1

INOVAÇÃO: O BIG DATA COMO FONTE DE INFORMAÇÃO PARA A

INOVAÇÃO NO SETOR DE TECNOLOGIA

Roberto Silva Pesce Junior¹

Mirelle Beulke²1

Resumo – O volume de dados gerados no mundo vem crescendo de forma exponencial

devido à internet e à adoção crescente de dispositivos digitais como smartphones, sensores e

câmeras. Para lidar com mercados cada vez mais competitivos, empresas que procuram inovar

passam a utilizar estes dados para gerar informações relevantes, ágeis e atuais através do big

data. O presente artigo objetiva entender a possível contribuição deste conceito como fonte de

informação no processo de inovação no setor de tecnologia. Através de uma pesquisa

qualitativa, exploratória e da aplicação de entrevistas em profundidade com oito profissionais

das áreas de inovação e/ou tecnologia da informação, o artigo concluiu que, apesar de pouco

difundido, o big data já é realidade e serve como uma poderosa fonte, que contribui de forma

consistente em dois momentos do ciclo da inovação: geração de insights e experimentação.

Palavras-chave: Inovação. Big data. Tecnologia. Competitividade. Inteligência analítica.

Abstract – The volume of data generated in the world is growing exponentially due to the

internet and the growing adoption of digital devices such as smartphones, sensors and

cameras. To deal with increasingly competitive markets, companies that seek for innovation

are using these data to generate relevant and agile information through big data concept.

This article aims to understand the possible contribution of big data as an information source

in innovation process, in technology sector. Through a qualitative and exploratory research

applying in-depth interviews with eight professionals of innovation or information technology

areas, the article concluded that although not widespread, big data concept is already a

reality and serves as a powerful source which contributes consistently in two stages of the

innovation cycle: insights generation and experimentation.

Keywords: Innovation. Big data. Technology. Competitiveness. Analytical intelligence.

1 Administrador. Estudante do MBA em Gestão de Projetos do Instituto Brasileiro de Gestão de Negócios - IBGEN. Contato: robertopescee@gmail.com. ² Mestre em Administração. Professora do Instituto Brasileiro de Gestão de Negócios - IBGEN. Orientadora metodológica deste Trabalho de Conclusão de Curso. Contato: mirelle@ibgen.com.br.

2

1. INTRODUÇÃO

O assunto inovação está em pauta no mercado mundial. Em 2013, nos Estados

Unidos, somados governo e iniciativa privada foram investidos mais de 450 bilhões de

Dólares, ou 2,8% do Produto Interno Bruto (PIB), em Pesquisa & desenvolvimento (P&D)

(BORBA, 2014). Além de investimentos, executivos também enxergam cada vez mais a

inovação como o motor do crescimento e da permanência de suas organizações em posições

de liderança, ao mesmo tempo em que líderes de empresas menores também enxergam nela o

meio para diferenciar-se e surpreender com soluções que criem vantagem competitiva

(BESSANT; TIDD, 2009). Isto ocorre pelo que Chesbrough (2012) chama de novo

paradigma da inovação.

Inovar pode ser tão simples quanto melhorar algo existente (inovação

incremental) ou criar algo totalmente novo (inovação radical), com valor percebido pelo

mercado. Para isto, são necessários informação e conhecimento (BURGELMAN;

CHRISTENSEN; WHEELWRIGHT, 2012). O novo paradigma refere-se à forma como o

mundo empresarial se posiciona em relação ao conhecimento necessário à inovação, que está

mudando drasticamente de uma abordagem fechada e individualista, onde somente as grandes

empresas, em uma estrutura vertical, tinham acesso a ele a partir de seus grandes centros de

P&D; Para os dias atuais, onde o mundo converge para uma abordagem aberta, com a

utilização cada vez maior de fontes alternativas de informação, que permitem que a empresa

inove utilizando-se de conhecimento disponível no mercado. As empresas que optam pela

inovação aberta, além de se tornarem mais ágeis e competitivas também tendem a lucrar mais

(CHESBROUGH, 2012), (BESSANT; TIDD, 2009).

Diante do novo fluxo do conhecimento, surge espaço para o aparecimento do big

data, megatendência que vem ganhando cada vez mais relevância no mercado através de um

novo conceito de inteligência analítica para grandes e complexas quantidades de dados

(NOVO; NEVES, 2013). O diferencial desta nova tecnologia, segundo Novo e Neves (2013),

é permitir a análise veloz de dados não estruturados, dispersos e disponíveis em quantidades,

geralmente, muito grandes, correlacionando-os a fim de encontrar informações preditivas

como tendências e padrões comportamentais que desencadeiam ações. Segundo Manyika (et

al, 2011), a informação obtida a partir de dados que, aparentemente, não se relacionavam,

auxilia na tomada de decisão e no entendimento da dinâmica do mercado, trazendo

inteligência para a inovação e permitindo uma análise mais profunda sobre o comportamento

3

futuro a partir do rastro de dados implícitos, reais, deixados pelas pessoas no seu dia-a-dia.

Insights, projeções e informações valiosas para a inovação em termos de tendências, alocação

de recursos, priorização de tecnologias, dentre outras, são a principal vantagem da utilização

do big data, definido por Pettey e Casonato (2013, p. 4) como sendo “informações com alto

volume, velocidade e variedade que demandam formas eficientes e inovadoras de

processamento dos dados para obtenção de insights melhorados e tomadas mais precisas de

decisão”.

Frente ao contexto apresentado, o artigo busca responder “como o big data pode

servir de fonte de informação para a inovação no setor de tecnologia?”. Para tanto, deverá ser

satisfeito o seguinte objetivo geral: “Entender como o big data pode servir de fonte de informação para a inovação no setor de tecnologia”. A questão estará respondida também

quando os seguintes objetivos específicos forem atingidos: “Apresentar o conceito de

inovação; Mapear as fontes de informação para a inovação; Apresentar o conceito de big

data; Apresentar a aplicabilidade do big data por empresas de tecnologia por meio de um

levantamento qualitativo”.

A partir dos resultados apresentados, a pesquisa procura contribuir para o setor ao

apresentar um panorama atual da utilização do big data, com foco em empresas de tecnologia,

considerando sua aplicação prática no levantamento de informações para a inovação. A

pesquisa tem caráter qualitativo e exploratório, com a aplicação de entrevistas em

profundidade com profissionais da área e a utilização da análise de conteúdo como ferramenta

de interpretação dos resultados. Na seção 2 é apresentado o referencial teórico, descrevendo, a

partir da visão de autores, o que é inovação, o momento atual sob a ótica da inovação aberta,

as fontes de informação para a inovação e o conceito de big data. A seção 3 refere-se ao

procedimento metodológico adotado, descrevendo o tipo e a vertente de pesquisa,

apresentando informações sobre os entrevistados e o método adotado para a análise dos dados

obtidos. A seção 4 apresenta a análise e a interpretação dos resultados levantados e responde a

pergunta de pesquisa. Por fim, a seção 5 apresenta a conclusão do artigo com as considerações

finais.

2. REFERENCIAL TEÓRICO

Esta seção apresenta o conceito de inovação, o momento da inovação aberta, as

fontes de informação para a inovação e o conceito de big data.

4

2.1. INOVAÇÃO

O termo inovação vem do latim, innovare, e significa fazer alguma coisa nova. A

inovação se diferencia da invenção por estar vinculada a um ganho econômico, ou seja, mais

do que uma novidade, a inovação remete a uma novidade que gera receita e possui um

mercado disposto a pagar por ela, conforme observado na figura 1 (SCHERER;

CARLOMAGNO, 2009):

Figura 1: Matriz de inovação e melhoria. Fonte: Scherer e Carlomagno (2009, p.11).

Conforme apresentado na figura 1, a inovação pode ser representada em dois

eixos, onde o eixo Y representa o grau de novidade e o eixo X o resultado esperado em termos

financeiros e de impacto. Quanto maior for o resultado esperado, maior a probabilidade de se

tratar de uma inovação, independente do seu grau de novidade, que pode variar desde um

ajuste no que é feito atualmente, passando por algo inexistente no setor de atuação e acabando

em algo inexistente no mundo (SCHERER; CARLOMAGNO, 2009).

Burgelman, Christensen e Wheelwright (2012) acrescentam uma segunda

dimensão para o grau de inovação: inovação incremental x inovação radical. Segundo os

autores, a inovação incremental consiste em uma melhoria nos processos, produtos ou

serviços existentes, gerando grau moderado em termos de novidade e ao mesmo tempo

significativos ganhos em termos de resultados. A inovação radical, por sua vez, remete a algo

completamente novo, com grandes e relevantes transformações e ganhos muito

representativos no que diz respeito a resultados. Scherer e Carlomagno (2009, p.8) ainda

acrescentam que a “inovação deve ser um processo continuado e não episódico”, que deve ser

gerenciado através de métodos e ferramentas específicos, pois é caracterizada pelo

seguimento de uma estratégia previamente estruturada para gerar impacto e resultado através

5

da valorização do novo, sendo, neste contexto, a continuidade, os métodos e as ferramentas

necessários para atingir o resultado e caracterizar a inovação.

Tidd, Bessant e Pavitt (2008) apresentam três formas pelas quais a inovação pode

se apresentar:

x Inovação em produto (A);

x Inovação em processo (B);

x Inovação em modelo de negócio (C).

Conforme sugerem os autores, a (A) inovação em produto se apresenta, por

exemplo, quando no lançamento de um novo produto pela empresa com alterações em

atributos como design, peso, embalagem, cores ou outros; a (B) inovação em processo existe

quando há mudanças na forma como determinado produto é fabricado. Neste caso, não existe,

necessariamente, impacto no produto final, mas geralmente está baseado em aumento de

produtividade ou redução de custos; a (C) inovação em modelo de negócio ocorre quando a

empresa se posiciona no mercado de forma diferente, vendendo seus produtos em um novo

segmento de mercado, por exemplo, ou propondo uma nova utilização. É quando uma

empresa cria um novo tipo de mercado, com uma nova forma de gerar valor e lucro. Neste

caso não há, necessariamente, alterações no produto ou na forma como ele é fabricado, a

diferença está na forma como ele é levado ao mercado. Cada um dos tipos apresentados pode

ocorrer em um eixo que varia desde a inovação incremental até a inovação radical (TIDD;

BESSANT; PAVITT, 2008), (INVENTTA, 2014).

Em termos históricos, ter acesso à informação necessária para inovar nem sempre

foi fácil, segundo Chesbrough (2012). No início do século XX o mundo conheceu o

paradigma da inovação fechada, onde as grandes empresas, com seus grandes centros de

pesquisa & desenvolvimento (P&D) monopolizavam o conhecimento que obtinham e

verticalizavam todo o processo de inovação, desde a pesquisa básica até o desenvolvimento e

distribuição. Isto ocorreu por que o conhecimento disponível neste momento da sociedade era

raro e de difícil acesso. Não existia onde buscar a informação, então empresas que pretendiam

liderar e inovar em seus mercados eram obrigadas a internalizar toda a cadeia e inovar de

dentro para fora. Após a II Guerra Mundial, quando o governo americano passou a investir

forte em ciência e tecnologia fomentando a pesquisa básica com foco em tecnologia aplicada

(antes desdenhada por grande parte dos cientistas, que preferiam a pesquisa sem nenhum tipo

6

de influência e acreditavam que estavam se menosprezando seguindo qualquer necessidade de

mercado), as grandes empresas aproveitaram e criaram uma importante vantagem competitiva

em forma de barreira de entrada, com altos investimentos em P&D e muito sigilo. Durante

muito tempo, esta foi a forma como o mundo empresarial lidava com a estrutura da inovação.

Porém este contexto mudou a partir do surgimento de alguns fatores que facilitaram o acesso

ao conhecimento por parte de empresas menores e com menos poder de investimento, é o que

Cesbrough (2012) chama de novo paradigma da inovação, mudando da estrutura da inovação

fechada para a da inovação aberta.

2.1.1 MOMENTO DA INOVAÇÃO ABERTA

O conceito de inovação aberta, segundo Chesbrough (2012), advém da mudança

de paradigma em torno da inovação e da forma como ela é estruturada e administrada pelas

empresas e instituições. Começou-se a passar do conceito de inovação fechada para a

inovação aberta quando houve, segundo o autor, quatro eventos em particular:

x Crescente disponibilidade e mobilidade de mão-de-obra especializada (A);

x Surgimento do capital de risco (B);

x Opções externas para ideias que ficavam na prateleira dos grandes centros de

P&D (C);

x Fornecedores externos capacitados (D).

A partir deste momento, a disponibilidade de conhecimento passa a ser outra.

Com um número maior de profissionais disponíveis (A), os grandes cientistas, que por muitas

vezes permaneciam anos dentro do mesmo centro de pesquisa passaram a ter mais poder para

mudar de empresa e definir seus caminhos. Os concorrentes viam, neste modelo, a forma de

adquirir, pelo menos um pouco, do conhecimento das grandes empresas. Isto acabou inflando

custos e tornando o processo de inovar caro para grandes centros de P&D. O surgimento do

capital de risco (CR) (B) também contribuiu para a mobilidade dando dinheiro aos cientistas

que, por ventura, abandonassem suas empresas na busca do sonho de implementar e lucrar

com sua tecnologia. Nos centros de P&D era comum que cientistas passassem anos

desenvolvendo uma nova tecnologia que, por diversas razões, seria deixada posteriormente

arquivada nas prateleiras, nunca sendo comercializada pela sua empresa, o que acabava

frustrando muitos deles. As empresas pequenas e enxutas criadas por eles, denominadas

startups (C), possuíam modelos de negócios escaláveis e com amplo potencial de faturamento

7

futuro, passando a ser uma opção real para todos que acreditavam no potencial de suas

tecnologias, entendendo ali uma oportunidade. Por fim, há ainda a possibilidade de inovar a

partir do conhecimento e na capacidade de desenvolvimento dos fornecedores (D), cada vez

mais capazes de pesquisar, investir e apresentar soluções de qualidade para as necessidades de

seus clientes.

O contexto aberto da inovação começa a ser compreendido neste momento. Se

antes para inovar era preciso investir pesado desde o início em pesquisa, neste momento

histórico passa a ser possível inovar a partir de ideias, tecnologia e conhecimento disponíveis

no mercado, contribuindo para a criação de diversas fontes de informação (BURGELMAN;

CHRISTENSEN; WHEELWRIGHT, 2012).

2.1.2. FONTES DE INFORMAÇÃO PARA A INOVAÇÃO

A informação é inerente à inovação. Não é possível inovar sem ter conhecimento

envolvido. Isto significa que, para inovar, qualquer pessoa ou instituição deve buscar

conhecimento estocado em diferentes locais (CHESBROUGH, 2012). Nos dias atuais existe

maior facilidade para encontrar o conhecimento disponível no mundo junto a bibliotecas,

laboratórios, centros de pesquisa, universidades, fornecedores, clientes, consultorias, startups

e instituições diversas, cabendo ao pesquisador buscar a melhor opção para o seu projeto

(TIDD, BESSANT, PAVITT, 2008). A internet vem crescendo como fonte de informação

neste momento do ciclo de inovação, pois através dela o pesquisador pode conectar-se a

profissionais, conceitos, artigos, relatórios, aproximando-se do conhecimento. Conectado a

isto, o rastro de dados deixado diariamente por milhões de usuários e dispositivos, o big data,

conceito central deste artigo, vem crescendo como ferramenta de inteligência de mercado e

fonte de insights para a gestão de empresas e, por consequência da inovação (ROSENTHAL,

MOREIRA, 1992), (LASTRES, ALBAGLI, 1999), (MANYIKA et al, 2011). O conceito de

big data está detalhado a partir do próximo tópico.

2.2. BIG DATA

O conceito de big data é relativamente novo, tendo sido criado em meados de

2005 (TARIFA, 2014). Segundo Novo e Neves (2013), big data é uma das dez tendências

tecnológicas com maior potencial para afetar a vida das pessoas e empresas, estando

diretamente relacionado à análise de dados para fornecer informações relevantes que

fortaleçam e respaldem a tomada de decisão. Segundo Barbieri (2011), o conceito está ligado

8

à inteligência competitiva (business intelligence – BI) e permite aos gestores optarem pela

melhor alocação de seus recursos, seja em áreas comerciais ou ligadas à inovação. Segundo

Novo e Neves (2013), para entender o conceito e diferenciá-lo da inteligência analítica

tradicional, deve-se contextualizar os três “V”s do big data: volume, velocidade e variedade

de dados. Fischer (2014) acrescenta dois “V”s que, segundo ele, complementam o conceito:

veracidade e valor. Conforme Novo e Neves (2013, p.3), os “V”s não precisam ocorrer ao

mesmo tempo para caracterizar uma solução de big data, podendo-se caracterizar este tipo de

solução “abordando problemas de volume e velocidade de análise, ou velocidade e variedade

ou os (sic) fatores em conjunto”. Os fatores estão representados na figura 2 e descritos abaixo:

Figura 2: Os cinco “V”s do big data. Fonte: Adaptado de Gill, 2012.

Conforme demonstrado na figura 2, uma solução big data é caracterizada pelos

seguintes fatores (NOVO, NEVES, 2013), (FISCHER, 2014), (TAURION, 2014), (TARIFA,

2014):

x Velocidade: possibilita a análise imediata, ou quase imediata, dos dados,

trazendo agilidade para a tomada de decisão. É a rápida transformação de

dados em informação relevante;

x Veracidade: a importância de informações confiáveis, que não

comprometam o resultado das análises;

x Volume: alta quantidade de dados disponíveis dentro e fora das empresas e

instituições. São dados gerados de forma online, instantânea, com alta

volatilidade;

9

x Valor: as análises devem ser capazes de trazer retorno para o investimento

em software e estrutura de big data;

x Variedade: os dados disponíveis não estão, necessariamente, estruturados em

bancos de dados tradicionais, estão em redes sociais, equipamentos

eletrônicos, e-mails, imagens, aparelhos celulares, sensores, RFID, dentre

outros, o que torna a grande variedade e a capacidade de correlaciona-los o

diferencial da tecnologia.

Gallant (2011) discorre sobre a adoção do big data que, segundo o autor, deve

estar ligada à estratégia da empresa. Acrescenta que isto ocorre devido aos diferentes focos

que se pode dar à análise, ou seja, as perguntas que serão feitas estão diretamente ligadas aos

resultados que serão encontrados. Isto significa que quanto mais ligada à estratégia da

empresa e quanto mais continuada for a estratégia de big data, melhores serão os resultados

obtidos, com respostas úteis, relevantes e capazes de gerar competitividade e inovação. Aliado

a isto, Brynjolfsson (2012, p. 2), acrescenta que devido ao crescimento contínuo na adoção de

“telefones celulares, compras na internet, redes sociais, comunicação eletrônica, GPS e

maquinário computadorizado”, que “produzem torrentes de dados como subproduto de sua

operação normal”, saber o que se quer perguntar se torna cada vez mais importante e

estratégico. Novo e Neves (2013) ainda acrescentam que as tecnologias móveis em

smartphones, tablets e outros dispositivos através de conexões rápidas como 3G e 4G mantém

as pessoas conectadas por mais tempo e aceleram ainda mais a formação de novos dados em

uma velocidade cada vez maior. Segundo os autores, caso a empresa consiga monitorar este

tipo de dado de forma instantânea, pode agilizar sua tomada de decisão e responder ao

mercado, também, de forma instantânea, sem perder oportunidades. Desta forma, a empresa

tem a possibilidade de trocar o foco em dados históricos por um acompanhamento contínuo

das informações geradas permitindo, inclusive, testar hipóteses realizando experimentos

controlados de forma mais rápida, prática e barata (NOVO; NEVES, 2013).

