A Supply Chain Risk Management (SCRM) consiste na implementação de estratégias para gerir os riscos diários e excecionais ao longo da Supply Chain com base na avaliação contínua dos riscos, com o objetivo de reduzir as vulnerabilidades como eventos de roubos, extravios e acidentes e garantir a continuidade do negócio. Uma boa gestão de riscos ajuda não só a minimizar os eventos com efeitos negativos associados a esta atividade, mas também a identificação dos riscos positivos para catapultar novas oportunidades. Foi desenvolvido um modelo de análise que envolveu uma componente inicial de identificação de risco, uma Extract, Transform and Load (ETL) para importar e transformar os dados recolhidos e um diagrama de modelo dimensional onde foi identificado, em função das análises pretendidas, tabelas de factos e tabelas de dimensões, para encontrar uma forma mais expedita o modelo que permitisse aplicar Data Science (DS) sobre dados previamente recolhidos. A abordagem escolhida para conduzir essa investigação foi a Design Science Research (DSR), cujo objetivo foi a construção de artefacto, o modelo concetual, que possibilitasse organizar os dados de registo dos riscos e permitisse a criação de uma plataforma para implementar Data Mining sobre os riscos. O modelo permitiu fazer uma análise dos riscos e, visualizar a tendência da evolução dos mesmos, bem como análise preditiva, com base no input introduzido - dados dos riscos previamente recolhidos.

Supply Chain Risk Management (SCRM) consists of implementing strategies to manage daily and exceptional risks throughout the Supply Chain based on continuous risk assessment, aiming to reduce vulnerabilities such as theft, loss and accident events and ensuring business continuity. Proper risk management helps not only to minimize events with negative effects associated with this activity, but also the identification of positive risks allowing to explore new opportunities. An analysis model was developed. This model involves an initial risk identification component, an Extract, Transform and Load (ETL) component to import and transform data and a dimensional model diagram, that depending on the desired analyses, fact and dimension tables. This model identifies and find, in an expeditious way the model that would allow to apply the Data Science (DS) process. The approach that was chosen to perform this research was the Design Science Research (DSR) methodology, whose objective was the construction of an artifact, the conceptual model, which enables to organize the data from the risk register and allow the creation of a platform to apply Data Mining about the risks. The model allowed to make an analysis of the risks and, identify trends in their evolution path as well as the calculation of the predictive analysis, based on the input introduced - data of the risks previously collected.