AVALIAÇÃO DE MODELOS DE PREVISÃO DE VENDAS POR GRUPO DE CLIENTE A PARTIR DA EXPLORAÇÃO DE DADOS ATOMIZADOS APLICADOS A TRÊS INDÚSTRIAS DE MANUFATURA

FILIPE DRUMOND REIS

Resumo


Modelos de previsão são aplicados a uma grande diversidade de problemas. Entre as diversas técnicas de previsão existem as que são baseadas em modelos estatísticos e matemáticos. Estes modelos utilizam dados históricos que são estudados a fim de se identificar os seus comportamentos e padrões para que sejam traçadas projeções futuras com base nos mesmos. Dentre os campos de aplicação, problemas de previsão de vendas se mostra bastante relevante para organizações. A previsão de vendas envolve identificar quanto os clientes irão comprar de um dado produto em dadas condições de venda. A evolução dos modelos de previsão tem sido determinada pelo avanço da tecnologia da informação que permite novas possibilidades para o processamento por meio de sistemas computacionais e a utilização mais intensiva da inteligência artificial no desenvolvimento de modelos preditivos. Diante destas novas possibilidades que a inteligência artificial permite, emerge o seguinte problema de pesquisa: Quais são as técnicas que apresentam maior acurácia quando aplicadas para previsão de vendas por grupo de clientes de forma individualizada? Nesse sentido, este projeto de pesquisa tem o objetivo de avaliar modelos de previsão baseados na combinação de técnicas estatísticas e de redes neurais artificiais para previsão de vendas por grupos de clientes de forma individualizada a ser testada em três indústrias de manufatura. Para alcançar este objetivo será desenvolvida uma pesquisa aplicada de caráter quantitativo que por meio de experimentos aplicados a dados históricos de vendas de três indústrias brasileiras permitirá a avaliação de quais modelos possuem as melhores capacidades preditivas. Espera-se que ao seu final, este projeto acrescente ao conhecimento científico resultados empíricos de modelos de previsão que abordam relações e efeitos nas vendas entre clientes e contribua para que modelos de previsão mais assertivos sejam implantados nas organizações, auxiliando em suas tomadas de decisões.


Texto completo:

PDF PDF

Referências


ADYA, M.; COLLOPY, F. How E€ ective are Neural Networks at Forecasting and Prediction? A Review and Evaluation. Journal of Forecasting, v. 17, p. 481-495, 1998.

ALMEIA, F.; PASSARI, A. Previsão de vendas no varejo por meio de redes neurais. Revista de Administração, São Paulo, v.41, n.3, p.257-272, jul./ago./set. 2006.

ARMSTRONG, J. Sales Forecasting. Disponível em SSRN: http://ssrn.com/abstract=1164602 ou http://dx.doi.org/10.2139/ssrn.1164602 . 2008.

ARCHER, B. Forecasting Demand: Quantitative and Intuitive Techniques. International Journal of Tourism Management, v. 1, n. 1, p. 5-12, 1980.

BAHRAMMIZAEE, A. A comparative survey of artificial intelligence applications in finance: artificial neural networks, expert system and hybrid intelligent systems. Neural Comput & Applic v. 19, p. 1165-1195. 2010

CHANG, P.; LUI, C.; FAN, C. Data clustering and fuzzy neural network for sales forecasting: A case study in printed circuit board industry. Knowledge-Based Systems, v. 22, p. 344-355. 2009.

CHANG, P.; LIU, C.; LAI, R. A fuzzy case-based reasoning model for sales forecasting in print circuit board industries. Expert Systems with Applications, v. 34, p. 2049-2058. 2008.

CHANG, P.; LAI, C. A hybrid system combining self-organizing maps with case-based reasoning in wholesaler’s new-release book forecasting. Expert Systems with Applications, v. 29, p. 183-192. 2005.

GIL, A. Métodos e técnicas de pesquisa social. 4 ed. São Paulo: Atlas, 1994

HADAVANDI, E.; SHAVANDI, H.; GHANBARI, A. An improved sales forecasting approach by the integration of genetic fuzzy systems and data clustering: Case study of printed circuit board. Expert Systems with Applications, v. 38,p. 9392-9399. 2011

HICHAM, A.; MOHAMED, B.; ABDELLAH, EL F. An improved approach based on fuzzy clustering and Back-Propagation Neural Networks with adaptive learning rate for sales

forecasting: Case study of PCB industry. International Journal of Computer Science Issues, v. 9 , n. 1, p. 404-414. Maio-2012

HYNDMAN, R.; THANASOPOLOS, G. Forecasting: principles and practice. Disponível em: http://otexts.com/fpp/ 2013.

LEMOS, F. Metodologia para Seleção de Métodos de Previsão de Demanda. Dissertação de Mestrado. Programa de Pós-Graduação em Engenharia de Produção, Escola de Engenharia da Universidade Federal do Rio Grande do Sul, Porto Alegre, 2006.

MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R. Forecasting: Methods and Applications. Wiley, 3ª Edição, 1998

PASSARI, A. Exploração de Dados Atomizados para Previsão de Vendas no Varejo Utilizando Redes Neurais. Dissertação de Mestrado. Departamento de Administração da Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo, São Paulo, 2003.

PORTER, M. E. Estratégia Competitiva: Técnicas para Análise da Indústria e da Concorrência. Rio de Janeiro: Campus, 1986.

ROBERTS, J. Marketing approaches to forecasting problems. Journal of Forecasting, Chichester, v.17, n.3-4, p.169-174, June/July 1998.

THOMASSEY, S.; HAPPIETTE, M.; CASTELAIN, J. A global forecasting support system adapted to textile distribution. International Journay of Production Economics, v. 96, p. 85-96, 2005.

WONGN, W.; GUO, Z. A hybrid intelligent model for medium-term sales forecasting in fashion retail supply chains using extreme learning machine and harmony search algorithm. International Journay of Production Economics, v. 128, p. 614-624, 2010.

YO, Y.; CHOI, T.; HUI, C. An intelligent fast sales forecasting model for fashion products. Expert Systems with Applications, v. 38, p. 7373-7379. 2010.

ZOTTERI, G.; KALCHSCHIMIDT, M. Forecasting practices: Empirical evidence and a framework for research. International Journay of Production Economics, v. 108, p. 85-99, 2007


Apontamentos

  • Não há apontamentos.




Projetos, Dissertações e Teses em Sistemas de Informação e Gestão do Conhecimento
ISSN 2358-5501 (Online)