Managing the front end of innovation The positive impact of the organizational attributes to the front end of innovation performance

Participants 

The  survey  was  sent  to  35  Icelandic  and  international  companies  with  the  offices  on 

Iceland.  The  managers  were  asked  to  get  5-7  employees  from  their  company, 

participating  in  the  front  end  of  innovation.  Two  companies  refused  to  participate  in 

research. Managers of the both companies argued that their organization was providing  

IT service as representatives of the much bigger groups and don't involve the front end 

of innovation activities. One senior manager confirmed his and his company participation 

but  after five  weeks  he refused  his  conformations.  He explained  it that his  employees 

were overloaded with the work. Thus, the researcher supposed to become between 175 

and 245 responses.  The responses rate at the end was 111. Between the 111 answers 

were 18 missing data values (16%): 4 missing answers in the culture construct, 4 missing 

answers  in  the  team  construct  and  10  missing  answers  in  the  senior  management 

commitment construct.  

Among the total number of respondents, 78 were employees of small sized companies 

(˂50 employees) with the total rate of (69, 4 %). Where 56 participants were from the 

companies with the employees number between 10-29 (50, 5 % from the total rate), and 

21 (18, 9 %) responses were from the organizations with the 30-49 employees each (see 

Table 1) 

 

 

 

41 

Table 1 The size and number of employees in participating companies. 

Number of employees 

Companies frequency 

Percent 

10-29 

50,5 

50,5 

30-40 

18,9 

18,9 

50-249 

16,2 

16,2 

250- and more 

14,4 

14,4 

Total 

111 

100 

 

The responses from the Medium sized companies (˂ 250 employees) were 18 (16, 2 

%)  and  14,  4  %  or  16  respondents  were  from  the  companies  with  the  number  of 

employees more than 250 (see Table 1).  

50, 5 % (56 participants) of the responses are employed by organization between 1-3 

years; 27, 9 % (31 members) are working for the companies longer than 7 years, and 17, 

1% (19 responses) are employees of the given organizations between 4- 6 years. Data 

contains 5 missing values that could affect total results. The majority or 83 participants 

(75%) are male. The female are 27 (25%). 

The first analysing the data concerning the age of respondents demonstrated, that 49, 

5 % of participants were between 23 and 37 years old. 50, 5 % of the participants were in 

the age 38-58 years old. For more detailed examination, the following data was recorded 

for smaller age groups (see Table 2). Thus, recorded data showed, that the majority of 

participants,  41%  or  46 respondents  were between  31-38  age  years  old.  28,  3%  or  32 

responses  were between 39-46  years  old.   The youngest  and  oldest  members  were  in 

minority: 18 (16, 2%) and 15 (13, 5%) respectively. 

Table 2 Age of respondents 

Age of respondents 

Frequency 

Valid percent 

23-30 

18 

16,2 

31-38 

46 

41,4 

39-46 

32 

28,8 

47-58 

15 

13,5 

Total 

111 

100 

 

64 respondents or 57, 7 % of the total responses were given by participants with BS/BA 

degree, 32, and 4 % (36) respondents were with MS/MA/MBA degree. Others, such as 

42 

associated degree in business management, multimedia diploma, media technology were 

11 or 9, 9 % of the total sample. 

Participants  presented  a  wide  range  of  nationalities.  Even  the  majority  of  the 

respondents, 102 or 91, 9 % of the total responses were Icelandic, six another nations 

were between participants. Among them British (1), German (1), Italian (1), Polish (39, 

Swedish (1) and 2 respondents from the U.S. 

2.2

 

 Data analysis 

The aim of the research was to find out if there is a positive relationship between some 

organisational  factors,  namely      Innovation  strategy,  innovation  culture,  senior 

management  commitment,  team  factor  and  FEI  performance.  Regression  analysis  was 

applied to examine the research’s hypotheses.  

Regression  analysis  is  commonly  known  and  extensively  used  for  expression 

relationships between given variables (Montgomery, Peck, & Vining, 2012; Neter, Kutner, 

Nachtsheim, & Wasserman, 1996). The key issue for successful regression analysis is to 

collect  proper  data  (Bates  &  Watts,  1988).  Appropriately  collected  and  managed  data 

make both analysing and interpretation easier. In turn, poorly received data could cause 

misleading and misunderstandings (Montgomery et al., 2012; Neter et al., 1996) 

Furthermore,  regression  could  help  to  describe  and  analyse  response  data. 

Montgomery et al. (2014) determine that Regression analysis could be applied to achieve 

various goals, namely 



 

description of the collected data 



 

to estimate parameters 



 

to estimate and to predict  



 

to control 

To analyse and evaluate regression should be supported by an efficient statistic computer 

program.  SPSS program was used to explain and describe the data collection. 

2.2.1

 

Testing of assumptions 

Before evaluating data, it was examined if there linear relationships between dependent 

and independent variables. This assumption was tested with the run of the simple linear 

43 

regression  analysis  with  the  help  of  SPSS  program.  Thus,  scatter  plot  demonstrated  a 

positive linear relationship between dependent variable Performance and independent 

variables  culture,  strategy,  senior  management  commitment  and  team  (test  for 

heteroscedastisity). 

   Independence  of  Residuals  was  examined  with  the  Durbin-Watson  statistic  (see 

Appendix 1), which in our case is 1,824, approximately 2. The Durbin- Watson statistic 

ranges from 0 to 4. Thus, the Durbin- Watson test means, that there is no correlation 

among residuals. Value 1,824 is close to 2 that also indicates as independence of errors 

(residuals). 

The  Casewise  diagnostic  aimed  to  determine,  that  cases  are  outliers.  The  data  has 

standardized residuals less then ±3. Consequently, Caseweis diagnostic table as a part of 

SPSS output was not produced.  

Testing of residuals' (errors) normality demonstrated that the standardized residuals 

are nearly normally distributed (see Appendix 2). This assumption was also confirmed by 

the Normal P- P Plot (see Appendix 3). Normal P-P Plot demonstrates a practically perfect 

alignment of the points along the diagonal line. 

2.3

 

Results 

In  this  chapter  collected  data  will  be  analysed.  First,  cumulative  analysis  (one 

dependent-  FEI  performance  and  four  independent:  innovation  strategy,  innovation 

culture, senior management commitment and team constructs) will be examine. Multiply 

regression  method  will  be  used  with  the  help  of  SPSS  program.  Second,  research 

hypotheses  will  be  analysed  and  reported.  Each  of  four  hypotheses  proposed  for  this 

research  will  be  studied  separately  in  order  to  confirmed  or  refuse  the  proposed 

hypotheses. 

2.3.1

 

Cumulative analysis 

 First of all, correlation analysis was conducted to find out if there is a correlation between 

dependent variable performance of the FEI and independent variables: strategy, culture, 

senior management commitment and team. Pearson's correlation coefficient measures 

the level of linear dependence between dependent and independent variables (Lawrence 

&  Lin,  1989).  The  data  correlation  values  ideally  should  indicate  results  below  .7. 

44 

However, above .3. If the correlation between variables will be below .3, it will specify 

the  absence  of  sufficient  correlation  between  dependent  and  independent  variable. 

Respectively,  if  the  correlation  between  two  or  more  variables  is  above.7,  it  could 

signalise about the bivariate correlation between the variables (Pallant, 2007). The Table 

3 demonstrates that the results for the linear correlation between dependent variables 

construct  performance  and  independent  variables  constructs  strategy,  culture,  senior 

management commitment and team constructs are within acceptable norms. There is a 

strong positive correlation between the innovation strategy and innovation performance 

in the FEI r (111) =.662, p<.05 and positive moderate correlation between the innovation 

culture r (107) =.317, p<.05, dedicated team r (107) =.398, p<.05 and senior management 

commitment r (101) =.385, p<.05. Furthermore, this table demonstrates strong positive 

correlation between senior management commitment and innovation strategy (r=.507, 

p<.05),  senior  management  commitment  and  innovation  culture  (r=.578,  p<.05)  and 

senior  management  commitment  and  team  (r=.564,  p<.05).  There  is  also  the  strong 

positive relationship between the innovation strategy (r=.509, p<.05) and the moderate 

positive correlation between the team and innovation culture (r=.424, p<.05). 

