Fatores críticos de sucesso para a implementação de big data e big data analytics na gestão da cadeia de suprimentos
| Ano de defesa: | 2021 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| 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)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 |
| 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 |