Novas fontes de dados para inteligência analítica

Detalhes bibliográficos
Autor(a) principal: Silva, João Gabriel Saraceni Lima da
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional do FGV (FGV Repositório Digital)
Texto Completo: http://hdl.handle.net/10438/20714
Resumo: A diversificação das fontes de dados utilizadas em processos decisórios nas organizações é um dos elementos que fundamentam o conceito de big data, apontado como o futuro das aplicações de Inteligência Analítica. O desafio das organizações em trabalhar com dados não estruturados e dados externos torna-se importante para as que desejam evoluir suas iniciativas de Inteligência Analítica. A partir da revisão de literatura e entrevistas com profissionais que atuam neste campo, este trabalho explora quais as principais iniciativas para obtenção de novas fontes de dados em sistemas de informação de Inteligência Analítica. A abordagem metodológica utilizada foi o estudo de caso múltiplo. A pesquisa utilizou como perspectiva de análise a Teoria da Capacidade Absortiva, que oferece elementos para avaliar como a empresa obtém informações externas a ela e as utiliza no contexto organizacional, gerando valor a seu negócio. São discutidos os principais desafios para a diversificação das fontes de dados, que pode se dar em função da complexidade de diferentes tecnologias, fornecedores, integração de dados, entre outros fatores. Os resultados são apresentados explorando os constructos de Aquisição, Assimilação, Transformação e Utilização, presentes na teoria da Capacidade Absortiva, aplicado à diversificação das fontes de dados nas organizações. Foi possível notar que existem diferentes níveis de utilização de dados externos nas organizações, bem como diferentes arranjos organizacionais para consumir dados externos. As diferentes formas de consumir dados externos causam impacto na forma de alocação de investimentos, governança de dados, cultura organizacional, relacionada ao uso do dado e, por fim, na maturidade do uso de dados externos de forma sistêmica na organização.
id FGV_3f1abae3ac0fb342e040aa6840041dd0
oai_identifier_str oai:repositorio.fgv.br:10438/20714
network_acronym_str FGV
network_name_str Repositório Institucional do FGV (FGV Repositório Digital)
repository_id_str 3974
spelling Silva, João Gabriel Saraceni Lima daEscolas::EAESPKugler, José Luiz CarlosMoraes, Gustavo Hermínio Salati Marcondes deMeirelles, Fernando de Souza2018-04-02T17:45:56Z2018-04-02T17:45:56Z2018-02-28http://hdl.handle.net/10438/20714A diversificação das fontes de dados utilizadas em processos decisórios nas organizações é um dos elementos que fundamentam o conceito de big data, apontado como o futuro das aplicações de Inteligência Analítica. O desafio das organizações em trabalhar com dados não estruturados e dados externos torna-se importante para as que desejam evoluir suas iniciativas de Inteligência Analítica. A partir da revisão de literatura e entrevistas com profissionais que atuam neste campo, este trabalho explora quais as principais iniciativas para obtenção de novas fontes de dados em sistemas de informação de Inteligência Analítica. A abordagem metodológica utilizada foi o estudo de caso múltiplo. A pesquisa utilizou como perspectiva de análise a Teoria da Capacidade Absortiva, que oferece elementos para avaliar como a empresa obtém informações externas a ela e as utiliza no contexto organizacional, gerando valor a seu negócio. São discutidos os principais desafios para a diversificação das fontes de dados, que pode se dar em função da complexidade de diferentes tecnologias, fornecedores, integração de dados, entre outros fatores. Os resultados são apresentados explorando os constructos de Aquisição, Assimilação, Transformação e Utilização, presentes na teoria da Capacidade Absortiva, aplicado à diversificação das fontes de dados nas organizações. Foi possível notar que existem diferentes níveis de utilização de dados externos nas organizações, bem como diferentes arranjos organizacionais para consumir dados externos. As diferentes formas de consumir dados externos causam impacto na forma de alocação de investimentos, governança de dados, cultura organizacional, relacionada ao uso do dado e, por fim, na maturidade do uso de dados externos de forma sistêmica na organização.The variety of data sources applied into decision-making processes in organizations is one of the factors that defines the concept of big data, indicated as the future of Business Intelligence & Analytics applications. Handle with not structured and/or external data diversifying data sources became important to organizations that evolve their BI&A initiatives. From the literature review and interviews with field professionals, this work explore the main initiatives of organizations to obtain new data sources in BI&A information systems. The methodology approach used is multiple case study. The research used the Absorptive Capacity theory as analytical perspective, which offers elements to evaluate how organization obtains external information and use it into organizational context. There are discussed the main challenges to diversifying data sources, such as the complexity of new technologies, suppliers, data integration, among others. The results are presented exploring the constructs Acquisition, Assimilation, Transformation and Explotation, built in Absorptive Capacity theory, applied to the diversification of data sources. It was possible to notice that there are different external and/or not structured data usage levels in organization, as well as different organizational arrangements for consuming external data. The ways of consuming external data have effects on the investment allocation, data governance, organizational culture related to the use of data, and ultimately on the maturity of external and/or not structured data usage in a systematic way in the organization.porBusiness intelligenceAnalytical intelligenceBig dataExternal dataUnstructured dataInteligência analíticaDados externosDados não estruturadosAdministração de empresasGestão do conhecimentoProcesso decisório - Processamento de dadosSistemas de suporte de decisãoNovas fontes de dados para inteligência analíticainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisopenAcessinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVTEXTJoao Saraceni Dissertacao Revisado Banca _V04.pdf.txtJoao Saraceni Dissertacao Revisado Banca _V04.pdf.txtExtracted texttext/plain102923https://repositorio.fgv.br/bitstreams/78b993a6-bc2c-4244-b953-cbd1e5e05ec1/download91562ca25444d91dc889ad3a3c0f4542MD55ORIGINALJoao Saraceni Dissertacao Revisado Banca _V04.pdfJoao Saraceni Dissertacao Revisado Banca _V04.pdfPDFapplication/pdf1375797https://repositorio.fgv.br/bitstreams/2208bacd-68fd-486d-b0f9-7e6a0628a504/download36d698762a610b673b13e6a26444a31cMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/04f38326-5263-4a09-8f25-88b96a81660a/downloaddfb340242cced38a6cca06c627998fa1MD52THUMBNAILJoao Saraceni Dissertacao Revisado Banca _V04.pdf.jpgJoao Saraceni Dissertacao Revisado Banca _V04.pdf.jpgGenerated Thumbnailimage/jpeg2463https://repositorio.fgv.br/bitstreams/f8959e83-7eec-4019-9751-3bc8958c8ca2/download7c3235e19f19a8d05fd970f78e36e491MD5610438/207142023-11-26 12:11:59.72open.accessoai:repositorio.fgv.br:10438/20714https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-26T12:11:59Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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
dc.title.por.fl_str_mv Novas fontes de dados para inteligência analítica
title Novas fontes de dados para inteligência analítica
spellingShingle Novas fontes de dados para inteligência analítica
Silva, João Gabriel Saraceni Lima da
Business intelligence
Analytical intelligence
Big data
External data
Unstructured data
Inteligência analítica
Dados externos
Dados não estruturados
Administração de empresas
Gestão do conhecimento
Processo decisório - Processamento de dados
Sistemas de suporte de decisão
title_short Novas fontes de dados para inteligência analítica
title_full Novas fontes de dados para inteligência analítica
title_fullStr Novas fontes de dados para inteligência analítica
title_full_unstemmed Novas fontes de dados para inteligência analítica
title_sort Novas fontes de dados para inteligência analítica
author Silva, João Gabriel Saraceni Lima da
author_facet Silva, João Gabriel Saraceni Lima da
