DATA-DRIVEN MANAGEMENT: CONTRIBUTIONS OF ARTIFICIAL INTELLIGENCE TO ORGANIZATIONAL EFFICIENCY
DOI:
https://doi.org/10.56238/revgeov17n2-088Keywords:
Data Management, Artificial Intelligence, Organizational Efficiency, Decision MakingAbstract
Data-driven management represents a paradigmatic transformation in contemporary organizations, grounded in the capacity to convert information into strategic decisions. This study analyzes the contributions of Artificial Intelligence to organizational efficiency, considering the growing demand for decision-making processes based on quantitative and qualitative evidence. The main objective is to examine how AI systems enhance data management, optimize resources, and expand the analytical capacity of organizations. The adopted methodology is characterized as exploratory bibliographic research, with a qualitative approach, based on the analysis of scientific studies published between 2021 and 2026. The results demonstrate that AI transforms raw data into actionable insights, reduces operational costs, accelerates decision-making processes, and strengthens organizational competitiveness. It is concluded that the integration between data-driven management and AI constitutes a strategic differential, requiring investments in technological infrastructure, professional training, and data governance to maximize organizational benefits.
Downloads
References
ABIBAIDE, J.; GREVE, F.; SOBREIRA, P. Blockchain e Contratos Inteligentes para Aplicações em IoT, Uma Abordagem Prática. Blockchain e Contratos Inteligentes para Aplicações em IoT, Uma Abordagem Prática, p. 149-197, 2021. DOI: https://doi.org/10.5753/sbc.6757.3.4.
BRANCALION, F.; LIMA, A. Gestão baseada em processos visando à melhoria dos resultados assistenciais e financeiros em Saúde. Revista da Escola de Enfermagem da USP, v. 56, 2022. DOI: https://doi.org/10.1590/1980-220x-reeusp-2021-0333pt.
COSTA, J.; ANDRADE, L. Eficiência energética aplicada ao consumo de eletricidade: Um estudo de revisão bibliográfica. Research, Society and Development, v. 10, n. 4, e26210414085, 2021. DOI: https://doi.org/10.33448/rsd-v10i4.14085.
GUIMARÃES, D. E. L.; BITENCOURT, I. R.; SOARES, C. S. Avaliação de Desempenho de Recursos Humanos no Setor Público: Análise de um Fragmento da Literatura e Oportunidades de Pesquisa. Revista Gestão & Conexões, v. 13, n. 1, p. 120-146, 2024. DOI: https://doi.org/10.47456/regec.2317-5087.2024.13.1.42072.120-146.
JÚNIOR, M. M. et al. Elaboração de modelo de clusterização para recomendação da contratação de jogadores de futebol. Projectus, v. 7, n. 4, p. 78-94, 2023. DOI: https://doi.org/10.15202/25254146.2022v7n4p78.
LEAL, G. O PAPEL DA INTELIGÊNCIA COMERCIAL E DO DATA-DRIVEN MANAGEMENT NA OTIMIZAÇÃO DO MERCADO DE SEMINOVOS E VEÍCULOS PESADOS NO BRASIL. International Integralize Scientific, v. 5, n. 54, 2026. DOI: https://doi.org/10.63391/w58hvx25.
MORI, F. INTELIGÊNCIA ARTIFICIAL E KPI'S: A ANÁLISE DE RESULTADOS NA NOVA ERA DIGITAL. Revista Contemporânea, v. 5, n. 11, e9512, 2025. DOI: https://doi.org/10.56083/rcv5n11-007.
NETO, O. et al. Utilização de algoritmos de inteligência artificial na previsão de resultados de partidas de futebol. Utilização de algoritmos de inteligência artificial na previsão de resultados de partidas de futebol, p. 85-109, 2022. DOI: https://doi.org/10.48209/978-65-5417-001-5.
PAVÃO, G. R. et al. Efeitos do Compartilhamento de Informações, Transferência de Conhecimentos e Capacidades Organizacionais na relação entre Gestão do Conhecimento e Desempenho. Sociedade, Contabilidade e Gestão, v. 18, n. 1, p. 128-155, 2023. DOI: https://doi.org/10.21446/scg_ufrj.v0i0.52432.
SANTOS, L. C. B. et al. TRANSFORMAÇÃO DIGITAL NA GESTÃO EDUCACIONAL: FERRAMENTAS TECNOLÓGICAS, PRÁTICAS INOVADORAS E DESAFIOS. LUMEN ET VIRTUS, v. 16, n. 44, p. 510-526, 2025. DOI: https://doi.org/10.56238/levv16n44-040.
SOUZA, G.; BULGARELI, J. Uso da inteligência artificial aplicada ao processo decisório na alocação de recursos na saúde pública do Brasil. JMPHC | Journal of Management & Primary Health Care, v. 15, n. spec, e012, 2023. DOI: https://doi.org/10.14295/jmphc.v15.1352.
TOLEDO, L.; LEÓN, F.; SÁ, D. A convergência de marketing preditivo, data-driven marketing e inteligência artificial. Revista Gestão em Análise, v. 14, n. 2, p. 26-45, 2025. DOI: https://doi.org/10.12662/2359-618xregea.v14i2.p26-45.2025.
ZINNO, R. et al. The State of the Art of Artificial Intelligence Approaches and New Technologies in Structural Health Monitoring of Bridges. Applied Sciences, v. 13, n. 1, p. 97, 2022. DOI: https://doi.org/10.3390/app13010097.
