Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/123456789/7219Registro completo de metadados
| Campo DC | Valor | Idioma |
|---|---|---|
| dc.contributor.author | BECKMAN, Renato Ferreira | - |
| dc.date.accessioned | 2023-12-22T12:56:50Z | - |
| dc.date.available | 2023-12-22T12:56:50Z | - |
| dc.date.issued | 2023-07-11 | - |
| dc.identifier.uri | http://hdl.handle.net/123456789/7219 | - |
| dc.description | The present work aims to identify the impact of Data Science's business decision-making on management. The topic addresses the importance of effectively using data analysis to drive business organizations. By transforming large volumes of raw data into valuable and useful information, Data Science plays a crucial role in various fields, including business, health, science, and government. With the exponential growth of the amount of information available on the internet, the use of data analysis has become indispensable in organizations, offering opportunities in areas such as politics, economics, science, education, marketing, and business. Among the data analysis practices that significantly impact business decision-making, the following stand out: Exploratory Data Analysis (EDA), Predictive Analysis, Customer Segmentation Analysis, Data Mining Analysis, and Key Performance Indicator (KPI) Analysis. Each of these practices plays an essential role in providing valuable insights, personalizing strategies, identifying opportunities, anticipating demands, and supporting strategic decisions. However, data analysis faces challenges and barriers such as lack of quality data, technological complexity, shortage of qualified professionals, integration with existing systems, changes in privacy legislation, and cultural resistance. Overcoming these obstacles is crucial to harnessing the full potential of data analysis in decision-making. Operational efficiency is a fundamental aspect for the success of companies in a highly competitive market. The application of data analytics in internal processes allows identifying bottlenecks, optimizing resources, and improving productivity. Thus, Data Science is intrinsically linked to operational efficiency, strengthening organizations' ability to adapt quickly to market changes and remain competitive. | pt_BR |
| dc.description.abstract | O presente trabalho tem como objetivo geral identificar o impacto da tomada de decisão empresariais da Ciência de Dados na gestão. O tema aborda a importância do uso eficaz da análise de dados para impulsionar as organizações empresariais. Através da transformação de grandes volumes de dados brutos em informações valiosas e úteis, a Ciência de Dados desempenha um papel crucial em diversos campos, incluindo negócios, saúde, ciência e governo. Com o crescimento exponencial da quantidade de informações disponíveis na internet, o uso da análise de dados tornou-se indispensável nas organizações, oferecendo oportunidades em áreas como política, economia, ciência, educação, marketing e negócios. Dentre as práticas de análise de dados que impactam significativamente na tomada de decisões empresariais, destacam-se: Análise Exploratória de Dados (EDA), Análise Preditiva, Análise de Segmentação de Clientes, Análise de Mineração de Dados e Análise de Indicadores-Chave de Desempenho (KPI). Cada uma dessas práticas desempenha um papel essencial ao oferecer insights valiosos, personalizar estratégias, identificar oportunidades, antecipar demandas e embasar decisões estratégicas. No entanto, a análise de dados enfrenta desafios e barreiras, como a falta de dados de qualidade, complexidade tecnológica, escassez de profissionais qualificados, integração com sistemas existentes, mudanças na legislação de privacidade e resistência cultural. Superar esses obstáculos é fundamental para aproveitar todo o potencial da análise de dados na tomada de decisões. A eficiência operacional é um aspecto fundamental para o sucesso das empresas em um mercado altamente competitivo. A aplicação de análises de dados em processos internos permite identificar gargalos, otimizar recursos e aprimorar a produtividade. Assim, a Ciência de Dados está intrinsecamente ligada à eficiência operacional, fortalecendo a capacidade das organizações de se adaptarem rapidamente às mudanças do mercado e se manterem competitivas. | pt_BR |
| dc.publisher | UFMA | pt_BR |
| dc.subject | Ciência de Dados; | pt_BR |
| dc.subject | Gestão empresarial; | pt_BR |
| dc.subject | Tomada de decisões; | pt_BR |
| dc.subject | Análise de dados; | pt_BR |
| dc.subject | Marketing | pt_BR |
| dc.subject | Data science; | pt_BR |
| dc.subject | Business management; | pt_BR |
| dc.subject | Decision-making; | pt_BR |
| dc.subject | Data analysis; | pt_BR |
| dc.subject | Marketing | pt_BR |
| dc.title | Ciência de Dados na Gestão Empresarial | pt_BR |
| dc.title.alternative | Data Science in Business Management | pt_BR |
| dc.type | Other | pt_BR |
| Aparece nas coleções: | TCCs de Graduação em Administração do Campus do Bacanga | |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| RENATO_FERREIRA_BECKMAN___TCC.pdf | TCC de Graduação | 611,58 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.