Os sistemas de mensuração de desempenho buscam acompanhar o alcance dos objetivos estratégicos a partir de um conjunto de indicadores que suportem os processos de tomada de decisão. Várias iniciativas, entretanto, têm se mostrado ineficazes devido à subjetividade no desdobramento desses objetivos em indicadores. Métodos de business analytics vêm sendo utilizados para auxiliar esse desdobramento via análise de dados, com maior geração de valor para as organizações. O presente trabalho apresenta a aplicação das técnicas de Random Forest e Bayesian Belief Network para, respectivamente, selecionar indicadores e mapear suas relações em um estudo prático numa empresa do setor de transporte ferroviário de cargas, com foco no suporte ao indicador de disponibilidade de locomotivas. Para o processo de seleção de variáveis, observou-se que o algoritmo Variable Selection Using Random Forest obteve o melhor desempenho em acurácia e tempo de processamento. Na elaboração do mapa estratégico, a combinação do algoritmo Tabu Search com o critério estatístico Bayesian Information Criteria levou à escolha de um arranjo parcimonioso em suas relações, aderente à expectativa inicial associada ao critério estatístico utilizado. Foi observado um significativo vínculo entre a disponibilidade de locomotivas e indicadores operacionais da empresa em estudo, revelando o potencial de influência do modelo operacional nos resultados da disponibilidade. Verifica-se a oportunidade de emprego de técnicas de séries temporais para a previsão de desempenho a partir dos relacionamentos entre indicadores, bem como para aperfeiçoar a fase de seleção de variáveis, com a identificação de possíveis defasagens existentes nesses relacionamentos.