Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.5/19184 |
Resumo: | Mestrado em Ciências Empresariais |
id |
RCAP_56d1c22c54517f3db78f375d0fb41c87 |
---|---|
oai_identifier_str |
oai:www.repository.utl.pt:10400.5/19184 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativoARIMAMLPSéries TemporaisTendênciaSazonalidadePrevisão de VendasErros de PrevisãoTime SeriesTrendSeasonalityForecastingForecast Error MeasuresMestrado em Ciências EmpresariaisA previsão das necessidades futuras torna-se fundamental para o correto planeamento e operação das empresas de retalho. Ao nível organizacional, as previsões de vendas funcionam como parâmetros de entrada para as diversas áreas funcionais das empresas. Previsões pouco precisas ou ineficientes podem levar à realização de elevado ou baixo nível de inventário, afetando de forma direta a rentabilidade e a posição competitiva das organizações. Os dados de vendas provenientes deste sector, exibem fortes padrões de tendência e variação sazonal, colocando desafios ao desenvolvimento de modelos de previsão eficazes. O objetivo do trabalho assenta na comparação do desempenho da previsão entre os métodos ARIMA e MLP para o estudo de caso de uma empresa portuguesa do sector do retalho, tendo em consideração cinco grupos de produtos. Pretende-se também investigar qual o impacto do pré-processamento dos dados de entrada no rigor das previsões, e de que forma a utilização combinada dos métodos ARIMA e MLP aumenta a eficácia desta previsão. Os resultados apontam para um melhor desempenho do método MLP em comparação com o método ARIMA, quando utilizado o erro de previsão EAM. Foi ainda demonstrado que o pré-processamento dos dados impacta de forma positiva o desempenho da previsão, contribuindo para a redução significativa dos erros de previsão. Também se conclui que a previsão combinada das metodologias ARIMA e MLP produz resultados positivos para duas das cinco categorias de produtos analisadas, mostrando ser um conceito com elevado interesse para uma investigação futura.Forecasting the future needs is one of the most important decisions for the effective planning and operation of the retail industries. At the organizational level, sales forecasts act as input parameters for the several functional areas of the business. Inaccurate or inefficient forecasts can lead to high or low stock levels, directly affecting the organizations profit and competitive position. Retail sales data often exhibit a strong trend pattern and seasonal variation, creating challenges for the development of effective forecast models. The objective of this study is to compare the forecast performance of ARIMA and MLP methods through a case study of a Portuguese retail company, considering five different groups of products. It is also intended to investigate the impact of the data preprocessing on the accuracy of forecasts, and if the combination of ARIMA and MLP methods can increase the effectiveness of this forecast. The results show that the forecasting performance, evaluated via EAM error, of the MLP method is better than the one obtained for ARIMA method. It has also been shown that data preprocessing positively impacts the forecasting performance, contributing to a significantly reduction of the forecasting errors. It is also concluded that the combined forecasting of the ARIMA and MLP methodologies yields positive results for two of the five groups of products, proving to be a concept of high interest for future research.Instituto Superior de Economia e GestãoCaiado, AníbalRepositório da Universidade de LisboaLopes, Christian Raposo2020-01-02T14:02:39Z2019-092019-09-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/19184porLopes, Christian Raposo (2019). "Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo". Dissertação de Mestrado, Universidade de Lisboa. Instituto Superior de Economia e Gestão.info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-06T14:48:41Zoai:www.repository.utl.pt:10400.5/19184Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:04:06.967513Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo |
title |
Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo |
spellingShingle |
Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo Lopes, Christian Raposo ARIMA MLP Séries Temporais Tendência Sazonalidade Previsão de Vendas Erros de Previsão Time Series Trend Seasonality Forecasting Forecast Error Measures |
title_short |
Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo |
title_full |
Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo |
title_fullStr |
Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo |
title_full_unstemmed |
Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo |
title_sort |
Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo |
author |
Lopes, Christian Raposo |
author_facet |
Lopes, Christian Raposo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Caiado, Aníbal Repositório da Universidade de Lisboa |
dc.contributor.author.fl_str_mv |
Lopes, Christian Raposo |
dc.subject.por.fl_str_mv |
ARIMA MLP Séries Temporais Tendência Sazonalidade Previsão de Vendas Erros de Previsão Time Series Trend Seasonality Forecasting Forecast Error Measures |
topic |
ARIMA MLP Séries Temporais Tendência Sazonalidade Previsão de Vendas Erros de Previsão Time Series Trend Seasonality Forecasting Forecast Error Measures |
description |
Mestrado em Ciências Empresariais |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-09 2019-09-01T00:00:00Z 2020-01-02T14:02:39Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.5/19184 |
url |
http://hdl.handle.net/10400.5/19184 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
Lopes, Christian Raposo (2019). "Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo". Dissertação de Mestrado, Universidade de Lisboa. Instituto Superior de Economia e Gestão. |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Superior de Economia e Gestão |
publisher.none.fl_str_mv |
Instituto Superior de Economia e Gestão |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131132951789568 |