Aplicação de Big Data e Analytics na economia circular
estratégias para otimização de recursos e redução de desperdícios
DOI:
https://doi.org/10.47385/tudoeciencia.2481.2025Palavras-chave:
big data. analytics. economia circular. análise bibliométrica. sustentabilidade.Resumo
O conceito de economia circular (EC) propõe a transição de um modelo linear de produção (extrair-usar-descartar) para um modelo cíclico, focado na redução de resíduos, reutilização de materiais e eficiência no uso de recursos. Práticas como reparo, reutilização, remanufatura, recondicionamento e reciclagem são fundamentais nesse contexto, pois prolongam o ciclo de vida dos produtos e recuperam valor de materiais, diminuindo a necessidade de recursos virgens e mitigando impactos ambientais. A implementação bem-sucedida da EC exige estratégias inteligentes, incluindo o uso de tecnologias de Big Data e Analytics, para coletar e analisar grandes volumes de dados ao longo do ciclo de vida dos produtos. Essas ferramentas permitem monitorar o uso de recursos, otimizar processos produtivos e identificar oportunidades de melhoria (como pontos de reciclagem, reuso e remanufatura), contribuindo para a sustentabilidade e a eficiência operacional das organizações. Este trabalho explora como Big Data e Analytics podem apoiar a adoção de práticas de economia circular. Foi realizada uma análise bibliométrica exploratória da literatura recente (2016–2024) a fim de mapear as principais aplicações de Big Data e Analytics no contexto da EC. Os resultados incluem a identificação de tendências de pesquisa, áreas de conhecimento envolvidas e um mapa analítico conectando tecnologias de Big Data Analytics às estratégias circulares. Os achados indicam que a integração de analytics e economia circular tem crescido significativamente nos últimos anos, e apontam como ferramentas de Big Data Analytics (BDA) podem otimizar o uso de recursos e reduzir desperdícios. Conclui-se que a combinação de estratégias de EC com BDA configura uma abordagem promissora para aprimorar a sustentabilidade nos processos industriais, fornecendo suporte à tomada de decisão baseada em dados e aumentando a eficácia das iniciativas de economia circular.
Downloads
Referências
Akter, S. and Wamba, S. (2016). Big data analytics in e-commerce: a systematic review and agenda for future research. Electronic Markets, 26(2), 173-194. https://doi.org/10.1007/s12525-016-0219-0
Alrumiah, S. and Hadwan, M. (2021). Implementing big data analytics in e-commerce: vendor and customer view. IEEE Access, 9, 37281-37286. https://doi.org/10.1109/access.2021.3063615
Associação Brasileira de Normas Técnicas. ABNT NBR ISO 59004:2024: Economia circular — Princípios, estrutura e termos. Rio de Janeiro: ABNT, 2024.
Constantiou, I. and Kallinikos, J. (2015). New games, new rules: big data and the changing context of strategy. Journal of Information Technology, 30(1), 44-57. https://doi.org/10.1057/jit.2014.17
Geissdoerfer, Martin, Paulo Savaget, Nancy M. P. Bocken, and Erik Jan Hultink. (2017). “The Circular Economy – A New Sustainability Paradigm?” Journal of Cleaner Production 143: 757–768. https://doi.org/10.1016/j.jclepro.2016.12.048
Iqbal, R., Doctor, F., More, B., Mahmud, S., & Yousuf, U. (2020). Big data analytics: computational intelligence techniques and application areas. Technological Forecasting and Social Change, 153, 119253. https://doi.org/10.1016/j.techfore.2018.03.024
Jouni Korhonen, Antero Honkasalo, Jyri Seppälä. (2018). Circular Economy: The Concept and its Limitations. Ecological Economics, Volume 143, Pages 37-46. https://doi.org/10.1016/j.ecolecon.2017.06.041
Kaur, K. (2019). Demystifying big data analytics techniques. International Journal of Computer Networking Wireless and Mobile Communications, 9(1), 17-24. https://doi.org/10.24247/ijcnwmcjun20193
Le, T. and Liaw, S. (2017). Effects of pros and cons of applying big data analytics to consumers’ responses in an e-commerce context. Sustainability, 9(5), 798. https://doi.org/10.3390/su9050798
Lima, P. d. M., Olivo, F., Furlan, M. B., Justi, J., & Paulo, P. L. (2022). Análise de custos do planejamento estratégico do sistema integrado de resíduos sólidos urbanos em Campo Grande/MS. Engenharia Sanitária E Ambiental, 27(4), 749-759. https://doi.org/10.1590/s1413-415220210216
McAfee, A., & Brynjolfsson, E. (2012). Big Data: The Management Revolution. Harvard Business Review, 90(10), 60-+. Retrieved from Clarivate.
Otto, K. and Lau, R. (2016). Leveraging big data to predict firms performance. https://doi.org/10.15224/978-1-63248-089-7-39
Paiva, L. M. and Serra, E. G. (2014). A remanufatura de equipamentos eletroeletrônicos como contribuição para o desenvolvimento sustentável: uma avaliação do caso dos refrigeradores. Desenvolvimento E Meio Ambiente, 29. https://doi.org/10.5380/dma.v29i0.32311
Rodrigues, F. L., Correia, A. D. J. C., Neto, G. C. D. O., & Amorim, M. (2023). Modelo conceitual da logística reversa de resíduos de equipamentos eletroeletrônicos para promover economia circular. Anais Do Encontro Nacional De Engenharia De Produção. https://doi.org/10.14488/enegep2023_tn_st_400_1966_45908
Rosario, C. G. A., Vezzá, G. M., Silvas, F. P. C., Moraes, V. T. d., Espinosa, D. C. R., & Tenório, J. A. S. (2014). Caracterização de placa de circuito impresso proveniente de computadores obsoletos visando processamento biohidrometalúrgico. ABM Proceedings. https://doi.org/10.5151/1516-392x-24687
Sant‘Anna, L. T., Machado, R., & Brito, M. J. d. (2014). Os resíduos eletroeletrônicos no Brasil e no exterior: diferenças legais e a premência de uma normatização mundial. Revista De Gestão Social E Ambiental, 8(1), 37-53. https://doi.org/10.24857/rgsa.v8i1.822
Silva, J. H. d. and Hayashi, M. C. P. I. (2018). Estudo bibliométrico da produção científica sobre a associação de pais e amigos dos excepcionais. Revista Educação Especial, 31(60), 65. https://doi.org/10.5902/1984686x18170
Silva, M. D. d. A., Macêdo, J. d. S., Lima, C. J. d. L., Da Silva, S. M., Martins, S. S. d. M., Da Silva Júnior, C. J. G., … & Costa, A. F. d. S. (2024). Compósito têxtil produzido através de resíduos têxteis, celulose vegetal e microbiana. Brazilian Journal of Development, 10(1), 955-964. https://doi.org/10.34117/bjdv10n1-062
Sun, Z. and Huo, Y. (2019). The spectrum of big data analytics. Journal of Computer Information Systems, 61(2), 154-162. https://doi.org/10.1080/08874417.2019.1571456
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Tudo é Ciência: Congresso Brasileiro de Ciências e Saberes Multidisciplinares
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
