<\/p>\n
N\u00e3o vale de muito as PME terem dados se n\u00e3o os utilizarem. Qual \u00e9 o valor dos dados \u00ad\u00ad\u00ad\u00adque as PME n\u00e3o usam? T\u00eam algum valor?<\/p>\n
Se pensarmos nos diferentes choques tecnol\u00f3gicos que produziram altera\u00e7\u00f5es estruturais na forma como as empresas e os agentes econ\u00f3micos se comportam, produzem, consomem e interagem, podemos sistematizar duas recentes \u00e9pocas como Senin et al. (2024)[1]<\/a> referem no seu recente trabalho: a \u00e9poca da terceira revolu\u00e7\u00e3o industrial (RI 3.0) onde as organiza\u00e7\u00f5es adotaram metodologias de automa\u00e7\u00e3o. Entretanto estaremos a viver uma quarta revolu\u00e7\u00e3o industrial (RI 4.0), onde as organiza\u00e7\u00f5es passaram de uma automa\u00e7\u00e3o convencional para a incorpora\u00e7\u00e3o de uma multiplicidade de tecnologias que permitem estrat\u00e9gias inteligentes de produ\u00e7\u00e3o, digitaliza\u00e7\u00e3o de processos das empresas, e o livre fluxo de informa\u00e7\u00e3o e comunica\u00e7\u00e3o ao longo das v\u00e1rias partes interessadas da cadeia de valor.<\/p>\n S\u00e3o m\u00faltiplos os estudos e as pesquisas cient\u00edficas que referem que esta digitaliza\u00e7\u00e3o se tem mostrado uma ferramenta essencial para garantir a competitividade das Pequenas e M\u00e9dias Empresas (PME) no mercado contempor\u00e2neo. No caso concreto das PME, o trabalho de Senin et al. (2024)1<\/sup> destaca especificamente que tecnologias devem ser mais adequadas para PME para esta RI 4.0, destacando claramente a incorpora\u00e7\u00e3o de tecnologias de an\u00e1lise de dados<\/strong> (Big Data Analytics)<\/em> e cloud computing<\/em> numa primeira fase<\/strong>, e posteriormente outras op\u00e7\u00f5es tecnol\u00f3gicas como realidade virtual<\/strong> (VR), realidade aumentada<\/strong> (AR) e outras.<\/p>\n Claramente, entre as tecnologias emergentes, a an\u00e1lise avan\u00e7ada de dados e a intelig\u00eancia artificial (IA) destacam-se como pilares nesta evolu\u00e7\u00e3o empresarial<\/strong>.<\/p>\n Mas as PME t\u00eam contextos espec\u00edficos. N\u00e3o disp\u00f5em dos recursos financeiros, humanos, t\u00e9cnicos ou log\u00edsticos que as grandes empresas disp\u00f5em. Em oposi\u00e7\u00e3o, t\u00eam muitas vezes a vantagem de terem maior agilidade, flexibilidade, e mesmo capacidade de adapta\u00e7\u00e3o a novas situa\u00e7\u00f5es. Como muitos gestores de PME referem, dif\u00edcil \u00e9 gerir com escassez de recursos (ou muitas vezes sem eles!).<\/p>\n Para al\u00e9m disso, desde sempre que existem dados! E provavelmente (e at\u00e9 2025), temas como big data<\/em>, an\u00e1lise avan\u00e7ada de dados, ci\u00eancia de dados ou intelig\u00eancia artificial, nunca estiveram tanto na agenda e nas bocas do mundo como hoje. Sobre os seus benef\u00edcios, os seus m\u00e9ritos, e inclusive todas as perspetivas futuras que esses instrumentos reservam para a sociedade, para as empresas, para o ambiente, para a ci\u00eancia, e para todas as infinitas dimens\u00f5es que constituem a nossa vida.<\/p>\n Toda esta popularidade foi acelerada pelo lan\u00e7amento de ferramentas do que (hoje) se chama intelig\u00eancia artificial generativa<\/strong> (em particular, do lan\u00e7amento do ChatGPT). E \u00e9 normal que existam picos de euforia. Isso \u00e9 bom! Faz parte de qualquer processo da nossa civiliza\u00e7\u00e3o (e at\u00e9 da natureza humana). E tem um aspeto positivo: n\u00e3o sendo uma \u00e1rea nova, hoje a \u00e1rea de an\u00e1lise de dados \u00e9 discutida como uma disciplina<\/strong>, que mais do que um somat\u00f3rio de epis\u00f3dios isolados num contexto empresarial, deve ser visto como um instrumento met\u00f3dico, sistem\u00e1tico, e que deve ser discutido de forma organizada e corporativa<\/strong>.<\/p>\n As PME sempre trabalharam dados. S\u00e3o m\u00e1quinas a trabalhar dados, e n\u00e3o gerem sem dados. Na verdade, mesmo as PME que n\u00e3o disp\u00f5em de pr\u00e1ticas de an\u00e1lise avan\u00e7ada de dados ou de tecnologias para o efeito, mesmo inadvertidamente analisam dados. Guardam todos os sinais, n\u00fameros, telefonemas e contactos com clientes (e por a\u00ed fora), processam mentalmente toda essa informa\u00e7\u00e3o, e criam um conjunto de conhecimento que est\u00e1 impl\u00edcito e encerrado em cada um dos elementos da empresa.<\/p>\n A diferen\u00e7a n\u00e3o est\u00e1 na aus\u00eancia de an\u00e1lise de dados, est\u00e1 na forma pouco met\u00f3dica, sistem\u00e1tica, e organizada como as empresas o fazem.<\/strong> Embora as PME sejam essenciais para todas as economias, est\u00e3o atrasadas na utiliza\u00e7\u00e3o da an\u00e1lise avan\u00e7ada de dados (Coleman et al., 2016)[2]<\/a>.<\/p>\n \u00c9 neste contexto que \u00e9 importante discutir a import\u00e2ncia que estas ferramentas de an\u00e1lise de dados t\u00eam (ou n\u00e3o t\u00eam) para as PME, as barreiras enfrentadas pelas PME na sua ado\u00e7\u00e3o, os impactos gerados na performance empresarial, e saber o que devem as PME fazer.<\/strong><\/p>\n Tecnologias como a An\u00e1lise Avan\u00e7ada de Dados e a IA permitem que as PME processem e interpretem os seus dados de forma sistem\u00e1tica, para obter informa\u00e7\u00f5es preciosas. Quer descrevam estas o que se est\u00e1 a passar, quer permitam antecipar ocorr\u00eancias ou comportamentos futuros, s\u00e3o tecnologias que t\u00eam o potencial para melhorar a efici\u00eancia operacional, otimizar a afeta\u00e7\u00e3o de recursos, ou antecipar tend\u00eancias do mercado. Por exemplo, ferramentas de an\u00e1lise preditiva ajudam as empresas a identificar e antecipar comportamentos de consumo, permitindo personaliza\u00e7\u00e3o e aumentando a fideliza\u00e7\u00e3o do cliente, ou como a utiliza\u00e7\u00e3o de IA em processos de supply chain<\/em> melhora a previs\u00e3o de procura e reduz custos operacionais.<\/p>\n S\u00e3o m\u00faltiplos os casos de uso para as PME. Qualquer consulta a um motor de pesquisa pode identificar uma enorme variedade de aplica\u00e7\u00f5es em diferentes \u00e1reas funcionais. \u00c9 assim que as PME podem implementar ferramentas de an\u00e1lise preditiva para melhorar sua efici\u00eancia operacional, reduzindo, por exemplo, os custos de transporte ao antecipar congestionamentos e otimizar rotas, ou utilizar IA para monitorar e prever padr\u00f5es de consumo de energia e aumentar a efici\u00eancia energ\u00e9tica.<\/p>\n Mas uma coisa \u00e9 a utilidade que estas tecnologias t\u00eam na sua especificidade, outra \u00e9 o papel que desempenham na digitaliza\u00e7\u00e3o das PME.<\/strong><\/p>\n Sobre o papel que a an\u00e1lise de dados tem na digitaliza\u00e7\u00e3o das empresas<\/strong>, pode destacar-se o trabalho de Orero\u2011Blat et al. (2024)[3]<\/a>, que destacam v\u00e1rias descobertas, nomeadamente:<\/p>\n Na mesma orienta\u00e7\u00e3o pode por exemplo ler-se o trabalho de Arroyabe et al. (2024)[4]<\/a>, que destaca igualmente a import\u00e2ncia da digitaliza\u00e7\u00e3o e da IA e tecnologias de an\u00e1lise de dados andarem de bra\u00e7o dado, comprovando que as PME que adquirem compet\u00eancias digitais conseguem com menor esfor\u00e7o integrar IA nos seus processos e vice-versa, garantindo maior efici\u00eancia t\u00e9cnica<\/strong>.<\/p>\n Em s\u00edntese, a digitaliza\u00e7\u00e3o, per si, enquanto palavra vazia, n\u00e3o representa necessariamente uma vantagem para as PME. \u00c9 um processo multifatorial que deve ser centrado na inova\u00e7\u00e3o, e onde as compet\u00eancias e capacidades de an\u00e1lise de dados desempenham um papel moderador fundamental para que a digitaliza\u00e7\u00e3o se possa refletir em impacto para as PME.<\/strong><\/p>\n Apesar das vantagens, muitas PME enfrentam desafios significativos para adotar estas tecnologias. Apesar de muitas serem intuitivas, \u00e9 importante tamb\u00e9m sistematizar que for\u00e7as impedem as PME de adotarem tecnologias e pr\u00e1ticas que lhes permitam retirar valor, e de uma forma geral, monetizar dados.<\/p>\n Apesar de usarem diferentes modelos conceptuais, os estudos apresentam alguma consist\u00eancia na identifica\u00e7\u00e3o das barreiras enfrentadas pelas PME.<\/p>\n Nasrollahi et al (2021)[5]<\/a> identificam 12 fatores que influenciam a ado\u00e7\u00e3o de anal\u00edtica avan\u00e7ada nas PME <\/strong>(atributos percecionados, fatores organizacionais, utilidade, tecnologia, stakeholders<\/em>, fatores financeiros, fatores de processos de dados, cultura, conhecimento t\u00e9cnico espec\u00edfico, ambiente externo e contexto, gest\u00e3o, recursos humanos), sendo que os mais importantes s\u00e3o os fatores relacionados com stakeholders<\/em> e fatores ambientais, a gest\u00e3o, e fatores financeiros.<\/strong><\/p>\n J\u00e1 Babalghaith e Aljarallah (2024)[6]<\/a> mostram a depend\u00eancia da ado\u00e7\u00e3o de anal\u00edtica avan\u00e7ada em fun\u00e7\u00e3o de tr\u00eas dimens\u00f5es<\/strong>:<\/p>\n Neste \u00faltimo caso, s\u00e3o os fatores organizacionais que se revelam mais importantes para a ado\u00e7\u00e3o<\/strong>. Curiosamente (ou n\u00e3o), neste estudo, os autores n\u00e3o identificaram evid\u00eancias da import\u00e2ncia do custo da ado\u00e7\u00e3o como fator fundamental para que as PME adotem ferramentas e pr\u00e1ticas de an\u00e1lise de dados. Tal efeito pode estar ligado \u00e0 prolifera\u00e7\u00e3o e democratiza\u00e7\u00e3o de ferramentas que t\u00eam reduzido o custo da ado\u00e7\u00e3o (por exemplo, muitas PME superam a barreira de recursos financeiros ao implementarem solu\u00e7\u00f5es de an\u00e1lise de dados baseadas em open-source<\/em>). Mas, no essencial, os estudos s\u00e3o consistentes na demonstra\u00e7\u00e3o de evid\u00eancias de que os fatores financeiros n\u00e3o s\u00e3o a causa primeira da n\u00e3o ado\u00e7\u00e3o<\/strong>.<\/p>\n Outra sistematiza\u00e7\u00e3o interessante \u00e9 trazida, por exemplo, por Justy et al. (2023)[7]<\/a>. Neste caso, os autores separam entre as barreiras internas e externas, assim como os drivers<\/em> internos e externos para a ado\u00e7\u00e3o de ferramentas e pr\u00e1ticas de an\u00e1lise de dados nas organiza\u00e7\u00f5es. No essencial, este estudo encontra evid\u00eancia de que as barreiras internas<\/strong> (tecnologia, gest\u00e3o, estrat\u00e9gia, cultura, compet\u00eancias, finan\u00e7as, legais) s\u00e3o mais determinantes e provocam maior resist\u00eancia do que as barreiras externas<\/strong>, enquanto os drivers<\/em> externos (mercado, concorr\u00eancia, contexto de crise) s\u00e3o mais fortes e mais impulsionadores que os drivers<\/em> internos. Um estudo que destaca que a resist\u00eancia est\u00e1 dentro das PME, e que os fatores de ado\u00e7\u00e3o s\u00e3o predominantemente externos, o que posiciona as PME numa postura mais reativa do que proactiva.<\/p>\n J\u00e1 Maroufkhania et al. (2020)[8]<\/a>, haviam destacado fatores tecnol\u00f3gicos<\/strong> (vantagem relativa, compatibilidade, complexidade, incerteza e inseguran\u00e7a, possibilidade de avalia\u00e7\u00e3o, observabilidade), fatores organizacionais<\/strong> (apoio da gest\u00e3o topo, prontid\u00e3o organizacional), e fatores ambientais<\/strong> (press\u00e3o competitiva, apoio externo de fornecedores e parceiros, regulamenta\u00e7\u00e3o). Neste estudo, diferentes fatores tecnol\u00f3gicos afetam de forma diferente a ado\u00e7\u00e3o de ferramentas e pr\u00e1ticas de an\u00e1lise de dados entre as PME<\/strong>. Poder experimentar, observar e avaliar t\u00eam um impacto positivo na ado\u00e7\u00e3o. Da mesma forma, o envolvimento e apoio da gest\u00e3o de topo e a exist\u00eancia de recursos organizacionais, influencia positivamente a ado\u00e7\u00e3o nas PME.<\/p>\n Poder-se-iam elencar variad\u00edssimas fontes que, com sistematiza\u00e7\u00f5es diferentes, identificam evid\u00eancias consistentes e com as quais nos poderemos identificar facilmente.<\/p>\n Se o leitor est\u00e1 neste momento numa PME ou a gerir uma PME, consegue facilmente identificar que a perce\u00e7\u00e3o de complexidade, dificuldade ou mesmo risco associado \u00e0 ado\u00e7\u00e3o de an\u00e1lise avan\u00e7ada de dados, o envolvimento da gest\u00e3o, a cultura, a estrat\u00e9gia, os recursos financeiros, os recursos t\u00e9cnicos entre outros, s\u00e3o facilmente a realidade que muitas PME enfrentam.<\/p>\n De facto, a ado\u00e7\u00e3o de an\u00e1lise avan\u00e7ada de dados \u00e9 multifatorial<\/strong>, e cada PME tem o seu contexto espec\u00edfico.<\/p>\n \u00c9 natural resistirmos ao que desconhecemos, \u00e9 por isso que a literacia de dados \u00e9 uma compet\u00eancia cr\u00edtica no contexto da transforma\u00e7\u00e3o digital. O desconhecimento s\u00f3 se combate abrindo as portas das PME desta aprendizagem, desenvolvendo programas de literacia de dados corporativos que envolvam toda a organiza\u00e7\u00e3o.<\/p>\n Mas as PME vivem num contexto concorrencial espec\u00edfico, onde muitas vezes a dimens\u00e3o e a aus\u00eancia de escala fazem como que vivam na marginalidade de custos e receitas<\/strong>. Em suma, o processo de digitaliza\u00e7\u00e3o, impulsionado pelos dados e pela inova\u00e7\u00e3o, s\u00f3 faz sentido se tal mostrar impacto na performance das PME.<\/p>\n S\u00e3o tamb\u00e9m muitas as profecias de que a An\u00e1lise Avan\u00e7ada de Dados e a IA geram impactos positivos em v\u00e1rias dimens\u00f5es do desempenho empresarial. Na melhoria da efici\u00eancia operacional (por exemplo atrav\u00e9s de iniciativas de previs\u00e3o de procura e otimiza\u00e7\u00e3o da distribui\u00e7\u00e3o), no aumento de receita (por exemplo na personaliza\u00e7\u00e3o e recomenda\u00e7\u00e3o de produtos e servi\u00e7os que aumenta taxas de convers\u00e3o), na inova\u00e7\u00e3o e diferencia\u00e7\u00e3o (incorporando dados e IA nas ofertas para diferenciar e ganhar vantagens competitivas), na tomada de decis\u00f5es mais assertivas (como o aumento da precis\u00e3o e previsibilidade), entre outros.<\/p>\n Mas, uma vez mais, mais do que uma convic\u00e7\u00e3o, as evid\u00eancias cient\u00edficas tamb\u00e9m s\u00e3o consistentes no que diz respeito ao impacto que a ado\u00e7\u00e3o de an\u00e1lise avan\u00e7ada de dados e IA t\u00eam na performance das PME em particular.<\/p>\n Nasrollahi et al (2021)5<\/sup>, que anteriormente identificaram os 12 fatores para a ado\u00e7\u00e3o de an\u00e1lise avan\u00e7ada de dados e IA, mostram que estas ferramentas e pr\u00e1ticas t\u00eam impacto significativo na performance operacional e na performance econ\u00f3mica das PME. No entanto, n\u00e3o identificaram evid\u00eancias de que essa ado\u00e7\u00e3o tenha impacto na performance social.<\/p>\n Da mesma forma, Babalghaith e Aljarallah (2024)6<\/sup> encontram tamb\u00e9m evid\u00eancia que a an\u00e1lise avan\u00e7ada e a IA t\u00eam um impacto significativo nas performances financeira, de mercado e operacional.<\/p>\n Tamb\u00e9m Maroufkhania et al. (2020)8<\/sup>, mostra que a ado\u00e7\u00e3o de an\u00e1lise avan\u00e7ada de dados e IA melhoraram a efici\u00eancia e a efic\u00e1cia das PME, fundamentalmente por terem tornado as PME organiza\u00e7\u00f5es com decis\u00f5es mais fi\u00e1veis, de forma sistem\u00e1tica, fundadas em dados e ferramentas anal\u00edticas.<\/p>\n Conclus\u00f5es similares sobre o impacto positivo na performance t\u00eam Orero\u2011Blat et al. (2024)3<\/sup> e Arroyabe et al. (2024)4<\/sup>, assim como muitos outros.<\/p>\n Hoje \u00e9 relativamente acess\u00edvel \u00e0s PME, por exemplo, implementar IA para gerir invent\u00e1rios, reduzir custos operacionais, ou adotarem ferramentas de IA para analisar sentimentos nos seus canais digitais e media sociais, ajustar campanhas de marketing com base no feedback dos consumidores, para promover o aumento de receitas<\/strong>. Mas a decis\u00e3o de adotar estas pr\u00e1ticas e ferramentas s\u00f3 existe com a lideran\u00e7a certa, com a cultura certa, com a estrat\u00e9gia certa, e com a reuni\u00e3o de todos os fatores internos para a ado\u00e7\u00e3o de anal\u00edtica avan\u00e7ada e IA.<\/p>\n Trabalhos como Tang e Chaveesuk (2021)[9]<\/a>, que sugerem um framework<\/em> conceptual para a ado\u00e7\u00e3o de an\u00e1lise avan\u00e7ada de dados e IA para PME, ou Bettoni et al. (2021)[10]<\/a> que define 5 pilares para a ado\u00e7\u00e3o de IA nas PME (Digital e Smart Factory<\/em>, Estrat\u00e9gia de Dados, Recursos Humanos, Estrutura Organizacional, Cultura Organizacional), sugerem um conjunto de medidas pr\u00e1ticas para as PME adotarem ferramentas e pr\u00e1ticas de an\u00e1lise avan\u00e7ada de dados e IA, nomeadamente:<\/p>\n Dados e n\u00fameros as PME sempre tiveram. Uma PME 5.0 \u00e9 uma PME que vai para al\u00e9m dos n\u00fameros, que entende como a an\u00e1lise avan\u00e7ada de dados e a IA s\u00e3o uma pe\u00e7a incontorn\u00e1vel neste choque tecnol\u00f3gico, e que a sua ado\u00e7\u00e3o, mais do que um somat\u00f3rio de iniciativas isoladas, deve ser encarada como um programa, estruturado, planeado e estrat\u00e9gico. <\/strong>\u00c9 este comboio de competir atrav\u00e9s dos dados que as PME n\u00e3o podem perder.<\/p>\n <\/p>\n <\/p>\n <\/a>[1]<\/sup><\/a> Senin, S. M. \u2013 Juhdi, N. H. \u2013 Omar, A. R. C. \u2013 Hashim, N. A. (2024) \u201cA Systematic Review of Adaptation of IR 4.0 during COVID-19 Pandemic Among Global SMEs.\u201d, Journal of Logistics, Informatics and Service Science 11(2): 61\u201383. https:\/\/doi.org\/10.33168\/JLISS.2024.0205<\/a><\/sup>.<\/sup><\/p>\n <\/a>[2]<\/sup><\/a> Coleman, S., G\u00f6b, R., Manco, G., Pievatolo, A., Tort-Martorell, X. and Reis, M.S. (2016), \u201cHow can SMEs benefit from big data? Challenges and a path forward<\/strong>\u201d, Quality and Reliability Engineering International, Vol. 32 No. 6, pp. 2151-2164.<\/sup><\/p>\n <\/a>[3]<\/sup><\/a> Orero-Blat, M., Palacios-Marqu\u00e9s, D., Leal-Rodr\u00edguez, A.L. et al. <\/sup>(2024). \u201cBeyond digital transformation: a multi-mixed methods study on big data analytics capabilities and innovation in enhancing organizational performance<\/strong>.\u201d, Rev Manag Sci. https:\/\/doi.org\/10.1007\/s11846-024-00768-8<\/a><\/sup><\/p>\n <\/a>[4]<\/sup><\/a> Marta F. Arroyabe, Carlos F.A. Arranz, Ignacio Fernandez De Arroyabe, Juan Carlos Fernandez de Arroyabe (2024), \u201cAnalyzing AI adoption in European SMEs: A study of digital capabilities, innovation, and external environment\u201d<\/strong>, Technology in Society, Volume 79, 2024, 102733, ISSN 0160-791X, https:\/\/doi.org\/10.1016\/j.techsoc.2024.102733<\/a>.<\/sup><\/p>\n <\/a>[5]<\/sup><\/a> Nasrollahi, M., Ramezani, J., & Sadraei, M. (2021). \u201cThe Impact of Big Data Adoption on SMEs\u2019 Performance\u201d<\/strong>,\u00a0Big Data and Cognitive Computing<\/em>,\u00a05<\/em>(4), 68. https:\/\/doi.org\/10.3390\/bdcc5040068<\/a><\/sup><\/p>\n <\/a>[6]<\/sup><\/a> Babalghaith, R., Aljarallah, A. (2024). \u201cFactors Affecting Big Data Analytics Adoption in Small and Medium Enterprises\u201d<\/strong>,\u00a0Inf Syst Front<\/em>, https:\/\/doi.org\/10.1007\/s10796-024-10538-2<\/a><\/sup><\/p>\n <\/a>[7]<\/sup><\/a> Th\u00e9o Justy, Estelle Pellegrin-Boucher, Denis Lescop, Julien Granata, Shivam Gupta (2023). \u201cOn the edge of Big Data: Drivers and barriers to data analytics adoption in SMEs\u201d<\/strong>, Technovation, Volume 127, 102850, ISSN 0166-4972, https:\/\/doi.org\/10.1016\/j.technovation.2023.102850<\/a><\/sup>.<\/sup><\/p>\n <\/a>[8]<\/sup><\/a> Parisa Maroufkhania, Ming-Lang Tseng, Mohammad Iranmanesh, Wan Khairuzzaman Wan Ismail, Haliyana Khalid (2020). \u201cBig data analytics adoption: Determinants and performances among small to medium-sized enterprises\u201d<\/strong>, International Journal of Information Management, Volume 54, 102190, ISSN 0268-4012, https:\/\/doi.org\/10.1016\/j.ijinfomgt.2020.102190<\/a><\/sup>.<\/sup><\/p>\n <\/a>[9]<\/sup><\/a> W. Tang and S. Chaveesuk (2021)<\/em>. “Big Data Analytics System Adoption in SMEs of Manufacturing<\/strong>,” IEEE 6th International Conference on Computer and Communication Systems (ICCCS)<\/em>, Chengdu, China, pp. 28-32, doi: 10.1109\/ICCCS52626.2021.9449100.<\/sup><\/p>\n <\/a>[10]<\/sup><\/a> Andrea Bettoni, Davide Matteri, Elias Montini, Bart\u0142omiej G\u0142adysz, Emanuele Carpanzano (2021). <\/sup>\u201cAn AI adoption model for SMEs: a conceptual framework<\/strong>\u201d, IFAC-PapersOnLine, Volume 54, Issue 1, Pages 702-708, ISSN 2405-8963, https:\/\/doi.org\/10.1016\/j.ifacol.2021.08.082<\/a><\/sup>.<\/sup><\/p>\n","protected":false},"excerpt":{"rendered":" N\u00e3o vale de muito as PME terem dados se n\u00e3o os utilizarem. Qual \u00e9 o valor dos dados \u00ad\u00ad\u00ad\u00adque as PME n\u00e3o usam? T\u00eam algum valor?<\/p>\n","protected":false},"author":128,"featured_media":1718,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_bbp_topic_count":0,"_bbp_reply_count":0,"_bbp_total_topic_count":0,"_bbp_total_reply_count":0,"_bbp_voice_count":0,"_bbp_anonymous_reply_count":0,"_bbp_topic_count_hidden":0,"_bbp_reply_count_hidden":0,"_bbp_forum_subforum_count":0,"footnotes":""},"categories":[31],"tags":[],"class_list":["post-1717","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-gestao"],"yoast_head":"\n2.0: A Import\u00e2ncia da An\u00e1lise Avan\u00e7ada de Dados e da IA na digitaliza\u00e7\u00e3o das PME<\/strong><\/h4>\n
\n
3.0: Barreiras \u00e0 Ado\u00e7\u00e3o da An\u00e1lise Avan\u00e7ada de Dados e da IA nas PME<\/strong><\/h4>\n
\n
4.0: Impactos na Performance das PME na Ado\u00e7\u00e3o de An\u00e1lise Avan\u00e7ada de Dados e IA<\/strong><\/h4>\n
5.0. Recomenda\u00e7\u00f5es para as PME<\/strong><\/h4>\n
\n