Resumo

De acordo com Knaflic (2018), quanto mais informações temos de lidar, mais difícil é filtrar o que é mais importante. Neste sentido, compreende-se a dificuldade das organizações em extrair de suas bases de dados, os melhores insights para seus respectivos negócios, visando o aumento da competitividade da firma. Dentro deste cenário, observa-se cada vez mais o surgimento e amadurecimento das startups (FARIDEH et al., 2021).

Este estudo tem a seguinte pergunta norteadora: como a ciência de dados e o big data, como ferramentas de gestão, influenciam no desempenho das startups orientadas a dados, e como podem gerar insights de inovação? Mais especificamente, o objetivo deste estudo é entender a evolução e aplicabilidade do big data ou ciência de dados para startups orientadas a dados, e como essas empresas utilizam dessas ferramentas para se manterem sustentáveis e inovadoras.

Com o intuito de identificar a lacuna de pesquisa e selecionar literatura relevante, a revisão bibliográfica foi pautada no método Pro-Know-C (ENSSLIN, et al., 2010). Já na questão do método proposto, este refere-se à pesquisa exploratória baseada em abordagem qualitativa, e seus resultados são examinados por meio da teoria construtivista (RAKHMAWATI, 2019). Para tanto, foram conduzidas entrevistas semiestruturadas com CEOs de Startups orientadas a dados, com a utilização da técnica de análise de conteúdo (BARDIN, 1988)

Os resultados preliminares apontam para uma divisão em dois tópicos: (1) tomada de decisão orientada à dados; e, (2) inovação. Dentro do primeiro tópico, foram avaliadas as dimensões tecnológicas, humanas e gerenciais; no segundo, avaliou-se as inovações baseadas em tecnologia, em conhecimento e que buscam algum impacto social.

As implicações deste estudo podem ser úteis tanto no nível teórico quanto prático. Teórico, com a identificação dos principais tópicos tratados na literatura que abrange o tema e, prática, por replicar o estudo de Visvizi et al. (2022) na realidade das startups brasileiras, com vistas a identificar os insigths de inovação. Os insights identificados podem ser úteis a outras startups tendo em vista a potencialização da gestão de dados.

VISVIZI, A. et al. Think human, act digital: activating data-driven orientation in innovative start-ups. European Journal of Innovation Management, 2022. MISHRA, D. et al. A bibliographic study on big data: concepts, trends and challenges. Business Process Management Journal, v. 23, n. 3, p. 555–573, 2017. BEHL, A. Antecedents to firm performance and competitiveness using the lens of big data analytics: a cross-cultural study. Management Decision, 2020.

A tecnologia apresentou avanços extraordinários nos últimos 70 anos, quando foi apresentado ao mundo o primeiro computador – o ENIAC. O mundo está passando por uma revolução sem precedentes, e o protagonista desta mudança é o dado. No mundo empresarial, assim como em diversas outras áreas, os dados ganharam papel de destaque. São necessários cuidados e ferramentas tecnológicas para produzi-los, armazená-los, tratá-los, analisá-los, visualizá-los, e mantê-los íntegros e seguros. As organizações buscam a capacidade analítica de dados (doravante, big data), com o objetivo de ganhar vantagem competitiva, que é definida como a característica que diferencia uma organização dos demais competidores. Dentro deste contexto surgem as startups, que podem ser definidas como uma instituição projetada parar criar algo, um produto ou serviço, muitas vezes com apelo social, em condições de extrema incerteza, ou ainda uma organização recente, nos estágios iniciais de sua operação. As startups tem enfrentado desafios na gestão de dados e na adoção de análise de dados, principalmente quando relacionados a questões gerenciais, organizacionais, ambientais e tecnológicas. Foram identificados na literatura oito principais tópicos que tratam da relação das startups com o big data, entre os quais destaque-se os 'insights de inovação', que devem ser explorados por essas organizações com o objetivo de ganhar vantagem competitiva e se manterem sustentáveis. Todavia o papel do componente humano para análises de dados eficazes ainda é de suma importância, principalmente quando há uma decisão a ser tomada.