Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/53458

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorMENEZES, Regilda da Costa e Silva-
dc.contributor.authorFALCAO FILHO, Jeova Ribeiro-
dc.date.accessioned2023-11-06T17:59:29Z-
dc.date.available2023-11-06T17:59:29Z-
dc.date.issued2023-09-27-
dc.date.submitted2023-10-31-
dc.identifier.citationFALCAO FILHO, Jeova Ribeiro. Previsão de demanda: Análise de modelos preditivos em uma organização do setor de moto peças em Caruaru-PE. 2023. Trabalho de Conclusão de curso Administração - Universidade Federal de Pernambuco, Caruaru, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/53458-
dc.description.abstractPara que uma empresa consiga sucesso competitivo é necessário um planejamento adequado tendo em vista seu faturamento e demanda pré-definida. Com isso, a previsão de demanda desempenha um papel fundamental nas operações de uma organização, pois compreender as tendências de receita é essencial para sua gestão financeira e estratégica. Nesse contexto, este estudo tem como objetivo analisar a eficácia de diferentes modelos preditivos em um cenário empresarial específico, focando em uma empresa do setor de moto peças situada em Caruaru PE. Para alcançar esse objetivo, foram utilizados os dados de faturamento da empresa de agosto de 2022 a julho de 2023 e foram aplicados os modelos de média móvel, regressão linear, árvore de decisão e floresta aleatória. A avaliação do desempenho desses modelos foi conduzida por meio do cálculo do erro médio absoluto, proporcionando uma medida precisa da eficiência de cada abordagem preditiva. Essa análise proporciona às empresas informações valiosas para tomar decisões mais assertivas, otimizar seus recursos e enfrentar desafios comerciais com maior confiança, contribuindo assim para o alcance do sucesso organizacional.pt_BR
dc.format.extent40p.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectPrevisão de demandapt_BR
dc.subjectModelos Preditivospt_BR
dc.subjectEstratégiapt_BR
dc.subjectAnálise de modelospt_BR
dc.titlePrevisão de demanda: análise de modelos preditivos em uma organização do setor de moto peças em Caruaru-PE.pt_BR
dc.typebachelorThesispt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/1889801659185843pt_BR
dc.description.abstractxIn order for a company to achieve competitive success, adequate planning is necessary, considering its revenue and pre-defined demand. In this regard, demand forecasting plays a crucial role in an organization's operations because understanding revenue trends is essential for financial and strategic management. In this context, this study aims to analyze the effectiveness of different predictive models in a specific business scenario, focusing on a motorcycle parts company located in Caruaru-PE. To achieve this objective, the company's revenue data from August 2022 to July 2023 were utilized, and the following models were applied: moving average, linear regression, decision tree, and random forest. The evaluation of these models' performance was conducted by calculating the mean absolute error, providing a precise measure of the efficiency of each predictive approach. This analysis provides valuable information to companies for making more informed decisions, optimizing their resources, and facing business challenges with greater confidence, thereby contributing to the achievement of organizational success.pt_BR
dc.subject.cnpqÁreas::Ciências Sociais Aplicadas::Administraçãopt_BR
dc.degree.departament::(CAA-NG) - Núcleo de Gestãopt_BR
dc.degree.graduation::CAA-Curso de Graduação em Administraçãopt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localCaruarupt_BR
Aparece nas coleções:TCC - Administração - Bacharelado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC Jeová Ribeiro Falcão Filho.pdf1,81 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons