ada pada dukungan keputusan dan pengambilan
keputusan dalam organisasi.
Membandingkan tema yang diidentifikasi dalam tinjauan pertama literatur IS dengan yang diidentifikasi dalam literatur
akuntansi, tampaknya ada sedikit fertilisasi silang antara dua bidang. Misalnya, ada penelitian yang cukup besar di bidang SI yang
berfokus pada infrastruktur dan kualitas data tetapi relatif sedikit fokus di bidang AIS dalam hal BI&A. Juga, penelitian di bidang SI
tentang apa yang mempengaruhi keberhasilan implementasi SI memiliki sejarah panjang, sementara eksplorasi ini relatif terbatas
dalam literatur AIS yang berfokus pada BI&A. Sebaliknya, ketika datang ke visualisasi dan pengiriman data, ada fokus terbatas
dalam literatur IS tentang dampak BI&A pada proses dan kualitas pengambilan keputusan, sementara topik ini menarik minat yang
cukup besar dalam literatur akuntansi.
Dari sejumlah penelitian yang telah diterbitkan, tidak ada yang mengadopsi perspektif penelitian kritis (Arbnor dan Bjerke, 2008; Burrell
dan Morgan, 1979; Lincoln dkk., 2011). Makalah tentang data besar misalnya mencerminkan pandangan optimis, dengan fokus terutama
pada peluang yang melekat dalam perkembangan ini. Namun, beberapa deskripsi dalam makalah ini tentang aplikasi potensial teknologi
data besar mengkhawatirkan, mengingat masalah privasi, keamanan data, manajemen mikro karyawan, mencekik kreativitas karyawan, dan
potensi efek perilaku negatif (Warren dkk., 2015). Salah satu efek potensial dari digitalisasi dan peningkatan otomatisasi adalah hilangnya
pekerjaan, termasuk dalam domain akuntansi (Ford, 2016). Bagaimana tren ini akan mempengaruhi pekerjaan akuntan manajemen? Dampak
big data terhadap kebebasan pribadi, pilihan dan demokrasi menunjukkan bahwa ada beberapa aspek yang perlu diperhatikan oleh akuntan
manajemen (Zuboff, 2015). Isu-isu ini perlu dieksplorasi lebih lanjut dengan menggunakan teori dan pendekatan kritis, seperti yang telah
dilakukan, misalnya, dalam domain ERP (Dillard dkk., 2005; Dillard dan Yuthas, 2006).
Aspek lain dari penelitian yang ada adalah bahwa hanya ada sedikit penjangkaran dalam teori yang ada. Ada berbagai teori yang bisa bermanfaat
dalam mempelajari BI&A dalam akuntansi manajemen. Teori institusional lama, misalnya, telah digunakan dalam literatur untuk mempelajari
perubahan akuntansi manajemen.Luka Bakar dan Scapens, 2000). Teori ini telah diterapkan dalam konteks sistem ERP dengan hasil yang menarik (
Quattrone dan Hopper, 2001) dan dapat digunakan untuk mempelajari bagaimana BI&A dilembagakan ke dalam rutinitas tugas akuntansi manajemen
dalam organisasi. Juga, pandangan kemampuan dinamis perusahaan (Teece dkk., 1997) dapat memberikan lensa alternatif untuk mempelajari
bagaimana organisasi mengkonfigurasi ulang sumber daya mereka untuk memanfaatkan teknologi BI&A dalam akuntansi manajemen untuk
keunggulan kompetitif (lihat Tabel 5 untuk contoh pertanyaan penelitian). Salah satu manfaat menggunakan teori yang sudah mapan adalah sering kali
berfokus pada variabel mediasi dan moderasi dan bagaimana pengaruhnya terhadap variabel penelitian. Untuk BI&A dan akuntansi manajemen, ini
dapat mencakup variabel lingkungan eksternal seperti undang-undang, lingkungan ekonomi, persaingan budaya nasional dan hubungan pelanggan
dan pemasok (Chenhall, 2003; Ewusi-Mensah, 1981). Variabel internal dapat mencakup ukuran, industri, prinsip pengorganisasian, hubungan
kekuasaan, budaya organisasi dan karakteristik manajemen (Chenhall, 2003; Chenhall dan Chapman, 2006). Akhirnya, sangat sedikit penelitian yang
berfokus pada hasil apa yang dihasilkan oleh aplikasi BI&A dalam akuntansi manajemen. Hasil ini bisa menjadi aspek kinerja organisasi serta perubahan
kualitas keputusan, penggunaan sumber daya, dan persepsi manajer.
Area lain yang menjadi fokus adalah pendidikan akuntansi, khususnya di universitas. Mengingat kurangnya makalah tentang pendidikan akuntansi,
ada kebutuhan untuk mengevaluasi kembali kurikulum akuntansi mengingat dampak aktual dan potensial dari BI&A dan data besar pada
49
Tabel 5
Contoh pertanyaan penelitian tentang BI&A dan akuntansi manajemen.
Tema Kesenjangan penelitian Contoh pertanyaan penelitian
Pengiriman dan sistem informasi Pemetaan visualisasi yang lebih baik 1. Teknik visualisasi apa untuk data kualitatif yang sesuai
umpan balik untuk tugas teknik yang mendukung tugas MA diperlukan, didukung untuk tugas pendukung keputusan MA?
akuntansi manajemen dengan bukti empiris. 2. Teknik visualisasi apa yang diperlukan untuk teknik analisis
yang lebih maju untuk perencanaan dan pengendalian?
3. Konteks dan tugas keputusan mana yang memerlukan jenis fitur apa, dan
apakah fitur tersebut akan meningkatkan pengambilan keputusan?
4. Tugas akuntansi manajemen mana yang memerlukan
lebih banyak interaktivitas, petunjuk, dan rekomendasi
dalam mendukung solusi BI&A?
5. Bagaimana dasbor kinerja dan visualisasi lainnya
memengaruhi motivasi, kinerja, dan perilaku karyawan?
6. Apa yang seharusnya menjadi peran akuntan manajemen di masa

depan dalam hal mendukung penyampaian informasi dalam
organisasi?
BI&A untuk meningkatkan tugas MA dan Lebih banyak bukti empiris diperlukan untuk mengidentifikasi 1. Bagaimana BI&A mendukung inferensi, prediksi, dan
teknik bidang MA (tugas dan teknik) apa yang ditingkatkan melalui jaminan dalam tugas akuntansi manajemen?
BI&A dan keterampilan serta kemampuan organisasi apa yang 2. Bagaimana akuntan manajemen dapat memastikan – melalui penggunaan BI&A
diperlukan untuk melembagakan BI&A. – bahwa data menjadi wawasan secara efektif diubah menjadi keputusan yang
bernilai?
3. Apa yang harus menjadi tanggung jawab akuntan
manajemen dalam penerapan teknologi BI&A? Apakah peran
yang lebih fokus dalam akuntansi manajemen diperlukan?
4. Bagaimana BI&A berdampak pada teknik MA yang jarang digunakan seperti
penganggaran berbasis nol atau skenario dan perencanaan kontinjensi?
5. Bagaimana BI&A memungkinkan kontrol yang lebih baik?
6. Apakah beberapa teknik MA akan menjadi usang karena data

real-time dari pelanggan dan melalui internet of things?
Dampak data besar pada manajemen Penerapan metode kualitatif (khususnya studi kasus) dan 1. Bagaimana teknik analitik berbasis data besar dengan menggunakan
akuntansi kuantitatif akan berguna untuk menunjukkan seberapa data eksternal mempengaruhi perkiraan pendapatan dan biaya?
besar data digunakan dalam MA. 2. Bagaimana peningkatan akses dan volume data internal
dan eksternal mempengaruhi kinerja tugas akuntansi
manajemen?
3. Kompetensi baru apa yang diperlukan dalam kombinasi
keterampilan dan kompetensi yang membentuk fungsi
akuntansi manajemen?
4. Apa dampak ilmuwan data dan teknik statistik baru
terhadap peran akuntan manajemen tradisional?
5. Bagaimana teknik analisis baru berdasarkan data besar karyawan

mempengaruhi motivasi karyawan?
Penggunaan dan kepuasan dengan BI&A di Penelitian lebih lanjut diperlukan untuk mengidentifikasi faktor-faktor yang 1. Sejauh mana akuntan manajemen puas dengan BI&A?
konteks MA meningkatkan penggunaan BI&A dalam organisasi untuk berbagai jenis pengguna
dan untuk menerapkan mekanisme tata kelola terkait BI&A yang efektif. 2. Fitur atau karakteristik BI&A apa yang mendorong
kepuasan pengguna akuntan manajemen?
3. Bagaimana akuntan manajemen dapat lebih termotivasi untuk menggunakan
perangkat BI&A secara lebih inovatif?
4. Sejauh mana alat BI&A harus mempertimbangkan
keahlian pengguna akhir?
5. Pelatihan dan strategi SDM apa yang diperlukan untuk memastikan
penggunaan BI&A yang efektif dalam akuntansi manajemen?
6. Struktur tata kelola apa yang diperlukan untuk beralih ke
budaya akuntansi manajemen berbasis analitik?
7. Bagaimana fungsi akuntansi manajemen dipengaruhi oleh
pertumbuhan kompetensi analitis dan pendukung
keputusan dalam fungsi organisasi lainnya?
8. Bagaimana akuntan manajemen dapat membantu menciptakan
budaya pengambilan keputusan analitis?
9. Bagaimana peningkatan virtualisasi organisasi
berdampak pada organisasi akuntansi manajemen?
10. Apa manfaat dan risiko mengadopsi solusi BI& A berbasis
cloud untuk akuntansi manajemen?
11. Peluang apa saja yang ada dalam akuntansi
manajemen untuk BI&A berbasis cloud?
BI&A dan kualitas data Kualitas data di MA kurang diteliti, terbukti dari
kurangnya makalah di bidang ini.
(bersambung ke halaman berikutnya)
50
Tabel 5 (lanjutan)
Tema Kesenjangan penelitian Contoh pertanyaan penelitian
1. Atribut kualitas data mana yang lebih penting untuk

fungsi akuntansi manajemen, misalnya akurasi atau
keluasan?
2. Bagaimana kualitas data memengaruhi penggunaan alat BI&A?
3. Bagaimana biaya/manfaat kualitas data dapat diukur?
akuntansi. Beberapa organisasi, seperti AACSB dan PwC, telah menekankan perlunya memperkenalkan analitik sejak dini kepada akuntan selama gelar
pertama mereka di mana kursus tentang TI dan analitik tampaknya hanya opsional (AACSB, 2014; PwC, 2015). Penelitian kurang pada kemajuan saat ini
di bidang ini. Pertanyaannya adalah bagaimana seharusnya pendidikan akuntansi menanggapi peningkatan penggunaan BI&A oleh akuntan? Haruskah
mata pelajaran BI&A menjadi semakin wajib dalam kurikulum akuntansi?
Metode yang digunakan untuk review dalam penelitian ini memiliki beberapa keterbatasan. Pertama, hanya jurnal berkualitas tinggi yang dimasukkan dalam
tinjauan, yang mengabaikan makalah di jurnal dengan peringkat lebih rendah. Pemilihan hanya jurnal peringkat tinggi untuk tinjauan juga berisiko menghilangkan
makalah yang sangat dikutip yang diterbitkan di tempat lain. Untuk mengatasi keterbatasan ini, kami melakukan pencarian eksploratif di Google Cendekia untuk
makalah dengan lebih dari 100 kutipan (Barat dan Bogor, 2014) untuk tahun 2005-2015. Hanya satu kertas tambahan baru yang diidentifikasi yang memenuhi semua
kriteria. Makalah itu termasuk dalam ulasan.
Keterbatasan lain berkaitan dengan kata kunci yang digunakan dalam pencarian, yang tidak lengkap, meskipun sangat hati-hati untuk memasukkan
istilah yang paling relevan. Selanjutnya, pencarian dibatasi pada periode 2005–2015. Namun demikian, dengan lebih dari 60 makalah di bidang TI dan
akuntansi, kami percaya bahwa tinjauan tersebut mencakup literatur yang paling relevan dan berpengaruh.
Jika penelitian AIS ingin tetap relevan dengan praktik dan akademisi, penelitian itu harus gesit dalam fokus penelitiannya. Ketika sistem
perusahaan muncul di awal 90-an, mereka menjadi area fokus penting dari penelitian AIS (Sutton, 2010), dan hari ini, mereka memiliki
agenda penelitian yang relatif terdefinisi dengan baik (Grabski dkk., 2011). Demikian pula, aplikasi teknologi informasi dan metode analitis
dalam audit dan pemantauan berkelanjutan telah diteliti selama beberapa dekade (AICPA, 2015; Vasarhelyi et al., 2004; Vasarhelyi dan
Halper, 1991). Untungnya, ada beberapa dorongan untuk meneliti BI&A dan MA, dan kami sangat menyambut baik makalah terbaru,
terutama di bidang MA, termasukAppelbaum dkk. (2017), di mana Kerangka Analisis Data Akuntansi Manajerial dikembangkan, dan
Peters dkk. (2016), yang memberikan bukti tentang dampak BI&A terhadap pengendalian manajemen dan keunggulan kompetitif. Ada kebutuhan untuk
melanjutkan perkembangan positif ini dan kami berharap makalah kami akan menginspirasi lebih banyak penelitian di bidang ini.
Lampiran 1. Jumlah makalah dalam jurnal SI/TI akademik yang membahas BI&A
Jurnal (peringkat) Jumlah makalah

(2010–2015)
Sistem Pendukung Keputusan (A*) 6

Jurnal Sistem Informasi Eropa (A*) Informasi 4
dan Manajemen (A*) 4
Riset Sistem Informasi (A*) 2
Jurnal Sistem Informasi Manajemen (A*) Jurnal 4
Teknologi Informasi (A*) 5
Jurnal Asosiasi Sistem Informasi (A*) Jurnal Sistem 2
Informasi Strategis (A*) Sistem Informasi Manajemen 2
Triwulanan (A*) 3
Total 32
Lampiran 2. Ikhtisar artikel yang membahas BI&A dan akuntansi manajemen, disusun berdasarkan tema penelitianA
Tema penelitian Penulis Judul Tahun jurnal Riset Teori

metode
Informasi Locke, Lowe, Pengambilan Keputusan Data Interaktif dan Akuntansi Kognitif Eksperimen
pengiriman dan Lymer Investor Ritel 2015: Studi Eksperimental dan Keuangan teori beban
sistem
umpan balik untuk Chen, Jeremias, 2015 Jurnal dari Percobaan Perhatian dan
pengelolaan Panggabean Akuntansi kognitif
akuntansi Riset teori beban
tugas
51
Peran Perhatian Visual dalam

Penilaian Manajerial Evaluasi
Kinerja Balanced-Scorecard:
Wawasan dari Menggunakan
Perangkat Pelacakan Mata
Tang, Hess, Pengaruh Visualisasi dan Interaktivitas 2014 Perilaku Kalibrasi Percobaan
Valacich, Terhadap Kalibrasi Dalam Pengambilan Penelitian di dan ganda
sayang Keputusan Keuangan Akuntansi teori pengkodean
Dilla, Janvrin, Dampak Tampilan Grafis 2013 Perilaku Percobaan Kognitif cocok
Jeffrey Pro Penelitian di teori
Forma Informasi Penghasilan Akuntansi
tentang Penilaian Penghasilan
Investor Profesional dan Non-
Yigitbasioglu & Profesional Tinjauan Dasbor di 2012 Internasional Konseptual Tidak ada yang khusus
Velcu Manajemen Kinerja: Implikasi Jurnal dari teori
untuk Penelitian dan Praktik Akuntansi
Informasi
Sistem
seow Pengaruh Keterbatasan Struktural 2011 Internasional Pencarian Eksperimen dari
Bantuan Keputusan terhadap Hasil Jurnal dari Asosiatif
Pengambilan Keputusan Akuntansi Penyimpanan
Informasi teori
Sistem
Cardinaels E, van Informasi Keuangan versus 2010 Akuntansi, Eksperimen Tidak ada yang khusus
Veen-Dirks Non-keuangan: Dampak Organisasi teori
Organisasi dan Penyajian dan Masyarakat
Informasi dalam Balanced

