Uso de Data Mining e do ECR para incremento da competitividade de pequenas e médias empresas: um estudo multicaso sobre varejo e indústria alimentícia

O setor supermercadista sofreu grandes alterações nos últimos anos, principalmente com o avanço das tecnologias, a competição, a concentração e algumas insuficiências em seus processos. Estes e outros fatores favoreceram ao surgimento do movimento de ECR (Resposta de Consumidor Eficiente) que procura criar um relacionamento mais forte entre indústria e varejo através de novas visões para suas estratégias operacionais. A evolução das tecnologias de informação permitiram ao setor varejista gerar uma maior volume de dados a partir, principalmente, de seus check-outs. Entretanto, estes dados nem sempre são armazenados de forma correta ou utilizados de forma a se aproveitar a plenitude das informações neles contidas. O processo de transformar os dados em informação e conhecimento vem evoluindo constantemente. Uma das atuais metodologias de trabalhar dados é o Data Mining ou Mineração de Dados, que pode ser descrito como sendo uma variedade de ferramentas e estratégias que processam dados aumentando a utilidade destes em bancos de dados. Este trabalho analisa através de um estudo multicaso exploratório na região de Ribeirão Preto, no interior de São Paulo, a avaliação da capacidade do uso da tecnologia Data Mining para o fortalecimento do movimento ECR, principalmente em pequenos e médios varejistas e indústrias alimentícias, no sentido de oferecer a estes um diferencial de negociação para formação de alianças estratégias.

Competitividade em clusters de alta tecnologia: estudo comparativo de clusters de ciências da saúde no Brasil e na Inglaterra

Este trabalho teve como objetivo desenvolver um modelo específico para analisar a competitividade de clusters de alta tecnologia. Foi realizado um estudo de casos múltiplos em que foram analisados os clusters de ciências da saúde de Ribeirão Preto, no Brasil, e de Oxfordshire, na Inglaterra. Coletaram-se dados primários e secundários. Os dados primários foram coletados por meio de entrevistas em ambos os clusters e os dados secundários por meio de relatórios, papers, websites, além de coleta realizada nos bancos de dados Fame e Orbis. O modelo Zaccarelli et al. (2008), utilizado como ponto de partida para o desenvolvimento do modelo, foi aprimorado de três maneiras: i. Por meio do ajustamento das métricas utilizadas para avaliar cada fundamento, o que incluiu, dentre outras coisas, uma adaptação do modelo para mapeamento de clusters desenvolvido por Todeva (2008); ii. Pela verificação da aderência de seus fundamentos aos clusters de alta tecnologia analisados; e iii. Pela identificação de fatores emergentes, importantes para competitividade de clusters de alta tecnologia. Os resultados mostram evidências de que entre os onze fundamentos do modelo original, nove se mostraram relevantes aos clusters de alta tecnologia, ratificando sua importância para a análise da competitividade de clusters. Além dos fundamentos originais, os resultados sugerem a inclusão de dois fundamentos emergentes: \"Inserção em cadeias globais\" e \"Disponibilidade de investimentos financeiros\", até então ignorados pelo modelo Zaccarelli et al. (2008). A pesquisa traz como contribuição teórica o desenvolvimento de um modelo específico para clusters de alta tecnologia; como contribuição metodológica as novas métricas, incluindo a incorporação da adaptação da metodologia de Todeva (2008); como contribuição empírica traz a comparação entre clusters de ciências da saúde reconhecidamente competitivos, mas pertencentes a países de realidades culturais e econômicas distintas; e como contribuição gerencial um modelo que pode ser utilizado por empresários e instituições pertencentes a clusters e que desejam analisar fatores que influenciam a sua competitividade.