Análise dos fatores preditivos de performance em projetos de inovação por meio de regressões múltiplas

Este trabalho tem como objetivo quantificar a capacidade que critérios utilizados durante a etapa de seleção e priorização de projetos de inovação possuem em predizer a performance futura dos projetos. Para o desenvolvimento do estudo, foram analisados os trabalhos já existentes sobre o tema, por meio de uma revisão sistemática da literatura, que posteriormente embasou a construção dos procedimentos metodológicos utilizados. A capacidade preditiva foi quantificada primeiramente por meio de modelos de regressão simples, e posteriormente por meio de modelos de regressão múltipla, que tiveram como inputs dados de vinte e uma avaliações realizadas durante a triagem de novas ideias, e como outputs dados das avaliações de performance das ideias após seu desenvolvimento e subsequente introdução ao mercado. Os dados de triagem utilizados englobam quatro categorias, sendo elas: impacto, praticabilidade, econômica e risco. Já as métricas de performance foram desenvolvidas e coletadas durante a execução deste trabalho, de modo que foram consideradas quatro diferentes métricas de performance, sendo elas: financeira, aquisição de conhecimento, valorização da marca e fortalecimento do ecossistema. Os resultados obtidos evidenciaram que, com exceção da aquisição de conhecimento, a performance de um projeto de inovação pode ser parcialmente predita através dos critérios utilizados durante a etapa de triagem. O estudo constatou também que apenas uma minoria dos critérios utilizados é necessária para a construção dos modelos de regressão múltipla com a melhor capacidade preditiva. Ainda, o estudo apresenta evidências quantitativas da relação entre a radicalidade de uma ideia e sua performance esperada.