Estágios de Adequação Organizacional Sensível às Configurações Data-Driven
Resumo
As organizações lidam com os seus artefatos de informação de diferentes modos e possuem configurações organizacionais distintas. Um eixo norteador poderá prover subsídios para a resolução de problemas e tomada de decisão de negócio. O percurso metodológico consistiu em um estudo exploratório, consubstanciado na forma de uma revisão narrativa sintética. A pesquisa centrou-se na discussão de diferentes modelos de configuração sensíveis a dados, com foco em se tornar uma organização data-driven, amparada pelo enfoque conceitual e do contexto histórico. Como resultado, foi possível a proposição de hipóteses relacionando os modelos de configuração organizacional e abordagens analíticas com fatores habilitadores para uma jornada data-driven. O estudo também possibilitou qualificar as abordagens para desenvolvimento de análise exploratória de dados, dentre os quais o CRISP-DM, por apresentar um ciclo evolutivo e incremental que favorece a sua aplicação.
Referências
Camargo, R. F. (2021). “A importância dos Tipos de Estrutura Organizacional para um negócio de sucesso”, Treasy, 2016. Disponível em: [link]. Acesso em 11 maio 2021.
Davenport, T. H. and Harris, J. G. (2018). “Competição analítica: vencendo através da nova ciência”, Rio de Janeiro: Alta Books.
Griffin, Jane and Davenport, Tom (2014). “Organizing Analytics - From the inside out”, Deloitte Analytics. Disponível em: [link]. Acesso em 13 maio 2021.
Grossman, Robert L. and Siegel, Kevin P. (2014). “Big Data and Organization Design”, Jornal of Organization Design. Vol. 3, n. 1, p. 20-24.
Kampakis, Stylianos. (2021). “What are the differences between data-driven, data-informed and data-centric”, The Data Scientist, [S.I.], [2020?]. Disponível em: [link]. Acesso em 15 maio 2021.
Kelleher, John D. and Tierney, Brendan. (2018). “Data Science”, 1. Ed. Cambrigde: The MIT Press.
Matias, Alberto Borges (2021). “Tipos de estrutura organizacional: tire suas principais dúvidas”, Inepad Consulting, 2018. Disponível em: [link]. Acesso em 11 maio 2021.
Miranda, Gloria Macias-Lizaso. (2018). “Special Edition on Advanced Analytics in Banking”, McKinsey on Payments. vol. 11, n. 28, p. 1-8, ago.
Poleza, M. and Varvakis, G. (2019). “Processo de transformação digital nas organizações: razões e resultados”.
Provost, Foster and Fawcett, Tom. (2016). “Data Science para Negócios: o que você precisa saber sobre mineração de dados e pensamento analítico de dados”, 1ed. Rio de Janeiro: Alta Books.
Rautenberg, Sandro and Carmo, Paulo Ricardo Viviurka. (2019). “Big Data e Ciência de Dados: complementariedade conceitual no processo de tomada de decisão”, Brazilian Journal of Information Studies: Research Trends. 13:1 p.56-p.67. ISSN 1981-1640.
Sharda, Ramesh; Delen, Dursun and Turban, Efraim. (2019). “Business Intelligence e Análise de Dados para gestão do negócio”, Tradução de Ronald Saraiva de Menezes. 4. Ed. Porto Alegre: bookman.
Stewart, Shayna. (2019). “Are You Data-driven, Data-informed or Data-inspired?”, Amplitude, 7 de jun. Disponível em: [link]. Acesso em 15 maio 2021.
Teixeira, Fernando. (2021). “DDOM: os 6 pilares de uma empresa data-driven”, Mit Sloan Management Review Brasil. Disponível em: [link]. Acesso em 05 jun. 2021.
Teixeira, Thiciane M. C. and Valentim, Marta L. P. (2012). “Estratégias para Disseminação do Conhecimento Organizacional: o papel da arquitetura da informação; Estratégias para la Diseminación del Conocimiento Organizacional: el papel de la arquitectura de la información”, Informação & Informação, v. 17, n. 3, p.165–180, 11 jan.
