Campo DC | Valor | Idioma |
dc.contributor.advisor | Gartner, Ivan Ricardo | pt_BR |
dc.contributor.author | Pereira, Paulo Emílio Alcantara | pt_BR |
dc.date.accessioned | 2023-12-13T18:32:29Z | - |
dc.date.available | 2023-12-13T18:32:29Z | - |
dc.date.issued | 2023-12-13 | - |
dc.date.submitted | 2023-06-23 | - |
dc.identifier.citation | PEREIRA, Paulo Emílio Alcantara. Big Data Analytics e Data Mining para avaliação e previsão da eficiência financeira do setor bancário brasileiro : um estudo de 2011 a 2022. 2023. xi, 98 f. Dissertação (Mestrado em Administração) - Universidade de Brasília, Brasília, 2023. | pt_BR |
dc.identifier.uri | http://repositorio2.unb.br/jspui/handle/10482/47006 | - |
dc.description | Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão Pública, Programa de Pós-Graduação em Administração, 2023. | pt_BR |
dc.description.abstract | O setor bancário como um tópico abrangente de dados está em constante evolução sob as influências publicitárias da era do big data. Verificar os recursos analíticos inovadores de detalhes significativos como métodos de mineração de dados é crucial para o setor bancário, que se esforça para revelar informações valiosas da enorme quantidade de informações e obter uma gestão estratégica e uma satisfação do cliente muito melhores. Em virtude da inexistência de estudos tratando essas modelagens tecnológicas em forma conjunta relacionadas ao desempenho financeiro bancário no cenário brasileiro, este trabalho desenvolveu dois estudos teórico-empíricos completos e complementares entre si, tendo o primeiro utilizado dados primários advindos de entrevistas diretas a vários atores envolvidos com o objeto do estudo, e o segundo se utilizando de dados secundários oficiais e públicos fornecidos pelo órgão regulador dos bancos nacionais, o Banco Central do Brasil. Ao reunir e analisar os modismos da concentração de estudos, informações de recursos on-line, ajudas técnicas e recursos analíticos de informações, esta dissertação em particular contribui para obter insights importantes sobre os avanços sucessivos da análise de big data (BDA) e da mineração de dados (DM) no setor bancário. Dessa forma, o estudo possui como objetivos gerais verificar, num primeiro momento, a influência da BDA no desempenho financeiro bancário e, num segundo tempo, analisar qual a melhor técnica de DM para prever o desempenho financeiro (FP) dos bancos. A proposição em teste nesse estudo é de que essas tecnologias desempenham um papel fundamental na indústria bancária, tornando-se soluções fundamentais para estudiosos de desempenho financeiro corporativo e analistas financeiros. Assim, como conclusão geral, o trabalho sustenta o argumento de que a BDA e a DM exercem, no mercado bancário contemporâneo, influência determinante e finalística para a tomada de decisões da direção corporativa, visto que contribuem de forma fundamental para o desempenho financeiro, podendo até mesmo determinar seu sucesso ou sua falha, a depender da gestão empreendida na análise dos dados. Além disso, o trabalho contribui para as discussões acerca de análise de grandes dados, gestão de ativos, gerenciamento de recursos, entre outros assuntos, sobretudo sob a ótica dos agentes supervisores bancários com ações voltadas para a estabilidade financeira. | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.title | Big Data Analytics e Data Mining para avaliação e previsão da eficiência financeira do setor bancário brasileiro : um estudo de 2011 a 2022 | pt_BR |
dc.type | Dissertação | pt_BR |
dc.subject.keyword | Big data | pt_BR |
dc.subject.keyword | Análise de dados | pt_BR |
dc.subject.keyword | Mineração de dados | pt_BR |
dc.subject.keyword | Instituições financeiras - Brasil | pt_BR |
dc.subject.keyword | Desempenho financeiro | pt_BR |
dc.subject.keyword | Análise financeira | pt_BR |
dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | pt_BR |
dc.description.abstract1 | The banking sector as a comprehensive data topic is constantly evolving under the advertising
influences of the big data era. Verifying the innovative analytical resources of significant
details such as data mining methods is crucial for the banking sector, which strives to reveal
valuable information from the enormous amount of data and achieve better strategic
management and customer satisfaction. Due to the lack of studies dealing with these
technological models in a joint form related to banking financial performance in the Brazilian
scenario, this work developed two complete and complementary theoretical-empirical studies,
the first using primary data from direct interviews with various actors involved with the study
object, and the second using official and public secondary data provided by the national bank
regulator, the Central Bank of Brazil. By gathering and analyzing trends in concentration
studies, online resource information, technical aids, and analytical resources for information,
this particular dissertation contributes to gaining important insights into the successive
advances in big data analysis (BDA) and data mining (DM) in the banking sector. Thus, the
study aims to verify, in a first moment, the influence of BDA on banking financial
performance, and in a second moment, to analyze which DM technique is best for predicting
financial performance (FP) of banks. The proposition being tested in this study is that these
technologies play a fundamental role in the banking industry, becoming fundamental
solutions for corporate financial performance scholars and financial analysts. Therefore, as a
general conclusion, the work supports the argument that BDA and DM play a determining
and finalistic influence on decision-making in corporate management, contributing
fundamentally to financial performance, and can even determine its success or failure,
depending on the management undertaken in data analysis. In addition, the work contributes
to discussions about big data analysis, asset management, resource management, among other
subjects, especially from the perspective of banking supervisory agents with actions focused on
financial stability. | en |
dc.description.unidade | Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE) | pt_BR |
dc.description.unidade | Departamento de Administração (FACE ADM) | pt_BR |
dc.description.ppg | Programa de Pós-Graduação em Administração | pt_BR |
Aparece nas coleções: | Teses, dissertações e produtos pós-doutorado
|