INTELIGÊNCIA DE NEGÓCIOS OU CIÊNCIA DE DADOS? O QUE DADOS BIBLIOGRÁFICOS INICIALMENTE NOS DIZEM?
Resumo
A constante evolução tecnológica tem permitido que se gerem dados com maior volume, variedade velocidade. Sob a denominação de big data e dataficação, esse contexto pode gerar dúvidas acerca da relação entre essas áreas, uma vez que, por um lado, continuará o modelo tradicional de business intelligence e que se adequará à essa nova realidade, ou se imporá o novo mundo que se estabelece com a chamada data science e suas novas e complementares formas de análise de dados. De forma a lançar luz sobre a relação entre essas duas áreas, no âmbito acadêmico, esse artigo objetivou identificar se há relação na produção acadêmica da área de business intelligence e data science, considerando características de artigos das respectivas áreas. Nesse sentido, buscou analisar, com base em uma pesquisa bibliográfica que considerou artigos de periódicos publicados na base de dados Scopus, se há alguma forma de sobreposição das duas áreas, considerando características bibliográficas das suas publicações, especificamente seus: autores, palavras-chave e citações. Ao final, com base nos dados coletados, foi realizada uma análise baseada em estatística descritiva, a partir da qual foi possível constatar uma tênue sobreposição entre os trabalhos das áreas estudadas e apontar questões para estudos futuros.
Referências
ANUSHA, R.; KRISHNAN, N. A Conceptual framework to organize large volume of data for business intelligence. 2012 Ieee International Conference on Computational Intelligence and Computing Research (Iccic), p. 752–755, 2012.
BARLAS, P.; LANNING, I.; HEAVEY, C. A survey of open source data science tools. International Journal of Intelligent Computing and Cybernetics, v. 8, n: 3, p.232-261, 2015.
CARTER, D.; SHOLLER, D. Data science on the ground: Hype, criticism, and everyday work. Journal of the Association for Information Science and Technology, v. 67, n. 10, p. 2309–2319, 2016.
CHEN, H.; CHIANG, R. H. L.; STOREY, V. C. Business intelligence and analytics: From big data to big impact. MIS Quarterly: Management Information Systems, v. 36, n. 4, p. 1165–1188, 2012.
CLEVELAND, W. S. Data science: an action plan for the field of statistics. International Statistical Review, v. 69, n. 1, p. 21–26, 2001.
COOPER, D. R.; SCHINDLER, P. S. Métodos de pesquisa em administração. Porto Alegre: Bookman, 2003.
CUKIER, K.; MAYER-SCHOENBERGER, V. The rise of big data. Foreign Affairs, v. 93, n. 3, p. 27-40, may-june, 2013.
DAS, M. et al. Towards methods for systematic research on big data. Proceedings - 2015 IEEE International Conference on Big Data, IEEE Big Data 2015, p. 2072–2081, 2015.
DHAR, V. Data science and prediction. Communications of the ACM, v. 56, n. 12, p. 64–73, 1 dez. 2013.
ELBASHIR, M. Z.; COLLIER, P. A.; DAVERN, M. J. Measuring the effects of business intelligence systems: the relationship between business process and organizational performance. International Journal of Accounting Information Systems, v. 9, n. 3, p. 135–153, 2008.
LARSON, D.; CHANG, V. A review and future direction of agile, business intelligence, analytics and data science. International Journal of Information Management, v. 36, n. 5, p. 700–710, 2016.
LAUDON, K. C.; LAUDON, J. P. Sistemas de Informações Gerenciais. 9. Ed. - São Paulo: Pearson Prentice Hall, 2009.
LUHN, H. P. A business intelligence system. IBM Journal of Research and Development, v. 2, n. 4, p. 314–319, 1958.
MALHOTRA, Naresh K. Pesquisa de marketing: uma orientação aplicada. – Porto Alegre: Brookman, 2006.
MARCONI, M. A; LAKATOS, E. M. Técnicas de pesquisa: planejamento e execução de pesquisas, amostragens e técnicas de pesquisas, elaboração e interpretação de dados. 3.ed. São Paulo: Atlas, 1996.
MISHRA, B. K.;, HAZRA, D.; TARANNUM, K.; KUMAR, M. Business intelligence using data mining techniques and business analytics. In. International Conference on System Modeling & Advancement in Research Trends. 5. 25th_27'h November, 2016 College of Computing Sciences & Information Technology, Teerthanker Mahaveer University, Moradabad, India… Proceedings of the SMART -2016, IEEE Conference ID: 39669. 2016.
MOHAMADINA, A. A. et al. Business intelligence: concepts, issues and current systems. 2012 International Conference on Advanced Computer Science Applications and Technologies (ACSAT), p. 234–237, 2012.
NAGAR, P. et al. Comparison of generalized and big data business intelligence tools. (H. M.N., Ed.)Proceedings of the 10th INDIACom; 2016 3rd International Conference on Computing for Sustainable Global Development, INDIACom 2016. Anais...Institute of Electrical and Electronics Engineers Inc., 2016. Disponível em: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84997261208&partnerID=40&md5=0f4c1b4d11a138b26e2a5a993053da01
PANIAN, Z. Expected progress in the field of business intelligence 2 development path of business intelligence. Proceedings of the 8th WSEAS Int. Conf. on ARTIFICIAL INTELLIGENCE, KNOWLEDGE ENGINEERING & DATA BASES (AIKED ’09), p. 170–175, 2009.
PROVOST, F.; FAWCETT, T. Data science for business: what you need to know about data mining and data-analytic thinking. USA, O’reilly, 2013.
URBIZAGASTEGUI, R. A. A Bibliometria: história, legitimação e estrutura. Para entender a ciência da informação, p. 185–217, 2007.
VAN DIJCK, J. Datafication, dataism and dataveillance: big data between scientific paradigm and ideology. Surveillance and Society, v. 12, n. 2, p. 197–208, 2014.
WATSON, H. J. Tutorial: big data analytics : concepts , technologies , and applications. Communications of the Association for Information Systems, p. 1247-1268, apr., 2014.
WIEDER, B.; OSSIMITZ, M. L. The impact of business intelligence on the quality of decision making - a mediation model. Procedia Computer Science, v. 64, p. 1163–1171, 2015.
ZUPIC, I.; ČATER, T. Bibliometric methods in management and organization. Organizational Research Methods, v. 18, n. 3, p. 429–472, 2015.
