Dissertação
{en_GB=Product Development Risk: A Bayesian Network Approach The Unbabel Case Study} {} EVALUATED
{pt=O sucesso das startups e scale-ups tecnológicas depende do lançamento de produtos disruptivos. Apesar de estarem expostas a cenários altamente incertos estas raramente adotam métodos “formais” e “sofisticados” de análise de risco. Desafios relacionados com engenharia, modelo de negócio e experiência do utilizador causam a reduzida taxa de sucesso que existe. A natureza de “alto-risco, alto-retorno” destas iniciativas significa que qualquer melhoramento na baixa taxa de sucesso pode trazer enormes benefícios, nomeadamente a investidores e à economia. Apesar de existir um número crescente de livros e artigos em como lançar produtos tecnológicos - existem poucos exemplos na literatura alinhados com estas novas ideias. Na área de desenvolvimento de produto, existe um claro contraste entre aquilo que é adotado pela indústria e aquilo que é estudado. Redes bayesianas são um método eficaz para criar modelos probabilisticos altamente visuais que podem ser utilizados em múltiplas aplicações. O método de investigação utiliza a Unbabel, uma scale-up de tecnologia baseada em Lisboa, como caso de estudo para perceber como é que as empresas modernas de tecnologia pensam em risco de desenvolvimento de produto. Através de entrevistas a 4 especialistas diferentes redes bayesianas são criadas para modelar e prever o risco de Feasibility, Usability, Value e Viability. Os resultados sugerem que o método cria modelos com comportamento coerente e aplicáveis em diferentes contextos de negócio como análise de risco e tomada de decisão. Por último, conclui-se que as redes bayesianas são eficazes a formalizar conceitos da indústria, aproximando a academia e o mundo dos negócios. , en=Highly innovative technology startups and scale-ups rely on launching disruptive products. Despite facing very uncertain scenarios these companies rarely adopt “formal” and “sophisticated” risk analysis tools. There are challenges related to engineering, user experience, and business models that make it so that only a small percentage succeeds in the market. The high-risk, high-return nature of these ventures makes it so that any improvement in the low success rate can bring great benefits, namely to investors and to the economy. While there is a growing number of books and articles on how to launch technological products - there are few examples in the literature aligned with these new ideas. When it comes to product development risk there is a clear gap between what is being adopted by the industry and what academia has already studied. Bayesian Networks are a powerful technique to create visual probabilistic models which can be used for multiple applications. The employed methodology uses Unbabel, a Lisbon-based technology scale-up, as a case study on how modern technology companies think about product development risk. Through expert interview 4 different Bayesian networks are generated to model and predict Feasibility, Usability, Value, and Via- ability Risk. Findings suggest that the method creates models that behave consistently under different scenarios and that are suitable for many business applications such as decision making and risk analysis. Furthermore, it is concluded that Bayesian networks can formalize industry practices and concepts, bringing academia and business closer together}
julho 1, 2022, 14:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
António Manuel da Nave Quintino
Departamento de Engenharia e Gestão (DEG)
Professor Auxiliar Convidado