Esben Rahbek Pedersen & Frantisek Sudzina Hvem måler og hvad ...

Hvem måler og hvad måles
- En analyse af danske virksomheders brug af
performancemålinger
© Esben Rahbek Pedersen (erp.om@cbs.dk) & Frantisek Sudzina (fs.caict@cbs.dk)
Copenhagen Business School
Porcelænshaven 18B
2000 Frederiksberg
Tel: 0045 38 15 27 41
Resumé:
Der er blevet sagt og skrevet meget om, hvordan forandringer i virksomhedens interne og eksterne
omgivelser øger behovet for nye målingssystemer, som indeholder både finansielle og ikke-finansielle
performanceindikatorer. Det er dog småt med viden om, hvem der rent faktisk anvender disse nye
performancemålingssystemer og hvordan brugen af disse er påvirket af forhold inden for og uden for
virksomheden. Denne artikel hjælper med at besvare disse spørgsmål ved at undersøge, hvordan
organisatoriske kapabiliteter og omgivelsernes usikkerhed øver indflydelse på
performancemålingssystemerne. Det konkluderes på baggrund af dataanalysen, at den oplevede usikkerhed i
omgivelserne påvirker brugen af performancemålinger, mens de organisatoriske kapabiliteter ikke synes at
spille en særlig afgørende rolle. Desuden viser analysen, at der er en positiv sammenhæng mellem brugen af
performancemålinger og de økonomiske resultater. Artiklen er baseret på svar fra 299 danske virksomheder,
som deltog i en spørgeskemaundersøgelse i sommeren 2008.
Nøgleord: Performancemålinger, det ressourcebaserede perspektiv (RBV), organisatoriske
kapabiliteter, usikkerhed i omgivelserne.
1

Introduktion: Målingsrevolutionen
Performancemålinger handler grundlæggende om at udvælge og anvende indikatorer for
organisationens performance til at vurdere, hvordan organisationer klarer sig, og identificere
muligheder for forbedringer 1 . I de sidste par årtier er performancemålinger kommet til at spille en
stadig større rolle i det organisatoriske liv og både virksomheder, forskere og konsulenter har
brugt meget tid og mange penge på at udvikle mere sofistikerede performancemålingssystemer
(Franco-Santos & Bourne, 2005; Abdel-Maksoud, 2004; Neely et al., 2002; Townley et al., 2003).
Nogle vil endda påstå, vi har oplevet en sand revolution inden for performancemålingsområdet
(Kennerley & Neely, 2002).
Hvorfor er performancemålingssystemer blevet så populære Der henvises ofte til to, indbyrdes
forbundne, argumenter. Det ene argument går på, at verden har forandret sig. Globaliseringen af
markederne, de teknologiske landvindinger og nye former for konkurrence er alt sammen noget,
der taler for en revision af de eksisterende performancemålingssystemer (Fisher, 1992; Kaplan &
Norton, 1996; Kaplan & Norton, 2000; Wongrassamee et al., 2003; Waggoner et al., 1999; Medori &
Steeple, 2000; Kennerley & Neely, 2002). Det andet argument er, at de traditionelle
økonomistyringssystemer er utilstrækkelige, fordi de bl.a. ikke tager nok højde for vigtige ’drivere’
(f.eks. virksomhedens viden, omdømme, brand og relationer) og fokuserer for meget på
økonomiske forhold og gårsdagens resultater (Bourne & Neely, 2002; Ernst & Young, 1997;
Seetharaman et al., 2002; Fisher, 1992; Henri, 2006; Davis & Albright, 2004; Hoque & James, 2000).
Uanset om vi snakker om balanced scorecard, vidensregnskaber eller den tredobbelte bundlinje
har de alle til fælles, at de ønsker at gå ud over finansielle målinger ved bl.a. at inddrage områder
som f.eks. kundetilfredshed, produktkvalitet, samfundsansvar og bæredygtighed (Kaplan &
Norton, 1996; Kaplan & Norton, 2001; Abdel-Maksoud et al., 2005; Chatterji & Levine, 2006;
Mouritsen et al., 2004; Waggoner et al., 1999).
Hovedformålet med de nye performancemålingssystemer er at finde den rigtige balance mellem
finansielle/ikke-finansielle, kortsigtede/langsigtede, tilbageskuende/fremadrettede,
aktionærorienterede/interessentorienterede, og interne/eksterne performancemålinger (Anthony &
Govindarajan, 2007; Neely, 2005; Waggoner et al., 1999; Kennerley & Neely, 2002). En virksomhed
med et velfungerende performancemålingssystem forventes at blive bedre til at navigere i en
verden under stadig forandring, styrke beslutningsprocesser og fremme implementeringen af
strategien. Et vigtigt koncept i den forbindelse er ’Alignment’, som grundlæggende handler om at
tilpasse organisationens adfærd, strukturer, systemer osv. til de strategiske planer (Neely, 2005;
Neely et al., 2002; Kaplan & Norton, 2004a; McGovern et al., 2004). Ved hjælp af et balanceret
1
Således indebærer performancemålinger ifølge Paul Rouse & Martin Putterill: ”(…) en sammenligning af
resultater op imod forventninger med det implicitte formål at lære, hvordan det kan gøres bedre” (Rouse og Putterill
2003, p. 795, vores oversættelse)
2

performancemålingssystem vil organisationen kunne motivere den ’rette’ adfærd og dermed sikre,
at virksomheden realiserer sine forretningsmål og måske opnår varige konkurrencemæssige
fordele.
Meget taler for, at der er brug for de nye målingssystemer. Der er en almindelig kendt, at strategier
ofte fejler, og at dårlig implementering er en væsentlig del af forklaringen på dette (Niven, 2003;
Kaplan & Norton, 2004b; Neely et al., 2002). Performancemålinger kan her styrke
implementeringsindsatsen som ved at være med til at styre, kontrollere og kommunikere
virksomhedens strategi. Desuden viser flere undersøgelser, at der er udbredt utilfredshed med de
tradtionelle performancemålinger og et stærkt ønske om at udvikle nye og bedre systemer (Meyer
2002; Neely et al., 2002). En spørgeskemaundersøgelse fra 2004 viste f.eks., at tre ud af fire ledere i
store globale virksomheder havde en negativ opfattelse af deres ikke-finansielle målingers kvalitet
(Vogel, 2005). Ittner & Larker (2001) konkluderede også, at seniorledere i den finansielle sektor
oplevede en stor forskel mellem vigtigheden af de fleste performancekategorier (kunder,
medarbejdere, kvalitet og innovation) og målekvaliteten af samme. Faktisk var det kun de ’det
finansielle’ område, hvor kvaliteten af målingerne overgik den oplevede vigtighed (Ibid.).
Der er dog også problemer forbundet med de nye performancemålingssystemer. Ligesom mange
har pointeret manglerne ved den traditionelle, økonomiske styring har de nye
performancemålingssystemer også været genstand for en hel del kritik. Kritikken retter sig bl.a.
mod de mange, praktiske problemer, der er forbundet med at udvælge og måle ikke-finansielle
målinger, ligesom der er blevet stillet spørgsmålstegn ved organisationsmedlemmernes evne til at
bruge performancemålinger i praksis. Der synes at være enighed om, at mange organisationers
performancemålinger ofte er dårligt udvalgt (ikke vigtige for performance), dårligt afgrænset
(giver mulighed for manipulation), dårligt målt (bliver indsamlet og analyseret ukorrekt) og
dårligt brugt (indsamlet, men ignoreret i beslutningsprocesser) (Johanson et al., 2006; Neely &
Austin, 2002; Clark, 2002; Ittner & Larcker, 2003; Meyer, 2002; Stivers et al. 1998; Bourne, 2004).
Ovenstående kritik bryder ikke med de grundlæggende ideer bag de nye
performancemålingssystemer, men anerkender blot, at der er en lang række udfordringer
forbundet med at implementere disse ledelsesteknologier. Der er dog også en anden gruppe af
kritikere, som stiller sig mere afvisende over for hele projektet. Performancemålingssystemer
bliver her snarere betragtet som et sygdomstegn og et forsøg på at kvantificere alt og alle (Neely
2005). Det er f.eks. blevet sagt, at performancemålinger på den ene side kan være med til at styrke
diskussioner og aftaler, og på den anden være med til at depersonalisere sociale relationer samt
styrke ureflekteret og uinformeret adfærd (Townley et al., 2003). Desuden er det blevet diskuteret,
om de nye performancemålingssystemer ikke bare vil styrke den økonomiske rationalitets
kolonisering af nye områder (Power et al., 2003).
3

For at opsummere kan fremvæksten af nye performancemålingssystemer både ses som et resultat
af den stigende utilfredshed med de traditionelle ledelsessystemer, et udtryk for den
instrumentelle rationalitets fremmarch i organisationer, og et svar overordnede
samfundstendenser, som øger behovet for fleksibilitet og styring af ikke-materielle aktiver
(Townley et al., 2003; Kaplan & Norton, 1996). Til gengæld er der bred enighed om, at disse nye
ledelsesteknologier vil kunne være med til at ændre organisationernes adfærd, selvom det stadig
diskuteres, om det altid sker på den måde, som det oprindeligt var tiltænkt. Fortalerne er af den
opfattelse, at ’det der bliver målt, bliver gjort’, og at performancemålinger er en uundværlig del af
strategiimplementeringen, mens skeptikerne mener, at disse nye systemer spiller en mere
symbolsk rolle og kun er løst koblet til organisationens beslutningsprocesser og adfærd (Corvellec,
2003).
Hypoteser: Interne og eksterne faktorers indflydelse på brugen af
performancemålinger
Motivationen for denne artikel er de nye performancemålingssystemers stigende popularitet
kombineret med den usikkerhed og tvetydighed, som stadig kendetegner dette område. Mere
konkret vil artiklen forsøge at identificere nogle af de interne (organisatoriske kapabiliteter) og
eksterne (omgivelsernes usikkerhed) faktorer, som påvirker brugen af
performancemålingssystemer i danske virksomheder (se Figur 1). Disse koncepter har til formål at
skabe en dybere forståelse af virksomhedens brug af performancemålinger og samtidig være med
til at udvikle teoretiseringen af forskningsfeltet. Som Henri (2006) fremhæver findes der i dag ikke
nogen teoretisk model eller ramme, som forklarer organisationers brug af
performancemålingssystemer.
Figur 1: Interne og eksterne faktorer, der påvirker brugen af performancemålinger.
Kilder: Figuren er baseret på Leonard-Barton (1992) & Miller (1993)
4

Det interne perspektiv: Organisatoriske kapabiliteter
Mange interne faktorer påvirker indførelsen og anvendelsen af performancemålingssystemer. Det
gælder bl.a. virksomhedsstrategien, organisationsstrukturen, ledelsens opbakning, modstand
overfor forandringer og kulturen (Franco-Santos & Bourne, 2005; Waggoner et al., 1999; Henri,
2006). I denne artikel har vi valgt at anvende litteraturen om organisatoriske kapabiliteter som
overordnet ramme til at belyse de interne faktorer, der påvirker indførelsen og anvendelsen af
performancemålingssystemer.
Organisatoriske kapabiliteter er et koncept, som har tiltrukket en del akademisk interesse i de
sidste årtier, selvom der kun er begrænset enighed om, hvad fænomenet rent faktisk dækker over
(se f.eks. Foss, 2005; Teece et al., 1997; Grant, 1991). David J. Collis bemærkede allerede i 1994, at:
”der er nærmest lige så mange definitioner af organisatoriske kapabiliteter, som der er forfattere til begrebet”
(Collis, 1994, s. 144-145, vores oversættelse). Der er ikke sket meget siden da. Overlappende og til
tider konflikterende definitioner lever side om side, og litteraturen mangler stadig at kunne give
en præcis beskrivelse af bl.a. de ’kernekapabiliteter’, som er kilden til vedvarende
konkurrencefordele (Zahra et al., 2006).
Denne artikel definerer organisatoriske kapabiliteter som et stabilt sæt af adfærdsmønstre, der er
indlejret i virksomhedens delsystemer (Zollo & Winter, 2002; Leonard-Barton, 1992). Et centralt
aspekt her er de organisatoriske rutiner, som muliggør, at virksomheden kan anvende sine
ressourcer til at udføre og udvikle sine aktiviteter (Grant, 1991; Collis, 1994; Winter, 2000). Inden
for litteraturen om organisatoriske kapabiliteter har vi valgt at fokusere specielt på Leonard-
Barton’s (1992) distinktion mellem fire kapabiliteter: 1) Viden og færdigheder (den tekniske og
videnskabelige forståelse som deles af organisationens medlemmer); 2) Ledelsessystemet (formelle
og uformelle måder at skabe og kontrollere viden på); 3) Det tekniske system (den viden, der er
indlejret i data, produktprocedurer), og; 4) Værdier og normer (vedvarende overbevisninger og
principper, som organisationsmedlemmerne deler).
Vi har desuden valgt at kombinere Leonard-Bartons model af kapabiliteter med Burns & Stalker’s
(1994) klassiske skelnen opdeling mellem mekaniske og organiske ledelsesformer, som igennem
tiden har været brugt til at analysere en bred vifte af ledelsesteknologier (cf. Kalagnanam &
Lindsay, 1998; Homburg & Fürst, 2005; Covin & Slevin, 1989; Gordon & Narayanan, 1984).
Mekaniske organisationer kan forstås som hierarkiske systemer, som er top-down styrede og med
en høj grad af formalisering, mens organiske organisationer er mere domineret af en
netværksstruktur med en lav grad af formalisering og flydende arbejdsopgaver (Burns & Stalker
1994; Reigle, 2001). Tabel 1 nedenfor viser, hvordan organisatoriske kapabiliteter varierer i
mekaniske og organiske organisationer.
5

Tabel 1: Eksempler på kapabiliteter i mekaniske/organiske organisationer
Kapabiliteter:
Org. struktur:
Mekanisk:
Organisk:
Viden & færdigheder 1=Arbejdsopgaverne er relativt 5=Arbejdsopgaverne ændrer sig hele
stabile
tiden
1=Viden og færdigheder kan opnås 5=Viden og færdigheder kræver
gennem kortvarig intern længerevarende
ekstern
træning/uddannelse
træning/uddannelse
1=Viden og færdigheder bliver 5=Viden og færdigheder bliver
langsomt forældet
hurtigt forældet
Det tekniske system 1=Masseproduktion
af 5=Mindre produktion af
standardiserede produkter og differentierede produkter og
serviceydelser
serviceydelser
1=Investeringer er primært 'hårde' 5=Investeringer er primært 'bløde'
(maskiner, bygninger etc.)
(personale, marketing etc.)
1=Organisationen er baseret på 5=Organisationen er baseret på
formel kontrol, regler og procedurer uformel kommunikation mellem de
ansatte
Ledelsessystemet
1=Beslutningskompetencen er 5=Beslutningskompetencen er
centraliseret og foregår i toppen af decentraliseret og foregår i
organisationen
forskellige organisatoriske lag
1=Kommunikation
følger 5=Kommunikationen går på kryds og
kommandovejen i organisationen tværs af organisationen
1=Der ledes v.h.a. detaljerede 5=Der ledes v.h.a. overordnede
instruktioner og arbejdsplaner målsætninger og værdier
Værdier og normer 1=De ansatte er primært loyale over 5=De ansatte er primært loyale over
for organisationen og for deres profession og netværk
karrieresystemet
1=De dominerende værdier er 5=De dominerende værdier er tillid,
autoritet, præstationer og deltagelse og forpligtelse
belønninger
1=Arbejdet er centreret om de enkelte 5=Arbejdet er centreret om projekter
ansatte
og grupper
Kilde: Despres & Hiltrop (1995), Reigle (2001), Burns & Stalker (1994), Bornemann & Leitner (2002), Ambrose &
Schminke (2003); Slevin & Covin (1997).
Det primære formål med denne øvelse er at operationalisere kapabilitetsbegrebet, som ellers ofte
ellers er blevet beskyldt for at være et vagt og modsætningsfyldt begreb (Zahra et al., 2006;
Eisenhardt & Martin, 2000; Foss, 2005). Det andet er at muliggøre en analyse af sammenhængen
mellem virksomhedens karakteristika og brugen af performancemålingssystemer.
6

Det forventes generelt, at virksomheder, som er domineret af mekaniske kapabiliteter, vil fokusere
på finansielle performancemålinger, mens organisationer karakteriseret af organiske kapabiliteter i
højere grad vil være mere tilbøjelige til at bruge et mere balanceret sæt af performancemålinger.
Disse antagelser bærer lighed med en undersøgelse foretaget af Henri (2006), som konkluderer, at
virksomheder med fleksible værdier (som åbenhed, forandring, tilpasningsevne osv.) oftere bruger
forskellige typer performancemålinger sammenlignet med virksomheder, som er baseret på
kontrol-værdier (som formalitet, forudsigelighed, stabilitet osv.). Opsummerende kan forholdet
mellem organiske kapabiliteter og anvendelsen af performancemålingssystemer udtrykkes på
følgende måde:
Hypotese 1 (H1): Der er en positiv sammenhæng mellem virksomheder, som er domineret af organiske
kapabiliteter og indførelsen/den oplevede vigtighed af et multifacetteret performancemålingssystem.
Hypotese 2 (H2): Der er en negativ sammenhæng mellem virksomheder, som er domineret af organiske
kapabiliteter og indførelsen/den oplevede vigtighed af finansielle målinger.
Det eksterne perspektiv: Omgivelsernes usikkerhed
De interne faktorer er ikke de eneste, som påvirker virksomheders brug af performancemålinger
(Waggoner et al., 1999). Som nævnt i introduktionen kan performancemålingssystemernes stigende
popularitet også forklares med forandringer i markedet. Teknologiudvikling, regulering, global
konkurrence, outsourcing og kundernes voksende forhandlingskraft er blot nogle få eksempler på
forhold, som kan påvirke brugen af performancemålinger og forretningsbetingelserne mere
generelt (Waggoner et al., 1999; Davis & Albright, 2004; Fisher, 1992; Medori & Steeple, 2000).
Nogle mener endda, at disse ændringer fundamentalt har ændret spillereglerne for erhvervslivet
(Kaplan & Norton 1996, s. 2-3).
Forandringerne i markedet tvinger virksomhederne til at opdatere deres
performancemålingssystemer (Neely et al., 2001). I en verden hvor ikke-materielle aktiver f.eks.
bliver til stadighed vigtigere for virksomhederne vokser behovet for at styre, kontrollere og måle
faktorer som f.eks. image, innovation og viden. Desuden vil beslutningstagere have en tendens til
at værdsætte denne information højere i turbulente markeder (Gordon & Narayanan, 1984, p. 36-
37).
I denne artikel vil vi anvende begrebet ’oplevet usikkerhed i omgivelserne’ i forsøget på at finde en
sammenhæng mellem virksomhedens omgivelser og brugen af performancemålingssystemer.
Usikkerheden vedrører den oplevede uforudsigelighed af en række industri- og
virksomhedsspecifikke omgivelsesfaktorer (Miller, 1993). Det forventes, at virksomheder, som
opererer i dynamiske omgivelser, vil være mere tilbøjelige til at anvende
performancemålingssystemer (Gordon & Narayanan, 1984). Det leder frem til følgende hypoteser:
7

Hypotese 3 (H3): Der er en positiv sammenhæng mellem den oplevede usikkerhed i omgivelserne og
indførelsen/den oplevede vigtighed af et multifaceteret performancemålingsystem.
Hypotese 4 (H4): Der er en negativ sammenhæng mellem den oplevede usikkerhed i omgivelserne og
indførelsen/den oplevede vigtighed af finansielle målinger.
Link til performance: Forholdet mellem indførelsen af PM og finansiel vækst
Denne artikel handler ikke om at identificere hvilket performancemålingssystem, som skaber den
største profit. Forholdet mellem brugen af performancemålingssystemer og finansiel performance
er dog stadig vigtig, selvom den eksisterende litteratur på området ikke når frem til entydige
resultater. På den ene side forventes det, at virksomheder vil performe bedre, hvis de anvender et
formaliseret og afbalanceret sæt af performancemålinger (Bititci et al., 2006). På den anden side
anerkendes det i litteraturen, at det kan være svært at bevise, at performancemålingssystemer
(som f.eks. Balanced Scorecard) øger indtjeningen (Bititci et al., 2006; Davis & Albright, 2004).
Problemerne med at etablere det kausale sammenhæng mellem brugen af
performancemålingssystemer og de økonomiske resultater kan skyldes både praktiske
besværligheder under implementeringen og mere fundamentale mangler i
performancemålingslogikken (se introduktionen).
Denne artikel vil antage, at der er en positiv sammenhæng mellem brugen af
performancemålingssystemer og de økonomiske resultater. Et afbalanceret
performancemålingssystem, som integrerer både finansielle og ikke-finansielle målinger, vil
hjælpe virksomheder med at forbedre implementeringen af virksomhedens strategi, som dermed
vil forbedre indtjeningen og i sidste ende øge konkurrenceevnen. Det forventes derfor, at
virksomheder, som anvender et sofistikeret performancemålingssystem vil klare sig bedre end
virksomheder, der udelukkende benytter sig af traditionelle, finansielle målinger. Denne hypotese
støttes af resultaterne fra andre studier, som indikerer en sammenhæng mellem brugen af et
bredere sæt af målinger og den oplevede performance (se review af Franco-Santos & Bourne,
2005). Artiklens sidste hypotese kan derfor opsummeres som følger:
Hypotese 5 (H5): Der er en positiv sammenhæng mellem indførelsen af et multifaceteret
performancemålingssystem og virksomhedens økonomiske resultater (salg og indtjening før skat).
Undersøgelsesmetode
Denne artikel er et resultat af et projekt støttet af Forskningsrådet for Samfund og Erhverv (FSE).
Undersøgelsen begyndte med designet af analysespørgsmålene, hvorefter TNS Gallup stod for
dataindsamlingen blandt en tilfældig udvalgt gruppe af danske virksomheder med mere end fem
ansatte (det viste sig dog, at nogle af virksomhederne havde mindre end 5 ansatte).
Analyseinstituttet rettede under dataindsamlingen henvendelse til ledere med ansvar for regnskab
8

og økonomi. 627 respondenter blev inviteret pr. email og 299 virksomheder gennemførte
undersøgelsen (en svarprocent på 47,69). Forinden havde TNS Gallup dog kontaktet
respondenterne for at skabe interesse for undersøgelsen og få en tilladelse til at sende dem emailinvitationen.
I denne fase afslog godt 47 procent af de kontaktede virksomheder, hvilket
indebærer, at den reelle svarprocent er omkring 25,3 procent. Svarprocenten opfattes dog stadig
som acceptabel for sådanne analyser (Henri, 2006).
Måling af variable
Der blev udviklet et en række indikatorer/kategorier for at give et billede af virksomhedens brug
af performancemålinger. Respondenterne blev både spurgt til brugen af målinger og deres
betydning for virksomhedens beslutningsprocesser (se Tabel 2). En lignende metode er blevet
anvendt i tidligere undersøgelser (Henri 2006; Hoque et al. 2001). Vi er bevidste om, at disse
indikatorer/kategorier kun udgør en brøkdel af alle de målinger, som bliver brugt af
virksomhederne. Griffin & Page (1996) konkluderede f.eks., at intet mindre end 75 indikatorer
blev brugt til at måle produktinnovation. Antallet af uendeligt mange potentielle målinger, og
derfor har det været nødvendigt at foretage en selektion. Nedenfor har vi vist de
indikatorer/kategorier, som er blevet anvendt i denne undersøgelse.
Tabel 2: Liste over performancemålinger (N=299)
Performance kategori:
Virksomheder, der
anvender måling:
Gn. betydning for
virksomhedens ledelse
(1=Ringe/ingen
betydning, 5=Meget
stor betydning)
Finansielle målinger:
Omsætning 277 (92,6%) 4,01
Indtjening 278 (93,0%) 4,50
Finansielle nøgletal (afkastningsgrad, etc.) 188 (62,9%) 3,82
Likvider (likviditetsbidrag, etc.) 187 (62,5%) 4,02
Economic Value Added (EVA) 19 (6,4%) 3,74
Medarbejdermålinger:
Medarbejdertilfredshed 189 (63,2%) 4,31
Uddannelse og træning 144 (48,2%) 3,98
Personaleomsætning 90 (30,1%) 3,89
Fravær 205 (68,6%) 3,85
Medarbejderproduktivitet (f.eks. salg pr. ansat) 87 (29,1%) 4,28
Kundemålinger:
Kundetilfredshed 147 (49,2%) 4,62
Kundeloyalitet 119 (39,8%) 4,31
Markedsandele 69 (23,1%) 4,12
Kundeprofitabilitet 70 (23,4%) 4,26
Kundeklager 160 (53,5%) 4,38
9

Produktionsmålinger:
Leveringstider 178 (59,5%) 4,46
Produktionstider 144 (48,2%) 4,31
Nedbrud 72 (24,1%) 4,33
Fejl i produktionen 137 (45,8%) 4,32
Kapacitetsudnyttelse 134 (44,8%) 4,38
Marketingmålinger:
Omtale i medier 59 (19,7%) 3,90
Effekt af kampagner 24 (8%) 4,00
Kendskab til brands/mærker 42 (14,0%) 3,91
Præference for brands/mærker 36 (12,0%) 3,97
Virksomhedens omdømme 122 (40,8%) 4,59
Bæredygtighedsmålinger:
Ressourceforbrug (el, vand etc.) 153 (51,2%) 3,87
Arbejdsulykker 185 (61,9%) 4,42
Ligestilling/mangfoldighed 40 (13,4%) 4,24
Aktiviteter i lokalsamfundet 51 (17,1%) 3,92
Efterlevelse af etiske retningslinjer 80 (26,8%) 4,10
Innovationsmålinger:
Patenter 21 (7%) 3,81
Medarbejderforslag/-ideer 135 (45,2%) 4,04
Antal produktintroduktioner 32 (10,7%) 3,97
Udviklingstider (time to market) 36 (12,0%) 4,19
Brugertest og -feedback 47 (15,7%) 3,96
Kapabiliteterne blev målt ved at bede respondenterne om at indikere (på en skala fra et til fem), i
hvilken grad virksomheden var karakteriseret af mekaniske hhv. organiske kapabiliteter. Svarerne
blev brugt til at udregne en total ’kapabilitetsscore’ (gennemsnittet for alle spørgsmål) og scoren
for hver af de fire kapabilitetsdimensioner (færdigheder & vidensbasen, tekniske systemer,
ledelsessystemer, værdier og normer). På den måde er det muligt at undersøge sammenhængen
mellem anvendelsen/betydningen af performancemålinger og de forskellige dimensioner af
kapabilitetsbegrebet.
Viden og
færdigheder
Tabel 3: Måling af organisatoriske kapabiliteter
Kapabilitetsdimension:
Gennemsnit
1=Arbejdsopgaverne er relativt stabile; 5=Arbejdsopgaverne ændrer sig 3,14
hele tiden
1=Viden og færdigheder kan opnås gennem kortvarig intern 2,90
træning/uddannelse, 5=Viden og færdigheder kræver længerevarende
ekstern træning/uddannelse
1=Viden og færdigheder bliver langsomt forældet, 5=Viden og 2,42
10

Det tekniske
system
Ledelsessystemer
Værdier og normer
færdigheder bliver hurtigt forældet
1=Masseproduktion af standardiserede produkter og serviceydelser,
5=Mindre produktion af differentierede produkter og serviceydelser
1=Investeringer er primært 'hårde' (maskiner, bygninger etc.),
5=Investeringer er primært 'bløde' (personale, marketing etc.)
1=Organisationen er baseret på formel kontrol, regler og procedurer,
5=Organisationen er baseret på uformel kommunikation mellem de
ansatte.
1=Beslutningskompetencen er centraliseret og foregår i toppen af
organisationen, 5=Beslutningskompetencen er decentraliseret og foregår i
forskellige organisatoriske lag
1=Kommunikation følger kommandovejen i organisationen,
5=Kommunikationen går på kryds og tværs af organisationen
1=Der ledes v.h.a. detaljerede instruktioner og arbejdsplaner, 5=Der ledes
v.h.a. overordnede målsætninger og værdier
1=De ansatte er primært loyale over for organisationen og
karrieresystemet, 5=De ansatte er primært loyale over for deres profession
og netværk
1=De dominerende værdier er autoritet, præstationer og belønninger,
5=De dominerende værdier er tillid, deltagelse og forpligtelse
1=Arbejdet er centreret om de enkelte ansatte, 5=Arbejdet er centreret om
projekter og grupper
3,22
2,66
3,70
2,60
3,33
3,14
3,06
3,71
3,15
Målingen af den oplevede usikkerhed i omgivelserne er baseret på Miller (1993), selvom
kategorierne i denne artikel er formuleret bredere og lidt anderledes (se Tabel 4). Baggrunden for
at simplificere Miller’s model skyldes ikke utilfredshed, men er mere et forsøg på at holde
spørgeskemaet inden for en overskuelig længde (og dermed øge svarprocenten). Tilsammen
mener vi, at de otte dimensioner i Tabel fire opsummerer mange af de eksterne faktorer, som kan
påvirke virksomhedens brug af performancemålingssystemer.
Tabel 4: Måling af oplevet usikkerhed i omgivelserne
Usikkerhedskategori:
Gennemsnit
(1 = Meget forudsigeligt,
5= Meget uforudsigeligt)
Politisk udvikling (Forudsigelighed i forhold til skat, told, osv. i
2,78
virksomhedens markedsområder)
Økonomisk udvikling (Forudsigelighed i forhold til renten, inflation,
3,04
valutakurs osv. i virksomhedens markedsområder)
Arbejdskraft (Forudsigelighed i forhold til adgang til kvalificeret arbejdskraft
3,06
i virksomhedens markedsområde)
Transport (Forudsigelighed i forhold til den offentlige og private
2,70
transportsektor i virksomhedens markedsområde)
Forsyning (Forudsigelighed i forhold til adgang til og kvaliteten af råvarer, 2,84
11

input og komponenter)
Kundebase(Forudsigelighed i forhold til antallet af kunder og deres
efterspørgsel)
Konkurrence (Forudsigelighed i forhold til antallet af konkurrenter og deres
strategier)
Teknologi (Forudsigelighed i forhold til den teknologiske udvikling i
virksomhedens industriområde)
Kilde: Baseret på Miller (1993).
3,01
2,93
2,88
De økonomiske resultater blev målt ved at spørge virksomhederne, hvordan salg og indtjening
havde udviklet sig i løbet af de sidste tre år. Som det ses af tabel 5 har hovedparten af de
deltagende virksomheder oplevet uforandret eller stabil vækst i salg og profit i denne periode.
Tabel 5: Udvikling i salg og indtjening (N=299)
Salg
Indtjening før skat
Faldet mere end 50 procent. 0 (0,0%) 7 (2,3%)
Faldet mellem 26 og 50 procent. 2 (0,7%) 5 (1,7%)
Faldet mellem 6 og 25 procent. 21 (7,0%) 26 (8,7%)
Relativ stabil, +/- 5 procent. 72 (24,1%) 98 (32,8%)
Vækst mellem 6 og 25 procent. 136 (45,5%) 113 (37,8%)
Vækst mellem 26 og 50 procent. 45 (15,1%) 28 (9,4%)
Vækst mere end 50 procent. 23 (7,7%) 22 (7,4%)
Analyseresultater
Hypoteteserne blev testet ved hjælp af både parametiske og ikke-parametriske tests. Med hensyn
til førstnævnte anvendte vi Pearsons korrelationskoefficient, mens vi til sidstnævnte valgte
Spearmans korrelationskoefficient. Som det vil blive vist i de efterfølgende afsnit leder begge
tilgange tilgang frem til nogenlunde de samme resultater. I analysen har kalkuleret det
dobbeltsidede signifikansniveau og anvendt konfidensintervallet α = 0,05. Vi vil i denne analyse
primært resumere resultaterne fra analysen af brugen/vigtigheden af performancemålinger generelt
og virksomhedens karakteristika (kapabiliteter, omgivelsernes usikkerhed og de økonomiske
resultater). I appendiks 1 har vi dog også vist sammenhængen mellem de enkelte
performancemålingskategorier og organisationens kendetegn.
Med hensyn til hypotese 1 kan den positive sammenhæng mellem organiske kapabiliteter og
brugen/den oplevede vigtighed af performancemålinger ikke bekræftes. Pearsons
korrelationskoefficient mellem organiske kapabiliteter og brugen af performancemålinger kun
0,093 (p-værdi = 0,111), mens Spearmans korrelationskoefficient var 0,058 (p-værdi = 0,325).
Pearson’s korrelationskoefficient mellem organiske kapabiliteter og den oplevede vigtighed af
performancemålinger var 0,049 (p-værdi = 0,408), mens Spearmans korrelationskoefficient var på
12

0,049 (p-værdi = 0,401). Der synes altså ikke at være en entydig sammenhæng mellem de interne
forhold i organisationen og omfanget af performancemålinger, som bliver brugt til at lede
virksomheden med. Dog er det muligt at finde en sammenhæng mellem virksomheder domineret
af organiske kapabiliteter og brugen af bestemte performancekategorier (kunder, marketing og
innovation) (se Appendiks 1). Det kunne indikere, at kun visse former for ikke-finansielle
performancemålinger er afgørende for virksomheder, der er baseret på fleksibilitet,
tilpasningsevne og innovation.
Det var ikke muligt at finde en negativ sammenhæng mellem virksomheder karakteriseret ved en
høj grad af organiske kapabiliteter og brugen/betydningen af finansielle målinger (Hypotese 2).
Pearsons korrelationskoeficient mellem organiske kapabiliteter og brugen af finansielle malinger
viste sig at blive -0,013 (p-værdi = 0,831), mens Spearmans korrelationskoefficient var på -0,016 (pværdi
= 0,791). Pearsons korrelationskoefficient mellem virksomheder domineret af organiske
kapabiliteter og den oplevede betydning af finansielle malinger var på -0,016 (p-værdi = 0,790),
mens Spearman’s korrelationskoefficient resulterede i -0,018 (p-værdi = 0,761). Både mekaniske og
organiske virksomheder lægger vægt på finansielle målinger uanset deres interne struktur og
rutiner.
I testen af hypotese 3 var det muligt at identificere en positiv sammenhæng mellem den oplevede
usikkerhed i omgivelserne og brugen af performancemålinger. Pearsons korrelationskoefficient
var på 0,156 (p-værdi = 0,010), mens Spearmans korrelationskoefficient var på 0,152 (p-værdi =
0,013). Det var dog ikke muligt at finde en positiv sammenhæng mellem den oplevede usikkerhed
i omgivelserne og betydningen af performancemålinger. Her var Pearsons korrelationskoefficient
på 0,079 (p-værdi = 0,198), mens Spearmans korrelationskoefficient var på 0,087 (p-værdi = 0,155).
Overordnet kan det derfor konkluderes, at virksomheder som oplever omgivelserne som
turbulente og usikre er mere tilbøjelige til anvende en bredere vifte af performancemålinger.
Der var ikke en negativ korrelation mellem den oplevede usikkerhed i omgivelserne og brugen af
finansielle målinger (Hypotese 4). Pearsons korrelationskoefficient var på 0,071 (p-værdi = 0,254),
mens Spearmans korrelationskoefficient viste 0,062 (p-værdi = 0,318). Pearsons
korrelationskoefficient mellem den oplevede usikkerhed i omgivelserne og vigtigheden af
finansielle målinger var på 0,053 (p-værdi = 0,391), mens Spearmans korrelationskoefficient var på
0,057 (p-værdi = 0,361). Respondenternes oplevelse af omgivelsernes beskaffenhed synes ikke at
have en indflydelse på den værdi, som tillægges finansielle målinger.
Hypotese 5 blev delvist bekræftet. Mere konkret var det muligt at identificere en positiv
sammenhæng mellem udviklingen i omsætningen og brugen af performancemålinger (Pearsons
korrelationskoefficient var på 0,115 (p-værdi = 0,048), mens Spearmans korrelationskoefficient var
på 0,131 (p-værdi = 0,025). Det var dog ikke muligt at finde en sammenhæng mellem indtjeningen
før skat og den brugen af performancemålinger (Med hensyn til sidstnævnte var Pearsons
13

korrelationskoefficient lig med 0,094 (p-værdi = 0,107), og Spearmans korrelationskoefficient 0,102
(p-værdi = 0,080). Generelt kan man derfor sige, at virksomheder med stor vækst i salget er mere
tilbøjelige til at gøre mere brug af performancemålinger.
Diskussion: Er performancemålinger et symptom på en krise eller
fraværet af samme
Analysens resultater har en række implikationer for forskningen i performancemålinger. For det
første må det konkluderes, at forhold i omgivelserne synes at være have mere indflydelse på
virksomhedens brug af performancemålinger end de interne kapabiliteter. Virksomheder, som
oplever turbulente omgivelser, vil gøre mere brug af performancemålinger. Det skyldes måske det,
som Martin L. Gimpl & Stephen R. Dakin (1984) refererer til som det fundamentale paradoks i den
menneskelige adfærd; jo mere uforudsigelig verden opleves, jo mere er vi tilbøjelige til at læne os
op af prognoser og forudsigelser.
Resultaterne fra analysen viser også, at virksomheder lægger vægt på finansielle målinger, uanset
om de er domineret af organiske eller mekaniske kapabiliteter og uanset om de opererer på stabile
eller ustabile markeder. Argumentet om, at finansielle målinger mister værdi i ’den nye økonomi’
kan ikke genfindes i denne undersøgelse. En del af forklaringen kan være, at den økonomiske side
af forretningslivet er stærkt reguleret. Virksomhederne har ikke mulighed for selv at vælge, om de
vil måle deres økonomiske resultater. Man kan dog også være fristet til at sige, at virksomhederne
stadig ser de økonomiske resultater som de ultimative succeskriterier. The business of business is still
business.
Endelig er der grund til at overveje, hvorfor der tilsyneladende ikke er en sammenhæng mellem
virksomhedens kapabiliteter og brugen af performancemålinger. En mulig forklaring kan være, at
virksomheder med organiske karakteristika måske nok vil have mere grund til at bruge et
multifaceteret performancemålingssystem, men det er ikke ensbetydende med, at de rent faktisk
gør det. Performancemålinger (finansielle såvel som ikke-finansielle) repræsenterer en form for
styring, kontrol og formalisering, som passer dårligt til de virksomheder, som konkurrerer på at
være fleksible og innovative. Ironisk nok vil nye former for performancemålinger måske være
nemmest at sluge i den type organisationer (mekaniske), som har mindst glæde af disse.
Sidst men ikke mindst er der grund til at spørge sig selv, hvorfor der ikke er en entydig
sammenhæng mellem brugen af performancemålinger og virksomhedens økonomiske resultater.
Kritikere vil selvfølgelig kunne bruge disser resultater til at påstå, at performancemålinger ikke
virker, men måske er svaret mere kompliceret end som så. Måske skyldes de tvetydige resultater,
at virksomheder bruger performancemålinger af forskellige - og måske endda modstridende -
grunde. Når man kigger på litteraturen om motiver for at udvikle nye
performancemålingssystemer og gennemføre organisationsforandringer mere generelt kan man da
14

også spore en form skizofreni, som måske har været med til at forklare denne analyses tvetydige
resultater. På den ene side er det f.eks. blevet fremført, at store interne spændinger og eksterne
forandringer virker fremmende for udviklingen af nye performancemålingssystemer (Van de Ven,
1986; Fisher 1992, 32). Lidt forenklet kan man derfor sige, at det er virksomheder i kriser, som vil
udvikle nye, og mere omfattende performancemålingssystemer. På den anden side er det også
blevet sagt, at trusler mod organisationens eksistens er med til at fremme rigiditet og en klamren
sig til traditionelle former for styring og kontrol (Johanson et al., 2006). Med brug af denne logik vil
virksomheder i krise derfor ikke ændre deres brug af performancemålinger. Som det ses af
ovenstående kan kriser af den ene eller den anden slags derfor lede frem til både den ene og den
anden adfærd, hvilket kan have været med til mudre den sammenhæng, som evt. måtte være
mellem brugen af performancemålinger og de økonomiske resultater. Det er derfor uklart, om
performancemålinger er mest et symptom på en krise eller fraværet af samme.
Konklusion
Målinger er overalt. Bo på et hotel og der vil ligge tilfredshedsundersøgelser på skrivebordet. Sæt
dig ind i et fly og du vil finde spørgeskemaer på dit sæde eller i hylden foran dig. Gå på nettet og
der vil poppe forskellige tilbud om at deltage brugerundersøgelser op. Se sport på fjernsynet og du
vil blive mødt med en endeløs mængde statistik om kombattanterne. Tag på aftenskole og du vil få
stukket et evalueringsskema i hånden. Læs en avis og du vil hver eneste dag kunne finde
meningsmålinger, hitlister, forbrugertestresultater og kulturanmeldelser med rankings. Osv. Osv.
Med andre ord vinder målinger stigende indpas i både privatsfæren og organisattionernes
professionelle virke. Det er muligt, at alle disse performancemålinger er et modefænomen, men det
er et modefænomen, som har indflydelse på alle dele af samfundet og alle former for
organisationer. Det er derfor vigtigt at få en bedre forståelse af performancemålinger og de
organisationer, som foretager dem. På denne baggrund valgte vi denne artikel at studere
relationen mellem brugen af performancemålinger og virksomhedens interne (organisatoriske
kapabiliteter) og eksterne (oplevet usikkerhed i omgivelserne) karakteristika.
Denne analyse viste, at specielt omgivelserne spillede en rolle for virksomhedens brug af
performancemålingssystemer. Nærmere bestemt blev det konkluderet, at virksomheder som
oplevede omgivelserne som meget usikre var mere tilbøjelige til at gøre mere brug af
performancemålinger. Omvendt kunne det ikke konkluderes, at de organisatoriske kapabiliteter
havde nævneværdig indflydelse på antallet af performancemålinger, der blev brugt i
virksomheden. Det var ikke muligt at finde en sammenhæng mellem interne/eksterne forhold og
brugen/betydningen af finansielle målinger. Analysen bygger på svarene fra 299 virksomheder,
som deltog i en spørgeskemaundersøgelse, som blev foretaget i sommeren 2008.
15

Det skal understreges, at resultaterne i denne artikel kun er baseret på den indledende analyse af
datamaterialet. I den følgende tid vil vi forfine den statistiske analyse med henblik på at udgive
resultaterne i et førende internationalt tidsskrift. I denne proces vil vi også forsøge at kontrollere
for effekten af ikke mindst virksomhedens størrelse, som måske kan have indflydelse på
resultaterne (Franco-Santos & Bourne, 2005). Tidligere undersøgelser har vist, at der er en positiv
sammenhæng mellem brugen af performancemålinger/performancemålingssystemer og
virksomhedens størrelse (Ambler et al. 2004; Hoque & James (2000). En af grundende til dette kan
være, at ledere i SMEs har mere kontakt med deres interne og eksterne omgivelser, hvilket gør
dem mindre afhængige af formaliserede performancemålingssystemer. Desuden har store
organisationer måske oftere det nødvendige ’slack’ til at udvikle sofistikerede
informationssystemer og ansætte medarbejdere med specialiserede kompetencer indenfor dette
område (jf. Waddock & Graves, 1997).
Referencer
Abdel-Maksoud, A., Dugdale, D., & Luther, R. (2005). Non-Financial Performance Measurement in
Manufacturing Companies. The British Accounting Review, 37, 261-297.
Abdel-Maksoud, A. B. (2004). Manufacturing in the UK: contemporary characteristics and
performance indicators. Journal of Manufacturing Technology Management, 15, 155-171.
Ambrose, M. L. & Schminke, M. (2003). Organization Structure as a Moderator of the Relationship
Between Procedural Justice, Interactional Justice, Perceived Organizational Support, and
Supervisory Trust. Journal of Applied Psychology, 88, 295-305.
Anthony, R. N. & Govindarajan, V. (2007). Management Control Systems. New York: McGraw-Hill
Companies.
Bititci, U. S., Mendibil, K., Nudurupati, S., Garengo, P., & Turner, T. (2006). Dynamics of
performance measurement and organisational culture. International Journal of Operations &
Production Management, 26, 1325-1350.
Bornemann, M. & Leitner, K.-H. (2002). Measuring and Reporting Intellectual Capital: The Case of
a Research Technology Organisation. Singapore Management Review, 24, 7-19.
Bourne, M. & Neely, A. (2002). Why measurement initiatives succeed and fail: The impact of
parent company initiatives. In A.Neely (Ed.), Business Performance Measurement: Theory and Practice
(pp. 145-155). Cambridge: Cambridge University Press.
Bourne, M. Ed. (2004). Handbook of Performance Measurement. London: GEE Publishing Ltd.
Burns, T. & Stalker, G. M. (1994). The Management of Innovation. Oxford: Oxford University Press.
16

Clark, B. (2002). Measuring performance: The marketing perspective. In A.Neely (Ed.), Business
performance measurement – Theory and practice (pp. 22-40). Cambridge: Cambridge University Press.
Collis, D. J. (1994). Research Note: How Valuable are Organizational Capabilities. Strategic
Management Journal, 15, 143-152.
Corvellec, H. (2003). Narratives of organizational performance. In B.Czarniawska & P. Gagliardi
(Eds.), Narratives We Organize By (pp. 115-133). Amsterdam: John Benjamins Publishing Company.
Covin, J. G. & Slevin, D. P. (1989). Strategic Management of Small Firms in Hostile and Benign
Environments. Strategic Management Journal, 10, 75-87.
Davis, S. & Albright, T. (2004). An investigation of the effect of Balanced Scorecard implementation
on financial performance. Management Accounting Research, 15, 135-153.
Despres, C. & Hiltrop, J.-M. (1995). Human resource management in the knowledge age: current
practice and perspectives on the future. Employee Relations, 17, 9-23.
Eisenhardt, K. M. & Martin, J. A. (2000). Dynamic Capabilities: What are They Strategic
Management Journal, 21, 1121.
Ernst & Young (1997). Measures that Matter. Ernst & Young LLP.
Fisher, J. (1992). Use of Nonfinancial Performance Measures. Journal of Cost Management, 6, 31-38.
Foss, N. J. (2005). Strategy, Economic Organization, and the Knowledge Economy: The Coordination of
Firms and Resources. Oxford: Oxford University Press.
Franco-Santos, M. & Bourne, M. (2005). An examination of the literature relating to issues affecting
how companies manage through measures. Production Planning & Control, 16, 114-124.
Gimpl, M. L. & Dakin, S. R. (1984). Management and Magic. California Management Review, 27, 125-
136.
Gordon, L. A. & Narayanan, V. K. (1984). Management Accounting Systems, Perceived
Environmental Uncertainty and Organization Structure: An Empirical Investigation. Accounting,
Organizations and Society, 9, 33-47.
Grant, R. M. (1991). The Resource-Based Theory of Competitive Advantage: Implications for
Strategy Formation. California Management Review, 33, 114-135.
Griffin, A. & Page, A. L. (1996). PDMA Success Measurement Project: Recommended Measurs for
Product Success and Failure. Journal of Product Innovation Management, 13, 478-496.
17

Henri, J.-F. (2006). Organizational culture and performance measurement systems. Accounting,
Organizations and Society, 31, 77-103.
Homburg, C. & Fürst, A. (2005). How Organizational Complaint Handling Drives Customer
Loyalty: An Analysis of the Mechanistic and the Organic Approach. Journal of Marketing, 69, 95-
114.
Hoque, Z. & James, W. (2000). Linking Balanced Scorecard Measures to Size and Market Factors:
Impact on Organizational Performance. Journal of Management Accounting Research, 12, 1-17.
Hoque, Z., Mia, L., & Alam, M. (2001). Market Competition, Computer-Aided Manufacturing and
use of Multiple Performance Measures: An Empirical Study. British Accounting Review, 33, 23-45.
Ittner, C. D. & Larcker, D. F. (2001). Assessing empirical research in managerial accoutning: a
value-based management persepctive. Journal of Accounting and Economics, 32, 349-410.
Ittner, C. D. & Larcker, D. F. (2003). Coming Up Short on Nonfinancial Performance Measurement.
Harvard Business Review, 81, 88-95.
Johanson, U., Skoog, M., Backlund, A., & Almqvist, R. (2006). Balancing dilemmas of the balanced
scorecard. Accounting, Auditing & Accountability Journal, 19, 842-857.
Kalagnanam, S. S. & Lindsay, R. M. (1998). The use of organic models of control in JIT firms:
generalising Woodward's findings to modern manufacturing practices. Accounting, Organizations
and Society, 24, 1-30.
Kaplan, R. S. & Norton, D. P. (1996). The Balanced Scorecard. Boston, Massachusetts: Harvard
Business School Press.
Kaplan, R. S. & Norton, D. P. (2000). Having Trouble with Your Strategy: Then Map it. Harvard
Business Review, 78, 167-176.
Kaplan, R. S. & Norton, D. P. (2001). Transforming the Balanced Scorecard from Performance
Measurement to Strategic Management: Part I. Accounting Horizons, 15, 87-104.
Kaplan, R. S. & Norton, D. P. (2004a). Measuring the Strategic Readiness of Intangible Assets.
Harvard Business Review, 82, 52-63.
Kaplan, R. S. & Norton, D. P. (2004b). Strategy Maps: Converting Intangible Assets into Tangible
Outcomes. Boston, Massachusetts: Harvard Business School Publishing.
Kennerley, M. & Neely, A. (2002). Performance measurement frameworks: a review. In A.Neely
(Ed.), Business Performance Measurement: Theory and Practice (pp. 145-155). Cambridge: Cambridge
University Press.
18

Leonard-Barton, D. (1992). Core Capabilities and Core Rigidities: A Paradox in Managing New
Product Development. Strategic Management Journal, 13, 111-125.
McGovern, G. J. C. D., Quelch, J. A., & Crawford, B. (2004). Bringing Customers into the
Boardroom. Harvard Business Review, 82, 70-80.
Medori, D. & Steeple, D. (2000). A framework for auditing and enhancing performance
measurement systems. International Journal of Operations & Production Management, 20, 520-533.
Meyer, M. W. (2002). Finding performance: The new discipline in management. In A.Neely (Ed.),
Business performance measurement – Theory and practice (pp. 51-64). Cambridge: Cambridge
University Press.
Miller, K. D. (1993). Industry and Country Effects on Managers' Perceptions of Environmental
Uncertainties. Journal of International Business Studies, 24, 693-714.
Mouritsen, J., Bukh, P. N., & Marr, B. (2004). Reporting on intellectual capital: why, what and how
Measuring Business Excellence, 8, 46-54.
Neely, A. (2005). The evolution of performance measurement research: Developments in the last
decade and a research agenda for the next. International Journal of Operations & Production
Management, 25, 1264-1277.
Neely, A., Adams, C., & Crowe, P. (2001). The Performance Prism in Practice. Measuring Business
Excellence, 5, 6-12.
Neely, A., Adams, C., & Kennerley, M. (2002). The Performance Prism: The Scorecard for Measuring
and Managing Business Success. Edinburgh Gate, Harlow: Pearson Education Limited.
Neely, A. & Austin, R. (2002). Measuring performance: The operations perspective. In A.Neely
(Ed.), Business performance measurement – Theory and practice (pp. 41-50). Cambridge: Cambrdige
University Press.
Reigle, R. F. (2001). Measuring Organic and Mechanistic Cultures. Engineering Management Journal,
13, 3-8.
Rouse, P. & Putterill, M. (2003). An integral framework for performance measurement. Management
Decision, 41, 791-805.
Seetharaman, A., Sooria, H. H. B. Z., & Saravanan, A. S. (2002). Intellectual capital accounting and
reporting in the knowledge economy. Journal of Intellectual Capital, 3, 128-148.
Slevin, D. P. & Covin, J. G. (1997). Strategy Formation Patterns, Performance, and the Significance
of Context. Journal of Management, 23, 189-209.
19

Stivers, B. P., Covin, T. J., Hall, N. G., & Smalt, S. W. (1998). How nonfinancial performance
measures are used. Management Accounting, 79, 44-48.
Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic Capabilities and Strategic Management.
Strategic Management Journal, 18, 509-533.
Townley, B., Cooper, D. J., & Oakes, L. (2003). Performance Measures and the Rationalization of
Organizations. Organization Studies, 24, 1045-1071.
van de Ven, A. H. (1986). Central Problems in the Management of Innovation. Management Science,
32, 590-607.
Vogel, D. (2005). The Market for Virtue: The Potential and Limits of Corporate Social Responsibility.
Washington, D.C.: Brookings Institution Press.
Waddock, S. A. & Graves, S. B. (1997). The Corporate Social Performance-Financial Performance
Link. Strategic Management Journal, 18, 303-319.
Waggoner, D. B., Neely, A. D., & Kennerley, M. P. (1999). The forces that shape organisational
performance measurement systems: An interdiciplinary review. International Journal of Production
Economics, 60/61, 53-60.
Winter, S. G. (2000). The Satisficing Principle in Capability Learning. Strategic Management Journal,
21, 981-996.
Wongrassamee, S., Gardiner, P. D., & Simmons, J. E. L. (2003). Performance Measurement Tools:
the Balanced Scorecard and the EFQM Excellence Model. Measuring Business Excellence, 7, 14-29.
Zahra, S. A., Sapienza, H. J., & Davidsson, P. (2006). Entrepreneurship and Dynamic Capabilities:
A Review, Model and Research Agenda. Journal of Management Studies, 43, 917-955.
Zollo, M. & Winter, S. G. (2002). Deliberate Learning and the Evolution of Dynamic Capabilities.
Organization Science, 13, 339-351.
20

Appendiks 1: Sammenhængen mellem de individuelle
performancemålingskategorier og virksomhedens kendetegn
(kapabiliteter, oplevet usikkerhed og økonomiske resultater)
Parametrisk
Vigtighed af finansielle målinger
Brug af finansielle målinger
Vigtighed af HR målinger
Brug af HR målinger
Vigtighed af kundemålinger
Brug af kundemålinger
Vigtighed af produktionsmålinger
Brug af produktionsmålinger
Vigtighed af marketingmålinger
Brug af marketingmålinger
Vigtighed af CSR målinger
Mekaniske/
organiske
kapabiliteter
Oplevet
usikkerhed i
omgivelserne
Udvikling I
salg de
sidste tre år
Udvikling i
indtjening de
sidste tre år
Pearson
Correlation
-,016 ,053 ,017 -,023
Sig. (2-tailed) ,790 ,391 ,780 ,696
N 282 262 282 282
Pearson
Correlation
-,013 ,071 ,118(*) ,115
Sig. (2-tailed) ,831 ,254 ,046 ,052
N 288 264 288 288
Pearson
Correlation
,104 ,019 ,132(*) ,063
Sig. (2-tailed) ,093 ,774 ,033 ,307
N 262 243 262 262
Pearson
Correlation
,093 ,027 ,146(*) ,118
Sig. (2-tailed) ,130 ,676 ,017 ,057
N 264 245 264 264
Pearson
Correlation
,172(*) ,100 ,081 -,022
Sig. (2-tailed) ,014 ,170 ,249 ,755
N 202 189 202 202
Pearson
Correlation
,101 ,076 ,050 ,065
Sig. (2-tailed) ,151 ,298 ,482 ,360
N 203 190 203 203
Pearson
Correlation
,105 ,086 ,022 -,017
Sig. (2-tailed) ,121 ,221 ,740 ,807
N 221 205 221 221
Pearson
Correlation
-,032 ,061 ,079 ,016
Sig. (2-tailed) ,633 ,382 ,238 ,817
N 223 205 223 223
Pearson
Correlation
,083 ,197(*) ,030 ,194(*)
Sig. (2-tailed) ,325 ,024 ,727 ,021
N 142 131 142 142
Pearson
Correlation
,251(**) ,214(*) -,002 -,162
Sig. (2-tailed) ,002 ,014 ,980 ,052
N 144 132 144 144
Pearson
Correlation
-,022 ,069 -,024 -,043
Sig. (2-tailed) ,745 ,324 ,725 ,529
21

N 221 204 221 221
Brug af CSR malinger
Pearson
Correlation
,040 ,058 ,002 -,018
Sig. (2-tailed) ,554 ,409 ,979 ,785
N 221 204 221 221
Vigtighed af Innovationsmålinger Pearson
Correlation
,157 -,125 ,098 ,009
Sig. (2-tailed) ,055 ,142 ,233 ,913
N 149 139 149 149
Brug af innovationsmålinger Pearson
Correlation
,182(*) ,035 ,085 ,058
Sig. (2-tailed) ,026 ,685 ,302 ,484
N 150 140 150 150
** Correlation is significant at the 0.01 level (2-tailed).
* Correlation is significant at the 0.05 level (2-tailed).
Ikke-parametrisk
Vigtigheden af finansielle
målinger
Brug af finansielle målinger
Vigtigheden af HR målinger
Brug af HR målinger
Vigtighed af kundemålinger
Brug af kundemålinger
Vigtighed
produktionsmålinger
Brug af produktionsmålinger
Vigtighed af marketingmålinger
af
Mekaniske/
organiske
kapabiliteter
Oplevet
usikkerhed i
omgivelserne
Udvikling I
salg de
sidste tre år
Udvikling i
indtjening de
sidste tre år
Correlation
Coefficient
-,018 ,057 -,006 -,051
Sig. (2-tailed) ,761 ,361 ,918 ,394
N 282 262 282 282
Correlation
Coefficient
-,016 ,062 ,142(*) ,126(*)
Sig. (2-tailed) ,791 ,318 ,016 ,033
N 288 264 288 288
Correlation
Coefficient
,105 ,022 ,105 ,057
Sig. (2-tailed) ,089 ,737 ,090 ,362
N 262 243 262 262
Correlation
Coefficient
,075 ,016 ,134(*) ,110
Sig. (2-tailed) ,223 ,798 ,030 ,073
N 264 245 264 264
Correlation
Coefficient
,142(*) ,081 ,092 -,007
Sig. (2-tailed) ,045 ,269 ,191 ,924
N 202 189 202 202
Correlation
Coefficient
,089 ,106 ,041 ,067
Sig. (2-tailed) ,207 ,144 ,560 ,343
N 203 190 203 203
Correlation
Coefficient
,040 ,082 ,026 -,012
Sig. (2-tailed) ,558 ,243 ,705 ,863
N 221 205 221 221
Correlation
Coefficient
-,034 ,071 ,087 -,003
Sig. (2-tailed) ,613 ,310 ,193 ,959
N 223 205 223 223
Correlation
Coefficient
,029 ,153 ,039 ,163
22

Sig. (2-tailed) ,734 ,080 ,642 ,052
N 142 131 142 142
Brug af marketingmålinger Correlation
Coefficient
,198(*) ,194(*) -,025 -,190(*)
Sig. (2-tailed) ,017 ,026 ,770 ,023
N 144 132 144 144
Vigtighed af CSR målinger Correlation
Coefficient
,003 ,058 ,004 -,011
Sig. (2-tailed) ,960 ,414 ,951 ,868
N 221 204 221 221
Brug af CSR malinger
Correlation
Coefficient
-,002 ,055 -,002 -,036
Sig. (2-tailed) ,978 ,434 ,980 ,599
N 221 204 221 221
Vigtighed
af Correlation
innovationsmålinger
Coefficient
,171(*) -,112 ,103 ,024
Sig. (2-tailed) ,037 ,188 ,211 ,772
N 149 139 149 149
Brug af innovationsmålinger Correlation
Coefficient
,143 ,032 ,110 ,022
Sig. (2-tailed) ,080 ,710 ,182 ,786
N 150 140 150 150
** Correlation is significant at the 0.01 level (2-tailed).
* Correlation is significant at the 0.05 level (2-tailed).
23