دانلود ترجمه مقاله تاثیر معماری سازمانی بر بهبود کیفیت تصمیمات سرمایه گذاری

1. مقدمه 2. پیشینه نظری 3. طراحی تحقیق 4. چارک ها و توصیفات 5. نتایج 6. مدل مفهومی 7. دلالت ها و محدودیت ها 8. نتیجه گیری

چکیده – براساس تحقیقات، معماری سازمانی می بایست از تصمیم گیری سرمایه گذاری در فنّاوری اطلاعات پشتیبانی کند. با این وجود، هنوز آشکار نیست که معماری سازمانی چگونه می تواند این پشتیبانی را انجام دهد. هدف این مطالعه این است که بررسی شود، معماری سازمانی چگونه می تواند از تصمیمات سرمایه گذاری در فنّاوری اطلاعات پشتیبانی نماید. یک رویکرد پژوهش کمّی انتخاب گردید، که در چارچوب آن، داده ها با پیمایش و نظرسنجی از 142 مشارکت کننده گردآوری شد. این داده ها برای انجام تحلیل تطبیقی بین سازمان های چارک بالا و پائین از نظر 1) بلوغ یا تکامل یافتگی معماری سازمانی، 2) استفاده شدن از محصولات معماری سازمانی به منظور آماده سازی سرمایه گذاری ها در فنّاوری اطلاعات، و 3) بینش های کلیدی که معماری سازمانی هنگام آماده سازی سرمایه گذاری ها در فنّاوری اطلاعات فراهم می آورد، استفاده گردید. ما دریافتیم که سازمان های چارک بالا در تمام حوزه های بلوغ معماری سازمانی بالغ تر هستند. همچنین، این سازمان ها از اَنواع متفاوت محصولات معماری سازمانی برای آماده سازی تصمیمات سرمایه گذاری در فنّاوری اطلاعات، و بویژه محصولات تشخیصی و عملیاتی، استفاده گسترده تری می برند. در نهایت، معماری سازمانی بینش های کلیدی بیشتری برای آماده سازی تصمیمات سرمایه گذاری در فنّاوری اطلاعات، و مشخّصاً، بینش های راهبردی را در اختیار سازمان های چارک بالا قرار می دهد. در نتیجه پژوهش خود، ما یک مدل مفهومی را ایجاد کردیم که هفت گزاره را با یکدیگر ادغام و یکپارچه می سازد. تحقیقات بیشتر برای آزمودن این گزاره ها و توسعه دادن ابزارهایی برای کمک به معماران سازمانی به منظور پشتیبانی کارآمد از تصمیمات سرمایه گذاری در فنّاوری اطلاعات مورد نیاز است.

According to literature, enterprise architecture (EA) is supposed to support IT investment decision-making. However, it is not yet clear how EA can do that. The objective of this study is to explore how EA can support IT investment decisions. A quantitative research approach was chosen, in which data were collected from a survey of 142 participants. These data were used to perform a comparative analysis between top and bottom quartile organizations on 1) the EA maturity, 2) the use of EA artifacts in the preparation of IT investments, and 3) the key insights that EA provides in preparation of IT investments. We found that top quartile organizations are more mature in all EA maturity areas. They also make more extensive use of different types of EA artifacts in the preparation of IT investment decisions, especially diagnostic and actionable artifacts. Finally, EA provides top quartile organizations with more key insights in the preparation of IT investment decisions, and in particular, strategic insights. As a result of our research we created a conceptual model that integrates seven propositions. Further research is required to test these propositions and develop instruments to aid enterprise architects to effectively support IT investment decisions.