Академический Документы
Профессиональный Документы
Культура Документы
MARLIA
2015
Orientador:
Prof. Geraldo Pereira Junior
MARLIA
2015
AGRADECIMENTOS
Agradeo aos meus pais, Claudenir e Solange, e minha namorada, Brbara, por
toda a dedicao e esforo para que eu consiga atingir meus objetivos, lutar por meus sonhos
e, principalmente, por no me deixar desistir diante das dificuldades.
Ao Professor Geraldo, por aceitar a orientao deste trabalho e realiz-la com
excelncia; por toda pacincia, dedicao e por acreditar em meu potencial para a realizao
desta tarefa.
Professora Giulianna, por todos os ensinamentos e pelas sugestes que, sem
dvida, muito contriburam para esta pesquisa.
Agradeo, enfim, a todos os amigos de sala; em especial: Everton, Fernando,
Guilherme Plaza, Carol, pelo encorajamento, pela ajuda e pelo compartilhamento de
experincias em cada momento de dificuldade e, tambm, nos inmeros instantes de alegria.
RESUMO
Em tempos modernos, que exigem, cada vez mais, objetividade e resultados efetivos, torna-se
fundamental que as organizaes tenham um bom planejamento de vendas e operaes. Para
isso, a organizao deve entender e visualizar sua demanda de forma precisa, para que,
futuramente, em suas decises, na realizao do seu planejamento de vendas, consiga utilizar
tal informao aliada s outras informaes, conquistando, assim, o melhor balanceamento
entre a sua demanda e sua oferta. Devido ao grande volume de dados gerados e o tempo que
tende a ser mais escasso na rotina das organizaes, nota-se a inviabilidade de se analisar
referidos dados apenas com uma anlise humana. O presente trabalho, portanto, tem como o
objetivo principal processar esses dados gerados, de uma forma rpida e de fcil
entendimento, atendendo a uma resposta eficiente e eficaz, de tal maneira que a organizao
no precise disponibilizar um grande crculo de funcionrios, nem precise buscar um auxlio
especializado fora dela para atender tarefa. Logo, ser utilizada a linguagem de
programao R Shiny na criao de uma interface de fcil utilizao, em que sero executados
os mtodos estatsticos no software R Language, em especial a correlao de Pearson,
sendo plotadas as informaes lapidadas em um grfico, a fim de que seja possvel uma anlise
visual mais facilitada.
Palavras-chave: R language, Sales and Operations Planning, Planejamento, S&OP, Shiny,
Pearson.
ABSTRACT
In modern times requiring increasingly objectivity and effective results, it becomes critical as
organizations who have good sales and planning operations. For this, one organization must
understand and view your demand form of need, for what future in your decision
paragraph the your sales and planning director, can use this information allied at
additional information to achieve the best balance between your demand is his offer. The
large volume of data generated and the due time every time more scarce organizations, notes
an impracticality of analyzing these data only with a human analysis. This work has as
the main objective, processes data generated from a quick way and understanding easy and
that has a response efficient and effective, where the organization not provide accurate a
large circle of officials and not get accurate hum aid specialized para forums undertake that
work. For it, will used language programming R Shiny paragraph make an creating an
easy-to-use interface, where this, perform statistical methods in R Language software,
especially the Pearson Correlation and we will plot as faceted information in a chart,
paragraph a closer look easy.
Keywords: R Language, Sales and Operations Planning, Planning, S&OP, Shiny, Pearson.
LISTA DE ILUSTRAES
Figura 1 Perodo de congelamento (time fence)....................................................................... 20
Figura 2 Processo Mensal do Sales & Operations Planning. ................................................ 22
Figura 3 Fluxograma do papel da estatstica na tomada de deciso gerencial....................... 29
Figura 4 Exemplo Peso x Altura ............................................................................................ 30
Figura 5 Diferena de Escalas ............................................................................................... 31
Figura 6 Frmula do Coeficiente de Correlao de Pearson ............................................... 31
Figura 7 Classificao do Resultado (r) do Coeficiente de Correlao de Pearson .............. 32
Figura 8 Equao de Regresso. ............................................................................................ 33
Figura 9 Coeficiente Angular ................................................................................................ 33
Figura 10 Ponto de Interceptao. ......................................................................................... 33
Figura 11 Regresso Mltipla................................................................................................. 34
Figura 12 Etapas do K DD. ........................................................................................................................35
Figura 13 Parte dos dados das Vendas mensais dos produtos ............................................... 36
Figura 14 Cdigo user-interface ............................................................................................ 38
Figura 15 Cdigo server R .................................................................................................... 39
Figura 16 Galeria de Aplicaes do Shiny. ........................................................................... 40
Figura 17 Dez maiores correlaes entre os produtos ........................................................... 42
Figura 18 Regresso Linear Mltipla no R ........................................................................... 42
Figura 19 Clculo Regresso Linear produto X6. ................................................................... 43
Figura 20 Clculo Regresso Linear produto X8. ................................................................... 44
Figura 21 Clculo Regresso Linear produto X10. ................................................................. 44
Figura 22 Clculo Regresso Linear produto X14. ................................................................. 44
Figura 23 Clculo Regresso Linear produto X18. ................................................................. 45
Figura 24 Grfico com as Previses de alguns produtos ....................................................... 47
LISTA DE TABELAS
TABELA 1
TABELA 2
TABELA 3
Servidores Shiny
TABELA 4
Resultados Obtidos
GNU
UI
User Interface
SUMRIO
INTRODUO .............................................................................................................................. 14
1
LINGUAGEM R................................................................................................................ 26
ESTATSTICA .................................................................................................................. 28
3.1 PROBABILIDADE .............................................................................................................. 30
3.1.1 Conceitos Fundamentais ...................................................................................................... 30
3.1.2 Mtodo Correlao .................................................................................................... 31
3.1.3 Diagramas de Disperso ............................................................................................. 31
3.1.4 Regresso Linear Mltipla .......................................................................................................34
CONCLUSO .......................................................................................................................... 47
REFERNCIAS.............................................................................................................................. 48
14
INTRODUO
Durante muito tempo, as empresas, em razo da grande concorrncia do mercado,
vm buscando melhoria no seu planejamento, visando, sobretudo, ao menor custo de produo
aliado confeco de um produto bom, barato e acessvel. Em razo disso, portanto, a maioria
das organizaes, a fim de conseguir informaes necessrias para seu planejamento, renem
seus colaboradores de mais alto nvel e indagam a esses sua opinio sobre as projees da
empresa para os prximos meses; essa ttica, contudo, nem sempre ajuda muito o andamento
do planejamento, pois, em geral, cada colaborar se pauta em um referencial e isso, ao invs de
favorecer os passos seguintes, no fundo, prejudica as representaes futuras, visto, aps a
rodada de opinies, duas perguntas sempre ficam no ar: 1) Em qual nmero se deve acreditar?
2) Quais mtodos, ou clculos, sero utilizados para se chegar a um nmero mais aproximado
possvel da realidade? Observando essa dificuldade das organizaes, o intuito deste trabalho,
ento, automatizar o processo para se atingir, tanto quanto mais adequadamente, a esse
nmero estimado de vendas. Para tanto, ser empregado o modelo de negcio S&OP, que
realiza a coleta de informaes pela gerncia junto alta diretoria a organizao. Durante tal
processo, deve-se introduzir essas informaes no ambiente de programao estatstica R
Language, a fim de que realizem os clculos, a partir do mtodo de Correlao, e, por fim, seja
gerado um grfico para a visualizao, anlise e entendimento mais facilitados, por meio de
uma interface de clara utilizao. Assim, espera-se reduzir o tempo para que os diretores, junto
com a alta gerncia, tomem suas decises em relao ao planejamento da organizao de uma
forma geral.
Motivao e Justificativa
Com a finalizao do projeto, espera-se divulgao de um prottipo em que um
usurio consiga inserir os seus dados e gerar um grfico para a tomada de deciso, sem
necessidade de um alto conhecimento de programao, bem como de conhecimento estatstico,
diminuindo, pois, o tempo e o dinheiro gasto com profissionais externos para a realizao desse
processo. Justifica, ainda, tal motivao o tempo gasto, fora de sua funo habitual, que o
funcionrio empregar para realizar a coleta e minerao dos dados para os transformar em
informaes relevantes; afinal, tempo dinheiro.
O pblico-alvo deste trabalho so empresas de pequeno e mdio porte que necessitem
de informao rpida e confivel para realizar seu planejamento e que no tenham recursos e
mo-de-obra qualificada para realizar, manualmente, essa tarefa.
15
Objetivo Geral
O objetivo geral deste trabalho o estudo do mtodo de minerao de dados KDD
(Kownledge Discovery in Databases), para transformar os dados obtidos da empresa em
informaes. Aps a transformao do dado, este ser estudado e utilizado a partir do mtodo
de Correlao de Pearson. Tal mtodo implica desenvolver anlises estatsticas sobre a
informao j lapidada e, por fim, propor um prottipo que promova o clculo estatstico e
retorne uma previso de vendas para os meses futuros, desde o mtodo de regresso mltipla,
plotado em grficos, para que, assim, subsista uma forma mais facilitada que permita aos
responsveis entenderem e repassarem as informaes ali contidas, apresentando a seus
diretores e/ou gerentes, permitindo nesses o entendimento estatstico para extrao da
informao repassada.
Objetivos Especficos
Os objetivos especficos envolvem a diminuio do tempo que utilizado para fazer a
previso de vendas de um grupo que possua, em mdia, 100 vendedores. Tambm se busca
auxiliar a organizao, com uma reduo de seus produtos em estoque. Todo esse processo
tende a ser amparado por tcnicas de Correlao e Regresso Mltipla.
Organizao do Trabalho
A pesquisa em tela tem como suporte reviso bibliogrfica que fundamenta,
teoricamente, bem como aprofunda o tema abordado.
Conjuntamente, o trabalho est distribudo em 7 captulos organizados da seguinte
forma: o Primeiro Captulo (Planejamento de Vendas e Operaes) contm a abordagem geral
em torno do tema, os objetivos da pesquisa e alguns pilares do processo analisado.
J o Segundo Captulo (Linguagem R) conduz a um breve conceito sobre a
Linguagem R, quais so suas modalidades estatsticas, entre outras caractersticas da linguagem.
O Terceiro Captulo (Estatstica) volta-se ao conceito sobre a Estatstica. Aps serem
enfocados termos bsicos, ser abordado o conceito de Probabilidade e, tambm, seus termos
bsicos; por ltimo, vir a Correlao de Pearson.
Quanto ao Quarto Captulo (Knowledge Discovery in Databases), o interesse estar no
mtodo de minerao de dados.
O Quinto Captulo (RStudio Shiny) constitui a demonstrao do funcionamento do
framework Shiny, produzido pela RStudio; h, ainda, uma breve introduo criadora deste.
No penltimo captulo, o Sexto (Desenvolvimento da Aplicao), ocorre o
desenvolvimento do prottipo e a explicao do funcionamento do mesmo, com prints das telas
principais do recurso.
E, finalmente, o Stimo Captulo (Resultados Obtidos) responder pelos resultados
16
Operations Planning (S&OP); trata-se de um processo que auxilia nas tomadas de decises da
empresa para que a mesma consiga balancear a sua demanda e oferta.
Para uma definio mais resumida, segundo Wallace (2001), o Planejamento de
Vendas e Operaes um processo aprimorado de tomada de decises que ajuda as pessoas,
nas empresas, a proporcionarem excelente atendimento aos clientes e a conduzirem melhor os
negcios (WALLACE, 2001).
E, sob uma definio mais completa, ainda o autor oferece a seguinte explicao:
O Planejamento de Vendas e Operaes (S&OP) um processo
empresarial que ajuda as empresas a manterem a demanda e a oferta
balanceadas. Isto feito atravs do enfoque nos volumes agregados
(famlias e grupos de produtos) de modo que os problemas de mix
(produtos individuais e pedidos de clientes) possam ser controlados
mais prontamente. Ele ocorre num ciclo mensal e apresenta informaes
tanto em unidades como em reais. O S&OP multidisciplinar,
envolvendo a Gerncia Geral, Vendas, Operaes, Finanas, e
Desenvolvimento de Produtos. Ele envolve mltiplos nveis dentro da
empresa at o executivo responsvel pela unidade de negcios inclusive,
por exemplo, o presidente da diviso, gerente-geral da unidade de
negcios, ou o diretor de uma pequena empresa. O S&OP interliga os
planos estratgicos e o plano de negcios da empresa aos processos - a
entrada do pedido, a programao e as ferramentas de compras que ele
utiliza para a conduo dos negcios em uma base semanal, diria e
horria. Utilizado adequadamente, o S&OP capacita os gerentes das
empresas a visualizarem os negcios holisticamente e dar-lhes uma janela
para o futuro. (WALLACE, 2001)
Objetivos do S&OP
Em Corra, Gianesi & Caon (2001), a execuo eficaz do processo de S&OP s
possvel se os objetivos a seguir forem alcanados. So eles:
Suportar o planejamento estratgico do negcio
a garantia, por meio de anlises e revises peridicas, de que o planejamento
feito vivel e est sendo cumprido. Normalmente, esse planejamento estratgico
17
18
Objetivo
O objetivo especfico a ser atingido pela empresa com a implantao do
processo de S&OP. Aqui, sempre necessrio recordar que o processo deve
ser avaliado e aprimorado continuamente, para que a empresa possa avaliar
o cumprimento de seus objetivos e, em caso de necessidade, recorrer ao
direcionamento correto para a aprimorao do processo (CORRA,
GIANESI & CAON, 2001).
Processo
O processo do S&OP um composto de atividades preparatrias que
devero ser executas por cada departamento, a fim de sinalizar para a alta
direo, avaliar a capacidade de cada um e criar linhas mestras para esse
processo (CORRA, GIANESI & CAON, 2001).
Cronograma
Devem-se definir datas limites para as atividades do ciclo mensal, criar a
programao das reunies para a alta direo. Tais prticas evitam que,
futuramente, haja problemas com superposio a outros compromissos
(CORRA, GIANESI & CAON, 2001).
Participantes
Devero ser definidos aqueles que participaro da reunio de S&OP; note-se
que cada participante deve ser assduo. Caso haja motivos que inviabilizem
a presena de um membro, dever ser passada sua autonomia a outra pessoa
substituta. Corra, Gianesi & Caon (2001), ainda, salientam tais
informaes, a partir de uma tabela dos participantes sugeridos para o
19
processo de S&OP:
Tabela 1: Participantes sugeridos do processo e S&OP
REA
PARTICIPANTES
POTENCIAIS PARTICIPANTES
OBRIGATRIOS
Alta Administrao
Diretor Geral
Vendas
Gerente de Vendas
Gerente de Atendimento ao
Cliente
Gerente de Distribuio
Diretor de Vendas
Gerente de Produto
Diretor de Marketing
Gerente de Demanda
Gerente Industrial, de Produo
ou de Fbrica
Manufatura
Diretor de Manufatura
Gerente de Suprimentos
Gerente de Garantia da Qualidade
Engenharia ou P&D
Finanas
Diretor de Finanas
Recursos Humanos
Gerente de Desenvolvimento
Gerente de Mtodos e Processos
Gerente de oramento
Gerente de Custos
Gerente de Pessoal
20
Aps essa breve introduo aos objetivos do S&OP e aos componentes de uma
poltica para o processo de S&OP, sero indicadas novas informaes igualmente essenciais.
Logo, Corra, Gianesi & Caon (2001) afirmam que, para que o processo ocorra e
tenha um bom desempenho, so fundamentais as informaes disponveis para a tomada de
deciso; no caso do S&OP, imprescindvel ressaltar itens que merecem uma ateno especial.
So eles:
Desempenho Passado
O autor estabelece que um dos aspectos mais importantes para o S&OP a
anlise do desempenho passado. A reduo dos desvios em relao ao plano
depende de uma anlise cuidadosa sobre o desempenho passado,
identificando as causas dos desvios e avaliando as alternativas para que
esses desvios sejam diminudos. Nessas condies, um planejamento com
olhos apenas para o futuro conduz ao risco de que os erros de desvios
continuem (CORRA, GIANESI & CAON, 2001).
Estado atual
o levantamento do estado atual em relao produo, s vendas, ao
estoque e carteira; este pode representar um problema para empresas com
pouca estrutura, apresentando informaes desencontradas sobre o mesmo
tema ou dados diferentes sobre o mesmo evento. eficaz que as
informaes sejam analisadas com o maior cuidado possvel (CORRA,
GIANESI & CAON, 2001).
Parmetros
So os dados que permitem transformaes; por exemplo: a quantidade que
dever produzir em relao necessidade ou capacidade. Observar que a
21
22
23
24
realizadas as anlises para a tomada de deciso ao longo de todo o processo. Toda rea da
empresa dever ter um responsvel, especificamente, para a preparao dessas informaes,
sendo esta tarefa tomada como atividade do seu dia-a-dia; haver, ainda, datas mensais
agendadas para a entrega desses resultados (CORRA, GIANESI & CAON, 2001).
Planejamento de Demanda
O Planejamento de Demanda, conforme mencionado, em geral, de responsabilidade
do marketing e da rea de vendas e consiste na elaborao de um plano de vendas bastante
chamativo, capaz de indicar o que a empresa estar disposta a vender e oferecer ao mercado,
para cada famlia de produto, mensalmente, ao longo do planejamento.
CHOPRA (2011), separa a demanda de produtos em duas partes: ou seja, produtos
com demanda estvel e produtos cuja demanda muda constantemente.
Ainda segundo referido autor, para produtos com a demanda mais estvel, necessrio
desenvolver um plano de oferta, relativamente mais simplificado. Isto : a organizao
providencia sua capacidade para atender determinada demanda esperada, produzindo a
quantidade que corresponde a esta demanda. Nesse caso, os produtos so elaborados prximos
poca em que sero comercializados e a cadeia de suprimentos, a seu turno, mantm o estoque
reduzido. J quanto aos produtos com uma demanda mais instvel, o estudioso classifica esta
mudana como constante, em razo de mudana previsvel (CHOPRA, 2011).
Sob tal razo de mudana previsvel, ainda Chopra afirma que causada por fatores
sazonais (por exemplo, jaquetas de esqui) e fatores no sazonais (por exemplo, promoes),
acrescentando que tal dinmica pode causar aumentos e declnios previsveis nas vendas
(CHOPRA, 2011). Para o autor, portanto:
Variabilidade previsvel a mudana na demanda que pode ser
prevista. (CHOPRA, 2011)
25
Planejamento de Produo
O Planejamento de Produo de responsabilidade da rea de manufatura e
apoiado pela produo e suprimentos. O objetivo do planejamento de produo
preparar (um ou mais) planos alternativos de produo para cada famlia de produtos,
procurando atender demanda, que, por sua vez, est representada pelo plano de
vendas. Tambm busca gerar nveis desejados de estoque, esses expressos pela poltica
de cada famlia de produtos, que sejam viveis em termos de capacidade e, tambm, em
termos de materiais crticos. Para Corra, Gianesi & Caon (2001), a ideia de se criar
planos alternativos ocorre porque, raramente, se consegue estabelecer um plano que
atenda a esses trs objetivos sem que haja contratempos para serem resolvidos.
