Artigo

02 de outubro de 2026

Automação de dashboards para monitoramento de desempenho em e-mail marketing

Automação de Dashboards para Monitoramento de Desempenho em E-mail Marketing

Enzo Vaz Pinheiro; Henrique Raymundo Gioia

DOI: 10.22167/2675-6528-202602862

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

O crescimento das estratégias de marketing digital ampliou o volume de dados, tornando a análise de desempenho de campanhas essencial para a tomada de decisão orientada por dados. Avaliou-se o impacto da automação do processo de coleta, consolidação e visualização de dados de e-mail marketing na eficiência operacional e na consistência analítica. A pesquisa utilizou abordagem qualitativa e delineamento de estudo de caso. O fluxo desenvolvido integrou extração de dados via consultas SQL em ambiente de automação de marketing, consolidação e cálculo de indicadores por meio de Google Apps Script, e atualização automática em dashboard gerencial no Looker Studio. Os resultados demonstraram que a automação reduziu significativamente o esforço operacional, diminuindo o tempo de consolidação de dados de aproximadamente 8 horas semanais para menos de 1 hora por semana. Além disso, a solução promoveu maior padronização das métricas, rastreabilidade dos cálculos e agilidade na geração de análises. Concluiu-se que a automação de dashboards constitui um instrumento eficaz de apoio à gestão orientada por dados, com potencial de aplicação em outros canais de comunicação digital.

Palavras-chave: Automação de dados; Business intelligence; Dashboard gerencial; Eficiência operacional; E-mail marketing.

1. Introdução

O avanço das estratégias de marketing digital ampliou significativamente o volume de dados gerados nas interações entre empresas e clientes. Nesse cenário, a transformação de registros operacionais em indicadores confiáveis torna-se determinante para a tomada de decisão em organizações orientadas por dados. O valor analítico desses dados depende de processos consistentes de coleta, tratamento e interpretação (Davenport e Harris, 2007; Provost e Fawcett, 2013).

No contexto do e-mail marketing, a mensuração de envios, entregas, aberturas, cliques e conversões é fundamental para acompanhar o desempenho com granularidade e apoiar decisões táticas e estratégicas. Kotler e Keller (2016) ressaltam a relevância de métricas para avaliar a efetividade das ações de comunicação e relacionamento com os clientes.

Apesar da disponibilidade dessas métricas, muitas organizações ainda enfrentam dificuldades para consolidar e padronizar os dados em bases comparáveis. Em operações que envolvem múltiplas campanhas e diversas fontes de dados, é comum que a atualização de relatórios e painéis dependa de rotinas manuais de extração, tratamento em planilhas e republicação.

Esse fluxo manual consome um tempo operacional considerável, reduz a rastreabilidade das informações e eleva a chance de inconsistências nos dados. A dependência de intervenções humanas em diversas fases do processo, incluindo extração de relatórios, tratamento, padronização, cálculo de indicadores e atualização de dashboards, aumenta o risco de divergências entre versões e dificulta a reutilização do processo para outros canais.

A padronização de métricas e regras de negócio é uma condição essencial para análises comparativas confiáveis, conforme apontam Kimball e Ross (2013). Como alternativa a esses desafios, a automação de dashboards centraliza indicadores e regras, entrega resultados atualizados de forma consistente e reduz a dependência de intervenção humana, otimizando a eficiência operacional e a consistência analítica.

Diante da necessidade de otimizar a gestão de dados em e-mail marketing e superar as limitações dos processos manuais, este estudo se justifica pela busca por soluções que aprimorem a eficiência operacional e a consistência analítica. Assim, o presente estudo teve como objetivo avaliar o impacto da automação do processo de coleta, consolidação e visualização de dados de e-mail marketing sobre a eficiência operacional e a consistência analítica.

2. Material e Métodos

A pesquisa desenvolvida apresentou caráter aplicado, com abordagem qualitativa e natureza descritivo-exploratória, focada no desenvolvimento e avaliação de uma solução prática de automação de processos de Business Intelligence no contexto do e-mail marketing. O delineamento adotado foi um estudo de caso, investigando um fenômeno contemporâneo em seu contexto de aplicação e documentando a lógica do processo e da solução implementada (Creswell, 2014; Gil, 2008; Yin, 2015).

A unidade de análise correspondeu a campanhas de e-mail marketing, onde cada campanha representou uma unidade para consolidação e análise comparativa. A base de dados utilizada originou-se de dados reais de campanhas de e-mail marketing, coletados no contexto operacional do autor. Para garantir a confidencialidade e preservar informações sensíveis da organização, aplicaram-se técnicas de anonimização, como a alteração de nomes de campanhas e a remoção de identificadores diretos.

A extração dos dados foi estruturada com base em uma janela temporal móvel de sete dias, com atualização semanal para a geração do relatório. A avaliação metodológica considerou execuções recorrentes do processo entre dezembro de 2025 e abril de 2026, permitindo observar o comportamento dos indicadores em diferentes ciclos semanais. Os dados seguiram a lógica de um funil de marketing, com volumes decrescentes de envios, entregas, aberturas, cliques e conversões, garantindo consistência analítica.

O fluxo de dados concebido para o protótipo contemplou três camadas principais. A camada de origem utilizou um ambiente de automação de marketing compatível com o Automation Studio de plataformas como o Salesforce Marketing Cloud (ExactTarget). Modelou-se uma rotina agendada para executar periodicamente consultas SQL sobre tabelas de rastreamento de campanhas de e-mail (_Sent, _Open e _Click), relacionadas à tabela de configuração de envios (_Job). Os resultados foram armazenados em Data Extensions, servindo como bases intermediárias.

A consulta SQL foi projetada para contabilizar, para cada campanha, o número de destinatários únicos que receberam a mensagem e os usuários únicos que realizaram pelo menos uma abertura no período analisado. Foram consideradas apenas campanhas vinculadas a jornadas de conversão, identificadas por convenções no nome das peças, como termos associados a convites, aquecimento e promoções, e por seu relacionamento prévio com bases transacionais de vendas.

Na camada intermediária de consolidação, os dados foram disponibilizados em uma planilha eletrônica e processados por meio do Google Apps Script. O código desenvolvido realizou a leitura dos registros, o agrupamento das informações por campanha, o cálculo automático dos indicadores de desempenho e a gravação dos resultados em uma aba de resumo, substituindo procedimentos de tratamento manual. A camada analítica utilizou o Looker Studio para visualização dos dados consolidados em formato de dashboard, empregando indicadores, tabelas, gráficos e filtros.

Foram consideradas variáveis operacionais do canal de e-mail, como eventos de envio, entrega, abertura, clique e conversão, além de indicadores derivados. Entre os indicadores calculados, destacaram-se a taxa de entrega, taxa de abertura, taxa de clique e taxa de conversão. Optou-se pelo uso de taxas ponderadas, calculadas a partir dos volumes efetivos de entregas e interações, para evitar distorções analíticas. A padronização conceitual das métricas foi um princípio seguido na definição dos indicadores, visando garantir comparabilidade e consistência analítica (Kimball e Ross, 2013; Farris et al., 2010; Martins e Costa Neto, 1998).

Para garantir transparência e reprodutibilidade, disponibilizaram-se em repositório público o script de automação (Google Apps Script), a consulta Structured Query Language [SQL] e uma versão anonimizada da base de dados (Pinheiro, 2026). A base foi disponibilizada em formato Comma-Separated Values [CSV], preservando a estrutura e as relações entre as variáveis observadas. A documentação dos procedimentos e do código contribuiu para a rastreabilidade e auditabilidade das decisões técnicas, ampliando a confiabilidade em pesquisas qualitativas (Creswell, 2014; Lakatos e Marconi, 2017).

3. Resultados e Discussão

A análise dos resultados da pesquisa permitiu uma compreensão aprofundada do impacto da automação no processo de coleta, consolidação e visualização de dados de e-mail marketing. O estudo demonstrou a relevância de um fluxo de trabalho padronizado e automatizado para otimizar a eficiência operacional e a consistência analítica, conforme proposto pelo objetivo central. Os achados revelam que a transição de um modelo manual para um sistema automatizado não apenas reduz o tempo dedicado às tarefas repetitivas, mas também aprimora a qualidade e a confiabilidade das informações geradas, elementos cruciais para a tomada de decisões estratégicas em ambientes de marketing digital.

Inicialmente, a pesquisa focou na transição do processo manual para o fluxo automatizado, que era a rotina de acompanhamento do canal de e-mail. Antes da implementação do protótipo, a equipe de Business Intelligence executava diariamente um processo manual. Semanalmente, os dados eram extraídos de relatórios operacionais, passavam por etapas de tratamento e padronização, incluindo ajustes de campos, validações de consistência e cálculo de indicadores, e eram, então, publicados em um painel para relatórios executivos. Esse processo, além de consumir tempo significativo, aumentava a probabilidade de divergências entre as versões dos dados e dificultava a reutilização da metodologia para outros canais de comunicação.

Transição do processo manual para o fluxo automatizado

A transição para o fluxo automatizado representou uma mudança paradigmática na gestão dos dados de e-mail marketing. O modelo manual, que dependia fortemente da intervenção humana, era propenso a erros e inconsistências, além de ser ineficiente em termos de tempo. A automação, por sua vez, foi concebida para ser reutilizável em outros canais de comunicação digital, como notificações em aplicativos, mensagens instantâneas, SMS e atendimento telefônico. A única etapa manual necessária no novo fluxo é a configuração inicial do banco de dados de entrada para cada canal e seus respectivos conectores, o que demonstra a escalabilidade e a flexibilidade da solução desenvolvida.

Essa mudança é fundamental para organizações que buscam uma gestão orientada por dados, onde a agilidade e a precisão das informações são cruciais. A dependência de intervenções manuais em múltiplas fases do processo, desde a extração até a atualização do dashboard, não apenas elevava o tempo operacional, mas também comprometia a rastreabilidade das informações. Em cenários com grande volume de campanhas e atualizações frequentes, a fragilidade do processo manual tornava-se um gargalo significativo, impactando diretamente a capacidade da equipe de Business Intelligence de fornecer insights em tempo hábil.

Estruturação e consolidação dos dados

A estruturação e consolidação dos dados foram etapas críticas no desenvolvimento do protótipo. A base de dados foi modelada para representar múltiplos envios de campanhas de e-mail marketing ao longo de uma semana, abrangendo diferentes tipos de peças e segmentos de público. A rotina de consolidação, implementada no Google Apps Script, agregou esses registros por campanha, gerando uma aba de resumo. Essa aba continha, para cada identificador de campanha, os volumes totais de envios, entregas, aberturas, cliques e conversões, além das métricas percentuais calculadas automaticamente. Esse processo foi essencial para reduzir a fragmentação das informações e garantir maior consistência nas análises subsequentes.

A organização dos dados em nível de campanha, conforme detalhado na metodologia, alinha-se ao conceito de granularidade analítica, que é o nível de detalhamento em que os dados são estruturados para análise. Essa abordagem, conforme ressaltado por Kimball e Ross (2013), é vital para assegurar a consistência, comparabilidade e interpretabilidade dos indicadores ao longo do tempo. Ao consolidar as informações operacionais em uma unidade coerente, o estudo facilitou análises comparativas entre diferentes envios, permitindo uma visão mais clara do desempenho de cada campanha individualmente e em relação ao conjunto.

Automação do processo de consolidação

A automação do processo de consolidação representou um dos principais ganhos operacionais do protótipo. A execução da função `atualizarResumoEmail` no Google Apps Script permitiu agrupar os dados por campanha em poucos segundos, eliminando a necessidade de consolidações manuais em planilhas. Em um cenário de uso recorrente, essa rotina pode ser agendada para rodar em intervalos pré-definidos, garantindo que as informações do dashboard permaneçam atualizadas sem intervenção manual. Do ponto de vista metodológico, a automação assegura que as mesmas regras de cálculo sejam aplicadas de forma uniforme a todos os períodos analisados, o que é fundamental para a validade das comparações.

Essa padronização dos cálculos e a aplicação consistente das regras de negócio são elementos-chave para a confiabilidade dos dados. A intervenção humana em processos de cálculo manual, como ocorria anteriormente, introduzia um risco inerente de erros e inconsistências. Com a automação, a lógica de cálculo é definida uma única vez no script e aplicada de forma idêntica a todos os dados, garantindo a integridade e a comparabilidade das métricas ao longo do tempo. Esse avanço é crucial para a construção de indicadores robustos que apoiem a gestão, como defendido por Martins e Costa Neto (1998).

Construção e uso do dashboard gerencial

O dashboard Relatório Semanal foi construído no Looker Studio a partir da aba de resumo gerada pelo código, configurado para apresentar, em sua camada superior, indicadores agregados de envios, entregas, aberturas, cliques e conversões. Além disso, o painel exibia as taxas médias ponderadas para cada métrica, oferecendo uma visão executiva do desempenho geral. Na camada intermediária, foram dispostos gráficos de barras que destacavam as campanhas com melhor desempenho relativo em termos de taxa de clique e taxa de conversão, facilitando a identificação rápida de sucessos e áreas de melhoria.

O layout do dashboard priorizou a leitura executiva, com o objetivo de facilitar a interpretação por parte dos decisores e a comparação entre campanhas. A inclusão de recursos de filtragem por período e por categoria de campanha permitiu análises mais específicas pelos usuários de negócio, adaptando a visualização às suas necessidades. A capacidade do painel de apoiar comparações rápidas entre campanhas, com uma estrutura em tabela que utilizava coloração condicional para identificar desempenhos acima ou abaixo da média, demonstrou sua utilidade como instrumento de apoio em reuniões periódicas de gestão, conforme a importância da apresentação de resultados em pesquisas qualitativas (Creswell, 2014).

Análise preliminar dos indicadores

A análise preliminar dos indicadores foi realizada com base em 99 campanhas consolidadas no dashboard. O total observado foi de 8.890.823 envios, resultando em 8.416.272 entregas, 2.135.526 aberturas, 714.353 cliques e 242.700 conversões. Em termos agregados, a taxa média ponderada de entrega foi de 94,66%, a taxa média ponderada de abertura atingiu 25,37%, a taxa média ponderada de clique foi de 8,49% e a taxa média ponderada de conversão foi de 2,88%. Esses valores fornecem um referencial quantitativo objetivo para a avaliação do comportamento do funil de e-mail marketing analisado, permitindo uma base sólida para futuras comparações e otimizações.

Observou-se que as taxas de entrega permaneceram elevadas e relativamente estáveis entre as campanhas, o que sugere uma boa capacidade de distribuição das mensagens aos destinatários. As taxas de abertura, por outro lado, apresentaram maior variação, refletindo diferenças no interesse do público, na adequação do assunto e na segmentação das campanhas. As taxas de clique foram inferiores às taxas de abertura, como esperado em estruturas de funil, indicando que nem todos os usuários que visualizam a mensagem realizam interações adicionais. As taxas de conversão, por sua vez, apresentaram um patamar mais reduzido, compatível com o comportamento esperado em campanhas de marketing digital, onde apenas uma fração dos usuários que clicam conclui a ação desejada.

Avaliação do impacto da automação

A implementação da solução automatizada permitiu uma comparação direta com o processo manual anteriormente utilizado. No modelo manual, a extração e consolidação dos dados exigiam intervenção diária, o que aumentava o risco de inconsistência e o tempo operacional. Com a automação, essas etapas passaram a ocorrer de forma padronizada e recorrente, resultando em maior confiabilidade dos dados, redução de erros e maior agilidade na geração de análises. Essa mudança é crucial para a eficiência das operações de Business Intelligence e para a qualidade das informações que subsidiam as decisões gerenciais.

Em termos operacionais, a redução do tempo dedicado às atividades de consolidação e validação de dados foi expressiva. Antes da automação, a equipe de Business Intelligence despendia aproximadamente 8 horas semanais nessas tarefas. Com o fluxo automatizado, esse tempo foi reduzido para menos de 1 hora por semana, com a atuação restrita a atividades pontuais de monitoramento e manutenção do processo. Esse ganho de eficiência é um dos resultados mais tangíveis do estudo, liberando a equipe para atividades de maior valor agregado, como a interpretação e a proposição de estratégias, em vez de se dedicar a tarefas repetitivas e manuais.

Cenários de uso do dashboard para apoio à decisão

O painel automatizado demonstrou sua capacidade de identificar rapidamente variações de entregabilidade e erros operacionais por campanha, oferecendo suporte direto à tomada de decisão. Em um cenário de queda na taxa de entrega, por exemplo, a visualização facilitaria a detecção do problema no mesmo dia, orientando ações como a revisão da segmentação, a checagem da reputação do domínio ou o ajuste de regras de envio antes que a anomalia se propagasse. Essa agilidade na identificação de problemas é um diferencial significativo para a gestão proativa de campanhas de e-mail marketing.

Outro cenário relevante para o uso do dashboard ocorre quando a taxa de abertura permanece alta, mas a taxa de clique não acompanha o mesmo padrão. Essa combinação de métricas pode indicar um desalinhamento entre o assunto da mensagem, o conteúdo e a chamada para ação, sugerindo a necessidade de testes de variações de mensagem, revisão do destino do clique e adequação da oferta ao segmento impactado. A capacidade de cruzar e interpretar esses indicadores permite que os gestores identifiquem pontos de fricção no funil de marketing e implementem melhorias direcionadas, otimizando o desempenho das campanhas.

Por fim, a análise conjunta das taxas de clique e conversão permite priorizar campanhas com maior eficiência no funil completo. Ao comparar peças com desempenho semelhante em abertura, mas diferentes em conversão, a liderança pode direcionar esforços para jornadas e segmentos com maior retorno esperado. Além disso, o dashboard facilita o estabelecimento de metas operacionais por indicador para ciclos semanais de acompanhamento, transformando dados brutos em informações acionáveis para a gestão. Essa funcionalidade reforça o papel do dashboard como uma ferramenta estratégica para a otimização contínua das campanhas.

Leitura analítica dos indicadores do funil

A leitura conjunta dos indicadores evidencia que o principal potencial analítico do dashboard reside na interpretação encadeada do funil de desempenho, e não apenas na visualização isolada das métricas. Em termos agregados, a taxa de entrega superior a 94% indica estabilidade operacional na distribuição das campanhas. As maiores variações, no entanto, concentraram-se nas etapas de abertura e clique, sugerindo que os principais diferenciais de desempenho entre campanhas estão mais associados ao conteúdo, à atratividade da mensagem e à adequação da segmentação, em vez de falhas de envio. Essa percepção direciona o foco da análise para aspectos mais estratégicos do marketing.

Esse comportamento reforça a utilidade gerencial do dashboard como instrumento de priorização analítica. Em vez de concentrar a avaliação apenas em volumes absolutos, a solução permite identificar em quais etapas do funil ocorrem as principais perdas relativas de desempenho, oferecendo subsídios para decisões mais precisas sobre o assunto, a segmentação, a chamada para ação e a jornada de conversão. Assim, a automatização do painel amplia a capacidade analítica da equipe ao transformar dados operacionais dispersos em evidências comparáveis e acionáveis, mesmo em um estudo de caráter aplicado e descritivo, como este.

Comparação entre o processo manual e o automatizado

A análise dos fluxos de trabalho revelou diferenças estruturais significativas entre o processo manual e o automatizado de consolidação de dados. No modelo manual, a execução das etapas dependia diretamente da intervenção humana em diversas fases, incluindo extração de relatórios, tratamento, padronização, cálculo de indicadores e atualização do dashboard. Essa dependência aumentava o tempo operacional, elevava o risco de inconsistências e dificultava a rastreabilidade das informações, especialmente em cenários com múltiplas campanhas e atualizações frequentes, o que comprometia a agilidade e a confiabilidade das análises.

Por outro lado, o processo automatizado centraliza as etapas críticas em rotinas programadas, destacando a execução de consultas SQL, o processamento via script e a atualização automática do painel. Esse modelo reduz significativamente a necessidade de intervenção manual, garantindo maior padronização das regras de cálculo e maior consistência nos resultados ao longo do tempo. A automação também permite maior escalabilidade do processo, possibilitando sua replicação para outros canais de comunicação sem aumento proporcional do esforço operacional. A rastreabilidade é aprimorada, pois as transformações dos dados são definidas por regras explícitas implementadas em código, facilitando auditorias e validações futuras.

A principal diferença entre os dois modelos reside na transição de um processo operacional fragmentado e dependente de ações manuais para um fluxo integrado, padronizado e orientado por automação. Essa mudança resulta em ganhos substanciais de eficiência, confiabilidade e agilidade na geração de análises. O processo manual, com seu tempo operacional direto de aproximadamente 8 horas semanais e consolidação manual em planilhas, apresentava um alto risco de inconsistência. Em contraste, o processo automatizado reduziu o tempo operacional para menos de 1 hora semanal, com consolidação automática via script, padronização dos cálculos por regra programada e um risco de inconsistência significativamente menor, além de um potencial elevado de replicação para outros canais.

Em síntese, a automação do processo de coleta, consolidação e visualização de dados de e-mail marketing demonstrou um impacto positivo e multifacetado. A redução do esforço operacional de 8 horas semanais para menos de 1 hora, a padronização das métricas, a rastreabilidade dos cálculos e a agilidade na geração de análises confirmam que a solução desenvolvida contribui significativamente para a eficiência operacional e a consistência analítica. O dashboard gerencial, ao sintetizar o comportamento do funil de e-mail marketing e identificar padrões de desempenho, qualifica o uso gerencial dos dados, fornecendo um instrumento eficaz de apoio à gestão orientada por dados e respondendo ao objetivo central do estudo.

4. Conclusão

O presente estudo buscou avaliar o impacto da automação do processo de coleta, consolidação e visualização de dados de e-mail marketing sobre a eficiência operacional e a consistência analítica. Verificou-se que a implementação de um fluxo automatizado resultou em uma redução expressiva do esforço operacional, diminuindo o tempo dedicado à consolidação de dados de aproximadamente 8 horas semanais para menos de 1 hora por semana. Além disso, a solução desenvolvida promoveu maior padronização das métricas, aprimorou a rastreabilidade dos cálculos e conferiu maior agilidade na geração de análises. O dashboard gerencial, ao sintetizar o comportamento do funil de e-mail marketing, permitiu identificar padrões de desempenho e pontos de atenção nas etapas de entrega, abertura, clique e conversão, com as maiores variações concentradas nas taxas de abertura e clique, sugerindo que os diferenciais de performance estão associados ao conteúdo e à segmentação. Assim, a automação de dashboards constitui um instrumento eficaz de apoio à gestão orientada por dados, transformando dados operacionais dispersos em evidências comparáveis e acionáveis.

Como limitações do estudo, destacam-se a dependência de um contexto organizacional específico e a necessidade de anonimização da base de dados, o que reduziu parte do detalhamento contextual das campanhas. Contudo, a arquitetura proposta apresenta potencial de adaptação para outros canais de comunicação digital e para novas aplicações analíticas. Para estudos futuros, sugere-se a ampliação do conjunto de métricas e a incorporação de análises estatísticas comparativas para investigar associações entre o desempenho das campanhas e variáveis adicionais, como horário de processamento ou características do perfil do e-mail. Adicionalmente, a avaliação de modelos preditivos para estimar o desempenho das campanhas e a automatização de uma segunda fase do processo analítico, com ferramentas de inteligência artificial para identificação de anomalias e geração de recomendações, poderiam aprofundar a contribuição do dashboard, mantendo a validação humana das interpretações.

Referências Bibliográficas

Creswell, J.W. 2014. Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. 4ed. SAGE Publications, Thousand Oaks, CA, EUA.

Davenport, T.H.; Harris, J.G. 2007. Competing on Analytics: The New Science of Winning. 1ed. Harvard Business Press, Boston, MA, EUA.

Farris, P.W.; Bendle, N.T.; Pfeifer, P.E.; Reibstein, D.J. 2010. Marketing metrics: The definitive guide to measuring marketing performance. 2ed. Pearson Education, Upper Saddle River, NJ, EUA. Disponível em: <https://pergamum-biblioteca.pucpr.br/acervo/339190>. Acesso em: 12. jan. 2026.

Gil, A.C. 2008. Métodos e técnicas de pesquisa social. 6ed. Atlas, São Paulo, SP, Brasil.

Kimball, R.; Ross, M. 2013. The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling. 3ed. Wiley, Hoboken, NJ, EUA.

Kotler, P.; Keller, K.L. 2016. Administração de marketing. 16ed. Pearson Education, São Paulo, SP, Brasil. Disponível em: <https://pergamum-biblioteca.pucpr.br/acervo/378796>. Acesso em: 10 jan. 2026.

Lakatos, E.M.; Marconi, M.A. 2017. Fundamentos de metodologia científica. 8ed. Atlas, São Paulo, SP, Brasil.

Martins R.A.; Costa Neto P.L.O. 1998. Indicadores de desempenho para a gestão pela qualidade total: uma proposta de sistematização. Gestão & Produção 5(3): 298-311.

Pinheiro, E.V. 2026. tcc_email_dashboard_repo. GitHub, 2026. Disponível em: <https://github.com/enzovp01/tcc_email_dashboard_repo>. Acesso em: 09 fev. 2026.

Provost, F.; Fawcett, T. 2013. Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O’Reilly Media, Sebastopol, CA, EUA.

Yin, R.K. 2015. Estudo de caso: planejamento e métodos. 5ed. Bookman, Porto Alegre, RS, Brasil.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

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

Você também pode gostar

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

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.

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