Scorecard
mascha & Dapatkah Alat Bantu Keputusan Terkomputerisasi melakukan 2007 Internasional Teori Percobaan
Smedley 'Kerusakan'? Kasus untuk Menyesuaikan Jurnal dari teknologi
Umpan Balik dan Kompleksitas Tugas Akuntansi dominasi
Berdasarkan Pengalaman Tugas Informasi
Sistem
Dilla, Janvrin, Visualisasi Data Interaktif: Arahan Jurnal dari literatur Tidak ada yang khusus
Raschke Akuntansi 2010 yang Baru Informasi tinjauan teori

Penelitian Sistem Informasi Sistem
Peng, Viator, Sebuah Studi Eksperimental 2007 Jurnal dari Konsep Percobaan
Buchheit Data Akuntansi Hirarki Multidimensi: Informasi memuaskan
Jalur Drill-Down Dapat Sistem perilaku
Mempengaruhi Keputusan Ekonomi
BI&A untuk ditingkatkan Schneider, Dai, Menyimpulkan, Memprediksi, dan 2015 Akuntansi Konseptual Tidak ada yang khusus
tugas MA dan Janvrin, Ajayi, Meyakinkan: Akuntansi cakrawala teori
teknik Raschke Peluang dalam Analisis Data
Kowalczyk & Perspektif Ambidextrous tentang 2015 Keputusan Studi kasus Konsep
Buxmann Intelijen Bisnis dan Dukungan Analitik Mendukung ketangkasan luar biasa
dalam Proses Keputusan: Wawasan Sistem

dari Berbagai Studi Kasus
Sharma, Mithas, Mengubah Proses Pengambilan 2014 Eropa Konseptual Tidak ada yang khusus
Kankanhalli Keputusan: Agenda Penelitian Jurnal dari teori
untuk Memahami Dampak Analisis Informasi
Bisnis terhadap Sistem
Organisasi
VukSSayaC, Mendukung Kinerja 2013 Internasional Wawancara Konsep
Bach, PopoviC Manajemen dengan Proses Bisnis Jurnal dari orkestrasi
Manajemen dan Intelijen Bisnis: Informasi
Analisis Kasus Integrasi dan Pengelolaan
Orkestrasi Meningkatkan Kinerja
Menyelaraskan Analisis Bisnis 2013 Internasional Survei Tidak ada yang khusus
dengan Orientasi Proses Jurnal dari teori

Informasi
Pengelolaan
52
Bronzo, de
Kirim ulang, de
Oliveira,
McCormack, de
Sousa, Ferreira
Elbashir, Collier, Mengukur Efek Sistem Intelijen 2008 Internasional Survei Tidak ada yang khusus
davern Bisnis: The Jurnal dari teori

Hubungan Antara Proses Akuntansi
Bisnis dan Kinerja Organisasi Informasi
Sistem
Elbashir, Collier, Meningkatkan Nilai Bisnis Bisnis Jurnal 2013 Survei Teori TI
Sutton, Daven, Informasi asimilasi
Lintah Intelligence Sistem
Elbashir, Collier, 2011 The Survei Konsep dari

Sutton Akuntansi menyerap
Tinjauan kapasitas
Petrini dan Mengelola Keberlanjutan dengan Jurnal 2008 Wawancara Tidak ada yang khusus
Pozzebon Dukungan Business Intelligence: Strategis teori
Mengintegrasikan Indikator Sosial- Informasi
Lingkungan dan Konteks Organisasi Sistem
Marx, Wortmann, Model Kematangan untuk Manajemen 2012 Bisnis & Konseptual Tidak ada yang khusus
Mayer Sistem Kontrol - Lima Langkah Evolusi Informasi teori
untuk Memandu Pengembangan Sistem
Rekayasa
Dampak data besar Warren, Kevin, Bagaimana Big Data Akan Akuntansi 2015 Konseptual Tidak ada yang khusus
pada akuntansi Moffitt, Byrnes Mengubah Akuntansi cakrawala teori
Vasarhelyi, Data besar dalam Akuntansi: Akuntansi 2015 Konseptual Tidak ada yang khusus
Kogan, Tuttle Gambaran Umum cakrawala teori
Bima & Digitalisasi, 'Big Data' dan Akuntansi 2014 Konseptual Tidak ada yang khusus
Willcocks Transformasi Informasi dan Bisnis teori
Akuntansi Riset
Payne Diskusi tentang 'Digitasi,' besar Akuntansi 2014 Konseptual Tidak ada yang khusus
data' dan dan Bisnis teori
Transformasi Informasi Riset
Akuntansi' oleh
Alnoor Bhimani dan Leslie
Willcocks (2014)
Gunakan dan Hou Meneliti Pengaruh Kepuasan 2012 Internasional Survei Konsep dari
kepuasan Pengguna pada Penggunaan Jurnal dari pengguna
dengan BI&A di Sistem dan Kinerja Individu Informasi kepuasan

konteks MA dengan Sistem Intelijen Bisnis: Pengelolaan
Studi Empiris Industri Elektronik
Taiwan
Deng & Chi Memahami Postadoptive Jurnal 2012 Arsip Tidak ada yang khusus
Perilaku dalam Penggunaan Sistem Pengelolaan teori

Informasi: Analisis Longitudinal Informasi
Masalah Penggunaan Sistem dalam Sistem
Konteks Intelijen Bisnis
Eldenburg, Perubahan Perilaku Setelah Akuntansi 2010, Studi kasus Konsep
Soderstrom, Pengembangan Kolaboratif Organisasi partisipasi
Williams, Wu Sistem Informasi Akuntansi dan Masyarakat
Lee, Wagner, Pengaruh Informasi Pendukung Keputusan 2008 Eksperimen Tidak ada yang khusus
Shin Keahlian Sistem tentang Penggunaan Sistem dan teori
Manajemen Perilaku dan Kinerja
BI&A dan data Bai, Nunez, Mengelola Risiko Kualitas Data di Tahun 2012 Informasi Konseptual Tidak ada yang khusus
kualitas Kalagnanam Sistem Informasi Akuntansi teori
Riset
53
Neely & Masak Lima Belas Tahun Kualitas Jurnal 2011 Konseptual Tidak ada yang khusus
Data dan Informasi Informasi teori
Literatur: Mengembangkan Agenda Sistem
Penelitian
untuk Akuntansi
ATidak termasuk makalah yang banyak dikutip dari Google Cendekia.
Lampiran 3. Daftar jurnal
jurnal akuntansi
1. Sempoa
2. Akuntansi dan Riset Bisnis
3. Akuntansi dan Keuangan
4. Jurnal Audit dan Akuntabilitas Akuntansi
5. Cakrawala Akuntansi
6. Akuntansi, Organisasi dan Masyarakat
7. Penelitian Perilaku dalam Akuntansi
8. Tinjauan Akuntansi Inggris
9. Riset Akuntansi Kontemporer
10. Perspektif Kritis tentang Akuntansi
11. Fondasi dan Tren Akuntansi
12. Jurnal Internasional Sistem Informasi Akuntansi
13. Masalah dalam Pendidikan Akuntansi
14. Jurnal Akuntansi dan Ekonomi
15. Jurnal Akuntansi dan Kebijakan Publik
16. Jurnal Akuntansi Auditing dan Keuangan
17. Jurnal Sastra Akuntansi
18. Jurnal Riset Akuntansi
19. Jurnal Keuangan Bisnis dan Akuntansi
20. Jurnal Akuntansi dan Ekonomi Kontemporer
21. Jurnal Riset Akuntansi Internasional
22. Jurnal Riset Akuntansi Manajemen
23. Riset Akuntansi Manajemen
24. Review Studi Akuntansi
25. Tinjauan Akuntansi
26. Tinjauan Akuntansi Eropa
27. Jurnal Akuntansi Internasional
Jurnal SI/TI
1. Jurnal Sistem Informasi Australasia

2. Perilaku dan Teknologi Informasi
3. Rekayasa Sistem Bisnis & Informasi
4. Komunikasi ACM
5. Komunikasi Asosiasi Sistem Informasi
6. Rekayasa Data dan Pengetahuan
7. Basis Data untuk Kemajuan Sistem Informasi
8. Sistem Pendukung Keputusan
9. Sistem Informasi Perusahaan
10. Jurnal Sistem Informasi Eropa
11. Keputusan dan Negosiasi Kelompok
12. Interaksi Manusia-Komputer
13. Informasi dan Manajemen
14. Informasi dan Organisasi
15. Teknologi Informasi dan Perangkat Lunak
16. Komunikasi Informasi dan Masyarakat
17. Perbatasan Sistem Informasi
18. Jurnal Sistem Informasi
19. Riset Sistem Informasi
54
20. Teknologi Informasi dan Manusia

21. Jurnal Internasional Sistem Informasi Koperasi
22. Jurnal Internasional Perdagangan Elektronik
23. Jurnal Internasional Manajemen Informasi
24. Jurnal Internasional Hukum dan Teknologi Informasi
25. Jurnal Sistem Informasi Komputer
26. Jurnal Manajemen Informasi Global
27. Jurnal Sistem Informasi
28. Jurnal Teknologi Informasi
29. Jurnal Teori dan Aplikasi Teknologi Informasi
30. Jurnal Sistem Informasi Manajemen
31. Jurnal Sistem Informasi Strategis
32. Jurnal Manajemen Pengetahuan
33. Jurnal Komputasi Organisasi dan Perdagangan Elektronik
34. Jurnal Masyarakat Amerika untuk Ilmu Pengetahuan dan Teknologi Informasi
35. Jurnal Asosiasi Sistem Informasi
36. Penelitian dan Praktik Manajemen Pengetahuan
37. Sistem Berbasis Pengetahuan
38. Sistem Informasi Manajemen Triwulanan
39. MIS Quarterly Executive: jurnal penelitian yang didedikasikan untuk meningkatkan praktik
40. Jurnal Sistem Informasi Skandinavia
Referensi
AACSB, 2014. Standar Akreditasi Akuntansi Internasional AACSB A7: Keterampilan dan Pengetahuan Teknologi Informasi untuk Lulusan Akuntansi: An
Penafsiran. Komite Akreditasi Akuntansi Internasional AACSB, Tampa (FL).
ABDC, 2013. Peringkat Jurnal Dewan Dekan Bisnis Australia. Diterima dari.http://www.abdc.edu.au.
AICPA, 2013. Manajemen Bisnis Strategis: Dari Perencanaan hingga Kinerja. Institut Akuntan Bersertifikat Amerika, New York.
AICPA, 2015. Audit Analytics dan Continuous Auditing: Looking Toward the Future. Institut Akuntan Bersertifikat Amerika, New York.
Appelbaum, D., Kogan, A., Vasarhelyi, M., Yan, Z., 2017. Dampak analitik bisnis dan sistem perusahaan pada akuntansi manajerial. Int. J.Akun. Inf. Sistem 25
(Tambahan C), 29–44.
Arbnor, I., Bjerke, B., 2008. Metodologi untuk Menciptakan Pengetahuan Bisnis, 3rd ed. Sage Publications, Thousand Oaks, CA.
Armitage, HM, Webb, A., Glynn, J., 2016. Penggunaan teknik akuntansi manajemen oleh usaha kecil dan menengah: studi lapangan Kanada dan
praktek Australia. Akun. Perspektif. 15 (1), 31–69.
Arnold, V., Collier, PA, Leech, SA, Sutton, S., 2004. Dampak bantuan keputusan cerdas pada penilaian pembuat keputusan ahli dan pemula. Akun. Keuangan 44 (1),
1–26.
Ates, A., Garengo, P., Cocca, P., Bititci, U., 2013. Pengembangan praktik manajerial UKM untuk manajemen kinerja yang efektif. J. Bus Kecil. Enterp. Dev. 20
(1), 28–54.
Atkinson, AA, Kaplan, RS, Young, SM, 2011. Akuntansi Manajemen, Edisi Internasional. Pearson Prentice Hall, Upper Saddle River (NJ).
Bai, X., Nunez, M., Kalagnanam, JR, 2012. Mengelola risiko kualitas data dalam sistem informasi akuntansi. Inf. Sistem Res. 23 (2), 453–473.
Benbasat, I., Schroeder, RG, 1977. Penyelidikan eksperimental beberapa variabel desain MIS. MIS Q. 44 (1), 37–49.
Bhimani, A., Willcocks, L., 2014. Digitalisasi, "Bigdata" dan transformasi informasi akuntansi. Akun. Bis. Res. 44 (4), 469–490.
Booth, P., Matolcsy, Z., Wieder, B., 2000. Dampak sistem perencanaan sumber daya perusahaan pada praktik akuntansi - pengalaman Australia. Australia Akun. Putaran.
10 (22), 4–18.
Bronzo, M., de Resende, PTV, de Oliveira, MPV, McCormack, KP, de Sousa, PR, Ferreira, RL, 2013. Meningkatkan kinerja menyelaraskan analitik bisnis dengan
orientasi proses. Int. J.Inf. Kelola. 33 (2), 300–307.
Burns, J., Scapens, RW, 2000. Mengkonseptualisasikan perubahan akuntansi manajemen: kerangka kelembagaan. Kelola. Akun. Res. 11 (1), 3–25.
Burrell, G., Morgan, G., 1979. Paradigma Sosiologi dalam Analisis Organisasi. Heinemann Books, London.
Caglio, A., 2003. Sistem perencanaan sumber daya perusahaan dan akuntan: menuju hibridisasi? Eur. Akun. Wahyu 12, 123-153.
Cardinaels, E., van Veen-Dirks, PM, 2010. Informasi keuangan versus non-keuangan: dampak organisasi dan penyajian informasi secara seimbang
kartu catatan angka. acc. Organ. Soc. 35 (6), 565–578.
Chae, B., Olson, D., 2013. Analisis bisnis untuk rantai pasokan: kerangka kerja kemampuan dinamis. Int. J.Inf. teknologi. keputusan Mak. 12 (1), 9–26.
Chapman, CS, Kihn, L.-A., 2009. Integrasi sistem informasi, memungkinkan kontrol dan kinerja. acc. Organ. Soc. 34 (2), 151–169.
Chaudhuri, S., Dayal, U., Narasayy, V., 2011. Ikhtisar teknologi intelijen bisnis. komuni. ACM 54, 88–98.
Chen, C.-W., Koufaris, M., 2015. Dampak fitur sistem pendukung keputusan pada terlalu percaya diri pengguna dan perilaku berisiko. Eur. J.Inf. Sistem 24 (6), 607–623.
Chen, H., Chiang, RH, Storey, VC, 2012. Kecerdasan bisnis dan analitik: dari data besar hingga dampak besar. MIS Q. 36 (4), 1165–1188.
Chen, Y., Jermias, J., Panggabean, T., 2016. Peran perhatian visual dalam penilaian manajerial evaluasi kinerja balanced-scorecard: wawasan dari penggunaan
alat pelacak mata. J.Akun. Res. 54 (1), 113–146.
Chenhall, R., 2003. Desain sistem pengendalian manajemen dalam konteks organisasinya: temuan dari penelitian berbasis kontingensi dan arah untuk masa depan. acc.
Organ. Soc. 28, 127–168.
Chenhall, Robert, Chapman, CS, 2006. Teori dan pengujian cocok dalam penelitian kontingensi pada sistem pengendalian manajemen. Dalam: Hoque, Z. (Ed.), Masalah Metodologis
dalam Penelitian Akuntansi: Teori, Metode dan Isu. Spiramus Press Ltd., London, hlm. 35–54.
CIMA, 2016a. Analisis Bisnis dan Pengambilan Keputusan. Diakses pada 21 Desember 2017 dari.http://www.cgma.org/Resources/DownloadableDocuments/business-
analytics-briefing.pdf.
IMA, 2016b. Hibah Khusus Topik CIMA. Diakses pada 21 Desember 2017 dari.http://www.cimaglobal.com/Research–insight/Research-Funding/Research-
inisiatif/.
Clarke, R., 2015. Data besar, risiko besar. Inf. Sistem J.26, 77–90.
Cokins, G., 2009. Manajemen Kinerja: Mengintegrasikan Strategi, Eksekusi, Metodologi, Risiko, dan Analisis. Wiley, Hoboken (NJ).
Collins, J., Ketter, W., Gini, M., 2010. Dukungan keputusan yang fleksibel dalam jaringan antar-organisasi yang dinamis. Eur. J.Inf. Sistem 19 (4), 436–448. Colombus, L., 2014.
Pembaruan Pangsa Pasar ERP Gartner Menunjukkan Masa Depan Cloud ERP Saat Ini. Diakses pada 18 Januari 2016, dari.http://www.forbes.com/sites/
55
louiscolumbus/2014/05/12/gartners-erp-market-share-update-shows-the-future-of-cloud-erp-is-now/.
Colombus, L., 2015. Pengambilan Kunci Dari Kuadran Ajaib 2015 Gartner untuk Platform Intelijen Bisnis dan Analisis - Forbes. Diakses pada 18 Januari 2016,
dari. http://www.forbes.com/sites/louiscolumbus/2015/02/25/key-take-aways-from-gartners-2015-magic-quadrant-for-business-intelligence-and-
analyticsplatforms/#2715e4857a0b61c4a182c2d7.
Cooper, R., Kaplan, RS, 1997. Janji-dan bahaya-sistem biaya terintegrasi. Harv. Bis. Wahyu 76 (4), 109–119.
Cyert, R., Maret, J., 2007. Teori Perilaku Perusahaan. Wiley, London.
Davenport, T., 1998. Menempatkan perusahaan ke dalam sistem perusahaan. Harv. Bis. Wahyu 76, 121-131.
Davenport, T., 2006. Bersaing dalam analisis. Harv. Bis. Wahyu 84, 98–107.
Davenport, T., 2010. BI&A dan keputusan organisasi. Int. J. Bis. Intel. Res. 1, 1–12.
Davenport, T., 2013. Analisis 3.0. Harv. Bis. Wahyu 91, 64–72.
Davenport, T., 2014. Big Data di Tempat Kerja: Menghilangkan Mitos, Mengungkap Peluang. Harvard Business Review Press, Harvard.
Dechow, N., Mouritsen, J., 2005. Sistem perencanaan sumber daya perusahaan, kontrol manajemen dan pencarian integrasi. acc. Organ. Soc. 30 (7–8), 691–733.
Delen, D., Demirkan, H., 2013. Data, informasi dan analitik sebagai layanan. keputusan Mendukung. Sistem 55 (1), 359–363.
Delone, WH, McLean, ER, 2003. Model kesuksesan sistem informasi DeLone dan McLean: pembaruan sepuluh tahun. J.Manajer. Inf. Sistem 19 (4), 9–30.
Demirkan, H., Delen, D., 2013. Memanfaatkan kemampuan sistem pendukung keputusan berorientasi layanan: menempatkan analitik dan data besar di cloud. keputusan Mendukung. Sistem 55
(1), 412–421.
Deng, X., Chi, L., 2012. Memahami perilaku pasca adopsi dalam penggunaan sistem informasi: analisis longitudinal masalah penggunaan sistem dalam intelijen bisnis
konteks. J.Manajer. Inf. Sistem 29 (3), 291–326.
Dilla, W., Janvrin, DJ, Raschke, R., 2010. Visualisasi data interaktif: arah baru untuk penelitian sistem informasi akuntansi. J.Inf. Sistem 24, 1-37.
Dilla, WN, Janvrin, DJ, Jeffrey, C., 2013. Dampak tampilan grafis informasi pendapatan pro forma pada pendapatan investor profesional dan nonprofesional
penilaian. Perilaku Res. Akun. 25 (1), 37–60.
Dillard, J., Yuthas, K., 2006. Sistem perencanaan sumber daya perusahaan dan tindakan komunikatif. Kritis. Perspektif. Akun. 17, 202–223.
Dillard, J., Ruchala, L., Yuth, K., 2005. Sistem perencanaan sumber daya perusahaan: manifestasi fisik dari kejahatan administratif. Int. J.Akun. Inf. Sistem 6, 107–127.
Doll, WJ, Torkzadeh, G., 1988. Pengukuran kepuasan komputasi pengguna akhir. MIS Q. 12 (2), 259–274.
Elbashir, MZ, Collier, PA, Davern, MJ, 2008. Mengukur efek sistem intelijen bisnis: hubungan antara proses bisnis dan organisasi
pertunjukan. Int. J.Akun. Inf. Sistem 9 (3), 135-153.
Elbashir, MZ, Collier, PA, Sutton, SG, 2011. Peran kapasitas serap organisasi dalam penggunaan strategis intelijen bisnis untuk mendukung manajemen terintegrasi
sistem kontrol usia. Akun. Wahyu 86 (1), 155–184.
Elbashir, MZ, Collier, PA, Sutton, SG, Davern, MJ, Leech, SA, 2013. Meningkatkan nilai bisnis intelijen bisnis: peran pengetahuan bersama dan
asimilasi. J.Inf. Sistem 27 (2), 87–105.
Eldenburg, L., Soderstrom, N., Willis, V., Wu, A., 2010. Perubahan perilaku mengikuti pengembangan kolaboratif sistem informasi akuntansi. acc. Organ.
Soc. 35 (2), 222–237.
Elkins, AC, Dunbar, NE, Adame, B., Nunamaker, JF, 2013. Apakah pengguna terancam oleh sistem penilaian kredibilitas? J.Manajer. Inf. Sistem 29 (4), 249–262.
Elliot, A., Woodward, W., 2015. Dasar-Dasar SAS: Menguasai SAS untuk Analisis Data. Wiley, London.
Evelson, B., 2008. Ikhtisar Topik: Intelijen Bisnis. Penelitian Forrester, New York.
Evelson, B., 2017. Gelombang Forrester™: Platform Intelijen Bisnis Perusahaan. Penelitian Forrester, New York.
Ewusi-Mensah, K., 1981. Lingkungan organisasi eksternal dan dampaknya terhadap sistem informasi manajemen. acc. Organ. Soc. 6 (4), 301–316.
Ferguson, C., Seow, P.-S., 2011. Penelitian sistem informasi akuntansi selama dekade terakhir: tren masa lalu dan masa depan. Akun. Keuangan 51, 235–251.
Ford, M., 2016. Bangkitnya Robot: Teknologi dan Ancaman Masa Depan Pengangguran. Buku Dasar, New York. Gartner, 2017. Magic Quadrant untuk Platform
Intelijen Bisnis dan Analisis. Diakses pada 27 Januari 2018, dari.https://www.gartner.com/doc/3611117/magic-
kuadran-bisnis-intelijen-analitik.
Goes, PB, 2014. Komentar editor: data besar dan penelitian IS. MIS Q. 38 (3), iii–viii.
Grabski, S., Leech, Stewart, Scmidt, P., 2011. Sebuah tinjauan penelitian ERP: agenda masa depan untuk sistem informasi akuntansi. J.Inf. Sistem 25 (1), 37–78.
Granlund, M., 2011. Memperluas penelitian AIS untuk akuntansi manajemen dan masalah kontrol: catatan penelitian. Int. J.Akun. Inf. Sistem 12 (1), 3–19.
Granlund, M., Lukka, K., 1998. Ini adalah dunia kecil praktik akuntansi manajemen. J.Manajer. Akun. Res. 10, 153–179.
Granlund, M., Malmi, T., 2002. Dampak moderat ERPS pada akuntansi manajemen: lag atau hasil permanen? Kelola. Akun. Res. 13, 299–321.
Hartmann, F., Vaassen, E., 2003. Perubahan peran akuntansi manajemen dan sistem kontrol: akuntansi untuk pengetahuan di seluruh domain kontrol. Dalam: Bima, A.
(Ed.), Akuntansi Manajemen dalam Ekonomi Digital. Oxford University Press, Oxford, hlm. 112-132.
Hays, C., 2004. Apa Wal-Mart Tahu Tentang Kebiasaan Pelanggan. New York Times, New York Diperoleh dari.http://www.nytimes.com/2004/11/14/business/
yourmoney/what-walmart-knows-about-customers-habits.html?_r=0.
Hosack, B., Hall, D., Paradice, D., Courtney, JF, 2012. Pandangan ke masa depan: penelitian sistem pendukung keputusan hidup dan sehat. J. Assoc. Inf. Sistem 13 (5), 315.
Hou, C.-K., 2012. Meneliti pengaruh kepuasan pengguna pada penggunaan sistem dan kinerja individu dengan sistem intelijen bisnis: studi empiris
industri elektronik Taiwan. Int. J.Inf. Kelola. 32 (6), 560–573.
Howson, C., 2007. Kecerdasan Bisnis yang Sukses: Rahasia Menjadikan BI&A sebagai Aplikasi Pembunuh. McGraw-Hill, New York.
Howson, C., 2013. Kecerdasan Bisnis yang Sukses: Buka Nilai BI&A & Data Besar. McGraw-Hill, New York.
Howson, C., Arnold, E., 2013. Objek Bisnis SAP BI&A 4.0 Referensi Lengkap, edisi ke-3. McGraw-Hill, New York.
Hung, S.-Y., 2003. Ahli versus penggunaan pemula dari sistem pendukung eksekutif: studi empiris. Inf. Kelola. 40 (3), 177–189.
Hunton, JE, Lippincott, B., Reck, JL, 2003. Sistem perencanaan sumber daya perusahaan: membandingkan kinerja perusahaan pengadopsi dan bukan pengadopsi. Int. J.Akun. Inf.
Sistem 4 (3), 165–184.
IMA, 2015. Analisis Bisnis: Transformasi Peran Akuntan Manajemen. Diakses pada 20 Januari 2017, dari.https://www.imanet.org/-/media/
fba0ebd670414d25a467d4cff8d0c691.ashx.
Sayasik, ., Jones, MC, Sidorova, A., 2013. Keberhasilan intelijen bisnis: peran kemampuan BI&A dan lingkungan keputusan. Inf. Kelola. 50 (1), 13–23.
Janke, R., Mahlendorf, M., Weber, J., 2014. Sebuah studi eksplorasi hubungan timbal balik antara penggunaan interaktif sistem pengendalian manajemen dan persepsi
dampak negatif krisis eksternal. Kelola. Akun. Res. 25, 251–270.
Jensen, ML, Lowry, PB, Burgoon, JK, Nunamaker, JF, 2010. Dominasi teknologi dalam pengambilan keputusan yang kompleks: kasus penilaian kredibilitas yang dibantu. J.
Kelola. Inf. Sistem 27 (1), 175–202.
Kallinikos, J., Constantiou, ID, 2015. Big Data Ditinjau Kembali: Sebuah Rejoinder. London School of Economics and Political Science, LSE Library Diakses pada 20 Januari 2018
dari. http://EconPapers.repec.org/RePEc:ehl:lserod:63020.
Kavanagh, MH, Drennan, L., 2008. Keterampilan dan atribut apa yang dibutuhkan lulusan akuntansi? Bukti dari persepsi siswa dan harapan majikan.
Akun. Keuangan 48 (2), 279–300.
Kiron, D., Kirk, P., Ferguson, R., 2014. Mandat Analisis. Diakses pada 27 April 2016, dari.http://sloanreview.mit.edu/projects/analytics-mandate/. Kitchin, R., 2014.
Data besar, epistemologi baru, dan pergeseran paradigma. Big Data Soc. 1 (1) Diakses tanggal 7 April 2016 dari.http://bds.sagepub.com/content/1/1/
2053951714528481.
Kottemann, JE, Davis, FD, Remus, WE, 1994. Pengambilan keputusan dengan bantuan komputer: kinerja, keyakinan, dan ilusi kontrol. Organ. Perilaku Bersenandung. keputusan
Proses. 57 (1), 26–37.
Kowalczyk, M., Buxmann, P., 2015. Perspektif ambidextrous pada intelijen bisnis dan dukungan analitik dalam proses keputusan: wawasan dari banyak kasus
belajar. keputusan Mendukung. Sistem 80, 1–13.
Lee, JH, Park, SC, 2005. Sistem segmentasi pelanggan cerdas yang menguntungkan berdasarkan alat intelijen bisnis. Sistem Pakar. aplikasi 29 (1), 145-152.
Lee, SM, Kim, YR, Lee, J., 1995. Sebuah studi empiris tentang hubungan antara penerimaan, pelatihan, dan efektivitas sistem informasi pengguna akhir. J.Manajer. Inf.
56
Sistem 12 (2), 189–202.

Lee, Z., Wagner, C., Shin, HK, 2008. Pengaruh keahlian sistem pendukung keputusan pada perilaku penggunaan sistem dan kinerja. Inf. Kelola. 45 (6), 349–358.
Li, X., Hsieh, JP-A., Rai, A., 2013. Perbedaan motivasi di seluruh perilaku penggunaan sistem informasi pasca-penerimaan: penyelidikan dalam konteks sistem intelijen
bisnis. Inf. Sistem Res. 24 (3), 659–682.
Lincoln, Y., Lynham, L., Guba, E., 2011. Kontroversi paradigma, kontradiksi, dan pertemuan yang muncul ditinjau kembali. Dalam: Denzin, N., Lincoln, Y. (Eds.), The SAGE
Buku Pegangan Penelitian Kualitatif. Sage, London, hlm. 97–129.
Locke, J., Lowe, A., Lymer, A., 2015. Data interaktif dan pengambilan keputusan investor ritel: studi eksperimental. Akun. Keuangan 55 (1), 213–240.
Loebbecke, C., Picot, A., 2015. Refleksi pada transformasi model sosial dan bisnis yang muncul dari digitalisasi dan analitik data besar. J. Strategi. Inf. Sistem 24 (3),
149-157.
Long, CP, 2012. Bagaimana kepercayaan manajer dan aktivitas pengendalian mempengaruhi persepsi bawahan. Dalam: Prosiding Pertemuan Tahunan Akademi Manajemen, Januari
2012, Diakses pada 1 Juni 2017 dari. http://proceedings.aom.org/content/2012/1/1.273.short.
Luft, J., Shields, MD, 2003. Akuntansi manajemen pemetaan: grafik dan pedoman untuk penelitian empiris teori-konsisten. acc. Organ. Soc. 28 (2), 169–249.
Lycett, M., 2013. "Datafication": memahami data (besar) di dunia yang kompleks. Eur. J.Inf. Sistem 22 (4), 381–386.
Madnick, SE, Wang, RY, Lee, YW, Zhu, H., 2009. Tinjauan dan kerangka kerja untuk penelitian kualitas data dan informasi. J. Data Inf. Kualitas. 1 (1), 1-22.
Maisel, L., Cokins, G., 2014. Analisis Bisnis Prediktif: Kemampuan Melihat ke Depan untuk Meningkatkan Kinerja Bisnis. Wiley, New York.
Maret, JG, 1991. Bagaimana keputusan terjadi dalam organisasi. Bersenandung. Hitung. Berinteraksi. 6 (2), 95–117.
Marx, F., Wortmann, F., Mayer, J., 2012. Model kedewasaan untuk sistem pengendalian manajemen - lima langkah evolusioner untuk memandu pengembangan. Bis. Inf. Sistem Ind. 4 (4),
193–207.
Mascha, MF, Smedley, G., 2007. Dapatkah alat bantu keputusan yang terkomputerisasi melakukan "kerusakan"? Kasus untuk menyesuaikan umpan balik dan kompleksitas tugas berdasarkan pengalaman tugas. Int. J.
Akun. Inf. Sistem 8 (2), 73–91.
Mauldin, E., Ruchala, L., 1999. Menuju meta-teori sistem informasi akuntansi. acc. Organ. Soc. 24 (4), 317–331.
Mayer-Schönberger, V., Cukier, K., 2013. Big data: Sebuah Revolusi yang Akan Mengubah Cara Kita Hidup Bekerja dan Berpikir. John Murray, London.
Neely, P., Cook, J., 2011. Lima belas tahun literatur kualitas data dan informasi: mengembangkan agenda penelitian untuk akuntansi. J.Inf. Sistem 25 (1), 79–108.
Nicolaou, AI, 2004. Efek kinerja perusahaan dalam kaitannya dengan implementasi dan penggunaan sistem perencanaan sumber daya Perusahaan. J.Inf. Sistem 18 (2), 79–105.
Nicolaou, AI, Bhattacharya, S., 2006. Efek kinerja organisasi dari penggunaan sistem ERP: dampak perubahan pasca-implementasi. Int. J.Akun. Inf. Sistem
7 (1), 18–35.
stergren, K., Stensaker, I., 2011. Pengendalian manajemen tanpa anggaran: studi lapangan "di luar penganggaran" dalam praktek. Eur. Akun. Wahyu 20, 149–181.
Komisi Pathways, 2012. Memetakan Strategi Nasional Akuntan Generasi Mendatang. Diakses pada 20 Januari 2018 dari.http://commons.aaahq.org/
file/0b14318188/Pathways_Commission_Final_Report_Complete.pdf.
Payne, R., 2014. Diskusi "digitalisasi, 'Bigdata' dan transformasi informasi akuntansi" oleh Alnoor Bhimani dan Leslie Willcocks (2014). Akun. Bis.
Res. 44 (4), 491–495.
Peng, J., Viator, RE, Buchheit, S., 2007. Sebuah studi eksperimental data akuntansi hierarkis multidimensi: jalur drill-down dapat mempengaruhi keputusan ekonomi.
J.Inf. Sistem 21 (2), 69–86.
Peters, MD, Wieder, B., Sutton, SG, Wakefield, J., 2016. Sistem intelijen bisnis digunakan dalam kemampuan pengukuran kinerja: implikasi untuk peningkatan
keunggulan kompetitif. Int. J.Akun. Inf. Sistem 21 (Tambahan C), 1–17.
Petrini, M., Pozzebon, M., 2009. Mengelola keberlanjutan dengan dukungan intelijen bisnis: mengintegrasikan indikator sosial-lingkungan dan Organisasi
konteks. J. Strategi. Inf. Sistem 18 (4), 178–191.
Phillips, J., 2013. Membangun Organisasi Analisis Digital: Ciptakan Nilai dengan Mengintegrasikan Proses Analitik, Teknologi, dan Orang ke dalam Operasi Bisnis.
Pearson FT Press, London.
Piccoli, G., Ives, B., 2005. Tinjauan: inisiatif strategis yang bergantung pada TI dan keunggulan kompetitif yang berkelanjutan: tinjauan dan sintesis literatur. SIM Q. 29 (4),
747–767.
PopoviC, A., Hackney, R., Coelho, PS, JakliC, J., 2012. Menuju kesuksesan sistem intelijen bisnis: efek kedewasaan dan budaya pada pengambilan keputusan analitis. keputusan
Mendukung. Sistem 54 (1), 729–739.
Poston, RS, Grabski, SV, 2000. Riset sistem informasi akuntansi: apakah itu QWERTY lain? Int. J.Akun. Inf. Sistem 1 (1), 9–53.
Price, R., Shanks, G., 2011. Label kualitas data dan pengambilan keputusan: meningkatkan desain dan validitas studi eksperimental. J. Assoc. Inf. Sistem 12 (4), 323–346.
PwC, 2015. Berbasis Data: Apa yang Dibutuhkan Siswa untuk Sukses di Dunia Bisnis yang Berubah dengan Cepat. (PricewaterhouseCoopers LLP).
PwC, 2016. Survei CEO Global Tahunan ke-19: Mendefinisikan Ulang Kesuksesan Bisnis di Dunia yang Berubah. PwC, London Diakses pada 2 April 2016, dari.www.pwc.com/
survei-survei.
Quattrone, P., 2016. Akuntansi manajemen Goes digital: akankah langkah itu membuatnya lebih bijaksana? Kelola. Akun. Res. 31, 118-122.
Quattrone, P., Hopper, T., 2001. Apa arti perubahan organisasi? Spekulasi tentang kategori yang diterima begitu saja. Kelola. Akun. Res. 12 (4), 403–435.
Quattrone, P., Hopper, T., 2005. Sebuah "pengembaraan waktu-ruang": sistem kontrol manajemen di dua organisasi multinasional. acc. Organ. Soc. 30 (7–8), 735–764.
Ramakrishnan, T., Jones, MC, Sidorova, A., 2012. Faktor-faktor yang mempengaruhi strategi pengumpulan data intelijen bisnis (BI): penyelidikan empiris. keputusan Mendukung.
Sistem 52 (2), 486–496.