author_role author
dc.contributor.unidadefgv.por.fl_str_mv Escolas::EAESP
dc.contributor.member.none.fl_str_mv Kugler, José Luiz Carlos
Moraes, Gustavo Hermínio Salati Marcondes de
dc.contributor.author.fl_str_mv Silva, João Gabriel Saraceni Lima da
dc.contributor.advisor1.fl_str_mv Meirelles, Fernando de Souza
contributor_str_mv Meirelles, Fernando de Souza
dc.subject.eng.fl_str_mv Business intelligence
Analytical intelligence
Big data
External data
Unstructured data
topic Business intelligence
Analytical intelligence
Big data
External data
Unstructured data
Inteligência analítica
Dados externos
Dados não estruturados
Administração de empresas
Gestão do conhecimento
Processo decisório - Processamento de dados
Sistemas de suporte de decisão
dc.subject.por.fl_str_mv Inteligência analítica
Dados externos
Dados não estruturados
dc.subject.area.por.fl_str_mv Administração de empresas
dc.subject.bibliodata.por.fl_str_mv Gestão do conhecimento
Processo decisório - Processamento de dados
Sistemas de suporte de decisão
description A diversificação das fontes de dados utilizadas em processos decisórios nas organizações é um dos elementos que fundamentam o conceito de big data, apontado como o futuro das aplicações de Inteligência Analítica. O desafio das organizações em trabalhar com dados não estruturados e dados externos torna-se importante para as que desejam evoluir suas iniciativas de Inteligência Analítica. A partir da revisão de literatura e entrevistas com profissionais que atuam neste campo, este trabalho explora quais as principais iniciativas para obtenção de novas fontes de dados em sistemas de informação de Inteligência Analítica. A abordagem metodológica utilizada foi o estudo de caso múltiplo. A pesquisa utilizou como perspectiva de análise a Teoria da Capacidade Absortiva, que oferece elementos para avaliar como a empresa obtém informações externas a ela e as utiliza no contexto organizacional, gerando valor a seu negócio. São discutidos os principais desafios para a diversificação das fontes de dados, que pode se dar em função da complexidade de diferentes tecnologias, fornecedores, integração de dados, entre outros fatores. Os resultados são apresentados explorando os constructos de Aquisição, Assimilação, Transformação e Utilização, presentes na teoria da Capacidade Absortiva, aplicado à diversificação das fontes de dados nas organizações. Foi possível notar que existem diferentes níveis de utilização de dados externos nas organizações, bem como diferentes arranjos organizacionais para consumir dados externos. As diferentes formas de consumir dados externos causam impacto na forma de alocação de investimentos, governança de dados, cultura organizacional, relacionada ao uso do dado e, por fim, na maturidade do uso de dados externos de forma sistêmica na organização.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-04-02T17:45:56Z
dc.date.available.fl_str_mv 2018-04-02T17:45:56Z
dc.date.issued.fl_str_mv 2018-02-28
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10438/20714
url http://hdl.handle.net/10438/20714
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv openAcess
info:eu-repo/semantics/openAccess
rights_invalid_str_mv openAcess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional do FGV (FGV Repositório Digital)
instname:Fundação Getulio Vargas (FGV)
instacron:FGV
instname_str Fundação Getulio Vargas (FGV)
instacron_str FGV
institution FGV
reponame_str Repositório Institucional do FGV (FGV Repositório Digital)
collection Repositório Institucional do FGV (FGV Repositório Digital)
bitstream.url.fl_str_mv https://repositorio.fgv.br/bitstreams/78b993a6-bc2c-4244-b953-cbd1e5e05ec1/download
https://repositorio.fgv.br/bitstreams/2208bacd-68fd-486d-b0f9-7e6a0628a504/download
https://repositorio.fgv.br/bitstreams/04f38326-5263-4a09-8f25-88b96a81660a/download
https://repositorio.fgv.br/bitstreams/f8959e83-7eec-4019-9751-3bc8958c8ca2/download
bitstream.checksum.fl_str_mv 91562ca25444d91dc889ad3a3c0f4542
36d698762a610b673b13e6a26444a31c
dfb340242cced38a6cca06c627998fa1
7c3235e19f19a8d05fd970f78e36e491
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)
repository.mail.fl_str_mv
_version_ 1813797806887927808