Tecnologias de Gestao Tema6

Tecnologias de Gesto
Tema 6: Inteligncia de Negcios

Autor: Ronaldo Barbosa
Como citar este material:
BARBOSA, Ronaldo. Tecnologias de Gesto: Inteligncia de Negcios. Valinhos: Anhanguera Educacional, 2014.
H cerca de duas dcadas, as fontes de informao se limitavam a jornais, revistas, livros, rdio,
televiso e interaes diretas com outras pessoas ao vivo, por carta ou telefone. No trabalho ou na
vida pessoal, habitvamos um mundo informacionalmente mais simples, que poderamos rotular de
um mundo small data (poucos dados), pelo menos para o cidado comum.
Com a internet, as antigas modalidades de recepo e troca de informaes se mantiveram, mas
novas modalidades apareceram: mensagens eletrnicas, fruns, chats, videoconferncias, redes
sociais, entre outras.
Somado, tudo isso fez com que o volume de troca e acmulo de informaes entre as pessoas se
multiplicasse como nunca acontecera antes. As novas tecnologias ajudam a produzir ondas gigantescas
de dados e informaes que atingem a todos, incluindo as empresas. Isto est ligado ideia de big
data, que corresponde a volumes inusitadamente grandes de dados gerados pela internet, dados que
nem sempre so estruturados e que englobam textos, nmeros, imagens dinmicas e estticas, sons,
grficos, tabelas etc. O conceito de big data interessa muito s empresas e considerado a prxima
fronteira para a inovao, competio e produtividade. Existem muitos exemplos de big data ao nosso
redor. Davenport (2014) aponta alguns, sobretudo considerando que, em 2008, a quantidade de
dispositivos ligados internet ultrapassou o nmero de pessoas no planeta:

Os usurios do YouTube veem mais de 2 bilhes de vdeos por dia.
A empresa de jogos sociais Zynga processa mais de 1 petabyte de dados de jogos por dia.
O sistema Google tem cerca de 1 bilho de acessos por dia.
A presena virtual das pessoas na internet alimenta o big data e revela muito de como elas se
comportam, pelo que se interessam, o que consomem ou sonham consumir.
Por este motivo, no mundo corporativo, a capacidade de absorver e traduzir informaes vindas da
internet ganhou enorme importncia. Vamos a um exemplo.
Imagine que voc viaje para outra cidade em um fim de semana. Para isso, faz as reservas de passagem e hotel pela internet. Vai de txi ao aeroporto, alimenta-se na lanchonete, embarca, depois
2014 Anhanguera Educacional. Proibida a reproduo final ou parcial por qualquer meio de impresso, em forma idntica, resumida ou
modificada em lngua portuguesa ou qualquer outro idioma.
Tecnologias de Gesto | Tema 6

