Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais preciso
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Outros Autores: | , , , |
Tipo de documento: | Artigo |
Idioma: | por eng |
Título da fonte: | Revista de contabilidade e organizações |
Texto Completo: | https://www.revistas.usp.br/rco/article/view/171481 |
Resumo: | The purpose of this study is to develop a predictive model that increases the accuracy of business operational planning using data from a small business. By using Machine Learning (ML) techniques feature expansion, resampling, and combination techniques, it was possible to address several existing limitations in the available research. Then, the use of the novel technique of feature engineering allowed us to increase the accuracy of the model by finding 10 new features derived from the original ones and constructed automatically through the nonlinear relationships found between them. Finally, we built a rule-based classifier to predict the store's revenue with high accuracy. The results show the proposed approach open new possibilities for ML research applied to small and medium businesses. |
id |
USP-65_f80487806b6e742a92daa042784f3d96 |
---|---|
oai_identifier_str |
oai:revistas.usp.br:article/171481 |
network_acronym_str |
USP-65 |
network_name_str |
Revista de contabilidade e organizações |
repository_id_str |
|
spelling |
Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais precisoArtificial intelligence applied to small businesses: the use of automatic feature engineering and machine learning for more accurate planningInteligência artificialEngenharia automática de recursosAprendizado de máquinaPequenas empresasEmpresas locaisInteligencia artificial, ingeniería automática de características, aprendizaje automático, pequeñas empresas, negocios localesArtificial intelligenceAutomatic feature engineeringMachine learningSmall businessLocal businessThe purpose of this study is to develop a predictive model that increases the accuracy of business operational planning using data from a small business. By using Machine Learning (ML) techniques feature expansion, resampling, and combination techniques, it was possible to address several existing limitations in the available research. Then, the use of the novel technique of feature engineering allowed us to increase the accuracy of the model by finding 10 new features derived from the original ones and constructed automatically through the nonlinear relationships found between them. Finally, we built a rule-based classifier to predict the store's revenue with high accuracy. The results show the proposed approach open new possibilities for ML research applied to small and medium businesses.O objetivo deste estudo é desenvolver um modelo preditivo que aumente a precisão do planejamento operacional de negócios usando dados de uma pequena empresa. A partir de técnicas de aprendizado de máquina (AM), são apresentadas estratégias de expansão, reamostragem e combinação que permitiram superar várias das limitações enfrentadas pelas pesquisas conduzidas até então. O estudo adotou uma nova técnica de engenharia de recursos que permitiu aumentar a precisão de um modelo preditivo, encontrando 10 novos recursos derivados dos originais, desenvolvidos automaticamente através das relações não-lineares encontradas entre eles. Por fim, foi criado um classificador com regras para prever, com alta precisão, a receita da pequena empresa. De acordo com os resultados apresentados, a abordagem proposta abre novas possibilidades para a pesquisa sobre a AM aplicada a pequenas e médias empresas.Universidade de São Paulo. Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto2020-10-14info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfapplication/pdftext/xmlhttps://www.revistas.usp.br/rco/article/view/17148110.11606/issn.1982-6486.rco.2020.171481Revista de Contabilidade e Organizações; Vol. 14 (2020); e171481Revista de Contabilidade e Organizações; Vol. 14 (2020); e171481Revista de Contabilidade e Organizações; v. 14 (2020); e1714811982-6486reponame:Revista de contabilidade e organizaçõesinstname:Universidade de São Paulo (USP)instacron:USPporenghttps://www.revistas.usp.br/rco/article/view/171481/163852https://www.revistas.usp.br/rco/article/view/171481/163851https://www.revistas.usp.br/rco/article/view/171481/173065Copyright (c) 2020 Revista de Contabilidade e Organizaçõeshttp://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessNascimento, Alexandre Moreira de Melo, Vinicius VelosoMuller Queiroz, Anna CarolinaBrashear-Alejandro, ThomasMeirelles, Fernando de Souza2020-09-30T12:34:57Zoai:revistas.usp.br:article/171481Revistahttps://www.revistas.usp.br/rcoPUBhttps://www.revistas.usp.br/rco/oairco@usp.br1982-64861982-6486opendoar:2020-09-30T12:34:57Revista de contabilidade e organizações - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais preciso Artificial intelligence applied to small businesses: the use of automatic feature engineering and machine learning for more accurate planning |
title |
Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais preciso |
spellingShingle |
Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais preciso Nascimento, Alexandre Moreira Inteligência artificial Engenharia automática de recursos Aprendizado de máquina Pequenas empresas Empresas locais Inteligencia artificial, ingeniería automática de características, aprendizaje automático, pequeñas empresas, negocios locales Artificial intelligence Automatic feature engineering Machine learning Small business Local business |
title_short |
Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais preciso |
title_full |
Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais preciso |
title_fullStr |
Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais preciso |
title_full_unstemmed |
Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais preciso |
title_sort |
Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais preciso |
author |
Nascimento, Alexandre Moreira |
author_facet |
Nascimento, Alexandre Moreira de Melo, Vinicius Veloso Muller Queiroz, Anna Carolina Brashear-Alejandro, Thomas Meirelles, Fernando de Souza |
author_role |
author |
author2 |
de Melo, Vinicius Veloso Muller Queiroz, Anna Carolina Brashear-Alejandro, Thomas Meirelles, Fernando de Souza |
author2_role |
author author author author |
dc.contributor.author.fl_str_mv |
Nascimento, Alexandre Moreira de Melo, Vinicius Veloso Muller Queiroz, Anna Carolina Brashear-Alejandro, Thomas Meirelles, Fernando de Souza |
dc.subject.por.fl_str_mv |
Inteligência artificial Engenharia automática de recursos Aprendizado de máquina Pequenas empresas Empresas locais Inteligencia artificial, ingeniería automática de características, aprendizaje automático, pequeñas empresas, negocios locales Artificial intelligence Automatic feature engineering Machine learning Small business Local business |
topic |
Inteligência artificial Engenharia automática de recursos Aprendizado de máquina Pequenas empresas Empresas locais Inteligencia artificial, ingeniería automática de características, aprendizaje automático, pequeñas empresas, negocios locales Artificial intelligence Automatic feature engineering Machine learning Small business Local business |
description |
The purpose of this study is to develop a predictive model that increases the accuracy of business operational planning using data from a small business. By using Machine Learning (ML) techniques feature expansion, resampling, and combination techniques, it was possible to address several existing limitations in the available research. Then, the use of the novel technique of feature engineering allowed us to increase the accuracy of the model by finding 10 new features derived from the original ones and constructed automatically through the nonlinear relationships found between them. Finally, we built a rule-based classifier to predict the store's revenue with high accuracy. The results show the proposed approach open new possibilities for ML research applied to small and medium businesses. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-10-14 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.revistas.usp.br/rco/article/view/171481 10.11606/issn.1982-6486.rco.2020.171481 |
url |
https://www.revistas.usp.br/rco/article/view/171481 |
identifier_str_mv |
10.11606/issn.1982-6486.rco.2020.171481 |
dc.language.iso.fl_str_mv |
por eng |
language |
por eng |
dc.relation.none.fl_str_mv |
https://www.revistas.usp.br/rco/article/view/171481/163852 https://www.revistas.usp.br/rco/article/view/171481/163851 https://www.revistas.usp.br/rco/article/view/171481/173065 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2020 Revista de Contabilidade e Organizações http://creativecommons.org/licenses/by-nc-nd/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2020 Revista de Contabilidade e Organizações http://creativecommons.org/licenses/by-nc-nd/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf text/xml |
dc.publisher.none.fl_str_mv |
Universidade de São Paulo. Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto |
publisher.none.fl_str_mv |
Universidade de São Paulo. Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto |
dc.source.none.fl_str_mv |
Revista de Contabilidade e Organizações; Vol. 14 (2020); e171481 Revista de Contabilidade e Organizações; Vol. 14 (2020); e171481 Revista de Contabilidade e Organizações; v. 14 (2020); e171481 1982-6486 reponame:Revista de contabilidade e organizações instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Revista de contabilidade e organizações |
collection |
Revista de contabilidade e organizações |
repository.name.fl_str_mv |
Revista de contabilidade e organizações - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
rco@usp.br |
_version_ |
1797054146081193984 |