Inteligência estratégica antecipativa : identificação de sinais fracos por meio do Big Data Analytics

• Autor(a) principal: Saffi, Fabiano Chiapinotto
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/216410
• topic: Big data; Inteligência artificial; Inteligência estratégica antecipativa; Tomada de decisão; Anticipative intelligence; Big Data Analytics; Weak signals; Foresight

Com o ambiente empresarial cada vez mais dinâmico e complexo, seu monitoramento tem sido uma prática obrigatória para as organizações. Dado que nas últimas décadas há um volume importante de informações disponibilizadas por tecnologias digitais, organizações estão investindo em ferramentas Big Data Analytics (BDA) com o propósito de compreender o mercado e reduzir a incerteza na tomada de decisão. Ao considerar esse tipo de dados nos processos de monitoramento, analistas possivelmente fortalecem a identificação de Sinais Fracos (sinais antecipativos). Acreditando que tais processos possam ser guiados por dados, buscou-se investigar a seguinte questão de pesquisa: qual o impacto das práticas do BDA na identificação de Sinais Fracos? Objetiva-se, portanto analisar a relação entre o uso de práticas do BDA e a identificação de Sinais Fracos, fonte de informações da Inteligência Antecipativa. Neste intuito, aproximando as disciplinas da área de Sistemas de Informação - Analytics e Inteligência Antecipativa - realizou-se duas pesquisas empíricas, a primeira de natureza qualitativa e a segunda quantitativa. Com o método de entrevistas em profundidade, a primeira pesquisa objetiva compreender se os gestores percebem Sinais Fracos por meio das ferramentas BDA, e seu uso potencial na tomada de decisão estratégica. Foram reveladas práticas do BDA que influenciam o monitoramento e a identificação de Sinais Fracos. Apresentou-se evidências de que dados candidatos a Sinais Fracos podem ser identificados a partir do BDA e de que essas ferramentas facilitam o monitoramento do ambiente. Na segunda pesquisa, a fim de medir o efeito das práticas do BDA na identificação de Sinais Fracos, desenvolveu-se hipóteses relacionadas em um modelo conceitual. Para suportá-lo, elaborou-se uma pesquisa do tipo survey, com 123 respondentes. As respostas foram analisadas mediante modelagem de equações estruturais (PLS-SEM), suportando o modelo e resultando em achados relevantes, indicando que o uso das práticas do BDA tem efeito positivo na identificação de Sinais Fracos. Como contribuições teóricas destaca-se o suporte empírico ao modelo desenvolvido, demonstrando a importância das variáveis que têm impacto significativo na identificação de sinais fracos.