Fatores críticos de sucesso para a implementação de big data e big data analytics na gestão da cadeia de suprimentos

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Silva, Airton Martins [UNESP]
Orientador(a): Tramarico, Claudemir Leif
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/11449/214390
Resumo: Os dados são uma das principais ferramentas utilizadas na tomada de decisão em uma organização. Eles podem auxiliar a empresa a definir novos investimentos, corte de gastos, otimizar processos, entre outras operações. Entretanto, de nada adianta ter informações disponíveis se a procedência dos dados é ultrapassada ou não foi devidamente validada. Com a utilização da tecnologia Big Data e Big Data Analytics, dados estruturados ou não, passam a ter uma relevância maior ainda nas tomadas de decisões, tornando o processo cada vez mais eficiente. Sendo assim, esta dissertação teve como objetivo propor um procedimento de análise da aplicação de Big Data e Big Data Analytics nos processos de distribuição da cadeia de suprimentos. A pesquisa buscou a identificação dos fatores críticos de sucesso e no uso de método de decisão multicritério, incluindo o Analytic Hierarchy Process (AHP) com os critérios de Benefícios, Oportunidades, Custos e Riscos (BOCR). Na avaliação das alternativas, Big Data Analytics apresentou maior destaque na prioridade com uma margem superior de 9 pontos percentuais sobre Big Data. Os resultados foram apresentados e validados pelos especialistas que consideraram os fatores julgados como os principais para o sucesso na implementação da tecnologia.
id UNSP_d9c1e003287db69d4a9caf2ed14e275f
oai_identifier_str oai:repositorio.unesp.br:11449/214390
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Silva, Airton Martins [UNESP]Universidade Estadual Paulista (Unesp)Marins, Fernando Augusto SilvaChaves, Antônio AugustoTramarico, Claudemir Leif2021-09-13T16:27:56Z2021-09-13T16:27:56Z2021-06-23http://hdl.handle.net/11449/21439033004080052P0Os dados são uma das principais ferramentas utilizadas na tomada de decisão em uma organização. Eles podem auxiliar a empresa a definir novos investimentos, corte de gastos, otimizar processos, entre outras operações. Entretanto, de nada adianta ter informações disponíveis se a procedência dos dados é ultrapassada ou não foi devidamente validada. Com a utilização da tecnologia Big Data e Big Data Analytics, dados estruturados ou não, passam a ter uma relevância maior ainda nas tomadas de decisões, tornando o processo cada vez mais eficiente. Sendo assim, esta dissertação teve como objetivo propor um procedimento de análise da aplicação de Big Data e Big Data Analytics nos processos de distribuição da cadeia de suprimentos. A pesquisa buscou a identificação dos fatores críticos de sucesso e no uso de método de decisão multicritério, incluindo o Analytic Hierarchy Process (AHP) com os critérios de Benefícios, Oportunidades, Custos e Riscos (BOCR). Na avaliação das alternativas, Big Data Analytics apresentou maior destaque na prioridade com uma margem superior de 9 pontos percentuais sobre Big Data. Os resultados foram apresentados e validados pelos especialistas que consideraram os fatores julgados como os principais para o sucesso na implementação da tecnologia.Data are, the main input in decision making within an organization, data can help direct to a new investment decision, budget cutting, process optimization or many others. However, if the data is outdated or is not fully validated. Big Data and Big Data Analytics, structured data gained matter for decision making, turning the process more effective based on update data. Therefore, this dissertation aimed to propose a procedure for analyzing the application of Big Data and Big Data Analytics in the supply chain distribution processes. The research sought to identify the critical success factors and the use of a multicriteria decision method, including the Analytic Hierarchy Process (AHP) with the criteria of Benefits, Opportunities, Costs and Risks (BOCR). In the assessment of alternatives, Big Data Analytics showed greater prominence in the priority with an upper margin of 9 percentage points over Big Data. The results were presented and validated by the experts who considered the factors judged as the main factors for the successful implementation of the technology.porUniversidade Estadual Paulista (Unesp)Analytic hierarchy processFatores críticos de sucessoGestão da cadeia de suprimentosAnalytic hierarchy processBig dataBig data analyticsCritical success factorsSupply chain managementFatores críticos de sucesso para a implementação de big data e big data analytics na gestão da cadeia de suprimentosCritical Success Factors for Implementing Big Data and Big Data Analytics in Supply Chain ManagementCritical success factors for implementing big data and big data analytics in supply chain managementinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPEngenharia de Produção - FEGGestão e otimizaçãoNão constaUniversidade Estadual Paulista (UNESP), Faculdade de Engenharia, GuaratinguetáOnlineBanca públicaPublicationa4071986-4355-47c3-a5a3-bd4d1a966e4fvirtual::302365-1a4071986-4355-47c3-a5a3-bd4d1a966e4fvirtual::302365-122add0c4-a773-4e47-9426-7c32d166bd5evirtual::181410-122add0c4-a773-4e47-9426-7c32d166bd5evirtual::181410-1THUMBNAILsilva_am_me_guara.pdf.jpgWritten by FormatFilter org.dspace.app.mediafilter.PDFBoxThumbnail on 2023-11-16T06:12:11Z (GMT).Generated Thumbnailimage/jpeg2762https://repositorio.unesp.br/bitstreams/529e9c56-bb1e-4574-9c4d-fe3e29f89e4a/downloadb7a8d0380eff16f47fadd1d0f6cbfc50MD56falseAnonymousREADORIGINALsilva_am_me_guara.pdfsilva_am_me_guara.pdfapplication/pdf956162https://repositorio.unesp.br/bitstreams/85c8f535-5107-4348-b021-7ef6846800fa/download148b4f6eb6866fff143071abbbc6acf7MD54trueAnonymousREADLICENSElicense.txtWritten by org.dspace.content.LicenseUtilstext/plain; charset=utf-83073https://repositorio.unesp.br/bitstreams/927ff7c6-35b2-4359-ad88-826a7498f401/download4325cc1961e336e74a1490e767379ec3MD53falseAnonymousREADTEXTsilva_am_me_guara.pdf.txtWritten by FormatFilter org.dspace.app.mediafilter.TikaTextExtractionFilter on 2023-11-16T06:12:11Z (GMT).Extracted texttext/plain102471https://repositorio.unesp.br/bitstreams/1509ecf4-8adb-4d16-8a54-a2d9ac2d9b58/download267edd9544f92180f20d746d422ad0b1MD55falseAnonymousREAD11449/2143902026-07-25T08:23:47.264744Zopen.accessoai:repositorio.unesp.br:11449/214390https://repositorio.unesp.brRepositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462026-07-25T08:23:47Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)falseTElDRU7Dh0EgUEFSQSBBIERJU1BPTklCSUxJWkHDh8ODTyBPTkxJTkUgREUgRElTU0VSVEHDh8ODTyBPVSBERSBURVNFIFNVQk1FVElEQSBBTyBSRVBPU0lUw5NSSU8gSU5TVElUVUNJT05BTCBVTkVTUA0KDQoxLiBBbyBjb25jb3JkYXIgY29tIGVzdGEgbGljZW7Dp2EsIGV1LCBBaXJ0b24gU2lsdmEgKGFpcnRvbi5tYXJ0aW5zQHVuZXNwLmJyKSwgcmVzcG9uc8OhdmVsIHBlbG8gdHJhYmFsaG8g4oCcRmF0b3JlcyBjcsOtdGljb3MgZGUgc3VjZXNzbyBwYXJhIGEgaW1wbGVtZW50YcOnw6NvIGRlIEJpZyBEYXRhIGUgQmlnIERhdGEgQW5hbHl0aWNzIG5hIGdlc3TDo28gZGEgY2FkZWlhIGRlIHN1cHJpbWVudG9z4oCdIHBvciBtaW0gc3VibWV0aWRvIGFvIFJlcG9zaXTDs3JpbyBJbnN0aXR1Y2lvbmFsIFVORVNQIGUgZGVzZW52b2x2aWRvIG5vIMOibWJpdG8gZGUgdW0gZG9zIHByb2dyYW1hcyBkZSBww7NzLWdyYWR1YcOnw6NvIGRhIFVuaXZlcnNpZGFkZSBFc3RhZHVhbCBQYXVsaXN0YSDigJxKw7psaW8gZGUgTWVzcXVpdGEgRmlsaG/igJ0gKFVORVNQKToNCg0KYSkgYXRlc3RvIHNlciBvIHJlc3BvbnPDoXZlbCBsZWdhbCBwZWxvIHRyYWJhbGhvIHN1Ym1ldGlkbyBlIHBlbG9zIGRhZG9zIGluZm9ybWFkb3MgZHVyYW50ZSBhIHN1Ym1pc3PDo287DQoNCmIpIGF0ZXN0byBxdWUgbyB0cmFiYWxobyBzdWJtZXRpZG8gbsOjbyBpbmZyaW5nZSBsZWlzIGRlIGRpcmVpdG8gYXV0b3JhbDsNCg0KYykgYXRlc3RvIHF1ZSBvIHRyYWJhbGhvIHN1Ym1ldGlkbyBuw6NvIGNvbnTDqW0gcXVhbHF1ZXIgaW5mb3JtYcOnw6NvIGNvbmZpZGVuY2lhbCBtaW5oYSBvdSBkZSB0ZXJjZWlyb3M7DQoNCmQpIGF0ZXN0byBxdWUsIHNlIG9idGl2ZSBmaW5hbmNpYW1lbnRvIHBhcmEgbyBkZXNlbnZvbHZpbWVudG8gZG8gdHJhYmFsaG8gc3VibWV0aWRvLCBpbmZvcm1laSBhIGFnw6puY2lhIGRlIGZvbWVudG8gZSBvIG7Dum1lcm8gZG8gZmluYW5jaWFtZW50byBkdXJhbnRlIGEgc3VibWlzc8OjbzsNCg0KZSkgYXRlc3RvIHF1ZSBhIHZlcnPDo28gZG8gdHJhYmFsaG8gcHJlc2VudGUgbm8gYXJxdWl2byBzdWJtZXRpZG8gw6kgYSB2ZXJzw6NvIGRlZmluaXRpdmEgcXVlIGluY2x1aSBhcyBhbHRlcmHDp8O1ZXMgZGVjb3JyZW50ZXMgZGEgZGVmZXNhLCBzZSBob3V2ZSBhbGd1bWE7DQoNCmYpIGF0ZXN0byBxdWUgYSB2ZXJzw6NvIGRvIHRyYWJhbGhvIHByZXNlbnRlIG5vIGFycXVpdm8gc3VibWV0aWRvIHNlcsOhIGEgbWVzbWEgdmVyc8OjbyBpbXByZXNzYSBlbnRyZWd1ZSBuYSBTZcOnw6NvIFTDqWNuaWNhIGRlIFDDs3MtR3JhZHVhw6fDo28gY29tIGEgcXVhbCBvIHByb2dyYW1hIGRlIHDDs3MtZ3JhZHVhw6fDo28gZW0gcXVlIG8gdHJhYmFsaG8gZm9pIGRlc2Vudm9sdmlkbyBlc3TDoSB2aW5jdWxhZG87DQoNCmcpIGNvbmNlZG8gw6AgVW5pdmVyc2lkYWRlIEVzdGFkdWFsIFBhdWxpc3RhIOKAnErDumxpbyBkZSBNZXNxdWl0YSBGaWxob+KAnSBvIGRpcmVpdG8gbsOjbyBleGNsdXNpdm8gZGUgZGlzcG9uaWJpbGl6YXIsIGRlIGNvcGlhciBlIGRlIGRpc3RyaWJ1aXIsIHBvciBtZWlvIGRlIHNldXMgYW1iaWVudGVzIGluc3RpdHVjaW9uYWlzIGRlIGFjZXNzbyByZXN0cml0byBvdSBhYmVydG8gYW8gcMO6YmxpY28gZ2VyYWwsIHNlbSByZXNzYXJjaW1lbnRvIGRlIGRpcmVpdG9zIGF1dG9yYWlzLCBvIHRyYWJhbGhvIHN1Ym1ldGlkbyBlIG9zIGRhZG9zIGluZm9ybWFkb3MgZHVyYW50ZSBhIHN1Ym1pc3PDo287DQoNCmgpIGNvbmNlZG8gw6AgVW5pdmVyc2lkYWRlIEVzdGFkdWFsIFBhdWxpc3RhIOKAnErDumxpbyBkZSBNZXNxdWl0YSBGaWxob+KAnSBvIGRpcmVpdG8gbsOjbyBleGNsdXNpdm8gZGUgcmVhbGl6YXIgcXVhaXNxdWVyIGFsdGVyYcOnw7VlcyBuYSBtw61kaWEgb3Ugbm8gZm9ybWF0byBkbyBhcnF1aXZvIHBhcmEgcHJvcMOzc2l0b3