Article - Open Access.

Idioma principal | Segundo idioma

O POTENCIAL DO DATA MINING PARA TRATAMENTO DA COMPLEXIDADE NO CONTEXTO DO GERENCIAMENTO HÍBRIDO DE PROJETOS DE NOVOS PRODUTOS

-

Bianchi, Michael Jordan; Amaral, Daniel Capaldo; , ;

Article:

Sabe-se que quantidades significativas de dados são coletadas e armazenadas em ambientes de gestão de projetos em função do uso de tecnologias digitais de comunicação e armazenamento de dados. Ao mesmo tempo, tem-se o desafio de gerenciar projetos cada vez mais complexos em ambientes que requerem níveis significativos de agilidade. Uma das formas de lidar com o problema é por meio dos modelos híbridos de gestão. Será que a mineração de dados, utilizada para descobrir conhecimentos a partir de grandes quantidades de dados, poderia auxiliar no desenvolvimento de modelos híbridos, permitindo que as organizações lidem com a complexidade de seus projetos? O presente estudo identificou o estado da arte em relação ao uso de mineração de dados em gestão de projetos visando responder essa questão. Dentre as técnicas de data mining priorizaram-se as regras de associação, as quais visam encontrar padrões interessantes em grandes conjuntos de dados. Por meio de uma revisão bibliográfica sistemática foram encontrados dez estudos que propõe o uso de regras de associação em gestão de projetos. A pesquisa constata o uso de data mining em gestão de projetos e indica potenciais usos dessa técnica para tratar a complexidade no contexto do gerenciamento híbrido de projetos, sendo a combinação de práticas e sua relação com o desempenho do projeto os mais evidenciados.

Article:

-

Palavras-chave: Data mining; Regras de Associação, Modelos Híbridos, Gerenciamento de projetos,

Palavras-chave: -,

DOI: 10.5151/cbgdp2019-08

Referências bibliográficas
  • [1] ADELAKUN, Olayele et al. Hybrid Project Management : Agile with Discipline. 2017.
  • [2] ANITHA, P. C.; SAVIO, Deepti. Managing Requirements Volatility while ‘ Scrumming ’ within the V-Model. 2013 3rd International Workshop on Empirical Requirements Engineering (EmpiRE), p. 17–23, 2013.
  • [3] AZZEH, Mohammad; COWLING, Peter I.; NEAGU, Daniel. Software Stage-Effort Estimation Based on Association Rule Mining and Fuzzy Set Theory. 2010 10th IEEE International Conference on Computer and Information Technology, p. 249–256, 2010.
  • [4] CHAWLA, Sanjay; ARUNASALAM, Bavani; DAVIS, Joseph. Mining open source software (oss) data using association rules network. Advances in Knowledge Discovery and Data Mining, p. 564–564, 2003.
  • [5] CIOS, K. J. et al. Data Mining A Knowledge Discovery Approach. Springer Science & Business Media, 2007.
  • [6] CIRIC, Danijela et al. Agile Project Management in New Product Development and Innovation Processes : Challenges and Benefits Beyond Software Domain. 2018 IEEE International Symposium on Innovation and Entrepreneurship (TEMS-ISIE), p. 1–9, 2018.
  • [7] CONFORTO, E. et al. Modelos híbridos unindo complexidade, agilidade e inovação. Revista Mundo PM, v. 64, p. 10–17, 2015.
  • [8] CONFORTO, E. C.; AMARAL, D. C. Agile project management and stage-gate model—A hybrid framework for technology-based companies. Journal of Engineering and Technology Management, v. 40, p. 1–14, 2016.
  • [9] COOPER, Robert G. What’s Next?: After Stage-Gate. Research-Technology Management, v. 57, n. 1, p. 20–31, 2014.
  • [10] EMANUEL, Andi Wahju Rahardjo et al. Success factors of OSS projects from sourceforge using Datamining Association Rule. 2010 International Conference on Distributed Frameworks for Multimedia Applications p. 1–8, 20
  • [11] GARCÍA, María N. et al. An association rule mining method for estimating the impact of project management policies on software quality, development time and effort. Expert Systems with Applications, v. 34, n. 1, p. 522–529, 2008.
  • [12] GARCÍA, María N. Moren. et al. Building knowledge discovery-driven models for decision support in project management. Decision Support Systems, v. 38, n. 2, p. 305–317, 2004.
  • [13] HAIR, Joseph et al. Análise multivariada de dados. 6. ed. ed. Porto Alegre: Bookman, 2009.
  • [14] HAN, Jiawei; KAMBER, Micheline; PEI, Jian. Data Mining: Concepts and Techniques. Morgan Kaufmann, 2012.
  • [15] IANSITI, Marco; LAKHANI, Karim R. How Connections , Sensors , and Data Are Revolutionizing Business. Harvard Business Review, n. November 2014, 2014.
  • [16] IMANI, Takeomi; NAKANO, Masaru; ANANTATMULA, Vittal. Does a Hybrid Approach of Agile and Plan-Driven Methods Work Better for IT System Development Projects ? Int. Journal of Engineering Research and Application, n. March 2017, p. 39–46, 2017.
  • [17] LUO, Lan et al. Construction Project Complexity : Research Trends and Implications. v. 143, n. 7, 20
  • [18] NAWROCKI, Jerzy et al. Balancing agility and discipline with XPrince. Lecture Notes in Computer Science, p. 266–277, 2006.
  • [19] PARSANEJAD, Mohammadreza. Applying Association Rules to Explore Relationships among Project Success Criteria. Journal of Industrial and Intelligent Information, v. 1, n. 2, p. 77–80, 2013.
  • [20] PRASAD, Anand; ARSIWALA, Juzer; SINGH, Praval Pratap. Estimating and improving the probability of success of a software project by analysing the factors involved using data mining. Proceedings - 2010 International Conference on Artificial Intelligence and Education, ICAIE 2010, n. 1, p. 391–394, 2010.
  • [21] SAN CRISTÓBAL, J. R. et al. Complexity and Project Management : Challenges , Opportunities , and Future Research. Complexity, 2019.
  • [22] SAVCHUK, Tamara O. et al. The technology of searching the associative rules while developing the software. n. August 2017, p. 104451Y, 2017.
  • [23] SOMMER, Anita Friis et al. Improved Product Development Performance through Agile/Stage-Gate Hybrids: The Next-Generation Stage-Gate Process? Research Technology Management, v. 58, n. 1, p. 34–44, 2015.
  • [24] SONG, Qinbao et al. Software defect association mining and defect correction effort prediction. IEEE Transactions on Software Engineering, v. 32, n. 2, p. 69–82, 2006.
  • [25] VELOSO, M. J. S. A. Regras de associação aplicadas a um método de apoio ao planejamento de recursos humanos. 2003. Universidade do Porto, 2003.
Como citar:

Bianchi, Michael Jordan; Amaral, Daniel Capaldo; , ; "O POTENCIAL DO DATA MINING PARA TRATAMENTO DA COMPLEXIDADE NO CONTEXTO DO GERENCIAMENTO HÍBRIDO DE PROJETOS DE NOVOS PRODUTOS", p. 83-93 . In: Anais do 12º Congresso Brasileiro de Inovação e Gestão de Desenvolvimento de Produto. São Paulo: Blucher, 2019.
ISSN 2357-7592, DOI 10.5151/cbgdp2019-08

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações