Big Data
Desempenho Financeiro
Performance de Mercado
Área
Tecnologia da Informação
Tema
Sistemas de Informações e Impactos Organizacionais da TI
Autores
Nome
1 - Leonardo Vieira Niedzeilski Fundacao Getulio Vargas/EBAPE - Rio de Janeiro
2 - Emerson Scheidegger FGV EBAPE - Escola Brasileira de Administração Pública e de Empresas - Botafogo
3 - Diego de Faveri ESCOLA BRASILEIRA DE ADMINISTRAÇÃO PÚBLICA E DE EMPRESAS (EBAPE) - EBAPE
Reumo
É sabido que os investimentos em Tecnologia da Informação (TI) podem estimular uma melhora do desempenho financeiro das empresas (OECD, 2013). No entanto, o alinhamento da estratégia do negócio da empresa com a estratégia de implantação de sistemas de informação é considerado o maior desafio da TI nas organizações (A. S. Bharadwaj et al., 1999).
Como estratégia, dentro deste cenário, o Big Data pode ser uma ferramenta alinhada com este novo desafio.
Qual a relação entre investimentos em soluções de Big Data e o desempenho financeiros das empresas? Ademais, como os fatores satisfação do cliente e desempenho de mercado podem ajudar a explicar esta relação? Este estudo se inspira no modelo proposto na pesquisa de Raguseo e Vitari (2018) realizado com empresas francesas com o objetivo de entender e demonstrar evidências para o contexto organizacional em que atuam os gestores brasileiros, para responder a seguinte pergunta de pesquisa: Em que medida a soluções de análise de Big Data aumenta o desempenho financeiro de uma empresa?
A compreensão completa de seus negócios e um mergulho profundo na análise de dados são necessidades das organizações em todos os seguimentos. O uso de Big Data é uma alternativa de explorar novos e diversos fluxos de informações que podem levar a melhorias significativas no desempenho das empresas (McAfee et al., 2012).
Wamba et al., (2017), argumentam que a relação entre o investimento em S.I. e o desempenho da empresa se deve principalmente à falta de dados suficientes e ao intervalo de tempo entre o investimento em S.I. sistema de informação e o valor do negócio resultante.
Para testar as hipóteses formuladas foi elaborado um questionário, divulgado no Linkedin diretamente para o perfil de respondente desejado. O formulário foi criado e respondido na plataforma da Qualtrics.com. O perfil de respondente desejável é composto principalmente por diretores de TI e diretores financeiros das organizações. utilizou o pacote seminr do software R para a estimação de modelos de equações estruturais (SEM) baseada em variância (Variance Based View), conhecido como Partial Least Square (PLS). O principal objetivo da SEM-PLS é explicar o padrão de relações simultâneas.
A hipótese 1 estabeleceu que o valor comercial das soluções de análise de Big Data tem um efeito positivo no desempenho financeiro de uma empresa. Os resultados indicam que há suporte empírico para sustentar esta hipótese.
A hipótese 2 afirmou que o desempenho do mercado tem um efeito mediador na relação entre o valor comercial das soluções de Big Data e o desempenho financeiro de uma empresa. 2 resultados indicaram que esta hipótese não foi confirmada.
A hipótese 3 estabeleceu que a satisfação do cliente tem um efeito mediador na relação entre o valor comercial das soluções de Big Data.
Os resultados sugerem que o Big Data pode de fato gerar valor agregado ao negócio e, adicionalmente, que as soluções de Big Data facilitam a entrada de uma empresa a tomada de decisões quanto ao posicionamento e estratégia de entrada em novos mercados e o lançamento de produtos. As soluções de Big Data podem ajudar uma empresa a melhorar a satisfação de seus clientes por meio de produtos e serviços melhores do que os oferecidos pela concorrência. As descobertas destacam o papel do valor comercial das soluções de análise de Big Data e a satisfação do cliente como variáveis de tomada de decisão.
Pathak, S., Krishnaswamy, V., & Sharma, M. (2023). Big data analytics capabilities: A novel integrated fitness framework based on a tool-based content analysis. Enterprise Information Systems, 17(1), 1939427. https://doi.org/10.1080/17517575.2021.1939427
Raguseo, E., & Vitari, C. (2018). Investments in big data analytics and firm performance: An empirical investigation of direct and mediating effects. International Journal of Production Research, 56(15), 5206–5221. https://doi.org/10.1080/00207543.2018.1427900