Resumo

A tomada de decisão orientada por dados é vislumbrada por pesquisadores e por profissionais como um caminho assertivo para agregar valor aos negócios. Mas, em geral, isso é difícil de operacionalizar no mundo real do gerenciamento corporativo. Desenvolver capacidades associadas à Big Data envolve uma mudança de mentalidade que pode tornar-se um diferencial competitivo. À medida que integram mais dados em seu processo decisório, as organizações têm adotado Data Science para transformar dados em informações, o que possibilita elevar o desempenho e agregar valor ao negócio.

O desenvolvimento de capacidades analíticas que permitam analisar Big Data e criar valor consiste em um desafio relevante para as organizações, e é uma lacuna de pesquisa evidenciada em estudos recentes. Assim, as questões da pesquisa são: Quais os benefícios de Data Science for Business para as organizações? Quais são os desafios associados ao desenvolvimento de recursos e capacidades analíticas? O objetivo é identificar os benefícios de Data Science para as organizações, evidenciando os pontos críticos, desafios e oportunidades relacionadas ao desenvolvimento dessa capacidade.

Data Science for Business contempla as tecnologias, métodos e aplicações avançadas de armazenamento, gerenciamento e visualização de Big Data, para orientar a tomada de decisão (Waller & Fawcet, 2013). Shamim et al. (2018) evidenciam que a liderança, a gestão de talentos, a tecnologia e a cultura organizacional têm uma associação significativa com a capacidade de tomar decisões, identificando essas como desafios para as organizações se tornarem orientadas a dados. Além disso, de acordo com Wimmer e Aasheim (2019) a intenção de adotar Data Science é influenciada pelo benefício percebido.

Trata-se de um estudo qualitativo desenvolvido em duas etapas. Inicialmente, foi procedida uma revisão da literatura. Posteriormente, foram coletados dados empíricos por meio de questões abertas dispostas em uma entrevista eletrônica estruturada, respondida por 211 informantes. Foi adotado o procedimento de análise de frequência e de conteúdo. O esquema de codificação emergiu do cruzamento dos elementos teóricos com os dados empíricos, sob a lente analítica das teorias RBV e DC. Após a codificação, executou-se a categorização, que consistiu na classificação e agrupamento do conteúdo.

Foram analisadas as respostas de 211 informantes que atuam em organizações que utilizam Data Science for Business. Em sua maioria, são gestores com elevada experiência profissional e que atuam em organizações de médio e grande porte, nos setores de serviços, indústria e governo. Os resultados contemplam a descrição dos benefícios percebidos pelos usuários de Data Science for Business e a identificação dos desafios relacionados ao desenvolvimento de capacidades analíticas. As evidências empíricas são apresentadas e discutidas.

Investigou-se como o uso de Data Science for Business beneficia as organizações, e quais os desafios e oportunidades associados ao desenvolvimento das capacidade analíticas. Discute-se a necessidade de mudança de mentalidade executiva por meio do estímulo à cultura data-driven e da formulação de estratégias e mecanismos de governanças dados, assim como à renovação das competências dos profissionais de ciência e gestão de estratégica de dados, e, ainda, a necessidade de alocação de investimentos em tecnologia da informação, a fim de se desbloquear o potencial valor do Big Data.

Shamim, S., Zeng, J., Shariq, S. M., & Khan, Z. (2018). Role of big data management in enhancing big data decision-making capability and quality among Chinese firms: A dynamic capabilities view. Information & Management. Waller, M. A., & Fawcett, S. E. (2013). Data science, predictive analytics, and big data: a revolution that will transform supply chain design and management. Journal of Business Logistics, 34(2), 77-84. Wimmer, H., & Aasheim, C. (2017). Examining Factors that Influence Intent to Adopt Data Science. Journal of Computer Information Systems, 1-9.