Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Gartner, Ivan Ricardo | - |
Autor(es): dc.creator | Pereira, Paulo Emílio Alcantara | - |
Data de aceite: dc.date.accessioned | 2024-10-23T16:46:37Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T16:46:37Z | - |
Data de envio: dc.date.issued | 2023-12-12 | - |
Data de envio: dc.date.issued | 2023-12-12 | - |
Data de envio: dc.date.issued | 2023-12-12 | - |
Data de envio: dc.date.issued | 2023-06-23 | - |
Fonte completa do material: dc.identifier | http://repositorio2.unb.br/jspui/handle/10482/47006 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/917022 | - |
Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão Pública, Programa de Pós-Graduação em Administração, 2023. | - |
Descrição: dc.description | 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. | - |
Descrição: dc.description | 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. | - |
Descrição: dc.description | Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE) | - |
Descrição: dc.description | Departamento de Administração (FACE ADM) | - |
Descrição: dc.description | Programa de Pós-Graduação em Administração | - |
Formato: dc.format | application/pdf | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | 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. | - |
Palavras-chave: dc.subject | Big data | - |
Palavras-chave: dc.subject | Análise de dados | - |
Palavras-chave: dc.subject | Mineração de dados | - |
Palavras-chave: dc.subject | Instituições financeiras - Brasil | - |
Palavras-chave: dc.subject | Desempenho financeiro | - |
Palavras-chave: dc.subject | Análise financeira | - |
Título: 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 | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: