Data Science e Analytics para Tomada de Decisão Gerencial (V7., N.12, P.01, 2024)

Tempo estimado de leitura: 5 minute(s)

“Big data” (macrodados, megadados ou grande volume de dados em português) é um conjunto massivo de dados, estruturados e não estruturados, que impactam o gerenciamento de informações, as mídias sociais e a tomada de decisão gerencial em tempo real (Ishwarappa e Anuradha, 2015).
Big data, termo tão frequente atualmente em ambientes acadêmicos e organizacionais, pode ser descrito a partir de cinco características, ou dimensões: volume, velocidade, variedade, variabilidade e complexidade dos dados.
O volume exacerbado de dados é oriundo, entre outras razões, do aumento da capacidade computacional, do incremento do monitoramento dos fenômenos e do próprio surgimento das mídias sociais. A velocidade com que dados passam a ser disponibilizados para tratamento e análise, em razão de novas formas de coleta que utilizam etiquetas eletrônicas e sistemas de antena de radiofrequência, também é visível e vital para os processos de tomada de decisão em ambientes cada vez mais competitivos. A variedade refere-se aos diferentes formatos em que são acessados os dados, como textos, indicadores, bases secundárias ou até mesmo discursos, e uma análise convergente pode também propiciar melhor processo decisório. A variabilidade dos dados relaciona-se, para além das três dimensões anteriores, com fenômenos cíclicos ou sazonais, por vezes em alta frequência, diretamente observáveis ou não e que determinado tratamento pode gerar informações diferenciadas ao pesquisador. Por fim, mas não menos relevante, a complexidade dos dados, principalmente para grandes volumes, reside no fato de que muitas fontes podem ser acessadas, com códigos, periodicidades ou critérios distintos, o que faz com que seja exigido do pesquisador um processo de controle gerencial sobre os dados para fins de análise integrada e tomada de decisão (Fávero e Belfiore, 2024).

A Figura 1 mostra o conceito de Big Data como a combinação dessas cinco dimensões de geração e disponibilidade de dados.

Essas cinco dimensões que definem o Big Data não podem ser suportadas sem que sejam acompanhadas do aprimoramento de softwares profissionais. E essas são as principais razões que têm levado organizações atuantes nos mais diversos setores a investirem na estruturação e no desenvolvimento de áreas multidisciplinares conhecidas por Business Analytics, que possuem o objetivo principal de analisar dados e gerar informações, permitindo a criação de uma capacidade preditiva em tempo real da organização frente ao mercado e aos competidores (Fávero e Belfiore, 2024).
Entretanto, de acordo com as afirmações do filósofo austríaco, naturalizado britânico, Ludwig Joseph Johann Wittgenstein (2014, 2017), apenas o rigor metodológico e a existência de autores que pesquisam mais do mesmo assunto podem gerar uma profunda falta de oxigênio no mundo acadêmico. Além da disponibilidade de dados, de softwares apropriados e de uma adequada teoria subjacente, é de fundamental importância que o pesquisador também faça uso de sua intuição e experiência na definição dos objetivos e construção das hipóteses, inclusive no que diz respeito à decisão de estudar o comportamento de novas e, por vezes, inimagináveis variáveis em seus modelos. Isso, acreditem, também poderá gerar informações interessantes e inovadoras para a tomada de decisão!
O princípio básico consiste em explicitar, a todo instante, a hierarquia entre dados, informação e conhecimento neste novo cenário em que vivemos. Os dados, quando tratados e analisados, transformam-se em informações. Já o conhecimento é gerado no momento em que tais informações são reconhecidas e aplicadas na tomada de decisão. Analogamente, a hierarquia reversa também pode ser aplicada, visto que o conhecimento, quando difundido ou explicitado, torna-se uma informação que, quando desmembrada, tem capacidade para gerar um conjunto de dados. A Figura 2 apresenta esta lógica.

Figura 2: Hierarquia entre dados, informação e conhecimento

Portanto, com os avanços nas áreas de Data Science e Business Analytics, é possível extrair informações de um grande volume de dados, permitindo um diferencial competitivo para as empresas na tomada de decisões inovadoras.

Referências
FÁVERO, L. P.; BELFIORE, P. Manual de análise de dados: estatística e machine learning com Excel, SPSS, Stata, R e Python. 2. ed. Rio de Janeiro: Gen-LTC, 2024.
ISHWARAPPA; ANURADHA, J. A Brief Introduction on Big Data 5Vs Characteristics and Hadoop Technology. Procedia Computer Science, v.48, p.319-324, 2015.
WITTGENSTEIN, L. Investigações filosóficas. 9. ed. São Paulo: Editora Vozes/Editora Universitária São Francisco, 2014.
WITTGENSTEIN, L. Tractatus Logico-Philosophicus. 3.ed. São Paulo: Edusp, 2017.