Business Intelligence para apoio à gestão na construção civil: uma revisão sistemática da literatura

Autores

DOI:

https://doi.org/10.5380/atoz.v9i1.72574

Palavras-chave:

Business Intelligence, Ferramentas Computacionais, Análise de dados, Obras de Edificações, Revisão Sistemática da Literatura.

Resumo

Introdução: A gestão é essencial para que se cumpram os requisitos de um projeto, e as ferramentas computacionais de Business Intelligence (BI) têm grande potencial de contribuição, fornecendo informações gerenciais sobre o negócio. Ferramentas desse tipo são utilizadas em diversos setores da indústria, porém na construção civil, foco deste trabalho, o cenário é diferente, com muito a avançar. Diante disso, apresenta-se um levantamento das ferramentas de BI aplicáveis ao setor da construção e suas utilizações. Método: Conduz uma revisão sistemática da literatura, que analisou 595 artigos de seis bases de dados (ACMEngineering Village, IEEEMaterial Science EngineeringScience DirectScopus e Web of Science). Resultados: Identifica 12 diferentes aplicações, principalmente na área de gestão de custos, orçamento da obra e segurança do trabalho. Nas aplicações, foram evidenciadas utilizações das tecnologias de Data Warehouse OLAP. Verifica que a maioria das ferramentas de BI foram desenvolvidas para cada empresa em detrimento dos softwarecomerciais. Conclusão: Existem diversas ferramentas de BI para a construção civil, com diferentes aplicações. A maioria dos softwares foram desenvolvidos para cada caso estudado devido às características únicas do setor da construção. A adoção em larga escala das ferramentas passe pela cooperação entre empresas, entidades de classe e universidades. Verifica limitações na pesquisa quanto à caracterização das empresas, devido à ausência desses dados nos artigos analisados. Sugere que os desafios de implementação das tecnologias e as limitações verificadas sejam abordados em estudos futuros.

Biografia do Autor

Anderson Brunheira Lopes, Universidade Estadual do Oeste do Paraná

Mestrando no PPGTGS (Programa de Pós Graduação em Tecnologias, Gestão e Sustentabilidade), na Unioeste. Possui pós graduação em Gerenciamento de Projetos pelo Centro Universitário de Maringá, graduação em Engenharia Civil pela Faculdade Dinâmica das Cataratas (2012) e graduação em Matemática - Licenciatura Plena pela Universidade Estadual do Oeste do Paraná (2010). Tem experiência em gerenciamento de projetos da construção civil, apoiados em sistemas de gestão ISO 9001:2015 e PBQP-H (Programa Brasileiro da Qualidade e Produtividade do Habitat), bem como em análise de viabilidade e gerenciamento de concessões de serviços públicos.

Clodis Boscarioli, Universidade Estadual do Oeste do Paraná

Professor Associado na Universidade Estadual do Oeste do Paraná, Campus de Cascavel, onde atua desde o ano de 2000, no Curso de Ciência da Computação. Docente permanente e orientador no Programa de Pós-graduação em Ciência da Computação (PPGComp) e no Programa de Pós-graduação em Educação em Ciências e Educação Matemática (PPGECEM) nível de Mestrado e Doutorado no campus de Cascavel e no Programa de Pós-graduação em Ensino (PPGEn) - nível de Mestrado no campus de Foz do Iguaçu, além de docente colaborador no Programa de Pós-graduação em Tecnologias, Gestão e Sustentabilidade (PPGTGS) também no campus de Foz do Iguaçu. Possui graduação em Informática e especialização em Ciência da Computação pela Universidade Estadual de Ponta Grossa (1996 e 1999, respectivamente). É Mestre em Informática pela Universidade Federal do Paraná (2002). Doutor em Engenharia Elétrica pela Universidade de São Paulo (2008), e também especialista em Formulação e Gestão de Políticas Públicas pela Escola de Governo do Paraná em parceria com a Universidade Estadual do Oeste do Paraná (2008). Criador do Grupo PETComp (Programa de Educação Tutorial em Ciência da Computação) aprovado pela Sesu/MEC em 2010 do qual foi tutor até dez/2016. Suas áreas de interesse envolvem, de forma multidisciplinar, Banco de Dados, Interação Humano-computador, Design Instrucional, Aprendizado Computacional, Data Mining, Sistemas de Informação, Educação Matemática e Tecnologias [Assistivas] no Processo de Ensino-Aprendizagem, além de questões relacionadas ao Ensino de Computação. Líder do GIA (Grupo de Inteligência Aplicada) e do GTIE (Grupo de Pesquisa em Tecnologia, Inovação e Ensino) e pesquisador colaborador no grupo de pesquisa Tecnologias no uso, no ensino e na aprendizagem de línguas estrangeiras, todos da UNIOESTE.

Eliane Nascimento Pereira, Universidade Estadual do Oeste do Paraná

Possui graduação em Ciência da Computação pela Universidade Estadual do Oeste do Paraná (1999), mestrado em Ciência da Computação pela Universidade Federal de São Carlos (2008) e doutorado em Políticas Públicas e Formação Humana pela Universidade do Estado do Rio de Janeiro (2015). Atualmente é professora da Universidade Estadual do Oeste do Paraná Campus Foz do Iguaçu. Tem experiência na área de Ciência da Computação, com ênfase em Engenharia de Software e Informática Aplicada à Educação.

Renata Camacho Bezerra, Universidade Estadual do Oeste do Paraná

Licenciada em Matemática pela Universidade Estadual Paulista Júlio de Mesquita Filho (1997) Campus de Presidente Prudente/SP, mestre em Educação Matemática pela Universidade Estadual Paulista Júlio de Mesquita Filho (2000) Campus de Rio Claro/SP e doutora em Educação pela Universidade Estadual Paulista Júlio de Mesquita Filho (2017) Campus de Presidente Prudente/SP. Atualmente é professora adjunto da Universidade Estadual do Oeste do Paraná - UNIOESTE Campus de Foz do Iguaçu/PR e leciona nos cursos de Licenciatura em Matemática e na pós graduação Stricto Sensu em Tecnologias, Gestão e Sustentabilidade - Nível de Mestrado Profissional. Tem experiência na área de Educação, com ênfase em Matemática, atuando principalmente nos seguintes temas: lesson study, formação de professores, tendências em educação matemática, metodologias de ensino, metodologia de pesquisa, tecnologias no ensino, didática, estágio e prática de ensino.

Referências

Ahmad, I., Azhar, S., & Lukauskis, P. (2004). Development of a decision support system using data warehousing to assist builders/developers in site selection. Automation in Construction, 13(4), 525–542. doi: 10.1016/j.autcon.2004.03.001.

Cao, Y., Chau, K. W., Anson, M., & Zhang, J. (2002). An Intelligent Decision Support System in Construction Management by Data Warehousing Technique. 360–369. doi: 10.1007/3-540-45785-2_28.

Chau, K. W., Anson, M., Ying, C., & Jianping, Z. (2003). Integration of data warehouse into knowledge-based system on construction management decision making. HKIE Transactions Hong Kong Institution of Engineers, 10(1), 8–13. doi: 10.1080/1023697X.2003.10667895.

Chau, K. W., Anson, M., & Zhang, J. P. (2005). 4D dynamic construction management and visualization software: 1. Development. Automation in Construction, 14(4), 512–524. doi: 10.1016/j.autcon.20.11.002.

Chau, K. W., Cao, Y., Anson, M., & Zhang, J. (2003). Application of data warehouse and decision support system in construction management. Automation in Construction, 12(2), 213–224. doi: 10.1016/S0926-5805(02)00087-0.

Chen, H., Chiang, R., & Storey, V. (2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly, 36, 1165–1188. doi: 10.2307/41703503.

Cheng, C. W., Lin, C. C., & Leu, S. S. (2010). Use of association rules to explore cause-effect relationships in occupational accidents in the Taiwan construction industry. Safety Science, 48(4), 436–444. doi: 10.1016/j.ssci.2009.12.005.

Chong, H. Y., & Phuah, T. H. (2013). Incorporation of database approach into contractual issues: Methodology and practical guide for organizations. Automation in Construction, 31, 149–157. doi: 10.1016/j.autcon.2012.10.007.

Gajendran, T., & Brewer, G. (2012). Cultural consciousness and the effective implementation of information and communication technology. Construction Innovation, 12(2), 179–197. doi: 10.1108/14714171211215930.

Girsang, A. S., Isa, S. M., Saputra, H., Nuriawan, M. A., Ghozali, R. P., & Kaburuan, E. R. (2018). Business Intelligence for Construction Company Acknowledgement Reporting System. Proceedings of 1st 2018 Indonesian Association for Pattern Recognition International Conference, INAPR 2018, 113–122. doi: 10.1109/INAPR.2018.8627012.

Gowthami, S., & Venkatakrishnakumar, S. (2016). Impact of Smartphone : A pilot study on positive and negative effects. International Journal of Scientific Engineering and Applied Science, 3(2), 2395–3470.

Hammad, A., AbouRizk, S., & Mohamed, Y. (2014). Application of KDD Techniques to Extract Useful Knowledge from Labor Resources Data in Industrial Construction Projects. Journal of Management in Engineering, 30(6), 05014011. doi: 10.1061/(asce)me.1943-5479.0000280.

IBGE. (2020). Instituro Brasileiro de Geografia e Estatística - Contas nacionais trimestrais de 2019. Rio de Janeiro: IBGE.

Kitchenham, B. (2007). Guidelines for performing Systematic Literature Reviews in Software Engineering. Biomedical and Environmental Sciences, 13(1), 37–43. doi: 10.1145/1134285.1134500.

Konikov, A. (2018). A selective study of Information technologies to improve operations efficiency in construction. MATEC Web of Conferences, 170, 01110. doi: 10.1051/matecconf/201817001110.

Konikov, A., Kulikova, E., & Stifeeva, O. (2018). Research of the possibilities of application of the Data Warehouse in the construction area. MATEC Web of Conferences, 251, 03062. doi: 10.1051/matecconf/201825103062.

Li, Y., & Zhang, X. (2013). Web-based construction waste estimation system for building construction projects. Automation in Construction, 35, 142–156. doi: 10.1016/j.autcon.2013.05.002.

Lu, Y., Li, Y., Skibniewski, M., Wu, Z., Wang, R., & Le, Y. (2014). Information and communication technology applications in architecture, engineering, and construction organizations: A 15-year review. Journal of Management in Engineering, 31(1), 1–19. doi: 10.1061/(ASCE)ME.1943-5479.0000319.

Ma, L., Luo, H. Bin, & Chen, H. R. (2013). Safety risk analysis based on a geotechnical instrumentation data warehouse in metro tunnel project. Automation in Construction, 34, 75–84. doi: 10.1016/j.autcon.2012.10.009.

Ma, Z., Lu, N., & Wu, S. (2011). Identification and representation of information resources for construction firms. Advanced Engineering Informatics, 25(4), 612–624. https://doi.org/10.1016/j.aei.2011.08.008.

Martínez-Rojas, M., Marin, N., & Amparo Vila, M. (2012). The Role of Information Technologies to Address Data Handling in Construction Project Management. Journal of Computing in Civil Engineering, 30(4), 1–11. doi: 10.1061/(ASCE)CP.1943-5487.

Martínez-Rojas, M., Marín, N., & Miranda, M. A. V. (2016). An intelligent system for the acquisition and management of information from bill of quantities in building projects. Expert Systems with Applications, 63, 284–294. doi: 10.1016/j.eswa.2016.07.011.

Montaser, A. & Montaser, A. (2017). Web Based Project Integrated Controls System. 2017 Proceedings of the 34rd ISARC. Taipei, Taiwan.

Moon, S. W., Kim, J. S., & Kwon, K. N. (2007). Effectiveness of OLAP-based cost data management in construction cost estimate. Automation in Construction, 16(3), 336–344. doi: 10.1016/j.autcon.2006.07.008.

Muntean, M., & Surcel, T. (2013). Agile BI: The Future of BI. Informatica Economica, 17(3), 114–124. doi: 10.12948/issn14531305/17.3.2013.10.

Negash, S., & Gray, P. (2008). Business Intelligence. In F. Burstein & C. W. Holsapple (Eds.), Handbook on Decision Support Systems 2 (pp. 175-193). Berlin: Springer.

Rezaei, A. R., Çelik, T., & Baalousha, Y. (2011). Performance measurement in a quality management system. Scientia Iranica, 18(3 E), 742–752. doi: 10.1016/j.scient.2011.05.021.

Rezgui, Y. (2001). Review of information and the state of the art of knowledge management practices in the construction industry. Knowledge Engineering Review, 16(3), 241–254. doi: 10.1017/S026988890100008X.

Rujirayanyong, T., & Shi, J. J. (2005). Company-Wide Project Data Integration for a Construction Organization (pp.1–10). doi: 10.1061/40754(183)85.

Rujirayanyong, T., & Shi, J. J. (2006). A project-oriented data warehouse for construction. Automation in Construction, 15(6), 800–807. doi: 10.1016/j.autcon.2005.11.001.

Sapateiro, C., & Rui, B. (2019). Bringing Human Factor to Business Intelligence. 11th Ineka Conference. Verona.

Szelka, J., & Wrona, Z. (2010). Application of Analytic Databases to Support Decision Making in Structural Engineering / Zastosowanie Analitycznych Baz Danych Przy Podejmowaniu Decyzji W Obszarze Budownictwa Ladowego. Archives of Civil Engineering, 56(2), 173–192. doi: 10.2478/v.10169-010-0009-6.

Tranfield, D., Denyer, D., & Smart, P. (2003). Towards a Methodology for Developing Evidence-Informed Management Knowledge by Means of Systematic Review. British Journal of Management, 14, 207–222.

Vuori, V. (2007). Business intelligence activities in construction companies in Finland-A series of case studies. Proceedings of the European Conference on Knowledge Management, ECKM, (November), 1086–1092.

Wang, Q., Xi, L., & Gao, K. (2009). Application of Business Intelligence in the information development of Construction Enterprise. 5th International Conference on Natural Computation, ICNC 2009, 6(3), 212–215. doi: .10.1109/ICNC.2009.674.

Webster, J., & Watson, R. T. (2002). Analyzing the past to prepare for the future : Writing a literature review R. MIS Quarterly, 26(2), 13–23. doi: 10.2307/4132319.

Downloads

Publicado

2020-08-29

Como Citar

Lopes, A. B., Boscarioli, C., Pereira, E. N., & Bezerra, R. C. (2020). Business Intelligence para apoio à gestão na construção civil: uma revisão sistemática da literatura. AtoZ: Novas práticas Em informação E Conhecimento, 9(1), 74–84. https://doi.org/10.5380/atoz.v9i1.72574

Edição

Seção

Artigos