Beyond technology: Management challenges in the Big Data era
-
Francisco, Eduardo de Rezende [1] ; Kugler, José Luiz [1] ; Kang, Soong Moon [2] ; Silva, Ricardo [2] ; Whigham, Peter Alexander [3]
-
[1] Fundação Getulio Vargas
Fundação Getulio Vargas
Brasil
-
[2] University College London
University College London
Reino Unido
-
[3] University of Otago
University of Otago
Nueva Zelanda
-
- Localización: RAE-Revista de Administração de Empresas, ISSN-e 2178-938X, ISSN 0034-7590, Vol. 59, Nº. 6 (novembro-dezembro), 2019, págs. 375-378
- Idioma: inglés
- Títulos paralelos:
- Além da tecnologia: Desafios gerenciais na era do Big Data
- Enlaces
-
Resumen
- português
A capacidade das organizações de produzir, coletar, gerenciar, analisar e transformar dados aumentou rapidamente na última década (Delen & Zolbanin, 2018). Isso gerou novos desafiossignificativos em relação a como os dados podem ser aproveitados para melhorar as decisões de negócios e como esse novo cenário altera os processos e as operações de negócios (Vidgen, Shaw, & Grant, 2017). A adoção generalizada de métodos analíticos avançados (por exemplo, aprendizado de máquina) tem atraído bastante interesse (Gupta, Deokar, Iyer, Sharda, & Schrader, 2018; Vassakis, Petrakis, & Kopanakis, 2018), principalmente porque o armazenamento de dados e os métodos necessários podem ser acessados remotamente por meio de interfaces baseadas na web, como serviços em nuvem. Isso gerou uma crença crescente de que as empresas devem envolver-se ativamente com essa tecnologia para se manterem competitivas. No entanto, esse cenário de corrida da Rainha Vermelha (que pressupõe um desenvolvimento contínuo por parte das empresas) tem um custo, pois a coleta, a curadoria e o gerenciamento de grandes conjuntos de dados requerem experiência e uma equipe dedicada, o que, muitas vezes, consome recursos que não contribuem para as principais atividades do negócio. É preciso considerar também que cientistas de dados e engenheiros de dados, entre outros, cada vez mais exercem um papel relevante dentro das organizações (Davenport & Patil, 2012). Cargos como Chief Data Officer (CDO) e Chief Analytics Officer (CAO) agora são comuns na maioria das organizações.
- English
The ability of organizations to produce, collect, manage, analyze, and transform data has increased rapidly over the past decade (Delen & Zolbanin, 2018). This has resulted in significant new challenges regarding how data can be leveraged for improving business decisions and how this new scenario changes business processes and operations (Vidgen, Shaw, & Grant, 2017). The widespread adoption of advanced analytical methods (e.g., machine learning) has attracted significant interest (Gupta, Deokar, Iyer, Sharda, & Schrader, 2018; Vassakis, Petrakis, & Kopanakis, 2018) particularly because the required data storage and methods can be accessed remotely through web-based interfaces such as cloud services. This has resulted in an increased belief that businesses must actively engage with this technology to remain competitive. However, this Red Queen scenario comes at a cost as collecting, curating, and managing large datasets requires expertise and dedicated staff, often consuming resources that do not contribute to core business activities. Consider the fact that there is an increasing role for data scientists and data engineers, among others, within organizations (Davenport & Patil, 2012). Roles such as Chief Data Officer (CDO) and Chief Analytics Officer (CAO)are now commonplace within most organizations.
- português
