Transformação digital: uso de clusterização na formulação de políticas de aumento da maturidade digital de empresas brasileiras

• Ano de defesa: 2025
• Autor(a) principal: Ilogti, Karen Cristina Leal da Slva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Brasileiro de Ensino, Desenvolvimento e Pesquisa
• Palavras-chave em Português: Maturidade digital; Políticas públicas; Segmentação empresarial; Tranformação digital
• Link de acesso: https://repositorio.idp.edu.br//handle/123456789/5410

A transformação digital é um processo estratégico essencial para o fortalecimento da competitividade do setor produtivo brasileiro. Contudo, a ampla heterogeneidade das empresas em termos de porte, setor e distribuição regional impõe desafios à formulação de políticas públicas padronizadas. Este trabalho investiga o uso de técnicas de clusterização como alternativa metodológica para segmentar empresas segundo seus níveis de maturidade digital e, assim, subsidiar o desenho de políticas mais direcionadas e eficazes. Utilizando dados da 6ª edição do Índice de Maturidade Digital - IMD da Agência Brasileira de Desenvolvimento Industrial - ABDI, aplicado a 2.000 empresas, foram testados diferentes métodos de clusterização, incluindo hierárquico, k-means, k-modes e Partitioning Around medoids – PAM. A qualidade dos agrupamentos foi avaliada por meio dos índices Calinski-Harabasz - CH, Davies-Bouldin - DBI, Silhueta e ANOVA, permitindo a comparação dos métodos e a identificação da abordagem mais eficiente. Os resultados indicaram que o k-means apresentou o melhor desempenho, com maior separação dos clusters, com um CH de 630,96, menor sobreposição entre grupos segundo o índice DBI de 1,53 e uma estrutura bem definida segundo o método Silhueta, que foi de 0,23. Como segunda melhor opção, a classificação feita pela ABDI apresentou resultados satisfatórios, porém com menor eficiência na separação dos agrupamentos dos clusters. Os achados deste estudo indicam que a clusterização utilizando o algoritmo k-means é a melhor abordagem para segmentação das empresas brasileiras quanto à maturidade digital, permitindo uma melhor definição dos grupos e, consequentemente, facilitando a formulação de políticas públicas mais precisas. A categorização IMD ABDI, embora menos eficiente, pode ser considerada uma alternativa viável para análises complementares. Além disso, observou-se que fatores como porte, setor e região influenciam fortemente a distribuição dos clusters, revelando padrões estruturais que a categorização do IMD ABDI não captura plenamente. Os resultados demonstram que a clusterização é uma ferramenta robusta para segmentação de empresas, permitindo a formulação de políticas públicas modulares, progressivas e mais aderentes à realidade de diferentes perfis empresariais.