Ohl (2014) acrescenta que o big data é capaz de fornecer como resultado insights

e tendências obtidas a partir de dados implícitos, fornecendo uma análise preditiva da situação

através de informações pessoais e comportamentais. Segundo o autor, é possível entender o

que está por vir a partir de uma análise do comportamento real das pessoas, ou seja, a

quantidade de itens que está comprando, o que está procurando na internet, como está se

deslocando com seu smartphone, a frequência que realiza determinada ação, dentre outras. Ao

10

invés de perguntar para as pessoas como elas agiriam sobre determinada situação, o autor

defende que o big data busca esta informação através de algoritmos que varrem milhares de

dados disponíveis, cruzando e correlacionando-os na busca de padrões e tendências,

permitindo generalização dos resultados. Isto pode ser muito útil para a inovação para que, na

hora de testar hipóteses através de dados explícitos (pesquisas), o pesquisador não perca

tempo com respostas que ele já obteve, permitindo maior assertividade e foco (OHL, 2014).

Conforme Novo e Neves (2013), são muitas as tecnologias que podem compor

aplicações de big data, sendo uma das principais o text mining ou mineração de texto.

Segundo o autor, esta ferramenta é a responsável por permitir a análise de dados não

estruturados ou semiestruturados como são os textos livres, tendo como objetivo encontrar

padrões e extrair inteligência analítica e sendo, por isto, muito mais complexa do que análises

realizadas em bancos de dados estruturados. Devido à grande quantidade de tecnologias

disponíveis, este tema não será aprofundado, pois ultrapassa o foco da presente pesquisa. Na

seção 3 são apresentados os procedimentos metodológicos.

3. PROCEDIMENTOS METODOLÓGICOS

Esta seção apresenta a metodologia utilizada para a realização da pesquisa, a fim

de que seja garantido o caráter científico do artigo. Segundo Gil (1999), Roesch (2006) e

Lakatos e Marconi (2001), a estratégia metodológica permite a configuração do método

científico e significa que um conjunto sistemático de atividades foi adotado a fim de tornar os

resultados encontrados confiáveis e seguros.

3.1. TIPO DE PESQUISA

A pesquisa utilizada foi do tipo exploratória. Segundo Gil (1999), Roesch (2006)

e Mattar (2000), este tipo de pesquisa tem como principal objetivo explorar sobre um tema

considerado novo, buscando um aprofundamento dos conceitos para uma melhor

compreensão do mesmo. Gil (1999) acrescenta que este tipo de pesquisa é muito utilizado

como um passo inicial para projetos que desejam uma visão mais ampla sobre determinado

assunto, como é o caso do big data e sua aplicação como fonte de inovação.

3.2. VERTENTE DE PESQUISA

A vertente de pesquisa utilizada foi a qualitativa, necessária, segundo Gil (1999),

Malhotra (2001) e Zikmund (2006), para qualquer pesquisa do tipo exploratória. Segundo Gil

11

(1999), esta vertente não tem a pretensão de generalizar, mas sim de acrescentar

conhecimento, exigindo, para tanto, um número menor de entrevistas com maior

profundidade nas respostas, o que acaba tornando-a, segundo Malhotra (2001), mais

demorada e trabalhosa.

3.3. FONTES DE DADOS

Malhotra (2001) e Gil (1999) afirmam que pesquisas qualitativas exploratórias

geralmente envolvem a adoção de duas fontes de informação: primária e secundária:

x Fonte primária: fontes em que o pesquisador vai a campo colher as informações

pertinentes ao seu projeto como, no caso deste artigo, a utilização de entrevistas

em profundidade. A entrevista em profundidade, segundo Roesch (2006), além de

ser demorada, exige que o entrevistador possua determinados conhecimentos e

habilidades, pois ela geralmente conta com pouca ou nenhuma estrutura

(perguntas), podendo ser estruturada em tópicos abrangentes ou somente com um

assunto sobre o qual o entrevistado vai discorrer (GIL, 1999). Malhotra, (2001)

acrescenta que este tipo de pesquisa permite explorar as motivações, esperanças,

crenças, atitudes e sentimentos sobre o assunto e deve ser aplicado em experts ou

formadores de opinião a fim de obter insights. Gil (1999) acrescenta que por

possuir uma amostra pequena, esse tipo de levantamento não permite

generalizações;

x Fonte secundária: fontes, de origem comprovada, em que o pesquisador não

precisa ir a campo colher as informações. A informação já está disponível como,

por exemplo, no caso do levantamento bibliográfico, realizado a partir de livros e

artigos. Segundo Mattar (2000) e Gil (1999), uma das vantagens desta fonte é

permitir um ganho em tempo e em esforço, podendo aprofundar sobre o assunto

antes de ir a campo. Roesch (2006) acrescenta que no caso do levantamento

bibliográfico devem ser seguidas as seguintes etapas: seleção, leitura, análise de

textos relevantes e relato por escrito.

3.4. MÉTODO DE TRABALHO

A pesquisa foi realizada de forma não aleatória, com oito pessoas, experts e

profissionais do mercado de tecnologia da informação e/ou inovação, em acordo com o que

defende Malhotra (2001). Foi utilizado um roteiro semi-estruturado, com questões abertas que

12

permitem ao entrevistado discorrer sobre o assunto de forma abrangente, possibilitando ao

entrevistador explorar o tema. Este tipo de roteiro vai ao encontro do que defendem Roesch

(2006) e Gil (1999). A duração média das entrevistas foi de 45 minutos. Abaixo, a figura 3

apresenta mais informações sobre os entrevistados:

Figura 3: Informações sobre os entrevistados. Fonte: Própria.

3.5. MÉTODO DE ANÁLISE

A técnica utilizada para a análise dos dados obtidos foi a análise de conteúdo, que

segundo Vergara (2006) é considerada a principal técnica para o tratamento de dados em

pesquisas do tipo exploratória. Segundo o autor, esta análise consiste em um conjunto de

técnicas que visa categorizar os dados através de procedimentos sistemáticos e objetivos. Gil

(1999) acrescenta que esta técnica permite a interpretação dos dados, possibilitando que o

pesquisador estabeleça conclusões acerca do assunto. Segundo Gil (1999) e Roesch (2006),

em geral, o processo da análise consiste em: definir as unidades de análise (palavras e temas);

estabelecer as categorias; codificar as categorias; tabular os resultados; realizar uma análise

estatística dos dados; avaliar as generalizações obtidas; observar a inferência de relações

causais; e interpretar os dados finais obtidos na busca de conclusões. Na seção 4 são

apresentados os resultados obtidos.

13

4. ANÁLISE E APRESENTAÇÃO DOS RESULTADOS

Esta seção apresenta as análises e os resultados obtidos através das entrevistas

realizadas no período entre 27 de Novembro e 1º de Dezembro de 2014, nas cidades de Porto

Alegre e Florianópolis (ANEXO 1 – roteiro de pesquisa). Foram entrevistadas oito pessoas,

todos homens, com a seguinte distribuição etária: cinco possuem idades entre 20 e 29 anos e

três possuem idades entre 30 e 39 anos. Seis atuam na área de tecnologia da informação (TI),

um atua na área de consultoria de inovação e um atua no varejo ligado a inovação. O

consultor de inovação e um dos profissionais de TI possuem entre 11 e 15 anos de atuação em

suas respectivas áreas. Os demais possuem entre 6 e 10 anos. Sete dos entrevistados possuem

formação superior, sendo que quatro destes também possuem pós-graduação. Os entrevistados

foram escolhidos por se enquadrarem no seguinte requisito: ser um empreendedor, consultor

e/ou expert, atuando nas áreas de inovação, tecnologia da informação e/ou inteligência de

mercado (BI – business intelligence). Com o objetivo de entender como o big data pode servir

de fonte para a inovação no setor de tecnologia, a estrutura da pesquisa apresentou perguntas

abertas e semi-estruturadas, permitindo que os entrevistados pudessem discorrer sobre o tema

para torna-lo mais conhecido ao entrevistador. Sem o objetivo de generalizar, mas sim de

gerar informação, foram abordados três temas centrais: inovação, big data e aplicação do big

data para o processo de inovação.

4.1. INOVAÇÃO

Segundo os entrevistados, inovação é uma novidade que deve gerar benefícios em

termos de competitividade, seja ela econômica, financeira, social, ambiental ou outra. Esta

novidade deve estar diretamente ligada à estratégia da empresa, podendo ocorrer em termos

de produto, serviço, processo, modelo de negócios, canal, relacionamento, experiência, dentre

outras. Conforme todos os entrevistados afirmaram, esta novidade deve apresentar um valor

para o mercado, que deve estar disposto a pagar por ela, indo de encontro com o que pensam

Scherer e Carlomagno (2009). Conforme afirmado nas entrevistas, “a inovação tem um ciclo:

insight, ideia, estruturação, experimentação e implementação. Gerenciar bem este ciclo é o

que indica se uma empresa é mais inovadora do que outra”. Justificando que o que torna uma

empresa inovadora não é necessariamente o montante investido.

Segundo o consultor em inovação entrevistado, “a inovação vem evoluindo ao

longo do tempo junto com a administração, vem se tornando um processo sistematizado, que

14

é gerenciado com metodologia e apoio de ferramentas de gestão”. O objetivo disto, segundo o

mesmo, é “entregar novidades com maior velocidade e assertividade, aumentando as taxas de

sucesso e de retorno”. Alguns exemplos de ferramentas apresentadas pelos entrevistados

foram o book de inteligência, relatório repassado mensalmente dos escritórios regionais para a

matriz na TIM, os comitês de avaliação de ideias na SAP e o funil de avaliação para verificar

se a nova ideia se adequa à estratégia da empresa na Devsol. Outras ferramentas, como

indicadores de desempenho, a adoção de metodologias ágeis no desenvolvimento de software,

a automatização com objetivo de geração de dados e os planos de incentivo a boas ideias

também foram citadas. Um dos entrevistados citou dois programas de incentivo com foco em

criar o ambiente inovador: programa ócio criativo – 16 horas por mês para projetos pessoais, e

programa inovatec – empresa-mãe investe em ideias, remunerando o criador com valor

percentual. Uma das principais ferramentas, contudo, apresentada por seis entrevistados foi a

internet. Conforme afirmou o especialista em inovação no varejo, “A internet vem quebrando

as barreiras de distância e servindo como impulso para a inovação”, isso de forma mais barata

e ágil.

4.1.1. FONTES DE INOVAÇÃO

Conforme parte dos entrevistados, a internet vem crescendo como um redutor de

distâncias e facilitador para a inovação, permitindo acesso a pessoas, instituições, informações

e mercados antes distantes. As fontes de inovação também vêm evoluindo ao longo do tempo,

e o que pôde ser visto nas entrevistas é que os entrevistados concordam com Chesbrough

(2012), no que diz respeito ao conceito de inovação aberta. Como possíveis fontes para a

inovação foram citados clientes, parceiros estratégicos, colaboradores, fornecedores, startups,

corporate venture, e também o conceito de technologies brokers, pessoas com muito trânsito

no ecossistema inovador que têm como missão ligar empresas que buscam soluções (seekers)

com empresas ou instituições que às possuam (solvers). Segundo, pelo menos, três dos

entrevistados, as fontes de inovação utilizadas estão diretamente ligadas à estratégia da

empresa, ao tipo de inovação que se quer adotar e à posição da empresa dentro da sua cadeia

de valor. Isto está conectado ao que pensam Scherer e Carlomagno (2009). Conforme um dos

entrevistados, “a estratégia da empresa é o ponto inicial do processo da inovação, então as

fontes de inovação vão depender da direção que os canhões da empresa estiverem

apontando”.

15

4.2. BIG DATA

Um dos assuntos abordados na pesquisa foi a definição do que é big data, peça

central deste artigo, que teve como resposta de cinco entrevistados os cinco V´s apresentados

na figura 2: volume, variedade, valor, veracidade e velocidade. O resultado da pesquisa, neste

ponto, vai diretamente ao encontro do conceito defendido por Novo e Neves (2013) e Tarifa

(2014). Por ser um conceito considerado ainda novo por parte dos entrevistados, pelo menos

um deles acredita que “o processo do big data deve ser entendido a partir do conceito de

inteligência de mercado. As etapas são comuns nos dois processos: coletar, armazenar,

analisar, disseminar e avaliar”. Segundo a pesquisa, um dos pontos mais importantes dentro

do processo de análise de big data é identificar a pergunta que vai desencadear toda a

pesquisa – o problema de pesquisa. Segundo todos os entrevistados, o segredo está em fazer a

pergunta certa para que o resultado seja o esperado e esteja em sintonia com as estratégias da

empresa. Conforme um dos entrevistados cita, “a pergunta é a parte mais importante de uma

análise, principalmente se for de big data. Isso por que uma pergunta errada, com a

quantidade de dados disponíveis, pode te levar pra muito longe do teu objetivo”, indo de

encontro com o que Brynjolfsson (2012) defende.

Segundo o levantamento e o que defendem Novo e Neves (2013), o big data tem

como objetivo transformar grandes volumes de dados em informação relevante para a

empresa, criando valor e apoiando a tomada de decisão. Funciona através de algoritmos

poderosos, capazes de interpretar e correlacionar dados distintos de forma rápida e não

exposta à interpretação humana. Conforme um dos entrevistados, “os softwares usados pra

essa finalidade procuram padrões nos dados para realizar análises preditivas na busca de

tendências e padrões comportamentais que gerem oportunidades a partir de insights”. Estes

dados, segundo todos os entrevistados, são gerados a partir de dispositivos digitais, cada vez

mais comuns no cotidiano das pessoas, como smartphones, rádios, carros, geladeiras,

máquinas, computadores, sensores, câmeras de vídeo e outros. Segundo um dos entrevistados,

devido ao crescimento na adoção de novas tecnologias digitais e ao consequente crescimento

exponencial na geração de dados, a capacidade de armazenamento é um dos principais

desafios para o big data, concordando com o que diz Brynjolfsson (2012).

Quatro dos entrevistados concordaram que devido à necessidade em realizar

pesquisa, o profissional indicado para trabalhar nesta área é um profissional de mercado, com

conhecimentos em estatística. Isto a fim de reduzir o risco de erro na pergunta e de

16

consequentes resultados irrelevantes. Segundo o levantamento, além de mão de obra

especializada, a implementação do big data também está relacionada a um grande volume de

dados disponível. Conforme afirma um dos entrevistados, caso a empresa não tenha acesso a

estes dados será necessário comprá-los. Uma boa infraestrutura em TI também é vista como

um requisito para suportar uma implementação big data de proporções medianas a grandes.

Conforme três dos entrevistados concordam, o big data deve ser utilizado com foco em gerar

competitividade e, conforme afirmam todos os entrevistados, deve ser gerenciado pelo

marketing via área de inteligência de mercado, com apoio da TI. Segundo levantado, já

existem diversas plataformas de big data disponíveis no mundo, entre elas foram citadas

soluções da IBM, Microsoft e Oracle, além das ferramentas SAP HANA e Qlikview.

Quando solicitado que os entrevistados buscassem alguma possível aplicação do

big data em suas empresas, surgiram oportunidades como a possibilidade de “a TIM

monitorar a qualidade da área de cobertura via relatos dos usuários. Isso nas redes sociais”,

como o caso de a Devsol utilizar a informação proveniente do seu sistema de ERP para

entender melhor as necessidades dos seus clientes e do mercado, além da utilização do big

data como fonte de insights no marketing, levantando informações sobre o comportamento do

consumidor, da concorrência e as tendências de mercado. A possibilidade de ter relatórios em

tempo real, permitindo ações rápidas, também foi uma das aplicações citadas por seis dos oito

entrevistados, ratificando o que defendem Tarifa (2014) e Novo e Neves (2013).

4.2.1. DESAFIOS DO BIG DATA

A pesquisa também revelou algumas características do big data que devem ser

encaradas como desafio para os próximos anos. A questão da “pergunta correta” foi citada por

todos os entrevistados como sendo um ponto-chave para a pesquisa, pois uma “pergunta

errada” pode levar a uma resposta errada, a “cegueira de BI”, citada por um dos entrevistados

e que, segundo o mesmo vai desencadear uma estratégia errada e resultados ruins. A

privacidade e a relação dos usuários com a privacidade também foi um fator citado por cinco

dos oito entrevistados como sendo um ponto crítico. Segundo um entrevistado as pessoas

podem começar a desconfiar de marcas que admitam publicamente o uso deste tipo de

informação para tirar vantagem competitiva e inovar. Ser um conceito ainda novo e com

pouca informação disponível também foi citado por parte dos entrevistados como uma das

dificuldades deste tipo de análise. Segundo eles, existe pouco conhecimento, pouco material

disponível e uma mão-de-obra ainda muito cara e pouco especializada no Brasil. Conforme

17

um dos entrevistados, também deve ser reconhecido que o big data não gera valor para todas

as indústrias. Na indústria específica de tecnologia foi unanimidade entre os entrevistados que

é uma das que mais devem se beneficiar deste conceito. A falta de regulação na internet como

um todo também foi citada como uma desvantagem e uma preocupação de um dos

entrevistados. Por fim, o custo muito alto em infraestrutura de TI, mão-de-obra especializada

e acesso aos dados, também é visto como uma desvantagem por metade dos entrevistados.

Sobre o acesso aos dados, segundo um dos entrevistados da empresa Devsol, o que existe hoje

é um “cofre fechado, que para ter acesso é preciso dinheiro ou geração própria dos dados”.

4.3. BIG DATA COMO FONTE DE INOVAÇÃO

Segundo um dos entrevistados, “o big data é o responsável por trazer a

informação pra dentro da empresa. Com essa informação, de qualidade, ela tende a ter maior

referência ou base pra inovar”. O mesmo afirma que esta informação tem valor estratégico,

pois entrega à empresa algo que provavelmente somente ela tenha acesso no mercado,

gerando uma vantagem competitiva real para o processo de inovação. Neste sentido, dois dos

entrevistados citaram que com uma vantagem importante é possível acabar com qualquer

desvantagem relacionada ao big data. No que diz respeito à utilização do big data como fonte

de informação para a inovação no setor de tecnologia, foram identificadas duas etapas do

processo nas quais ele pode apresentar benefícios: geração de insights e experimentação.

Segundo dois entrevistados, o big data amplia a capacidade humana de gerar

insights, estendendo a visão devido à quantidade de dados analisada e à possibilidade de

correlaciona-los. Segundo um dos entrevistados, na inovação o big data deve servir de agente

gerador dos insights, que, combinados à gestão, vão contribuir para o aumento da capacidade

de inovar, seja em processo, produto, serviço ou qualquer outro. Conforme três dos

entrevistados concordam, o big data, ao realizar uma análise padronizada e sem interferência

humana, permite interpretar e combinar inúmeras variáveis para projetar cenários com o

máximo de precisão possível, contribuindo para um processo de inovação mais veloz e

seguro. Um segundo momento do ciclo da inovação em que pode-se usufruir, segundo o

levantamento, das vantagens do big data, é na etapa de experimentação. Neste momento,

segundo um dos entrevistados, “o big data permite que as hipóteses sejam testadas de forma

controlada e ágil, gastando pouco tempo, pouco dinheiro e evitando qualquer dano pra

empresa”, o que vai ao encontro do que defendem Novo e Neves (2013). Observados os

resultados levantados pela pesquisa, na seção 5 é apresentada a conclusão do artigo.

18

5. CONCLUSÃO

Observado o problema de pesquisa e aplicado o levantamento de informações

acerca do assunto “o big data como fonte de informação para a inovação no setor de

tecnologia”, conclui-se que o big data é uma realidade, uma ferramenta que, cada vez mais,

deve trazer resultados relevantes para as empresas em termos de informação privilegiada para

a análise de cenários, padrões e comportamentos. Segundo pôde ser visto, o big data, quando

ligado diretamente à estratégia da empresa, pode ser uma ferramenta poderosa para as

atividades de inovação, contribuindo com informação em, pelo menos, dois momentos do

ciclo: geração de insights e experimentação.

No que diz respeito à utilização do big data como fonte de geração de insights, ele

amplia a capacidade humana, estendendo a visão a partir de um grande volume de dados e da

possibilidade de correlacioná-los, gerando informações antes impensadas. Com uma maior e

mais qualificada quantidade de insights gerados, a empresa tem em mãos uma vantagem em

relação aos seus competidores, o que acaba deixando-a em uma posição privilegiada no que

diz respeito à competitividade e à capacidade de inovar. Por ser a fase inicial do processo,

neste momento o big data pode ser útil como base de informação para qualquer tipo de

inovação, seja ela em produto, processo, serviço ou outro. No que diz respeito ao big data

como ferramenta que fornece informação na etapa de experimentação, ele permite que

hipóteses sejam testadas em ambientes controlados, sem que isso possa afetar, por exemplo, a

percepção da marca por parte do público de determinada empresa. Como pôde ser visto, com

o cruzamento de informações uma empresa pode, por exemplo, testar um novo produto com

determinada amostra, de determinada população, acompanhando, em tempo real, o que as

pessoas estão achando e falando sobre ele. Especificamente no setor de tecnologia, o

momento da experimentação de um novo produto é, geralmente, crítico e exige que a

aplicação seja testada à exaustão. Ao garantir que este teste seja realizado de forma rápida e

controlada, os interessados na pesquisa têm a possibilidade de monitorar e alterar qualquer

característica da aplicação em tempo real, sem perdas e com um ganho muito grande em

agilidade.

As vantagens do big data como fonte de informação para a inovação são diversas,

pois por ser uma análise padronizada, com algoritmos inteligentes e que não exigem nenhuma

interferência humana, ela permite inovar com maior segurança, velocidade e valor. De

qualquer forma, existem alguns desafios a serem superados. Um dos mais importantes é

19

garantir sempre a pergunta correta, que vai desencadear a pesquisa certa e trazer resultados

relevantes. Conforme apresentado, uma pergunta errada acaba gerando resultados errados, que

podem gerar estratégias erradas e prejudicar a empresa como um todo. A questão da

privacidade também deve ser levada em consideração, pois com o mundo globalizado as

pessoas estão, cada vez mais, pensando sobre os limites das empresas em relação ao uso de

informações pessoais. Isto leva para mais um desafio do big data dentro da questão da

inovação, que é a legislação. Como hoje grande parte dos dados são obtidos via internet, a

falta de regulação neste setor ainda assusta os profissionais da área, que podem ver suas

empresas nas mãos dos legisladores em um futuro próximo. De qualquer forma, são muitas as

vantagens que o big data pode trazer como fonte de informação para o processo de inovação,

principalmente dentro do setor de tecnologia, fornecendo informações qualificadas e

garantindo que com apenas uma vantagem seja possível acabar com qualquer possível

desvantagem da implementação de uma aplicação deste tipo. Este estudo, devido ao seu foco

específico, não adentrou sobre o assunto das ferramentas utilizadas em plataformas de big

data, nem a respeito da aplicação, de fato, destas ferramentas por parte das empresas com

exemplos práticos. Para tanto seria necessário fugir do tema e mudar a característica dos

entrevistados. Neste caso, portanto, sugere-se que em outro momento seja realizada uma

pesquisa aprofundada a respeito das melhores ferramentas a serem adotadas pelas empresas

para a realização de análises de big data. Seguindo esta linha, acredita-se ser útil também

entender o passo-a-passo para uma estratégia de sucesso em análises do tipo big data.

REFERÊNCIAS

BARBIERI, Carlos. Business Intelligence: modelagem & qualidade. Ed. Elsevier, 2011.

BESSANT, John; TIDD, Joe. Inovação e Empreendedorismo. Ed. Bookman, 2009.

BORBA, Julio. Investimentos em pesquisa e desenvolvimento.

(http://www.jborba.com.br/investimentos-em-pesquisa-e-desenvolvimento/), 2014. Acesso

em: 09/12/2014, às 23:20.

BROWN, Brad; CHUI, Michael; MANYIKA, James. Are you ready for the era of ‘big

data’?

(http://www.mckinsey.com/insights/strategy/are_you_ready_for_the_era_of_big_data), 2011.

Acesso em: 10/11/2014, às 15:07.

20

BRYNJOLFSSON, Erik; MCAFEE, Andrew. Big Data: A revolução da gestão.

(http://www.hbrbr.com.br/materia/big-data-revolucao-da-gestao), 2012. Acesso em:

10/11/2014, às 15:09.

BUGHIN, Jacques; LIVINGSTON, John; MARWAHA, Sam. Seizing the potential of ‘big

data’.

(http://www.mckinsey.com/insights/business_technology/seizing_the_potential_of_big_data),

2011. Acesso em: 10/11/2014, às 15:11.

BURGELMAN, Robert; CHRISTENSEN, Clayton; WHEELWRIGHT, Steven. Gestão estratégica da tecnologia e da inovação. Ed. Bookman, 2012.

CARVALHO, Marly Monteiro de. INOVAÇÃO: Estratégias e Comunidades de Conhecimento. Ed. Atlas, 2009.

CASONATO, R; et al. Top 10 Technology Trends Impacting Information Infrastructure. Gartner. 2013.

CHESBROUGH, Henry. Inovação aberta. Ed. Bookman, 2012.

DAVENPORT, Thomas; Harris, Jeanne. Competição Analítica: Vencendo Através da Nova

Ciência. Ed. Campus, 2007.

FISCHER, Hevertom. Uso do Big Data para a tomada de decisão: sua empresa está no

caminho certo? (http://corporate.canaltech.com.br/noticia/big-data/Uso-do-Big-Data-para-a-

tomada-de-decisao-sua-empresa-esta-no-caminho-certo/), 2014. Acesso em: 10/11/2014, às

14:06.

GALLANT, John. How Real-Time Computing Will Change the Landscape. (http://www.computerworld.com/article/2511353/business-intelligence/tibco-ceo--how-real-

time-computing-will-change-the-landscape.html), 2011. Acesso em: 10/11/2014, às 15:25.

GE IMPRESNSA BRASIL. Barômetro Global da Inovação 2014: executivos buscam mais

novas formas de inovar. (http://www.geimprensabrasil.com/barometro-global-da-inovacao-

2014-executivos-buscam-mais-novas-formas-de-inovar), 2014. Acesso em: 01/11/2014, às

17:18.

GIL, Antônio Carlos. Métodos e técnicas de pesquisa social. Atlas, 1999.

21

GILL, Asif. What does Big Data mean to a business organization? V5 Lens for

navigating through Big Data. (http://aqgill.blogspot.com.br/2012/06/what-does-bigdata-

mean-to-business.html), 2012. Acesso em: 10/11/2014. às 16:32.

HSM Management (Nº 105, Agosto 2014)

HSM Management (Nº 87, Julho/Agosto 2011)

INVENTTA. A inovação: definição, conceitos e exemplos. (http://inventta.net/radar-

inovacao/a-inovacao/), 2014. Acesso em: 17/11/2014, 14:56.

LAKATOS, Eva Maria; MARCONI, Marina de Andrade. Fundamentos de metodologia científica. Atlas, 2001.

LASTRES, Helena; ALBAGLI, Sarita. Informação e globalização na era do conhecimento. (http://ihmcumaps.ihmc.us/rid=1HM4HXLGM-12RWZ0-

69G/Codifica%C3%A7%C3%A3o%20do%20Conhecimento.pdf#page=122), 1999. Acesso

em: 04/11/2014, às 16:42.

MATTAR, Fauze. Pesquisa de Marketing. Ed. Atlas, 2000.

MALHOTRA, Naresh. Pesquisa de Marketing: uma orientação aplicada. Ed. Bookman,

2001.

MANYIKA, James; CHUI, Michael; BROWN, Brad; BUGHIN, Jacques; DOBBS, Richard;

ROXBURGH, Charles; BYERS, Angela Hung. Big data: The next frontier for Innovation,

competition, and productivity.

(http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_inn

ovation), 2011. Acesso em: 01/11/2014, às 17:21.

NOVO, Rafael; NEVES, José Manoel, Souza das. Inovação na inteligência analítica por

meio do Big Data: características de diferenciação da abordagem tradicional.

(http://www.centropaulasouza.sp.gov.br/pos-graduacao/workshop-de-pos-graduacao-e-

pesquisa/008-workshop-

2013/trabalhos/desenvolvimento_de_tecnologia_e_sistemas/121191_32_44_final.pdf), 2013.

Acesso em: 01/11/2014, às 17:16.

OHL, Rodolfo. Big data: uma visão gerencial.

(https://www.fiergs.org.br/inovacao2014/palestrantes), 2014. Acesso em: 31/10/2014, às

15:43.

PETTEY, Christy. Gartner Identifies the Top 10 Strategic Technology Trends for 2013. (http://www.gartner.com/newsroom/id/2209615), 2012. Acesso em: 09/12/2014, às 23:51.

22

PETTEY, Christy; MEULEN, Rob van der. Gartner Identifies Top Technology Trends

Impacting Information Infrastructure in 2013. (http://www.gartner.com/newsroom/id/2359715), 2013. Acesso em: 10/11/2014, às 15:17.

ROESCH, Sylvia Maria Azevedo. Projetos de estágio e de pesquisa em administração. Ed.

Atlas, 2006.

ROSENTHAL, David, MOREIRA, Inaldo Lima. Algumas considerações sobre a natureza do processo de capacitação tecnológica: fontes de inovação.

(http://bibliotecadigital.fgv.br/ojs/index.php/rap/article/view/8752/7481), 1992. Acesso em:

04/11/2014, às 16:37.

SCHERER, Felipe Ost; CARLOMAGNO, Maximiliano Selistre. Gestão da Inovação na Prática. Ed. Atlas, 2009.

TARIFA, Alexandre. O que é big data e como usar na sua pequena empresa.

(http://exame.abril.com.br/pme/noticias/o-que-e-big-data-e-como-usar-na-sua-pequena-

empresa), 2014. Acesso em: 10/11/2014, às 16:01.

TIDD, Joe; BESSANT, Jonh; PAVITT, Keith. Gestão da inovação. Ed. Bookman, 2008.

TROTT, Paul. Gestão da Inovação e Desenvolvimento de novos produtos. Ed. Bookmann,

2008.

VERGARA, Sylvia. Métodos de pesquisa em administração. Ed. Atlas, 2006.

ZARMELA, Luciana. Big Data: tudo é muito mais assustador do que você imagina.

(http://corporate.canaltech.com.br/noticia/big-data/Big-Data-tudo-e-muito-mais-assustador-

do-que-voce-imagina/), 2014. Acesso em: 10/11/2014, às 12:45.

ZICKMUND, William G. Princípios de pesquisa de marketing. Ed. Pioneira Thompson

Learning, 2006.

23

ANEXO 1 – ROTEIRO DE PESQUISA

Inovação: o big data como fonte de informação para a inovação no setor de tecnologia

Pesquisa realizada com o objetivo de entender como o big data pode servir de

fonte de informação para a inovação no setor de tecnologia. Com três tópicos a serem

discutidos: inovação, big data e aplicação do big data como fonte de informação; a pesquisa

tem tempo previsto de duração de até 60 minutos. As perguntas foram formuladas com foco

em entender a visão do entrevistado em relação ao big data como fonte para inovar, não

existindo respostas certas ou erradas. A entrevista será gravada para posterior transcrição e

análise.

Entrevistado:

Profissão/Formação/Área de atuação: Tempo de atuação na área: a) Até 05 anos b) 06 a 10 anos c) 11 a 15 anos

Sexo: a) Feminino b) Masculino

Faixa de idade: a) 20 a 29 anos b) 30 a 39 anos c) 40 a 49 anos

ASSUNTO INOVAÇÃO 1 - Contextualize inovação, no seu ponto de vista.

2 - Explique como a sua empresa entende e trabalha inovação (conceitos e ferramentas). 3 - Contextualize as fontes utilizadas para a inovação na sua empresa. ASSUNTO BIG DATA

4 - Explique o que você entende por big data. 5 - Discorra sobre como você vê a possível utilização do big data na sua empresa (de que forma).

ASSUNTO BIG DATA E INOVAÇÃO 6 – Considerando os conceitos de big data e de inovação, discorra sobre as vantagens e desvantagens do uso do big data como fonte para a inovação, no seu ponto de vista.