MgZGUgcHJlc2VydmHDp8OjbyBkaWdpdGFsLCBkZSBhY2Vzc2liaWxpZGFkZSBlIGRlIG1lbGhvciBpZGVudGlmaWNhw6fDo28gZG8gdHJhYmFsaG8gc3VibWV0aWRvLCBkZXNkZSBxdWUgbsOjbyBzZWphIGFsdGVyYWRvIHNldSBjb250ZcO6ZG8gaW50ZWxlY3R1YWwuDQoNCjIuIEEgVW5pdmVyc2lkYWRlIEVzdGFkdWFsIFBhdWxpc3RhIOKAnErDumxpbyBkZSBNZXNxdWl0YSBGaWxob+KAnSBzZSBjb21wcm9tZXRlIGE6DQoNCmEpIGZvcm5lY2VyIHVtYSBpZGVudGlmaWNhw6fDo28gY2xhcmEgZG8gbm9tZSBkbyBhdXRvciBkdXJhbnRlIGEgZGlzcG9uaWJpbGl6YcOnw6NvLCBlbSBhbWJpZW50ZSBpbnN0aXR1Y2lvbmFsLCBkbyB0cmFiYWxobyBzdWJtZXRpZG87DQoNCmIpIHNlIG5lY2Vzc8OhcmlvLCByZWFsaXphciBhbHRlcmHDp8O1ZXMgbm9zIGRhZG9zIGluZm9ybWFkb3MgZHVyYW50ZSBhIHN1Ym1pc3PDo28gcGFyYSBxdWUgbWVsaG9yIHJlcHJlc2VudGVtIGUgaWRlbnRpZmlxdWVtIG8gdHJhYmFsaG8gc2VtLCBubyBlbnRhbnRvLCBjb21wcm9tZXRlciBzZXUgY29udGXDumRvIGludGVsZWN0dWFsOw0KDQpjKSByZXNwZWl0YXIgYSBkZWNpc8OjbyBkbyBhdXRvciBzb2JyZSBhIHZlcnPDo28gcXVlIGRldmVyw6Egc2VyIGRpc3BvbmliaWxpemFkYSBpbWVkaWF0YW1lbnRlIGFww7NzIG8gYWNlaXRlIGRhIHN1Ym1pc3PDo28sIHNlamEgZWxhIGEgdmVyc8OjbyBpbnRlZ3JhbCBvdSBwYXJjaWFsOw0KDQpkKSByZXNwZWl0YXIgbyBwcmF6byBkZWZpbmlkbyBwZWxvIGF1dG9yIHBhcmEgYSBkaXNwb25pYmlsaXphw6fDo28gZG8gY29udGXDumRvIGludGVncmFsLCBjYXNvIG8gYXV0b3IgdGVuaGEgb3B0YWRvIHBlbGEgZGlzcG9uaWJpbGl6YcOnw6NvIGltZWRpYXRhIGFwZW5hcyBkbyBjb250ZcO6ZG8gcGFyY2lhbCBlIG8gcHJhem8gZGVmaW5pZG8gZXN0ZWphIGRlbnRybyBkZSAyIChkb2lzKSBhbm9zIGFww7NzIGEgZGVmZXNhOw0KDQplKSBuw6NvIHJlYWxpemFyIGFsdGVyYcOnw7VlcyBubyBhcnF1aXZvIGVudmlhZG8gYWzDqW0gZGFxdWVsYXMgZGVzY3JpdGFzIG5lc3RhIGxpY2Vuw6dhLg0KDQpTw6NvIFBhdWxvLCBUaHUgU2VwIDA5IDA2OjQxOjE0IEJSVCAyMDIxLg==
dc.title.pt.fl_str_mv Fatores críticos de sucesso para a implementação de big data e big data analytics na gestão da cadeia de suprimentos
dc.title.alternative.pt.fl_str_mv Critical Success Factors for Implementing Big Data and Big Data Analytics in Supply Chain Management
Critical success factors for implementing big data and big data analytics in supply chain management
title Fatores críticos de sucesso para a implementação de big data e big data analytics na gestão da cadeia de suprimentos
spellingShingle Fatores críticos de sucesso para a implementação de big data e big data analytics na gestão da cadeia de suprimentos
Silva, Airton Martins [UNESP]
Analytic hierarchy process
Fatores críticos de sucesso
Gestão da cadeia de suprimentos
Analytic hierarchy process
Big data
Big data analytics
Critical success factors
Supply chain management
title_short Fatores críticos de sucesso para a implementação de big data e big data analytics na gestão da cadeia de suprimentos
title_full Fatores críticos de sucesso para a implementação de big data e big data analytics na gestão da cadeia de suprimentos
title_fullStr Fatores críticos de sucesso para a implementação de big data e big data analytics na gestão da cadeia de suprimentos
title_full_unstemmed Fatores críticos de sucesso para a implementação de big data e big data analytics na gestão da cadeia de suprimentos
title_sort Fatores críticos de sucesso para a implementação de big data e big data analytics na gestão da cadeia de suprimentos
author Silva, Airton Martins [UNESP]
author_facet Silva, Airton Martins [UNESP]
