Dimenses de Big Data e o Processo Decisrio:

Estudos de Casos Mltiplos no Varejo

Autoria: Jos Carlos da Silva Freitas Junior, Antonio Carlos Gastaud Maada, Rafael Alfonso Brinkhues,
Pietro Cunha Dolci

Resumo

A presente pesquisa tem o objetivo de compreender atravs da viso dos gestores de

empresas, como se d a relao das dimenses de Big Data (velocidade, variedade e volume)
no processo decisrio (seleo, processamento e anlise). Para atingir esse objetivo, foram
determinadas quatro proposies referente a relao entre as caractersticas do big data
(volume, velocidade e variedade) com o processo de tomada de deciso. Foram realizados
dois estudos de caso em duas grandes redes de varejo do Brasil, lderes em seus respectivos
segmentos. Os entrevistados foram vinte executivos, com cargas gerenciais, responsveis pela
tomada de deciso na organizao e que utilizam dados e informaes obtidas de mltiplas
tecnologias s vezes simultaneamente. Os resultados apontam para uma relao mais
acentuada da dimenso variedade, seguida por volume e, por ltimo, velocidade. J no
processo decisrio foi percebida um impacto maior na etapa de seleo, seguida de anlise e
processamento, nessa ordem.

Palavras-Chave: Big Data, Tomada de Deciso, Volume, Velocidade, Variedade.

1. INTRODUO

As organizaes vivenciam um enorme crescimento de dados. Para enfrentar esse

aumento, vrios esforos tm sido realizados a fim de expandir as reas tericas de
capacidade e aplicao da teoria informao. Assim, tornar-se necessrio pensar em formas de
analisar e processar esses dados (DAVENPORT, 2012; RASKIN, TAYLOR E
HEMPELMANN, 2013).
O termo em ingls Big Data, tem sido usado para definir o fluxo de dados
desestruturados cuja infraestrutura existente incapaz de processar, tendo como suas
principais caractersticas o alto volume, velocidade e variedade (DAVENPORT, 2014).
Formas inovadoras de processamento dos dados sero necessrias para gerar informaes com
maior visibilidade para a tomada de deciso, sendo essas trs caractersticas conhecidas como
os 3 Vs (GARTNER, 2012; JHONSON et al., 2012; DI MARTINO et al., 2014; MCAFEE
e BRYNJOLFSSON, 2012; ZIKOPOULOS et al., 2012).
O universo digital (i.e. o volume global de dados) crescer por um fator de 300, de 130
a 40.000 exabytes entre o ano 2005 e 2020 (IDC, 2014). Isso reflete no mercado global de
gerenciamento de informao, que movimenta U$70 bilhes ao ano, a uma taxa de
crescimento em torno de 40% para o prximo ano (GARTNER, 2014). Logo, essa quantidade
de dados extrapola a capacidade dos sistemas de Business Intelligence (BI) tradicionais que se
tornam lentos e no versteis o suficiente para fornecer s empresas informaes necessrias
e oportunas aos gestores (IBM, 2014).
O processo decisrio necessita do acesso a informao para a gerao de alternativas
para a tomada de deciso por parte do decisor (KAHNEMAN, LOVALLO e SIBONY, 2011).
Porm, a procura de informaes oriundas dessas grandes quantidades de dados, dos quais a
maioria no estruturada, acabam por levar muito tempo devido ao uso ferramentas
tradicionais de pesquisa e anlise, atrasando muitos processos dentro das organizaes
(ZIKOPOULOS et al., 2012). A partir dessas constataes, a seguinte pergunta emergiu:
Como as caractersticas do Big Data oriundas de Mltiplas fontes de dados so percebidas
pelos gestores no processo de tomada de deciso?
1
 Assim, para responder essa indagao, o objetivo desse este estudo compreender,
atravs da viso dos gestores de empresas de duas grandes redes de varejo do Brasil, como se
d a relao das dimenses de Big Data no processo decisrio. Para isso, o estudo est
estruturado da seguinte forma: a seguir ser apresentado a reviso da literatura de processo
decisrio e Big Data, a seo 3 abordar a metodologia, em seguida os resultados da pesquisa
sero apresentados e discutidos, e por fim, a seo 5 trar as consideraes finais.

2. REVISO DA LITERATURA

Esta seo destina-se a aprofundar o estudo terico de dois campos da presente

pesquisa, o processo decisrio e Big Data. Ao final de cada subseo esto estabelecidas as
proposies de pesquisa.

2.1 PROCESSO DECISRIO E BIG DATA

A relao entre o processo decisrio e a necessidade de gerenciamento de grande

variedade e volume dados evidenciada na literatura. Segundo Choo (2006), para se tomar
uma deciso racional, deve-se elencar todas as alternativas existentes, e identificar suas
consequncias. Assim, preciso verificar os dados obtidos e extrair as informaes
fundamentais. No contexto de Big Data, os gestores se deparam com essas informaes em
um grande volume de variados dados desestruturados oriundos de vrias fontes, como a
internet, celulares, portais sociais dentre outros (DI MARTINO et al, 2014).
Alm disso, devido a grande velocidade em que surgem, muitas das vezes em uma
proporo maior do que a de processamento, a deciso quando tomada pode estar obsoleta
(DAVENPORT; BART; BEAN, 2012). Entretanto, a grande vantagem que o Big Data
pode trazer para as empresas a anlise do dado certo para a criao de insights na tomada de
deciso (GARTNER, 2012). Para gerenciar e extrair informaes significativas a partir da
grande quantidade de dados atual existe uma necessidade crescente de se pensar em tcnicas e
sistemas de anlise de dados avanada (ESTEVES, HACKER e RONG, 2014).
Entretanto, para Kwon (2014) muitas empresas esto indecisas em adotar sistema de
anlise de Big Data. Logo, mesmo as empresas que no possuem um sistema de anlise de
grande volume de dados, devem buscar compreender o seu contexto, para que possam
gerenciar essa variedade de dados de forma eficaz para contribuir com os processos
organizacionais. Pois a informao algo que pode ser usado para eliminar ou reduzir a
incerteza (RASKIN, TAYLOR e HEMPELMANN, 2013).
O processo gesto de Big Data tem como entrada o conhecimento das mltiplas fontes
de dados, e suas caractersticas (volume, variedade e velocidade) so relevantes desde a
gerao at o processamento dos dados. Assim, cabe as organizaes o trabalho de selecionar,
processar, analisar e escolher os dados que iro gerar as informaes com veracidade e
oportunidade que possam contribuir para com o processo decisrio.
O desafio das organizaes extrair informaes estruturadas, logo, as empresas que
aprenderem a tirar proveito do Big Data podero utilizar informaes em tempo real a partir
de sensores e outros dispositivos de identificao para entender seus ambientes de negcios, a
fim de criar novos produtos e servios, e/ou para responder s mudanas e tomar decises
(DAVENPORT; BART e BEAN, 2012).
Esse processo baseado na proposta de Simon (1970) cujo modelo decisrio, que
compreende basicamente quatro fases, com uma constante reviso entre estas fases
(feedback). Essa proposta, dada a necessidade da integrao dessas ideias e modelos com o
contexto complexo de grande volume de informao, pode ser considerada uma abordagem
contempornea e presente nas organizaes na atualidade. Kahneman (2011), apresenta uma

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.

Proposio 1: As caractersticas do Big Data esto relacionadas ao processo de tomada

de deciso.

2.2 BIG DATA

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.

2.2.1 Dimenso Variedade

A dimenso variedade diz respeito s caractersticas do tipo de dado relativo a sua
respectiva fonte, tais como: mensagens, leituras de sensores, cmeras de segurana, celulares,
e outros (DAVENPORT, 2012; 2014). Com isso, os gestores se deparam com um grande
volume de variados dados desestruturados oriundos de varias fontes, como a internet, portais
sociais, dentre outros, o que prejudica o processo decisrio (DI MARTINO et al. 2014).
Um dos desafios das organizaes ter a capacidade de extrair os dados das diversas
fontes existentes, de forma contnua e por padres, para se ter informaes com oportunidade.
Porm, esta anlise de Big Data tende apenas para mostrar o que os usurios fazem, mas no
por que eles fazem isso. Outro aspecto importante a se ressaltar no que tange a coleta e anlise
do Big Data o desenvolvimento de normas e procedimentos para o uso de dados pblicos ou
semi-pblicos ticos (ZIMMER, 2010; MAHRT e SCHARKOW, 2013).
Nessa dimenso, deve-se subclassificar em dados estruturados e dados no
estruturados. Dados no estruturados so definidos como dados que no esto dispostos no
paradigma coluna e linhas (BLAIR, MURPHY, 2011). Segundo Davenport (2012), a grande

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.

Proposio 2: A variedade dos dados est relacionada ao processo de tomada de

deciso.

2.2.2 Dimenso Velocidade

A velocidade dos dados, segundo Brynjolfsson (2012), diz respeito a velocidade de
criao dos dados. Ela permite a anlise imediata dos dados obtidos pela empresa,
possibilitando-a de ser muito mais gil que seus concorrentes. J para Neves (2014), a
identificao dos dados deve ser feita em tempo hbil muitas vezes em tempo real. Se o
tamanho do banco de dados for um fator limitante para a velocidade de entrega, o negcio
pode ser prejudicado. Tem-se ento, a terceira proposio desta pesquisa.

Proposio 3: A velocidade dos dados est relacionada com o processo de tomada de

deciso.

2.2.3 Dimenso Volume

A dimenso volume a que aparece com maior frequncia nas definies de Big Data,
justamente pela alta quantidade de dados gerados nos ltimos anos de forma escalonar. Para
Gantz (2012), a quantidade de informao crescer em at 50 vezes entre os anos de 2010 e
2020 e totalizar um crescimento de at 300 vezes se considerado o ano de 2005 a 2020,
saindo de 130 exabytes para aproximadamente 40 zetabytes. Esse alto volume oriundo de
novos equipamentos capazes de gerar grandes quantidades de dados, tais como telefones
celulares, compras na internet, redes sociais, e-mail, entre outros (BRYNJOLFSSON, 2012).
Apresenta-se, por fim, a quarta proposio desta pesquisa. Acredita-se que esse volume
implicar em mudanas no processo decisrio:

Proposio 4: O volume est relacionado ao processo de tomada de deciso.

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

Esta pesquisa est alinhada ao paradigma fenomenolgico de pesquisa, tratando-se de

uma proposta qualitativa, que segundo Collis e Hussey (2005, p. 59) enfatiza os aspectos
subjetivos da atividade humana focando o significado, e no a mensurao, de fenmenos
sociais. A metodologia escolhida para esta pesquisa foi o estudo de caso. No presente estudo
sero analisadas duas empresas, examinando extensivamente um fenmeno de interesse (o
Big Data), e sua relao com o processo decisrio nos em cada caso, uma vez que os limites
entre o fenmeno e o contexto no esto claramente definidos (YIN, 2005).

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

Para a coleta de dados, o instrumento de pesquisa utilizado foi o questionrio (roteiro

de entrevista semiestruturado) que um instrumento desenvolvido com base na reviso de
literatura. A confeco do instrumento seguiu as orientaes metodolgicas, possuindo uma
linguagem simples e direta, contendo questes fechadas e abertas, para possibilitar os
respondentes ampliarem essas opes acrescentando outras informaes que pudesse no ter
sido elencadas (GIL, 2009).
O questionrio foi revisado por dois especialistas no tema, e aps foi aplicado um teste
piloto em um gestor de varejo, de outra rede. Foram realizados ajustes e foi novamente
enviada aos especialistas para validao final. Somente aps este processo o questionrio foi
aplicado, seguindo o que preconiza Collis e Hussey (2005).
A coleta ocorreu nos meses de agosto a outubro de 2014 e a durao mdia de resposta
foi de quarenta e cinco minutos para cada respondente.
Os dados foram transcritos e analisados seguindo os conceitos de anlise de contedo,
obedecendo s etapas de reduo, de exibio e de concluso e verificao a tabulao dos
resultados obtidos, conforme Bardin (1977). Para tanto, utilizou-se o software Weft QDA que
permitiu a realizao da referida anlise.
Buscou-se a reduo e estruturao dos dados qualitativos, que segundo Collis e
Hussey (2005) envolve a categorizao dos dados, sem ser restritivo ao entendimento do

5
contexto da pesquisa. Para isso, levaram-se em conta as proposies apresentadas na reviso
de literatura, conforme ser apresentado na prxima seo.

4. ANLISE E DISCUSSO DOS RESULTADOS

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.

4.1 PROCESSO DE TOMADA DE DECISO e BIG DATA

Na Empresa A, para sete dos dez entrevistados, os dados so importantes para a

anlise dos fatos e das decises que pretendem tomar no seu trabalho. Outro momento que os
dados so muito utilizados pelos gestores a Gerao de alternativas, segundo as respostas de
seis dos gestores. Por fim, vale destacar que todas as etapas do processo decisrio tiveram
quatro dos dez gestores dizendo que eram momentos que exigiam dados para avanar. Isso
mostra, segundo o especialista de marketing, que cada gestor gosta de trabalhar de uma
forma diferente. Segundo ele, o importante que cada um consiga utilizar os dados para
melhorar a tomada de deciso e no confundi-la ou piora-la, independente de quando
utiliza os dados disponveis.
A ltima questo que abordava a tomada de deciso de maneira mais geral foi qual a
informao mais relevante e de que maneira ela estava sendo tratada na empresa. Apesar
dos gestores trabalharem em reas diferentes, as respostas, em sua maioria, tiveram resultados
semelhantes, percebeu-se que, dos cinco gestores que trabalham diretamente com marketing,
h uma preocupao maior com a concorrncia, cliente e produto ofertado, questes chaves
do posicionamento de marketing da empresa. Segundo o gerente de anlise e performance, o
foco deve ser o cliente. Com isso, todo o resto vir. Segundo ele, o comportamento do
cliente no site pode dizer se as peas de comunicao esto boas e o produto est adequado,
refletindo em converso e venda.
Por sua vez, das trs menes da informao de venda, duas so citadas pelo Diretor
do e-commerce e do gerente de controle financeiro, demonstrando uma preocupao com o
resultado de vendas. O gerente de compras resume o tratamento ideal da informao: a
empresa dever ter o entendimento sobre a demanda e a oferta dos produtos que trabalha.
Todos os outros dados coletados so complementares para a tomada de deciso e devem
seguir de apoio apenas.
J na Empresa B, inicialmente pde-se verificar que os gestores reconhecem a
importncia, o valor e a necessidade da informao para o processo decisrio, pois conforme
destaca o Gerente de Tecnologia da Informao todas as informaes geradas e acessadas
contribuem no momento de uma tomada de deciso, e corroborado pelo Gerente
Financeiro, que afirma que as informaes do mais segurana, aumentam o acerto, indo
alm do feeling
Estas percepes esto alinhadas ao que a literatura aponta, o feeling sugerido refere-
se a intuio apontada por Kahneman (2011), segundo o qual, o homem possui duas formas
de pensar, e por conseguinte, de decidir, definindo-os como sistemas 1 e 2. O primeiro
comanda as decises que tomamos por intuio e o segundo, o da lgica e das ponderaes,
faz escolhas com base nas informaes disponveis.

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 VARIEDADE DOS DADOS

A literatura demonstra que o Big Data refere-se a grandes volumes heterogneos,

fontes autnomas com controle distribudo e descentralizado, procurando explorar as relaes
complexas e em evoluo entre os dados (WU et al., 2013). Nesse sentido, buscou-se
inicialmente conhecer as fontes de dados no contexto pesquisado, para que se pudesse fazer as
anlises a posteriori.
Na Empresa A, as fontes de dados mais acessadas pelos gestores, 80% busca o e-mail
como uma rica fonte de dados para a tomada de deciso. Outra fonte de dados com 80% de
referncias foi o sistema de busca e gerao de dados prprios da empresa, como um sistema
ERP ou de CRM interno.
Outras fontes que tambm tiveram alguma meno na pesquisa, mas com menor
relevncia, foram Linked in, TV e Vdeos. Percebe-se, com esse resultado, que a maioria das
alternativas citadas pelos gestores no uma fonte de dados estruturados, ou seja, existe uma
dificuldade maior por parte da empresa e tambm dos gestores tomadores de deciso de
armazenar, padronizar e tomar decises com dados to diferentes.
Alm disso, os gestores comentaram que o trabalho em e-commerce, alm do acesso
s novas tecnologias exige do profissional de marketing acesso a todas as variedades
disponveis de fonte de dados em tempo real. Segundo o diretor do e-commerce, at o
Whatsapp j uma fonte de dados que trocamos informaes rpidas sobre mudanas de
concorrentes ou sobre o nosso layout do site do dia. A rea de e-commerce, dentro da
empresa, uma das poucas reas que tem acesso a uma variedade mais ampla de sites e
dispositivos durante o trabalho. Segundo o gerente de segurana da informao, isso se deve
ao dia-a-dia do profissional do e-commerce que exige acesso especfico a sites da rea, alm
de redes sociais para a tomada de deciso. Ele conclui que esses acessos mostram a
variedade de contedo disponvel para os profissionais da rea.
Na Empresa B, ao serem questionados sobre quais as fontes de dados acessadas
diariamente para dar subsdio as tarefas dirias do gestor, dentre elas, o processo decisrio,
verificou-se que todos entrevistados citaram as seguintes fontes: e-mail, site da prpria
empresa, internet de uma forma geral, celulares, aplicativos de smartphone, e o sistema de
gesto da prpria empresa, o ERP (Enterprise Resource Planning). Vale destacar que a
empresa adotou o Dynamics AX, da Microsoft, segundo as informaes disponveis no site da
empresa, e foi implantado no incio do ano de 2014, integrando dados estratgicos da
companhia, desde o pedido de determinada mercadoria at a entrega.
Alm dessas fontes em comum, outras foram indicadas, de acordo com a caracterstica
do setor de cada entrevistado, tais como sites de notcias, sites de busca, TV, Jornais, revistas
especializadas, legislao trabalhista, Facebook e Linked In. Este resultado vai ao encontro do
que defende Di Martino (2014), pois nota-se um ambiente hbrido, com diversas fontes.
Pode-se observar ainda, pela caracterstica de tais fontes, que os dados disponibilizados so
variados e desestruturados.

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.

Quadro 2. Fontes de dados e gerao de dados (volume, velocidade e variedade)

Fontes de dados % Vol Vel Var
E-mails 90% X X
Sistema de busca e gerao de dados prprios 85% X X
da empresa
Sites de busca 75% X X
Sites de notcias 70% X X X
Newsletters 55% X X
Planilhas 45% X X X
Ferramentas do Google (Adwords, Trends, 40% X X
Analytics)
Redes Sociais 35% X X X
Skype 30% X
Microsoft Lync 20% X
Blogs 15% X X
Fonte: elaborado pelos autores

Observa-se, que o grande volume de dados obtido a partir de mltiplas fontes, em

diferentes pontos de tempo, utilizando diferentes tecnologias, ou seja, uma das peculiaridades
do Big Data apontadas por Davenport (2013). Dessa forma, os problemas de heterogeneidade,
de variaes experimentais e estatsticas, obrigam as organizaes a desenvolver
procedimentos robustos e mais adaptveis, pensando em formas que consolidar os dados, uma
vez que os dados das fontes comuns so mais facilmente mapeveis e podem gerar dados e
informaes consolidadas, como o prprio ERP, por exemplo.
Entretanto, o problema maior observado, diz respeito s demais fontes apontadas por
alguns gestores que buscam fontes complementares, alm das institucionais, pois tais fontes
podem trazer dados relevantes a outro setor, e os mesmos no so compartilhados. Isto deve
tambm ao fato de que com a proliferao de dispositivos e a conectividade quase universal
para a Internet, aquisio de dados pode ser mais facilmente automatizado, o que reduz
drasticamente o custo de aquisio de dados (OTEY, 2013).
Vale destacar que esta necessidade evidenciada no campo j havia sido mencionada
por Esteves, Hacker e Rong (2014), que sugerem a necessidade crescente de se pensar em
tcnicas e sistemas de anlise de dados avanada, para gerenciar e extrair informaes
significativas a partir das diversas fontes disponveis e da grande quantidade de dados.

4.3 VELOCIDADE DOS DADOS

A velocidade difcil de ser observada, assim buscou-se compreender a relao entre

o volume de dados gerados e a capacidade de processamento e analise desses dados acessados
a fim de gerar informaes oportunas para o processo decisrio dos gestores estudados. De
uma forma geral, o que se pode constatar que a velocidade em que os dados chegam e so
acessados superior a capacidade de processamento individual.
Na Empresa A, houve divergncia das pesquisas analisadas para a dimenso
velocidade. Para seis dos entrevistados da Empresa A, os dados chegam a tempo para a
tomada de deciso. Para eles, conseguir gerenciar melhor a informao disponvel deveria ser
o foco, j que a velocidade o suficiente para a tomada de deciso.

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.

