Submitted by Ana Lucia de Queiroz Tourinho (analucia.tourinho@gmail.com) on 2017-07-27T15:24:24Z
No. of bitstreams: 1
Tese_Ana Lucia Tourinho_Final_Entrega.pdf: 2587062 bytes, checksum: 3a12b24dad9c3cf4ced309dcabea48f9 (MD5) / Approved for entry into archive by Pamela Beltran Tonsa (pamela.tonsa@fgv.br) on 2017-07-27T15:25:56Z (GMT) No. of bitstreams: 1
Tese_Ana Lucia Tourinho_Final_Entrega.pdf: 2587062 bytes, checksum: 3a12b24dad9c3cf4ced309dcabea48f9 (MD5) / Made available in DSpace on 2017-07-27T17:03:10Z (GMT). No. of bitstreams: 1
Tese_Ana Lucia Tourinho_Final_Entrega.pdf: 2587062 bytes, checksum: 3a12b24dad9c3cf4ced309dcabea48f9 (MD5)
Previous issue date: 2017-06-29 / O crescimento maciço da quantidade de dados que as empresas, organizações e a sociedade foram obrigadas a lidar, reforça a necessidade de estudos sobre Business Intelligence, Business Intelligence Analytics e Big data. Este assunto permanece na agenda das empresas como uma das prioridades e vem se tornando cada vez mais relevante, visto que os dados e as informações compreendem a matéria-prima a partir da qual as empresas desenvolvem as suas estratégias de negócios para competir em um mundo mais complexo e rápido. Portanto, entender como explorar melhor os dados disponíveis é hoje uma disciplina de grande importância, não só como uma questão de negócios, mas também como um tema de pesquisa acadêmica. Neste cenário, onde se busca o melhor uso dos dados, o presente estudo tem como objetivo desenvolver uma pesquisa científica que permita medir a capacidade de uma organização transformar os dados em valor para o negócio. Embora certos aspectos do tema Business Intelligence, Business Intelligence Analytics e Big data já estejam bem definidos entre os pesquisadores, ainda há uma falta de compreensão e consenso sobre quais são os antecedentes do construto Business Intelligence Analytics (BIA) e quais combinações de variáveis levam a um melhor uso dos dados. Além disso, embora vários pesquisadores tenham endereçado o tema sucesso em BIA com diferentes abordagens, evidenciamos a falta de estudos que comprovem sua eficácia. Neste estudo, estamos propondo um modelo conceitual integrado para Business Intelligence Analytics Capability (BIAC), com escalas que possibilitem testar sua eficácia. Em última análise, o modelo proposto BIAC poderá ser posteriormente aplicado pelas empresas que desejem avaliar seu nível de maturidade na BIA. / The massive growth in the amount of data that companies, organizations, and society have been compelled to deal with, reinforce the need for studies on Business Intelligence, Business Intelligence Analytics and Big data. This subject remains among business agenda of priorities and has become more and more relevant since data and information comprise the raw material from which business strategies are developed to compete in a more complex and fast world. Therefore, understanding how to better exploit the available data is today a matter of great importance, not only as a business issue but also as an academic research topic. Within this scenario, where the best use of data is sought, the present study aims at developing a scientific research that enables to measure the capability of an organization to transform data into business value. Although certain aspects of the theme Business Intelligence, Business Intelligence Analytics and Big data are already established between researchers, there is still a lack of understanding and consensus on which are the antecedents of a Business Intelligence Analytics construct (BIA), and how to combine variables to enforce a better use of data. In addition, although researchers have addressed success in BIA by different approaches, we have also identified a lack of studies proving its effectiveness. In this study, we are proposing an integrated conceptual model for Business Intelligence Analytics Capability (BIAC) with proper scales to test its effectiveness. Ultimately, the BIAC may later be applied by firms to assess their level of maturity in BIA.
| Identifer | oai:union.ndltd.org:IBICT/oai:bibliotecadigital.fgv.br:10438/18538 |
| Date | 29 June 2017 |
| Creators | Tourinho, Ana Lucia de Queiroz |
| Contributors | Maçada, Antonio Carlos Gastaud, Souza, Cesar Alexandre de, Kugler, José Luiz Carlos, Brown, Susan, Escolas::EAESP, Sanchez, Otávio Próspero |
| Source Sets | IBICT Brazilian ETDs |
| Language | English |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Repositório Institucional do FGV, instname:Fundação Getulio Vargas, instacron:FGV |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds