Prospecção, Inteligência e Cenários Tecnológicos_aula3

Prévia do material em texto

PROSPECÇÃO, INTELIGÊNCIA E 
CENÁRIOS TECNOLÓGICOS
MÓDULO 3 –
PRIORIZAÇÃO, 
AVALIAÇÃO E 
SELEÇÃO
MÓDULO 3 –
PRIORIZAÇÃO, 
AVALIAÇÃO E 
SELEÇÃO
• Parte 3.1: Principais 
problemas e 
abordagens para 
priorização e decisão
Desired FUTURE
Possible
Plausible
Probable
ADHOC METHODS
• Uso de especialistas (internos/externos) para avaliação de mérito
• “Peer reviews”
• Fontes externas como mecanismo de decisão
• Fontes externas como o insumo efetivo de decisão
• Fontes externas como um elemento adicional (weigthted) 
• Modelos Ad Hoc >> Julgamento subjetivo e conflitos de interesses são inerente ao processo. Autores
recomendam ações para minimizar a subjetividade destes métodos , por exemplo a avaliação por pares;
ECONOMIC METHODS
• Metodologias para medir o retorno dos investimentos
• Levam em consideração o valor do dinheiro no tempo, prazos de 
execução, custos financeiros, custos de desenvolvimento, de 
comercialização, inflação e retorno monetário efetivo
• Métodos típicos:
• Payback – tempo necessário para retorno do investimento
• VPL – Valor presente líquido
• TIR – Taxa interna de retorno 
• Modelos Econômicos >> horizonte temporal prolongado dificulta a validação dos modelos econômicos
(Payback, VPL, TIR) provê estimativas de retorno financeiro, mas a técnica é limitada (incerteza) e não
incluem aspectos estratégicos e raramente fatores probabilísticos;
MATHEMATICAL METHODS
• programação matemática >> grande diversidade de modelos matemáticos específicos aplicáveis à
diversidade de problemas distintos com enfoque em otimização -maximização de retorno, minimização de
custos/riscos;
MULTICRITERIA METHODS (MDCA)
• MCDA – métodos de apoio a decisão multicritério: diversidade de métodos que exploram matrizes de
decisão cruzando critérios > agregação (score) compensatórias e outranking > P2P, preferência /
indiferença entre alternativas, não compensatórias
MACHINE LEARNING 
• Aprendizado de Máquina – diversidade de métodos: reconhecimento de padrões, classes atributos,
aprendizado por regressão, desagregação > ordenação dos critérios individuais. Autor reconhece
dificuldade em obtenção de séries históricas de dados
COMBINATION METHODS
MÓDULO 3 –
PRIORIZAÇÃO, 
AVALIAÇÃO E 
SELEÇÃO
• Parte 3.2: Métodos de 
apoio à decisão
Inteligência Coletiva
https://www.youtube.com/watch?v=iOucwX7Z1HU
(Wisdom of the Crowd)
https://www.youtube.com/watch?v=iOucwX7Z1HU
MÓDULO 3 –
PRIORIZAÇÃO, 
AVALIAÇÃO E 
SELEÇÃO
• Part 3.3: Portfolio 
Prioritization
Portfolio Management
PRE-FORESIGHT
RECRUITMENT
GENERATION
ACTION
RENEWAL
Foresight
Stages
Scenarios
SCENARIOS
P(Sm)
Opportunities
P(On)
Feasibility
P(Fq)
Decision
P(D) > K
Expected Commercial ValueValue CostsIntangible
Porfolio Ranking (COOPER)
Porfolio Ranking
Porfolio Ranking
	Número do slide 1
	Número do slide 2
	MÓDULO 3 – ��PRIORIZAÇÃO, AVALIAÇÃO E SELEÇÃO
	MÓDULO 3 – ��PRIORIZAÇÃO, AVALIAÇÃO E SELEÇÃO
	Número do slide 5
	Número do slide 6
	Número do slide 7
	Número do slide 8
	Número do slide 9
	Número do slide 10
	Número do slide 11
	Número do slide 12
	Número do slide 13
	Número do slide 14
	Número do slide 15
	MÓDULO 3 – ��PRIORIZAÇÃO, AVALIAÇÃO E SELEÇÃO
	Número do slide 17
	MÓDULO 3 – ��PRIORIZAÇÃO, AVALIAÇÃO E SELEÇÃO
	Número do slide 19
	Número do slide 20
	Número do slide 21
	Número do slide 22
	Número do slide 23
	Número do slide 24
	Número do slide 25
	Número do slide 26
	Número do slide 27