Procedimentos e categorias para análise de dados

Ao longo deste estudo foi realizada uma revisão da literatura que fundamentou a construção de um modelo operacional, o qual serviu de base para o desenvolvimento das

categorias e subcategorias de análise utilizadas, a fim de fazer uma imersão nos dados das entrevistas, bem como nos recortes da pesquisa documental realizada durante a ida ao campo.

Assim, a partir do modelo operacional previamente elaborado, surgiram as seguintes categorias: pessoas, informação, big data, decisão que representam dimensões derivadas das categorias. Essas categorias miram os objetivos previamente propostos e, quando necessário, desdobram-se em subcategorias para melhor enquadrar os elementos coletados.

4.6.2.1 Categoria pessoas

No que concerne à categoria pessoas, os analistas e os cientistas de dados, bem como outros profissionais da área, são de suma importância para fazer com que o projeto big data se sobressaia e para que o processo decisório seja enriquecido, mesmo que a estratégia adotada pela empresa ainda seja moderada ou conservadora, conforme ensinamento de Davenport (2014).

Por esta ótica, foram reveladas as subcategorias denominadas de habilidades e valores a fim de refletir as falas dos entrevistados durante a ida ao campo. O quadro 9 mostra as definições que atendem a esta categoria.

Quadro 9 (4): Esquema idealizado para enquadramento da categoria pessoas.

4.6.2.2 Categoria aspectos tecnológicos da informação

Para Rezende e Rosado (2002), a informação é um bem de valor estratégico, o que obriga a organização a preocupar-se com a sua qualidade. Caracteriza-se como uma fonte de valor que pode ser transformada em novos serviços e novos produtos para os clientes, bem como pode ser sinônimo de melhoria no processo decisório, nas condições estruturais da atualidade e impõe uso de recursos tecnológicos de diversos modelos. O quadro 10 abaixo representa um resumo dessa categoria.

Categoria: Pessoas

Subcategorias Descrição Apoio da literatura Resposta em campo

Habilidades Capacidade técnica para uso de dados

Importância do trabalho para direcionar as ações dentro da organização

Davenport (2014) A importância de ter profissionais qualificados e com experiência em dados para implementação do projeto big data

Valores Ética Treinamento

Desenvolvimento das qualidades dos profissionais

Davenport (2014) Reter bons profissionais de análise de dados na empresa

Quadro 10 (4): Esquema idealizado para enquadramento da categoria aspectos tecnológicos da informação. Categoria: Aspectos tecnológicos da informação

Subcategorias Descrição Apoio da literatura Resposta em campo

Armazenamento Estrutura Capacidade

Stair e Reynolds (2011) Incremento de ambos os itens

Dados Dados não estruturados Tecnologias de captação Tecnologia de processamento Tecnologia de análise Foina (2013) Stair e Reynolds (2011) Potencial de uso de dados não estruturados

Redes As redes interligam a produção de informações e a retenção desta pelas organizações

Stair e Reynolds (2011) Uso das redes sociais

Tecnologia Importância para as organizações Evolução Necessidades Stair e Reynolds (2011) Zirkopoulos et al. (2012) Mayer-Scrönberguer e Cuckier (2013) Turban et al (2008) Presença das tecnologias Mídias Evolução Aplicações Uso Aprimoramentos Necessidades de cada área Earls (2003) Turban et al. (2008) Davenport (2014) Business intelligence Hippido Data warehouse Big data

4.6.2.3 Categoria big data

Nesta categoria estão apresentadas as subcategorias características e aplicações voltadas para big data. Com essas subcategorias espera-se visualizar como o processo decisório pode ser melhorado com o uso de big data ou como as organizações podem se sobressair ao implementar big data em suas dependências. O quadro 11 mostra um resumo dessa categoria.

Quadro 11 (4): Esquema idealizado para enquadramento da categoria big data.

Categoria: Big data

Subcategorias Descrição Apoio da literatura Campo

Volume Quantidades de dados Demchenko (2013) Possibilita uma visão ampliada dos negócios Variedade Dados estruturados

Dados não estruturados oriundos de diversas fontes

Fan e Bifet (2013) Dados estruturados Dados não estruturados de variados contextos Velocidade Condições em que os dados são

criados por meio de fontes diversas

Mcfee e Brynjofsson (2012) Merchand e Peprard (2013) Identificação e inserção de dados Disponibilização e sincronização de dados Veracidade Qualidade e consistência dos dados Singh e Singh (2012) Validade

Volatilidade Governança Valor O valor aplicado ao processo

decisório

Preimesberger (2012) Demchenko (2013)

4.6.2.4 Categoria decisão

Para chegar a uma decisão as organizações comumente analisam as opções com base nos dados disponíveis e escolhem a alternativa que consideram acertada (MAXIMIANO, 2010). Assim, essa categoria aborda a importância dos dados e a boa condução e aproveitamento dos recursos no processo decisório para se chegar ao objetivo pretendido. O quadro 12 mostra um resumo dessa categoria.

Quadro 12 (4): Esquema idealizado para enquadramento da categoria decisão.

Categoria: Decisão

Subcategorias Descrição Apoio da literatura Resposta em campo

Processo decisório estruturado

Abordagem e etapas do processo decisório Recursos disponíveis Binômio incerteza-informação Recursos Davenport (2014) Maximiano (2010) Estágios do processo decisório Benefícios do processo decisório Formato de análise de dados Mudanças Requalificação Melhorias Modelagem Processo decisório não estruturado

Melhorias com a abundância de dados

Mudança na forma de tomar decisão

Maximiano (2010) Dados em tempo real Captação

Análise Aplicação

Decisão baseada em evidência

Uso de big data Dados de grande volume e de diversas fontes

Requalificação do processo decisório

Incremento da tomada de decisão

Mayer-Schönberger e Cukier (2013) Manyika (2012) Schmarzo (2013) Análise de dados em tempo real Aprimoramento da visão sobre as atividades do negócio

Ressalte-se que durante a categorização e análise dos dados dos entrevistados, a pesquisadora valeu-se dos informes da pesquisa documental, ação essencial para a obtenção de insights sobre o material analisado a partir das falas.

Por fim, Yin (2010) afirma que independente da forma que sejam realizadas a coleta e a análise de dados, se faz necessário respeitar e prevenir eventos que direcionem o pesquisador ao lado contrário do rigor científico, porque, em alguns casos, o pesquisador finca-se em seu contexto de pesquisa, a fim de responder ao problema e aos objetivos formulados, e esquece que podem ocorrer problemas que fogem ao seu controle. Daí a importância de pensar com certa antecedência os cuidados que devem ser tomados para evitar deslizes em campo.