Big data e gestão da informação: modelagem do contexto decisional apoiado pela sistemografia

William Barbosa Vianna, Moisés Lima Dutra, Enzo Morosini Frazzon

Resumo


Introdução: O estudo justifica-se pela escassez e utilidade de estudos no campo da informação que abordem o fenômeno do big data sob a ótica da gestão da informação.

Objetivo: O objetivo do estudo é identificar e representar os elementos gerais do processo de tomada de decisão no contexto do big data.

Metodologia: Trata-se de um estudo de caráter exploratório e natureza teórica e dedutiva.

Resultados: Resultou na identificação dos principais elementos envolvidos no processo decisório no ambiente do big data e na sua representação sistemográfica.

Conclusões: Foi possível desenvolver uma representação que permitirá ulteriores desenvolvimentos de simulação computacional.


Palavras-chave


Big Data; Apoio à Decisão; Sistemografia; Modelagem; Gestão da Informação

Texto completo:

PDF

Referências


BANA E COSTA, Carlos A. Três convicções fundamentais na prática do apoio à decisão. Revista Pesquisa Operacional, Rio de Janeiro, v. 13, n. 1, jun. 1993.

BALESTRIN, Alsones. Uma análise da contribuição de Herbert Simon para as teorias organizacionais. REAd - Revista Eletrônica de Administração, Porto Alegre, v. 8, n. 4, jul./ago. 2002.

BOURNE, Mike et al. The success and failure of performance measurement initiatives: perceptions of participating managers. International Journal of Operations & Production Management, United Kingdom, v. 22, n. 11, p. 1288-1310, 2002.

BRESCIANI FILHO, Ettore. Métodos de estudo de sistema: sistemografia. Revista Eletrônica de Informática, Campinas, v. 1, n. 1, 2001. Disponível em: http://www.puccampinas.edu.br/centros/ceatec/revista_eletronica/prime ira_edicao.html>. Acesso em: 28 dez. 2014.

BROWN, Brad; CHUI, Michael; MANYIKA, James. Are you ready for the era of ‘big data’? McKinsey Quarterly, New York, out. 2011.

CHAUDHURI, Surajit; NARASAYYA Vivek. New frontiers in business intelligence. In: INTERNATIONAL CONFERENCE ON VERY LARGE, 37., 2011, Seattle, Washington. Proceedings... Seattle, Washington, 2011. p. 1052-1053.

DAVENPORT, Thomas H. Ecologia da informação: porque só a tecnologia não basta para o sucesso na era da informação. São Paulo: Futura, 1998.

DAVENPORT, Thomas H. Enterprise analytics: optimize performance, process, and decisions through big data. New Jersey: FT Press Operations Management, 2012.

DENTON, Keith. Measuring relevant things. International. Journal of Productivity and Performance Management, United Kingdom, v. 54, n. 4, p. 278-287, 2005.

EDEN, Colin; JONES, Sue; SIMS, David. Messing about in problems. Oxford: Pergamon, 1983.

ENANCIB - ENCONTRO NACIONAL DE PESQUISA EM CIÊNCIA DA INFORMAÇÃO, 4., 2014, Belo Horizonte. Disponível em: http://enancib2014.eci.ufmg.br/sobre> Acesso em: 17 jul. 2015.

ENSSLIN, Leonardo; DUTRA, Ademar; ENSSLIN, Sandra Rolim. MCDA: a constructivist approach to the management of human resources at a governmental agency. International Transactions in Operational Research, Oxford, v. 7, n. 1, p. 79-100, 2000.

ENSSLIN, Leonardo; MONTIBELLER NETO, Gilberto, NORONHA, Sandro MacDonald. Apoio à decisão: metodologias para estruturação de problemas e avaliação multicritério de alternativas. Florianopolis: Insular, 2001.

FLEISHER, Craig S.; BENSOUSSAN, Babette. Business and competitive analysis: effective application of new and classic methods. New Jersey: Pearson Education, 2007.

GANTZ, John; REINSEL, David. The digital universe in 2020: big data, nigger digital shadows, and biggest growth in the far east. IDC, New York, v. 3, Dec. 2012.

IAROZINSKI NETO, Alfredo; LEITE, Maria Silene. A abordagem sistêmica na pesquisa em engenharia de produção. Produção, São Paulo, v. 20, n. 1, Mar. 2010.

INFORMATION BUILDERS. Conceito de Big Data vai perder relevância. 2013. Disponível em: http://www.computerworld.com.pt/2013/12/24/conceito-de-big-data-vaiperder-relevancia>. Acesso em: 17 jul. 2014.

LANDRY, Maurice. A note on the concept of problem. Organization Studies, Berlin, n. 16, p. 315-343, 1995.

LE COADIC, Yves-François. Princípios científicos que direcionam a ciência e a tecnologia da informação digital. Transinformação, Campinas, v. 16, n. 3, p. 205-213, set./dez. 2004.

LE MOIGNE, Jean-Louis. La théorie du système général, théorie de la modélisation. Paris, 1977.

