Além da tecnologia: Desafios gerenciais na era do Big Data
Barra lateral de artigos
Conteúdo do artigo principal
Resumo
A capacidade das organizações de produzir, coletar, gerenciar, analisar e transformar dados aumentou rapidamente na última década (Delen & Zolbanin, 2018). Isso gerou novos desafios
significativos em relação a como os dados podem ser aproveitados para melhorar as decisões de negócios e como esse novo cenário altera os processos e as operações de negócios (Vidgen, Shaw, & Grant, 2017). A adoção generalizada de métodos analíticos avançados (por exemplo, aprendizado de máquina) tem atraído bastante interesse (Gupta, Deokar, Iyer, Sharda, & Schrader, 2018; Vassakis, Petrakis, & Kopanakis, 2018), principalmente porque o armazenamento de dados e os métodos necessários podem ser acessados remotamente por meio de interfaces baseadas na web, como serviços em nuvem. Isso gerou uma crença crescente de que as empresas devem envolver-se ativamente com essa tecnologia para se manterem competitivas. No entanto, esse cenário de corrida da Rainha Vermelha (que pressupõe um desenvolvimento contínuo por parte das empresas) tem um custo, pois a coleta, a curadoria e o gerenciamento de grandes conjuntos de dados requerem experiência e uma equipe dedicada, o que, muitas vezes, consome recursos que não contribuem para as principais atividades do negócio. É preciso considerar também que cientistas de dados e engenheiros de dados, entre outros, cada vez mais exercem um papel relevante dentro das organizações (Davenport & Patil, 2012). Cargos como Chief Data Officer (CDO) e Chief Analytics Officer (CAO) agora são comuns na maioria das organizações.
Downloads
Detalhes do artigo
A RAE compromete-se a contribuir com a proteção dos direitos intelectuais do autor. Nesse sentido:
- adota a licença Creative Commoms BY (CC-BY) em todos os textos que publica, exceto quando houver indicação de específicos detentores dos direitos autorais e patrimoniais;
- adota software de detecção de similaridades;
- adota ações de combate ao plagio e má conduta ética, alinhada às diretrizes do Committee on Publication Ethics (COPE)
Referências
Ahmed, E., Yaqoob, I., Hashem, I. A. T., Khan, I., Ahmed, A. I. A., Imran, M., & Vasilakos, A. V. (2017). The role of big data analytics in internet of things. Computer Networks, 129(Part 2), 459-471. doi:10.1016/j. comnet.2017.06.013
Cabrera-Sánchez, J-P., & Ramos, A. F. V. (2019). Factors affecting the adoption of big data analytics in companies. RAE-Revista de Administração de Empresas, 59(6), xxx-xxx. doi:
Davenport, T. H., & Patil, D. J. (2012). Data scientist: The sexiest job of the 21st century. Harvard Business Review, 90(10), 70-76
Delen, D., & Zolbanin, H. M. (2018). The analytics paradigm in business research. Journal of Business Research, 90, 186-195. doi:10.1016/j. jbusres.2018.05.013
Demchenko, Y., Laat, C. de, & Membrey, P. (2014). Defining architecture components of the big data ecosystem. International Conference on Collaboration Technologies and Systems (CTS) (pp. 104-112). doi:10.1109/CTS.2014.6867550
Erevelles, S., Fukawa, N., & Swayne, L. (2016). Big data consumer analytics and the transformation of marketing. Journal of Business Research, 69(2), 897-904. doi: 10.1016/j.jbusres.2015.07.001
Gupta, A., Deokar, A., Iyer, L., Sharda, R., & Schrader, D. (2018). Big data & analytics for societal impact: Recent research and trends. Information Systems Frontiers, 20(2), 185-194. doi: 10.1007/s10796- 018-9846-7
Insardi, A., & Lorenzo, R. (2019). Measuring accessibility: A big data perspective on Uber service waiting times. RAE-Revista de Administração de Empresas, 59(6), xxx-xxx. doi:
Loebbecke, C., & Picot, A. (2015). Reflections on societal and business model transformation arising from digitization and big data analytics: A research agenda. Journal of Strategic Information Systems, 24(3), 149-157. doi: 10.1016/j.jsis.2015.08.002
Maçada, A. C. G., Brinkhues, R. A., & Freitas, J. C. da S., Junior. (2019). Information management capability and big data strategy implementation. RAE-Revista de Administração de Empresas, 59(6), xxx-xxx. doi:
Newell, S., & Marabelli, M. (2015). Strategic opportunities (and challenges) of algorithmic decision-making: A call for action on the long-term societal effects of “datification”. Journal of Strategic Information Systems, 24(1), 3-14. doi: 10.1016/j.jsis.2015.02.001
Page, S. E. (2018). The model thinker: What you need to know to make data work for you. New York, USA: Hachette Book Group.
Queiroz, M. M., & Farias, S. C. (2019). Intention to adopt big data in supply chain management: A Brazilian perspective. RAE-Revista de Administração de Empresas, 59(6), xxx-xxx. doi:
Vassakis, K., Petrakis, E., & Kopanakis, I. (2018). Big data analytics: Applications, prospects and challenges. In G. Skourletopoulos, G. Mastorakis, C. Mavromoustakis, C. Dobre, & E. Pallis (Eds.), Mobile big data (Vol. 10, pp. 3-20). doi:10.1007/978-3-319-67925-9_1
Vidgen, R., Shaw, S., & Grant, D. B. (2017). Management challenges in creating value from business analytics. European Journal of Operational Research, 261(2), 626-639. doi:10.1016/j. ejor.2017.02.023
Wamba, S. F., Akter, S., Edwards, A., Chopin, G., & Gnanzou, D. (2015). How “big data” can make big impact: Findings from a systematic review and a longitudinal case study. International Journal of Production Economics, 165, 234-246. doi:10.1016/j.ijpe.2014.12.031