Riset dan Pasar, 2015. Pasar Intelijen Bisnis Global 2015–2019 - Riset dan Pasar. Diakses pada 18 Januari 2016, dari.http://www.
researchandmarkets.com/research/4pm25n/global_business.
Rom, A., Rohde, C., 2007. Akuntansi manajemen dan sistem informasi terintegrasi: tinjauan literatur. Int. J.Akun. Inf. Sistem 8, 40–68.
Scapens, RW, Jazayeri, M., 2003. Sistem ERP dan perubahan akuntansi manajemen: peluang atau dampak? Sebuah catatan penelitian. Eur. Akun. Wahyu 12 (1), 201–233.
Schneider, GP, Dai, Jun, Janvrin, DJ, Ajayi, K., Raschke, RL, 2015. Menyimpulkan, memprediksi, dan memastikan: peluang akuntansi dalam analisis data. Akun. Horiz. 29 (3),
719–742.
Seal, W., Rohde, C., Garrison, R., Noreen, E., 2014. Akuntansi Manajemen, edisi ke-5. McGraw-Hill, New York.
Seow, P.-S., 2011. Pengaruh pembatasan struktural bantuan keputusan pada hasil pengambilan keputusan. Int. J.Akun. Inf. Sistem 12, 40–56.
Sharda, R., Delen, D., Turban, E., 2014. Business Intelligence and Analytics: Systems for Decision Support, 10th ed. Prentice Hall, New York.
Sharma, R., Mithas, S., Kankanhalli, A., 2014. Mengubah proses pengambilan keputusan: agenda penelitian untuk memahami dampak analitik bisnis pada
organisasi. Eur. J.Inf. Sistem 23 (4), 433–441.
Sheikh, N., 2013. Menerapkan Analisis: Cetak Biru untuk Desain, Pengembangan, dan Adopsi. Morgan Kaufmann, Waitham (MA).
Shields, MD, 1995. Analisis empiris pengalaman implementasi Perusahaan dengan penetapan biaya berbasis aktivitas. J.Manajer. Akun. Res. 7 (1), 148–165.
Shmueli, G., Koppius, OR, 2011. Analisis prediktif dalam penelitian sistem informasi. SIM Q. 553–572.
Sutton, S., 2000. Perubahan wajah akuntansi dalam teknologi informasi mendominasi dunia. Int. J.Akun. Inf. Sistem 1, 1–8.
Sutton, S., 2010. Sebuah disiplin penelitian tanpa batas: refleksi pada 20 tahun mendefinisikan penelitian AIS. Int. J.Akun. Inf. Sistem 11 (4), 289–296.
Tang, F., Hess, TJ, Valacich, JS, Sweeney, JT, 2013. Efek visualisasi dan interaktivitas pada kalibrasi dalam pengambilan keputusan keuangan. Perilaku Res. Akun.
26 (1), 25–58.
Teece, DJ, Pisano, G., Shuen, A., 1997. Kemampuan dinamis dan manajemen strategis. Strategi. Kelola. J. 509–533.
Torkzadeh, G., Dwyer, D., 1994. Sebuah studi analitik jalur determinan penggunaan sistem informasi. Omega 22 (4), 339–348.
Troyansky, O., Gibson, T., Leichtweiss, C., Bjork, L., 2015. QlikView Your Business: Panduan Pakar untuk Penemuan Bisnis Dengan QlikView dan Qlik. Wiley, London.
Umanath, NS, Vessey, I., 1994. Penyajian data multiatribut dan penilaian manusia: perspektif fit kognitif. keputusan Sci. 25, 795–824.
Vahidov, R., He, X., 2010. Terletak DSS untuk manajemen keuangan pribadi: desain dan evaluasi. Inf. Kelola. 47 (2), 78–86.
Van der Aalst, WM, 2014. Proses penambangan secara besar-besaran: sebuah tutorial. Dalam: Intelijen Bisnis. Springer, hlm. 33–76.
Vasarhelyi, MA, Halper, FB, 1991. Audit berkelanjutan sistem online. Audit 10 (1), 110–125.
Vasarhelyi, MA, Alles, MG, Kogan, A., O'Leary, D., 2004. Prinsip pemantauan analitik untuk jaminan berkelanjutan. J. Teknologi yang Muncul. Akun. 1, 1–21.
57
Vasarhelyi, MA, Kogan, A., Tuttle, BM, 2015. Data besar dalam akuntansi: gambaran umum. Akun. Horiz. 29 (2), 381–396.
Velcu, O., 2007. Menjelajahi efek sistem ERP pada kinerja organisasi: bukti dari perusahaan Finlandia. Ind.Manajemen. Sistem Data 107 (9), 1316–1334.
Vessey, I., 1991. Kecocokan kognitif: analisis berbasis teori dari grafik versus literatur tabel. keputusan Sci. 22 (2), 219–240.
Vessey, I., Galletta, D., 1991. Kognitif fit: studi empiris akuisisi informasi. Inf. Sistem Res. 2 (1), 63–84.
Volitich, D., Ruppert, G., 2012. IBM Cognos Business Intelligence 10: Panduan Resmi. McGraw-Hill, New York.
VujoSeviC, D., KovaCeviC, I., SuknoviC, M., LaliC, N., 2012. Perbandingan kegunaan melakukan kueri ad hoc pada data yang dimodelkan secara dimensional versus data yang dimodelkan secara
operasional. keputusan Mendukung. Sistem 54 (1), 185–197.
VukSSayaC, VB, Bach, MP, PopoviC, A., 2013. Mendukung manajemen kinerja dengan manajemen proses bisnis dan intelijen bisnis: analisis kasus integrasi dan
orkestrasi. Int. J.Inf. Kelola. 33 (4), 613–619.
Wagner, EL, Moll, J., Newell, S., 2011. Logika akuntansi, konfigurasi ulang sistem ERP dan munculnya praktik akuntansi baru: perilaku sosiomaterial
spektif. Kelola. Akun. Res. 22 (3), 181–197.
Wang, RY, Strong, DM, 1996. Di luar akurasi: apa arti kualitas data bagi konsumen data. J.Manajer. Inf. Sistem 12 (4), 5-33.
Warren, J., Donald, J., Moffitt, KC, Byrnes, P., 2015. Seberapa besar data akan mengubah akuntansi. Akun. Horiz. 29 (2), 397–407.
Webster, J., Watson, RT, 2002. Menganalisis masa lalu untuk mempersiapkan masa depan: menulis tinjauan pustaka. MIS Q. xiii–xxiii.
West, J., Bogers, M., 2014. Memanfaatkan sumber inovasi eksternal: tinjauan penelitian tentang inovasi terbuka. J.Prod. inovasi Kelola. 31 (4), 814–831.
Williams, JJ, Seaman, AE, 2001. Memprediksi perubahan dalam sistem akuntansi manajemen: budaya nasional dan efek industri. acc. Organ. Soc. 26, 443–460.
Wilson, EV, Zigurs, I., 1999. Bimbingan keputusan dan pilihan tampilan pengguna akhir. Akun. Kelola. Inf. teknologi. 9 (1), 49–75.
Woerner, S., Wixom, B., 2015. Data besar: memperluas kotak alat strategi bisnis. J.Inf. teknologi. 30, 60–62.
Woodall, P., Borek, A., Parlikad, AK, 2013. Penilaian kualitas data: pendekatan hibrida. Inf. Kelola. 50 (7), 369–382.
Word, J., 2014. SAP HANA Essentials, edisi ke-5. Epistemy Press, San Francisco.
Yigitbasioglu, OM, 2015. Persepsi auditor eksternal tentang adopsi komputasi awan di Australia. Int. J.Akun. Inf. Sistem 18, 46–62.
Yigitbasioglu, OM, Velcu, O., 2012. Tinjauan dasbor dalam manajemen kinerja: implikasi untuk desain dan penelitian. Int. J.Akun. Inf. Sistem 13, 41–59.
Zheng, Z., Fader, P., Padmanabhan, B., 2012. Dari intelijen bisnis untuk intelijen kompetitif: menyimpulkan langkah-langkah kompetitif menggunakan data situs-sentris ditambah.
Inf. Sistem Res. 23 (3-bagian-1), 698–720.
Zuboff, S., 2015. Besar lainnya: kapitalisme pengawasan dan prospek peradaban informasi. J.Inf. teknologi. 30, 75–89.
58

Jurnal Fix - En.id

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Jurnal Fix - En.id

Diunggah oleh

Hak Cipta:

Format Tersedia

Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

Jurnal Internasional Sistem Informasi Akuntansi 29 (2018) 37–58

Daftar isi tersedia di SainsLangsung

Jurnal Internasional Informasi Akuntansi

Intelijen bisnis & analitik dalam penelitian akuntansi

INFO ARTIKEL ABSTRAK

kan Penulisyang sesuai.

2. Konseptualisasi akuntansi manajemen dan BI&A

* Daftar Kualitas Dewan Dekan Bisnis Australia 2013.

3. Tinjauan Pustaka: Metode dan Kerangka Pengorganisasian

Jurnal akuntansi (peringkat) 2005–2009 2010–2015

Akuntansi, Organisasi dan Masyarakat (A*) 0 1

3.2. Tinjauan studi BI&A dan akuntansi manajemen

Metode penelitian Jumlah makalah 2005–2015 % dari total

Konseptual (termasuk teoretis, pembuatan model, dan komentar) 10 33%

Tema penelitian Jumlah makalah 2005–2015 % dari total

3.3. Kerangka kerja pengorganisasian

4. BI&A dalam penelitian akuntansi manajemen: tema dan kesenjangan penelitian

4.1.1. Fokus penelitian saat ini

meningkatkan penerimaan (Elkins et al., 2013).

4.1.2. Kesenjangan penelitian

4.2. BI&A untuk meningkatkan tugas dan teknik MA

4.2.1. Fokus penelitian saat ini

4.2.2. Kesenjangan penelitian

4.3. Dampak data besar pada akuntansi manajemen

4.3.1. Fokus penelitian saat ini

4.3.2. Kesenjangan penelitian

4.4. Penggunaan dan kepuasan dengan BI&A dalam konteks MA

4.4.1. Fokus penelitian saat ini

4.4.2. Kesenjangan penelitian

4.5. BI&A dan kualitas data

4.5.1. Fokus penelitian saat ini

4.5.2. Kesenjangan penelitian

4.6. Ringkasan tema, kesenjangan dan pertanyaan penelitian

Tema Kesenjangan penelitian Contoh pertanyaan penelitian

6. Apa yang seharusnya menjadi peran akuntan manajemen di masa

5. Bagaimana BI&A memungkinkan kontrol yang lebih baik?

6. Apakah beberapa teknik MA akan menjadi usang karena data

5. Bagaimana teknik analisis baru berdasarkan data besar karyawan

Tema Kesenjangan penelitian Contoh pertanyaan penelitian

1. Atribut kualitas data mana yang lebih penting untuk

Jurnal (peringkat) Jumlah makalah

Sistem Pendukung Keputusan (A*) 6

Tema penelitian Penulis Judul Tahun jurnal Riset Teori

Peran Perhatian Visual dalam

Informasi dalam Balanced

Raschke Akuntansi 2010 yang Baru Informasi tinjauan teori

dalam Proses Keputusan: Wawasan Sistem

dengan Orientasi Proses Jurnal dari teori

davern Bisnis: The Jurnal dari teori

Elbashir, Collier, 2011 The Survei Konsep dari

dengan BI&A di Sistem dan Kinerja Individu Informasi kepuasan

Perilaku dalam Penggunaan Sistem Pengelolaan teori

ATidak termasuk makalah yang banyak dikutip dari Google Cendekia.

Lampiran 3. Daftar jurnal

1. Jurnal Sistem Informasi Australasia

20. Teknologi Informasi dan Manusia

Sistem 12 (2), 189–202.

Anda mungkin juga menyukai