enanpad2006-adia-1016

Prévia do material em texto

1
Inteligência de Negócios ou Inteligência Competitiva? Noivo Neurótico, Noiva Nervosa. 
 
Autoria: Maira Petrini, Maria Tereza Freitas, Marlei Pozzebon 
 
Resumo 
No contexto corporativo, a combinação de inovação tecnológica e crescente competitividade 
fazem com que a gestão da informação seja um enorme desafio e exija processos de tomada 
de decisão construídos sobre informação segura, oportuna e abrangente. Em relação à 
Tecnologia de Informação (TI), depois de anos de investimentos marcantes no sentido de 
implementar uma plataforma tecnológica que apoiasse todos os processos empresariais e que 
fortalecesse a eficiência da estrutura operacional, a maioria das organizações tem alcançado 
um estágio onde a implementação de soluções de TI para níveis estratégicos não só é possível, 
mas necessária. Este contexto explica o aparecimento de diversas áreas ligadas a TI e à gestão 
das informações, as quais, muitas vezes, tornam-se sinônimo de uma panacéia de conceitos 
confusos. O objetivo deste artigo é examinar mais a fundo dois destes conceitos: Inteligência 
de Negócio (Business Intelligence) e Inteligência Competitiva (Competitive Intelligence). 
Uma extensa revisão de literatura define-os claramente e permite-nos discutí-los à luz de suas 
diferenças, semelhanças e interdependências. 
 
1 Introdução 
 
As empresas precisam ser mais rápidas, mais ágeis e, fundamentalmente, mais inteligentes 
(Liautaud, 2000). Inteligência é o resultado de um processo que começa com a coleta de 
dados. A explicação de como as organizações adquirem “inteligência” residi na transformação 
dado-informação-inteligência. Um conhecimento tradicional emerge aqui: dados são brutos e 
refletem as operações e transações diárias da organização; informação são esses dados os 
quais passaram por um processo de transformação e consolidação, adquirindo um certo nível 
de contextualização; inteligência eleva a informação a um nível mais alto, como resultado do 
completo entendimento de ações, contextos e decisões. 
E como as empresas podem ser mais inteligentes? As empresas precisam operar tão eficiente 
e produtivamente quanto possível com o objetivo de manterem-se competitivas e buscarem 
diferenciais frente à concorrência. Um elemento essencial para atingir sucesso envolve a 
contínua promoção do entendimento do negócio e do seu ambiente pelos funcionários em 
todos os níveis. Isso pode ser atingido pela implementação de processos os quais voltam-se 
para a comunicação e compartilhamento das informações estratégicas através da empresa. A 
conseqüência desta necessidade é um aumento do desenvolvimento e implementação de 
tecnologias as quais gravam, recuperam, manipulam, analisam e promovem a comunicação de 
informações (Kudyba & Hoptroff, 2001). 
Assim, nesse novo mercado cada vez mais competitivo, onde os recursos e o tempo são 
escassos e onde a informação é matéria prima, a Tecnologia da Informação é apontada como 
uma ferramenta essencial. Depois de anos de investimento pesado em plataformas 
tecnológicas para suportar os processos de negócio e fortalecer a construção e a eficiência da 
estrutura operacional, as organizações chegam ao estágio no qual a utilização de ferramentas 
que apóiem o processo decisório no nível estratégico tornou-se ainda mais necessário (Petrini, 
Pozzebon & Freitas, 2004). 
Dentro deste contexto, o crescimento dos negócios de TI nos últimos anos foi acompanhado – 
e impulsionado – pela criação de dezenas de conceitos e centenas de aplicações. Talvez não 
sirva de consolo, mas trata-se de situação corriqueira, fruto dos paradoxos que surgiram com 
o desenvolvimento acelerado das aplicações de TI nas empresas (Petrini, 2005). O resultado é 
um verdadeiro labirinto de referências, alternativas e opções. 
 
 2
O objetivo desse artigo é lançar luz em relação a duas referências dessa “panacéia tecnológica 
estratégica”: Inteligência de Negócio (Business Intelligence) e Inteligência Competitiva. As 
próximas duas seções (2 e 3) dedicam-se a uma extensa revisão de literatura procurando 
definir, compreender e identificar estes dois temas, para, na seção 4, discuti-los à luz de suas 
diferenças, semelhanças e interdependências. 
 
2 Inteligência de Negócio (Business Intelligence) 
 
2.1 Do EIS ao BI 
 
Os Executive Information Systems (EISs) foram os primeiros sistemas a surgir no cenário de 
informações estratégicas na metade dos anos 80. A literatura apresenta uma série de 
definições para os EISs (Turban & Watson, 1989; Paller & Laska, 1990; Watson, Rainer & 
Koh, 1991) todas associadas ao entendimento de suas características. Várias características 
podem ser identificadas através da revisão de diversos trabalhos nesse campo (Chi & Turban, 
1995; Turban & Walls, 1995; Elam & Leidner, 1995; Volonino, Watson & Robinson, 1995; 
Turban, 1995; Watson Et Al., 1995, Rainer & Watson, 1995). Pozzebon et al (1998) propõem 
uma grade de características de sistemas EIS (Tabela 1) com base em extensa revisão 
bibliográfica. 
 
1. Quanto ao Acesso, Filtro e 
Armazenamento dos Dados 
2. Quanto às Capacidades Técnicas ou Funcionalidades 
1.1 Acessa dados internos e formais 2.1 Possibilita drill down (análise do global para o detalhado) 
1.2 Acessa dados externos e formais 2.2 Possibilita técnicas de alarmes, semáforos e exceção 
1.3 Acessa dados internos e informais 2.3 Possibilita análises qualitativas 
1.4 Acessa dados externos e informais 2.4 Possibilita parametrização (análises ad hoc) 
1.5 Armazena dados históricos e atuais 2.5 Possibilita técnicas de OLAP e análise multidimensional 
1.6 Armazena dados agregados e detalhados 2.6 Permite atividades de previsão (simulações, projeções) 
1.7 Implementa um armazém corporativo de 
dados 
2.7 Facilita a integração e a comunicação com outros 
ambientes (Internet, planilhas e outros aplicativos e sistemas) 
 2.8 Implementa funções de mineração de dados 
3. Quanto à Interface ou Apresentação 
3.1 Possui Interface Gráfica Com Usuário 
3.2 É amigável: implementa várias opções de navegação e exige poucos clicks de mouse 
3.3 Possui telas de ajuda 
3.4 Possui alta concentração e combinação de recursos gráficos 
3.5 Possui tempo de resposta rápido 
3.6 É acessível de muitos lugares 
3.7 É pré-customizado para cada usuário ou classe de usuários. 
3.8 É customizável pelo usuário. 
Tabela 1: Grade de Características dos EISs (Pozzebon et al, 1998). 
 
Pode-se dizer que, à luz de todas as definições e características revisitadas, um EIS é um 
sistema que provê aos executivos facilidade no acesso às informações internas e externas que 
são relevantes ao processo decisório estratégico. A facilidade de acesso se dá não só pela 
interface gráfica e amigável, mas também pelas funcionalidades de análise, simulações e 
projeções que apóiam o processo decisório. 
O surgimento de tecnologias mais sofisticadas promoveu a evolução dos sistemas EIS, o que 
pode ser percebido pela clara transformação de suas características e funcionalidades. Dois 
conceitos estreitamente relacionados trouxeram uma promessa em termos de flexibilidade e 
integração das informações das empresas: Data Warehouse e On-Line Analytical Processing 
– OLAP. 
 
 3
 Data Warehouse é um banco de dados voltado para o suporte à decisão de usuários finais, 
derivado de diversos outros bancos de dados operacionais que incluem dados integrados, 
detalhados e sumarizados, históricos e metadados (Inmon, 1996; Taurion, 1997). O Data 
Warehouse é, traduzindo-se literalmente, um “Armazém de Dados”, onde dados históricos, 
após um processo de limpeza e depuração, são integrados por assunto e/ou domínio de 
aplicação, e então armazenados, tornando-se disponíveis a qualquer momento para sua 
análise. É fruto de um processo de limpeza dos dados transacionais, tornando-os disponíveis 
em estruturas otimizadas para uma rápida recuperação e análise dos dados (Petrini, 1999). Os 
Data Warehouses permitem consultas estruturadas e customizadas, além de possibilitarem a 
navegação, dinâmica,por vários níveis de detalhamento das informações. 
Um termo altamente relacionado à emergência do Data Warehouse é o Data Mart, o qual 
pode ser definido como um pequeno subconjunto de um Data Warehouse usado por um 
número menor de usuários, caracterizando-se por focar uma fatia de um Data Warehouse, 
contemplando dados exclusivos de uma área ou departamento específico (White, 1998). 
Seguindo a mesma filosofia dos Data Warehouse, os Data Marts representam um tipo menos 
complexo em termos de implementação e mais fácil de ser gerenciado, pois têm requisitos 
mais simples de infra-estrutura e menor abrangência funcional. Segundo Gardner (1997), um 
Data Mart deveria ser implementado como um subconjunto de dados dependentes de um 
Data Warehouse ou de um repositório com dados detalhados e normalizados, o que garantiria 
uma resposta consistente às questões de negócio. 
Uma das razões para gerar Data Marts a partir de um Data Warehouse corporativo é garantir 
o acesso aos dados em situações de manutenção do Data Warehouse. Um Data Mart habilita 
os técnicos em sistemas a trabalhar no redesenho do Data Warehouse sem descontinuar o 
acesso aos dados ou obrigar os usuários a buscar nos sistemas operacionais os dados que 
necessitam (Cothern, 1997). Além disso, outro motivo para a utilização de Data Mart é a 
redução do tempo de acesso, promovendo maior rapidez nas análises. 
Apesar do conceito de Data Mart ser um subconjunto de um Data Warehouse, muitas 
empresas decidem implementar seus sistemas de BI a partir da adoção direta de Data Marts. 
Por serem mais rápidos e fáceis de implementar e, conseqüentemente, exigirem menos 
recursos financeiros inicialmente, pode-se dizer que existem dois grandes impulsionadores 
para essa decisão: (1) o discurso dos próprios fornecedores de que Data Mart é focado em 
solução enquanto Data Warehouses são grandes e complexos e (2) a ansiedade das empresas 
em conseguir resultados rápidos da implementação dos sistemas de BI. O maior perigo dessa 
abordagem de Data Marts independentes é que, apesar de, inicialmente, serem mais rápidos 
de implementar, com o passar do tempo e o desenvolvimento de outros Data Marts tornam-se 
mais difíceis de gerenciar e manter (Inmon, 1999). Não sendo alimentados por uma única e 
confiável fonte de informações, possivelmente se replica os problemas dos dados já 
armazenados nos sistemas operacionais, e perde-se uma das grandes vantagens da 
implementação dos Data Warehouses que é a uniformidade e padronização das informações. 
 Ligadas ao surgimento dos Data Warehouses (DWs) e Data Marts (DMs), as ferramentas de 
OLAP permitem aos usuários explorar os dados contidos nos DMs e DWs, provendo 
múltiplas visões destes dados, propiciando abordagens por diferentes ângulos. Trata-se de 
ferramentas exploratórias interativas de navegação de dados usando técnicas de fatiamento e 
distribuição para examiná-los de diferentes perspectivas e com diversos graus de 
detalhamento (Chaudhuri & Dayal, 1997; Dinter Et Al, 1998; Body et al, 2002). Ou seja, as 
ferramentas OLAP são ferramentas para análise de Data Warehouse, que enfocam análises 
multidimensionais de dados de modo superior aos mecanismos de resumo (sumário) e lotes 
encaixantes (quebra ou break-down) entre dimensões oferecidas pelas ferramentas 
tradicionais. Isso permite maior flexibilidade na disponibilização das informações, pois a 
análise de um fato - valores, volume de vendas, por exemplo - é feita em várias dimensões - 
 
 4
tempo, região geográfica, por exemplo - em drill down (do geral para o particular) ou drill up 
(do particular para o geral) (PETRINI, 1999). Drill down ou up é uma técnica analítica 
específica usada para navegar entre níveis de dados, do mais sumarizado (up) ao mais 
detalhado (down). Os caminhos podem ser definidos pelas hierarquias dentro das dimensões 
ou outros relacionamentos que podem ser dinâmicos dentro ou entre as dimensões. 
Mas a transformação das características e funcionalidades dos EISs baseada no surgimento de 
tecnologias mais sofisticadas vai além. As condições ambientais e culturais nas quais decisões 
são tomadas foram ficando mais complexas e o ambiente de negócio cada vez mais 
competitivo. Fortemente ligado a isso, temos o impacto da Internet no aumento da 
abrangência das informações e das comunicações e, conseqüentemente, nos processos 
decisórios nas organizações, e emerge o conceito de Inteligência de Negócios (Business 
Intelligence - BI). Exemplo dessas mudanças na prática, é a inclusão de produtos e serviços 
baseados na Web em praticamente todos os softwares de EIS que surgiram no mercado nos 
anos 90: os atuais produtos de BI são usualmente desenvolvidos utilizando recursos web 
facilitando a análise e distribuição das informações (Carlsson & Turban, 2002; Singh, Watson 
& Watson, 2002). 
O conceito de Inteligência de Negócios (BI), que absorve os conceitos de EIS, faz parte da 
segunda geração dos sistemas corporativos, como o ERP (Enterprise Resource Planning), 
integrando-se fortemente com ele e com outros sistemas corporativos como o CRM 
(Customer Relationship Management). Além disso, Inteligência de Negócios (BI) está 
altamente relacionado com Data Mining, que é um processo de descoberta de informação 
nova e relevante a partir de grandes volumes de informação. Essa informação é tipicamente 
“um conhecimento escondido” obtido pela aplicação de análise estatística, identificando 
padrões e co-relações nas informações de origem. Um conceito emergente relacionado com a 
utilização da Internet, define e-Business Intelligence como a análise e uso de informação 
coletada sobre visitantes em Web sites. A inteligência passa a ser prover serviços 
personalizados aos consumidores a partir da análise da informação coletada (Schonberg, 
Cofino, Hoch, Podlaseck & Spraragen, 2000). Seguindo essa abordagem, Giovinazzo (2002) 
aborda a Internet habilitando a infra-estrutura de BI através da integração de Data Warehouse 
e CRM e da utilização de técnicas de análise visando entender melhor o consumidor e 
responder as suas necessidades rapidamente. 
Sendo assim, o termo BI praticamente eliminou o termo EIS da maioria dos sites e listas de 
produtos dos fornecedores de software (Carlsson & Turban, 2002). A chamada segunda 
geração dos ERPs é reconhecida pela necessidade de suportar não somente o processamento 
de transações operacionais, mas também o processamento analítico de informações. 
 
2.2 Definindo Inteligência de Negócios (BI) 
A revisão de literatura em BI revela uma certa “separação” entre aspectos técnicos e 
administrativos, organizados em dois grupos (Tabela 2). 
 
 Abordagem Administrativa Abordagem Tecnológica 
Foco Principal O foco no processo de coleta de dados de fontes 
internas e externas e análise dos mesmos, a fim 
de gerar informação relevante. 
O foco nas ferramentas 
tecnológicas que suportam o 
processo. 
Referências 
 
Liautaud (2000); Luckevich, Vitt e Misner 
(2002); Schonberg et al. (2000); Kalakota & 
Robinson (2001) 
 
Kudyba e Hoptroff (2001); Watson, 
Goodhue and Wixon (2002); 
Scoggins (1999); Hackathorn 
(1999); Dhar e Stein (1996); 
Giovinazzo (2002) 
Tabela 2: Duas abordagens de Inteligência de Negócios (Petrini & Pozzebon, 2003) 
 
 
 5
Na abordagem administrativa, a Inteligência de Negócios (BI) é vista como um processo em 
que os dados internos e externos da empresa são integrados para gerar informação pertinente 
para o processo de tomada de decisão. O papel da Inteligência de Negócios (BI) aqui é criar 
um ambiente informacional com processos através dos quais dados operacionais possam ser 
coletados, tanto dos sistemas transacionais como de fontes externas, e analisados, revelando 
dimensões “estratégicas” do negócio. Desta perspectiva emergem conceitos como 
“organização inteligente”: uma empresa que usa a Inteligência de Negócios (BI) para tomar 
decisões mais rápidas e mais inteligentes que os seus competidores (Liautaud, 2000). 
Simplificando, “inteligência” significaa redução de um enorme volume de dados em 
conhecimento, através de um processo de filtragem, análise e disseminação da informação 
(Kalakota & Robinson, 2001). 
A resposta de como as empresas adquirem “inteligência” poderia estar na transformação de 
dados-informação-inteligência. Aqui emerge uma crença tradicional: “dados” são crus e 
espelham as transações diárias e operacionais de uma empresa; “informação” são os dados 
filtrados que, através de um processo de agregação, adquirem um certo nível de “significado” 
contextual; “inteligência” eleva a informação a um estágio superior: é o resultado da 
compreensão completa de ações, contextos e escolhas. 
A abordagem tecnológica apresenta a Inteligência de Negócios (BI) como um conjunto de 
ferramentas que apóia o armazenamento e análise de informação. O foco não está no próprio 
processo, mas nas tecnologias que permitem a gravação, recuperação, manipulação e análise 
da informação. Por exemplo, Kudyba e Hoptroff (2001) entendem a Inteligência de Negócios 
(BI) como uma tecnologia de repositório de dados – Data Warehouse (DW) – que permite aos 
usuários extrair dados (demográficos e transacionais) e gerar relatórios estruturados que 
podem ser distribuídos nas empresas através das redes internas (Intranets). Watson, Goodhue 
& Wixon (2002) têm identificado que algumas organizações obtêm mais retorno na 
implementação de DW do que outros, demonstrando inclusive medidas de quantificação do 
impacto alcançado com a sua implementação. A evolução no uso de DW acontece quando são 
aplicadas técnicas avançadas de mineração de dados (Data Mining - DM) para transformar 
dados em informação (Scoggins, 1999). Nesta área, Hackathorn (1999) aborda a convergência 
de tecnologias de armazenamento de dados (DW), mineração de dados (DM), análise de 
hipertexto e recursos de informação da Internet como um grande desafio que reside na criação 
de uma arquitetura para todas estas tecnologias em uma plataforma de Inteligência de 
Negócios (BI) organizacional. 
Independente da abordagem, administrativa ou tecnológica, existem idéias compartilhadas em 
todos estes estudos: (1) a essência da Inteligência de Negócios (BI) é a coleta, análise e uso da 
informação e (2) o objetivo é apoiar o processo de tomada de decisão estratégica. 
Na verdade, Business Intelligence, diferentemente de seus antecessores, não é uma tecnologia, 
mas um conjunto de diversas delas, que visa promover e dar suporte a um ambiente 
informacional na empresa: ferramentas de extração e conversão, bancos de dados voltados 
para consultas complexas, ferramentas inteligentes de prospecção e análise de dados e 
ferramentas de administração e gerenciamento. A Figura 1 apresenta uma proposta de 
arquitetura de BI, distribuindo as diferentes tecnologias e aplicações discutidas em função de 
sua principal contribuição em cada uma das etapas no processo de BI. 
A única ferramenta proposta na arquitetura e ainda não definida nessa revisão bibliográfica 
são as ferramentas de ETL – Extraction, Transforming and Loading, as quais combinam 
dados em único formato, a partir da Extração – captura de dados de diferentes formatos e 
fontes, Transformação - conversão dos dados (limpeza, agregação e filtragem) e Carga – 
gravação dos dados limpos e convertidos em uma nova estrutura de banco de dados. O 
principal objetivo das ferramentas ETL é simplificar a carga, a configuração e o 
 
 6
gerenciamento da montagem de um Data Warehouse (Friedman & Gassman, 2003; Friedman, 
2002; Friedman & Schulte, 2001). 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Figura 1: Arquitetura de Inteligência de Negócios (proposta pelo autor). 
 
Enfim, BI pode ser definida como um processo sistemático de aquisição, tratamento e análise 
de informações, visando a facilitar a tomada de decisão. E, por ser uma ampla categoria de 
softwares e soluções para coleta, consolidação, análise e disseminação de informações, 
visando melhorar o processo decisório, o conceito de BI pode englobar diferentes aplicações, 
o que justifica e facilita a compreensão do porquê de tantas iniciativas diferentes receberem o 
nome de BI. 
A próxima seção destina-se a realizar e apresentar a mesma estruturação e definição para o 
conceito de Inteligência Competitiva. 
 
3 Inteligência Competitiva 
 
3.1 Definindo Inteligência Competitiva (IC) 
De Geus (2002) reforça a importância do conhecimento, pois convida-nos a olhar para as 
empresas com “lentes biológicas”, como uma comunidade de seres humanos. O autor cria 
uma analogia do crescimento organizacional com o desenvolvimento humano, ressaltando a 
importância da aprendizagem e harmonia com o mundo circundante. Assim como os seres 
humanos, para sobreviver, também as organizações devem aprender e reter este 
conhecimento, transformando-o em vantagem competitiva. 
Essa procura pela vantagem competitiva leva-nos ao conceito de Inteligência Competitiva. A 
inteligência está relacionada com os dados. Os dados, depois de organizados e tratados, geram 
a informação. A informação, quando analisada torna-se conhecimento, e o conhecimento é a 
chave para a inteligência. Inteligência Competitiva é uma ferramenta estratégica que permite 
ao decisor aumentar a competitividade da sua organização através da identificação das suas 
forças chave e antecipar as direções do mercado para o futuro (Lackman et al., 2000). 
Dentro deste contexto a Inteligência Competitiva (IC) desponta como uma potente ferramenta 
de apoio à alta gestão. E por quê? Atividades como o acompanhamento das intenções dos 
concorrentes e ocorrências imprevistas no mercado; atenção constante à Internet e outros 
meios de comunicação em massa; contato com clientes, fornecedores, parceiros, especialistas 
Coleta
Análise e 
Distribuição
Consolidação
ETL 
Extraction Transforming and Loading
Data Warehouse
Data Mart
Vendas
Data Mart
Logístíca
Data Mart
Financeiro
Data Mart
Produção
EISData Mining
Sistemas Transacionais
ERP,SCM,CRM,Legados Dados Externos
*.*.txttxt
DSSOLAP
In
te
lig
ên
ci
a 
de
 N
eg
óc
io
s
Relatórios
Sistemas 
Departamentais
Coleta
Análise e 
Distribuição
Consolidação
ETL 
Extraction Transforming and Loading
Data Warehouse
Data Mart
Vendas
Data Mart
Logístíca
Data Mart
Financeiro
Data Mart
Produção
EISData Mining
Sistemas Transacionais
ERP,SCM,CRM,Legados Dados Externos
*.*.txttxt
DSSOLAP
In
te
lig
ên
ci
a 
de
 N
eg
óc
io
s
Relatórios
Sistemas 
Departamentais
Sistemas 
Departamentais
 
 7
e outras fontes fiáveis; participação em congressos e feiras; criação de perfis psicológicos de 
tomadores de decisão de alto nível, entre outras, fazem parte do dia-a-dia dos profissionais de 
IC (Prescott e Miller, 2002). Mas, mais importante do que obter essas informações, destacam 
os autores, os profissionais de IC tratam-nas, depuram-nas e transformam-nas em 
conhecimento que permitem auxiliar o trabalho da análise estratégica. 
A introdução do processo de inteligência dentro de uma organização pode mudar a abordagem 
arcaica de que os gerentes pensam e os trabalhadores fazem; através do incentivo aos 
colaboradores para apresentarem sugestões e idéias a respeito de mudanças no mercado, bem 
como possibilitar alertas de riscos potenciais que tenham constatado (Miller, 2002). 
Por outro lado, a Inteligência Competitiva (IC) também está associada a gestão de riscos. O 
profissional de IC usa a informação fornecida por vendedores, consultores, empregados e 
outras fontes, analisa-a e gera a inteligência para responder a questões específicas, 
identificando e gerindo possíveis fontes de riscos. Assim, uma outra abordagem de IC é vê-la 
como uma ferramenta que permite aos decisores calcular riscos e definir orientações em 
função dos vários cenários existentes (Gilad, 2001). Também Kempfer alerta para a 
importância da gestão de riscos como o grande desafio da IC face à nova realidade 
econômica, combinando conceitos de inteligências (competitiva, militar e de investigação), 
pois integra a segurança e asnecessidades da alta gestão, gerando sinergias para uma melhor 
tomada de decisões, considerando os riscos envolvidos (Kempfer, 2002). 
Entretanto, é bastante comum a confusão existente entre Inteligência Competitiva e a prática 
de espionagem, uma vez que faz parte do processo de inteligência o levantamento de 
informações importantes sobre a concorrência. Porém, como definido na página da SCIP – 
Society of Competitive Intelligence Professionals – “IC é um processo ético e sistemático para 
obtenção, análise e gestão da informação que pode afetar os planos, decisões e operações da 
sua companhia”. 
Fala-se em dados, informação, sistemas de informação, recursos humanos, gestão de risco, 
marketing, ética, gestão do conhecimento, etc. Mas o que é Inteligência Competitiva afinal? 
Como define Ward (2001) “IC, em poucas palavras, é a arte de fazer as perguntas certas para 
as fontes certas na forma/direção certa, na hora certa.”. Isto é, IC é uma nova forma de pensar 
e de agir, pois não são os dados, tampouco a informação gerada a partir deles que ajudam no 
processo de tomada de decisão, mas sim a sua análise, o conhecimento individual e coletivo 
que é extraído a partir deles. 
 
3.2 O Ciclo da Inteligência Competitiva (Competitive Intelligence) 
Assim como os processos de tomada de decisão e aprendizagem trabalham em ciclos; também 
o processo de geração de inteligência trabalha de forma cíclica. Conforme Miller (2002) o 
ciclo de IC é composto por quatro fases a serem executadas iterativamente, conforme ilustra a 
figura a seguir. 
 
 
 
 
 
 
 
 
 
 
 
Figura 2: Ciclo de Inteligência Competitiva (Adaptado de Taborda e Ferreira (2002)) 
1
2
3
4 Ciclo de Inteligência
Identificação 
NECESSIDADES
COLECTA
Informações
ANÁLISE
Informações
DISSEMINAÇÃO
Inteligência
 
 8
 
Na primeira fase do ciclo, Identificação das Necessidades, é necessário identificar os 
responsáveis pelas principais decisões, isto é, os utilizadores do conhecimento a ser produzido 
como resultado do processo de inteligência. Os profissionais de IC elaboram junto dos 
gestores o levantamento das suas reais necessidades, através de reuniões e entrevistas 
individuais. Nestas entrevistas, são discutidos os riscos de decisões pendentes, opiniões sobre 
possíveis surpresas, preocupações sobre agentes externos, bem como vigilâncias a monitorar. 
Este processo tem como resultado uma lista de especificações de inteligência, os KITs – Key 
Intelligence Topics – em torno de diversos tópicos, como concorrentes, situações de mercado, 
planejamento e decisões, alianças, aquisições, entre outros. 
A clareza com que estes tópicos são definidos é que vai determinar o sucesso ou não do 
programa de inteligência, sendo que a sua ausência é uma das causas freqüentes apontada pelo 
baixo desempenho e frustração dos profissionais da área (Herring, 2002). 
Depois de identificados, os KITs são organizados e separados por categorias funcionais, 
porque diferentes tipos de tópicos exigem diferentes operações de inteligência e diferenciadas 
fontes de informação. Conforme define Herring (2002), de um modo geral as necessidades de 
inteligência podem ser enquadradas numa das três categorias funcionais: 
a) Decisões e ações estratégicas; relativas a um amplo leque de decisões sobre 
investimentos estratégicos, planos de ação para novos lançamentos de produtos, 
elaboração de planos estratégicos e informação sobre novas estratégias da 
concorrência. 
b) Tópicos de alerta antecipado; voltados para ameaças, palpites ou receios, incluindo 
iniciativas dos concorrentes, surpresas tecnológicas e ações do governo. 
c) Descrição dos principais atores encontrados no mercado específico; incluindo 
concorrentes, clientes, fornecedores, órgãos reguladores e parceiros potenciais. 
A partir da definição das necessidades dos usuários, organiza-se a coleta de informações, 
determinando a estratégia de procura e quais fontes a utilizar, caracterizando o processo 
relativo a segunda fase do ciclo de IC, Coleta da informação. As informações a serem 
coletadas podem ser classificadas tanto pelo seu grau de confiabilidade e relevância como 
pela fonte utilizada para a obtenção das mesmas. Conforme definem Silva e Neves (2003), as 
fontes de dados podem ser classificadas quanto à sua estrutura, como fontes formais ou 
textuais, apresentando-se de forma estruturada; ou informais, não estruturadas e geralmente 
externas à organização. Também podem ser qualificadas conforme o seu conteúdo, como 
fontes primárias (dados inalterados vindos diretamente das fontes) ou secundárias (dados que 
já sofreram algum tipo de interpretação ou análise prévia). 
Para que o processo de inteligência seja compreendido como um todo, é importante ter claro 
as diferentes fontes de informação e a metodologia para o acesso às mesmas. A metodologia 
utilizada varia conforme a fonte da informação a ser recolhida. Assim, para obter informações 
junto de pessoas, através de uma entrevista, é necessário uma preparação e condução 
adequada de acordo com padrões éticos estabelecidos (Taborda e Ferreira, 2002). 
Já as fontes secundárias se referem a outras procedências, não exclusivas, e podem ser 
acessadas por todas as partes interessadas no processo. Porém, são necessárias porque 
proporcionam as informações de bastidores e geram sustentabilidade para as opiniões obtidas 
das fontes primárias (Miller, 2002). Estas fontes podem ser originadas a partir de impressos 
dos mais diversos tipos, bem como dados disponíveis em páginas da Internet, em revistas, 
jornais, livros, tanto do ambiente econômico e social quanto fontes específicas do setor em 
que a empresa atua (Fuld, 1995). Outras fontes internacionais, governamentais, embaixadas, 
câmaras de comércio, domínios e patentes são também consideradas fontes secundárias que 
podem auxiliar o trabalho da inteligência. 
 
 9
Porém, é importante perceber que existe uma fonte inesgotável de informações dentro da 
própria organização, tanto através dos recursos humanos como pelas informações contidas nas 
bases de dados alimentadas pelos Sistemas de Informação. Incorporar informações externas a 
estas informações internas é que pode gerar um valor agregado e criar um diferencial no 
mercado competitivo. 
A terceira fase do ciclo de IC corresponde à geração do conhecimento propriamente dita, onde 
os analistas procuram a identificação de padrões e tendências significativas, relações entre os 
dados até então não detectadas. É a fase mais crítica, pois requer analistas com habilidades 
específicas e conhecimentos no assunto que está a ser pesquisado. Conforme descreve 
Michael Sandman (Miller, 2002), “análise é o elo de ligação entre o material bruto – dados – e 
o produto de valor agregado – inteligência.”. O autor considera os modelos de análise 
somente como um referencial técnico onde serão agregados fatos, teorias bem formuladas e 
alguns palpites, cujo resultado final depende da capacidade humana de pensar e formular 
soluções: “Modelos são boas ferramentas para a realização de boas análises. Não constituem, 
porém, substitutos à altura da diligência, da recolha bem orientada e de uma mente aberta e 
inquisitiva.” (Sandman apud Miller, 2002). 
Silva e Neves (2003) reforçam a importância da clareza dos objetivos da pesquisa, isto é, ter o 
foco muito bem estabelecido, uma vez que a análise deve gerar conhecimento que auxilie ao 
processo de tomada de decisões, especialmente as estratégicas: “O propósito da análise 
competitiva NÃO é aprender sobre os competidores, mas sim oferecer alternativas para a 
tomada de decisão e para a ação.”. 
Conforme definem Gomes e Braga (2001), a quarta etapa do ciclo de IC envolve a entrega da 
informação analisada, a inteligência, em formato conciliável com o perfil do usuário, a alta 
gerência. A distribuição deste produto da inteligência pode ser feita de inúmeras formas, tanto 
por meio das tecnologias de informação como por contato informal. O apoio tecnológico pode 
ser feito através de enviode relatórios analíticos por e-mail, através de newsletter ou 
informação colocada na intranet da organização (Hohhof apud Miller 2002). Tanto o formato 
quanto a periodicidade vão depender das necessidades de inteligência e do perfil do gestor 
que vai utilizá-la. Por outro lado, há gestores que preferem o contato direto, recebendo as 
informações necessárias através de reuniões de equipes, ou até mesmo, em conversas 
informais. 
Todavia, o processo de geração da inteligência, relativo ao ciclo já descrito anteriormente, 
deve envolver todos os empregados da companhia. Conforme Fuld (1995), a empresa deve 
encontrar os meios adequados para compartilhar e comunicar a informação vital para o 
processo de inteligência. O autor ressalta também que, se este passar a ser um comportamento 
corrente da organização, as tecnologias então podem ser o próximo passo para incrementar o 
processo. Cabe salientar que, de acordo com pesquisas realizadas pela empresa Fuld & 
Company em 2002 a respeito de ferramentas de IC disponíveis no mercado, a maioria dos 
softwares especializados para IC apresentam melhores desempenhos nas fases de coleta dos 
dados e disseminação da informação (Fuld & Company, 2002). 
Enfim, Inteligência Competitiva é um processo de coleta, análise e disseminação de 
informação precisa, relevante, específica, atual e visionária, relacionada com a empresa, o 
ambiente empresarial e os competidores (Miller, 2002). Esse processo é define um ciclo 
composto por quatro fases executadas iterativamente: (1) Identificação das Necessidades, (2) 
Coleta de informações, (3) Análise e (4) Disseminação da inteligência. 
Uma vez conceituados os dois temas, na próxima seção iremos discuti-los à luz de suas 
diferenças, semelhanças e interdependências. 
 
 
 
 10
4 Discussão 
 
Nas duas últimas seções percorremos diversos autores buscando compilar e sistematizar 
definições envolvendo Inteligência Competitiva (IC) e Inteligência de Negócios (BI). Nesta 
seção nosso objetivo é aumentar a compreensão desses temas a partir de uma discussão que 
ressalta as semelhanças, diferenças e interdependências entre os mesmos. 
 
Tanto na definição de BI quanto na de IC, encontram-se dois temas comuns: (1) a distinção 
entre informação e inteligência e (2) o processo de coleta, organização e análise dos dados. 
 
Informação ou Inteligência? 
Informação é fatual, inteligência é algo que pode determinar uma atitude. Por exemplo, em 
uma indústria de manufatura, o nível de “desperdício” é uma informação que pode ser 
analisada com o passar do tempo, de acordo com a linha de produto (o seu contexto). Estas 
análises mostram que os níveis de desperdício são mais altos em um período específico de 
tempo, com uma linha de produto específica. As análises mais profundas, incluindo 
informação externa, podem mostrar que tal incremento coincide com o aumento de umidade 
de ar. A inteligência, que pode ser utilizada para determinar uma ação, é que o material usado 
naquela linha de produto específico é mais sensível a umidade do ar do que outros materiais. 
A construção de um sistema eficiente de inteligência passa pela integração de três fatores: 
pessoas que interajam em determinados processos e se apóiem em tecnologia disponível para 
a execução das suas tarefas. 
Porém, como ressalta Fuld (1995), o sucesso de um sistema de inteligência é construído sobre 
e ao redor da cultura organizacional: “sistemas de inteligência têm, independente do potencial 
das aplicações informáticas, um teor sobretudo humano.”. 
 
Tanto IC quanto BI apóiam-se em Tecnologia de Informação. Entretanto, as ferramentas 
existentes auxiliam na coleta e organização/disseminação dos dados, mas não conseguem 
ainda gerar o conhecimento necessário dentro do processo de inteligência: a intervenção 
humana é fundamental. Os dados explorados por ferramentas como data warehouses e data 
minings, transformam-se em informação que pode ser utilizada no suporte ao processo de 
tomada de decisões. Nos últimos anos, os resultados fornecidos por data warehouses 
migraram de relatórios estáticos a análises multi-dimensionais, com as suas capacidades 
melhoradas e o cruzamento de informações multi-departamentais, fornecendo respostas que 
agregam vantagem competitiva ao negócio (Moncla e Consulting, 2000). Entretanto, apesar 
de todos os avanços nesta área, existe ainda uma deficiência na indústria de software: 
software geralmente não analisa, e quando o faz, analisa de uma forma muito rudimentar, 
puramente quantitativa, utilizando somente dados internos. Porém, a realidade dos negócios 
mostra que a maioria das análises devem ser baseadas em dados qualitativos, não somente em 
números ou estatísticas (Fuld e Sawka, 2000). As experiências de quem analisa são tão ou 
mais importantes que os dados a serem analisados. Diversos autores destacam a importância 
do fator humano no trabalho de IC, especialmente na terceira fase do ciclo, quando é realizada 
a análise dos dados e a geração do conhecimento (Silva e Neves, 2003), (Sandman apud 
Miller, 2002), (Taborda e Ferreira, 2002), (Fuld & Company, 2002), (Freitas e Moscarola, 
2000). 
 
Entretanto, mesmo deixando-se claro a importância fundamental da intervenção humana para 
a geração da inteligência, as informações ofertadas nos sistemas de BI ou IC são 
determinantes para essa geração, uma vez que é baseado nelas que o analista gera a 
inteligência. O enfoque na tecnologia não traz resultados de valor sem estar fortemente 
 
 11
associado ao negócio, ou seja, antes de tudo é necessária a identificação de quais informações 
são realmente estratégicas para a empresa. No estudo de Petrini, Pozzebon e Freitas (2004) 
concluem que as empresas estão adotando Inteligência de Negócios (BI) como uma nova 
aplicação tecnológica, um software novo, e não como uma nova abordagem administrativa. O 
valor de um sistema de Inteligência de Negócios (BI) está no valor dos indicadores e na 
informação que é produzida, analisada e disseminada. Se não houver nenhuma consciência 
em como produzir, analisar e disseminar tal informação e quão estratégicas são esses alertas 
produzidos, o benefício destes sistemas provavelmente será mínimo ou desaparecerá. Esta 
pesquisa sugere que o papel estratégico e social de TI não é sempre percebido. Atrás de 
qualquer aplicação de TI, demonstram-se escolhas sociais e políticas. Adotar uma aplicação 
de Inteligência de Negócios (BI) é muito mais uma questão organizacional ou administrativa 
do que tecnológica. Quando as empresas prestam mais atenção em como construir e gerir 
técnica e efetivamente um repositório de dados centralizado do que em construir coletiva e 
socialmente um mecanismo de produção e disseminação de informação útil e oportuna para a 
tomada de decisão, pode-se perder muito do benefício potencial de um projeto de Inteligência 
de Negócios (BI). Coletar e armazenar uma coleção de métricas, sem o respectivo 
alinhamento com os objetivos estratégicos organizacionais, podem ser vistos como 
desperdício de tempo e esforço. 
 
O Processo de coleta, organização e análise dos dados. 
Esta é outra semelhança que faz com que, muitas vezes, o conceito de Inteligência 
Competitiva (IC) seja confundido com o conceito de Inteligência de Negócios (BI) uma vez 
que ambas têm como idéia central a coleta, organização e análise dos dados: os dados são 
coletados, organizados e explorados, transformando-se em informação, a qual emerge das 
pessoas e que pode ser utilizada no suporte ao processo de tomada de decisões. 
 
Mas é ao aprofundarmos o entendimento desse processo de coleta, organização e análise que 
começam a emergir as principais diferenças entre esses dois conceitos. 
 
Qual o tipo e a origem dos dados coletados? 
Os dados a serem coletados são orientados e direcionados a partir dos objetivos estratégicos, 
no caso de BI, e dos Key Inteligent Topics (KIT), no caso de IC. Entretanto, os dados em BI 
são essencialmente estruturados, enquanto que em IC eles são textuais. Em outras palavras,pode-se dizer que a essência dos sistemas de BI trabalha com dados quantitativos e 
estruturados, enquanto IC preocupa-se com dados qualitativos. 
Essa característica de IC em trabalhar com dados textuais (qualitativos), oriundos muitas 
vezes de entrevistas com funcionários, clientes ou fornecedores, faz com que esse conceito 
encontre uma interdependência com Gestão do Conhecimento no que se refere ao processo 
de conversão do conhecimento tácito em explícito. Pensadores como Nonaka e Takeuchi 
(1997), Stewart (2002), Nicolau (2002), Davenport et al (2003), entre outros, realçam a 
urgência em tratar o conhecimento como ativo estratégico e a necessidade de o gerir de forma 
explícita e organizada. Assim, o conceito de Inteligência Competitiva (Competitive 
Intelligence) está intimamente ligado à utilização da Gestão de Conhecimento, pois esta 
disponibiliza métodos de transferência do conhecimento existente, tanto o tácito quanto o 
explícito, proporciona espaço para a inovação; tornando estas atividades um comportamento 
coletivo, e não uma atividade especializada para poucos (Nonaka e Takeuchi, 1997). 
Isso esta intimamente relacionado com a origem desses dados. Em BI a fonte principal são os 
sistemas e bancos de dados que controlam a operação da empresa. Mesmo os dados externos, 
são obtidos sob o formato de pesquisas realizadas sistematicamente ou específicas, mas cujo 
resultado é estruturado, como por exemplo, um estudo que divulgue o percentual de 
 
 12
participação no mercado da empresa e seus concorrentes ou indicadores demográficos. Já em 
IC as fontes são bem mais diversificadas, podendo ser desde contratos com fornecedores, 
normalmente disponíveis no departamento jurídico da empresa, até notícias no jornal sobre 
uma possível privatização do setor ou entrada de um novo concorrente. 
Ou seja, apesar de conceitualmente contemplar dados externos, na prática BI concentra-se em 
especial nos dados internos da organização. Em um estudo realizado por Petrini, Pozzebon e 
Freitas (2004), o qual descreve um panorama do uso de BI nas organizações brasileiras, o 
item relativo às fontes de informação aponta que o foco é a informação produzida de sistemas 
operacionais ou transacionais. Poucas empresas têm se preocupado com informação externa. 
Só 27% das empresas utilizam informação externa nos seus sistemas de Inteligência de 
Negócios (BI). Nestes casos, as informações externas perfazem de 10% a 25% da informação 
total utilizada. Entre as principais fontes de informação externa, encontramos os institutos de 
mercado (participação de mercado), institutos governamentais (informação demográfica) e 
pesquisa de mercado feita sob encomenda para um propósito específico. 
Já em IC, o foco está na obtenção das informações externas que envolvem a cadeia de valor 
da organização como um todo e o mercado que a cerca, remetendo-nos ao conceito das forças 
competitivas (PORTER, 1996) : competidores, novos entrantes, fornecedores, clientes e 
produtos substitutivos. Em outras palavras, a própria etapa de coleta é mais complexa em IC 
pelo fato de que a diversidade de fontes é muito maior. 
 
Quem usa os dados? 
Em IC, a organização como um todo pode ser vista como fonte de informação, mas os 
usuários dela, ou seja, quem efetivamente recebe as informações, é um numero muito 
reduzido de pessoas, normalmente ligadas ao nível estratégico: a alta gerência. Isto é 
explicado tanto pela natureza da informação como pela própria definição de Inteligência 
Competitiva. Decisões estratégicas envolvem a elaboração de planos de longo prazo, a 
definição de objetivos para a organização e de estratégias para alcançar esses objetivos, 
tarefas pertinentes a alta gerência. Também Larry Kahaner nos sugere os verdadeiros usuários 
da informação de IC através da sua definição: “Competitive Intelligence é uma ferramenta 
estratégica que permite ao decisor senior aumentar a competitividade da sua organização 
através da identificação das suas forças chave e antecipar as direções do mercado para o 
futuro” (Lackman et al., 2000). 
 
BI tende a atender o maior número possível de decisores, independente do nível 
organizacional. Na verdade, essa idéia esta intimamente ligada à emergência do conceito de 
Gerenciamento de Desempenho Corporativo (Corporate Performance Management – CPM) 
provendo valor estratégico completo. Gerenciamento de Desempenho Corporativo (CPM) é 
um termo guarda-chuva que descreve metodologias, métricas, processos e tecnologias usados 
para monitorar e gerenciar o desempenho do negócio de uma organização (GEISHECKER E 
RAYNER, 2001). Em outras palavras, CPM representa uma estratégia para desenvolvimento 
de soluções de BI. Nesse conceito, o valor é obtido traduzindo informações estratégicas em 
planos operacionais e realimentado a estratégia com informações dos resultados operacionais 
gerados, integrando todos os elementos do ciclo de planejamento (estratégico) e controle 
(tático). A idéia é fazer da “democracia” da informação um fato, compartilhando informações 
através ou mesmo além das fronteiras da organização, para todos os funcionários, clientes, 
fornecedores e parceiros de negócio. 
 
 
 
 
 13
5 Conclusões 
 
A compreensão dos conceitos de Inteligência Competitiva (IC) e Inteligência de Negócios 
(BI) evidencia que as grandes diferenças entre esses dois conceitos residem em dois grandes 
grupos: (1) o tipo e a origem dos dados e (2) o público para o qual os resultados são 
destinados. 
Em BI a origem dos dados, ou seja, a fonte principal, são os sistemas e bancos de dados que 
controlam a operação da empresa, levando-nos a trabalhar com dados essencialmente 
estruturados. Em IC o foco está na obtenção das informações externas que envolvem a cadeia 
de valor da organização como um todo e o mercado que a cerca: competidores, novos 
entrantes, fornecedores, clientes e produtos substitutivos, o que nos leva a trabalhar com 
dados em formato de texto e, conseqüentemente, não estruturados. Enquanto os sistemas de 
BI trabalham com dados quantitativos e estruturados, IC contempla dados qualitativos. 
O público que utiliza os resultados desses sistemas também muda significativamente. Em IC 
os usuários constituem-se de um número muito reduzido de pessoas, normalmente ligadas ao 
nível estratégico: a alta gerência, enquanto BI tende a atender o maior número possível de 
decisores, independente do nível organizacional. 
 
Entretanto, a construção de um sistema eficiente de inteligência, seja dentro da idéia de BI ou 
IC, passa pela integração de pessoas e tecnologia. Fuld (1995) ressalta que o sucesso de um 
sistema de inteligência é construído sobre e ao redor da cultura organizacional: “sistemas de 
inteligência têm, independente do potencial das aplicações informáticas, um teor sobretudo 
humano.” 
Mais uma vez a importância do fator humano no sucesso é enfatizada. Os modelos de análise, 
por mais automatizados que sejam, são estruturas que comportam dados e informação. Porém, 
nada substitui a capacidade humana de raciocinar e avaliar a sua real relevância e a sua 
credibilidade, bem como de agregar valor à geração final da inteligência. Ou seja, emerge das 
pessoas e dos relacionamentos interpessoais a capacidade de gerar inteligência. 
 
 
 
 
Referências 
 
BODY, M.; MIQUEL, M.; BÉDARD, Y.; TCHOUNIKINE, A. A multidimensional and 
multiversion structure for OLAP applications. Proceedings of the 5th ACM international 
workshop on Data Warehousing and OLAP. November, 2002. 
CARLSSON, C.; TURBAN, E. DSS: Directions for the next Decade. Decision Support 
System, v.33, n.2, p.105-110, June 2002. 
CHAUDHURI, S.; DAYAL, U. Data warehousing and OLAP for decision support. 
Proceedings of the 1997 ACM SIGMOD international conference on Management of Data, 
v.26, n.2, jun 1997. 
CHI, R.T.; TURBAN, E. Distributed Intelligent Executive Information Systems. Decision 
Support Systems, v.14, p.117-130, 1995. 
COTHERN, M. Data Warehousing: Understanding its Role in a Business Management 
Architecture.Data Warehouse Article Library, 1997, http://data-
warehouse.com/resource/articles/httoc.htm, acesso em 23 março 2004. 
DAVENPORT, T. PRUSAK, L. WILSON, H., “Vencendo com as Melhores Ideias: Como 
Fazer as Grandes Ideias Acontecerem na sua Empresa”, Rio de Janeiro: Campus, 2003. 
 
 14
DE GEUS, A., Biólogo Organizacional, em Dearlove, D., Rodrigues, J., Crainer, S e Brown, 
T., 2002, “Mestres da Gestão – 42 Gurus do Management em Directo”, Lisboa: Centro 
Atlântico, 2002, pp. 65-72. 
DHAR, V, & STEIN, R. “Seven Methods for Transforming Corporate Data into Business 
Intelligence”, Prentice Hall, 1996. 
DINTER, B.; SAPIA, C.; HÖFLING, G.; BLASCHKA, M. The OLAP market: state of the art 
and research issues. Proceedings of the 1st ACM international workshop on Data warehousing 
and OLAP, November, 1998. 
ELAM, J.J.; LEIDNER, D.G. EIS Adoption, Use and Impact: the Executive Perspective. 
Decision Support Systems, v.14, p.89-103, 1995. 
HACKATHORN, R. “Farming the Web for Systematic Business Intelligence”. Proceedings 
Of The Fifth ACM SIGKDD International Conference On Knowledge Discovery and Data 
Mining, San Diego, United States, 1999. 
FULD, L., “The New Competitor Intelligence”, New York: Wiley, 1995, pp. 417-436. 
FULD & COMPANY, Inc., “Leveraging the Web”, Intelligence Software Report 2002, 
www.fuld.com, 2002. 
FULD, L. e SAWKA, K., “Money Can’t Buy You Smarts”, CIO Magazine, 2000. 
FREITAS, H. e MOSCAROLA, J., “Análise de Dados Quantitativos e Qualitativos: Casos 
Aplicados Usando o Sphinx”, Porto Alegre: Editora Sagra Luzzatto, 2002. 
FRIEDMAN, T.; GRASSMAN, B. Client Issues for Extraction, Transformation and Loading, 
Gartner Group, 2003. 
FRIEDMAN, T. Gartner's Evaluation Criteria for the ETL Magic Quadrant, Gartner Group, 
2002. 
FRIEDMAN, T. & SCHULT, R. Integration Brokers and ETL Tools: Is the Line Blurring? 
Gartner Group, 2001. 
GILAD, B., “Industry Risk Management: CI’s Next Step”, Competitive Intelligence 
Magazine, Vol 4, Nº 3, 2001, pp. 21-27. 
GIOVINAZZO, W. “Internet-Enabled Business Intelligence”, Prentice Hall, 2002. 
GOMES, E. e BRAGA, F., “Inteligência competitiva: como transformar informação em um 
negócio lucrativo”, Rio de Janeiro: Campus, 2001. 
HERRING, J., “Tópicos Fundamentais de Inteligência: Processo para Identificação e 
Definição de Necessidades de Inteligência”, 2002, em PRESCOTT, J. e MILLER, S., 
“Inteligência Competitiva na Prática”, Rio de Janeiro: Campus, 2002. 
INMON, W.H. Charting the Course: Meta Data for the Data Mart Environment. DM Review, 
april, 1999. 
INMON, W.H. The Data Warehouse and Data Mining. Commmunications of The ACM – 
Data Mining, v.39, n.11, p.49-50, November 1996. 
KALAKOTA, R & ROBINSON, M. “E-business 2.0 – Roadmap for success”, Addison-
Wesley, NY, 2001. 
KEMPFER, H., “Risk Management Intelligence”, Competitive Intelligence Magazine, Vol 5, 
Nº 6, 2002, pp. 19-22. 
KUDYBA, S, & HOPTROFF, R. “Data Mining and Business Intelligence: A Guide to 
Productivity”, Idea Group Publishing, 2001. 
LACKMAN, C., SABAN, H and LANASA, J., “Organizing the Competitive Intelligence 
Function: A Benchmarking Study”, Competitive Intelligence Review, Vol 11, Nº 1, 2000, pp. 
17-27. 
LIAUTAUD, B. “E-Business Intelligence: Turning Information into Knowledge into Profit”, 
McGraw-Hill, 2000. 
LUCKEVICH, M.; Vitt, E.; Misner, S. Business Intelligence, Microsoft Press, 2002. 
MILLER, J., “O Milénio da Inteligência Competitiva”, Porto Alegre: Bookman, 2002. 
 
 15
MONCLA, B. e CONSULTING, F., “The Rise of E-Business and Business Intelligence”, DM 
Review, 2000. 
NICOLAU, I., “Gestão do Conhecimento nas Organizações e Mercados de Serviços”, Revista 
Portuguesa e Brasileira de Gestão, Vol 1, Nº 3, 2002, pp. 54-67. 
NONAKA, I. e TAKEUCHI, H., “Criação de Conhecimento na Empresa”, Rio de Janeiro: 
Campus, 1997. 
PALLER, A. & LASKA, R. The EIS Book, Dow Jones-Irwin, Homewood, Illinois, 1990. 
PETRINI, M. A viabilidade técnica e o enriquecimento de um modelo de E.I.S - Enterprise 
Information System com características para comportamentos proativos na recuperação de 
informações. Dissertação de Mestrado. Escola de Administração, PPGA Programa de Pós-
Graduação em Administração, UFRGS, junho de 1999. 
PETRINI,M., “Labirinto high-tech”. Gestão Empresarial, cap. 15, Editora Atlas, São Paulo, 
SP, 2005. 
PETRINI, M. & POZZEBON, M. The Value of “Business Intelligence” in the Context of 
Developing Countries. Proceedings of 11th European Conference on Information Systems, 
Napoli, Itália, 2003. 
PETRINI, M., POZZEBON, M. e FREITAS, M., “Qual é o Papel da Inteligência de Negócios 
(BI) nos Países em Desenvolvimento? Um Panorama das Empresas Brasileiras”, Curitiba: 
Anais do 28º Encontro da ANPAD – Associação Nacional dos Programas de Pós-graduação 
em Administração, 2004. 
POZZEBON, M., FREITAS, H.; PETRINI, M. A Definição de Categorias para o Estudo de 
Comportamentos Proativos na Recuperação de Informações. Anais do XXII encontro da 
ANPAD. Foz do Iguaçu, 1998. 
PRESCOTT, J. e MILLER, S., “Inteligência Competitiva na Prática”, Rio de Janeiro: 
Campus, 2002. 
RAINER, R.K.; WATSON, H. What does it Take for Sucessfull Executive Information 
Systems? Decision Support Systems, vol.14, p.147-156, 1995. 
SCHONBERG, E.; COFINO, T.; HOCH, R.; PODLASECK, M.; SPRARAGEN, S. 
“Measuring Success”, Communications oh the ACM, vol. 43, no. 8, Aug, 2000, pp. 53-57. 
SCOGGINS, J. “A Practitioner’s View Of Techniques Used In Data Warehousing For Sifting 
Through Data To Provide Information”, Proceedings Of The Eight International Conference 
On Information And Knowledege Management, Kansas City, MI, 1999. 
SILVA, R. e NEVES, A., “Gestão de Empresas na Era do Conhecimento”, Lisboa: Sílabo, 
2003. 
SINGH, S.; WATSON, H.J. & WATSON, R. EIS support for the strategic management 
process. Decision Support Systems, Volume 33, Issue 1, p. 71-85, 2002. 
STEWART, T., ”A Riqueza do Conhecimento: o Capital Intelectual e a Nova Organização”, 
Rio de Janeiro: Campus, 2002. 
TABORDA, J. e FERREIRA, M., “Competitive Intelligence – Um Novo Posicionamento das 
Organizações”, Cascais: Pergaminho, 2002. 
TAURION, C. Data Warehouse: Estado da Arte e Estado da Prática. Developers’ Magazine, 
Rio de Janeiro, n.6, p.10-11, fevereiro, 1997. 
TURBAN, E. Decision Support and Expert Systems, Rio de Janeiro, Prentice-Hall, 1995. 
TURBAN, E.; WALLS, J.G. Executive Information Systems - a Special Issue. Decision 
Support Systems, vol. 14, p.85-88, 1995. 
TURBAN, E.; WATSON, H.J. Integrating Expert Systems, Executive Information Systems, 
and Decision Support Systems. DSS-89 Transactions, San Diego, California, June 1989. 
VOLONINO, L.; WATSON, H.J.. & ROBINSON, S. Using EIS to Respond to Dynamic 
Business Condition. Decision Support Systems, vol. 14, p.105-116, 1995. 
 
 16
WARD, C., “It’s just ‘comma’ sense (part II)”, Competitive Intelligence Magazine, Vol 4, Nº 
3, 2001, pp. 37-38. 
WATSON, H.; GOODHUE, D.; WIXON, B. “The Benefits of Data Warehousing: Why some 
organizations realize exceptional payoffs”. Information & Management, Amsterdam, May, 
2002. 
WATSON, H.; RAINER, K.; KOH, C. Executive Information Systems: a Framework for a 
Development and a Survey of Current Practices. MIS Quartely, vol. 15, no. 01, p. 13-30. 
March 1991. 
WATSON, H.J.; WATSON, R; SINGH,S. & HOLMES,D. Development Practices for 
Executive Information Systems: Findings of a Field Study. Decision Support Systems, vol.14, 
p.171-184, 1995. 
WHITE, C. Managing Data Mart Development. Database Associates International Inc., 1999, 
http://www.dmreview.com/whitepaper/wp.cfm?topicId=230004&Submit=Go , acesso em 23 
maio 2004.