Artigo

26 de outubro de 2026

Aplicação da metodologia CRISP-DM no mapeamento do fluxo de dados na área de finanças

Alexandre Barbosa de Souza; Elaine Barbosa de Figueiredo

DOI: 10.22167/2675-6528-202600480

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

Aplicou-se a metodologia CRISP-DM para mapear o fluxo de dados na área de planejamento financeiro e orçamentos de uma empresa industrial. O estudo abordou o desafio de processos manuais e o uso intensivo de planilhas na consolidação de dados financeiros, que comprometiam a produtividade, precisão, governança e estratégias. O objetivo foi desenvolver uma solução de dados capaz de automatizar o fluxo de informações, reduzir a interferência humana, aprimorar a governança corporativa e a qualidade dos dados, e agilizar as estratégias empresariais. A metodologia seguiu as seis fases do modelo CRISP-DM: compreensão do negócio, compreensão dos dados, preparação dos dados, modelagem, avaliação e implantação. A arquitetura técnica envolveu a extração de dados do sistema de gestão para um banco de dados, utilizando Python para processar e enriquecer os registros, e focou na engenharia, manipulação e integração de dados, além da produção de visualizações no Power BI, sem modelagem de algoritmos de aprendizado de máquina. Os resultados preliminares indicaram uma melhora significativa na eficiência operacional, com redução do tempo total de processamento de três horas e quarenta minutos para um intervalo entre dez e dezessete minutos. Observou-se maior agilidade na identificação de classificações ausentes e uma redução nos erros de classificação de 14% para menos de 0,05%. Painéis interativos foram implementados para facilitar a visualização e o monitoramento. A aplicação do método CRISP-DM viabilizou o desenvolvimento ágil e seguro da solução, proporcionando uma visão abrangente do negócio e indicadores para decisões estratégicas e monitoramento contínuo.

Palavras-chave: Automação; Eficiência Operacional; Engenharia de Dados; Governança de Dados; Planejamento Financeiro.

1. Introdução

O cenário empresarial contemporâneo é marcado por uma crescente dependência de dados para a tomada de decisões estratégicas, especialmente em áreas críticas como o planejamento financeiro e orçamentário. A capacidade de coletar, processar e analisar informações de forma eficiente tornou-se um diferencial competitivo, impulsionando a busca por soluções que otimizem o fluxo de dados e garantam a integridade das informações. Empresas do setor industrial, em particular, enfrentam o desafio de gerenciar grandes volumes de dados provenientes de diversas fontes, exigindo abordagens sistemáticas para transformar esses dados em inteligência acionável.

Em muitas organizações, a gestão de dados financeiros ainda se baseia em processos manuais e no uso intensivo de planilhas eletrônicas para a consolidação de informações. Essa dependência de métodos tradicionais, conforme observado no contexto de uma empresa industrial de médio porte em crescimento, resulta em impactos negativos significativos na produtividade, precisão dos dados, escalabilidade e governança corporativa. A manipulação manual de dados e a criação de vínculos entre múltiplos arquivos e planilhas elevam o risco de erros, comprometem a confiabilidade e dificultam a auditoria, fatores cruciais para a gestão e monitoramento da estratégia empresarial, conforme apontado por Carvalho et al. (2020) ao discutir a importância da conformidade (compliance) com leis e normas institucionais.

A ausência de uma metodologia estruturada para projetos de dados agrava essa problemática. Pesquisas indicam que a maioria dos projetos de dados não emprega uma metodologia, o que leva ao insucesso e ao desperdício de recursos, como destacado por Shimaoka et al. (2024). Além disso, a compreensão da necessidade de uma engenharia de dados robusta é fundamental, conforme exposto por Reis e Housley (2024). A engenharia de dados compreende a preparação de dados brutos de diversas fontes por meio de um processo conhecido como ETL (Extract, Transform and Load), que abrange o tratamento e a transformação para consumo em fluxos de análise, também chamado de pipeline de dados, essencial para a tomada de decisão (Inmo, 2005; Escovedo e Kalinowski, 2023).

Nesse contexto, a metodologia CRISP-DM (Cross Industry Standard Process for Data Mining) surge como uma alternativa consolidada. Ela é reconhecida por sua robustez, flexibilidade e eficácia em diversos ambientes corporativos, incluindo o setor financeiro (Shearer, 2000; Plotnikova et al., 2022). Definida como uma sistematização estruturada que guia desde fases gerais até instâncias de processos específicos (Chapman et al., 2000), a CRISP-DM oferece um arcabouço para o desenvolvimento ágil e seguro de soluções de dados. Sua aplicação é adaptável a diferentes segmentos, como a engenharia de equipamentos ou infraestrutura, e pode ser integrada a ferramentas de controle de qualidade, como o Seis Sigma, para melhoria contínua e redução de falhas (Huber et al., 2018; Araújo e Silva, 2019).

A inteligência de dados, ou Business Intelligence, conforme descrito por Oliveira e Rondina (2023), é um componente essencial para transformar grandes volumes de dados em visualizações gráficas que apoiam a tomada de decisões estratégicas. No âmbito financeiro, isso se traduz em uma visão clara dos impactos no fluxo de caixa (visão financeira) e no desempenho e rentabilidade do negócio (visão orçamentária), conforme elucidado por Padoveze (2012). A capacidade de categorizar despesas operacionais (Opex) e investimentos de capital (Capex) (Assaf Neto, 2021; Gitman, 2017) é crucial para uma análise financeira detalhada e estratégica.

A lacuna identificada na gestão de dados financeiros, caracterizada pela ineficiência dos processos manuais e pela ausência de uma metodologia padronizada, justifica a busca por soluções inovadoras. A aplicação da metodologia CRISP-DM representa uma oportunidade para mitigar os riscos associados à manipulação de dados, otimizar a produtividade e aprimorar a governança. Diante desse cenário, o presente trabalho teve como objetivo aplicar a metodologia CRISP-DM no mapeamento do fluxo de dados da área de finanças, visando sistematizar as fases do projeto, desenvolver uma solução de dados para elevar a produtividade, preservar os dados, automatizar o processo de ETL, aumentar a confiabilidade nas etapas de engenharia, reduzir a interferência humana, aprimorar mecanismos de auditoria e governança, unificar bases de dados primárias e elevar a qualidade da classificação dos dados, possibilitando análises mais assertivas para direcionar as estratégias do negócio.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa aplicada, de natureza descritiva, com abordagem metodológica baseada na aplicação do Processo Padrão Interindústrias para Mineração de Dados (CRISP-DM). O objetivo central foi mapear o fluxo de dados da área de planejamento financeiro e orçamentário de uma empresa industrial, visando sistematizar as fases do projeto e desenvolver uma solução de dados para otimizar processos e aprimorar a gestão de informações.

A pesquisa foi conduzida em uma empresa industrial de médio porte, de sede brasileira, que tem apresentado crescimento consistente nos últimos anos. Para preservar a confidencialidade e a privacidade, o nome da organização e os dados específicos de sua operação foram mantidos em anonimato. A unidade de análise concentrou-se nos processos e fluxos de dados da área de finanças e orçamentos.

A metodologia CRISP-DM foi selecionada por sua robustez e adaptabilidade, sendo amplamente reconhecida no mercado para projetos de dados (Shearer, 2000; Plotnikova et al., 2022). O processo foi estruturado em seis fases interligadas, conforme proposto por Chapman et al. (2000) e pela Data Science Process Alliance (2024): Compreensão do Negócio, Compreensão dos Dados, Preparação dos Dados, Modelagem, Avaliação e Implantação.

Na fase de Compreensão do Negócio, foram realizadas reuniões com os gestores da área de finanças para determinar os objetivos do projeto, que incluíam a automação do processo de classificação de dados e a utilização de softwares já existentes na empresa. Avaliou-se o contexto atual, identificando riscos associados ao controle manual de dados em planilhas e a múltiplas fontes de informação, que poderiam impactar a produtividade e a precisão.

Os objetivos de mineração de dados foram definidos para construir uma base de dados enriquecida com variáveis como contas de resultado, centros de lucro, divisão, NCM de produto, responsáveis e classificação do tipo de registro (Opex ou Capex), além de um indicador de governança. Um plano de trabalho foi elaborado, abrangendo sete semanas, com atividades de mapeamento, desenho da solução, testes unitários e integrados, e solicitação de acessos a sistemas e ferramentas.

A fase de Compreensão dos Dados envolveu a análise do dicionário de dados em conjunto com a área de negócio. Os dados necessários foram obtidos de múltiplas fontes, incluindo o sistema de gestão (ERP) e planilhas Excel recebidas por e-mail ou em pastas compartilhadas. Realizou-se uma descrição detalhada dos dados de diversas áreas, como pagamentos, faturamento, compras, vendas, controladoria, recursos humanos e contabilidade.

Durante a exploração dos dados, observou-se a relação entre insumos metálicos e serviços de tratamento. Na avaliação da qualidade, identificou-se que aproximadamente 11% dos dados da variável de pedido de compra foram excluídos, cerca de 99,8% dos dados de centro de lucro estavam ausentes, e 99,9% das ordens de venda também apresentavam ausência. Aproximadamente 40% dos dados da conta contábil foram incorretamente atribuídos, conforme registros de log.

A fase de Preparação dos Dados, considerada a mais intensiva em tempo (Jung, 2024), focou na seleção, limpeza e construção de novos atributos. Os dados foram selecionados a partir do ERP, abrangendo 19 variáveis, como empresa pagadora/recebedora, códigos de fornecedor e cliente, conta contábil, pedido de compra, ordem de venda, documento de compensação, documento contábil de origem, divisão, centro de lucro, tipo de documento, código de bloqueio, datas de documento, lançamento e vencimento, condição de pagamento, código do item, código da moeda e código de débito/crédito (Iudicibus, 2019).

Os dados foram limpos, corrigindo-se informações ausentes ou incorretas, e novos atributos foram construídos, como a razão social vinculada ao código do cliente/fornecedor e a descrição do tipo de registro financeiro (Opex ou Capex). A integração de outras fontes foi suprimida, pois o sistema de gestão tornou-se a fonte primária, e o conjunto de dados final não exigiu nova formatação, estando em conformidade com as características especificadas.

Para a arquitetura técnica, os dados foram armazenados em um banco de dados relacional SQL. Desenvolveram-se interfaces de programação de aplicações (APIs) para extrair dados diretamente do ERP (Saudate, 2017). O processo de transformação foi realizado em Python, utilizando as bibliotecas Pandas, Numpy, Polars, Requests e OpenPyXL, para tratar registros, analisar dados nulos e duplicados, e enriquecer a tabela de saída com novas variáveis. O resultado foi um arquivo Excel, posteriormente integrado ao Power BI para visualizações interativas.

Na fase de Modelagem, não houve a necessidade de aplicar algoritmos complexos de aprendizado de máquina. O modelo inicial foi criado com base no escopo e nas diretrizes das fases anteriores do CRISP-DM. Durante os testes, identificaram-se e corrigiram-se erros relacionados à identificação de sinais de valores, tamanho de caracteres em campos específicos e descrições vinculadas ao tipo de registro financeiro. O modelo foi construído pela equipe de desenvolvimento e validado com uma base de dados históricos de até três anos.

A fase de Avaliação concentrou-se na qualidade dos dados de saída, verificando a ausência de perdas, duplicidade de registros e consistência com o esquema do banco de dados. Observou-se uma redução de aproximadamente 92% no tempo de processamento para a entrega do produto. Os logs da solução foram implementados para permitir a auditoria e rastreabilidade da classificação financeira. O processo foi revisado em cada fase, e não foram identificadas falhas que exigissem retrabalho, permitindo a transição para a fase de implantação.

Por fim, a fase de Implantação (Deployment) envolveu o planejamento da disponibilização da solução em produção, em conjunto com as equipes de tecnologia e finanças da empresa e da consultoria. Uma operação assistida de trinta dias foi realizada, com suporte da equipe de desenvolvimento. Mecanismos de alerta para falhas e períodos de manutenção foram desenvolvidos, e a documentação do projeto foi elaborada e revisada continuamente. Os desafios e sucessos foram registrados para compor uma base de conhecimento para futuros projetos.

3. Resultados e Discussão

A aplicação da metodologia CRISP-DM no contexto do planejamento financeiro e orçamentário da empresa industrial revelou uma série de achados significativos, que se desdobraram ao longo das seis fases do processo, desde a compreensão do negócio até a implantação da solução. Os resultados demonstraram uma transformação substancial na gestão do fluxo de dados, abordando os desafios iniciais de processos manuais e a dependência de planilhas, que comprometiam a produtividade, a precisão e a governança corporativa. A solução desenvolvida não apenas automatizou o fluxo de informações, mas também elevou a qualidade dos dados e a agilidade na tomada de decisões estratégicas, conforme o objetivo central do estudo.

Na fase inicial de Compreensão do Negócio, o estudo identificou claramente a necessidade de automação do processo de classificação de registros para o fluxo de caixa e orçamentos. A atividade, anteriormente executada de forma manual, dependia de múltiplas fontes de dados e do uso intensivo de planilhas Excel, que funcionavam como um “banco de dados” e ferramenta de ETL (Extract, Transform and Load) rudimentar, com automação via macros. Essa abordagem, conforme apontado por Shimaoka et al. (2024), eleva significativamente o risco de insucesso em projetos de dados, superando 80% quando não há uma base metodológica estruturada. A intervenção humana direta na digitação e na criação de vínculos entre arquivos e planilhas era um fator crítico de risco para a integridade dos dados e a produtividade.

A estruturação de um cronograma de atividades de sete semanas para a entrega da solução foi um passo fundamental para mitigar os riscos associados à ausência de uma metodologia. A clareza dos objetivos, focados em elevar a produtividade, preservar os dados, sistematizar o processo de ETL, aumentar a confiabilidade da engenharia de dados, reduzir a interferência humana, aprimorar a auditoria e governança, unificar bases de dados e melhorar a classificação, guiou todas as etapas subsequentes. Essa abordagem sistemática, inerente à CRISP-DM, foi crucial para o direcionamento eficaz do projeto e para a alocação otimizada de recursos, evitando o desperdício frequentemente associado a projetos de dados sem metodologia.

A fase de Compreensão dos Dados permitiu um mapeamento detalhado das múltiplas fontes de dados e a criação de um dicionário de dados abrangente. A análise aprofundada revelou que a fonte primária dos dados era o sistema de gestão (ERP), o que possibilitou a exploração de melhorias internas. Contudo, foram identificadas inconsistências significativas na qualidade dos dados. Aproximadamente 11% da população de dados da variável “pedido de compra” havia sido excluída, e a ausência de dados era alarmante, com cerca de 99,8% na variável “centro de lucro” e 99,9% nas “ordens de venda”. Além disso, 40% da população da variável “contas contábeis” apresentava dados incorretos, não resultantes de alteração manual, mas de falhas registradas nos logs do sistema, conforme a análise de Machado (2020) sobre registros de eventos.

Essas descobertas na qualidade dos dados evidenciaram problemas de governança, não apenas relacionados ao acesso ao sistema, mas também às atribuições e validações de acesso a áreas específicas do ERP, que permitiam alterações e exclusões indevidas, conforme discutido por Carvalho et al. (2020). A “saúde” do dado, um conceito fundamental para Inmo (2005), estava comprometida, exigindo a construção de APIs (Application Programming Interfaces) para requisitar dados diretamente do sistema de gestão. A necessidade de corrigir ações indevidas de usuários ou falhas nas integrações dos módulos do ERP, que provavelmente não foram validadas adequadamente em tempo de projeto, conforme Escovedo e Kalinowski (2023), tornou-se um ponto crítico para a garantia da integridade e completude dos dados.

Na etapa de Preparação dos Dados, os dados foram selecionados diretamente da fonte primária, o ERP, e as APIs executaram as requisições para popular corretamente os registros que anteriormente continham dados ausentes ou incorretos. Variáveis adicionais foram criadas, como a razão social vinculada ao código do cliente ou fornecedor, o tipo de registro financeiro (Opex ou Capex) e a descrição do registro, substituindo o preenchimento manual via planilhas. Essa automação eliminou o risco de informações desatualizadas ou inconsistentes, que poderiam levar a interpretações equivocadas e estratégias ineficazes, como alertado por Inmo (2005) e Carvalho et al. (2020).

A solução foi desenvolvida utilizando a linguagem Python e bibliotecas como Pandas, Numpy, Polars, Requests e OpenPyXL, que permitiram o tratamento e enriquecimento dos registros, incluindo a análise de dados nulos e duplicados. O resultado desse processamento foi um arquivo Excel disponibilizado em um diretório específico da empresa, que foi posteriormente integrado ao Power BI para a criação de visualizações interativas. Essa abordagem não apenas sistematizou o processo de ETL, mas também garantiu que os dados estivessem preparados para análises mais assertivas, fundamentais para o direcionamento das estratégias do negócio.

A fase de Modelagem, embora a mais curta do projeto, foi crucial para a materialização da solução. Não houve a necessidade de aplicar algoritmos complexos de aprendizado de máquina, pois o foco estava na engenharia e manipulação de dados para automação. O modelo inicial, construído a partir do escopo e diretrizes das fases anteriores do CRISP-DM, passou por testes rigorosos. Durante esses testes unitários, foram identificados e corrigidos erros relacionados à interpretação das regras de negócio, como a identificação dos sinais de valores (positivo ou negativo), o tamanho dos caracteres de campos como razão social, número de pedido e centro de lucro, e a descrição vinculada ao tipo de registro financeiro. A correção desses erros e a realização de novos testes foram essenciais para garantir a execução e entrega corretas da solução, conforme a importância dos testes unitários e automatização para mitigar riscos operacionais, destacada por Shimaoka (2024).

A validação do modelo foi realizada pela equipe de desenvolvimento, que submeteu a solução a testes com uma base de dados históricos de até três anos de retroatividade. Essa validação abrangente garantiu a confiabilidade da solução e sua aderência aos requisitos do negócio. A capacidade de estressar tarefas e rotinas, como mencionado por Domingos (2023), assegura a equidade, consistência e a ausência de falhas nas integrações, o que foi fundamental para a robustez do modelo desenvolvido. A ausência de um modelo de aprendizado de máquina complexo simplificou a fase, permitindo um foco direto na qualidade e integridade do pipeline de dados.

Na fase de Avaliação, os resultados confirmaram a alta qualidade dos dados de saída, sem perdas ou duplicidades de registros, e com consistência e respeito à estrutura do esquema do banco de dados relacional. Esses aspectos são de extrema relevância para a área de finanças, que lida com dados sensíveis que impactam diretamente a estratégia do negócio. Um dos achados mais impactantes foi a redução de aproximadamente 92% no tempo de processamento para a entrega do produto. Adicionalmente, a implementação de logs na solução permitiu a auditoria e a rastreabilidade da classificação aplicada aos registros financeiros, mecanismos que, segundo Carvalho et al. (2024), são essenciais para a governança e auditoria de dados.

Apesar dos avanços, observou-se uma persistência de 0,05% de falhas na classificação, atribuídas à entrada manual de registros no ERP, onde usuários não preenchiam campos essenciais ou o sistema não realizava a validação adequada. Embora a causa raiz estivesse fora do escopo do projeto, essa limitação ressalta a importância de treinamentos e validações em fases de projeto do ERP, ou a utilização de ferramentas de leitura de documentos para entrada de dados, visando preservar o dado original e mitigar riscos. A revisão contínua do processo em cada fase do CRISP-DM não identificou falhas que exigissem retrabalho, e os resultados coletados não apresentaram impedimentos para a fase de implantação, garantindo a progressão do projeto.

A fase final de Implantação em Produção foi executada em colaboração com as equipes de tecnologia e finanças da empresa, além da consultoria responsável pela entrega. A operação assistida, com duração de trinta dias e suporte do time de desenvolvimento, garantiu uma transição suave. Mecanismos de alerta para falhas e períodos de manutenção no código foram desenvolvidos para garantir a execução contínua e a entrega da solução. A documentação do projeto foi priorizada desde o início, passando por revisões e ajustes finos até a conclusão da fase de pré-implantação, assegurando que a empresa detivesse o conhecimento completo do projeto. Os desafios e pontos de sucesso foram registrados, contribuindo para a base de conhecimento para projetos futuros, um aspecto crucial para a melhoria contínua e a gestão do conhecimento organizacional.

Em síntese, a utilização do Excel para a atividade de classificação de dados consumia mais de três horas diárias do profissional, impactando negativamente a produtividade. Com a implementação da solução baseada em APIs, o tempo total de processamento foi drasticamente reduzido de três horas e quarenta minutos para um intervalo entre dez e dezessete minutos, representando uma economia de aproximadamente 94% no tempo de entrega da atividade. A solução também possibilitou uma redução significativa nos erros de classificação, de 14% da população para menos de 0,05%, e aumentou a agilidade na identificação de classificações ausentes. Esses ganhos operacionais e técnicos, aliados à implementação de painéis interativos para visualização e monitoramento, e à estruturação de processos de auditoria e governança, resultaram em indicadores e análises mais precisas e ágeis para a gestão, respondendo plenamente ao objetivo de elevar a produtividade, preservar os dados e aprimorar a governança corporativa.

4. Conclusão

O presente estudo aplicou a metodologia CRISP-DM no mapeamento do fluxo de dados da área de planejamento financeiro e orçamentário de uma empresa industrial, com o propósito de sistematizar as fases do projeto, desenvolver uma solução de dados para elevar a produtividade, preservar os dados, automatizar o processo de ETL, aumentar a confiabilidade nas etapas de engenharia, reduzir a interferência humana, aprimorar mecanismos de auditoria e governança, unificar bases de dados primárias e elevar a qualidade da classificação dos dados, possibilitando análises mais assertivas para direcionar as estratégias do negócio. Verificou-se que a aplicação sistemática do CRISP-DM foi fundamental para a transformação da gestão de dados, resultando em uma expressiva melhoria na eficiência operacional. Observou-se uma redução do tempo total de processamento de três horas e quarenta minutos para um intervalo entre dez e dezessete minutos, o que representa uma economia de aproximadamente 94% no tempo de entrega da atividade. Adicionalmente, identificou-se uma diminuição significativa nos erros de classificação, de 14% para menos de 0,05%, e uma maior agilidade na identificação de classificações ausentes. A solução desenvolvida, utilizando Python e APIs para extração e tratamento de dados do ERP, permitiu a unificação de bases de dados e a criação de painéis interativos no Power BI, que facilitam a visualização e o monitoramento, consolidando uma contribuição prática substancial para a governança de dados e a tomada de decisões estratégicas.

Apesar dos avanços alcançados, o estudo identificou uma limitação persistente de 0,05% de falhas na classificação, atribuídas à entrada manual de registros no sistema ERP, onde a ausência de preenchimento de campos essenciais ou a falta de validação adequada pelo sistema comprometiam a integridade dos dados na origem. Embora a causa raiz estivesse fora do escopo direto deste projeto, essa observação ressalta a importância de futuras ações. Sugere-se, para estudos futuros, a investigação de mecanismos de validação mais robustos no ERP, a implementação de treinamentos contínuos para usuários ou a adoção de ferramentas de leitura de documentos para automatizar a entrada de dados, visando mitigar completamente esses riscos e preservar a qualidade do dado original. A documentação detalhada do projeto e o registro dos aprendizados contribuem para a base de conhecimento da empresa, suportando a melhoria contínua e a replicação de sucessos em iniciativas futuras de engenharia de dados.

Referências Bibliográficas

Araújo, L. C.; Silva, M. G. 2019. Lean Six Sigma: Guia prático para redução de desperdícios e melhoria de processos. Atlas, São Paulo, SP, Brasil.

Assaf Neto, Alexandre. 2021. Estrutura e Análise de Balanços: Um enfoque econômico-financeiro. 12. ed. Atlas, São Paulo, SP, Brasil.

Carvalho, André Castro; Panochia, Patricia; Capp, Ricardo T. 2020. Gestão de risco e compliance. Editora Senac, São Paulo, SP, Brasil.

Chapman, P. et al. 2000. CRISP-DM 1.0: step-by-step data mining guide. Disponível em: <https://public.dhe.ibm.com/software/analytics/spss/documentation/modeler/14.2/es/CRISP-DM.pdf>. Acesso em: 21 abril 2026.

Data Science Process Alliance. 2024. What is CRISP-DM? Disponível em: <https://www.datascience-pm.com/crisp-dm-2/>. Acesso em: 21 abril 2026.

Domingos, 2023 [Referência completa não encontrada no documento original]

Escovedo, Tatiana; Kalinowski, Marcos et al. 2023. Engenharia de Software para Ciência de Dados: Um guia de boas práticas com ênfase na construção de sistemas de Machine Learning em Python. Casa do Código, São Paulo, SP, Brasil.

Gitman, Lawrence J. 2017. Princípios de Administração Financeira. 14. ed. Pearson Education do Brasil, São Paulo, SP, Brasil.

Huber et al., 2018 [Referência completa não encontrada no documento original]

Inmon, William H. 2005. Building the Data Warehouse. 4. ed. Wiley, Indianapolis, IN, United States of America.

Iudicibus, 2019 [Referência completa não encontrada no documento original]

Jung, Dominik. 2024. The Modern Business Data Analyst: A case study introduction into business data analytics with CRISP-DM and R. Springer, Cham, Switzerland.

Machado, Felipe Nery Rodrigues. 2020. Arquitetura de Sistemas de Informação. 4. ed. Érica, São Paulo, SP, Brasil.

