CIÊNCIA DE DADOS APLICADA PARA PREVISÃO DA DEMANDA DE VEÍCULOS AUTOMÓVEIS

CIÊNCIA DE DADOS APLICADA PARA PREVISÃO DA DEMANDA DE VEÍCULOS AUTOMÓVEIS

MOTA, Pedro Henrique Martins1

PEDROGA, Roberto Carlos Santos1

FILHO, Pedro Cândido Nascimento2

1 Discentes do curso de Engenharia de Produção do UNIFIPMoc. ² Professor Orientador, Engenheiro de Produção pela UNIFIPMoc. Mestre em Modelagem Computacional de Sistemas pela UNIMONTES.

RESUMO

<250 palavras máximo, verificar palavras-chave>

Palavras-chave: Inteligência artificial. Análise mercadológica. Aprendizagem de máquina.

1 INTRODUÇÃO

A opinião do consumidor é, desde os primórdios do capitalismo, um dos fatores principais que ajudam a explicar o sucesso e a permanência de um produto no mercado. No contexto atual da chamada “Era da Informação”, obter dados em tempo real sobre a aceitação de um produto é primordial para sobrevivência das empresas no cenário atual de alta competitividade. A situação-problema baseia-se no mercado automotivo que, inserido nesse contexto competitivo, leva aos seguintes questionamentos: como obter análises em tempo real acerca da aceitação do mercado de um veículo e qual é a relação da opinião dos clientes e seu volume de vendas? Como as opiniões expressadas sobre a experiência de consumo de automóveis nas redes sociais exercem influência no seu volume de vendas?

Para responder a este questionamento, foi definido como objetivo geral do presente estudo estabelecer um modelo de previsão de consumo a partir da compreensão da correlação entre as opiniões dos consumidores e o volume de vendas do modelo de automóvel Fiat Argo, durante todo o ano de 2019. A partir deste objetivo geral, os objetivos específicos necessários para o desenvolvimento do projeto consistiram em realizar o levantamento quali-quantitativo da aceitação do produto de acordo com as publicações de opiniões acerca do mesmo na rede social Twitter, criada em 2006 pelo desenvolvedor de softwares americano Jack Dorsey; realizar a tabulação e classificação destes dados e do volume de vendas do produto no mesmo período; verificar a correlação destas duas informações e, por fim, validar o modelo desenvolvido através dos resultados de vendas publicados.

No campo da previsão mercadológica, segundo Barbosa (2018), técnicas computacionais são desenvolvidas, cada vez mais, para identificar padrões de comportamento do consumidor, fazendo o uso de enorme volume de dados. Antes do emprego dessas técnicas, métodos de tratamento de dados são realizados para limpar, preencher ou modificar o conteúdo desses imensos bancos de dados.

Desde a coleta até a obtenção do conhecimento gerado por essas técnicas, o custo de avaliação de mercado pode elevar consideravelmente. Sob esta ótica, Santos (2013) afirma que é possível observar que a opinião do cliente é o que determina a direção do mercado. Tendo isto em vista, este estudo se baseia na busca por uma metodologia que reduza os custos e tempo de avaliação da demanda por produtos automotivos, ao mesmo tempo em que capta as opiniões já disponíveis a respeito desses produtos por meio de mídias sociais digitais, conforme Brito (2017), fazendo desta forma com que as empresas sejam capazes de agir rapidamente, com ações de marketing e afins, no intuito de reverter resultados negativos ou impulsionar positivos.

Este presente estudo possui a natureza de pesquisa aplicada, sendo que visa gerar conhecimento através de uma aplicação prática em um problema específico. Quanto à abordagem, este estudo se baseia na pesquisa quantitativa, uma vez que busca evidenciar opiniões através de números e classificações por meio de análises.

A classificação dos objetivos do método empregado neste estudo pode ser traduzido como uma pesquisa explicativa, ao demonstrar o interesse de correlacionar fatores que estão ligados a um fenômeno específico. Já os procedimentos previstos para este trabalho podem ser compreendidos como o de uma pesquisa experimental, logo que através da experimentação, pretende-se buscar as variáveis que podem impactar o objeto de estudo.

O presente artigo está estruturado em exame de literatura, que apresenta os referenciais teóricos relevantes para sua realização; em seguida, aborda-se o capítulo Materiais e Métodos onde são expostas as ferramentas de software necessárias e o passo a passo para desenvolvimento do algoritmo, seguido pelos capítulos de Resultados e Discussões e posteriormente Conclusão e Referências Bibliográficas.

2 EXAME DE LITERATURA

Neste capítulo, são apresentados os conceitos literários e as referências que nortearam o desenvolvimento do artigo, sendo estes a Mineração de Dados, Big Data, Aprendizagem de Máquina e Inferência Bayesiana.

2.1 Mineração de Dados

O conceito de mineração existe desde a origem da humanidade, que consiste basicamente na exploração de recursos minerais, seja pela necessidade do uso destes para subsistência básica, como a água, seja pelo seu enorme valor agregado e extrema aplicabilidade, como o petróleo, metais preciosos como ouro e prata, além de utilitários como o minério de ferro. A mineração de dados é uma técnica que visa conceber um artifício automático para identificar comportamentos e padrões em dados, fazendo um paralelo com o conceito de mineração tradicional, que é extrair e acumular a maior quantidade de dados sobre um determinado objeto de estudo e então tratá-los, separando os valiosos dos que não são e então, construir conhecimento a partir dessa base de dados (CASTRO; FERRARI, 2016).

Ainda a respeito da conceituação da mineração de dados e do conhecimento gerado por ela, Castro e Ferrari (2016) complementam que “o conhecimento é algo que permite uma tomada de decisão para agregação de valor”, ou seja, saber se o final de semana será ensolarado ajudará na tomada de decisão de levar as crianças ao parque para uma atividade ao ar livre. O conhecimento da base de dados não dá as respostas para os problemas que são propostos, mas ele reúne todos os dados possíveis e, baseadas nestes, as empresas tomam decisões estratégicas buscando o maior impacto positivo possível nos negócios.