NOWOCZESNE SYSTEMY ZARZĄDZANIA BAZAMI DANYCH JAKO FUNDAMENT WDROŻEŃ ANALITYKI OPARTEJ NA SZTUCZNEJ INTELIGENCJI W MAŁYCH I ŚREDNICH PRZEDSIĘBIORSTWACH: PRZEGLĄD LITERATURY I MODEL KONCEPCYJNY
DOI:
https://doi.org/10.17512/znpcz.2026.3.08Słowa kluczowe:
bazy danych, chmura obliczeniowa, analityka danych, małe i średnie przedsiębiorstwa, sztuczna inteligencjaAbstrakt
Małe i średnie przedsiębiorstwa (MŚP) coraz częściej dążą do wykorzystania sztucznej inteligencji (AI) w podejmowaniu decyzji opartych na danych, jednak techniczny fundament tych zdolności – architektura systemu zarządzania bazą danych – pozostaje słabo zbadany w literaturze z zakresu zarządzania. Celem artykułu jest usystematyzowanie wiedzy na temat roli architektury baz danych (lokalnych, chmurowych i hurtowni danych) w budowie zdolności analitycznych opartych na AI w MŚP oraz zaproponowanie modelu koncepcyjnego wspierającego wybór tej architektury. Przeprowadzono ukierunkowany przegląd literatury obejmujący dziewięć źródeł z lat 2019-2025, w tym trzy przeglądy systematyczne oparte na protokole PRISMA. Wyniki wskazują, że wybór architektury bazy danych, adopcja chmury i wdrożenie analityki AI są traktowane jako odrębne nurty badawcze, bez modelu integrującego. Zaproponowano trójwarstwowy model koncepcyjny (architektura danych, integracja analityczna, kompetencje organizacyjne) jako narzędzie diagnostyczne dla menedżerów MŚP i punkt wyjścia do dalszej walidacji empirycznej.
Bibliografia
Ajimati, M. O., Carroll, N., & Maher, M. (2025). Adoption of low-code and no-code development: A systematic literature review and future research agenda. Journal of Systems and Software, 222, Article 112300. https://doi.org/10.1016/j.jss.2024.112300
Günther, L. C., Colangelo, E., Wiendahl, H.-H., & Bauer, C. (2019). Data quality assessment for improved decision-making: A methodology for small and medium-sized enterprises. Procedia Manufacturing, 29, 583-591. https://doi.org/10.1016/j.promfg.2019.02.114
Husni, A., Madurapperuma, W., & Thilini Sumudu Kumari, R. D. (2025). Antecedents of data analytics adoption: A systematic literature review from 2018-2024. F1000Research, 14, 1026. https://doi.org/10.12688/f1000research.170252.2
Kgakatsi, M., Galeboe, O. P., Molelekwa, K. K., & Thango, B. A. (2024). The impact of big data on SME performance: A systematic review. Businesses, 4(4), 632-695. https://doi.org/10.3390/businesses4040038
Manning, A. (2015). Databases for small business: Essentials of database management, data analysis, and staff training for entrepreneurs and professionals. Apress. https://doi.org/10.1007/978-1-4842-0277-7
Maswanganyi, N., Fumani, N., Khoza, J. K., Thango, B., & Lerato, M. (2024). Evaluating the impact of database and data warehouse technologies on organizational performance: A systematic review [Preprint]. SSRN. https://doi.org/10.2139/ssrn.4997368
Mkhize, A., Mokhothu, K. D., Tshikhotho, M., & Thango, B. A. (2025). Evaluating the impact of cloud computing on SME performance: A systematic review. Businesses, 5(2), 23. https://doi.org/10.3390/businesses5020023
Moniruzzaman, A. B. M., & Hossain, S. A. (2013). NoSQL database: New era of databases for big data analytics – classification, characteristics and comparison. International Journal of Database Theory and Application, 6(4), 1-13. https://arxiv.org/abs/1307.0191
Ragazou, K., Passas, I., Garefalakis, A., & Zopounidis, C. (2023). Business intelligence model empowering SMEs to make better decisions and enhance their competitive advantage. Discover Analytics, 1, 2. https://doi.org/10.1007/s44257-022-00002-3
Salim, S. A., & Jaffar, S. (2020). A review of cloud-based ERP systems in SMEs. International Journal of Integrated Engineering, 12(7), 113-120. https://journal.uthm.edu.my/index.php/ijie/article/view/7254
Tranfield, D., Denyer, D., & Smart, P. (2003). Towards a methodology for developing evidence-informed management knowledge by means of systematic review. British Journal of Management, 14(3), 207-222. https://doi.org/10.1111/1467-8551.00375
Yesuf, Y., & Fields, Z. (2025). Artificial intelligence adoption as a driver of innovation and competitiveness in SMEs: A bibliometric and systematic review. F1000Research, 14, 1187. https://doi.org/10.12688/f1000research.171494.1
Pobrania
Opublikowane
Numer
Dział
Licencja
Prawa autorskie (c) 2026 Marcelina Otręba, Danuta Rozpędowska-Matraszek (Autor)
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa 4.0 Międzynarodowe.
Autorzy zachowują prawa autorskie do utworu i udzielają czasopismu prawa do jego pierwszej publikacji. Jednocześnie utwór zostaje udostępniony na warunkach licencji Creative Commons Uznanie autorstwa 4.0 Międzynarodowe (CC BY 4.0), która zezwala innym osobom na udostępnianie i rozpowszechnianie utworu pod warunkiem odpowiedniego wskazania autorstwa oraz podania informacji o jego pierwotnej publikacji w niniejszym czasopiśmie.
