Redes Bayesianas aplicada à predição de vendas em uma grande rede de fast-food brasileira (2019)
- Authors:
- Autor USP: SILVA, ROBSON FERNANDES DA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: ANÁLISE DE SÉRIES TEMPORAIS; INTELIGÊNCIA ARTIFICIAL; INFERÊNCIA BAYESIANA; MODELOS PARA PROCESSOS ESTOCÁSTICOS
- Keywords: Bayesian networks; Causal relationships; Fast Food; Fast-Food; Previsão de vendas; Redes Bayesianas; Relações causais; Sales forecast; Time series
- Language: Português
- Abstract: O segmento de fast-food tornou-se um mercado muito concorrido e com empresas bem conhecidas, tais como: Subway, McDonalds, Burguer King, Bobs e Habibs. Técnicas de inteligência artificial e ciência de dados podem oferecer inúmeros benefícios para este mercado, como por exemplo, permitir o desenvolvimento de modelos computacionais para tomada de decisões. No contexto de finanças onde envolvam a comercialização de determinados produtos, é muito comum deparar-se com cenários que envolvam incerteza, principalmente quando se deseja realizar projeções financeiras, avaliar riscos e estimativas. O objetivo deste trabalho consiste em desenvolver modelos probabilísticos baseados em Redes Bayesianas (RB) para realizar predições em vendas e análise de causalidade entre variáveis que influenciam no processo de comercialização de determinados grupos de produtos no seguimento de fast-food. Nesta análise foram avaliadas Redes Bayesianas com aprendizado de estrutura baseado em restrições, através do algoritmo Grow Shrink (GS), e Redes Bayesianas com aprendizado de estrutura baseado em pontuação, através do algoritmo Hill-Climbing (HC), posteriormente foram comparadas com um modelo de série temporal baseado em Generalized Additive Model (GAM). Os dados para análise foram adquiridos de uma rede de fast-food brasileira que possui cerca de 1100 lojas associadas, destas, foram utilizadas lojas que pertencem ao estado de São Paulo, assim como avaliado variáveis de grupos de vendas no período de2010 à 2017. Os resultados foram avaliados através da métrica Mean Absolute Percentage Error (MAPE), que considera valores reais alimentados em modelos e valores ajustados a partir do modelo e calcula a diferença absoluta entre os dois como porcentagem do valor real, com base neste cálculo é possível obter a acurácia de cada modelo. A Rede Bayesiana (RB) com aprendizagem de estrutura baseada em pontuação, utilizando o algoritmo Hill Climbing (HC), foi escolhida como o melhor modelo, pois apresentou relações causais mais coerentes entre os vértices que influenciam o processo de venda, bem como combinações de vértices que resultam em combos de produtos, além disso, resultou em 97.60% de acurácia na previsão de vendas das lojas do estado de São Paulo (SP) na amostra de teste avaliada, com base na métrica Mean Absolute Percentage Error (MAPE).
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 18.02.2019
-
ABNT
SILVA, Robson Fernandes da. Redes Bayesianas aplicada à predição de vendas em uma grande rede de fast-food brasileira. 2019. Mestrado Profissionalizante – Universidade de São Paulo, São Carlos, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55137/tde-21082019-112654/. Acesso em: 02 mar. 2026. -
APA
Silva, R. F. da. (2019). Redes Bayesianas aplicada à predição de vendas em uma grande rede de fast-food brasileira (Mestrado Profissionalizante). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55137/tde-21082019-112654/ -
NLM
Silva RF da. Redes Bayesianas aplicada à predição de vendas em uma grande rede de fast-food brasileira [Internet]. 2019 ;[citado 2026 mar. 02 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55137/tde-21082019-112654/ -
Vancouver
Silva RF da. Redes Bayesianas aplicada à predição de vendas em uma grande rede de fast-food brasileira [Internet]. 2019 ;[citado 2026 mar. 02 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55137/tde-21082019-112654/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
