NO PAIN, NO GAIN!

         

NO PAIN, NO GAIN!

On the role of both system and organization in the success of an information system

No pain, no gain!

As each organization, the municipality of Groningen needs to keep a close eye on its financial position. This is one of  the main tasks of the Management Service. It acts as a hub and gathers financial information from the eight  divisions on topics like policies, budgets, money spent, etc. Within IAS the responsibility to supply this information  to the Management Service lies with Finance & Control (F&C). As shown in the figure below, IAS is split up in three  main departments, namely Public Services, Resources and Control and Facility Services. F&C is placed under Facility  Services but nonetheless has the responsibility to report to the Management Service on behalf of all the  departments within IAS.  General Manager Resources and

Control Facility Services Public Services

Communication

Finance and

Control Facility Affairs Human Resources Information Management Public Affairs Civil Affairs Taxes Legal Protection Commercial Affairs Central ICT Organization Financial Services

Research problem

A part of the vision of IAS is to make a profit while sustaining the quality of the service (Gemeente Groningen, 2010).  This implies that each decision always has a financial component that needs to be taken into account. The head of  F&C has the impression that this is insufficiently the case at the moment. He would like to see that more financial  information gets used by the heads of departments in their decision process to come to financially sound decisions  so that their budgets aren’t overdrawn. To accomplish this they need relevant financial information. F&C tries to  deliver this information through Cognos but the IS is barely (if at all) in use. Because of the costs and time that have  already gone into implementing Cognos, the head of F&C wants to try one last time to make it a success. Therefore,  the research question is:    How can the head of F&C introduce Cognos successfully so that it delivers relevant information to other  department heads? 

Research method

To discover the answer to the research questions mentioned above, several sources of data were explored. The  graphical representation of the research method that addressed these sources is shown below.    Figure 4. Research method 

Interviews Pilot interview

  Research  Flow of information   Shannon and  Weaver (1949)  Technical  level  Semantic  level  Effectiveness or influence level 

Mason (1978)  Production  Product  Receipt  Influence on recipient  Influence on  system  Delone and  McLean (1992)  System  quality  Information  quality  Use  User  satisfaction  Individual  impact  Organizational  impact  Table 1. D&M model in relation to Mason (1978) and Shannon and Weaver (1949)  After reviewing many studies that identify success measures in each of the aspects, DeLone and McLean argue that  “no single measure is intrinsically better than another; so the choice of a success variable is often a function of the  objective of the study, the organizational context, the aspect of the information system which is addressed by the  study, the independent variables under investigation, the research method, and the level of analysis” (p. 80).  However, they think it is unlikely that only one measure explains IS success. Therefore, they integrate the identified  aspects of IS success into one model, which is shown in the figure below.     Information quality

System quality Use User satisfaction

Individual impact Organizational impact   Figure 5. Visual representation of D&M model    As can be seen in the figure, the model adopts a process approach with interdependent causal relations between the  factors. DeLone and McLean believe that this model allows for “a reasonably coherent organization of at least a  large sample of the previous literature, while, at the same time, providing a logic as to how these categories  interact” (p. 87).They acknowledge that the model needs further development and validation; a task that has been  well received by the IS research field. 

Updated D&M model

diagnostic tool for managers, including IS managers [and that it] can be a useful tool in IS service evaluation  systems” (p.150). The four‐dimension Servqual is therefore a reliable tool to measure the added service quality  aspect of the updated D&M model.  The second adjustment to the model comes from the realization that the impact of an IS might reach further than  assumed in the original model. Delone and McLean (2003) conclude that “there is a continuum of ever‐increasing  entities, from individuals to national economic accounts, which could be affected by IS activity” (p.19). Although the  original model could be expanded by all these entities, DeLone and McLean choose to group this continuum into  one measure, namely net benefits. These two modifications result in the updated D&M model that is shown in the  figure below.      Figure 6. Visual representation of updated D&M model    As discussed in the previous section, DeLone and McLean already discovered that information seems to flow  through a series of stages. The modifications to the original model can again be classified into these stages, which is  shown in the table below.     Research  Flow of information   Shannon and  Weaver (1949)  Technical  level  Semantic  level  Effectiveness or influence level 

Table 2. Updated D&M model in relation to D&M model, Mason (1978) and Shannon and Weaver (1949) 

The existing models

The models that were selected to be included in the research have one essential similarity: intention and/or usage is  employed as the key dependent variable. Usage is seen as the ultimate goal for acceptance and intention to use is  established as a solid predictor of usage. The selection consisted of eight models, each with between two and seven  determinants of acceptance. The table below (adapted from Venkatesh, Morris, Davis, & Davis, 2003) shows these  models and their constructs.   

the models (except for MM and SCT) and individual factors increase further. Now that the models have been  compared, Venkatesh et. al. (2003) go on to formulate the Unified Theory of Acceptance and Use of Technology. 

Unified theory of acceptance and use of technology

As can be seen in the figures above, seven of the constructs appear significant. Only four of them are selected by the  authors as suspected to have a “significant role as direct determinants of user acceptance and usage behavior:  performance expectancy, effort expectancy, social influence, and facilitating conditions” (p. 447). These are new  labels to show that they are uncoupled of any former models and their meaning will be explained below. Also, the  effect of the previously mentioned key moderators on the relationship between the constructs and user acceptance  and user behavior is discussed. With these four constructs and the key moderators, Venkatesh et al. (2003) formed  the Unified Theory of Acceptance and Use of Technology, which is presented graphically in the figure below.    Figure 9. Visual representation of Unified Theory of Acceptance and Use of Technology    The constructs that weren’t selected for UTAUT are attitude towards using technology, self efficacy and anxiety.  Based on research, Venkatesh et. al. (2003) conclude that self‐efficacy and anxiety are only indirect determinants of  intention because they are mediated by effort expectancy. They hypothesize “self‐efficacy and anxiety to behave  similarly, that is, to be distinct from effort expectancy and to have no direct effect on intention above effort  expectancy” (p. 455). The results fully support this hypothesis.  Attitude towards using technology is used in four of the previously mentioned models to represent the individual’s  pleasure associated with the use of a technology. In some of the models this construct is a significant predictor of  behavioral intention and in others it is not. Venkatesh et. al. (2003) suggest that the discriminating factor between  research that finds this construct significant or not, is the “omission of the other key predictors (specifically,  performance and effort expectancies)” (p. 455). Because these key predictors are embedded in UTAUT they  Performance expectancy Effort expectancy Social influence Facilitating conditions

Behavioral intentions Use behavior

 

Dependant variable  Independent variable  Result 

Behavioral intention  Performance expectancy  Significant, with the effect stronger for men and younger  workers 

Behavioral intention  Effort expectancy  Significant, with the effect stronger for women, older  workers, and those with limited experience 

Behavioral intention  Social influence  Non‐significant without inclusion of moderators. Significant  with the inclusion of moderators, with the effect stronger for  women, older workers, under conditions of mandatory user,  and limited experience 

Usage  Facilitating conditions  Significant only in conjunction with moderators age and  experience, with the effect stronger for older workers with  increasing experience 

Usage  Behavioral intention  Direct effect. 

Pilot study 

Function  Gender  Interview 

IAS, staff F&C (sFEA)  Male  Yes 

SAW, department head Small Business Owners (hDSBO)  Male  Yes 

SAW, staff Information Management (sIM1)  Male  Yes 

SAW, staff Information Management (sIM2)  Male  Yes 

Total    4 

Figure 11. Subjects in pilot study 

Main Study 

Department head of (IAS)  Gender  Interview 

Procurement  Male  No 

Facility Affairs (hFA)  Male  Yes 

Communication (hCEM)  Female  Yes 

IAS  Male  No 

Team leader Application Management (tAM)  Male  Yes 

Information Management (hIM)  Female  Yes 

F&C (hF&C)  Male  Yes 

Taxes (hT)  Male  Yes 

Legal Affairs (hLP)  Male  Yes 

Civil Affairs (hCA)  Male  Yes 

Human Resources (hHR)  Male  Yes 

Quality and Auditing (hQA)  Male  Yes 

Commercial Affairs (hCA)  Male  Yes 

Public Affairs (hPA)  Male  Yes 

Facility Services (hFS)  Male  Yes 

Central ICT Organization (hCIO)  Male  Yes 

Total    14 

improved is the ability to keep a close eye on the budgets and spending in projects. The general impression is that  the current information supply doesn’t give information that can be used to manage the department.    To provide overview of the issues mentioned by the two groups – department heads and users –concerning the  performance expectancy of Cognos, the results are summarized in the table below.   

Group  Positive  Negative 

The results presented at the service quality section earlier in this chapter are therefore not repeated but should be  considered as complimentary for this section.    The degree to which an individual believes that an organizational and technical infrastructure exists to  support use of the system.    Cognos isn’t in use at IAS but the department head that did ask for it said: “[the head of F&C] knows that I’m a  supporter of Cognos. I asked for Cognos a long time ago but it doesn’t get enough momentum. This year I  suggested making Cognos available to Taxes and to let Martin [advisor from F&C] build that for me. I also think that  it’s the role of F&C to help me with this. If the need is too high and nothing gets done I’ll eventually do it myself”  (hT). A similar situation unfolded at Public Affairs, where F&C wanted to combine efforts. However, “it’s quiet on  that front now. I also don’t know what F&C is now doing with Cognos and the developments regarding Cognos”  (hPA) a department head remarked. Another department head said: “If F&C wants us to use [Cognos], I think they  have to take on a more pro‐active role” (hCA).     When asked what would make it easier to use Cognos, an interviewee said: “you should show me the features and  qualities of the application. I also want to know if its user friendly. I have to know what kind of information it has to  offer” (hCEM). The application should be ‘sold’ to the department heads, showing which information they could get  which they couldn’t with MIS. 

Refreezing

Once the moving stage of Schein’s (1988) Planned Change Theory has passed, the achieved changes should be  anchored in the employees’ behavior; the organization needs to be refrozen. However, since the interviews showed  that Cognos was barely introduced, let alone completely implemented, it is clear that the moving stage has not yet  been completed. Gathering data on the refreezing stage was therefore seen as time spent inefficient. 

Summary

In this section the influence of the will to change in the organization on the implementation of Cognos is examined  using the Planned Change Theory of Schein (1988), combined with the Unified Theory of Acceptance and Use of  Technology (Venkatesh et al, 2003). The results are summarized in the table below.   

Phase  Sub phase  Findings 

Unfreezing  ‐   Budget is for +/‐ 80% static 

 Need for clear link between activities and expenses 

Appendix B: Interview reports

Head of Department Finance & Control (hF&C)

(Pilot) Staff Financial and Economical Affairs IAS, planning

and control (sFEA)

Reports