Aplicação do business intelligence em logística

uma revisão bibliométrica

Autores

  • Francisco Lucas Nascimento Universidade Federal do Ceará (UFC), Russas, CE, Brasil.
  • Sara Monaliza Sousa Nogueira Universidade Federal do Ceará (UFC), Russas, CE, Brasil.
  • Lucelindo Dias Ferreira Junior Universidade Federal do Ceará (UFC), Russas, CE, Brasil. https://orcid.org/0000-0003-1419-4152
  • Sandro Alberto Vianna Lordelo Universidade Federal Fluminense (UFF), Niterói, RJ, Brasil. https://orcid.org/0000-0002-3046-395X

DOI:

https://doi.org/10.14488/1676-1901.v24i1.5113

Palavras-chave:

Business Intelligence, Logística, Cadeia de suprimentos, Revisão bibliométrica, Big Data

Resumo

A aplicação do Business Intelligence (BI) na logística tem se mostrado de grande importância, permitindo que empresas tomem decisões estratégicas baseadas em dados precisos e análises avançadas. Por isso, é de suma importância que as empresas façam uso de ferramentas de análise de dados visando o desenvolvimento de estratégias de gestão logística mais eficientes. Nesse sentido, este estudo tem como objetivo analisar os artigos que tratam dessa aplicação por meio da análise bibliométrica. A metodologia utilizada envolveu a busca de artigos em duas bases de dados, Web of Science e Scopus, que resultaram em 179 artigos publicados entre o período de 1997 a 2023. Para a pesquisa foram utilizados termos relacionados ao BI na logística e para a análise dos resultados obtidos, utilizou-se o pacote Bibliometrix do software RStudio, com o auxílio da ferramenta de visualização Biblioshiny. Com base nos resultados, foi evidenciado um aumento na produção científica neste tema a partir de 2015, com os países da Europa e Ásia contribuindo mais para esse crescimento, representando 11 dos 15 principais produtores. Neste contexto, o artigo mais citado pertence ao Reino Unido e trata-se das implicações práticas do Big Data na gestão da cadeia de suprimentos. Diante disso, o Big Data analytics está entre os tópicos mais emergentes, pois é uma metodologia que utiliza diversas ferramentas para analisar e extrair informações valiosas a partir de grandes volumes de dados, o que permite a otimização da cadeia de suprimentos. Outros tópicos frequentes no estudo foram “Firm Performance”, “Impact” e “Data Quality” revelando tendências das pesquisas. Essa análise contribui para uma compreensão aprofundada da evolução e tendências da aplicação do BI na logística, fornecendo insights valiosos para pesquisadores, profissionais e tomadores de decisão.

Downloads

Não há dados estatísticos.

Biografia do Autor

Francisco Lucas Nascimento, Universidade Federal do Ceará (UFC), Russas, CE, Brasil.

Engenheiro de Produção pela Universidade Federal do Ceará (UFC). Profissional na área de Engenharia de operações e processos da produção e Engenharia de métodos e tempos, atualmente atua na melhoria de processos no setor de serviços elétricos.

Sara Monaliza Sousa Nogueira, Universidade Federal do Ceará (UFC), Russas, CE, Brasil.

Dra. em Engenharia de Pesca, pela Universidade Federal do Ceará (UFC) e Dra. em Ciências (Planejamento Energético e Ambiental) pela Universidade Federal do Rio de Janeiro (PPE/COPPE/UFRJ). E Especialista em Gerenciamento de Projetos (MBA), pela Universidade Federal Fluminense (UFF).

Lucelindo Dias Ferreira Junior, Universidade Federal do Ceará (UFC), Russas, CE, Brasil.

Professor do Magistério Superior no curso de Engenharia de Produção da Universidade Federal do Ceará (UFC), Campus Russas. Doutor e Mestre em Engenharia de Produção pela Escola de Engenharia de São Carlos (EESC), Universidade de São Paulo (USP). Graduado em Engenharia de Produção Mecânica pela Universidade Federal do Ceará (UFC).

Sandro Alberto Vianna Lordelo, Universidade Federal Fluminense (UFF), Niterói, RJ, Brasil.

Professor do Magistério Superior no curso Engenharia de Produção da Universidade Federal Fluminense (UFF). Doutor, mestre e graduado em Engenharia de Produção pela Universidade Federal Fluminense (UFF).

Referências

APPELBAUM, D.; KOGAN, A.; VASARHELYI, M.; YAN, Z. Impact of business analytics and enterprise systems on managerial accounting. International Journal of Accounting Information Systems, v. 25, p. 29-44, 2017.

ARIA, M.; CUCURULLO, C. Bibliometrix: An R-Tool for comprehensive science mapping analysis. Journal of informetrics, v. 11, n. 4, p. 959-975, 2017.

ARUNACHALAM, D.; KUMAR, N.; KAWALEK, J. P. Understanding big data analytics capabilities in supply chain management: Unravelling the issues, challenges and implications for practice. Transportation Research Part E: Logistics and Transportation Review, v. 114, p. 416-436, 2018.

BALLOU, Ronald H. Gerenciamento da Cadeia de Suprimentos/Logística Empresarial. 5 ed. São Paulo: Bookman, 2010.

BALLOU, Ronald H. Logística Empresarial: transporte, administração de materiais e distribuição física. Atlas, 1 ed. 2013.

CHOPRA, S.; MEINDL, P. Supply Chain Management: Strategy, Planning, and Operation. Pearson Prentice Hall. 2007.

CHRISTOPHER, Martin. Logística e Gerenciamento da Cadeia de Suprimentos. 5 ed. São Paulo: Cengage Learning, 2019.

DUBEY, R.; GUNASEKARAN, A.; CHILDE, S. J. Big data analytics capability in supply chain agility. Management Decision, 2018.

GHASEMAGHAEI, M.; CALIC, G. Assessing the impact of Big Data on firm innovation performance: Big Data is not always better data. Journal of Business Research, p. 147-162, 2020.

GHASEMAGHAEI, M.; HASSANEIN, K.; TUREL, O. Increasing firm agility through the use of data analytics: The role of fit. Decision Support Systems, v. 101, p. 95–105, 2017.

GRABIŃSKA, A.; ZIORA, L. The Application of Business Intelligence Systems in Logistics: Review of selected practical examples. CzOTO, v. 1, n. 1, p. 1028-1035, 2019.

GRANT, David B. Gestão de Logística e Cadeia de Suprimentos. Tradução: Arlete Simille. 1 ed. São Paulo: Saraiva, 2013.

HOFMANN, E. Big data and supply chain decisions: the impact of volume, variety and velocity properties on the bullwhip effect. International Journal of Production Research, v. 55, n. 17, p. 5108-5126, 2015.

INMON, W. H. Building the Data Warehouse. 4 ed. New York: Wiley, 2005.

JAFARI, T.; ZAREI, A.; AZAR, A.; MOGHADDAM, A. The impact of business intelligence on supply chain performance with emphasis on integration and agility–a mixed research approach. International Journal of Productivity and Performance Management, v. 72, n. 5, p. 1445-1478, 2023.

JORDAN, J.; ELLEN, C. Business need, data and business intelligence. Journal of Digital Asset Management, v. 5, n. 1, p. 10-20, 2009.

KEMCZINSKI, A.; CIDRAL, A.; CASTRO, J. E. E.; FIOD NETO, M. Como obter vantagem competitiva utilizando Business Intelligence? Revista Produção Online, v. 3, n. 2, 2003.

KOH, S. C. L.; GUNASEKARAN, A.; GOODMAN, T. Drivers, barriers and critical success factors for ERPII implementation in supply chains: A critical analysis. The Journal of Strategic Information Systems, v. 20, n. 4, p. 385-402, 2011.

MING-LANG TSENG; THI PHUONG THUY TRAN; HIEN MINH HA; TAT-DAT BUI; MING K. LIM. Sustainable industrial and operation engineering trends and challenges Toward Industry 4.0: a data driven analysis. Journal of Industrial and Production Engineering, v. 38, p. 581-598, 2021.

NOVAES, Antônio G. Logística e gerenciamento da cadeia de distribuição: estratégia, operação e avaliação. Rio de Janeiro: GEN Atlas, 2021. 424 p.

ROSSMANN, B.; CANZANIELLO, A.; VON DER GRACHT, H. A.; HARTMANN, E. The future and social impact of Big Data Analytics in Supply Chain Management: Results from a Delphi study. Technological Forecasting & Social Change, p. 135-149, 2018.

SAHAY, B. S.; RANJAN, J. Real time business intelligence in supply chain analytics. Information Management & Computer Security, v. 16, n. 1, p. 28-48, 2008

SEVERINO, Antônio Joaquim. Metodologia do trabalho científico. 23 ed. rev. e atual. São Paulo: Cortez, 2014.

SHASHI; CENTOBELLI, P.; CERCHIONE, R.; ERTZ, M. Agile supply chain management: where did it come from and where will it go in the era of digital transformation? Industrial Marketing Management, v. 90, p 324-345, 2020.

SINGH, A.; SHUKLA, N.; MISHRA, N. Social media data analytics to improve supply chain management in food industries. Transportation Research Part E-Logistics and Transportation Review, v. 114, p 398-415, 2018.

TOLEDO, R. F.DE; MIRANDA JUNIOR, H.L.; FARIAS FILHO, J.R.; COSTA, H. G. A scientometric review of global research on sustainability and project management dataset. Data in brief, v. 25, 104312, 2019.

TREINTA, F. T.; FARIAS FILHO, J. R.; SANT'ANNA, A. P.; RABELO, L. M. Metodologia de pesquisa bibliográfica com a utilização de método multicritério de apoio à decisão. Production, v. 24, n. 3) p. 508-520, 2014.

TURBAN, E.; KING, D.; ARONSON, J. E.; SHARDA, R. Business Intelligence: um enfoque gerencial para a inteligência do negócio. Bookman, São Paulo, 2009. ISBN: 9788577803347

TURBAN, E.; SHARDA, R.; ARONSON, J. E.; KING, D. Business intelligence: A managerial approach. 2 ed. Prentice Hall, 2011.

TURRIONI, João Batista; MELLO, Carlos Henrique Pereira. Metodologia de pesquisa em engenharia de produção - estratégias, métodos e técnicas para condução de pesquisas quantitativas e qualitativas. Minas Gerais. Cap. 1, p. 8-11, 2012.

Publicado

06-04-2024

Como Citar

Nascimento, F. L., Nogueira, S. M. S., Ferreira Junior, L. D. ., & Lordelo, S. A. V. (2024). Aplicação do business intelligence em logística: uma revisão bibliométrica. Revista Produção Online, 24(1), 5113 . https://doi.org/10.14488/1676-1901.v24i1.5113

Edição

Seção

Artigos