Data-driven decision-making em PMEs: Desenvolvimento de medidas facilitadoras de criação de valor acrescentado

Abstract

A crescente digitalização do ambiente empresarial tem intensificado a relevância do data-driven decision-making (DDDM) enquanto alavanca de criação de valor acrescentado. Contudo, a adoção desta abordagem nas pequenas e médias empresas (PMEs) permanece subdesenvolvida na literatura, onde escasseiam modelos integradores que estruturem, hierarquizem e relacionem as medidas facilitadoras dessa adoção em contextos de recursos limitados. O presente estudo visa colmatar esta lacuna, desenvolvendo um modelo hierárquico estrutural das medidas facilitadoras da adoção de DDDM nas PMEs. A investigação combina a Nominal Group Technique (NGT) com o Interpretive Structural Modeling (ISM) e o algoritmo de Warshall (1962), complementados pela análise MICMAC e por duas sessões de consolidação com especialistas. A aplicação da NGT junto de um painel de especialistas com experiência em contexto PME permitiu identificar e consolidar 10 iniciativas-chave. A modelação ISM estruturou hierarquicamente as relações de influência entre essas iniciativas, revelando um modelo tripartido: um bloco de base altamente interdependente, que congrega as condições organizacionais, culturais e operacionais indispensáveis à transformação analítica; um nível intermédio, orientado para a definição estratégica de valor; e um nível de topo, correspondente à exploração de tecnologia avançada e fontes externas de dados. A análise MICMAC confirmou a predominância de variáveis no quadrante de ligação, evidenciando a natureza sistémica e interdependente do modelo. As sessões de consolidação corroboraram a coerência estrutural do modelo e identificaram limitações relevantes, nomeadamente a ausência de orientações sobre a sequência de implementação e a falta de contextualização setorial. O estudo contribui para a literatura com um modelo integrador e oferece aos gestores de PMEs uma ferramenta de diagnóstico e de apoio à decisão estratégica.

The growing digitalization of the business environment has intensified the relevance of data-driven decision-making (DDDM) as a lever for value creation. However, the adoption of this approach in small and medium-sized enterprises (SMEs) remains underdeveloped in the literature, where integrative models capable of structuring, prioritizing and relating the enabling measures for its adoption in resource-constrained contexts are still scarce. This study seeks to address this gap by developing a hierarchical structural model of the measures that facilitate DDDM adoption in SMEs. The research combines the Nominal Group Technique (NGT), Interpretive Structural Modeling (ISM) and the Warshall algorithm (1962), complemented by MICMAC analysis and two expert validation sessions. The application of NGT with a panel of experts experienced in SME settings enabled the identification and consolidation of ten key initiatives. ISM modeling hierarchically structured the influence relationships among these initiatives, revealing a three-tier model: a highly interdependent foundational layer encompassing the organizational, cultural and operational conditions essential for analytical transformation; an intermediate level focused on the strategic definition of value; and a top level associated with the exploitation of advanced technologies and external data sources. MICMAC analysis confirmed the predominance of variables within the linkage quadrant, highlighting the systemic and interdependent nature of the model. The consolidation sessions corroborated the model’s structural coherence and identified important limitations, particularly the absence of guidance regarding implementation sequencing and the lack of sector-specific contextualization. This study contributes to the literature by proposing an integrative model and provides SME managers with a diagnostic and strategic decision-support tool for facilitating the adoption of data-driven decision-making practices.