author_role author
dc.contributor.institution.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.contributor.committeeMember.none.fl_str_mv Marins, Fernando Augusto Silva
Chaves, Antônio Augusto
dc.contributor.author.fl_str_mv Silva, Airton Martins [UNESP]
dc.contributor.advisor1.fl_str_mv Tramarico, Claudemir Leif
contributor_str_mv Tramarico, Claudemir Leif
dc.subject.por.fl_str_mv Analytic hierarchy process
Fatores críticos de sucesso
Gestão da cadeia de suprimentos
Analytic hierarchy process
Big data
Big data analytics
Critical success factors
Supply chain management
topic Analytic hierarchy process
Fatores críticos de sucesso
Gestão da cadeia de suprimentos
Analytic hierarchy process
Big data
Big data analytics
Critical success factors
Supply chain management
description Os dados são uma das principais ferramentas utilizadas na tomada de decisão em uma organização. Eles podem auxiliar a empresa a definir novos investimentos, corte de gastos, otimizar processos, entre outras operações. Entretanto, de nada adianta ter informações disponíveis se a procedência dos dados é ultrapassada ou não foi devidamente validada. Com a utilização da tecnologia Big Data e Big Data Analytics, dados estruturados ou não, passam a ter uma relevância maior ainda nas tomadas de decisões, tornando o processo cada vez mais eficiente. Sendo assim, esta dissertação teve como objetivo propor um procedimento de análise da aplicação de Big Data e Big Data Analytics nos processos de distribuição da cadeia de suprimentos. A pesquisa buscou a identificação dos fatores críticos de sucesso e no uso de método de decisão multicritério, incluindo o Analytic Hierarchy Process (AHP) com os critérios de Benefícios, Oportunidades, Custos e Riscos (BOCR). Na avaliação das alternativas, Big Data Analytics apresentou maior destaque na prioridade com uma margem superior de 9 pontos percentuais sobre Big Data. Os resultados foram apresentados e validados pelos especialistas que consideraram os fatores julgados como os principais para o sucesso na implementação da tecnologia.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-09-13T16:27:56Z
dc.date.available.fl_str_mv 2021-09-13T16:27:56Z
dc.date.issued.fl_str_mv 2021-06-23
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/214390
dc.identifier.capes.none.fl_str_mv 33004080052P0
url http://hdl.handle.net/11449/214390
identifier_str_mv 33004080052P0
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
bitstream.url.fl_str_mv https://repositorio.unesp.br/bitstreams/529e9c56-bb1e-4574-9c4d-fe3e29f89e4a/download
https://repositorio.unesp.br/bitstreams/85c8f535-5107-4348-b021-7ef6846800fa/download
https://repositorio.unesp.br/bitstreams/927ff7c6-35b2-4359-ad88-826a7498f401/download
https://repositorio.unesp.br/bitstreams/1509ecf4-8adb-4d16-8a54-a2d9ac2d9b58/download
bitstream.checksum.fl_str_mv b7a8d0380eff16f47fadd1d0f6cbfc50
148b4f6eb6866fff143071abbbc6acf7
4325cc1961e336e74a1490e767379ec3
267edd9544f92180f20d746d422ad0b1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1878343657309863936