Impacto da ciência de dados no modus operandi das organizações: uma perspectiva conceitual

Authors

  • Felipe Macedo Zumba
  • José Itamar Diniz Andrade Júnior
  • Manoel Lopes Neto
  • Rômulo de Andrade de Souza Neto
  • Shayanne Moura Fernandes de Araujo
  • Jessica Caroline Macedo Teixeira Martins
  • Samantha Vasconcelos Dantas
  • Andressa Loyse Araújo Brito

DOI:

https://doi.org/10.55905/oelv21n8-108

Keywords:

big data, business intelligence, ciência de dados, data mining, processo de tomada de decisão

Abstract

Contemporaneamente, pode-se observar que dados são gerados em dimensões mastodônticas, isso se deve ao uso considerável das Tecnologias de informação em diversas áreas, o que torna imprescindível a necessidade das organizações se apropriarem de ferramentas capazes de extrair dados ou informações do Big Data para maximizar a eficácia nos processos decisórios. Diante desse contexto, o presente ensaio teórico tem como objetivo evidenciar os conceitos relacionados a Inteligência Artificial (IA), Ciência de Dados, Big Data e Técnicas de Data Mining e como esses conhecimentos estão impactando no modus operandi das organizações. Como resultado, destaca-se que em um cenário em que as informações abundam e a maioria das transações são digitais, os dados terminam sendo um importante ativo para as empresas.

References

AMARAL, F. Introdução a CIência de Dados: MIneração de dados e Big Data. 1. Ed. Rio de Janeiro: Alta Books, 2016.

ALBIERO BERNI, Jean Carlo et al. Interação universidade-empresa para a inovação e a transferência de tecnologia. Revista Gestão Universitária na América Latina-GUAL, v. 8, n. 2, 2015.

BATISTA, E. de O. Sistema de Informação: o uso consciente da tecnologia para o geren-ciamento. 2. ed. São Paulo: Saraiva, 2012.

BATISTA, Gustavo Enrique de Almeida Prado Alves. Pré-processamento em aprendiza-do de máquina supervisionado. 2003. Disponível em: <http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06102003-160219/publico/TeseDoutorado.pdf> . Acesso em: 12 Jun. 2023.

CALLEGARI, Beniamino; NYBAKK, Erlend. Schumpeterian theory and research on forestry innovation and entrepreneurship: The state of the art, issues and an agenda. Forest Policy and Economics, v. 138, p. 102720, 2022.

COSTA, B. Sem transformação digital, o governo entrega cada vez menos valor ao cida-dão. In: LOUREIRO, G. (Org.). Reconstrução do Brasil pela Transformação Digital no Setor Público. Brasília, DF: IBGP, 2020. Capítulo introdutório, p. 37-57.

COPPIN, Ben. Inteligência artificial. Grupo Gen-LTC, 2015.

CHAUDHURI, S., DAYAL, U., e NARASAYYA, V. An overview of business intelligen-ce technology. Communications of ACM, v. 54 n. 8, p. 88–98, 2011.

CHEN, H., CHIANG, R. H. L., STOREY, V. C. Business intelligence and analytics: From big data to big impact. MIS Quarterly, v. 36, n. 4, p. 1165–1188, 2012

DATE, C. J. Introdução a Sistemas de Banco de Dados. São Paulo: Elsevier Editora, 2004.

FALEIROS JUNIOR, J. L. M. Administração Pública Digital: proposições para o aperfei-çoamento do Regime Jurídico Administrativo na sociedade da informação. São Paulo: Foco, 2020.

FREITAS, J.; FREITAS, T. B. Direito e Inteligência Artificial: em defesa do humano. Belo Horizonte: Fórum, 2020.

GUERRERO, David; RODRIGUE, Jean-Paul. The waves of containerization: shifts in global maritime transportation. Journal of Transport Geography, v. 34, p. 151-164, 2014.

GOMES, D. S. Inteligência Artificial: conceitos e aplicações. Revista Olhar Científico,v. 1, n. 2, ago./dez. 2010.

GRUS, J. Data Science do Zero: primeiras regras com Python. Rio de Janeiro: Alta Bo-oks, 2006

SCHUMPETER, Joseph A. Os Economistas–Teoria do Desenvolvimento Econômico. Editora Nova Cultural. São Paulo, 1997.

SILVA, D. B. da. et al. O Reflexo da Terceira Revolução Industrial na Sociedade. In:

ENCONTRO NACIONAL DE ENGENHARIADE PRODUÇÃO, 22., 2012, Curitiba. Cu-ritiba, ABEPRO, 2012. Disponível em: http://www.abepro.org.br/biblioteca/enegep2002_tr82_0267.pdf. Acesso em: 20 jun. 2023.

SANTOS, M.A.M. Extraindo Regras a partir de Textos. Pontifícia Universidade Católica do Paraná. 2002

SAKURAI, R.ZUCHI, J. D. AS REVOLUÇÕES INDUSTRIAIS ATÉ A INDÚSTRIA 4.0. Revista Interface Tecnológica, [S. l.], v. 15, n. 2, p. 480–491, 2018. DOI: 10.31510/infa.v15i2.386. Disponível em: https://revista.fatectq.edu.br/interfacetecnologica/article/view/386. Acesso em: 05 jul. 2023.

SHARDA, Ramesh; DELEN, Dursun; TURBAN, Efraim. Business Intelligence e Análise de Dados para Gestão do Negócio. 4. ed. Porto Alegre: Bookman, 2019.

SEZÕES, C.; OLIVEIRA, J.; BAPTISTA, M. Business Intelligence. (S.–SP de Inovação, Ed.). 2006.

TAULLI, T. Introdução à Inteligência Artificial: uma abordagem não técnica. São Paulo: Novatec, 2020.

TARGA, C. N. Mineração Eficiente de Regras de Associação através da Indexação de Conjuntos Candidatos. Dissertação de Mestrado em Ciência da Computação, Universida-de Federal Fluminense, 2002.

LIBRELOTTO, Solange Rubert; MOZZAQUATRO, Patricia Mariotto. Análise dos algo-ritmos de mineração J48 e Apriori aplicados na detecção de indicadores da qualidade de vida e saúde. Revista Interdisciplinar de Ensino, Pesquisa e Extensão, v. 1, n. 1, 2014.

MITCHELL, T. M. Does machine learning really work?. AI magazine 18 (3), 11-11, 1997.

MONARD, Maria Carolina, BARANAUSKAS, José Augusto. Conceitos Sobre Aprendi-zado de Máquina. Sistemas Inteligentes Fundamentos e Aplicações. 1 ed.Barueri-SP: Ma-nole Ltda, 2003. P. 89—114. ISBN 85-204-168.

MACHADO, F. N. R. Tecnologia e Projeto de Data Warenhouse. 6. ed. São Paulo: Érika, 2016.

MACHADO, F. N. R. Big Data: o Futuro dos Dados e Aplicações. 1. ed. São Paulo: Érika, 2018.

MEDIUM. Afinal, como se desenvolve um projeto de Data Science? 2018. Por Pollyana Gonçalves. DIsponível em: https://medium.com/techbloghotmart/afinal-como-se-desenvolve-um-projeto-de-data-science-233472996c34. Acesso em: 01/07/2023.

NEFIODOW, Leo A.; NEFIODOW, Simone. The sixth Kondratieff: The new long wave in the global economy. Leo Nefiodow, 2014.

NETO, F. P. F. BUSINESS INTELLIGENCE APLICADA NO APOIO À TOMADA DE DECISÕES EM SEGURANÇA PÚBLICA. Dissertação (Mestrado em Ciência da Com-putação) – Universidade Federal Rural do Semi-Árido (UFERSA). Mossoró. P. 94. 2014.

PROVOST, Foster; FAWCETT, Tom. Data Science para Negócios: O que você precisa saber sobre mineração de dados e pensamento analítico de dados. Alta Books Editora, 2018.

RUSSELL, Stuart; NORVIG, Peter. Inteligência Artificial: uma abordagem moderna. 4. ed. São Paulo: GEN LTC, 2022.

RAUTENBERG, S.; CARMO, P. R. V. do. Big data e ciência de dados: complementarie-dade conceitual no processo de tomada de decisão. Brazilian Journal of Information Sci-ence: research trends, [S. l.], v. 13, n. 1, p. 56–67, 2019. DOI: 10.36311/1981-1640.2019.v13n1.06.p56. Disponível em: https://revista-teste.marilia.unesp.br/index.php/bjis/article/view/8315. Acesso em: 30 jun. 2023.

REFAAT, M.Data Preparation for Data Mining Usisg SAS. São Francisco: Elsevier, 2007.

REZENDE, D. A. et al. Tecnologia da Informação Aplicada a Sistemas de Informação Empresariais. 9. ed. São Paulo: Atlas, 2013.

WALKER, J. On Legal AI: um rápido tratado sobre a inteligência artificial no direito. São Paulo: Thomson Reuters Brasil, 2021.

WIVES, L..K. Um Estudo sobre Agrupamento de Documentos Textuais em Processamento de Informações não Estruturadas Usando Técnicas de"Clustering". Dissertação de Mestra-do em Ciência da Computação, UFRGS. Porto Alegre, 1998.

Published

2023-08-25

How to Cite

Zumba, F. M., Andrade Júnior, J. I. D., Lopes Neto, M., de Souza Neto, R. de A., de Araujo, S. M. F., Martins, J. C. M. T., Dantas, S. V., & Brito, A. L. A. (2023). Impacto da ciência de dados no modus operandi das organizações: uma perspectiva conceitual. OBSERVATÓRIO DE LA ECONOMÍA LATINOAMERICANA, 21(8), 9840–9861. https://doi.org/10.55905/oelv21n8-108

Issue

Section

Articles

Most read articles by the same author(s)