desembarca. Na cidade destino, pega um txi do aeroporto e se dirige ao hotel. Nos dias que se seguem, faz uma srie de passeios, geralmente utilizando o carto de crdito ou dbito. Nos intervalos
de todas as atividades ou mesmo durantes elas, usa a internet para enviar fotos, vasculhar a rede
para selecionar passeios, restaurantes, trocar impresses sobre o que v etc. Prximo de retornar
sua cidade de origem, aproveita para comprar lembranas para os amigos e envia mais mensagens.
As operaes bancrias que voc realizou e tambm o que voc fez na internet deixaram um rastro
pelo caminho que voc trilhou tanto na internet quanto fora dela. A novidade que esse rastro
acessvel a sistemas de informao que operam junto a grandes bases de dados externas. Voc no
sabe, mas muitos sistemas acompanharam voc na viagem e podem descrever muitas de suas atividades, so capazes de traar um perfil razoavelmente aproximado do tipo de consumidor que voc .
Multiplique isso por milhares de pessoas que fizeram o mesmo passeio que voc no mesmo final de
semana e pense que isso se repete o tempo todo com os turistas que chegam... A coleta de dados
contnua! Depois de filtrados, esses dados do uma ideia do perfil do visitante onde vai, quanto
gasta, em que pode gastar da prxima vez, em que tipo de promoo pode estar interessado ao
planejar a prxima viagem... No h limites. Pense em sistemas como o Netflix, que oferece filmes
a partir de suas escolhas, ou sistemas automatizados de envio de ofertas de produtos a partir de
suas consultas de preos no Google. Esse o mundo big data!
As empresas esto cada vez mais interessadas neste tipo de rastreamento por razes bvias: quanto mais conhecerem o cliente atual ou potencial, maior a probabilidade de conquist-lo e mant-lo
fiel. Tudo isso faz parte de uma nova rea da inteligncia de negcios que estudaremos neste tema.
Bons estudos!
Saiba Mais!
Conhea melhor o big data:
TAURION, Cezar. Voc realmente sabe o que Big Data? 30 abr. 2012. Disponvel
em: http://goo.gl/wqK4Go. Acesso em: 24 jun. 2014.
BIG DATA: do conceito ao uso nos negcios. 28 set. 2013. Disponvel em: <https://
www.youtube.com/watch?v=d4C86n-em1g>. Acesso em: 7 jul. 2014.
Se as empresas dependem de produtos, servios e clientes, ento precisam estar preparadas para
responder perguntas como: Quem so os clientes? e Onde esto os clientes?. Responder a essas
perguntas parte da inteligncia de negcios requerida nas organizaes atualmente. Como vimos, o
big data corresponde a um imenso volume de dados gerado continuamente na internet. Uma tcnica
tipicamente associada inteligncia de negcios e ao big data a data mining ou minerao de dados.
Data Mining ou Minerao de Dados
O data mining pode ser pensado como uma tecnologia de software e aplicaes correlatas que
transformam dados em informaes relevantes. Em uma linguagem um pouco mais tcnica, o data
mining permite a identificao automtica ou semiautomtica de padres interessantes, at ento
desconhecidos, em grandes massas de dados, por meio do uso de algoritmos de computao e
de tcnicas estatsticas avanadas. Dito de outro modo, data mining o processo de extrao de
informaes vlidas, no conhecidas anteriormente, provenientes de grandes bancos de dados,
para sua utilizao em decises empresariais cruciais. A descoberta de informao relevante em
bancos de dados um processo no trivial de identificao de padres de dados, vlidos, recentes,
potencialmente teis e, em ltima anlise, inteligveis.
Existem inmeras aplicaes para a tcnica de data mining. Entre elas, as tcnicas podem ser
aproveitadas para explicar algo, para confirmar uma hiptese e para descobrir alguma coisa.
Exemplos:
Explicar: Por que caiu a venda de sorvetes no Rio de Janeiro neste vero?
Confirmar uma hiptese: Uma companhia de seguros quer examinar os registros de seus clientes
para determinar se famlias que possuem duas rendas tm maior probabilidade de adquirir um
plano de sade do que famlias de uma nica renda.
Descobrir: Uma companhia de carto de crdito quer analisar seus registros histricos para
determinar que fatores esto associados a pessoas que representam riscos para crditos.
As organizaes de servios de sade e de servios sociais utilizam-se de tcnicas de minerao
de dados para descobrir pagamentos em excesso ou atraso, fraudes, reclamaes em duplicata,
servios mal-organizados, solicitantes de emprstimos no qualificados, pedidos de melhoria de
servios, entre muitas outras possibilidades.
Swift (2001, p. 106) esclarece sobre o data mining:
Surgiu uma nova gerao de ferramentas de minerao de dados, dirigida aos
usurios nas empresas, em vez de aos peritos. Essas ferramentas escondem
complexidades dos algoritmos sob a superfcie e so toleravelmente
utilizveis por sofisticados analistas de negcios, pessoas que conhecem
como os problemas das empresas esto sendo atendidos e entendem os
dados envolvidos em suas solues.
Vamos analisar dois exemplos interessantes que mostram como o data mining est associado

diretamente descoberta - um de minerao em textos e outro mais usual, de minerao de
dados. A minerao de dados inclui a minerao de textos, que o processo de extrair padres e
tendncias a partir de um texto.
O texto, a seguir, foi publicado por um internauta em um frum de discusso aberto sobre o governo
americano. O internauta escreveu:
Detesto a maneira como o presidente constantemente atacado. Tudo
bem que ele comete erros gramaticais grande coisa! As suas polticas de
imigrao so ok! Temos de estar dispostos a tomar atitudes firmes. Mas
acho maluquice a sua ideia de privatizar a previdncia social. No sei se as
tropas enviadas ao Iraque votariam nele novamente, mas elas esto fazendo
o que deve ser feito. [Autor: Bobstud 189]
Ao rodar um software de minerao de textos neste trecho, obteve-se como sada o seguinte
relatrio (Tabela 6.1):
Tabela 6.1 Resultado da execuo de um software de minerao de texto (MAEX, 2013).
Sentimento
Tpico
Positivo em relao a
Bush; polticas de imigrao.
Negativo em relao a
Privatizar a previdncia social.
Neutro em relao a
Erros gramaticais.
Note que quem leu o texto foi um software de minerao. Se voc rodar o software em milhares
de textos em milhares de fruns semelhantes, talvez consiga obter resultados significativos sobre a
impresso que muitas pessoas tm sobre o governo, admitindo que o que elas escrevem corresponde
ao que realmente pensam. Na realidade, segundo Maex (2013), esta tcnica j capaz de alcanar
resultados semelhantes aos institutos de pesquisa de opinio mais tradicionais.
Vamos ver um segundo exemplo de aplicao de data mining em uma grande base de dados, a
partir do que foi analisado por Amaral (2001). Segundo ele, a rea de marketing direto se interessa
pela descrio de provveis consumidores.
Vamos imaginar uma base de dados de uma grande empresa do setor de telecomunicaes.
Essa base possui cerca de 325 mil registros (blocos de informao) e nove atributos (campos de
informao em cada registro) que permitem caracterizar determinado cliente com um perfil.
O objetivo identificar o perfil residencial ou comercial e lanar uma campanha tendo foco
nos clientes residenciais. Esse perfil traado com base em alguns parmetros: frequncia de
ligaes, horrio e dia das ligaes, tipo de tarifao.
Esses atributos permitem atribuir certo grau de probabilidade. Por exemplo, uma ligao de
madrugada feita a cobrar no final de semana provavelmente partiu de um cliente residencial. Porm,
no podemos apenas imaginar isso, precisamos extrair essa informao concretamente da base de
dados. Outro fato importante que, mesmo que a base de dados indique explicitamente, em um dos
atributos, que o cliente comercial ou residencial, no temos segurana, porque essa informao
pode perfeitamente no corresponder realidade: uma pessoa pode comprar um telefone do tipo

