Acurácia de Modelos de Previsão de Demanda no Mercado da Soja Brasileira

Votdk, Jonwfer Lauro; Ribeiro, Rodolfo

doi:10.22167/2675-6528-202602240

Artigo

15 de setembro de 2026

Acurácia de Modelos de Previsão de Demanda no Mercado da Soja Brasileira

Jonwfer Lauro Votdk; Rodolfo Ribeiro

DOI: 10.22167/2675-6528-202602240

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A previsão de demanda é um componente crítico para decisões de planejamento e gestão de risco em cadeias de commodities, como a soja, nas quais a sazonalidade e a concentração de volumes podem amplificar impactos operacionais e econômicos. Avaliou-se a acurácia de modelos de previsão aplicados ao volume mensal exportado de soja em grão do Brasil, com o objetivo de identificar o modelo de previsão com melhor desempenho para esse contexto e estimar a exposição econômica associada ao erro de previsão. Utilizaram-se dados mensais de janeiro de 2016 a dezembro de 2025, obtidos no Comex Stat para o NCM 12019000. Os dados foram segregados em amostra de estimação (2016–2024) e amostra teste (2025) para validação fora da amostra. Implementaram-se cinco métodos: Naive, Naive sazonal, média móvel de 3 meses, média móvel de 12 meses e suavização exponencial sazonal (ETS). O desempenho foi mensurado por MAE, RMSE, MAPE, WMAPE e BIAS, adotando-se o WMAPE como critério principal por ponderar o erro pelo volume realizado; adicionalmente, estimou-se o custo do erro em US$ com base no valor FOB mensal. Os resultados indicaram que o ETS apresentou o melhor desempenho global na amostra teste, com menor erro e menor viés, seguido pelo Naive sazonal, enquanto o Naive e as médias móveis apresentaram maior subestimação, principalmente nos meses de pico. A incorporação explícita da sazonalidade e o uso de métricas complementares reduziram a incerteza e a exposição econômica associada ao erro de previsão no cenário analisado.

Palavras-chave: Custo de erro; Planejamento de demanda; Sazonalidade; Suavização exponencial; WMAPE.

1. Introdução

O agronegócio brasileiro tem na soja um pilar fundamental, posicionando-a centralmente no comércio internacional de commodities agrícolas. A oleaginosa responde por aproximadamente metade do volume de grãos produzidos no país (Agência GOV, 2025). O Brasil se destaca como o maior produtor mundial, com uma produção estimada em 169,49 milhões de toneladas na safra 2024/2025, cultivada em cerca de 58% da área agrícola nacional, o que corresponde a aproximadamente 47,61 milhões de hectares (Brasil, 2025). Essa projeção sublinha a relevância econômica, logística e estratégica do setor para a balança comercial e para o abastecimento de cadeias produtivas essenciais, como alimentação animal, óleo vegetal e biocombustíveis (EMBRAPA, 2025). Além disso, a soja possui uma participação significativa tanto no mercado externo quanto no consumo interno, com volumes expressivos de exportação e processamento (Vieira Filho, 2024).

A importância da soja no Brasil transcende a produção primária, estendendo-se por uma complexa cadeia de valor que engloba decisões de plantio, armazenagem, esmagamento, transporte, comercialização e exportação. Todas essas etapas são altamente sensíveis a flutuações de demanda, preços, câmbio, condições climáticas e infraestrutura (SCOT Consultoria, 2025). Em 2024, o volume de soja em grãos exportado atingiu 98.815 milhões de toneladas, enquanto 55.811 milhões de toneladas foram destinadas ao consumo interno. Este cenário ressalta a magnitude da cadeia e a necessidade de uma coordenação eficaz entre oferta e demanda. Consequentemente, a previsão de demanda torna-se um elemento crucial para empresas e agentes envolvidos no planejamento de vendas e operações, abastecimento, originação e gestão de estoques (EMBRAPA, 2025).

Apesar da relevância, a previsão de demanda no mercado da soja apresenta desafios inerentes, dado que a série temporal é influenciada por fatores estruturais e conjunturais. Estudos prévios sobre a soja no Brasil indicam que modelos estatísticos, como suavização exponencial, regressão e ARIMA, podem gerar resultados úteis, mas seu desempenho varia conforme as características da série, a sazonalidade, o horizonte de previsão e a ocorrência de choques externos (Schmidt et al., 2019). No campo da previsão de demanda, há um consenso de que não existe um método universalmente superior para todos os contextos, o que torna a comparação entre diferentes modelos uma etapa indispensável para identificar a abordagem mais adequada ao segmento estudado (Makridakis e Hibon, 2000). A literatura também adverte que a avaliação da acurácia é complexa, pois diferentes métricas podem levar a rankings distintos entre modelos e, em certas situações, podem apresentar problemas práticos ou interpretações enganosas (Hyndman e Koehler, 2006). Por isso, a comparação com modelos de referência, ou benchmarks, é fundamental, já que previsões sofisticadas nem sempre superam métodos mais simples (Goodwin, Petropoulos e Hyndman, 2017).

Previsões mais acuradas são essenciais no ambiente empresarial, especialmente em operações de planejamento de vendas e operações (S&OP), pois contribuem para a redução de rupturas, excessos de estoque, desalinhamentos entre suprimento e consumo e o desperdício de capital de giro. A acurácia não deve ser vista apenas como a proximidade entre o valor previsto e o realizado, mas também como a ausência de viés, a estabilidade ao longo do tempo e a adequação ao horizonte observado. Assim, a análise comparativa entre modelos de previsão no mercado da soja brasileira é pertinente tanto sob a ótica acadêmica quanto gerencial, oferecendo subsídios para decisões de planejamento, abastecimento e comercialização (Hyndman e Athanasopoulos, 2021). Diante desse contexto, o objetivo deste estudo é identificar o modelo de previsão com melhor desempenho para esse contexto e estimar a exposição econômica associada ao erro de previsão.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa aplicada, de abordagem quantitativa e objetivo descritivo-comparativo, avaliando o desempenho de diferentes modelos de previsão de demanda externa da soja brasileira a partir da comparação de métricas de acurácia. A análise baseou-se em séries temporais mensais de exportação de soja em grão.

Os dados foram extraídos do Comex Stat, sistema oficial do Ministério do Desenvolvimento, Indústria, Comércio e Serviços (MDIC) para estatísticas de comércio exterior, utilizando-se o código NCM 12019000 (Soja, mesmo triturada, exceto para semeadura). O período analisado compreendeu janeiro de 2016 a dezembro de 2025, totalizando 120 observações mensais. A amostra foi dividida em dois subconjuntos: janeiro de 2016 a dezembro de 2024 para estimação dos modelos, e janeiro a dezembro de 2025 para validação. A consulta no Comex Stat pode ser acessada em: https://comexstat.mdic.gov.br/pt/geral/149927.

As variáveis utilizadas foram tratadas e estão detalhadas na Tabela 1.

Tabela 1. Variáveis Utilizadas

Variáveis	Descrição
Tipo	Diferenciação entre Amostra teste e Amostra estimação
Ano	Ano referente ao dado apresentado
Mês	Mês referente ao dado apresentado
Data	Data completa referente ao dado apresentado
Código NCM	Nomenclatura Comum do Mercosul
Descrição NCM	Descrição da Nomenclatura Comum do Mercosul
Quilograma Líquido	Volume extraído do Comex Stat em kg
Volume em toneladas	Volume convertido para toneladas
Valor FOB US$	Valor correspondente FOB (“Free On Board”) em dólares

Fonte: Dados originais da pesquisa

A estratégia de validação adotada foi a validação fora da amostra, assegurando que os valores realizados de 2025 não fossem utilizados na etapa de construção dos modelos. As previsões geradas por cada modelo, bem como o cálculo das métricas de erro, foram implementadas por meio de fórmulas de Excel em uma planilha auxiliar, garantindo rastreabilidade entre dados originais, previsões e resultados de avaliação. Os modelos foram estimados com dados da amostra estimação e utilizados para gerar previsões para os 12 meses de 2025, comparadas com os valores realizados nesse período para avaliar a capacidade preditiva de cada método.

Foram implementados cinco modelos de previsão:

O Modelo Naive assume que a melhor previsão para um período corresponde ao valor observado no período imediatamente anterior. O valor de dezembro de 2024 foi considerado para janeiro de 2025, e as previsões subsequentes mantiveram esse valor fixo. Este modelo foi utilizado como “benchmark”.
O Modelo Naive sazonal considerou a sazonalidade anual, atribuindo como previsão para um mês o valor observado no mesmo mês do ano anterior (ex: janeiro de 2025 foi o realizado em janeiro de 2024). Este modelo é adequado para séries mensais com padrões sazonais recorrentes.
A Média móvel de 3 meses foi implementada a partir da média aritmética dos três meses imediatamente anteriores. Para a validação fora da amostra, uma série auxiliar foi criada para utilizar as próprias previsões geradas pelo modelo nos meses da amostra teste.
A Média móvel de 12 meses foi estimada de forma análoga, considerando 12 períodos para capturar padrões de longo prazo da série. Uma série auxiliar também foi criada para considerar os dados da previsão desse modelo para os meses de 2025.
O Modelo de suavização exponencial (ETS) com erro, tendência e sazonalidade foi implementado por meio da fórmula do Excel PREVISÃO.ETS(), que estima automaticamente os componentes da série com base nos dados históricos. Considerou-se o período de janeiro de 2016 a dezembro de 2024 e uma sazonalidade de 12 meses.

O desempenho dos modelos foi avaliado por métricas de erro e viés, calculadas no Excel a partir da comparação entre valores previstos e realizados da amostra teste. As métricas utilizadas foram:

Erro Absoluto Médio (MAE): Calculado pela equação (1): MAE = (1/n) × Σ|Yт – Ўт| em que: n é o número de meses calculado, igual a 12; Yт é volume realizado por mês em 2025; e Ўт é o volume observado pelo modelo no mês de comparação.
Raiz Quadrática do Erro Médio (RMSE): Calculado pela equação (2): RMSE = √(1/n) × Σ(Yт – Ўт)² em que: n é o número de meses calculado, igual a 12; Yт é volume realizado por mês em 2025; e Ўт é o volume observado pelo modelo no mês de comparação.
Erro Percentual Absoluto Médio (MAPE): Calculado pela equação (3): MAPE = (100/n) × Σ|(Yт – Ўт) / Yт| em que: n é o número de meses calculado, igual a 12; Yт é volume realizado por mês em 2025; e Ўт é o volume observado pelo modelo no mês de comparação.
Erro Percentual Absoluto Ponderado (WMAPE): Calculado pela equação (4): WMAPE = (Σ|Yт – Ўт| / ΣYт) × 100 em que: Yт é volume realizado por mês em 2025; e Ўт é o volume observado pelo modelo no mês de comparação.
BIAS (viés): Calculado pela equação (5): BIAS = (1/n) × Σ(Ўт – Yт) em que: n é o número de meses calculado, igual a 12; Yт é volume realizado por mês em 2025; e Ўт é o volume observado pelo modelo no mês de comparação.

Além das métricas estatísticas, o impacto econômico do erro de previsão de demanda foi estimado utilizando o Valor FOB US$ extraído do Comex Stat para o NCM 12019000 e a amostra teste. O objetivo foi compreender o impacto financeiro do erro, representando o valor associado ao volume incorretamente previsto. O preço unitário da tonelada para cada mês de 2025 foi calculado pela equação (6):

PUT = Valor FOB US$т / Yт

em que: PUT é o preço unitário mensal da tonelada; Valor FOB US$т é o valor observado no mês t; e Yт é o volume observado no mês de comparação.

Em seguida, o volume mensal de erro para cada modelo de previsão foi obtido pela equação (7):

eт = Ўт – Yт

em que: eт é o erro no mês; Ўт é o volume observado pelo modelo no mês de comparação; e Yт é volume realizado por mês.

Quando eт foi menor que 0, a previsão foi considerada subestimada; quando eт foi maior que 0, a previsão foi considerada superestimada. O custo do erro foi estimado como a exposição econômica atrelada ao preço unitário do mês de análise, conforme equação (8):

Cт = |eт| × PUT

em que: Cт é o custo do erro; eт é o erro no mês; e PUT é o preço unitário mensal da tonelada.

Em resumo, os modelos de previsão foram calculados na amostra teste para os 12 meses de 2025, garantindo comparabilidade. O desempenho preditivo foi mensurado por métricas complementares de erro e viés (MAE, RMSE, MAPE, WMAPE e BIAS), calculadas a partir da comparação entre valores previstos e realizados, e pelo custo do erro. Para a seleção do modelo de melhor desempenho, adotou-se o WMAPE como critério principal, por representar o erro percentual ponderado pelo volume realizado, reduzindo distorções em períodos de baixa magnitude e facilitando a interpretação gerencial. MAE e RMSE foram utilizados para identificar a magnitude do erro em toneladas, e BIAS para identificar a tendência de superestimação ou subestimação. O custo do erro em US$ forneceu uma dimensão econômica da subestimação e superestimação da demanda.

3. Resultados e Discussão

Este estudo avaliou a acurácia de diferentes modelos de previsão de demanda aplicados ao volume exportado mensal de soja em grão no Brasil, comparando as previsões geradas a partir da amostra de estimação com os valores realizados na amostra teste. O desempenho dos modelos foi mensurado por métricas complementares de erro e viés, como Erro Absoluto Médio (MAE), Raiz Quadrática do Erro Médio (RMSE), Erro Percentual Absoluto Médio (MAPE), Erro Percentual Absoluto Ponderado (WMAPE) e BIAS, além da exposição ao custo do erro. O WMAPE foi adotado como critério principal de seleção, por refletir o erro percentual ponderado pelo volume realizado, alinhando-se ao impacto gerencial do erro. As demais métricas forneceram suporte interpretativo, com MAE e RMSE avaliando a magnitude do erro, MAPE como medida percentual adicional, e BIAS identificando a tendência sistemática de superestimação ou subestimação (Hyndman e Koehler, 2006).

Na amostra de estimação, de janeiro de 2016 a dezembro de 2024, observou-se um comportamento sazonal no volume de soja exportada, impactado pelo ciclo de cultivo. A Figura 1 ilustra esse padrão, com baixos volumes no início do ano, picos entre março e maio, e redução gradual no segundo semestre. Essa sazonalidade reforça a necessidade de modelos que considerem essas variações (Hyndman e Athanasopoulos, 2021).

Figura 1. Volume de Soja exportada em toneladas entre janeiro/2016 e dezembro/2024

Fonte: Resultados originais da pesquisa e dados extraídos do sistema Comex Stat (MDIC)(Brasil, [s.d.])

As previsões de demanda para os meses de 2025, geradas pelos modelos Naive, Naive sazonal, Média Móvel de 3 meses (MM3), Média Móvel de 12 meses (MM12) e Suavização Exponencial Sazonal (ETS), foram calculadas a partir dos dados da amostra de estimação. A Tabela 2 apresenta esses valores previstos em comparação com o volume realizado.

Tabela 2. Previsão de demanda pelos modelos escolhidos para os meses de 2025

Data	Realizado	Naive	Naive sazonal	MM3	MM12	ETS
jan/25	1.069.087	2.006.054	2.854.860	3.089.530	8.233.987	3.114.695
fev/25	6.428.317	2.006.054	6.608.134	2.549.461	8.682.248	6.473.643
mar/25	14.657.781	2.006.054	12.600.297	2.548.348	8.855.090	13.037.785
abr/25	15.271.914	2.006.054	14.687.842	2.729.113	8.542.990	14.641.939
mai/25	14.099.745	2.006.054	13.436.721	2.608.974	8.030.919	14.481.086
jun/25	13.420.319	2.006.054	13.959.612	2.628.812	7.580.435	13.257.230
jul/25	12.257.306	2.006.054	11.249.768	2.655.633	7.048.837	10.679.878
ago/25	9.325.162	2.006.054	8.037.754	2.631.140	6.698.760	8.399.443
set/25	7.339.951	2.006.054	6.104.265	2.638.528	6.587.177	6.477.453
out/25	6.727.671	2.006.054	4.709.739	2.641.767	6.627.419	5.584.987
nov/25	4.197.159	2.006.054	2.552.798	2.637.145	6.787.226	4.543.391
dez/25	3.383.155	2.006.054	2.006.054	2.639.147	7.140.095	3.861.693

Fonte: Resultados originais da pesquisa e dados extraídos do sistema Comex Stat (MDIC)(Brasil, [s.d.])

O comparativo entre o volume realizado e as previsões de cada modelo para 2025, apresentado na Figura 2, revelou que os modelos Naive sazonal e ETS foram os que mais se aproximaram do volume real. Ambos os modelos consideram a sazonalidade como fator de previsão. O ETS, ao considerar a sazonalidade de 12 meses e utilizar dados de 9 anos, conseguiu identificar recorrência e tendência. O Naive sazonal replicou o padrão de 2024, apresentando picos e vales condizentes com a demanda de exportação de soja. Esse desempenho é consistente com estudos que indicam que métodos simples podem ser competitivos quando capturam a sazonalidade (Makridakis e Hibon, 2000).

Figura 2. Comparativo entre o volume realizado e as previsões de cada modelo para soja exportada em 2025

Fonte: Resultados originais da pesquisa e dados extraídos do sistema Comex Stat (MDIC)(Brasil, [s.d.])

Em contraste, os modelos Naive, MM3 e MM12 não se aproximaram do volume realizado em 2025. O modelo Naive, baseado apenas no mês anterior, subestimou significativamente o volume, pois considerou o baixo volume de dezembro de 2024 para todas as previsões de 2025. O MM3 apresentou um resultado semelhante, influenciado pelos baixos volumes de outubro a dezembro de 2024 e utilizando suas próprias previsões para os meses subsequentes. O MM12 captou a sazonalidade, mas com amplitude reduzida e deslocamento horizontal, o que se deve à inclusão de valores de média calculados pelo próprio modelo nos meses de pico, resultando em previsões mais baixas do que o realizado (Hyndman e Athanasopoulos, 2021; Makridakis e Hibon, 2000).

A análise das métricas de erro para o período da amostra teste, classificadas pelo WMAPE, confirmou o desempenho dos modelos. A Tabela 3 detalha esses resultados.

Tabela 3. Métricas de cada modelo de previsão de demanda

Modelo	MAE [t]	RMSE [t]	MAPE [%]	WMAPE [%]	BIAS [t]
ETS	851.536	1.045.768	23,8%	9,4%	-302.029
Naive sazonal	1.198.291	1.335.352	28,8%	13,3%	-780.810
MM12	4.047.505	4.670.175	94,2%	45,2%	-1.446.865
MM3	6.685.071	7.907.642	75,8%	74,2%	-6.348.331
Naive	7.164.904	8.411.923	74,9%	79,5%	-7.008.743

Fonte: Resultados originais da pesquisa

O modelo ETS apresentou o menor MAE (851.536 t) e RMSE (1.045.768 t), indicando a maior proximidade média entre previsão e realizado e a capacidade de evitar grandes divergências. O Naive sazonal foi o segundo melhor em ambos os critérios (MAE de 1.198.291 t e RMSE de 1.335.352 t), o que é esperado para um modelo que capta a sazonalidade anual. Os modelos Naive e MM3 registraram MAE e RMSE significativamente mais altos, sugerindo que suas previsões ficaram distantes do realizado, especialmente nos meses de pico (Hyndman e Athanasopoulos, 2021).

Em relação ao MAPE, o ETS obteve o menor valor (23,8%), seguido pelo Naive sazonal (28,8%). O MAPE do MM12 foi elevado (94,2%), influenciado por meses de baixo volume realizado, como janeiro, onde o erro percentual foi de 670,2%. Essa sensibilidade do MAPE a volumes baixos ressalta a importância de avaliá-lo em conjunto com outras métricas (Hyndman e Koehler, 2006).

O WMAPE, critério principal, confirmou o ETS como o melhor modelo (9,4%), seguido pelo Naive sazonal (13,3%). Os modelos MM12 (45,2%), MM3 (74,2%) e Naive (79,5%) apresentaram WMAPE consideravelmente mais altos. Modelos sem capacidade de capturar sazonalidade, como Naive e MM3, subestimaram os picos do primeiro semestre, concentrando erros absolutos em volumes realizados mais elevados e, consequentemente, elevando o WMAPE.

O BIAS, que indica a direção do erro, mostrou uma tendência predominante de subestimação em todos os modelos. O ETS registrou o viés mais próximo de zero (-302.029 t), enquanto o Naive sazonal (-780.810 t) também subestimou, mas em menor grau que os demais. Os modelos Naive (-7.008.743 t) e MM3 (-6.348.331 t) exibiram os maiores vieses negativos, indicando uma subestimação contínua que pode levar a decisões conservadoras e subdimensionamento da demanda (Hyndman e Athanasopoulos, 2021).

Para complementar as métricas estatísticas, o custo do erro foi calculado em dólares, considerando o Valor FOB US$ mensal e o volume exportado em cada mês de 2025. A Tabela 4 apresenta o custo unitário mensal por tonelada.

Tabela 4. Custo unitário mensal em dólares por tonelada

Data	Volume em tonelada	Valor US$ FOB	Custo unitário
jan/25	1.069.087	$ 433.412.725	$ 405,40
fev/25	6.428.317	$2.543.652.430	$ 395,69
mar/25	14.657.781	$5.673.615.141	$ 387,07
abr/25	15.271.914	$5.864.208.310	$ 383,99
mai/25	14.099.745	$5.501.158.133	$ 390,16
jun/25	13.420.319	$5.337.449.698	$ 397,71
jul/25	12.257.306	$ 5.001.850.667	$ 408,07
ago/25	9.325.162	$3.868.955.860	$ 414,89
set/25	7.339.951	$3.103.031.251	$ 422,76
out/25	6.727.671	$2.878.022.046	$ 427,79
nov/25	4.197.159	$1.827.759.344	$ 435,48
dez/25	3.383.155	$ 1.498.479.236	$ 442,92

Fonte: Resultados originais da pesquisa e dados extraídos do sistema Comex Stat (MDIC)(Brasil, [s.d.])

A variação do preço unitário ao longo de 2025, com preços mais baixos em meses de maior volume e mais altos em meses de menor volume, indica que o impacto econômico do erro de previsão é influenciado tanto pelo preço unitário quanto pelo volume. O custo anual do erro para cada modelo foi calculado e está detalhado na Tabela 5.

Tabela 5. Custo do erro para cada modelo de previsão de demanda

Modelo de previsão	Custo subestimação	Custo superestimação	Custo total
Naive	$34.057.820.976	$379.850.481	$34.437.671.457
Naive sazonal	$4.936.315.383	$1.009.597.624	$5.945.913.007
MM3	$31.253.339.787	$819.096.726	$32.072.436.513
MM12	$13.096.524.451	$6.588.500.089	$19.685.024.540
ETS	$2.815.053.787	$1.358.749.449	$4.173.803.236

Fonte: Resultados originais da pesquisa e dados extraídos do sistema Comex Stat (MDIC)(Brasil, [s.d.])

A maior parcela do custo do erro para todos os modelos avaliados está atrelada à subestimação, o que é consistente com os vieses negativos observados. Essa subestimação representa um risco operacional significativo, podendo gerar restrições logísticas e menor preparo para atender à demanda nos picos de exportação (Hyndman e Athanasopoulos, 2021; Fildes, Ma e Kolassa, 2019).

Nesse contexto, o ETS apresentou a menor exposição ao custo total do erro, com $4.173.803.236, o que corresponde a aproximadamente 9,5% do valor exportado em 2025. Este valor foi significativamente inferior aos custos de erro dos demais modelos. O Naive sazonal registrou $5.945.913.007, enquanto os modelos que não captaram a sazonalidade, como MM12 ($19.685.024.540), MM3 ($32.072.436.513) e Naive ($34.437.671.457), apresentaram custos de erro muito mais elevados. Essa diferença demonstra que os modelos ETS e Naive sazonal não apenas superaram os demais em acurácia, mas também foram mais eficazes na redução da exposição econômica associada ao erro de previsão.

Em síntese, as métricas estatísticas e de custo convergiram para a mesma conclusão prática: o modelo ETS foi consistentemente superior. Ele liderou no critério WMAPE e apresentou os menores MAE e RMSE, o MAPE mais baixo, o BIAS mais próximo de zero e o menor custo de erro. O Naive sazonal, embora não tenha sido o melhor, demonstrou bom desempenho e pode servir como um benchmark útil para monitorar o valor agregado de modelos mais sofisticados (Goodwin, Petropoulos e Hyndman, 2017). Por outro lado, os modelos de média móvel e o Naive não se mostraram adequados à dinâmica de 2025, falhando em capturar a sazonalidade e resultando em erros significativamente superiores (Makridakis e Hibon, 2000).

4. Conclusão

O presente estudo avaliou a acurácia de diferentes modelos de previsão aplicados ao volume mensal exportado de soja em grão do Brasil, buscando identificar o modelo de melhor desempenho e estimar a exposição econômica associada ao erro de previsão. Verificou-se que o modelo de Suavização Exponencial Sazonal (ETS) apresentou consistentemente o melhor desempenho na amostra teste, com menor erro percentual ponderado (WMAPE), menor erro absoluto (MAE e RMSE) e menor viés (BIAS). O modelo Naive sazonal também demonstrou bom desempenho, posicionando-se como uma referência comparativa robusta. Em contraste, os modelos Naive, Média Móvel de 3 meses e Média Móvel de 12 meses falharam em capturar a sazonalidade intrínseca da série temporal, resultando em subestimação significativa dos volumes de exportação, especialmente nos meses de pico, e, consequentemente, em erros substancialmente maiores e maior exposição econômica.

A principal contribuição do estudo reside na identificação de uma abordagem de previsão que minimiza a incerteza e a exposição econômica no planejamento da cadeia de exportação de soja brasileira. A adoção do modelo ETS, que incorpora explicitamente a sazonalidade, oferece subsídios gerenciais para decisões mais acuradas de planejamento de vendas e operações, abastecimento e gestão de riscos. A análise do custo do erro em dólares revelou que a subestimação da demanda representa a maior parcela da exposição econômica, indicando riscos operacionais significativos, como restrições logísticas e menor preparo para atender à demanda. A avaliação conjunta de métricas de erro e viés, complementada pela quantificação do impacto econômico, mostrou-se essencial para uma compreensão abrangente do desempenho dos modelos, reforçando que a análise de uma única métrica pode levar a interpretações enganosas.

Referências Bibliográficas

Agência GOV. Conab: safra de grãos 2024/25 será recorde com destaque para milho e soja. Agência Gov, 14 ago. 2025. Disponível em: . Acesso em: 10 abril 2026.

Brasil. Ministério do Desenvolvimento, Indústria, Comércio e Serviços (MDIC). Comex Stat: consulta geral (ID 149927). Brasília, DF: MDIC, [s.d.]. Disponível em: https://comexstat.mdic.gov.br/pt/geral/149927. Acesso em: 10 abril 2026.

Brasil. Secretaria de Comunicação Social da Presidência da República. Produção de grãos deve bater recorde com 332,9 milhões de toneladas na safra 2024/25. Gov.br, 15 maio 2025. Disponível em: . Acesso em: 10 abril 2026.

EMBRAPA. Dados econômicos. Londrina: Embrapa Soja, 2025. Disponível em: . Acesso em: 10 abril 2026.

Fildes, R.; Ma, S.; Kolassa, S. Retail forecasting: Research and practice. International Journal of Forecasting, v. 35, n. 1, p. 1–22, 2019. DOI: 10.1016/j.ijforecast.2018.06.004.

Goodwin, P.; Petropoulos, F.; Hyndman, R. A note on upper bounds for forecast-value-added relative to naïve forecasts. Journal of the Operational Research Society, v. 68, n. 9, p. 1082-1084, 2017.

Hyndman, R.; Athanasopoulos, G. Forecasting: Principles and Practice. 3. ed. OTexts, 2021. Disponível em: https://otexts.com/fpp3/.

Hyndman, R.; Koehler, A. Another look at measures of forecast accuracy. International Journal of Forecasting, v. 22, n. 4, p. 679–688, 2006.

Makridakis, S.; Hibon, M. The M3-Competition: results, conclusions and implications. International Journal of Forecasting, v. 16, n. 4, p. 451–476, 2000.

Schmidt, C.; Tayano, P; Santos, J.; Marujo, L.; Proença, G. Previsões estatísticas com base em séries temporais da cultura da soja no Brasil. Revista Técnico-Científica do CREA-PR, 2020.

SCOT Consultoria. Carta Grãos e Agricultura – Conab confirma produção histórica de soja no Brasil. Scot Consultoria, 27 maio 2025. Disponível em: . Acesso em: 10 abril 2026.

Vieira Filho, J. A produção de soja e sua importância na economia brasileira. Revista de Política Agrícola, v. 33, 2024, e01962. Disponível em: . Acesso em: 10 abril 2026.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Gestão de Negócios do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Mais recentes

13 de outubro de 2026

“Marca”: viabilidade econômica para moda sustentável LGBTQIA+ em São Paulo

13 de outubro de 2026

Preditores de óbitos em idosos com síndrome respiratória aguda grave confirmados por Influenza A(H1N1)pdm09

13 de outubro de 2026

Construindo a beleza desde cedo: comportamentos de consumo de maquiagem e skincare na Geração Alpha

13 de outubro de 2026

Uma visão geral comparativa das frotas de veículos elétricos no Brasil e na União Europeia

13 de outubro de 2026

População e Imigração no Japão: Projeções com Séries Temporais e Análise Causal Demográfica até 2044

13 de outubro de 2026

Marketing digital e engajamento no youTube: estratégias para canais de crimes reais no Brasil

13 de outubro de 2026

Utilização de técnicas de Machine Learning Não Supervisionado para planejamento de trabalho de revisão de remunerações para aposentadoria

13 de outubro de 2026

Gestão de vendas para o desempenho de uma empresa do setor imobiliário

13 de outubro de 2026

Delineo: Adaptação de modelo de difusão para prototipagem de interface de usuário guiada por esboço

Você também pode gostar

13 de outubro de 2026

“Marca”: viabilidade econômica para moda sustentável LGBTQIA+ em São Paulo

O cenário atual da moda, marcado pelo consumo excessivo de “fast fashion” e pela exclusão de corpos dissidentes, evidenciou a necessidade de marcas focadas em conscientização, “upcycling” e transmutação têxtil. Neste contexto, o estudo objetivou analisar a viabilidade econômica de uma marca de moda sustentável e inclusiva, direcionada ao público LGBTQIA+ na cidade de São Paulo. A pesquisa caracterizou-se como um estudo de caso quantitativo, fundamentado na aplicação de um questionário para aferir o comportamento de consumo e na projeção de cenários financeiros para um quinquênio. Os resultados revelaram um ticket médio viável de R$200,00 e confirmaram a rentabilidade da operação com um Valor Presente Líquido de R$ 47.699,49, uma Taxa Interna de Retorno de 343,70% e uma Taxa Interna de Retorno Modificada de 115,80%. A análise de sensibilidade comprovou a solidez do projeto, demonstrando retorno positivo mesmo em simulações pessimistas. O empreendimento mostrou-se viável, indicando que a união entre valores de sustentabilidade, economia social e estrutura financeira eficiente resulta em um negócio de baixo risco.

Palavras-chave: Análise de investimentos; Economia circular; Empreendedorismo; Impacto socioambiental; Vestuário.

13 de outubro de 2026

Preditores de óbitos em idosos com síndrome respiratória aguda grave confirmados por Influenza A(H1N1)pdm09

A infecção pelo vírus influenza A(H1N1)pdm09 pode evoluir para Síndrome Respiratória Aguda Grave (SRAG), com maior risco de óbitos em idosos. O objetivo foi analisar fatores preditores de óbito em casos de SRAG confirmados para influenza A(H1N1)pdm09, entre idosos com 60 anos ou mais, considerando fatores individuais e contextuais das Regiões Administrativas (RA) do Estado de São Paulo (ESP), e comparar o desempenho de modelos de regressão. Realizou-se um estudo descritivo e analítico no ESP, de 2023 a 2024, utilizando dados do SIVEP-Gripe e da Fundação SEADE. Incluíram-se 714 casos confirmados por RT-PCR de influenza A(H1N1)pdm09 em residentes do ESP com 60 anos ou mais. Analisaram-se variáveis sociodemográficas, clínicas, de internação, tratamento, vacinação e local de residência. Empregou-se regressão logística binária e hierárquica logística, com o desfecho de evolução para óbito. Dos 714 casos, 202 resultaram em óbito. O modelo final de regressão logística binária associou maior chance de óbito ao sexo masculino, idade avançada, saturação de oxigênio inferior a 95%, internação em UTI e uso de suporte ventilatório invasivo. A presença de tosse e o uso de antiviral foram associados a menor chance de óbito. O modelo hierárquico logístico apresentou desempenho semelhante, com pequena contribuição contextual residual das RA. Concluiu-se que o modelo de regressão logística binária foi suficiente e mais simples para representar os dados, sendo adotado como modelo final.

Palavras-chave: Influenza A(H1N1)pdm09; Modelagem hierárquica logística; Óbito por Influenza A(H1N1)pdm09; Regressão logística; Síndrome Respiratória Aguda Grave.

13 de outubro de 2026

Construindo a beleza desde cedo: comportamentos de consumo de maquiagem e skincare na Geração Alpha

O interesse feminino pela estética manifesta-se em diversas sociedades, sendo amplificado pelo avanço da internet e das redes sociais, que impulsionaram o surgimento de influenciadores digitais. O estudo analisou como o marketing de influência digital impacta o comportamento de consumo e a percepção estética de meninas da Geração Alpha (3 a 15 anos) no estado de São Paulo, sob a perspectiva de seus pais e/ou responsáveis, com foco no consumo precoce de maquiagem e skincare e na construção de padrões estéticos. Para isso, realizou-se uma pesquisa bibliográfica, aplicou-se um formulário quantitativo online e presencial, e conduziu-se uma entrevista com um médico dermatologista. Os resultados indicaram que o interesse pela beleza surge precocemente, com incentivo dos responsáveis. As jovens demonstraram desejo de pertencimento, e itens de maquiagem apresentaram ligeira predominância sobre os de skincare. A maioria dos participantes acreditou que o marketing de influência impacta as decisões de compra. Concluiu-se que o interesse pela beleza e o incentivo ao autocuidado são naturalizados desde cedo, e que o marketing de influência contribui para a formação de desejos de consumo, embora a amostra não probabilística limite generalizações.

Palavras-chave: Adolescentes; Crianças; Estética; Influenciadores; Redes Sociais.

13 de outubro de 2026

Uma visão geral comparativa das frotas de veículos elétricos no Brasil e na União Europeia

O transporte rodoviário contribui para aproximadamente 20% das emissões globais de CO2, impulsionando a busca por soluções de mobilidade mais limpas, como veículos elétricos. O objetivo deste estudo foi comparar os mercados de veículos elétricos no Brasil e na União Europeia, contrastando suas políticas, adoção por consumidores e desenvolvimento de infraestrutura. Empregou-se um desenho de pesquisa descritiva comparativa, analisando dados quantitativos da Associação Brasileira do Veículo Elétrico, Associação Nacional dos Fabricantes de Veículos Automotores, European Alternative Fuels Observatory e European Environment Agency para o período de 2015 a 2024, complementados por análise qualitativa de documentos de política. Os resultados revelaram uma divergência estrutural fundamental: o Brasil apresentou crescimento exponencial de 80,7% ao ano (2022-2025), com híbridos compreendendo aproximadamente 66% das vendas e impulsionado por incentivos fiscais que alavancam a bioeconomia do etanol. A União Europeia, por sua vez, mostrou expansão em fase de consolidação a uma taxa anual de 8,35% (2008-2025), com veículos elétricos a bateria superando 40% dos novos registros, impulsionados por mandatos regulatórios vinculativos. A análise de densidade de infraestrutura indicou que a rede pública de carregamento da União Europeia (55,3 pontos por mil veículos de combustível alternativo) era o dobro da brasileira (27,9 pontos por mil veículos eletrificados). A quantificação ambiental confirmou que a matriz energética predominantemente renovável do Brasil (64 gCO2/kWh) resultou em emissões well-to-wheel substancialmente menores em comparação com a matriz da União Europeia (246 gCO2/kWh). Concluiu-se que o modelo brasileiro, com incentivos fiscais neutros em tecnologia e aproveitamento da infraestrutura de biocombustíveis, pode acelerar a adoção de híbridos em economias emergentes com baixo gasto público. Para mercados maduros, o modelo da União Europeia, com mandatos regulatórios, estabeleceu um mercado dominante de veículos elétricos a bateria, embora com custo fiscal mais elevado.

Palavras-chave: Energia renovável; Mercado; Qualitativo; Quantitativo.

13 de outubro de 2026

População e Imigração no Japão: Projeções com Séries Temporais e Análise Causal Demográfica até 2044

O envelhecimento populacional e a baixa taxa de fecundidade configuram desafios demográficos complexos no Japão, acompanhados pela expansão da imigração estrangeira como resposta às restrições de oferta de mão de obra. O estudo teve como objetivo analisar as tendências demográficas japonesas e projetar sua evolução até 2044, com ênfase nas relações entre declínio populacional, fecundidade e imigração. Aplicaram-se os modelos de séries temporais ARIMA e Prophet a dados históricos do Banco Mundial, do Instituto Nacional de Pesquisa Populacional e Segurança Social do Japão e da Agência de Serviços de Imigração do Japão, abrangendo o período de 2003 a 2023 para a série populacional e de 2014 a 2024 para a série imigratória. A análise incluiu estatísticas descritivas, correlação de Pearson, teste de estacionariedade de Dickey-Fuller aumentado e testes de causalidade de Granger, além da avaliação preditiva por meio das métricas MAE e MAPE. Os resultados evidenciaram a continuidade da redução populacional e o crescimento do contingente de imigrantes nas projeções até 2044. O Prophet apresentou menores valores de MAE e MAPE nos conjuntos de teste, embora a curta extensão da série imigratória limitasse a capacidade de generalização. Os testes de causalidade temporal não identificaram evidências estatisticamente significativas de precedência entre população e imigração. Concluiu-se que a imigração pode contribuir para mitigar restrições de oferta de mão de obra, mas não constitui, isoladamente, mecanismo suficiente para reverter o declínio populacional japonês.

Palavras-chave: Declínio populacional; Demografia; Fertilidade; Fluxos migratórios; Séries temporais.

13 de outubro de 2026

Marketing digital e engajamento no youTube: estratégias para canais de crimes reais no Brasil

O fenômeno dos crimes reais consolidou-se como um nicho de crescimento no YouTube brasileiro, impulsionado pela expansão das mídias digitais e pelo fascínio do público. Contudo, muitos criadores enfrentaram dificuldades para alcançar crescimento sustentável. Analisou-se como as estratégias de marketing digital influenciaram o crescimento, o engajamento e a monetização de canais brasileiros de crimes reais na plataforma YouTube. Adotou-se pesquisa de abordagem mista, qualitativa e quantitativa, de natureza exploratória e descritiva. Analisaram-se quatro canais brasileiros do nicho por meio de análise documental de conteúdos, coleta de métricas públicas via Social Blade e Noxinfluencer, e aplicação de questionários a quatro criadores e a 104 espectadores. Os resultados evidenciaram que os canais de maior desempenho adotaram estratégias distintas, como abordagem narrativa linear e contextualizada, comunicação emocional personalizada, postura técnico-informativa ou conteúdo opinativo provocativo. Verificou-se convergência entre criadores e audiência sobre a centralidade do storytelling para retenção, com a maioria dos espectadores afirmando que a forma como a história era contada determinava a continuidade da visualização. Os criadores indicaram o tempo médio de retenção como métrica mais preditiva para crescimento sustentável, embora 100% dependessem exclusivamente do AdSense para monetização, revelando vulnerabilidade financeira. Concluiu-se que o sucesso no nicho depende da integração entre marketing digital, identidade narrativa consistente e responsabilidade ética.

Palavras-chave: creator economy; engajamento digital; marketing de conteúdo; storytelling; true crime.

13 de outubro de 2026

Utilização de técnicas de Machine Learning Não Supervisionado para planejamento de trabalho de revisão de remunerações para aposentadoria

O dimensionamento de pessoal e a gestão de fluxos de aposentadoria em órgãos públicos federais configuraram desafios estratégicos complexos. O estudo teve como objetivo aplicar técnicas de Machine Learning não supervisionado, especificamente Agrupamento (K-means) e Análise de Correspondência Múltipla (ACM), para aprimorar o planejamento de revisões funcionais em uma autarquia federal brasileira. A metodologia consistiu no processamento de uma base validada de 487 servidores ativos. Inicialmente, variáveis quantitativas, como idade, tempo de contribuição e remuneração, foram submetidas ao algoritmo K-means, resultando na formação de cinco clusters, apoiada no Método do Cotovelo e Coeficiente de Silhueta. Subsequentemente, os grupos foram integrados a variáveis qualitativas via ACM, projetadas em um mapa perceptual que explicou 74,81% da inércia dos dados. Os resultados revelaram que os clusters 0 e 3 representaram os perfis de maior criticidade previdenciária, concentrando todos os beneficiários de abono de permanência e a maioria dos cargos extintos. A pesquisa gerou um Plano de Ação escalonado, priorizando os 75 servidores desses clusters que integralizaram os requisitos de aposentadoria até 2025, com diretriz similar para 2026. Em contrapartida, o cluster 2 apresentou menor risco, com inatividade prevista apenas a partir de 2031. O modelo mostrou-se amplamente favorável como ferramenta de auditoria e saneamento, embora sua plena eficácia dependa de uma governança de dados mais rigorosa no serviço público.

Palavras-chave: Agrupamento; Análise de Correspondência Múltipla (ACM); Aposentadoria; Clusterização.

13 de outubro de 2026

Gestão de vendas para o desempenho de uma empresa do setor imobiliário

A gestão de vendas desempenha um papel estratégico no desempenho organizacional, especialmente em setores de desenvolvimento imobiliário, caracterizados por complexidade comercial. Este estudo teve como objetivo analisar a contribuição das práticas de gestão de vendas para o desempenho comercial e organizacional de uma empresa do setor imobiliário, considerando seu modelo de atuação e estrutura comercial. A pesquisa caracterizou-se como exploratória, com abordagem qualitativa e quantitativa, adotando um estudo de caso único. Coletaram-se dados por meio de triangulação, utilizando pesquisa documental e questionário estruturado aplicado à equipe de vendas terceirizada. Os resultados indicaram que a empresa estruturou suas práticas de gestão comercial com metas mensais e anuais, campanhas de marketing e sistemas de incentivos. O desempenho foi acompanhado por indicadores quantitativos, como volume de vendas e percentual de atingimento de metas. No período analisado, realizaram-se 179 vendas, correspondendo a 74,6% da meta anual estabelecida. Observaram-se oportunidades de aprimoramento no alinhamento entre planejamento comercial, acompanhamento de resultados e efetividade das estratégias. A percepção dos corretores apontou limitações nos sistemas de incentivo, como a ausência de progressividade nas comissões e a duração das premiações. Concluiu-se que, embora a gestão de vendas influencie o desempenho organizacional, existem fragilidades no alinhamento entre esforço, recompensa e motivação da força de vendas. Recomendaram-se o fortalecimento do acompanhamento sistemático, a melhoria da comunicação, a definição de metas mais realistas e a implementação de incentivos progressivos para potencializar os resultados comerciais.

Palavras-chave: Estratégias de vendas; Força de vendas; Gestão comercial; Indicadores de desempenho; Setor imobiliário.

13 de outubro de 2026

Delineo: Adaptação de modelo de difusão para prototipagem de interface de usuário guiada por esboço

A evolução da inteligência artificial e das redes neurais profundas revolucionou as interações humano-máquina. Modelos generativos, embora promissores para a síntese de imagens, enfrentam desafios na prototipagem de interfaces de usuário (UI) ao falhar em respeitar a estrutura espacial. Para solucionar essa divergência, propôs-se uma abordagem de difusão latente condicionada, integrando uma arquitetura de controle a um modelo de larga escala ajustado para interfaces móveis, que suportou esboços de UI para guiar a inferência de imagens. A base de dados de treinamento foi composta por aproximadamente 12.400 imagens de UI e esboços de fontes públicas, pré-processadas e enriquecidas com dados sintéticos e instruções textuais. A abordagem utilizou um modelo Stable Diffusion 3.5 Large como base, adaptado com ControlNet canny edges e um adaptador LoRA. A viabilidade da abordagem foi validada por avaliação quantitativa, empregando uma métrica de similaridade semântica normalizada (SSN) baseada em Sentence-BERT, e por análise qualitativa com 20 especialistas da indústria. Os resultados confirmaram que o método superou as capacidades do modelo original. Contudo, a avaliação evidenciou que a eficácia na estruturação lógica da interface ainda enfrentava degradação estética e perda de elementos funcionais. Concluiu-se que, embora a tecnologia comprove sua viabilidade técnica para otimizar a transição entre requisitos e a implementação de código, a automatização de processos criativos demanda aprimoramentos arquiteturais para atingir o rigor visual exigido pela indústria de desenvolvimento de software.

Palavras-chave: Adaptação de baixo posto; Aprendizado de máquina; Difusão latente condicionada; Redes neurais profundas.

Saúde

13 de outubro de 2026

O elo perdido da transformação da saúde

Por que inovar não basta para provocar mudanças nas organizações e nos sistemas de saúde A transformação digital consolidou-se como prioridade estratégica para os sistemas de saúde em todo o mundo. Prontuários eletrônicos, inteligência artificial, telemedicina, monitoramento remoto e análise de dados passaram a integrar a agenda estratégica de governos e organizações de saúde. Paradoxalmente, […]

Marketing

09 de outubro de 2026

Bitcoin ou pets: o que a Inteligência Artificial não veria

Um caso real de consumer intelligence mostra o que fica fora do briefing Há alguns anos, uma seguradora americana contratou uma empresa especializada em consumer intelligence para responder a três perguntas: A seguradora também avaliava lançar seguros pagos em bitcoin. Na época, o processo de trabalho da consultoria funcionava assim: o analista criava uma query […]

Gestão Escolar

06 de outubro de 2026

A escola não é um cassino: quando figurinhas viram moeda no pátio

Por que, para determinados estudantes, a escola consegue oferecer tão poucas experiências de conquista? A Copa do Mundo acabou. O Brasil deixou a competição, vieram as férias escolares, a final foi disputada e o calendário do futebol seguiu adiante. Seria razoável imaginar que, com o fim do torneio e o retorno às aulas, também começasse […]

Transição Energética

30 de setembro de 2026

Energias renováveis: a vantagem brasileira

Brasil precisa investir na capacidade de transformar recursos naturais em inovação, produtividade e desenvolvimento Falar sobre energia é falar sobre desenvolvimento. Por trás da indústria, dos transportes, dos serviços, das cidades e, cada vez mais, da inteligência artificial, existe uma infraestrutura energética que sustenta a economia. Compreender a matriz energética de um país é compreender […]

Análise De Dados

30 de setembro de 2026

Quando o dado muda, a realidade mudou?

Análise de quase 20 milhões de vínculos-ano docentes entre 2020 e 2025 mostra como mudanças na composição da população e na produção dos registros podem alterar a interpretação de série histórica Entre 2020 e 2025, o número de vínculos formais de trabalho docente identificados na RAIS (Relação Anual de Informações Sociais), do Ministério do Trabalho, […]

Inteligência Artificial

28 de setembro de 2026

Inteligência artificial e as trends

Por que tantas pessoas aderem às brincadeiras com o ChatGPT? Nunca fui a pessoa da trend. Continuo não sendo. Algumas passam pela minha timeline, vejo, acho interessante mas não a ponto de experimentar. Foi assim, inclusive, com algumas ondas recentes de imagens feitas por inteligência artificial, como a trend dos anos 80, aquela que nos […]

Gestão De Projetos

25 de setembro de 2026

A IA acelera as respostas; quem assume as decisões?

Velocidade da tecnologia só vira vantagem quando acompanha a capacidade de compreender, verificar e assumir a responsabilidade pelos resultados Imagine uma equipe que passa a produzir em uma tarde as análises que antes exigiam uma semana. A mudança parece justificar o investimento em inteligência artificial. Mas, antes de contabilizar o ganho, cabe perguntar quem examinou […]

Inovação

14 de setembro de 2026

Não lemos apenas palavras

Como novos códigos, tecnologias e formas de comunicação ampliam aquilo que precisamos aprender a interpretar Ser alfabetizado costuma ser entendido inicialmente como: reconhecer letras, formar palavras, compreender frases e produzir textos. Durante muito tempo, foi principalmente a partir desse domínio que definimos o que significava saber ler e, consequentemente, participar de diferentes espaços da sociedade. […]

Redes Sociais

14 de setembro de 2026

O efeito da influência no consumo

O que a pesquisa Youpix/Nielsen 2026 mostra sobre o avanço da Creator Economy Em 2025, 80% dos consumidores brasileiros compraram algum produto recomendado por influenciadores. Em 2026, o índice chegou a 81%. A estabilidade em um patamar tão elevado indica que a compra por influência deixou de ser um comportamento restrito a determinados públicos. O […]

Gestão Tributária

01 de setembro de 2026

Reforma tributária e planejamento patrimonial no campo

Eficiência para gerenciar os impostos facilita a governança e permite organizar a sucessão familiar A organização patrimonial rural virou uma medida estratégica diante da reforma tributária no Brasil, que entrou em vigor neste ano. O planejamento das atividades e da gestão do patrimônio rural, por meio de ferramentas como a transição da Pessoa Física para […]

Renata de Gaspari Valdejão Almeida

Inteligência Artificial

05 de agosto de 2026

Dentro da empresa e fora do radar: os riscos da Shadow AI

Segundo a Microsoft, 75% dos profissionais já utilizam inteligência artificial no trabalho sem homologação da empresa O uso da inteligência artificial generativa já faz parte da rotina corporativa. Ferramentas como ChatGPT, Copilot e outras plataformas ajudam profissionais a produzir textos, analisar dados, criar apresentações e acelerar tarefas em praticamente todos os setores. Mas esse avanço […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julho de 2026

O futuro como competência

Interesse acadêmico reforça a projeção de cenários como ferramenta essencial para a tomada de decisões Enquanto algumas empresas ainda tentam acertar o próximo passo, outras já trabalham com múltiplos futuros possíveis — e se preparam para todos eles. Mas afinal, o que significa “pensar o futuro”? É tendência, é estratégia ou uma nova competência que […]

Renata de Gaspari Valdejão Almeida

Inovação

Tecnologia

21 de maio de 2026

Corredor Agro SP: inovação, articulação institucional e futuro

Pecege comanda operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educação

27 de abril de 2026

Como transformar um TCC em negócio

Nova gestão do Parque Tecnológico de Piracicaba oferece consultoria a egressos de MBAs O novo diretor de projetos do Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, costuma dizer que uma das maiores recompensas que já teve na vida foi ver seus orientandos do MBA USP/Esalq estruturarem empresas a partir de seus trabalhos de conclusão de […]

Tecnologia

20 de março de 2026

O repertório humano na era da IA

Pensamento crítico e criatividade são insubstituíveis no trabalho do profissional de marketing A Inteligência Artificial (IA) é capaz de feitos incríveis, mas ainda não possui a capacidade de julgamento, empatia, intuição e criatividade estratégica necessárias para fazer o trabalho de um bom profissional de marketing. Nessa área, é importante saber usar a ferramenta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

23 de fevereiro de 2026

ESG como estratégia de crescimento em uma cooperativa do RS

Santa Clara equilibra responsabilidade social e ambiental com inovação Fundada em 1911 por imigrantes italianos em Carlos Barbosa, na serra gaúcha, a Cooperativa Santa Clara é um exemplo de que é possível equilibrar o crescimento econômico com a responsabilidade social e ambiental. De uma pequena empresa de produção de queijos, a organização evoluiu para um […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

22 de janeiro de 2026

Brasil livre de febre aftosa: o que muda para a carne brasileira?

Com um rebanho de mais de 200 milhões de cabeças de gado, o país é atualmente o líder em exportações O Brasil recebeu recentemente, pela primeira vez, a certificação de país livre de febre aftosa sem vacinação, conferida pela Organização Mundial de Saúde Animal (OMSA). O selo fortalece a posição do país como fornecedor de carne confiável para o […]

Renata de Gaspari Valdejão Almeida

Inovação

09 de dezembro de 2025

Inovação: o novo ciclo do Parque Tecnológico de Piracicaba

Instituto Pecege assume a gestão apostando na criação de novos negócios A partir de 2026, o Instituto Pecege assumirá a gestão do Parque Tecnológico de Piracicaba (PTP). Entre suas responsabilidades estarão a administração, operação, manutenção e expansão do parque, além do fomento de atividades de inovação, empreendedorismo e ciência e tecnologia. A escolha foi feita […]

Renata de Gaspari Valdejão Almeida

06 de julho de 2026

Arquitetura de Grande Porte: Gestão de Mudanças DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação. A arquitetura e o urbanismo configuram-se como bases imprescindíveis em um espaço urbano cada vez mais complexo e desafiador, onde a intrínseca conexão entre questões sociais, ambientais e tecnológicas […]