O objetivo da dissertação é explorar Redes Bayesianas como ferramenta para reduzir incertezas nos processos de Inteligência Competitiva. Nela, através da revisão de conceitos de Planejamento Estratégico, Tomada de Decisão, Inteligência Competitiva e da capacidade de inferência de Redes Bayesianas é proposta uma abordagem de utilização destas redes com este intuito. Para tanto um estudo de caso apresenta o passo a passo da implementação da abordagem proposta em um ambiente simulado de gestão. No estudo de caso, cada uma das etapas da modelagem de cenários é descrita em detalhes, salientando os cuidados necessários para esta modelagem. Com a modelagem finalizada, dois quase-experimentos foram conduzidos em ambientes simulados para avaliar a percepção e o desempenho dos tomadores de decisão que utilizaram Redes Bayesianas em relação aos tomadores de decisão que não a utilizaram. Os dados obtidos no primeiro quase-experimento não se mostraram confiáveis e no segundo quase-experimento não formaram uma amostra significativa do ponto de vista estatístico. Não obstante, foi possível apresentar contribuições através das observações e dados obtidos nestes quaseexperimentos conduzidos. Do ponto de vista processual, falhas na construção dos quaseexperimento e sugestões de melhoria foram apresentadas. Quanto à ferramenta modelada e construída com base em Redes Bayesianas, foi possível identificar percepções do usuário relativas ao seu uso e sugestões de como aprimorá-la. Quanto aos dados de desempenho obtido, foi possível analisar, no segundo quase-experimento, indícios, mesmo que não conclusivos, que justificam a proposição de novos estudos para aprofundamento. Com base na literatura e nos indícios obtidos é possível acreditar que Redes Bayesianas podem ser usadas na redução de incerteza nos processos de inteligência competitiva e de tomada de decisão. / The aim of this work is to explore Bayesian Networks as a tool to reduce uncertainties in the process of Competitive Intelligence. Here, by reviewing the concepts of Strategic Planning, Decision Making, Competitive Intelligence and the ability to infer of Bayesian Networks, it is proposed an approach for using these networks with this purpose. For this, a case study presents a step by step implementation of the proposed approach in a simulated management environment. In the case study, each step of the modeling scenarios is described in detail, emphasizing the care required for this modeling. With the modeling complete, two quasi-experiments were conducted in simulated environments to assess the perception and performance of decision makers who used Bayesian networks in comparison to the decision makers who have not used it. Data from the first quasi-experiment were not reliable and the second quasi-experiment did not form a representative sample from the statistical point of view. Nevertheless, it was possible to make contributions through the observations and data from these quasi-experiments conducted. From the standpoint of procedural, flaws in the construction of quasiexperiments and suggestions for improvement were presented. Regarding the tool modeled and constructed based on Bayesian Networks, it was possible to identify user perceptions regarding their use and suggestions for how to improve it. As for the performance data obtained, it was possible to examine in the second quasi-experiment, evidence, while not conclusive, that justify the new studies on the subject. Based on the literature and the evidence obtained, it is the possible that Bayesian Networks can be used for reducing uncertainty in the process of competitive intelligence and decisionmaking.
| Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-30032012-175423 |
| Date | 24 January 2012 |
| Creators | Del Rey, Alexandre |
| Contributors | Almeida, Fernando Carvalho de |
| Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
| Source Sets | Universidade de São Paulo |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | Dissertação de Mestrado |
| Format | application/pdf |
| Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0017 seconds