Para citar este trabalho use um dos padrões abaixo:
A seleção de sistemas de Business Intelligence (BI) constitui uma decisão estratégica porque envolve critérios técnicos, organizacionais e econômicos frequentemente conflitantes. A escolha inadequada pode elevar custos, dificultar a integração com sistemas existentes, reduzir a adoção pelos usuários e limitar a geração de valor a partir dos dados. Nesse contexto, este estudo busca responder como selecionar um sistema de BI considerando simultaneamente aspectos técnico-tecnológicos e estratégico-organizacionais. O objetivo é propor e aplicar uma abordagem híbrida de Tomada de Decisão Multicritério (MCDM), combinando o Analytic Hierarchy Process (AHP) e o Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS), para apoiar a priorização de alternativas disponíveis no mercado. A proposta parte do entendimento de que a melhor ferramenta não é necessariamente a mais sofisticada, mas aquela que apresenta maior aderência às prioridades e restrições específicas da organização.
O procedimento metodológico foi estruturado em três etapas. Inicialmente, os critérios de decisão foram identificados na literatura e posteriormente filtrados e validados por um especialista em dados, responsável pelo julgamento das preferências. Foram selecionados cinco critérios: Integração, Custo Total, Usabilidade (UX), Capacidade Analítica e Entrega Visual. Em seguida, seis sistemas de BI foram avaliados: Alteryx, Google Looker Studio, Metabase, Microsoft Power BI, Qlik Sense e Tableau. Na fase AHP, o especialista realizou comparações par a par entre os critérios utilizando a escala fundamental de Saaty, permitindo determinar seus pesos relativos e verificar a consistência dos julgamentos. Na fase TOPSIS, as alternativas foram avaliadas em escala de 1 a 9 e ranqueadas segundo sua proximidade da solução ideal positiva e seu afastamento da solução ideal negativa. O processamento foi realizado em linguagem R.
Os resultados mostraram predominância do Custo Total, com peso de 44,43%, seguido por Integração, com 26,21%, Capacidade Analítica, com 15,25%, Entrega Visual, com 8,88%, e Usabilidade, com 5,23%. A Razão de Consistência do AHP foi 0,022, inferior ao limite de 0,10, indicando julgamentos logicamente consistentes. No ranking TOPSIS, o Metabase ocupou a primeira posição, seguido por Google Looker Studio e Microsoft Power BI. Qlik Sense, Alteryx e Tableau formaram o grupo de menor desempenho. O resultado evidencia que a estrutura de preferências do decisor influenciou diretamente a classificação: soluções com menor custo e boa capacidade de integração superaram plataformas reconhecidas por maior robustez técnica e visual, porém associadas a maiores barreiras econômicas.
Conclui-se que a combinação AHP-TOPSIS oferece uma estrutura analítica transparente e reproduzível para apoiar a seleção de sistemas de BI, tornando explícitos os trade-offs entre requisitos técnicos e restrições econômicas. Como limitação, o estudo baseou-se no julgamento de um único especialista; pesquisas futuras devem incorporar múltiplos decisores e técnicas adicionais para reduzir vieses individuais e ampliar a robustez do processo decisório.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo