Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Almeida, Fernanda Monteiro de |
| Orientador(a): |
Bezerra, Leonardo César Teonácio |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM TECNOLOGIA DA INFORMAÇÃO
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufrn.br/handle/123456789/47159
|
Resumo: |
Previsão de séries temporais é uma abordagem ampla e consolidada em diversas áreas, tais como finanças e indústria. O varejo pode se beneficiar da previsão em muitos setores, como na demanda de estoque, na otimização de preço e de vendas. Este estudo aborda a previsão de vendas no Nordestão, uma rede de supermercados em Natal, Brasil. Apesar de estar localizado em um estado com o produto interno bruto (PIB) baixo, o Nordestão fica em 3º e 27º lugar em vendas regionais e nacionais, respectivamente. Os dados considerados abrangem cinco anos de transações de vendas diárias de oito lojas diferentes. Mútiplas técnicas de aprendizado de máquina, conhecidas por sua efetividade para previsão, são adotadas, a saber random forests e XGBoost. Melhoras nos desempenhos das técnicas são feitas com engenharia de atributos para lidar com os efeitos sazonais. O melhor algoritmo varia por loja, mas para a maioria das lojas pelo menos um dos métodos se prova efetivo. A engenharia de atributos foi responsável por atingir altas métricas de previsão, com modelos atingindo scores na faixa de 90%. Além da relevância tradicional da previsão de vendas, o presente trabalho é um meio para o Nordestão avaliar o impacto da pandemia do COVID-19 em seus negócios. |