residencial e us-lo para fins comerciais ou vice-versa.
Por esta razo, cada cliente analisado de acordo com seus hbitos telefnicos e, a partir desta
avaliao, caracterizado como integrante de duas classes (residencial ou comercial), com
determinado grau de probabilidade de isso ser, de fato, uma realidade.
Conforme j dissemos, cada assinante est associado a um registro no banco de dados.
A estrutura do registro a seguinte (Tabela 6.2):
Tabela 6.2 Estrutura de um registro de um banco de dados da companhia telefnica.
Assinante
Assinante de Origem
Tipo_de ligao
1-DDD; 2-local;3-a cobrar; 4-0800; 5 celular
Faixa_tarifao
1-normal, 2-reduzida, 3-super-reduzido, 4-misto,

5-diferenciado
Distncia
Distncia fsica entre a central telefnica do

assinante de origem e de destino
Fim_semana
S-sbado ou domingo; N-dia da semana
Minutos
Durao da ligao em minutos
Receita
Valor gasto com a ligao
Num_ligaes
Quantidade de ligaes realizadas no ms
tipo_cliente
R-residencial, C-comercial
Vamos imaginar a base de dados como uma tabela parecida com a Tabela 6.3, excetuando o fato
de que esta tem somente dois registros (notemos que as colunas da tabela so os atributos). A base
que nos interessa tem mais de 325 mil registros parecidos com estes:
Tabela 6.3 Dois registros da base de dados da companhia telefnica.
Assinante
Tipo de
ligao
Faixa
Distncia
Fim de
Minutos Receita
semana
Nmero
de ligaes
Tipo de
cliente
Jos
10
15
40
13
Luiza
15
140
320
83
Note como o perfil da Luiza mais comercial do que o do Jos, afinal, Luiza no realiza ligaes de
final de semana e faz um nmero de ligaes maior.Porm, fcil comparar quando voc tem dois
registros, mas na base h mais de 325 mil registros!
No se esquea de qual o objetivo da minerao de dados aqui: buscar perfis de clientes comerciais.
O exemplo que veremos obtido com a utilizao de um software de minerao de dados chamado
WizRule http://www.wizsoft.com/index.php/products/wizrule. Aplicamos o software de data mining e
obtemos como relatrio de sada uma srie de regras do tipo se-ento que nos d uma ideia melhor
do que temos na base.

Regra 1:
SE TIPO_LIGACO 0800 E NMERO DE LIGAES ENTRE 4 E 12

ENTO TIPO DE CLIENTE COMERCIAL
PROBABILIDADE REGRA: 0,863
A REGRA EXISTE EM 10.565 REGISTROS
Esta regra tem alta probabilidade de ocorrncia e j sinaliza a importncia das ligaes 0800 para
nosso pblico-alvo: cliente comercial.
Regra 2:
SE TIPO_LIGACO 0800 E FAIXA DE TARIFAO DIFERENCIADO

Esta regra tem alta probabilidade. Observe como faz uma interessante associao entre a faixa de
tarifao e o uso de 0800.
Regra 3:
SE TIPO_LIGACO 0800

Esta regra mostra que h mais de 80% de probabilidade de que os fazedores de ligao 0800 sejam
clientes do tipo comercial.
Regra 4:
SE TIPO_LIGACO 0800 E FAIXA DE TARIFAO NORMAL E MINUTOS EST ENTRE 4 E 26

Esta regra nos ajuda a perceber o perfil do cliente comercial que nos interessa. Por exemplo, ele
interessado no uso de 0800 e, ao mesmo tempo, utiliza tarifao normal. A probabilidade superior
da Regra 3, que s continha uso de 0800.

Regra 5:
SE TIPO_LIGACO DDD E FAIXA DE TARIFAO REDUZIDA

ENTO TIPO DE CLIENTE RESIDENCIAL
Esta regra mostra que o usurio que usa DDD e tarifao reduzida tem mais de 80% de probabilidade
de ser residencial. bom saber isso, talvez, para no investir em campanhas voltadas ao uso de
DDD, afinal, queremos usurios comerciais.
Regra 6:
SE TIPO_LIGACO LOCAL E FIM DE SEMANA NO

E MINUTOS ENTRE 4 E 26
E NMERO DE LIGAES ENTRE 1 E 3


Procure julgar voc mesmo(a) esta regra, com base no objetivo da minerao que estamos realizando.
Regra 7:
SE FAIXA DE TARIFAO REDUZIDA

Esta regra ajuda a definir a relao entre tarifao reduzida e cliente residencial. Como estamos
interessados no cliente comercial, ela tambm pode ser relevante para identificar o perfil que no
nos interessa.

Regra 8:
SE FAIXA DE TARIFAO DDD E FIM DE SEMANA SIM

Idem anterior.
Regra 9:
SE FAIXA DE TARIFAO A COBRAR E FIM DE SEMANA SIM

Esta regra associa ligao a cobrar e fim de semana para apontar a probabilidade de o cliente ser residencial.
Perceba como, por meio do software de minerao de dados, passamos a conhecer melhor o que
existe na base de dados que contm mais de 300 mil registros. Os dados dos registros da base
fornecem informaes combinadas que, sem o software, no seramos capazes de detectar.
Talvez voc esperasse encontrar informaes mais prontas ou completas como resultado da
minerao de dados. O resultado encontrado um tanto vago, depende do grau de preciso que se
busca e dos objetivos traados.
O software de data mining pode ser configurado para rodar novamente, com outros parmetros e at
com outro algoritmo instalado no mesmo software. Aqui ele foi configurado para gerar um relatrio de
sada na forma de regras, mas outros softwares podem gerar outros tipos de relatrio. Podemos ainda
recorrer a outros softwares com algoritmos diferentes e comparar resultados ou at utilizar softwares
que usem como entrada o que outros softwares de data mining geraram como sada.
Lembre-se de que a minerao um trabalho de descoberta em grandes bases de dados. Assim
como na minerao de ouro, as pepitas informacionais muito valiosas provavelmente existem,
mas no fcil descobrir onde esto. Note, tambm, que o fator humano preponderante, afinal,
o data mining opera segundo uma estratgia e no gera resultados isolados e prontos. Resultados
tm de ser interpretados e balanceados para serem descartados ou aproveitados ou, ainda, para
que se tente alcanar resultados usando outras ferramentas isoladas ou combinadas.
Gesto do Conhecimento: Modelo de Criao do Conhecimento
Em perspectiva diferente da ferramenta anterior, abordamos aqui uma ferramenta mais conceitual
de apoio gesto das empresas.
Muitas ferramentas de gesto importantes esto relacionadas Gesto do Conhecimento (GC). A Gesto

do Conhecimento visa criao, disseminao e apropriao do conhecimento novo nas organizaes.
Robbins (2005) aponta trs razes essenciais para a valorizao do tema gesto do conhecimento:
1. Atualmente, ativos intelectuais se tornaram to importantes quanto ativos financeiros.
2. medida que colaboradores se aposentam ou se afastam, os conhecimentos que
possuem so perdidos.
3. A gesto do conhecimento torna a empresa muito mais eficiente por estimular a criao
de conhecimentos novos.
O conhecimento novo, resultante da gesto do conhecimento, pode significar uma inovao em si
e tambm uma melhoria que ocorre em um processo, fruto de uma boa ideia de um colaborador.
Embora o conhecimento novo no corresponda diretamente inovao, pode ser um estmulo
para que os colaboradores criem, disseminem e se apropriem de conhecimentos novos, de modo
que os trabalhadores possam colaborar e compartilhar. Por isso, a gesto do conhecimento est
profundamente alinhada ao cenrio tecnolgico que vivemos hoje na web 2.0.
Saiba Mais!
Entenda melhor a chamada web 2.0!
SIGNIFICADO de Web 2.0. Disponvel em: http://www.significados.com.br/web-2-0/.
Acesso em: 10 jul. 2014.
Em pesquisas sobre o que seria necessrio para colocar as empresas no caminho das inovaes,
pesquisadores japoneses propuseram um modelo em que a negociao do par conhecimento
tcito-conhecimento explcito, oriunda das teorias de Michael Polanyi, seria geradora da inovao,
cabendo aos gestores das organizaes impulsionar tais interaes, a fim de enfrentar melhor os
desafios do sculo XXI (NONAKA; TAKEUCHI, 2008).
O modelo afirma que a capacidade de criao do conhecimento novo est potencialmente presente
em todas as pessoas em forma tcita (oculta), que no se pode controlar o conhecimento novo
e que somente a empresa capaz de criar conhecimento novo pode ser uma empresa inovadora,
habilitada a sobreviver no contexto de alta concorrncia do sculo XXI.
O modelo uma espcie de apologia ao aprender-fazendo e ao compartilhamento de experincias,
quando o que se busca aprender tem parcelas importantes de conhecimento tcito.
Vamos considerar duas formas gerais de como o conhecimento dividido nas pessoas e nas
empresas, segundo Nonaka e Takeuchi (2008).
Conhecimento explcito o conhecimento facilmente comunicvel, registrado em livros, revistas,
artigos e documentos de modo geral. fcil de articular, manipular e transmitir. Esse foi o modo
dominante de conhecimento na tradio ocidental. Um exemplo de conhecimento explcito ocorre
quando um analista pede explicaes a um colega sobre como operar um sistema ou quando
consulta o manual de funcionamento desse sistema para aprender a oper-lo.

Conhecimento tcito o conhecimento que existe na cabea das pessoas, obtido por meio da
experincia que cada um adquiriu ao longo da vida. O conhecimento tcito pessoal, sensvel ao
contexto, por isso, difcil de formalizar e comunicar. o conhecimento incorporado experincia
individual, envolvendo fatores intangveis como crenas pessoais, intuies, emoes e habilidades.
O conhecimento tcito considerado um importante fator de competitividade entre as organizaes.
Ainda no exemplo do sistema, embora as explicaes sobre como oper-lo e o manual possam ser
os mesmos, alguns tcnicos mais experientes iro operar o sistema de forma melhor do que outros
eles tm um conhecimento tcito acumulado. O ponto importante do conhecimento tcito que
difcil de expressar e independe da tecnologia.
Saiba Mais!
Entenda melhor as diferenas entre o conhecimento tcito e o conhecimento explcito:
CASSAPO, Filipe M. O que entendemos exatamente por Conhecimento Tcito e
Conhecimento Explcito. Sociedade Brasileira de Gesto do Conhecimento. Disponvel
em: http://goo.gl/2YBjjI. Acesso em: 10 jul. 2014.
A interao entre as duas formas de conhecimento (tcito e explcito) compe o modelo de espiral do
conhecimento: o conhecimento se origina na mente de um indivduo, desenvolve-se, dissemina-se,
atingindo e podendo modificar toda a empresa. Vrias converses de conhecimento tcito-explcito
so previstas em um processo contnuo. Se voc pensar na forma como hoje as informaes e o
conhecimento se tornaram facilitados pelas novas tecnologias, entender melhor o desafio que
lidar com o conhecimento tcito.
Para as empresas, a valorizao do conhecimento tcito a chave para tornar a organizao inovadora,
porque se volta mais para o conhecimento do que para a informao. Uma ideia inovadora nasce
do conhecimento individual e se amplifica, atingindo grupos maiores, setores e toda a organizao.
Durante os processos de converso de conhecimento tcito em conhecimento explcito ocorre toda
a cadeia de transformaes, desde o insight criativo de um indivduo que cria um novo conceito at
a etapa final de um ciclo que pode se converter em uma inovao que chegou aos mercados. Novos
ciclos aprofundam o processo e geram novas inovaes em escala no controlvel por isso, no
se pode prever totalmente o alcance das inovaes.
Espiral do Conhecimento e da Inovao

Como j mencionamos, as converses de conhecimento explcito-tcito visam criar conhecimento
novo, que combustvel da gerao da inovao. As converses classificam-se nas seguintes
etapas (Figura 6.1), apresentadas em espiral, nesta ordem, segundo o modelo de criao do
conhecimento de Nonaka & Takeuchi (2008):
S - Socializao: converso de conhecimento tcito para tcito
um processo de compartilhamento de experincias e, a partir da, de criao do conhecimento
tcito, na forma de modelos mentais e habilidades tcnicas compartilhadas. Um indivduo pode
desenvolver conhecimento tcito diretamente de outros indivduos, sem usar a linguagem. O
10

aprendiz trabalha com seu mestre e aprende sua arte sem depender da fala, ou seja, somente por
meio de observao, imitao e prtica. Portanto, a Socializao est associada a aprender pelo
exemplo e a aprender fazendo. Opera em um campo especfico de interao, por exemplo, no
dilogo com o cliente, pela observao do cliente ou pela experincia compartilhada com o cliente.
E - Externalizao: converso de conhecimento tcito para explcito
um processo de articulao do conhecimento tcito em termos explcitos, que pode ser definido
tambm como um processo de criao do conceito novo. Pode ser considerado o processo de
converso mais importante no modelo, porque est diretamente associado ao aparecimento de um
novo conceito, germe da inovao. Nesta fase, emergem as hipteses que iro motivar dilogos e
uma espcie de reflexo coletiva que ocorrer na prxima etapa.
C - Combinao: converso de conhecimento explcito para conhecimento explcito
Corresponde a um processo de sistematizao de conceitos, face a um sistema de conhecimento
preexistente. Esse modo de converso do conhecimento envolve a combinao de conjuntos
diferentes de conhecimento explcito. Os indivduos trocam e combinam conceitos por meio de
documentos, reunies, conversas diretas ou redes de comunicao. H reconfigurao das
informaes existentes por meio da classificao, do acrscimo, da categorizao do conhecimento
explcito (como realizado em bancos de dados de computadores). Na indstria, constante a
evoluo e o aperfeioamento de produtos que ocorrem por meio de discusses internas entre os
departamentos. Esta a etapa que mais nfase coloca na tecnologia.
I Internalizao: converso de conhecimento explcito para tcito
Internalizao o processo de incorporao do conhecimento explcito, que se converte em
conhecimento tcito na forma de mudana de base de conhecimentos uma espcie de aprendizagem
coletiva. Quando a maioria dos membros da organizao compartilha um novo modelo mental, o
conhecimento tcito passa a fazer parte da cultura da organizao. Exemplos so o know-how
tcnico acumulado e a aplicao das melhores prticas para a execuo de processos ou, ainda,
uma inovao incorporada cultura da empresa.
11
Figura 6.1 Modelo de criao de conhecimento.

Fonte: Adaptada de Nonaka e Takeuchi (2008)
O processo parte da Socializao e evolui para os processos de Externalizao, Combinao e

Internalizao, de forma contnua, cclica e autoinclusiva. A criao do conhecimento organizacional
uma interao dinmica entre conhecimentos tcito e explcito, e a expanso desse ciclo ocorre
na medida em que seu alcance cada vez maior: do indivduo para o grupo, para a organizao,
para outras organizaes, para um setor inteiro de atividades etc.
Saiba Mais!
Entenda melhor a teoria da criao do conhecimento organizacional.
FROTA, Cristiane Souto et al. Teoria da criao do conhecimento organizacional
Nonaka e Takeuchi. Rio de Janeiro: SEGRAC. Disponvel em: http://goo.gl/XuT3TP.
Acesso em: 10 jul. 2014.
Benchmarking
Ainda no terreno de ferramentas de gesto que visam melhoria e inovao, apontamos a tcnica
de benchmarking. Benchmarking um processo ou tcnica de gesto em que as empresas avaliam
o desempenho de seus processos, sistemas e procedimentos, comparando-os com os melhores
desempenhos de outras organizaes. Essa definio corre o risco de sugerir que o benchmarking
uma tcnica voltada pura imitao entre empresas, o que uma noo incorreta.
A Xerox definiu benchmarking como o processo contnuo de medirmos e compararmos os nossos
produtos, servios e prticas com os mais fortes concorrentes ou com as empresas reconhecidas
12

como lderes da indstria.
Os seguintes passos podem compor uma ao de benchmarking, segundo Baldwin et al. (2008):
1. Planejamento: escolha da empresa que ser referncia e quais so os objetivos do benchmarking.
2. Coleta de dados: coleta de dados por anlise de informaes que so pblicas e das informaes
em fonte primria, como entrevistas, oficinas, visitas de campo etc.
3. Anlises e Comparaes: apontar diferenas da empresa-alvo com a promotora do benchmarking
e identificar fatores responsveis pelos melhores resultados da referncia.
4. Elaborar e implementar plano de mudanas: adaptao dos procedimentos atuais e melhoria da
prpria empresa. O benchmarking converge para a implementao de um plano de mudanas e melhoria.
Capodagli (2010) classifica o benchmarking entre burro e inteligente. O benchmarking burro
passar um ano estudando a empresa lder em um setor e trs anos tentando ser como ela. Nesse
meio tempo, o lder do mercado j se afastou para fazer algo mais notvel. J o benchmarking
inteligente o que voc pode aprender de algum totalmente fora de sua rea.
Saiba Mais!
Conhea melhor o benchmarking:
HILSDORF, Carlos. O que benchmarking? 13 set. 2010. Disponvel em:
http://goo.gl/pyQ9dD. Acesso em: 10 de jul. 2014. Se preferir, clique aqui.
BENCHMARKING.
Disponvel
em:
watch?v=vRoK2JrKVJg>. Acesso em: 10 jul. 2014.
<https://www.youtube.com/
ALFREDO, Alexandre. O negcio copiar rpido. Revista Exame.com, 8 set. 1999.

Disponvel em: http://goo.gl/Xq2y8S. Acesso em: 10 jul. 2014.
13
Algoritmos: um programa que realiza procedimentos para solucionar um problema.

Bases de dados: um conjunto de dados inter-relacionados, organizados de forma a permitir a
recuperao da informao.
Estatsticas: correspondem a um conjunto de mtodos usados para analisar dados.
Hiptese: uma proposio ou suposio ou o conjunto delas, de natureza criativa e terica, aceita
ou no, admissvel ou provvel, mas no comprovada ou demonstrada.
Inovao: novo produto, processo ou servio que soluciona um problema ou atende a uma
necessidade, podendo ser comercializado.
Marketing direto: um sistema interativo de marketing que usa uma ou mais mdias de propaganda
para obter uma resposta que possa ser medida.
Michael Polanyi (1886-1964): filsofo e qumico hngaro que desenvolveu teorias importantes
sobre como ocorre o desenvolvimento da descoberta na cincia e que influenciou as pesquisas na
rea de inovao nas empresas.
Petabyte: byte umaunidade de informao digital. Cada byte representa um nico caractere de
texto em um computador. Outras unidades mltiplas de bytes so apresentadas a seguir:
Instrues
Agora, chegou a sua vez de exercitar seu aprendizado. A seguir, voc encontrar algumas questes
de mltipla escolha e dissertativas. Leia cuidadosamente os enunciados e atente-se para o que est
sendo pedido.
14

Questo 1
Com relao ao conceito de big data, aponte a alternativa correta:
a) Big data corresponde a bancos de dados de algumas grandes empresas.
b) Big data corresponde ao acesso a informaes sigilosas existentes em grandes bancos
de dados.
c) Big data corresponde ao uso intensivo da internet, o que pode representar riscos sade
das pessoas.
d) Big data corresponde a um setor nas empresas de tecnologia dedicado a pesquisar novas
tecnologias na internet.
e) Big data corresponde a imensas quantidades de dados no estruturados a partir dos
quais se extrai informaes de valor para as empresas.
Verifique a resposta correta no final deste material na seo Gabarito.
Questo 2
Com relao gesto do conhecimento e, mais especificamente, s formas de conhecimento tcito
e explcito, podemos afirmar:

I. O conhecimento tcito simples e fcil de ser comunicado.
II. O conhecimento tcito est enraizado nas pessoas na forma de experincias e intuies.
III. Os conhecimentos tcito e explcito so complementares, e suas interaes proporcionam
dinamismo necessrio para criar conhecimento e, consequentemente, inovaes nas
empresas.
Assinale a alternativa correta:

a) Somente as afirmativas II e III esto corretas.
b) Somente a afirmativa I est correta.
c) Somente a afirmativa III est correta.
d) Somente as afirmativas I e II esto corretas.
e) Somente as afirmativas I e III esto corretas.
15

Questo 3
Analise as seguintes sentenas relacionadas tcnica de Benchmarking e aponte V (verdadeiro) ou
F (falso) para cada uma delas:
1.
uma modalidade especial de aprendizado organizacional direcionada revelao

das melhores prticas executadas por determinada organizao.
2.
uma tecnologia de gesto desenvolvida por meio da investigao e por intermdio

da comparao, a fim de verificar o que pode ser melhorado.
3.
uma forma de aprender com as outras empresas o que elas fazem de melhor e por
que fazem to bem e levar esse conhecimento para outra organizao.
4.
a simples interao entre organizaes para troca de ideias e experincias.
5.
uma tcnica ilegal de cpia e imitao de melhores prticas entre empresas.
Aponte a alternativa correta:

a) 1 F; 2 V; 3 V; 4 V; 5 F.
b) 1 V; 2 F; 3 V; 4 V; 5 F.
c) 1 V; 2 V; 3 V; 4 F; 5 F.
d) 1 V; 2 F; 3 F; 4 V; 5 F.
e) 1 V; 2 F; 3 V; 4 F; 5 F.
Questo 4
A Receita Federal de certo pas utiliza tcnicas avanadas para descobrir contribuintes que fujam
s caractersticas dos contribuintes normais de imposto de renda. Esses contribuintes devem cair
na malha fina, isto , entraro em um processo detalhado de verificao de inconsistncias da
declarao, impossibilitando arestituio e, em alguns casos, resultando em investigao mais
aprofundada sobre ocontribuintejunto Receita Federal.
Explique que tcnica o governo provavelmente est utilizando.
Questo 5
Em uma reunio de negcios, apresentada a necessidade de que se desenvolvam solues
inovadoras para os problemas que a empresa vem enfrentando. Como a gesto do conhecimento
e, mais especificamente, o modelo de criao do conhecimento organizacional podem ajudar?
16
Neste tema, vimos alguns assuntos relacionados inteligncia de negcios na era big data,
especificamente a ferramenta data mining. Vimos tambm o conceito de benchmarking e um modelo
bastante conhecido de criao do conhecimento vinculado gesto do conhecimento.
Softwares data mining buscam padres ocultos em grandes massas de dados e podem servir
para obter respostas, confirmar ou refutar hipteses e explorar dados em busca de informaes
relevantes. Benchmarking est relacionado comparao sistemtica de prticas e processos
entre empresas, visando aprendizado e aperfeioamento.
Vimos tambm que a gesto do conhecimento rene tcnicas para aprimorar a criao, disseminao
e apropriao de conhecimento novo nas organizaes.
AMARAL, F. C. N. Data Mining: tcnicas e aplicaes para o marketing direto. So Paulo:

Berkeley Brasil, 2001.
BALDWIN, T. et al. Desenvolvimento de habilidades gerenciais. Rio de Janeiro: Elsevier, 2008.
CAPODAGLI, B. Pixar: lies do playground corporativo mais criativo do mundo. So Paulo:
Saraiva, 2010.
DAVENPORT, T. Dados demais! Como desenvolver habilidades analticas para resolver
problemas complexos, reduzir riscos e decidir melhor. Rio de Janeiro: Elsevier, 2014.
FRANCO, Dcio Henrique; RODRIGUES, Edna de A.; CAZELA, Moiss M. (Orgs.) Tecnologias e
Ferramentas de Gesto. Campinas: Alnea, 2008.
GOLDSCHMIDT, R. Data mining: um guia prtico. Rio de Janeiro: Elsevier, 2005.
MAEX, D. O poder dos nmeros. So Paulo: Saraiva, 2013.
NONAKA, I.; TAKEUCHI, H. Gesto do Conhecimento. Porto Alegre: Bookman, 2008.
ROBBINS, S. Comportamento organizacional. So Paulo: Pearson Prentice Hall, 2005.
SWIFT, R. CRM: o revolucionrio marketing de relacionamento com os clientes. Rio de Janeiro:
Elsevier, 2001.
Questo 1
Resposta correta: Alternativa E.
O big data pode ser compreendido como um conjunto de dados extremamente grandes que necessitam
de ferramentas preparadas para lidar com grandes volumes, de forma que toda e qualquer informao
nestes meios possa ser encontrada, analisada e aproveitada em tempo hbil pelas empresas.
17

Questo 2
Resposta correta: Alternativa A.
Podemos compreender o conhecimento tcito como aquele que o indivduo adquiriu ao longo da
vida ou advm da experincia humana em situaes de trabalho, sendo subjetivo e inerente s
habilidades de uma pessoa. J o conhecimento explcito possvel de codificao em algo que
possa ser utilizado por humanos ou mquinas, tais como livros e manuais. A unio dos dois tipos
de conhecimento possibilita sua complementao, gerando dinamismo e inovaes nas empresas.
Assim, temos que as alternativas corretas so a II e III.
Questo 3
Resposta correta: Alternativa C.
Quanto ao Benchmarking temos:
1. (Verdadeiro) uma modalidade de aprendizado direcionado visando melhores prticas para
a organizao, bem como melhores produtos, para que possa atender seus consumidores.
2. (Verdadeiro) Constitui uma tecnologia de gesto a fim de verificar, por meio de comparao
ou investigao, uma melhor prtica empresarial.
3. (Verdadeiro) Por meio desta ferramenta, a empresa poder aprender com outras empresas
o que fazem de melhor e, possivelmente, aplicar sua empresa.
4. (Falso) O benchmarking no uma simples cpia nem uma troca de ideias, consiste
em um processo de investigao e anlise.
5. (Falso) Esta ferramenta no uma simples cpia de um produto ou processo, mas a
busca pela melhoria constante das empresas e produtos.
Questo 4
O assunto se relaciona a data mining e big data. Um dos grandes interessados em tcnicas de
data mining so os governos. Por meio de cruzamento de dados das declaraes aparecem as
inconsistncias de rendimento, patrimnio, parentesco, entre outras. Um crescimento muito
acentuado de patrimnio de um ano a outro sem o correspondente crescimento na faixa salarial
pode ser sinal de que algo est errado com a declarao. Alm disso, o prprio comportamento do
consumidor na internet, como hbitos de consumo, por exemplo, pode deixar um rastro indicador
para que o governo apure melhor a condio fiscal do contribuinte. Neste caso, com dados no
estruturados na internet, a investigao opera em big data.
Questo 5
A gesto do conhecimento visa estimular a criao, disseminao e aplicao de conhecimentos novos
nas empresas. Conhecimento novo pode se traduzir em inovaes que ajudem a resolver os problemas
que a empresa vem enfrentando. O modelo de Nonaka e Takeuchi valoriza os palpites, insights e
intuies dos colaboradores, isto , valoriza o conhecimento tcito do qual podem emergir as inovaes.
18

Tecnologias de Gestao Tema6

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Tecnologias de Gestao Tema6

Caricato da

Copyright:

Formati disponibili

Tecnologias de Gesto

Tema 6: Inteligncia de Negcios

Os usurios do YouTube veem mais de 2 bilhes de vdeos por dia.

O sistema Google tem cerca de 1 bilho de acessos por dia.

Tecnologias de Gesto | Tema 6

Tecnologias de Gesto | Tema 6

Tecnologias de Gesto | Tema 6

Bush; polticas de imigrao.

Privatizar a previdncia social.

Tecnologias de Gesto | Tema 6

1-DDD; 2-local;3-a cobrar; 4-0800; 5 celular

1-normal, 2-reduzida, 3-super-reduzido, 4-misto,

Distncia fsica entre a central telefnica do

S-sbado ou domingo; N-dia da semana

Durao da ligao em minutos

Valor gasto com a ligao

Quantidade de ligaes realizadas no ms

Tabela 6.3 Dois registros da base de dados da companhia telefnica.

Tecnologias de Gesto | Tema 6

ENTO TIPO DE CLIENTE COMERCIAL

PROBABILIDADE REGRA: 0,863

A REGRA EXISTE EM 10.565 REGISTROS

ENTO TIPO DE CLIENTE COMERCIAL

PROBABILIDADE REGRA: 0,825

A REGRA EXISTE EM 18.495 REGISTROS

ENTO TIPO DE CLIENTE COMERCIAL

PROBABILIDADE REGRA: 0,802

A REGRA EXISTE EM 40.130 REGISTROS

ENTO TIPO DE CLIENTE COMERCIAL

PROBABILIDADE REGRA: 0,825

A REGRA EXISTE EM 8.308 REGISTROS

Tecnologias de Gesto | Tema 6

ENTO TIPO DE CLIENTE RESIDENCIAL

PROBABILIDADE REGRA: 0,802

A REGRA EXISTE EM 39.552 REGISTROS

E NMERO DE LIGAES ENTRE 1 E 3

PROBABILIDADE REGRA: 0,774

A REGRA EXISTE EM 8.255 REGISTROS

PROBABILIDADE REGRA: 0,736

A REGRA EXISTE EM 56.763 REGISTROS

Tecnologias de Gesto | Tema 6

PROBABILIDADE REGRA: 0,731

A REGRA EXISTE EM 28.571 REGISTROS

PROBABILIDADE REGRA: 0,709

A REGRA EXISTE EM 13.055 REGISTROS

Tecnologias de Gesto | Tema 6

Tecnologias de Gesto | Tema 6

Espiral do Conhecimento e da Inovao

Tecnologias de Gesto | Tema 6

Tecnologias de Gesto | Tema 6

Figura 6.1 Modelo de criao de conhecimento.

O processo parte da Socializao e evolui para os processos de Externalizao, Combinao e

Tecnologias de Gesto | Tema 6

ALFREDO, Alexandre. O negcio copiar rpido. Revista Exame.com, 8 set. 1999.

Tecnologias de Gesto | Tema 6

Algoritmos: um programa que realiza procedimentos para solucionar um problema.

Tecnologias de Gesto | Tema 6

I. O conhecimento tcito simples e fcil de ser comunicado.

Assinale a alternativa correta:

a) Somente as afirmativas II e III esto corretas.

b) Somente a afirmativa I est correta.

c) Somente a afirmativa III est correta.

d) Somente as afirmativas I e II esto corretas.

e) Somente as afirmativas I e III esto corretas.