Sales forecasting for a supermarket chain in Natal, Brazil: an empirical assessment

• Ano de defesa: 2021
• Autor(a) principal: Almeida, Fernanda Monteiro de
• Orientador(a): Bezerra, Leonardo César Teonácio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM TECNOLOGIA DA INFORMAÇÃO
• País: Brasil
• Palavras-chave em Português: Previsão de séries temporais; Aprendizado de máquina; Varejo
• Link de acesso: https://repositorio.ufrn.br/handle/123456789/47159

Previsão de séries temporais é uma abordagem ampla e consolidada em diversas áreas, tais como finanças e indústria. O varejo pode se beneficiar da previsão em muitos setores, como na demanda de estoque, na otimização de preço e de vendas. Este estudo aborda a previsão de vendas no Nordestão, uma rede de supermercados em Natal, Brasil. Apesar de estar localizado em um estado com o produto interno bruto (PIB) baixo, o Nordestão fica em 3º e 27º lugar em vendas regionais e nacionais, respectivamente. Os dados considerados abrangem cinco anos de transações de vendas diárias de oito lojas diferentes. Mútiplas técnicas de aprendizado de máquina, conhecidas por sua efetividade para previsão, são adotadas, a saber random forests e XGBoost. Melhoras nos desempenhos das técnicas são feitas com engenharia de atributos para lidar com os efeitos sazonais. O melhor algoritmo varia por loja, mas para a maioria das lojas pelo menos um dos métodos se prova efetivo. A engenharia de atributos foi responsável por atingir altas métricas de previsão, com modelos atingindo scores na faixa de 90%. Além da relevância tradicional da previsão de vendas, o presente trabalho é um meio para o Nordestão avaliar o impacto da pandemia do COVID-19 em seus negócios.