Resumo

Analisar os fatores que influenciam as decisões dos gestores em estratégias de expansão internacional e avaliar o impacto do tamanho organizacional, medido pelo número de funcionários, nessas decisões, utilizando o método de Redes Bayesianas.

Apresenta insights originais ao aplicar Redes Bayesianas para avaliar a influência do tamanho organizacional nas decisões de expansão internacional, oferecendo uma abordagem probabilística que melhora a compreensão da tomada de decisões estratégicas em um contexto global, uma área pouco explorada em pesquisas.

As Redes Bayesianas foram construídas usando Python, aplicando algoritmos de clustering para categorizar as empresas por tamanho e interesse em expansão internacional. Dados de eventos de networking em cinco cidades foram padronizados e analisados usando raciocínio diagnóstico.

O impacto de fatores de interesse, como aquisições e IPOs, varia significativamente dependendo do tamanho organizacional. Empresas pequenas priorizam opções de financiamento alternativas, enquanto grandes empresas favorecem estratégias complexas, como aquisições, devido à maior capacidade financeira e de recursos.

O trabalho contribui ao demonstrar como as Redes Bayesianas podem modelar relações complexas entre fatores organizacionais e tamanhos, oferecendo insights sobre os impactos variados desses fatores. Destaca a utilidade da simulação para compreender decisões estratégicas em diferentes escalas empresariais.

Ilustramos como diferentes fatores organizacionais e tamanhos influenciam decisões estratégicas, como a expansão internacional, fornecendo orientações baseadas em dados para a adaptação de estratégias com base no tamanho da empresa e em interesses específicos, aprimorando o processo de tomada de decisão.

This study aims to analyze factors influencing managers' decisions in international expansion strategies and evaluate the impact of organizational size, measured by the number of employees, on these decisions using the Bayesian Networks method.

This study contributes original insights by applying Bayesian Networks to assess the influence of organizational size on international expansion decisions, providing a probabilistic approach that enhances understanding of strategic decision-making in a global context, an area underexplored in existing literature.

We used a descriptive typological framework for data screening. Bayesian Networks were constructed using Python, applying clustering algorithms to categorize companies by size and interest in international expansion. Data from networking events across five cities were standardized and analyzed using diagnostic reasoning.

Results revealed that the impact of interest factors, such as acquisitions and IPOs, varies significantly depending on organizational size. Small companies prioritize alternative funding options, while large companies favor complex strategies like acquisitions due to greater financial capacity and resources.

The work contributes by demonstrating how Bayesian Networks can model complex relationships between organizational factors and sizes, offering insights into the varying impacts of these factors. It highlights the utility of simulation in understanding strategic decisions across different company scales.

The work provides practical insights for management by illustrating how different organizational factors and sizes influence strategic decisions like international expansion. It offers data-driven guidance for tailoring strategies based on company size and specific interests, enhancing decision-making and resource allocation.