Otimização de estratégias de negócio de micro e pequeno empreendimento através de técnicas de Data Science

• Autor(a) principal: Fazzio Júnior, Ademir José
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/237079
• topic: Data Science; Data Mining; Python; Machine Learning; CRISP-DM

As mais recentes evoluções tecnológicas nos ramos de computação, processamento e web resultaram na possibilidade de coleta e armazenamento de grandes conjuntos de dados para a análise estratégica. Desta forma as empresas começaram a enxergar seus dados operacionais não mais como informações pouco úteis gravadas apenas para fins administrativos, mas sim como ativos. Hoje é possível observar aplicações utilizando dados em diversos segmentos das indústrias, desde o monitoramento de processos até inferência e previsão estatística através de modelos matemáticos (Machine Learning). Tendo isso em vista, o seguinte trabalho de graduação irá desenvolver aplicação de técnicas de Data Science (Ciência de Dados) e Data Mining (Mineração de Dados) apresentando uma possibilidade de corroborar com um microempreendedor do ramo alimentício, no qual o mesmo possui um empreendimento de Hamburguerias, a inferir a informação que está a sua disposição, assim como compreender seu empreendimento através de análise de dados do histórico de vendas de itens e o crescimento do faturamento; desenvolvimento de métricas de negócio que ajudam no acompanhamento de performance; desenvolvimento de estratégias baseadas em dados como implementação de mecanismos para atrair clientes; avaliação de resultados de decisões de negócio; inferência estatística com uso de regressão linear para compreensão do impacto multifatorial sobre diferentes targets e alavancar potencial de lucro. Todo esse processo realizado buscou implementar a metodologia CRISP-DM (Cross Industry Standard Process for Data Mining), que é um framework comum na indústria para o desenvolvimento de projetos de Data Science e Data Mining. Este consiste de 5 passos, sendo eles: Compreensão de Negócio, Compreensão dos Dados, Preparação dos Dados, Modelagem, Avaliação e Implementação.