4.4 VOLUME DOS DADOS

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

A tomada de deciso no cenrio de grande volume de dados e grande velocidade de

mudanas, tem se tornado cada vez mais difcil e complexa. Para isso, torna-se fundamental
para os gestores saberem qual a informao a mais relevante e necessria para o auxilio da
deciso. Afinal, a informao algo que pode ser usados para eliminar ou reduzir a incerteza
(RASKIN, TAYLOR e HEMPELMANN, 2013).
Analisando os depoimentos dos gestores da empresa estudada, percebeu-se que o fator
que mais influncia na escolha de uma alternativa a o valor que aquele dado pode ter no
futuro daquela deciso. Por diversas vezes, os entrevistados citaram que h dados
disponveis em excesso no ambiente que a empresa vive, e por essa razo deve-se saber
decidir qual dado ser usado para embasar a escolha por alguma alternativa do problema
enfrentado.
Um estudo recente do IDC (2014) mostra que um dos trs maiores desafios que as
empresas vivem dentro do ambiente tecnolgico saber qual dado relevante para a sua
tomada de deciso, o que corrobora com os resultados obtidos nesse trabalho. Para todos os
gerentes questionados, o tema ou muito importante ou fundamental para a tomada de
deciso.
Alm disso, o volume visto como algo j presente e at normal pelos
entrevistados. O especialista de marketing analisa bem a questo de volume dizendo que no
precisamos de mais informao, precisamos de qualidade e relevncia. Por fim, segundo o
gerente de compras, dados so gerados em um grande volume e bem rpidos todos os dias.
Informaes para a tomada de deciso que um pouco mais demorado, pois precisa de
experincia e anlise do tomador de deciso.

4.5 CONTRIBUIES PARA A PESQUISA

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.

Figura 1. Dimenses de Big Data, Fontes de Informao e Etapas do Processo Decisrio

Assim, respondendo a questo de pesquisa, alm da relao evidenciada entre Big

Data e o processo decisrio, encontrou-se dois aspectos fundamentais que precisam ser
desenvolvidos: a ao gerencial de mudana e a busca por dados que no esto disponveis e
que possam gerar mais informaes para subsidiar o decisor. Verificou-se ainda, a
necessidade de investimento em estrutura e tecnologia que inerente aos conceitos de Big
Data utilizados nessa pesquisa. Assim, alm dos aspectos acadmicos pesquisados, essa
pesquisa tambm de aponta para alguns direcionamentos da prtica gerencial, como ser visto
na prxima subseo.
Baseado nos resultados acima apresentados, a Figura 1 ilustra a representao dos
principais resultados. Percebeu-se que o volume, que o termo mais representativo no Big
Data aparece com menor frequncia (nuvem menor). Acredita-se que isso resulte do fato de
que lidar com uma grande quantidade est implcito no processo de tomada de deciso. Em
relao a variedade (nuvem maior), observou-se que o executivo percebe um impacto maior
na tomada de deciso, pois dispende mais tempo para definir as regras para a padronizao de
dados. Simbolicamente, as mltiplas fontes de dados caem das nuvens (dimenses de Big
Data) inundando o processo de tomada de deciso. Essas fontes de dados esto escritas em
diferentes tamanhos, de acordo com a utilizao das mesmas pelos entrevistados cuja
frequncia est exposta no quadro 2. Dentre essas fontes, destaca-se as duas com mais
incidncia: e-mail e dados internos. Ambas so ferramentas que fornecem informao interna
(ainda que o e-mail tambm seja utilizado para receber informao externa). A anlise de

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.

4.6 IMPLICAES GERENCIAIS

Os resultados demonstram que as organizaes podem melhorar seu processo

decisrio se souberem gerenciar esse novo fluxo de dados. A escolha e a gesto das fontes de
dados se mostraram de grande relevncia para que as organizaes se valham das
oportunidades advindas Big Data. Pode-se perceber que o meio mais usado para essa captura
de dados so os e-mails e os sistemas de gerao de dados prprios da empresa, por terem
maior confiabilidade e qualidade no auxilio da tomada de deciso. Este resultado pode
auxiliar as empresas, em particular deste setor, nas tomadas de deciso no que diz respeito a
estratgia de analisar os dados desestruturados. Indo ao encontro da fala de Zimmer (2010)
que afirma que compreender a natureza e as relaes na produo dos dados podem trazer
vrias contribuies para as organizaes e indicar vieses de uma determinada populao.
A importncia de investimentos, no apenas em estrutura, mas em treinamento de
pessoal para o desenvolvimento de competncias especficas, tambm foi notado. Ross,
Beath, e Quaadgras (2013) afirmar que a maioria das empresas consegue fazer um bom
trabalho com os dados e as informaes que elas j tm. Elas no sabem como gerenciar e
analisar, de forma a melhorar a sua compreenso, e, em seguida, fazer alteraes em resposta
s novas ideias. As autoras defendem que as empresas no deixaro de desenvolver as
competncias apenas porque no investiram em ferramentas de anlise, o que as organizaes
necessitam aprender a usar os dados j incorporados em seus principais sistemas
operacionais, mudando uma cultura de gesto da informao, de forma mais compartilhada.

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