BIG DATA ANALYTICS E A GERAÇÃO DE DIFERENCIAIS COMPETITIVOS
Gerar diferenciais competitivos tem sido o foco de micros, pequenas, médias e grandes organizações de distintos segmentos econômicos. Esse fato está relacionado ao acirrado mercado em que atuam, à internacionalização da economia e ao uso massivo de tecnologias de informação e comunicação para se relacionarem com clientes e fornecedores. Nesse contexto competitivo, a aplicação de recursos de gestão e análise da informação voltados à tomada de decisão organizacional se constitui em elemento essencial para a geração de diferenciais competitivos.
Nessa perspectiva, o big data analytics subsidia os gestores a desenvolverem uma visão crítica do negócio, possibilitando maior compreensão em relação as situações complexas que envolvem o ambiente organizacional e os atores que fazem parte da cadeia produtiva na qual a organização está inserida.
O big data apresenta como características principais: volume (quantidade de dados produzidos); velocidade (com que os dados são produzidos); variedade (de formatos e canais de distribuição). Além disso, existem outras características que também estão presentes: veracidade (qualidade dos dados); valor (importância dos dados); volatilidade (duração da utilidade dos dados); validade (autenticidade dos dados); variabilidade (diferenciação dos dados); visualização (representação abstrata dos dados); vulnerabilidade (riscos e segurança dos dados); viralização (propagação dos dados); viscosidade (diferença entre a ocorrência do evento e a descrição do evento); vagueness (imprecisão dos dados); venue (diferentes plataformas de dados); vocabulário (terminologia dos dados); verbosity (redundância dos dados); e versalidade (flexibilidade de uso dos dados).
Figura 1: Características do Big Data.
Fonte Imagem: https://br.pinterest.com/pin/70861394122482610/
Apesar de todos esses aspectos inerentes ao big data, o potencial competitivo que o big data analytics pode proporcionar ainda é elementar, uma vez que depende do ser humano para gerar análises críticas e, como consequência, gerar diferenciais competitivos. O big data analytics visa extrair a partir de grande volume e variedade de dados, por meio da prospecção, seleção e filtragem, o que de fato tem valor para o negócio organizacional.
A aplicação desse recurso tecnológico facilita enormemente o trabalho dos tomadores de decisão, entretanto, a qualidade das decisões tomadas com base no que foi gerado no âmbito do big data analytics depende da qualidade das fontes prospectadas, dos mecanismos de busca programados e aplicados, bem como dos processos implementados para atribuir relevância e valor à massa de dados incorporada. Por último, e o mais importante: o sujeito organizacional precisa ter competência em informação para que possa perceber, apropriar, compreender e construir novo conhecimento. Para tanto, a organização deve além de trabalhar esse contexto tecnológico, desenvolver uma cultura organizacional, cujos valores, ritos e artefatos sejam voltados à inovação.
Quadro 1: Big Data Analytics.
Dimensões |
Elementos |
Recursos Tangíveis |
Dados |
Tecnologias de Informação e de Comunicação (TIC) |
|
Infraestrutura |
|
Competências Humanas |
De Gestão |
Técnica |
|
Social |
|
Política |
|
Comunicacional |
|
Ética |
|
Recursos Intangíveis |
Cultura Organizacional |
Aprendizagem Organizacional |
Fonte: Adaptada e traduzida de Mikalef et al. (2020).
Dessa maneira, é necessário desenvolver competências no coletivo organizacional, propiciando estratégias de ação de curto, médio e longo prazos, envolvendo desde os processos operacionais até os processos inovativos. A organização deve proporcionar as condições necessárias para que as três dimensões supracitadas sejam trabalhadas de modo consistente e, assim, usufruir do big data analytics para a geração de diferenciais competitivos.
REFERÊNCIAS
MIKALEF, P.; KROGSTIE, J.; PAPPAS, I. O; PAVLOU, P. Exploring the relationship between big data analytics capability and competitive performance: The mediating roles of dynamic and operational capabilities. Information & Management, v.57, n.2, Mar. 2020. Disponível em: https://doi.org/10.1016/j.im.2019.05.004. Acesso em: 7 abr. 2021.