Utilização de modelos estatísticos e machine learning para a previsão de vendas no sector do retalho : um estudo comparativo

Detalhes bibliográficos
Autor(a) principal: Lopes, Christian Raposo
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