Oliveira, Roberto; Rondina, João Marcelo. 2023. Business Intelligence: Ferramentas e métodos. Editora FGV, Rio de Janeiro, RJ, Brasil.

Padoveze, Clovis Luís. 2012. Controladoria Estratégica e Operacional: Conceitos, estrutura, aplicação. 3. ed. Cengage Learning, São Paulo, SP, Brasil.

Plotnikova, V., Dumas, M., Nolte, A.; Milani, F. 2023. Designing a data mining process for the financial services domain. Journal of Business Analytics. Disponível em: <https://doi.org/10.1080/2573234X.2022.2088412>. Acesso em: 21 abril 2026.

Reis, Joe; Housley, Matt. 2024. Fundamentos de Engenharia de Dados. Novatec, 2024. São Paulo, SP, Brasil.

Saudate, Alexandre. 2017. APIs REST: Seus serviços prontos para o mundo real. Casa do Código, São Paulo, SP, Brasil.

Shearer, C. 2000. The CRISP-DM model: the new blueprint for data mining. Journal of Data Warehousing. v. 5, n. 4, p. 13-22.

Shimaoka, André M.; Ferreira, Renato C.; Goldman, Alfredo. 2024 The evolution of CRISP-DM for Data Science: Methods, Processes and Frameworks. SBC Reviews on Computer Science. Disponível em: <https://www.doi.org/10.5753/reviews.2024.3757>. Acesso em: 21 abril 2026.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Engenharia de Software do MBA USP/Esalq

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

Você também pode gostar

13 de novembro de 2026

Integração estratégica entre branding e mídia paga: uma análise da importância da brandformance no e-commerce

A complexidade da jornada do consumidor no marketing digital contemporâneo tem demandado estratégias integradas entre construção de marca e ações de performance. Este estudo analisou como a integração estratégica entre branding e mídia paga, denominada brandformance, se manifesta no e-commerce e sua importância para o desempenho das estratégias digitais. A pesquisa, de natureza aplicada, qualitativa e descritiva, empregou o método de benchmarking competitivo. Foram analisadas três empresas-exemplo (Alfa, Beta e Gama) atuantes no e-commerce, comparando seus níveis de integração entre branding e mídia paga. Os dados foram coletados de documentos, fontes secundárias, relatórios de mercado, materiais institucionais e evidências empíricas de plataformas digitais. Os resultados indicaram que empresas com maior alinhamento entre identidade de marca, comunicação e campanhas de performance demonstraram maior coerência na jornada do consumidor e melhores indicadores de eficiência. Em contrapartida, organizações focadas em conversão imediata apresentaram inconsistências comunicacionais, comprometendo a construção de valor a longo prazo. Concluiu-se que a integração entre branding e mídia paga é um fator estratégico para a competitividade no e-commerce, contribuindo para a construção de valor e a efetividade das estratégias digitais.

Palavras-chave: Benchmarking; Comunicação integrada; Estratégias de marketing; Jornada do consumidor; Performance digital.

13 de novembro de 2026

Machine learning na predição de desfechos cirúrgicos em epilepsia do lobo temporal farmacorresistente

A epilepsia do lobo temporal (ELT) farmacorresistente representa um desafio clínico complexo, com significativa parcela de pacientes reoperados apresentando recidiva de crises. O objetivo foi ampliar a análise de uma coorte retrospectiva de pacientes com ELT farmacorresistente submetidos à reoperação, utilizando técnicas de machine learning (ML) para identificar sinais analíticos que pudessem contribuir para a medicina de precisão em cirurgia de epilepsia. Realizou-se um estudo exploratório em uma coorte de 27 pacientes adultos reoperados entre 1994 e 2014 em um centro terciário. Aplicaram-se algoritmos de ML (regressão logística, Random Forest e XGBoost) com validação leave-one-out (LOOCV) a um dataset com 20 features clínicas, incluindo a postura distônica de membro superior. Para o desfecho primário de liberdade total de crises (Engel Ia) no último retorno, a regressão logística indicou sinal discriminativo moderado, com AUC-ROC de 0,655 e sensibilidade de 0,80. A análise interpretativa por SHAP values identificou o intervalo entre as cirurgias, a duração da epilepsia até a primeira intervenção e o uso de eletrocorticografia como variáveis de maior contribuição. Pacientes com postura distônica de membro superior apresentaram um padrão consistente de melhores desfechos cirúrgicos. O estudo demonstrou a viabilidade e o potencial informativo da abordagem exploratória por ML em coortes clínicas pequenas, com perspectiva de replicação em séries maiores e contribuição ao paradigma de medicina de precisão em cirurgia de epilepsia.

Palavras-chave: Cirurgia de epilepsia; Epilepsia do lobo temporal; Machine learning; Postura distônica; SHAP values.

13 de novembro de 2026

Análise de sentimento sobre o lançamento do Samsung Galaxy S25

Este estudo aplicou técnicas de Processamento de Linguagem Natural para analisar o sentimento de consumidores brasileiros em relação ao lançamento do Samsung Galaxy S25. O objetivo foi analisar o sentimento dos consumidores, a partir de 1.320 comentários em língua portuguesa coletados na plataforma Reddit, no período de janeiro de 2024 a dezembro de 2025. Utilizou-se o modelo BERTimbau, pré-treinado para a língua portuguesa, ajustado por meio de “fine-tuning” para classificação ternária de sentimento (positivo, negativo e neutro), alcançando acurácia de 78,26% e F1 Macro de 78,21%. A análise temporal, estruturada em três fases (rumores e especulações, lançamento e pós-lançamento), revelou que o sentimento negativo predominou na fase de rumores (42,7%), recuou durante o lançamento (25,9%) e estabilizou-se no pós-lançamento (35,7%). A inteligência artificial embarcada (Galaxy AI) foi o tema mais discutido (588 menções) e predominantemente negativo (46,9%). A bateria configurou-se como o atributo com maior insatisfação (55,9% negativo), sendo o único cuja percepção deteriorou após o uso real. A câmera destacou-se como o atributo com melhor avaliação relativa. Os resultados indicaram que a inovação incremental encontra limites na capacidade de gerar valor percebido suficiente para sustentar o posicionamento premium do produto no mercado brasileiro.

Palavras-chave: Análise de sentimento; BERTimbau; Processamento de linguagem natural; Reddit; Smartphones.

13 de novembro de 2026

Volatilidade cambial e estabilização de margens no setor de combustíveis brasileiro

A volatilidade cambial representou um dos principais fatores de risco para empresas em setores dependentes de insumos dolarizados, notadamente no mercado de combustíveis brasileiro, onde a formação de preços esteve fortemente ligada a variáveis internacionais. Com esse cenário, o estudo analisou o impacto da taxa de câmbio nos preços da gasolina entre 2015 e 2025 e avaliou a eficácia de estratégias de hedge cambial na redução da variabilidade das margens operacionais. Para isso, adotou-se uma abordagem quantitativa, descritiva e documental, utilizando dados secundários do Banco Central do Brasil (BCB), da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP) e do Instituto Brasileiro de Geografia e Estatística (IBGE). A metodologia incluiu a decomposição do preço da gasolina em componente cambial e residual, seguida pela simulação de margens operacionais em cenários com e sem proteção cambial. Os resultados revelaram que a depreciação do real comprimiu as margens no cenário sem hedge, enquanto a proteção cambial diminuiu a volatilidade dos resultados, especialmente em períodos de instabilidade, embora gerasse perdas relativas em momentos de apreciação cambial. Concluiu-se que a gestão do risco cambial contribuiu para maior previsibilidade operacional, mesmo com os trade-offs inerentes à limitação de ganhos potenciais.

Palavras-chave: Combustíveis; Hedge cambial; Margem operacional; Taxa de câmbio; Volatilidade cambial.

13 de novembro de 2026

Desenho Universal para a Aprendizagem: um guia prático para professores

O presente estudo teve como objetivo elaborar um guia de estratégias práticas, fundamentado nos princípios do Desenho Universal para a Aprendizagem (DUA), visando promover práticas pedagógicas inclusivas e acessíveis em sala de aula. A pesquisa caracterizou-se como aplicada, com abordagem qualitativa, e foi desenvolvida por meio de análise teórica e interpretativa de produções acadêmicas sobre DUA, neurociência da aprendizagem e educação inclusiva. O produto educacional foi estruturado com base nos três princípios do DUA – múltiplos meios de engajamento, representação, e ação e expressão – para organizar estratégias pedagógicas que reduzem barreiras e valorizam a diversidade dos estudantes. Os resultados indicaram que a implementação de práticas baseadas no DUA pode contribuir para o desenvolvimento de ambientes educacionais mais equitativos, favorecendo o engajamento, a compreensão e a expressão do conhecimento, especialmente para alunos com necessidades educacionais especiais. A articulação com a neurociência reforçou a importância de considerar a variabilidade cognitiva no ensino-aprendizagem. Concluiu-se que o guia proposto representa uma ferramenta relevante para apoiar a prática docente e assegurar o acesso a uma educação equitativa.

Palavras-chave: Ação e expressão; Engajamento; Inclusão escolar; Neurociência; Representação.

13 de novembro de 2026

Reclamações de consumidores do setor financeiro na Plataforma consumidor.gov.br: a trajetória da percepção de resolutividade

Este estudo analisou a trajetória da percepção de resolutividade das reclamações de consumidores do setor financeiro na plataforma consumidor.gov.br entre os anos de 2015 e 2025. O objetivo foi analisar a evolução dessa percepção. Para isso, utilizou-se a metodologia KDD (Knowledge Discovery in Databases) e a linguagem Python. Foram processadas 4.774.386 reclamações, e os registros apresentaram um crescimento exponencial, passando de 46 mil em 2015 para 1,2 milhão em 2025. Contudo, a percepção de resolução por parte dos consumidores declinou de 47,6% para 8,9% nesse período. Apenas 776.970 reclamações foram classificadas como resolvidas, representando 16,27% do total. As reclamações resolvidas possuíram nota média de 4,08, enquanto as não resolvidas decaíram para 1,42. O perfil do consumidor foi apresentado pela predominância do sexo masculino, com idade entre 21 e 40 anos e pertencente à região sudeste. Concluiu-se que o estudo analisou profundamente as reclamações do setor financeiro brasileiro, detalhando a eficiência das respostas institucionais e as características populacionais, podendo servir como instrumento para balizar melhorias na satisfação dos consumidores, mitigar propaganda negativa e gerar fidelização no ambiente competitivo.

Palavras-chave: Comportamento; Consumo; KDD; Satisfação do consumidor.

13 de novembro de 2026

A força da IA generativa na construção de relacionamentos emocionais com os consumidores

O marketing evoluiu para uma abordagem centrada no relacionamento, impulsionado pelo avanço da inteligência artificial generativa em canais conversacionais como o WhatsApp. O estudo objetivou identificar a capacidade da inteligência artificial generativa de construir relacionamentos emocionais com consumidores em fluxos de comunicação simulados, considerando elementos como linguagem afetiva, proximidade e personalização. Adotou-se uma abordagem exploratória qualitativa, com procedimento experimental. Aplicou-se um roteiro padronizado de interação em quatro marcas que utilizam IA generativa via WhatsApp. As respostas foram coletadas por observação direta não participante e analisadas segundo critérios como tom de linguagem, presença de elementos afetivos e continuidade do diálogo. Os resultados evidenciaram diferentes níveis de maturidade no uso da IA, destacando sistemas que, configurados com intencionalidade relacional, simularam empatia, mantiveram coerência contextual e sustentaram o vínculo ao longo da jornada, mesmo em situações de ruptura. Concluiu-se que a capacidade da IA generativa de construir relacionamentos emocionais não é inerente à tecnologia, mas depende de seu design estratégico, incluindo definição de persona, estruturação de prompts e uso de memória contextual, reforçando a integração entre tecnologia e estratégia de marketing de relacionamento.

Palavras-chave: Atendimento automatizado; Inteligência artificial conversacional; Linguagem afetiva; Marketing de relacionamento; Personalização.

13 de novembro de 2026

Gestão estratégica do departamento jurídico em seguradora: produtividade, desenvolvimento e uso de ferramentas de suporte

O ambiente securitário, caracterizado por complexidade regulatória e necessidade de eficiência, demanda estruturas organizacionais eficazes. Este estudo analisou como a organização das atividades, a padronização de processos e o uso de ferramentas de apoio influenciaram a produtividade e o desenvolvimento do departamento jurídico de uma seguradora. A pesquisa, de natureza exploratória com abordagem quantitativa e qualitativa, foi realizada por meio de um “survey”. Aplicou-se um questionário estruturado adaptado, baseado em construtos de maturidade de processos do Business Process Management (BPM) e escala Likert, a dez profissionais do departamento jurídico de uma seguradora em São Paulo. Os dados foram analisados por estatística descritiva e qualitativa. Os resultados indicaram um estágio intermediário de maturidade na estruturação dos processos jurídicos, com percepção favorável sobre o planejamento de atividades e a busca por melhoria contínua. Contudo, observaram-se fragilidades na uniformidade da adoção de procedimentos formais e na consistência da aplicação de métodos, especialmente na interação com outras áreas. A estruturação das atividades e a padronização de processos, combinadas ao uso de ferramentas de suporte, associaram-se a maior previsibilidade das demandas, menor variabilidade nas rotinas e maior consistência técnico-jurídica das entregas. Concluiu-se que a adoção de práticas de gestão estratégica e o uso estruturado de ferramentas de suporte contribuíram para o aumento da produtividade e a geração de valor à organização. O estudo ofereceu diretrizes para fortalecer a gestão estratégica do departamento jurídico, enfatizando a formalização de rotinas, o uso de ferramentas tecnológicas e o desenvolvimento de competências, além de aplicar conceitos de BPM ao contexto jurídico corporativo.

Palavras-chave: Business Process Management (BPM); Mecanismos de apoio; Melhoria contínua; Padronização de processos; Produtividade organizacional.

13 de novembro de 2026

Construção de um mapa estratégico para alinhamento de processos e projetos à estratégia corporativa

A capacidade de uma organização alinhar seus esforços à estratégia corporativa mostrou-se fundamental para sua sustentabilidade em mercados competitivos. O objetivo foi construir um mapa estratégico para uma empresa de Engenharia e Construção, utilizando a metodologia Balanced Scorecard, a fim de oferecer um referencial estruturado que fortalecesse o alinhamento entre a área de Processos e Projetos e os objetivos organizacionais. Adotou-se um estudo de caso com abordagem qualitativa, fundamentado no framework do Balanced Scorecard de Kaplan e Norton. A coleta de dados envolveu análise documental e três entrevistas semiestruturadas com executivos da organização, realizadas em dezembro de 2025. Os resultados permitiram a elaboração de um mapa estratégico que evidenciou as relações de causa e efeito entre as perspectivas Financeira, de Clientes, de Processos Internos e de Aprendizado e Crescimento. A validação com a liderança indicou alta aderência do modelo à realidade da empresa, destacando sua contribuição para a clareza estratégica, a priorização de iniciativas e o melhor direcionamento da atuação da área de Processos e Projetos. Concluiu-se que o mapa estratégico representa um instrumento relevante para traduzir a estratégia organizacional e apoiar sua execução, promovendo maior alinhamento interno e uma gestão mais eficaz do portfólio de iniciativas.

Palavras-chave: Alinhamento estratégico; Balanced Scorecard; Gestão de processos; Gestão de portfólio.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade