Академический Документы
Профессиональный Документы
Культура Документы
Resumo
1. INTRODUO
2. REVISO DA LITERATURA
2
nova tica, que complementa seus estudos anteriores, afirmando que o homem possui duas
formas de pensar, e por conseguinte, de decidir, definindo-os como sistemas 1 e 2. O
pensamento rpido do sistema 1, comanda as decises que tomamos por intuio, j o
pensamento devagar do sistema 2, o eu consciente, da lgica e das ponderaes, que tem
crenas, faz escolhas e decide de maneira deliberativa o que fazer a respeito de algo. O
primeiro controla as atividades automticas, mas pode ser influenciado por esteretipos e
vieses e o segundo funciona quando precisamos de um raciocnio mais elaborado e analtico e
tambm mais preguioso. Assim sendo, com base nos conceitos destacados, apresenta-se a
primeira proposio desta pesquisa.
O Big Data inclui uma enorme quantidade de informaes on-line, incluindo os dados
de fluxo de cliques a partir da Web e contedo de mdia social como, por exemplo, (tweets,
blogs, os comentrios). Incorporando tambm dados de vdeo de ambientes de varejo e crime
/ inteligncia, ou prestao de entretenimento de vdeo. Vale ressaltar que o Big Data, na sua
grande maioria, um conjunto de dados que a cada milsimo de segundo so inseridos novos,
assim sendo, o mundo atual dos dados digitalizados contm uma inimaginvel quantidade de
informaes, base que est em crescimento permanentemente (DAVENPORT, 2012).
Dois tipos de conceitos so utilizados, o que define a partir das suas caractersticas e
os que o define pela sua dificuldade de processamento. Para Kim, Trimi, e Ji-Hyong (2014),
trata-se de um termo geral para a enorme quantidade de dados digitais coletados a partir de
todos os tipos de fontes. Para outros autores Big Data um fluxo informacional que no pode
ser processado ou analisado por meio de processos ou ferramentas tradicionais
(DAVENPORT, 2012; KNOW, 2014; ZIKOPOULOS et al., 2012; MAHRT; SCHARKOW,
2013; DI MARTINO et al., 2014; RAJESH, 2013).
Existem vrias caractersticas para o Big Data, mas para o presente estudo sero
consideradas a trs de maior convergncia na recente literatura sobre o tema: variedade,
velocidade e volume, tambm denominadas dimenses, que so as mais comumente citadas
(DI MARTINO et al., 2014; MCAFEE e BRYNJOLFSSON, 2012; ZIKOPOULOS et al.,
2012), alm delas, outra caracterstica importante so as mltiplas fontes de dados.
3
maioria dos dados gerados em uma empresa do tipo no estruturado. Para esse tipo de dados
h dificuldades de anlise (para a extrao de insights) e tambm de armazenamento (uma vez
que dados desestruturados geralmente ocupam mais espao digital). Assim, apresenta-se a
segunda proposio desta pesquisa.
Logo, para que se possa conhecer mais sobre o tema e verificar como analisar melhor
os grandes volumes de dados, e quais os seus benefcios, acredita-se que os estudos e
pesquisas devem verificar se a presena ou no das caractersticas do Big Data nas empresas
esto relacionadas aos processos das mesmas, dentre eles o processo decisrio, que o
objetivo deste estudo. Nesse contexto, a seguir ser apresentada a metodologia deste estudo,
que norteou a presente pesquisa.
3. METODOLOGIA
4
Esse mtodo se justifica, quando uma ou algumas entidades so examinadas, pois
lidam com ligaes operacionais a ser traado ao longo do tempo, em vez de com frequncia
ou incidncia (BENBASAT, GOLDSTEIN E MEAD, 1987; MYERS, 2013).
Nesta pesquisa foram analisadas duas empresas do setor de varejo. A primeira,
denominada Empresa A, que se trata de uma das maiores varejistas de moda do pas em
faturamento. A empresa conta com mais de 350 operaes, entre lojas e outros tipos de
negcios, dentre os quais se destaca o e-commerce. Vale destacar que esta empresa est
presente nas cinco regies do pas e conta com mais de 17 mil colaboradores.
A segunda empresa a Empresa B, que tambm uma empresa de varejo do ramo
de mveis, eletrodomsticos e eletrnicos que atualmente conta com 262 lojas, 02 centros de
distribuio e mais de 5.500 colaboradores nos estados do Rio Grande do Sul, Santa Catarina
e Paran, e tambm atua com e-commerce, sendo uma das principais do seu ramo na Regio
Sul.
Em ambos os casos, foram entrevistados dez gestores, como mostra o Quadro 1, cuja
caracterstica comum o fato de que utilizam mltiplas tecnologias como fonte de obteno
de informao para a tomada de deciso.
Quadro 1. Caracterstica dos Entrevistados
Entrevistados da Empresa A Tempo de Entrevistados da Empresa B Tempo de
Servio Servio
Coordenador de perfomance e 3 anos Gerente de Gesto Estoque e Assist. 8 anos
desempenho Tcnica
Gerente de marketing e comunicao 6 anos Supervisor de Compras e Licitaes 16 anos
Coordenadora de marketing e criao 5 anos Gerente Comercial 12 anos
Gerente de Tecnologia da Informao 3 anos Supervisora de Desenvolvimento de RH 5 anos
Gerente de Projetos 4 anos Gerente de Tecnologia da Informao 4 anos
Gerente de controle financeiro 5 anos Supervisor de Assistncia Tcnica; 27 anos
Gerente de compras e produto 8 anos Gerente de Controladoria; 11 anos
Especialista de Marketing E-commerce 4 anos Gerente Financeiro; 5 anos
Gerente de Segurana da Informao 3 anos Gerente de infraestrutura de TI 4 anos
Diretor de e-commerce 1 ano Supervisor Comercial de Servios 8 anos
Fonte: elaborado pelos autores
5
contexto da pesquisa. Para isso, levaram-se em conta as proposies apresentadas na reviso
de literatura, conforme ser apresentado na prxima seo.
Esta seo visa analisar os resultados obtidos na presente pesquisa, iniciando pelo
conhecimento das fontes de dados e os 3 Vs segundo a percepo dos gestores. Tambm,
buscou-se verificar ainda, os sistema de anlise e processamento de dados que eram utilizados
pelas organizaes, para que ento fosse possvel compreender de que forma a empresa
percebe esse contexto e como ele se relaciona ao processo decisrio.
6
4.1.1 Proposio 1 - Relao entre o processo de tomada de deciso e as caractersticas do Big
Data
Verificou-se que a empresa B conta com um sistema de ERP, mas os dados ainda no
esto totalmente integrados, e muitos gestores ainda se valem de tcnicas e ferramentas
prprias ou peculiares a sua funo para subsidiar o seu processo decisrio. Dentre os
sistemas acessados durante as tarefas dirias da organizao, os gestores citaram: o uso de
planilhas de Excel, a intranet, controles pessoais, sites de busca, e dados do mercado. Foi
verificado ainda que muitos no acessam o ERP explorando-o ao mximo, embora estejam
cientes da necessidade e importncia deste sistema, o que pode ser traduzido na fala do
Gerente Financeiro que afirma que reduz o retrabalho e torna o decisor mais focado.
Alm disso, o Gerente Comercial destaca a necessidade da adequao das informaes
realidade da empresa, dando subsdios para a anlise e posterior utilizao da informao.
Esta situao corrobora com Ross, Beath, e Quaadgras (2013), que encontraram que a
maioria das empresas pode melhorar significativamente o seu desempenho de negcio
simplesmente concentrando-se em como os dados de operao do dia-a-dia pode trazer as
informaes para a tomada de deciso. Ento, por que muitas empresas no fazem melhor uso
e anlise dos dados? Uma das razes evidenciadas nas pesquisas se deve ao fato de que as
suas prticas de gesto no esto alinhadas com suas plataformas de tecnologia. Verificou-se
que muitas empresas haviam instalado plataformas digitais, como os sistemas ERP e CRM, ao
longo dos ltimos 10 a 15 anos e ainda no conseguiram introduzir e gerenciar todas as
informaes da empresa nessas plataformas disponveis. No explorando toda a
potencialidade dos seus sistemas, indicando que o simples investimento em sistemas no
garante o sucesso da empresa.
Assim, fica evidente a necessidade de atentar para a necessidade da mudana na
cultura dos gestores pelo que se tem pesquisado (BIRCHIELD, 2013). Alm disso, no foi
evidenciado em nenhuma resposta a necessidade de se buscar dados que no estejam
facilmente disponveis, logo, sugere-se uma anlise profunda nas informaes disponveis,
mas tambm se faz necessrio buscar os dados que no esto disponveis (KAHNEMAN,
LOVALLO E SIBONY, 2011)
Outro ponto verificado foi em que fases do processo decisrio o acesso rpido e
oportuno as informaes, pertinentes a deciso a ser tomada, podem melhorar a qualidade da
deciso. Foi verificado que a totalidade dos respondentes indicam a maior necessidade das
informaes no incio do processo, ou seja, na fase de seleo, seguidos da anlise e
processamento, nessa ordem. Logo, ao se planejar uma ao, a mesma deve focar o incio do
processo decisrio, segundo a percepo dos gestores.
Vale destacar ainda que todos os gestores da empresa B ressaltaram a importncia das
informaes no feedback, ou monitoramento, o que corroborado pelas pesquisas tericas,
que evidenciam que o Big Data pode fornecer o feedback em tempo real, permitindo que,
conscientemente, os gestores possam articular as suas regras de negcio e atualizar
regularmente em resposta aos fatos que venham acontecendo, ressaltado o valor do Big Data
nas correes de rumo que podem ser feitas, mesmo aps uma deciso, o que j havia sido por
Simon (1970).
O que tambm destacado por Otey (2013), que afirma que o Big Data permite um
caminho de dupla via no processo decisrio, pois ao mesmo tempo em que se tem o uso de
fontes de dados estruturados e no estruturados para a tomada de deciso. Percebe-se que para
melhorar o processo decisrio, necessria uma ao gerencial de mudana cultural no
sentido de se estimular os gestores a se dedicarem ao uso efetivo dos sistemas disponveis
como o ERP, mas tambm, deve ter a preocupao de se buscar os dados que no esto
disponveis que possam gerar mais informaes para subsidiar o decisor.
7
Alm disso, ficou evidenciado a necessidade de adotar tecnologias que permitam o
armazenamento e compartilhamento do grande volume de dados que a empresa est exposta,
e tambm, verificou-se a necessidade de se adotar sistemas de anlise de Big Data, com isso,
o processo decisrio ser beneficiado.
4.2.1 Proposio 2 - Relao entre a Variedade dos dados e o processo de tomada de deciso
Verificou-se que a proposio estava correta, ou seja, existe relao entre a variedade
de dados e o processo de tomada de deciso, uma vez que da anlise de ambos os casos
8
verifica-se a que proposio dois est correta, ou seja, o processo de tomada de deciso est
relacionado com a variedade dos dados. Para ilustrar tal afirmao o Quadro 2 apresenta as
fontes mais citadas por parte dos entrevistos de ambas as empresas e as respectivas relaes
com as caractersticas do Big Data.
9
Para uma incidncia menor, quatro gestores, os dados muitas vezes no chegam na
hora necessria para a tomada de deciso. Alm disso, segundo o diretor do e-commerce, por
exemplo, necessrio que o gestor tenha ferramentas de filtro prprio dos dados
disponveis. Existem informaes que no so relevantes e devem ser ignoradas pelo tomador
de deciso.
J para o gerente financeiro, as informaes ficam desatualizadas muito rpido no
varejo on-line. Por fim, o coordenador de marketing esclarece bem a viso de velocidade
insuficiente. O varejo on-line muito dinmico, as tomadas de deciso precisam ser
rpidas e as informaes chegam muito prximo do momento da tomada de deciso.
(coordenador de marketing).
A velocidade dos dados na Empresa B pde ser observado a partir da fala do
Supervisor de Compras e Licitaes, segundo o qual a maioria das vezes superior ao limite
de processamento a Supervisora de Desenvolvimento de RH destaca que necessrio uma
adequao a atual realidade da empresa, pois temos muitas informaes consistentes. Alm
disso, o Gerente de infraestrutura de TI afirma que a velocidade dos dados, muitas vezes,
superior ao limite de processamento e principalmente anlise.
Nota-se, pois, que de uma forma geral, o tempo de anlise inferior a velocidade em
que os dados so gerados, o que vai ao encontro do que a literatura defende, pois de uma
forma geral, um processo de anlise eficiente e em tempo real, de todos os dados observados
quase invivel, conforme se nota na fala dos executivos destacados acima.
O respondente Supervisor Comercial de Servios alega a necessidade de mais tempo
para a anlise dos dados, o que nem sempre possvel, pois h muitas informaes
consistentes, assim, sugere-se tcnicas de minerao de dados que podem ser utilizadas para
analisar e entender os dados a serem manipulados, com uma anlise baseada em modelos
capazes de sumarizar dados, extrair novos conhecimentos ou realizar predies (WU et al.,
2013). E, alm das tcnicas, em um cenrio de Big Data, h a necessidade de se atentar para a
infraestrutura computacional, para se lidar com grandes volumes de dados heterogneos e
distribudos (LIN; DYER, 2010).
4.3.1 Proposio 3 A relao entre velocidade dos dados e o processo de tomada de deciso
Em relao aos fatores que podem tornar a tomada de deciso lenta ou acelera-la, dez
dos vinte dos gestores citaram a falta de padronizao dos dados, alm de seis terem citado
muitas opes de informao. Todavia, para doze dos vinte dos gestores o fator que mais
atrapalha a tomada de deciso alguma interferncia do prprio gestor, como insegurana,
maturidade ou falta de foco no real problema. Em relao aos fatores que aceleram a tomada
de deciso, so a organizao, padronizao e a confiabilidade das fontes de dados. Para o
diretor do e-commerce da empresa A, a tomada de deciso retardada por uma falta de
base comparativa. Por isso, segundo ele, com a padronizao dos dados, a tomada de
deciso pode ser facilitada.
O volume nessa pesquisa no foi observado em bytes, mas atravs da percepo dos
gestores. Todos citaram que lidam com um alto volume de dados durante o processo
decisrio. Os gestores alegam o uso de um nmero elevado de e-mails, relatrios, planilhas,
alm de inmeras ligaes, mensagens instantneas no celular e contatos informais.
O Gerente Financeiro da Empresa A foi o executivo que elencou um volume de e-
mails mais representativo, aproximadamente 120 (cento e vinte) e-mails/dia e ligaes
constantes. Entretanto, a resposta do Gerente de Infraestrutura de TI, reflete bem a relao
10
do gestor com esse grande volume, ao destacar que tenho um volume alto de e-mail dirio. A
cada dia tento reduzir o tempo gasto com a leitura dos mesmos.
Na mesma linha, o Gerente Comercial afirma que o volume enorme e precisa ser
dimensionado diariamente, pois dependo disso o andamento do trabalho. Essa caracterstica
aliado a variedade est relacionada ficando evidenciado que a empresa lida com um grande
volume de dados de vrias formas, muitos deles desestruturados e no integrados.
J na Empresa B, sobre a dimenso volume de dados, oito dos dez entrevistados
acham que recebem dados em uma quantidade muito alta, muitas vezes at superior ao
processamento dos mesmos. Para a gerente de Tecnologia e Informao da empresa, nem
sempre conseguimos absorver todos os dados/informaes de todos esses canais. Para o
gerente financeiro, os dados so gerados em uma velocidade maior que a capacidade de
organiza-los e analis-los. Por essa razo, segundo ele, um dos maiores desafios dos
gestores a priorizao quanto a relevncia e dos dados frente a tomada de deciso.
Para tentar dimensionar esse volume superior de dados gerados, a questo 3 perguntou
o volume de dados gerados no dia-a-dia atravs de exemplos. Nessa questo, houve uma
grande variao de respostas. A gerente de projetos, explicou que existe uma variao pela
funo exercida e pela poca do ano, tendo dias com 60 e-mail e outros com 20. De qualquer
forma, a maioria das respostas disseram que recebem em torno de 50 a 100 e-mail por dia,
alm de ligaes, planilhas e reunies.
4.4.1 Proposio 4 Relao entre o Volume dos Dados e o Processo de Tomada de Deciso
Essa pesquisa por apresentar evidncias da relao entre as dimenses de Big Data e o
processo decisrio. Mais do que isso, esse trabalho observou empiricamente como essas
dimenses esto envolvidas no processo decisrio. O resultado completo das anlises indica o
11
destaque para a perspectiva variedade com um grau de importncia maior entre as trs
caractersticas estudadas, seguido da perspectiva velocidade, sendo que a dimenso do Big
Data que menos influncia na tomada de deciso o volume de dados. O papel dessas
dimenses est ilustrado na Figura 1. Pode ser observado que esse fluxo heterogneo de dados
influi em todas as etapas do processo decisrio.
12
informaes internas chama ateno nesse caso, pois o que se espera explorar de Big Data so
justamente os dados gerados externamente. Por fim, as trs etapas do processo decisrio
tambm so apresentadas em diferentes tamanhos de letras. A letra maior indica que foi
percebido uma maior relao das dimenses de Big Data na seleo dos dados, seguido pela
anlise e, por ltimo, o processamento.
5. CONSIDERAES FINAIS
Ao longo do presente estudo foi verificado que muitas organizaes esto vivenciando
o contexto de Big Data, cujas principais caractersticas so, o volume, variedade e velocidade
dos dados, que muitas vezes so desestruturados. Isso dificulta o seu gerenciamento e anlise
atravs de meios tradicionais, ressaltando que as organizaes devem repensar suas prticas e
processos, a fim de melhorar sua performance (DAVENPORT, 2012; KWON, 2014; KIM,
2014; DI MARTINO et al., 2014, ZIKOPOULOS et al., 2012; MAHRT E SCHARKOW,
2013).
A presente pesquisa buscou analisar o processo tomada de deciso no contexto de duas
empresas de varejo, permitindo ampliar o conhecimento sobre as caractersticas do Big Data e
suas relaes com o processo decisrio, tendo sido possvel elencar em que fases do mesmo
se deve dar ateno, a fim de que se possa melhor-lo. Porm, vale destacar que esta pesquisa
no teve a pretenso de apontar solues do mercado, mas sim, refletir acerca de possveis
relaes.
Os resultados da pesquisa mostram ainda que os gestores da empresa se deparam com
uma multiplicidade de fontes de dados, com grande volume, variedade e velocidade de dados
que, se bem analisados, podem melhorar o processo decisrio e a qualidade da deciso. Nota-
se, pois, a necessidade de uma mudana de cultura para que todos compreendam esta nova
realidade, o Big Data. Pde verificar, tambm, a necessidade das grandes organizaes terem
13
um sistema de armazenamento e compartilhamento dos dados e tecnologias de anlise de
grande volume de dados, para que possam melhorar o processo decisrio.
Por fim, como sugesto para pesquisas futuras nessa rea, deve-se ter a compreenso de
que as aplicaes de Big Data esto se expandindo em todos os domnios de cincia e
engenharia, incluindo fsica, biologia e medicina. Estas aplicaes demostram que o
gerenciamento de grandes volumes de dados est alm da capacidade das ferramentas de
software para armazenar e processar estes dados dentro de um intervalo de tempo aceitvel. O
desafio fundamental para as aplicaes de Big Data explorar os grandes volumes de dados e
extrair informaes teis ou conhecimento para futuras aes. Propem-se pesquisas em
empresas que adotem diferentes tecnologias de anlise de dados para o contexto de Big Data,
de todas as reas e no somente da rea de TI, buscando evidenciar as melhorias nos
processos de tomada de deciso, com base nas caractersticas deste contexto e nas possveis
predies.
6. REFERNCIAS
AGRAWAL, D., DAS, S., AND EL ABBADI, A. Big data and cloud computing: current
state and future opportunities. In Proceedings of the 14th International Conference on
Extending Database Technology, EDBT/ICDT 11, pages 530533, New York, NY, USA.
ACM, 2011.
BENBASAT, I.; GOLDSTEIN, D. K.; MEAD, M. The case research strategy in studies of
information systems. MIS Quarterly, v. 11, n. 3, 1987.
BIRCHIELD, R Big Data: management's new big gun. New Zealand Management, 60(7/8),
18-19, 2013.
COLLIS, J.; HUSSEY, R. Pesquisa em administrao: um guia prtico para alunos de
graduao e ps-graduao. 2. ed. Porto Alegre: Bookman, 2005.
DAVENPORT, T. H. Enterprise analytics: Optimize performance, process, and decisions
through big data. Upper Saddle River, New Jersey: FT Press Operations Management, 2012.
DAVENPORT, T. H; BART, P.; BEAN, R. How Big Data is Different. MIT Sloan
Management Review, July 30, pp. 43-6, 2012.
DAVENPORT, T. H. Keep Up with Your Quants. Harvard Business Review, 91(7/8), 120-
123, 2013.
DI MARTINO, B. et al. Big data (lost) in the cloud. International Journal of Big Data
Intelligence., Vol.1, No.1/2, pp.3 17, 2014
ESTEVES, R.M., HACKER, T. e RONG, C. A new approach for accurate distributed cluster
analysis for Big Data: competitive K-Means, Int. J. Big Data Intelligence, Vol. 1, Nos. 1/2,
pp.5064, 2014.
GARTNER IT GLOSSARY. Disponvel em: <<http://www.gartner.com/it-glossary/big-
data/>> Acesso em 15 nov. 2012.
GEORGE G., HAAS, M.; PENTLAND A. Big Data and Management. Academy of
Management Journal, 2014, Vol. 57, No. 2, 321326. Disponvel em:
http://dx.doi.org/10.5465/amj.2014.4002 Acesso em 25 jul 2014.
GIL, Antonio Carlos. Estudo de Caso. So Paulo: Atlas, 2009.
IDC. IDC Reveals Worldwide Big Data and Analytics Predictions for 2015. Dec, 2014.
Disponvel em: < http://www.idc.com/getdoc.jsp?containerId=prUS25329114>. Acesso em
13 de maro de 2015.
KAHNEMAN, Daniel, Rpido e Devagar Duas Formas de Pensar. OBJETIVA LTDA, 2011.
KAHNEMAN, D., LOVALLO, D.; SIBONY, O. Before You Make That Big Decision.
Harvard Business Review, 89(6), 50-60, 2011.
14
KIM, G-H; TRIMI, S.A.;JI-HYONG, C. Big Data Applications in the Government Sector.
communications of the ACM, vol. 57, no. 3, 2014.
KWON, O. et al. Data quality management, data usage experience and acquisition intention of
big data analytics. International Journal of Information Management. 2014.
LIN, J.; DYER, C. Data-intensive text processing with mapreduce. Synthesis Lectures on
Human Language Technologies, 3(1):1177, 2010.
MAHRT, M.; SCHARKOW, M. The Value of Big Data in Digital Media Research. Journal
of Broadcasting & Electronic Media, 57(1), 20-33, 2013.
MALHOTRA, Naresh K. Pesquisa de marketing: uma orientao aplicada. Porto Alegre:
Bookman, 2006.
MANTELERO, A. Social Control, Transparency, and Participation in the Big Data World.
Journal of Internet Law, Aspen Publishers Inc, 2014
McAFEE, A.; BRYNJOLFSSON, E. Big Data: The Management Revolution. Harvard
Business Review, October, p. 1-9, 2012.
Myers, M. D. Qualitative research in business and management. Sage, 2013.
OTEY, M. Growing Big Data New ways to use data sources and unstructured data for
decision making. SQL Server Pro. pp. 5-7, 2013.
PAVLO, A. et al. . A comparison of approaches to large-scale data analysis. In Proceedings
of the 2009 ACM SIGMOD International Conference on Management of data, SIGMOD
09, pages 165178, New York, NY, USA. ACM, 2009.
RAJESH, k,V,N. Big Data Analytics: Applications and Benefits. The IUP Journal of
Information Technology, Vol. IX, No. 4, 2013
RASKIN, V.; TAYLOR, J. M.; HEMPELMANN, C. F. Meaning and ontology-based
technologies for high-precision language an information-processing computational systems.
Advanced Engineering Informatics, Volume 27, Issue 1, Pages 4-12, January 2013.
ROSS, J. W.; BEATH, C. M.; QUAADGRAS, A. You May Not Need Big Data After All.
Harvard Business Review, 91(12), 90-98, 2013.
SIMON, H. A. A capacidade de deciso e de liderana. 2.ed. Rio de Janeiro: Editora Fundo
de Cultura, 1972.
SIMON, H.A. Comportamento Administrativo. 2. ed. Rio de Janeiro: FGV, 1970.
SIMON, H.A. Making management decisions: The role of intuition and emotion. Academy of
Management Executive, p.57-64, feb. 1987.
SIMON, H.A. Rational decision making in business organizations. American Economic
Review, v.69, p.493-513, 1979.
TAKE. R. E. Case studies. In: DENZIN, N. K.; LINCOLN, Y. S. (ed.) Handbook of
qualitative research. London: Sage, 2000. p. 435-454.
TVERSKY, A; KAHNEMANN, D. Judgment under Uncertainty: Heuristics and Biases.
Science, New Series, Vol. 185, No. 4157, pp. 1124-1131, 1974.
WU, X. et al. Data mining with big data. IEEE Transactions on Knowledge and Data
Engineering, 99(PrePrints):1, 2013.
YIN, Robert K. Estudo de caso: planejamento e mtodos. 3. ed. Porto Alegre: Bookman,
2005.
ZIKOPOULOS, P.C. et al. Understanding Big Data: Analytics for Enterprise-Class Hadoop
and Streaming Data. McGraw-Hill, New York, 2012.
ZIMMER, M. But the data is already public: on the ethics of research in Facebook. Ethics &
Information Technology, 12(4), 313-325, 2010.
15