Tecnologias de gestao_tema6

1
© 2014 Anhanguera Educacional. Proibida a reprodução final ou parcial por qualquer meio de impressão, em forma idêntica, resumida ou
modificada em língua portuguesa ou qualquer outro idioma.
Tecnologias de Gestão
Tema 6: Inteligência de Negócios
Autor: Ronaldo Barbosa
Como citar este material:
BARBOSA, Ronaldo. Tecnologias de Gestão: Inteligência de Negócios. Valinhos: Anhanguera Educacional, 2014.
Há cerca de duas décadas, as fontes de informação se limitavam a jornais, revistas, livros, rádio,
televisão e interações diretas com outras pessoas ao vivo, por carta ou telefone. No trabalho ou na
vida pessoal, habitávamos um mundo informacionalmente mais simples, que poderíamos rotular de
um mundo small data (poucos dados), pelo menos para o cidadão comum.
Com a internet, as antigas modalidades de recepção e troca de informações se mantiveram, mas
novas modalidades apareceram: mensagens eletrônicas, fóruns, chats, videoconferências, redes
sociais, entre outras.
Somado, tudo isso fez com que o volume de troca e acúmulo de informações entre as pessoas se
multiplicasse como nunca acontecera antes. As novas tecnologias ajudam a produzir ondas gigantescas
de dados e informações que atingem a todos, incluindo as empresas. Isto está ligado à ideia de big
data, que corresponde a volumes inusitadamente grandes de dados gerados pela internet, dados que
nem sempre são estruturados e que englobam textos, números, imagens dinâmicas e estáticas, sons,
gráficos, tabelas etc. O conceito de big data interessa muito às empresas e é considerado a próxima
fronteira para a inovação, competição e produtividade. Existem muitos exemplos de big data ao nosso
redor. Davenport (2014) aponta alguns, sobretudo considerando que, em 2008, a quantidade de
dispositivos ligados à internet ultrapassou o número de pessoas no planeta:
• Os usuários do YouTube veem mais de 2 bilhões de vídeos por dia.
• A empresa de jogos sociais Zynga processa mais de 1 petabyte de dados de jogos por dia.
• O sistema Google tem cerca de 1 bilhão de acessos por dia.
A “presença virtual” das pessoas na internet alimenta o big data e revela muito de como elas se
comportam, pelo que se interessam, o que consomem ou sonham consumir.
Por este motivo, no mundo corporativo, a capacidade de absorver e traduzir informações vindas da
internet ganhou enorme importância. Vamos a um exemplo.
Imagine que você viaje para outra cidade em um fim de semana. Para isso, faz as reservas de pas-sagem
e hotel pela internet. Vai de táxi ao aeroporto, alimenta-se na lanchonete, embarca, depois

2
Tecnologias de Gestão | Tema 6
desembarca. Na cidade destino, pega um táxi do aeroporto e se dirige ao hotel. Nos dias que se se-guem,
faz uma série de passeios, geralmente utilizando o cartão de crédito ou débito. Nos intervalos
de todas as atividades ou mesmo durantes elas, usa a internet para enviar fotos, vasculhar a rede
para selecionar passeios, restaurantes, trocar impressões sobre o que vê etc. Próximo de retornar à
sua cidade de origem, aproveita para comprar lembranças para os amigos e envia mais mensagens.
As operações bancárias que você realizou e também o que você fez na internet deixaram um rastro
pelo caminho que você trilhou tanto na internet quanto fora dela. A novidade é que esse “rastro” é
acessível a sistemas de informação que operam junto a grandes bases de dados externas. Você não
sabe, mas muitos sistemas acompanharam você na viagem e podem descrever muitas de suas ativi-dades,
são capazes de traçar um perfil razoavelmente aproximado do tipo de consumidor que você é.
Multiplique isso por milhares de pessoas que fizeram o mesmo passeio que você no mesmo final de
semana e pense que isso se repete o tempo todo com os turistas que chegam... A coleta de dados
é contínua! Depois de filtrados, esses dados dão uma ideia do perfil do visitante – onde vai, quanto
gasta, em que pode gastar da próxima vez, em que tipo de promoção pode estar interessado ao
planejar a próxima viagem... Não há limites. Pense em sistemas como o Netflix, que oferece filmes
a partir de suas escolhas, ou sistemas automatizados de envio de ofertas de produtos a partir de
suas consultas de preços no Google. Esse é o mundo big data!
As empresas estão cada vez mais interessadas neste tipo de rastreamento por razões óbvias: quan-to
mais conhecerem o cliente atual ou potencial, maior a probabilidade de conquistá-lo e mantê-lo
fiel. Tudo isso faz parte de uma nova área da inteligência de negócios que estudaremos neste tema.
Bons estudos!
Saiba Mais!
Conheça melhor o big data:
TAURION, Cezar. Você realmente sabe o que é Big Data? 30 abr. 2012. Disponível
em: http://goo.gl/wqK4Go. Acesso em: 24 jun. 2014.
BIG DATA: do conceito ao uso nos negócios. 28 set. 2013. Disponível em: <https://
www.youtube.com/watch?v=d4C86n-em1g>. Acesso em: 7 jul. 2014.

3
Se as empresas dependem de produtos, serviços e clientes, então precisam estar preparadas para
responder perguntas como: “Quem são os clientes?” e “Onde estão os clientes?”. Responder a essas
perguntas é parte da inteligência de negócios requerida nas organizações atualmente. Como vimos, o
big data corresponde a um imenso volume de dados gerado continuamente na internet. Uma técnica
tipicamente associada à inteligência de negócios e ao big data é a data mining ou mineração de dados.
Data Mining ou Mineração de Dados
O data mining pode ser pensado como uma tecnologia de software e aplicações correlatas que
transformam dados em informações relevantes. Em uma linguagem um pouco mais técnica, o data
mining permite a identificação automática ou semiautomática de padrões interessantes, até então
desconhecidos, em grandes massas de dados, por meio do uso de algoritmos de computação e
de técnicas estatísticas avançadas. Dito de outro modo, data mining é o processo de extração de
informações válidas, não conhecidas anteriormente, provenientes de grandes bancos de dados,
para sua utilização em decisões empresariais cruciais. A descoberta de informação relevante em
bancos de dados é um processo não trivial de identificação de padrões de dados, válidos, recentes,
potencialmente úteis e, em última análise, inteligíveis.
Existem inúmeras aplicações para a técnica de data mining. Entre elas, as técnicas podem ser
aproveitadas para explicar algo, para confirmar uma hipótese e para descobrir alguma coisa.
Exemplos:
Explicar: Por que caiu a venda de sorvetes no Rio de Janeiro neste verão?
Confirmar uma hipótese: Uma companhia de seguros quer examinar os registros de seus clientes
para determinar se famílias que possuem duas rendas têm maior probabilidade de adquirir um
plano de saúde do que famílias de uma única renda.
Descobrir: Uma companhia de cartão de crédito quer analisar seus registros históricos para
determinar que fatores estão associados a pessoas que representam riscos para créditos.
As organizações de serviços de saúde e de serviços sociais utilizam-se de técnicas de mineração
de dados para descobrir pagamentos em excesso ou atraso, fraudes, reclamações em duplicata,
serviços mal-organizados, solicitantes de empréstimos não qualificados, pedidos de melhoria de
serviços, entre muitas outras possibilidades.
Swift (2001, p. 106) esclarece sobre o data mining:
Surgiu uma nova geração de ferramentas de mineração de dados, dirigida aos
usuários nas empresas, em vez de aos peritos. Essas ferramentas escondem
complexidades dos algoritmos sob a superfície e são toleravelmente
utilizáveis por sofisticados analistas de negócios, pessoas que conhecem
como os problemas das empresas estão sendo atendidos e entendem os
dados envolvidos em suas soluções.
Vamos analisar dois exemplos interessantes que mostram como o data mining está associado

4
diretamente à “descoberta” - um de mineração em textos e outro mais usual, de mineração de
dados. A mineração de dados inclui a mineração de textos, que é o processo de extrair padrões e
tendências a partir de um texto.
O texto, a seguir, foi publicado por um internauta em um fórum de discussão aberto sobre o governo
americano. O internauta escreveu:
Detesto a maneira como o presidente é constantemente atacado. Tudo
bem que ele comete erros gramaticais – grande coisa! As suas políticas de
imigração são ok! Temos de estar dispostos a tomar atitudes firmes. Mas
acho maluquice a sua ideia de privatizar a previdência social. Não sei se as
tropas enviadas ao Iraque votariam nele novamente, mas elas estão fazendo
o que deve ser feito. [Autor: Bobstud 189]
Ao rodar um software de mineração de textos neste trecho, obteve-se como saída o seguinte
relatório (Tabela 6.1):
Tabela 6.1 Resultado da execução de um software de mineração de texto (MAEX, 2013).
Sentimento Tópico
Positivo em relação a Bush; políticas de imigração.
Negativo em relação a Privatizar a previdência social.
Neutro em relação a Erros gramaticais.
Note que quem “leu” o texto foi um software de mineração. Se você rodar o software em milhares
de textos em milhares de fóruns semelhantes, talvez consiga obter resultados significativos sobre a
impressão que muitas pessoas têm sobre o governo, admitindo que o que elas escrevem corresponde
ao que realmente pensam. Na realidade, segundo Maex (2013), esta técnica já é capaz de alcançar
resultados semelhantes aos institutos de pesquisa de opinião mais tradicionais.
Vamos ver um segundo exemplo de aplicação de data mining em uma grande base de dados, a
partir do que foi analisado por Amaral (2001). Segundo ele, a área de marketing direto se interessa
pela descrição de prováveis consumidores.
Vamos imaginar uma base de dados de uma grande empresa do setor de telecomunicações.
Essa base possui cerca de 325 mil registros (blocos de informação) e nove atributos (campos de
informação em cada registro) que permitem caracterizar determinado cliente com um perfil.
O objetivo é identificar o perfil residencial ou comercial e lançar uma campanha tendo foco
nos clientes residenciais. Esse perfil é traçado com base em alguns parâmetros: frequência de
ligações, horário e dia das ligações, tipo de tarifação.
Esses atributos permitem atribuir certo grau de probabilidade. Por exemplo, uma ligação de
madrugada feita a cobrar no final de semana provavelmente partiu de um cliente residencial. Porém,
não podemos apenas imaginar isso, precisamos extrair essa informação concretamente da base de
dados. Outro fato importante é que, mesmo que a base de dados indique explicitamente, em um dos
atributos, que o cliente é comercial ou residencial, não temos segurança, porque essa informação
pode perfeitamente não corresponder à realidade: uma pessoa pode comprar um telefone do tipo

5
residencial e usá-lo para fins comerciais ou vice-versa.
Por esta razão, cada cliente é analisado de acordo com seus hábitos telefônicos e, a partir desta
avaliação, é caracterizado como integrante de duas classes (residencial ou comercial), com
determinado grau de probabilidade de isso ser, de fato, uma realidade.
Conforme já dissemos, cada assinante está associado a um registro no banco de dados.
A estrutura do registro é a seguinte (Tabela 6.2):
Tabela 6.2 Estrutura de um registro de um banco de dados da companhia telefônica.
Assinante Assinante de Origem
Tipo_de ligação 1-DDD; 2-local;3-a cobrar; 4-0800; 5 celular
Faixa_tarifação
1-normal, 2-reduzida, 3-super-reduzido, 4-misto,
5-diferenciado
Distância
Distância física entre a central telefônica do
assinante de origem e de destino
Fim_semana S-sábado ou domingo; N-dia da semana
Minutos Duração da ligação em minutos
Receita Valor gasto com a ligação
Num_ligações Quantidade de ligações realizadas no mês
tipo_cliente R-residencial, C-comercial
Vamos imaginar a base de dados como uma tabela parecida com a Tabela 6.3, excetuando o fato
de que esta tem somente dois registros (notemos que as colunas da tabela são os atributos). A base
que nos interessa tem mais de 325 mil registros parecidos com estes:
Tabela 6.3 Dois registros da base de dados da companhia telefônica.
Assi-nante
Tipo de
ligação Faixa Distân-cia
Fim de
semana Minutos Receita
Número
de liga-ções
Tipo de
cliente
José 1 2 10 S 15 40 13 R
Luiza 2 1 15 N 140 320 83 C
Note como o perfil da Luiza é mais comercial do que o do José, afinal, Luiza não realiza ligações de
final de semana e faz um número de ligações maior. Porém, é fácil comparar quando você tem dois
registros, mas na base há mais de 325 mil registros!
Não se esqueça de qual é o objetivo da mineração de dados aqui: buscar perfis de clientes comerciais.
O exemplo que veremos é obtido com a utilização de um software de mineração de dados chamado
WizRule http://www.wizsoft.com/index.php/products/wizrule. Aplicamos o software de data mining e
obtemos como relatório de saída uma série de regras do tipo se-então que nos dá uma ideia melhor
do que temos na base.

6
Regra 1:
SE TIPO_LIGACÃO É 0800 E NÚMERO DE LIGAÇÕES É ENTRE 4 E 12
ENTÃO TIPO DE CLIENTE É COMERCIAL
PROBABILIDADE REGRA: 0,863
A REGRA EXISTE EM 10.565 REGISTROS
Esta regra tem alta probabilidade de ocorrência e já sinaliza a importância das ligações 0800 para
nosso público-alvo: cliente comercial.
Regra 2:
SE TIPO_LIGACÃO É 0800 E FAIXA DE TARIFAÇÃO É DIFERENCIADO
Esta regra tem alta probabilidade. Observe como faz uma interessante associação entre a faixa de
tarifação e o uso de 0800.
Regra 3:
SE TIPO_LIGACÃO É 0800
Esta regra mostra que há mais de 80% de probabilidade de que os fazedores de ligação 0800 sejam
clientes do tipo comercial.
Regra 4:
SE TIPO_LIGACÃO É 0800 E FAIXA DE TARIFAÇÃO É NORMAL E MINUTOS ESTÁ ENTRE 4 E 26
Esta regra nos ajuda a perceber o perfil do cliente comercial que nos interessa. Por exemplo, ele é
interessado no uso de 0800 e, ao mesmo tempo, utiliza tarifação normal. A probabilidade é superior
à da Regra 3, que só continha uso de 0800.

