[en] FORECASTING STORE TRAFFIC IN SHOPPING MALLS CONSIDERING COMPETITORS: CASE STUDY IN A SHOPPING MALL MANAGEMENT COMPANY

• Ano de defesa: 2026
• Autor(a) principal: BRUNA DA SILVA PEREIRA
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] LOGISTICA; [pt] DESCARGA DE MERCADORIAS; [pt] MODELAGEM PREDITIVA; [pt] PREVISAO DE SERIES TEMPORAIS; [pt] OTIMIZACAO DE PROCESSOS; [en] LOGISTICS; [en] UNLOADING OF GOODS; [en] PREDICTIVE MODELLING; [en] TIME SERIES FORECASTING; [en] OPTIMIZATION OF PROCESSES
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75270&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75270&idi=2; http://doi.org/10.17771/PUCRio.acad.75270

[pt] Esta dissertação investiga a dinâmica do segmento logístico no contexto de shopping centers brasileiros, um elemento estratégico para a eficácia operacional no transporte e distribuição de produtos. O problema central da pesquisa questiona os principais fatores influenciadores na rotatividade de lojas em shopping centers com base em séries temporais históricas. A hipótese de estudo estabelece que a movimentação de lojas é influenciada por fatores temporais, como sazonalidade e tendência, e pelo tenant mix. O objetivo geral do estudo consistiu em examinar a concorrência em shopping centers brasileiros a partir de uma base de dados reais, fornecida por uma administradora, contendo informações sobre composição e movimentações de lojas. Utilizou-se a aplicação de técnicas de análise descritiva, diagnóstica e preditiva, com o auxílio da linguagem Python. A análise descritiva revelou a predominância dos pilares Varejo, Entretenimento e Lazer. A análise diagnóstica confirmou a sazonalidade, com picos de entradas em maio, outubro e dezembro, e picos de saídas em janeiro e julho, e indicou que o Sudeste é o principal polo de movimentação e de maior rotatividade. A modelagem preditiva obteve alta acurácia na previsão de entradas e saídas de lojas, sendo as variáveis temporais (mês e ano) e de lag as mais importantes. Conclui-se que os resultados fornecem insights valiosos para a tomada de decisão estratégica de administradoras de shopping centers, permitindo antecipar tendências e otimizar o mix de lojas em um cenário competitivo.