26
LINGUAGEM R
A linguagem R (R Language) uma linguagem e um ambiente voltado para
Ambiente R
R um conjunto integrado de instalaes de software para manipulao de
dados, clculos e exibio em grficos. So constituio inclui:
Tratamento eficaz dos dados e armazenamento fcil;
Um conjunto de operadores para clculo de uma estrutura de dados, matriz;
Uma grande coleo de ferramentas intermedirias integradas e coerentes para
anlise de dados;
Exibies grficas em tela ou papel para anlise de dados;
Programao simples e eficaz (R LANGUAGE, 2015).
O termo ambiente utilizado para caracteriz-lo como um sistema
27
28
ESTATSTICA
Para Stigler:
Estatstica o ramo da matemtica aplicada cujo princpio deriva da
teoria da probabilidade, que tem por objeto o agrupamento metdico
assim como o estudo de sries de fatos ou de dados numricos. (apud
PEREIRA, 2014, p. 46)
29
Dados de Pesquisa
O pesquisador seleciona uma amostra de um grupo de pessoas e submete-os s
perguntas, registrando suas repostas; a partir da, pode retirar as informaes de sua
pesquisa. Um exemplo clssico deste tipo de coleta de dados a pesquisa eleitoral,
utilizada para prever a corrida eleitoral (MCCLAVE, 2009).
30
3.1 PROBABILIDADE
3.1.1 Conceitos Fundamentais
Segundo TAVARES (2012), os conceitos de probabilidade so utilizados para
estudar fenmenos aleatrios; ou seja: situaes em que os resultados desses fenmenos
31
32
Para que no ocorra confuses, ser utilizada medida numrica para auxiliar
na anlise: o Coeficiente de Correlao Linear (r) (PORTNOI, 2006).
O Coeficiente de Correlao Linear, tambm conhecido como Coeficiente de
Correlao de Pearson, mede o grau de relacionamento linear entre os valores de x e y
de uma amostra; mede a intensidade e a direo da relao, utilizando a frmula:
33
CORRELAO
Perfeita positiva
Forte positiva
Moderada positiva
Fraca positiva
nfima positiva
Nula
nfima negativa
Fraca negativa
Moderada negativa
Forte negative
Perfeita negativa
34
Caso o diagrama sugira uma relao linear, seria interessante representar este
padro em uma reta no grfico.
Para definir como ajustar essa reta dentro desse padro, ser utilizado o mtodo
dos mnimos quadrados (PORTNOI, 2006).
Para isso, a seguinte equao de regresso simples descreve a relao entre as
duas variveis da coleo dos dados amostrais, pela frmula:
Figura 9: Coeficiente
35
A Regresso Linear Mltipla, por sua vez, vem para calcular um dado
dependente que se deseja prever (y); porm, este dado depende de N variveis
independentes, conforme a frmula anterior, sendo representado por 2, 3, 4, .
36
(KDD), em portugus:
Descoberta de
37
38
39
RSTUDIO SHINY
SHINY um pacote open source que fornece um timo e poderoso framework
40
41
PROFESSIONAL EDITION
Todos recursos de fonte
aberta;
Perfeito para grupos de
trabalhos e empresas;
Suporta autenticao SSL;
Possui painel administrativo
com tempo real e dados
histricos de desempenho;
Pode usar vrios processos R
por aplicao.
http://rstudio.github.io/shinyserver/latest/
Viso Geral
Documentao
https://github.com/rstudio/shiny- server
Apoio
E-mail de Suporte
Resposta at 8 horas
Licena
Grtis
20 usurios simultneos
$9.995 /servidor /ano
20 usurios adicionais
simultneos $4.995 /servidor
/ano
150 usurios adicionais
simultneos $14.995/servidor
/ano
Preo
42
DESENVOLVIMENT DA APLICAO
O desenvolvimento da aplicao foi realizado por meio do software R Studio,
<-
read.table
Marques\\Desktop\\APP
("C:\\Users\\Felipe
43
Para cada produto X6 vendido, ser vendido 0,80 produtos X15 a mais e
recuar -0,39 do produto X20.
X8 = 20.547 + 28103x(-0,99) + 32509x(2,431) = 71.754,40
Figura 20: Clculo Regresso Linear produto X8
44
45
46
RESULTADOS OBTIDOS
Aps a anlise das tcnicas de regresso mltipla e correlao desenvolvidas,
as mesmas foram utilizadas nos 20 produtos dos dados ora examinados. Atendendo ao
intuito desta pesquisa cujo interesse voltava-se a diminuir o tempo gasto para fazer a
previso confivel sobre as vendas de uma organizao, os resultados atingidos foram:
8 horas
2 horas
Ganho
75%
16%
47
CONCLUSO
Aps reviso bibliogrfica dos temas envolvidos, verificou-se a necessidade de
uma ferramenta que possa auxiliar na eficcia de se agrupar dados histricos de vrios
anos, bem como emprega-los na realizao de clculos, em um curto espao de tempo, a
fim de apresentar tal dado lapidado e de uma forma de fcil entendimento.
Para atingir esse objetivo final, foi utilizado o processo de minerao de dados
(KDD), pois os dados recebidos estavam impressos em papeis, desorganizados,
constituindo dados inteis para a anlise desta pesquisa. Com a aplicao da minerao
dos dados e a transformao desses em informaes, foi aplicado o processo de
planejamento de vendas e operaes, buscando entender como as organizaes podem
fazer para alinhar e balancear sua demanda, preparando seu planejamento estratgico.
Compreendido o processo do S&OP, comearam os estudos em torno da
Estatstica e, igualmente, sobre o mtodo estatstico Correlao de Pearson, para aplicar
o aprendizado em forma de cdigo, no software de linguagem estatstica R Language.
Depois de realizar a verificao e o funcionamento do cdigo, iniciou-se a
implementao de uma interface com uma usabilidade mais facilitada, de tal modo que
o responsvel por esta rea de estratgia da empresa no necessite de um entendimento
de linguagem de programao e lgica excessivamente apurado, conseguindo utilizar a
ferramenta em forma grfica.
Enfim, conclui-se que o processo do planejamento de vendas e operaes,
junto com o mtodo estatstico Correlao de Pearson e a regresso mltipla auxilia
bastante a organizao para que tenha uma previso mais correta possvel, balanceando,
assim, sua oferta e demanda, de forma que a organizao no fique com dinheiro parado
em seu estoque, sendo que este poderia ser aplicado para vrias outras opes dentro da
organizao.
48
REFERNCIAS
BRITO, Marcelo. Aspectos tericos da minerao de dados e aplicao das regras
de
classificao
para
apoiar
comrcio.
Disponvel
em:
<
http://www.devmedia.com.br/aspectos-teoricos-da-mineracao-de-dados-e-aplicacao-asregras-de-classificacao-para-apoiar-o-comercio/25429#ixzz3pxx9or48>.
Acesso:
29
out. 2015.
CONTI,
Ftima.
Regresso
Correlao.
Disponvel
em:
Disponvel
em:
<http://www.devmedia.com.br/processo-de-descoberta-de-
conhecimento-em-bases-de-dados-revista-sql-magazine-108/26998#ixzz3rBeZL8sq>
Acesso: 11 nov. 2015.
PORTNOI,
Marcos.
Probabilidade
Estatstica.
Disponvel
em:
49