7
Regra 5:
SE TIPO_LIGACÃO É DDD E FAIXA DE TARIFAÇÃO É REDUZIDA
ENTÃO TIPO DE CLIENTE É RESIDENCIAL
Esta regra mostra que o usuário que usa DDD e tarifação reduzida tem mais de 80% de probabilidade
de ser residencial. É bom saber isso, talvez, para não investir em campanhas voltadas ao uso de
DDD, afinal, queremos usuários comerciais.
Regra 6:
SE TIPO_LIGACÃO É LOCAL E FIM DE SEMANA É NÃO
E MINUTOS É ENTRE 4 E 26
E NÚMERO DE LIGAÇÕES É ENTRE 1 E 3
Procure julgar você mesmo(a) esta regra, com base no objetivo da mineração que estamos realizando.
Regra 7:
SE FAIXA DE TARIFAÇÃO É REDUZIDA
Esta regra ajuda a definir a relação entre tarifação reduzida e cliente residencial. Como estamos
interessados no cliente comercial, ela também pode ser relevante para identificar o perfil que não
nos interessa.

8
Regra 8:
SE FAIXA DE TARIFAÇÃO É DDD E FIM DE SEMANA É SIM
Idem anterior.
Regra 9:
SE FAIXA DE TARIFAÇÃO É A COBRAR E FIM DE SEMANA É SIM
Esta regra associa ligação a cobrar e fim de semana para apontar a probabilidade de o cliente ser residencial.
Perceba como, por meio do software de mineração de dados, passamos a conhecer melhor o que
existe na base de dados que contém mais de 300 mil registros. Os dados dos registros da base
fornecem informações combinadas que, sem o software, não seríamos capazes de detectar.
Talvez você esperasse encontrar informações mais “prontas” ou “completas” como resultado da
mineração de dados. O resultado encontrado é um tanto vago, depende do grau de precisão que se
busca e dos objetivos traçados.
O software de data mining pode ser configurado para rodar novamente, com outros parâmetros e até
com outro algoritmo instalado no mesmo software. Aqui ele foi configurado para gerar um relatório de
saída na forma de regras, mas outros softwares podem gerar outros tipos de relatório. Podemos ainda
recorrer a outros softwares com algoritmos diferentes e comparar resultados ou até utilizar softwares
que usem como entrada o que outros softwares de data mining geraram como saída.
Lembre-se de que a mineração é um trabalho de “descoberta” em grandes bases de dados. Assim
como na mineração de ouro, as “pepitas informacionais” muito valiosas provavelmente existem,
mas não é fácil descobrir onde estão. Note, também, que o fator humano é preponderante, afinal,
o data mining opera segundo uma estratégia e não gera resultados isolados e prontos. Resultados
têm de ser interpretados e balanceados para serem descartados ou aproveitados ou, ainda, para
que se tente alcançar resultados usando outras ferramentas isoladas ou combinadas.
Gestão do Conhecimento: Modelo de Criação do Conhecimento
Em perspectiva diferente da ferramenta anterior, abordamos aqui uma ferramenta mais conceitual
de apoio à gestão das empresas.
Muitas ferramentas de gestão importantes estão relacionadas à Gestão do Conhecimento (GC). A Gestão

9
do Conhecimento visa à criação, disseminação e apropriação do conhecimento novo nas organizações.
Robbins (2005) aponta três razões essenciais para a valorização do tema gestão do conhecimento:
1. Atualmente, ativos intelectuais se tornaram tão importantes quanto ativos financeiros.
2. À medida que colaboradores se aposentam ou se afastam, os conhecimentos que
possuem são perdidos.
3. A gestão do conhecimento torna a empresa muito mais eficiente por estimular a criação
de conhecimentos novos.
O conhecimento novo, resultante da gestão do conhecimento, pode significar uma inovação em si
e também uma melhoria que ocorre em um processo, fruto de uma boa ideia de um colaborador.
Embora o conhecimento novo não corresponda diretamente à inovação, pode ser um estímulo
para que os colaboradores criem, disseminem e se apropriem de conhecimentos novos, de modo
que os trabalhadores possam colaborar e compartilhar. Por isso, a gestão do conhecimento está
profundamente alinhada ao cenário tecnológico que vivemos hoje na web 2.0.
Saiba Mais!
Entenda melhor a chamada web 2.0!
SIGNIFICADO de Web 2.0. Disponível em: http://www.significados.com.br/web-2-0/.
Acesso em: 10 jul. 2014.
Em pesquisas sobre o que seria necessário para colocar as empresas no caminho das inovações,
pesquisadores japoneses propuseram um modelo em que a negociação do par “conhecimento
tácito-conhecimento explícito”, oriunda das teorias de Michael Polanyi, seria geradora da inovação,
cabendo aos gestores das organizações impulsionar tais interações, a fim de enfrentar melhor os
desafios do século XXI (NONAKA; TAKEUCHI, 2008).
O modelo afirma que a capacidade de criação do conhecimento novo está potencialmente presente
em todas as pessoas em forma tácita (oculta), que não se pode controlar o conhecimento novo
e que somente a empresa capaz de criar conhecimento novo pode ser uma empresa inovadora,
habilitada a sobreviver no contexto de alta concorrência do século XXI.
O modelo é uma espécie de apologia ao “aprender-fazendo” e ao compartilhamento de experiências,
quando o que se busca aprender tem parcelas importantes de conhecimento tácito.
Vamos considerar duas formas gerais de como o conhecimento é dividido nas pessoas e nas
empresas, segundo Nonaka e Takeuchi (2008).
Conhecimento explícito é o conhecimento facilmente comunicável, registrado em livros, revistas,
artigos e documentos de modo geral. É fácil de articular, manipular e transmitir. Esse foi o modo
dominante de conhecimento na tradição ocidental. Um exemplo de conhecimento explícito ocorre
quando um analista pede explicações a um colega sobre como operar um sistema ou quando
consulta o manual de funcionamento desse sistema para aprender a operá-lo.

10
Conhecimento tácito é o conhecimento que existe na cabeça das pessoas, obtido por meio da
experiência que cada um adquiriu ao longo da vida. O conhecimento tácito é pessoal, sensível ao
contexto, por isso, é difícil de formalizar e comunicar. É o conhecimento incorporado à experiência
individual, envolvendo fatores intangíveis como crenças pessoais, intuições, emoções e habilidades.
O conhecimento tácito é considerado um importante fator de competitividade entre as organizações.
Ainda no exemplo do sistema, embora as explicações sobre como operá-lo e o manual possam ser
os mesmos, alguns técnicos mais experientes irão operar o sistema de forma melhor do que outros
– eles têm um conhecimento tácito acumulado. O ponto importante do conhecimento tácito é que é
difícil de expressar e independe da tecnologia.
Saiba Mais!
Entenda melhor as diferenças entre o conhecimento tácito e o conhecimento explícito:
CASSAPO, Filipe M. O que entendemos exatamente por Conhecimento Tácito e
Conhecimento Explícito. Sociedade Brasileira de Gestão do Conhecimento. Disponível
em: http://goo.gl/2YBjjI. Acesso em: 10 jul. 2014.
A interação entre as duas formas de conhecimento (tácito e explícito) compõe o modelo de espiral do
conhecimento: o conhecimento se origina na mente de um indivíduo, desenvolve-se, dissemina-se,
atingindo e podendo modificar toda a empresa. Várias conversões de conhecimento tácito-explícito
são previstas em um processo contínuo. Se você pensar na forma como hoje as informações e o
conhecimento se tornaram facilitados pelas novas tecnologias, entenderá melhor o desafio que é
lidar com o conhecimento tácito.
Para as empresas, a valorização do conhecimento tácito é a chave para tornar a organização inovadora,
porque se volta mais para o “conhecimento” do que para a “informação”. Uma ideia inovadora nasce
do conhecimento individual e se amplifica, atingindo grupos maiores, setores e toda a organização.
Durante os processos de conversão de conhecimento tácito em conhecimento explícito ocorre toda
a cadeia de transformações, desde o “insight criativo” de um indivíduo que cria um novo conceito até
a etapa final de um ciclo que pode se converter em uma inovação que chegou aos mercados. Novos
ciclos aprofundam o processo e geram novas inovações em escala não controlável ‒ por isso, não
se pode prever totalmente o alcance das inovações.
Espiral do Conhecimento e da Inovação
Como já mencionamos, as conversões de conhecimento explícito-tácito visam criar conhecimento
novo, que é combustível da geração da inovação. As conversões classificam-se nas seguintes
etapas (Figura 6.1), apresentadas em espiral, nesta ordem, segundo o modelo de criação do
conhecimento de Nonaka & Takeuchi (2008):
S - Socialização: conversão de conhecimento tácito para tácito
É um processo de compartilhamento de experiências e, a partir daí, de criação do conhecimento
tácito, na forma de modelos mentais e habilidades técnicas compartilhadas. Um indivíduo pode
desenvolver conhecimento tácito diretamente de outros indivíduos, sem usar a linguagem. O

11
aprendiz trabalha com seu mestre e aprende sua arte sem depender da fala, ou seja, somente por
meio de observação, imitação e prática. Portanto, a Socialização está associada a aprender pelo
exemplo e a aprender fazendo. Opera em um campo específico de interação, por exemplo, no
diálogo com o cliente, pela observação do cliente ou pela experiência compartilhada com o cliente.
E - Externalização: conversão de conhecimento tácito para explícito
É um processo de articulação do conhecimento tácito em termos explícitos, que pode ser definido
também como um processo de criação do conceito novo. Pode ser considerado o processo de
conversão mais importante no modelo, porque está diretamente associado ao aparecimento de um
novo conceito, germe da inovação. Nesta fase, emergem as hipóteses que irão motivar diálogos e
uma espécie de reflexão coletiva que ocorrerá na próxima etapa.
C - Combinação: conversão de conhecimento explícito para conhecimento explícito
Corresponde a um processo de sistematização de conceitos, face a um sistema de conhecimento
preexistente. Esse modo de conversão do conhecimento envolve a combinação de conjuntos
diferentes de conhecimento explícito. Os indivíduos trocam e combinam conceitos por meio de
documentos, reuniões, conversas diretas ou redes de comunicação. Há reconfiguração das
informações existentes por meio da classificação, do acréscimo, da categorização do conhecimento
explícito (como realizado em bancos de dados de computadores). Na indústria, é constante a
evolução e o aperfeiçoamento de produtos que ocorrem por meio de discussões internas entre os
departamentos. Esta é a etapa que mais ênfase coloca na tecnologia.
I – Internalização: conversão de conhecimento explícito para tácito
Internalização é o processo de incorporação do conhecimento explícito, que se converte em
conhecimento tácito na forma de mudança de base de conhecimentos – uma espécie de aprendizagem
coletiva. Quando a maioria dos membros da organização compartilha um novo modelo mental, o
conhecimento tácito passa a fazer parte da cultura da organização. Exemplos são o know-how
técnico acumulado e a aplicação das melhores práticas para a execução de processos ou, ainda,
uma inovação incorporada à cultura da empresa.

12
Figura 6.1 Modelo de criação de conhecimento.
Fonte: Adaptada de Nonaka e Takeuchi (2008)
O processo parte da Socialização e evolui para os processos de Externalização, Combinação e
Internalização, de forma contínua, cíclica e autoinclusiva. A criação do conhecimento organizacional
é uma interação dinâmica entre conhecimentos tácito e explícito, e a expansão desse ciclo ocorre
na medida em que seu alcance é cada vez maior: do indivíduo para o grupo, para a organização,
para outras organizações, para um setor inteiro de atividades etc.
Saiba Mais!
Entenda melhor a teoria da criação do conhecimento organizacional.
FROTA, Cristiane Souto et al. Teoria da criação do conhecimento organizacional –
Nonaka e Takeuchi. Rio de Janeiro: SEGRAC. Disponível em: http://goo.gl/XuT3TP.
Acesso em: 10 jul. 2014.
Benchmarking
Ainda no terreno de ferramentas de gestão que visam melhoria e inovação, apontamos a técnica
de benchmarking. Benchmarking é um processo ou técnica de gestão em que as empresas avaliam
o desempenho de seus processos, sistemas e procedimentos, comparando-os com os melhores
desempenhos de outras organizações. Essa definição corre o risco de sugerir que o benchmarking
é uma técnica voltada à pura imitação entre empresas, o que é uma noção incorreta.
A Xerox definiu benchmarking como “o processo contínuo de medirmos e compararmos os nossos
produtos, serviços e práticas com os mais fortes concorrentes ou com as empresas reconhecidas

13
como líderes da indústria”.
Os seguintes passos podem compor uma ação de benchmarking, segundo Baldwin et al. (2008):
1. Planejamento: escolha da empresa que será referência e quais são os objetivos do benchmarking.
2. Coleta de dados: coleta de dados por análise de informações que são públicas e das informações
em fonte primária, como entrevistas, oficinas, visitas de campo etc.
3. Análises e Comparações: apontar diferenças da empresa-alvo com a promotora do benchmarking
e identificar fatores responsáveis pelos melhores resultados da referência.
4. Elaborar e implementar plano de mudanças: adaptação dos procedimentos atuais e melhoria da
própria empresa. O benchmarking converge para a implementação de um plano de mudanças e melhoria.
Capodagli (2010) classifica o benchmarking entre “burro” e “inteligente”. O benchmarking burro é
passar um ano estudando a empresa líder em um setor e três anos tentando ser como ela. Nesse
meio tempo, o líder do mercado já se afastou para fazer algo mais notável. Já o benchmarking
inteligente é o que você pode aprender de alguém totalmente fora de sua área.
Saiba Mais!
Conheça melhor o benchmarking:
HILSDORF, Carlos. O que é benchmarking? 13 set. 2010. Disponível em:
http://goo.gl/pyQ9dD. Acesso em: 10 de jul. 2014. Se preferir, clique aqui.
BENCHMARKING. Disponível em: <https://www.youtube.com/
watch?v=vRoK2JrKVJg>. Acesso em: 10 jul. 2014.
ALFREDO, Alexandre. O negócio é copiar rápido. Revista Exame.com, 8 set. 1999.
Disponível em: http://goo.gl/Xq2y8S. Acesso em: 10 jul. 2014.

14
Algoritmos: um programa que realiza procedimentos para solucionar um problema.
Bases de dados: um conjunto de dados inter-relacionados, organizados de forma a permitir a
recuperação da informação.
Estatísticas: correspondem a um conjunto de métodos usados para analisar dados.
Hipótese: é uma proposição ou suposição ou o conjunto delas, de natureza criativa e teórica, aceita
ou não, admissível ou provável, mas não comprovada ou demonstrada.
Inovação: novo produto, processo ou serviço que soluciona um problema ou atende a uma
necessidade, podendo ser comercializado.
Marketing direto: é um sistema interativo de marketing que usa uma ou mais mídias de propaganda
para obter uma resposta que possa ser medida.
Michael Polanyi (1886-1964): filósofo e químico húngaro que desenvolveu teorias importantes
sobre como ocorre o desenvolvimento da descoberta na ciência e que influenciou as pesquisas na
área de inovação nas empresas.
Petabyte: byte é uma unidade de informação digital. Cada byte representa um único caractere de
texto em um computador. Outras unidades múltiplas de bytes são apresentadas a seguir:
Instruções
Agora, chegou a sua vez de exercitar seu aprendizado. A seguir, você encontrará algumas questões
de múltipla escolha e dissertativas. Leia cuidadosamente os enunciados e atente-se para o que está
sendo pedido.

15
Questão 1
Com relação ao conceito de big data, aponte a alternativa correta:
a) Big data corresponde a bancos de dados de algumas grandes empresas.
b) Big data corresponde ao acesso a informações sigilosas existentes em grandes bancos
de dados.
c) Big data corresponde ao uso intensivo da internet, o que pode representar riscos à saúde
das pessoas.
d) Big data corresponde a um setor nas empresas de tecnologia dedicado a pesquisar novas
tecnologias na internet.
e) Big data corresponde a imensas quantidades de dados não estruturados a partir dos
quais se extrai informações de valor para as empresas.
Verifique a resposta correta no final deste material na seção Gabarito.
Questão 2
Com relação à gestão do conhecimento e, mais especificamente, às formas de conhecimento tácito
e explícito, podemos afirmar:
I. O conhecimento tácito é simples e fácil de ser comunicado.
II. O conhecimento tácito está enraizado nas pessoas na forma de experiências e intuições.
III. Os conhecimentos tácito e explícito são complementares, e suas interações proporcionam
dinamismo necessário para criar conhecimento e, consequentemente, inovações nas
empresas.
Assinale a alternativa correta:
a) Somente as afirmativas II e III estão corretas.
b) Somente a afirmativa I está correta.
c) Somente a afirmativa III está correta.
d) Somente as afirmativas I e II estão corretas.
e) Somente as afirmativas I e III estão corretas.

16
Questão 3
Analise as seguintes sentenças relacionadas à técnica de Benchmarking e aponte V (verdadeiro) ou
F (falso) para cada uma delas:
1. ( )
É uma modalidade especial de aprendizado organizacional direcionada à revelação
das melhores práticas executadas por determinada organização.
2. ( )
É uma tecnologia de gestão desenvolvida por meio da investigação e por intermédio
da comparação, a fim de verificar o que pode ser melhorado.
3. ( )
É uma forma de aprender com as outras empresas o que elas fazem de melhor e por
que fazem tão bem e levar esse conhecimento para outra organização.
4. ( ) É a simples interação entre organizações para troca de ideias e experiências.
5. ( ) É uma técnica ilegal de cópia e imitação de melhores práticas entre empresas.
Aponte a alternativa correta:
a) 1 – F; 2 – V; 3 – V; 4 – V; 5 – F.
b) 1 – V; 2 – F; 3 – V; 4 – V; 5 – F.
c) 1 – V; 2 – V; 3 – V; 4 – F; 5 – F.
d) 1 – V; 2 – F; 3 – F; 4 – V; 5 – F.
e) 1 – V; 2 – F; 3 – V; 4 – F; 5 – F.
Questão 4
A Receita Federal de certo país utiliza técnicas avançadas para descobrir contribuintes que fujam
às características dos contribuintes normais de imposto de renda. Esses contribuintes devem cair
na “malha fina”, isto é, entrarão em um processo detalhado de verificação de inconsistências da
declaração, impossibilitando a restituição e, em alguns casos, resultando em investigação mais
aprofundada sobre o contribuinte junto à Receita Federal.
Explique que técnica o governo provavelmente está utilizando.
Questão 5
Em uma reunião de negócios, é apresentada a necessidade de que se desenvolvam soluções
inovadoras para os problemas que a empresa vem enfrentando. Como a gestão do conhecimento
e, mais especificamente, o modelo de criação do conhecimento organizacional podem ajudar?

17
Neste tema, vimos alguns assuntos relacionados à inteligência de negócios na era big data,
especificamente a ferramenta data mining. Vimos também o conceito de benchmarking e um modelo
bastante conhecido de criação do conhecimento vinculado à gestão do conhecimento.
Softwares data mining buscam padrões ocultos em grandes massas de dados e podem servir
para obter respostas, confirmar ou refutar hipóteses e explorar dados em busca de informações
relevantes. Benchmarking está relacionado à comparação sistemática de práticas e processos
entre empresas, visando aprendizado e aperfeiçoamento.
Vimos também que a gestão do conhecimento reúne técnicas para aprimorar a criação, disseminação
e apropriação de conhecimento novo nas organizações.
AMARAL, F. C. N. Data Mining: técnicas e aplicações para o marketing direto. São Paulo:
Berkeley Brasil, 2001.
BALDWIN, T. et al. Desenvolvimento de habilidades gerenciais. Rio de Janeiro: Elsevier, 2008.
CAPODAGLI, B. Pixar: lições do playground corporativo mais criativo do mundo. São Paulo:
Saraiva, 2010.
DAVENPORT, T. Dados demais! Como desenvolver habilidades analíticas para resolver
problemas complexos, reduzir riscos e decidir melhor. Rio de Janeiro: Elsevier, 2014.
FRANCO, Décio Henrique; RODRIGUES, Edna de A.; CAZELA, Moisés M. (Orgs.) Tecnologias e
Ferramentas de Gestão. Campinas: Alínea, 2008.
GOLDSCHMIDT, R. Data mining: um guia prático. Rio de Janeiro: Elsevier, 2005.
MAEX, D. O poder dos números. São Paulo: Saraiva, 2013.
NONAKA, I.; TAKEUCHI, H. Gestão do Conhecimento. Porto Alegre: Bookman, 2008.
ROBBINS, S. Comportamento organizacional. São Paulo: Pearson Prentice Hall, 2005.
SWIFT, R. CRM: o revolucionário marketing de relacionamento com os clientes. Rio de Janeiro:
Elsevier, 2001.
Questão 1
Resposta correta: Alternativa “E”.
O big data pode ser compreendido como um conjunto de dados extremamente grandes que necessitam
de ferramentas preparadas para lidar com grandes volumes, de forma que toda e qualquer informação
nestes meios possa ser encontrada, analisada e aproveitada em tempo hábil pelas empresas.

18
Questão 2
Resposta correta: Alternativa “A”.
Podemos compreender o conhecimento tácito como aquele que o indivíduo adquiriu ao longo da
vida ou advém da experiência humana em situações de trabalho, sendo subjetivo e inerente às
habilidades de uma pessoa. Já o conhecimento explícito é possível de codificação em algo que
possa ser utilizado por humanos ou máquinas, tais como livros e manuais. A união dos dois tipos
de conhecimento possibilita sua complementação, gerando dinamismo e inovações nas empresas.
Assim, temos que as alternativas corretas são a II e III.
Questão 3
Resposta correta: Alternativa “C”.
Quanto ao Benchmarking temos:
1. (Verdadeiro) É uma modalidade de aprendizado direcionado visando melhores práticas para
a organização, bem como melhores produtos, para que possa atender seus consumidores.
2. (Verdadeiro) Constitui uma tecnologia de gestão a fim de verificar, por meio de comparação
ou investigação, uma melhor prática empresarial.
3. (Verdadeiro) Por meio desta ferramenta, a empresa poderá aprender com outras empresas
o que fazem de melhor e, possivelmente, aplicar à sua empresa.
4. (Falso) O benchmarking não é uma simples cópia nem uma troca de ideias, consiste
em um processo de investigação e análise.
5. (Falso) Esta ferramenta não é uma simples cópia de um produto ou processo, mas a
busca pela melhoria constante das empresas e produtos.
Questão 4
O assunto se relaciona a data mining e big data. Um dos grandes interessados em técnicas de
data mining são os governos. Por meio de cruzamento de dados das declarações aparecem as
inconsistências de rendimento, patrimônio, parentesco, entre outras. Um crescimento muito
acentuado de patrimônio de um ano a outro sem o correspondente crescimento na faixa salarial
pode ser sinal de que algo está errado com a declaração. Além disso, o próprio comportamento do
consumidor na internet, como hábitos de consumo, por exemplo, pode deixar um rastro indicador
para que o governo apure melhor a condição fiscal do contribuinte. Neste caso, com dados não
estruturados na internet, a investigação opera em big data.
Questão 5
A gestão do conhecimento visa estimular a criação, disseminação e aplicação de conhecimentos novos
nas empresas. Conhecimento novo pode se traduzir em inovações que ajudem a resolver os problemas
que a empresa vem enfrentando. O modelo de Nonaka e Takeuchi valoriza os palpites, “insights” e
intuições dos colaboradores, isto é, valoriza o conhecimento tácito do qual podem emergir as inovações.

Tecnologias de gestao_tema6

Mais conteúdo relacionado

Destaque

Semelhante a Tecnologias de gestao_tema6

Último

Tecnologias de gestao_tema6