Inteligência competitiva e modelos de séries temporais para previsão de consumo : o estudo de uma empresa do setor metalúrgico
Zusammenfassung
O mundo vive um contínuo e acelerado processo de transformação que envolve todas as áreas
do conhecimento. É possível afirmar que a velocidade desse processo tem uma relação direta
com a rapidez em que ocorrem as mudanças na área tecnológica. Estas mudanças têm tornado
cada vez mais as relações globalizadas, modificado as transações comercias e fazendo com
que as empresas repensem as formas de competir. Nesse contexto, o conhecimento assume, a
partir do volume de dados e informações, um papel de novo insumo, muitas vezes com maior
importância que o trabalho, capital e a terra. Essas mudanças e a importância da informação
fazem com que as empresas busquem um novo posicionamento, procurando identificar no
ambiente externo sinais que possam indicar eventos futuros. O grande desafio das empresas
passa pela obtenção de dados, extração da informação e transformação dessa em
conhecimento útil para a tomada de decisão. Nessa conjuntura este estudo teve como objetivo
identificar qual o modelo de previsão de consumo para análise das informações no processo
de Inteligência Competitiva em uma empresa do setor metalúrgico localizada no estado do
Rio Grande do Sul. No desenvolvimento do estudo foram utilizados os temas Big Data, Data
Mining, Previsão de Demanda e Inteligência Competitiva com a finalidade de responder à
seguinte questão: Qual o modelo de previsão de consumo de aço que pode ser usado para
análise das informações no processo de Inteligência Competitiva? Na realização do estudo
foram analisados dados internos e externos a empresa na busca pela identificação de
correlação entre o consumo de aço da empresa e variáveis econômicas que posteriormente
foram utilizadas na identificação do modelo de previsão de consumo. Foram identificados
dois modelos, um univariado sem intervenção através da metodologia de Box e Jenkins, o
segundo modelo foi um modelo de previsão com Função de Transferência. Os dois modelos
apresentaram uma boa capacidade de descrever a série histórica do consumo de aço, mas o
modelo univariado apresentou melhores resultados na capacidade de previsão.