Aplicação de técnicas de mineração de dados para otimização do

Anais do XVI Encontro de Iniciação Científica e Pós-Graduação do ITA – XVI ENCITA / 2010
Instituto Tecnológico de Aeronáutica, São José dos Campos, SP, Brasil, 20 de outubro de 2010
Aplicação de técnicas de mineração de dados para otimização do
relacionamento com clientes no setor eletrônico
Saullo Carvalho Castelo Branco
Instituto Tecnológico de Aeronáutica - ITA
Bolsista PIBIC-CNPq
[email protected]
Professor José Maria Parente de Oliveira
Instituto Tecnológico de Aeronáutica - ITA
Orientador PIBIC-CNPq
[email protected]
Dr. Ricardo da Silva Santos
Instituto Tecnológico de Aeronáutica - ITA
Co-orientador PIBIC-CNPq
[email protected]
Resumo. Em sistemas de gerenciamento de empresas, geralmente, faz-se a coleta de vários dados considerados importantes. Tais
dados podem ser de vários tipos. Desde o nome dos funcionários os quais compõem a lista de contribuintes do estabelecimento,
passando por descrição dos produtos fornecidos, até a forma de pagamento realizada numa certa venda. Toda essa documentação é
realizada com o intuito de registrar o que ocorre na empresa, permitindo seu controle.
Levando-se em consideração fatores como o tempo da empresa no mercado, tamanho da empresa, ramo no qual trabalha,
quantidade de produtos, dentre outros, o volume de dados com os quais lidar-se-á podem ser muito grandes. Quantidade muito
grande de informação coletada dificulta o controle de todas as variáveis com as quais a empresa trabalha. Ainda mais difícil é
tomar decisões analisando-as.
A fim de auxiliar na tomada de decisões, técnicas de mineração de dados podem ser utilizadas. O uso destas permite que
se trabalhe com um volume grande de dados em banco de dados e com o uso de algoritmos possa-se extrair alguma informação útil.
Nesta prática um algoritmo avalia as variáveis através dos registros encontrados na base de dados e apresenta resultados desta
avaliação.
Considere uma empresa que realiza vendas de dispositivos eletrônicos. Para que possa atender seus clientes prontamente,
esta necessita ter um estoque de tais produtos.
O dono deste empreendimento pode montar um estoque grande do produto X. Mas como seu capital é limitado, a compra
excessiva de X impede que ele compre uma quantidade razoável do produto Y o qual é mais procurado por seus clientes. Ou seja, ele
não precisava de um estoque tão volumoso do produto X.
Continuando nesta situação, o proprietário do estabelecimento comprando pouco do produto Y, corre o risco de não
conseguir a demanda do mercado, o que o impede de ter um lucro maior. Ou seja, ele precisaria montar um estoque maior deste
produto.
Através de uma suposição tão simples, com apenas dois produtos, pode-se verificar que escolher a quantidade de cada
produto a ser comprada é uma decisão crucial. A quantidade ideal a ser comprada em um dado período dificilmente será o mesmo
em outro, mesmo que este seja imediatamente após àquele. Existem várias variáveis a se levar em consideração para se realizar a
melhor escolha possível.
Palavras chave:geenciamento,tomada de decisões, mineração de dados, estoque, produto.
1. Introdução
Empresas que trabalham com vendas nem sempre sabem a quantidade de produtos a vender durante um certo
período de tempo, um valor dependente de diversas variáveis resultantes da configuração do mercado. A flutuação
nestes números dificultam a tomada de decisão relativa a quanto de cada produto deverá se manter em estoque. Uma
boa escolha destes valores é crucial para o sucesso de um empreendimento.
Produtos mantidos em estoque por tempo maior do que o estimado na hora da compra de materiais
representam capital o qual permanece estanque, não movimentado, sem retorno esperado e poderia ter sido investido de
forma mais eficiente. Por outro lado, estoque de produtos que se esgotam rapidamente pode se tornar ponto fraco
quando as demandas de tal produto foram subestimadas. Nesta situação a empresa deixa de ter um lucro maior devido a
um equivoco no instante do reabastecimento de materiais estocados. Tais eventos provocam resultados tão piores
quanto maior for o erro na estimativa de vendas.
Problemas como esses são muito comuns no mercado atual. A fim de se fazer uma previsão de uma empresa
do setor eletrônico, usou-se um banco de dados mascarado, criado a partir de o de um empreendimento real. Ou seja,
todas as informações relativas a vendas utilizadas nesse projeto representam movimentações realmente ocorridas.
Anais do XVI ENCITA, ITA,20 de outubro de 2010
,
2. Experimento
2.1. Resultados Obtidos
Com o intuito de ter uma análise das vendas mensais, extraiu-se da tabela de transações apenas as referentes a
vendas e modificou-se a data de venda para o primeiro dia de cada mês. Desta forma todas as compras de um mês
foram concentradas no mesmo dia. Isso possibilitará uma futura análise mensal das vendas.
Após a preparação inicial do banco de dados, a separação dos produtos mais relevantes foi feita em três etapas:
baseada na quantidade vendida no mês, baseada no valor faturado no mês e uma intersecção entre os dois fatores. Na
primeira etapa, considerada mais importante, isolaram-se os cinco primeiros dispositivos (tabela 1). Na segunda, os
cinco primeiros podem ser visto na tabela 1. Já na última etapa, separou-se apenas um dos produtos para análise: 3243
(o produto mais relevantes). Durante os anos de 2007 a 2009, foram vendidas 8474000 unidades do dispositivo 3243,
somando um valor faturado de R$152827,68.
Tabela 1. Maiores quantidade vendida e valor faturado em vendas por produto no período de 2007 a 2009.
Quantidade vendida (de Valor faturado em vendas
Produtos
1
2
3
4
5
2007 a 209)
3243
77
7687
4547
5562
(de 2007 a 2009)
953
2553
6935
7297
3243
Finalizado tratamento da visão que se refere apenas a vendas mensais do produto 3243 durante os anos de
2007 a 2009, usou-se o Business Intelligence do SQL Server 2008 para realizar a previsão temporal da quantidade a ser
vendida num período de 1 ano (figura 1), 2 anos (figura 2) e 3 anos (figura 3).
Figura 1. Gráfico de vendas mensais do produto 3243 com 1 ano de previsão
Anais do XVI ENCITA, ITA,20 de outubro de 2010
,
Figura 2. Gráfico de vendas mensais do produto 3243 com 2 anos de previsão
Figura 3. Gráfico de vendas mensais do produto 3243 com 3 anos de previsão
2.2. Conclusões
A previsão de vendas resultante apresenta a adição de dois efeitos verificados no período de 2007 a 2009: a
oscilação verificada pela sazonalidade das vendas e a tendência de queda com o passar dos anos. Uma explicação para o
primeiro efeito é o aquecimento do mercado movimentado pelas demandas de vendas de produto manufaturados com o
dispositivo 3243. A previsão de vendas maiores de bens manufaturados em alguns meses, aumenta a demanda pelos
dispositivos eletrônicos, provocando um crescimento nas vendas em alguns meses. Consequência da sazonalidade do
mercado de eletrônicos.
Anais do XVI ENCITA, ITA,20 de outubro de 2010
,
Já o segundo efeito é verificado com a redução da média de vendas em pequenos intervalos. Um ponto que
torna isso bem claro é a previsão de venda negativa no primeiro mês de 2012.
Entretanto com a distância do mês previsto, tal previsão torna-se menos eficaz. Isso é evidenciado com a
aproximação da quantidade de vendas do produto 3243 para um valor médio que se torna constante a partir de 2013
(figura 4). Além disso, tais análises serão mais eficientes enquanto o mercado permanecer em regime no qual este
continua com a mesma tendência. Mudanças de contexto ou especulações não são previstas. Por isso tais ferramentas
devem ser utilizadas como uma forma de suporte a tomada de decisões e esses estudos devem ser realizados
frequentemente.
Figura 4. Gráfico de vendas mensais do produto 3243 com 5 anos de previsão
3. Agradecimentos
Agradeço ao CNPq por me proporcionar a oportunidade de executar um trabalho ligado à pesquisa científica,
ao ITA por fornecer uma estrutura de ensino que foi fundamental para desempenhar minhas atividades, aos professores
Parente e Ricardo por me auxiliarem e fornecerem materiais úteis para a realização destas etapas do meu projeto.
4. Referências
Carvalho, Luís Alfredo Vidal de. Data Mining: A Mineração de Dados no marketing, medicina, economia, engenharia e
administração. São Paulo: Érica, 2001.
Goldschmidt, Ronaldo; Passos, Emmanuel. Data Mining: Um Guia Prático. Rio de Janeiro: Elsevier, 2005.
Miranda, Roberto Campos da Rocha. O uso da informação na formulação de ações estratégicas pelas empresas.
Brasília: Ciência da Informação, 1999.
Rodrigues, Leonel Cezar; Riccardi, Riccardo. Inteligência Competitiva nos negócios e organizações. Maringá:
Unicorpore, 2007.