Análise Comparativa entre o uso de diferentes Ferramentas de Business Intelligence e o Desenvolvimento de Inovação em Processos
Notice bibliographique
Résumé
As empresas cada vez mais necessitam gerenciar os dados de forma rápida e eficaz. O problema de pesquisa visa responder o questionamento: Como as diferentes ferramentas de BI podem contribuir, por meio dos elementos de Big Data, com o desenvolvimento de inovação em processos? O objetivo deste estudo foi realizar uma análise comparativa entre diferentes ferramentas de BI, e como elas contribuem para o desenvolvimento de inovação em processos. O método usado foi o qualitativo, por meio de um estudo de caso, com aplicação de entrevistas, e análise de conteúdo com a técnica de Bardin. Realizou-se uma análise comparativa entre três das principais plataformas de Business Intelligence, em termos de qualidade, eficiência, rapidez, segurança e variedade de fontes de dados, se de fato contribuem para a inovação em processos. Como resultados, obteve-se a comprovação da relação entre os três construtos, com isso é possível que as empresas obtenham melhor tomada de decisão, alinhada com os objetivos do negócio. Como as contribuições desse estudo, destaca-se o conceito de BI para apoiar na definição de estratégias para competitividade e inovação nas empresas. Conclui-se, que existe a relação entre os construtos estudados, e pode-se aplicar o estudo em diversas áreas. Como limitações, essa pesquisa impede generalizações, pois foram considerados estudos que utilizam o Big Data, sem aprofundamentos, e faltou explorar o tema em outras áreas e empresas. Recomenda-se estudar os conceitos em outros tipos de cenários, aplicados a outras áreas de estudo, para avaliar o quanto os construtos poderiam contribuir em outras análises.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».