Table 3 Correlations 

 

Performance 

Strategy 

Culture 

Team 

Strategy 

.662* 

 

 

 

Culture 

.317* 

.279* 

 

 

Team 

.398* 

.509* 

.402* 

 

Leadership 

.385* 

.507* 

.578* 

.564* 

Note

**. Correlation is significant at the 0.01 level (2-tailed). 

The mean score for the total performance variable (M = 3.05, S = 0, 71) were 3.05, that 

is not very high, but not low. In order to find out the difference between the efficiency 

and  effectiveness  both  variables  were  studied  separately.  Descriptive  statistic  was 

applied  to  answer  this  question.  The  results  demonstrated,  that  the  mean  score  for 

effectiveness was higher (M = 3.3, S = 0.92) then the mean score for the efficiency variable 

(M=2.8, S=0.85). The descriptive statistic was applied to find out mean scores for the each 

variable  construct:  innovation  strategy,  innovation  culture,  senior  management 

45 

commitment and team (see Table 4). The collected data provides information, that all 

variable constructs have rather high results. Thus, the highest mean score was identified 

for the team variables construct (M=4,08, S=0,712), the next highest mean score was for 

the  innovation  strategy  variables  construct  (M=3,72,  S=0,80),  the  senior  management 

commitment  variables  construct  (M=3,59,  S=0,89)  and  innovation  culture  variables 

construct (M=3,31, S=0,83) were with the mean scores 3,59 and 3,31 respectively. 

Table 4 Descriptive statistics 

 

N 

Minimum 

Maximum 

Mean 

St.Deviation 

Strategy 

111 

1,00 

5,00 

3,7267 

,80428 

Culture 

107 

1,00 

5,00 

3,3146 

,83532 

Team 

107 

1,00 

5,00 

4,0841 

,71241 

Leadership 

101 

1,00 

5,00 

3,5941 

,89020 

Valid N  

93 

 

 

 

 

 

 

In  order  to  test  the  summarising  research  model  (one  dependent  and  all  four 

independent  variables  together),  a  multiple  regression  model  was  conducted.  The 

regression  analysis  was  performed  with  the  SPSS  REGRESSION  method  between 

dependent  variable  performance  and  independent  variables  strategy,  culture,  senior 

management  commitment  and  team.  All  the  necessary  variables  were  presented  in 

continuous ratings on the 5-points Likert scale. 

The  next  Table  5  (Model  summery)  provides  information  how  proper  the  model 

suitable to R, R² and adjusted R -square. The results of these values could make clear, to 

what extend the variance of the dependent variable FEI Performance is explained by the 

given  research  model.  Thus,  R  -value  (multiple  correlation  coefficient),  measuring  the 

dependent variable's FEI Performance prediction quality indicates R=, 689 relatively good 

level  of  prediction.  The  coefficient  of  determination  R²  indicates  the  magnitude  of 

variance  in  the  dependent  variable  FEI  Performance  that  can  be  explained  by  the 

independent variables: strategy, culture, team and senior management commitment. For 

the given study R²=, 475. Adjusted R-Square is aimed to rectify this value for smaller data 

collections and identify, 451, that means 45, 1% of the variance in FEI performance could 

be  explained  by  the  model  with  four  independent  variables:  innovation  strategy. 

Innovation  culture,  senior  management  commitment  and  team.  In  conformity  with  J. 

46 

Cohen's  classification,  Adjusted  R²  is  an  estimation  of the  data  effect  size,  and 45,  1% 

indicates a medium effect size (Cohen, 1992). 

Table 5 Model summary 

Model 

R 

R Square 

Adjusted  R 

Square 

Std.  Error  of 

the Estimate 

Durbin-

Watson 

1 

689

a

 

,475 

,451 

,53082 

1,824 

 

a. Predictors: (Constant), Leadership, Strategy, Team, Culture 

b. Dependent Variable: Performance 

 

Data  analysis  confirmed,  that  innovation  strategy,  innovation  culture,  senior 

management commitment statistically significantly predict FEI Performance,  F (4, 88) = 

19,874; p˂0.05 

2.3.2

 

Testing hypotheses 

Four hypotheses were proposed for given research. These hypotheses aimed to provide 

more  detailed  information  to  answer  the  research  question.  The  cumulative  analysis 

offers  information  concerning  summarized  model:  regression  analysis  between 

dependent  variable  FEI  performance  and  four  organizational  components  together. 

Simple  Linear  Regression  was  used  to  test  each  hypothesis  separately  and  to  provide 

addition information about each component contribution. Thus, we proposed with the 

first hypothesis: 

H1. Innovation strategic goals have a positive impact on FEI activities performance 

This hypothesis was approved by Linear regression. Innovation strategy could statistically 

significantly predict FEI activities performance (F (1,109) 85,175; p˂ .05) and accounted 

for 43, 4% of the explained variability in the FEI performance contribution. 

The second hypothesis was proposed to find out if any positive relationship between 

the innovation culture and FEI performance: 

H2.Innovation Culture have a positive influence on the FEI Performance 

The results from the research showed that there is a positive relationship between the 

Innovation  culture  and  FEI  performance.  Therefore,  the  second  hypothesis  was  also 

statistically verified (F (1,105) =11,699; p˂ .05). 

47 

Testing  the  third  hypothesis  also  found  out  positive  relationship  between  senior 

management commitment and FEI performance (F (1, 99) =17,253; p˂ .05). In this way, 

this hypothesis was also confirmed: 

H3.Senior management commitment positively affect the FEI performance 

The  results  from  a  linear  regression  also  established,  that  properly  organized  team 

could statistically significantly predict FEI Performance (F (1,105) =19,804; ˂ .05).  

H4. Properly organized FEI Tam is positively associated with the FEI Performance. 

Thus, the results confirmed positive relationship between FEI team organization and 

FEI performance. 

3

 

Discussion and conclusions 

Contemporary academics identify innovation process as a complex mix of organizational 

components and tools, which could be of critical consequence in achieving competitive 

advantage on the global market (Florén & Frishammar, 2012; Koen et al., 2002; Krieger 

Mytelka; Tidd, Pavitt, & Bessant, 2001). In turn, the front end of innovation as the first 

stage of the Innovation process could have a crucial role in the implementing the whole 

Innovation process within the organization (Poskela & Martinsuo, 2009; Verworn, 2009). 

Taking into account that proper managing of the front end of innovation activities has a 

positive  impact  on  the  front  end  of  innovation  performance,  managers  are  facing  the 

challenges  to  manage  and  implement  the  front  end  activities  with  highest  level  of 

efficiency  and  effectiveness.  Different  factors  and  organizational  attributes  could 

contribute  to  FEI  performance.  Thus,  Koen  et  al.  (2014)  has  found  out  that  such 

organizational attributes as senior management involvement shared vision, corporative 

strategy, resources, and innovation culture are significant for FEI activities and explain 53 

percent  of  the  total  outcome  of  the  FEI  performance.    Other  academics  support  the 

importance of such organizational attributes and factors as team, knowledge sharing and 

utilization  of  internal  and  external  informational  sources  (Jongbae  Kim  &  Wilemon, 

2002a; Óskarsson, 2005; Verworn, 2009). 

48 

The purpose of the following research was to find out if there are positive relationships 

between such organizational attributes as innovation strategy, innovation culture, senior 

management  commitment  and  properly  organized  FEI  team.  The  research  was  made 

between the Icelandic companies developing and providing services in the information 

technology  sector  on  Icelandic  and  international  market.  These  companies  were 

presenting both new products developers and providing IT services organizations. This 

collected data demonstrated that most of the companies' participants were small-and-

medium sized organizations (with the total rate of 69, 4%).  

The  front  end  of  innovation  performance  has  been  measured  by  its  effectiveness, 

where  the  centres  of  interest  were  process  and  resources  utilization  along  with 

effectiveness measurement, which focused on the outcome. The data analysis provides 

information, that there were rather low results in the efficiency with the mean score of 

2.8 (see Fig. 10), where just 22,5% of respondents were agree and strongly agree, that 

the  last  project  undertaken  in  the  company  was  the  fastest  one.  Only  21,6%  of 

respondents  answered  that  the  development  costs  did  not  exceed  the  budget.  Taking 

into account rather unpredictable FFE character in resource planning (L. Sanders Jones & 

Linderman,  2014),  these  results  demonstrate  the  importance  of  the  right  managerial 

tools in order to enhance the efficiency of the FEI. 

 

49 

 

Figure 9 Efficiency of the FEI 

The  mean  score  for  the  effectiveness  variables  was  3.3  and  showed  rather  good 

results. Thus, 72% of respondents answered that they are agree and strongly agree, that 

the last product concept was clear and in the line with the customers' needs (see Fig.11). 

Capability  to  innovate, to  produce  a  product,  which  in the  line  of the  customer needs 

could be crucial for company's sustainable competitiveness in the market (Edison et al., 

2013).  Especially  for  the  IT  solutions  and  software  developing  organizations  ability  to 

create  new  customer-oriented  products  is  an  essential  factor  for  the  long  -term 

competitive advantage (Hanson et al., 2011). 

 

50 

 

 

Figure 10 Effectiveness of the FEI 

The  attribute  constructs  consisted  of  three  questions  each  were  made  to  answer  the 

research questions. Regression analysis was applied statistically to support the research 

hypotheses.  Regression  analysis  statistically  demonstrated  positive  relationships 

between each of given organizational attributes and their positive effect on the front end 

of innovation performance. The regression coefficients for all the independent variables 

were  significant  (p<0.05).  The  ranges  of  the  percentage  variables  explained  were 

different  for  each  dependent  variable.  From  approximately  10  percent  for  Innovation 

culture construct to 43 percent for the innovation strategy. As many academics underline, 

the success of the product on the market strictly depends on the organizational strategy 

(Akman  &  Yilmaz,  2008;  Cronin,  2014;  Terziovski,  2010).  Our  data  also  demonstrate  a 

strong  linkage  between  the  front  end  of  innovation  performance  and  the  innovation 

strategy. Moreover, taking into account that 5-point Likert scale was used, the average 

score for the innovation strategy construct was M=3, 7, that is rather a good result. In 

order to achieve the highest performance within the front end of innovation activities, 

organizations should be able to determine and allocate financial and human resources, 

51 

define  clear  goals,  share  the  corporate  vision,  utilize  knowledge  and  adapt  market 

changes (Goffin & Mitchell, 2005). The average score for the innovation culture construct 

was 3, 31, the lowest between the all other results. The data also demonstrated, that the 

most problematic questions for the participants were time and rewarding issues. Thus, 

the research data demonstrated, that teams participating in the front end of innovation 

activities  are  often  struggling  with  the  lack  of  time  (39,4  %  of  the  total  respondents 

negatively answered the question: "Employees of our firm have time to consider and test 

new ideas". At the same time, many scholars stress that especially in the front end of 

innovation phase the teams have to become enough time for idea developing, concept 

and  decision-making  process  (Ho  &  Tsai,  2011).  The  rewarding  system  is  another 

important  issue  that  has  to  be  considered  by  the  organizations.  Almost  30%  of  the 

respondents  answered  that  they  strongly  disagree  or  disagree,  that  their  company 

reward project members for their innovativeness (see Fig. 12). Many academics point out 

that innovation culture has a positive contribution to the FEI performance (Angel, 2006; 

Hafiza  et  al.,  2011;  Jaruzelski  et  al.,  2011).  The  innovative  culture  consists  of  many 

attributes and aims to create an atmosphere where open-mindedness, creativity, willing 

to risk are strongly supported by an organization (Ahmed, 1998). Enough time to consider 

new ideas create a possibility of innovating and rewarded innovativeness in turn could 

stimulate this process (Chandy, 2003; Hafiza et al., 2011).  Organizations, that reward and 

support could encourage their employees to be innovative and believe in their creative 

capabilities (Chandy, 2003). 

52