LE MOIGNE, Jean-Louis. La modèlisation des systemes complexes. Afcet systemes. Paris: Dunod, 1990.

MCAFEE, Andrew, BRYNJOLFSSON, Erik. Big Data: the management revolution. Harvard Business Review, Boston, v. 90, n. 10, p. 60-66, out. 2012.

MANDEL, Arnaldo, SIMON, Imre; DeLYRA, Jorge L. Informação: computação e comunicação. São Paulo: Universidade de São Paulo, 1997. Disponível em: http://www.ime.usp.br/~is/abc/abc/node1.html>. Acesso em: 9 jan. 2015.

MANYIKA, James et al. Big data: the next frontier for innovation, competition, and productivity. McKinsey Global Institute Report, 2011.

Disponível em: http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation>. Acesso em: 11 jan. 2015.

MCGRATH, Joseph E. Dillematics: the study of research choices and dilemmas. In: McGrath, J.E.; Martin, J.; Hulka, R. A. (Ed.). Judgement calls in research. Beverly Hills: Sage, 1982. p. 69-102

MINELI, Michael; CHAMBERS, Michele; DHIRAJ Ambiga. Big data, big analytics: emerging business intelligence and analytic trends for today's businesses. New Jersey: John Wiley & Sons, 2013.

NEELY, Andy; POWELL, S. The challenges of performance measurement. Management Decision, York, v. 42, n. 8, p. 1017-1023, 2004.

OLSZAK, Celina M.; ZIEMBA, Ewa. Approach to Building and Implementing Business. Interdisciplinary Journal of Information, Santa Rosa, Califórnia, n. 2, p. 135-148, 2007.

PINTO, Adilson Luiz; ELIAS, Ezmir Dippe; VIANNA, William Barbosa. Requisitos para métricas em arquivos: critérios específicos para arquivometria. Perspectivas em Ciência da Informação, v. 19, n. 3, p. 134-148, jul./set. 2014.

OLIVEIRA, Maria Marly de. Como fazer pesquisa qualitativa. Petropolis: Vozes, 2007.

RAPPORTEUR, David Bollier. The promise and peril of big data. Washington: The Aspen Instutite. 2010.

ROY, Bernard; VANDERPOOTEN, Daniel. The european school of MCDA: emergence, basicfeatures and current works. Journal of MultiCriteria Decision AnalysisOxford, v. 5, n.1, p. 22-38, 1996.

SAMPIERI, Roberto Hernández; COLLADO, Carlos Fernández; LUCIO, Pilar Baptista. Metodología de la investigación. México: McGraw Hill, 1994.

SANTOS, Maribel Yasmina; RAMOS, Isabel. Business intelligence: tecnologias da informação na gestão do conhecimento. Lisboa: FCA, 2006.

SCHWARTZMAN, Simon. Formação da comunidade científica no Brasil. São Paulo: Nacional, 1979.

SIMON, Herbert. A. Administrative Behavior. New York: Macmillan, 1947.

SIMON, Herbert. A. Rational decision making in business organizations. American Economic Review, Nashville, v. 69, p. 493-513, 1979.

SIMON, Herbert A. et al. Decision making and problem solving. Management Science, Providence, v. 17, n. 5, p. 11-21, 1987.

SIMON, Herbert A. Prediction and prescription in systems modeling. Operations Research, Baltimore, v. 38, p. 7-14, 1990.

SHIMIZU, Tamio. Decisão nas organizações. São Paulo: Atlas, 2001.

TANGEN, Stefan. An overview of frequently used performance measures. Work Study, Local, v. 52, n. 7, p. 347-354, 2003.

TRIVIÑOS, Augusto Nibaldo Silva. Introdução à pesquisa em ciências sociais: a pesquisa qualitativa em educação. São Paulo: Atlas, 1987.

TURBAN, Efraim; SHARDA, Ramesh E.; DELEN, Dursun. Decision support and business intelligence systems. 9. ed. Upper Saddle River, NJ, USA: Prentice Hall Press, 2010.

VIANNA, William Barbosa; ENSSLIN, Sandra Rolim; ENSSLIN, Leonardo. O design na pesquisa quali-quantitativa em engenharia de produção questões a considerar. Revista Gestão Industrial, Ponta Grossa, v. 3, p. 172-185, 2007.

VIANNA, William Barbosa; ENSSLIN, Leonardo. O design na pesquisa quali-quantitativa em engenharia de produção: questões epistemológicas. Revista Produção On-line. Florianópolis, v. 8, n. 1, mar. 2008.

ZIKOPOULOS, Paul et al. Understanding big data: analytics for enterprise class hadoop and streaming data. New York: McGraw-Hill, 2012.




DOI: http://dx.doi.org/10.5433/1981-8920.2016v21n1p185

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

  

Inf. Inf.

ISSN: 1981-8920 (versão somente online)

DOI: 10.5433/1981-8920

e-mail: infoeinfo@uel.br



Esta obra está licenciada com uma Licença Creative Commons Atribuição-NãoComercial 4.0 Internacional