Aplicação de modelos baseados em árvores de decisão para previsão de demanda em uma organização do segmento farmacêutico

• Autor(a) principal: Lima, Joao Guilherme Alvares
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/31722
• topic: Previsão de Demanda; Aprendizado de Máquina; Árvores de Decisão; Previsão de demanda; Aprendizado de máquina; Árvore de decisão; Demand Forecasting; Machine Learning; Decision Trees

O presente estudo apresenta a aplicação de modelos baseados em árvores de decisão para previsão de demanda em uma organização do segmento farmacêutico. O objetivo principal é fornecer uma solução para a previsão de demanda, utilizando técnicas de aprendizado de máquina. O método utilizado envolveu a curadoria dos dados de vendas, análise exploratória dos dados, aplicação de modelos supervisionados de aprendizado de máquina e avaliação da precisão e qualidade dos modelos. Os resultados obtidos mostraram que os modelos baseados em árvores de decisão apresentaram boa acurácia na previsão de vendas e permitiram identificar os principais impulsionadores ou fatores que influenciam as vendas. As conclusões indicam que a aplicação desses modelos pode ser uma solução eficaz para a previsão de demanda em organizações do segmento farmacêutico. Em síntese, o trabalho destaca-se pela abordagem robusta na área de previsão de vendas, contribuindo para estratégias de gestão mais eficientes baseadas em dados e informações de negócio no contexto do setor farmacêutico. A pesquisa não apenas alcança seus objetivos, mas também fornece uma base prática e aplicável para aprimorar as práticas de planejamento nas empresas do referido segmento. Dentre os resultados alcançados, foi possível observar um erro médio absoluto de cerca de 8% para o modelo de florestas randômicas, sendo este considerado um bom resultado para efeitos de previsão de demanda pela organização.