Aplicação de técnicas de ciência de dados para o movimento empresa júnior

Abstract

Este trabalho visa apresentar técnicas de data science aplicadas à empresas juniores de modo a trazer para gestores maior previsibilidade de seus dados para uma melhor tomada de decisão. Com o auxílio da ferramenta Orange que disponibiliza algoritmos de ciência de dados sem a necessidade de codificação por parte do usuário, foi possível aplicar os conceitos de previsibilidade e agrupamento por meio de algoritmos de classificação, regressão e agrupamento. O trabalho entrega um novo modelo de agrupamento das empresas juniores, os resultados das previsões de faturamento para o ano seguinte e preve se a empresa júnior alcançará suas metas ou não também, além de disponibilizar os fluxos para que os gestores possam utilizar seus próprios dados para outras previsões. O método pôde ser validado qualitativamente por atuais membros do movimento empresa júnior e mostrou-se útil e intuitivo para uso de gestores no seu dia-a-dia.

This final paper intends to show data science techniques applied to junior enterprises data, in a way to bring to managers more predictability of their own data to improve the process of decision making. With the tool Orange that provides data science algorithms without the need for user coding it was possible to apply the concepts of predictability and clustering through algorithms of classification, regression and clustering. The final paper delivers a new model of clustering the junior enterprises, the predictions of the next year billing and if the junior enterprise will reach out its goals or not, besides of making available all the workflows so the managers can use their own data bases to make other predictions. The method could be qualitatively validated by current members of the junior enterprise movement and proved to be useful and intuitive for use by managers in their daily basis.