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

Economia, Investimentos E Banking

23 de outubro de 2026

Educação Financeira, Comportamentos e Vieses na Tomada de Decisão Financeira

A gestão financeira pessoal representa um desafio crescente, influenciada por vieses cognitivos que afetam a tomada de decisão, mesmo em indivíduos com alto conhecimento. O presente estudo analisou a relação entre o nível de educação financeira e a ocorrência de vieses comportamentais na tomada de decisão financeira de adultos residentes no Brasil. Realizou-se um levantamento de campo de natureza aplicada, quantitativa e descritivo-correlacional, por meio da aplicação de um questionário estruturado a 163 respondentes. O instrumento contemplou variáveis sociodemográficas, conhecimento e hábitos financeiros, e situações hipotéticas para identificar vieses cognitivos. Os resultados indicaram que níveis mais elevados de educação financeira associaram-se a melhores práticas de controle financeiro, poupança e investimento, com correlações significativas com renda e escolaridade. Contudo, a presença de vieses comportamentais (ancoragem, aversão à perda, escassez, otimismo/negatividade, viés do presente, status quo, excesso de confiança e contabilidade mental) persistiu mesmo entre indivíduos com maior escolaridade e renda, sem associação estatisticamente significativa com as variáveis sociodemográficas analisadas. Concluiu-se que a educação financeira, embora essencial para a organização e o controle financeiro, não foi suficiente para neutralizar a influência de vieses cognitivos. Sugere-se a incorporação de abordagens comportamentais aos programas de educação financeira.

Palavras-chave: Comportamento financeiro; Economia comportamental; Finanças pessoais; Heurísticas cognitivas; Vieses cognitivos.

22 de outubro de 2026

Jornada do Consumidor na Decisão de Compra de Infoprodutos no Ambiente Digital

A expansão do comércio eletrônico e a transformação tecnológica impulsionaram a necessidade de compreender o comportamento do consumidor de infoprodutos, cuja experiência percebida tornou-se crucial para o desenvolvimento profissional. O estudo objetivou analisar os fatores que influenciaram a decisão de compra de infoprodutos no ambiente digital, considerando as etapas da jornada do consumidor. Realizou-se uma pesquisa aplicada, quantitativa e descritiva, por meio de um levantamento de campo com 100 consumidores da Serra Gaúcha. A coleta de dados ocorreu via questionário estruturado, utilizando amostragem não probabilística. Os resultados revelaram um público qualificado e com forte comportamento “mobile-first”. Constatou-se que a disponibilidade de informações detalhadas e a aprovação social foram os principais gatilhos de atração na fase de pré-compra. Nas etapas transacionais e posteriores, a minimização de atritos operacionais, a agilidade do acesso imediato e a segurança sistêmica mostraram-se cruciais para a conversão e satisfação, embora lacunas na eficiência do suporte humano tenham sido identificadas. A retenção fundamentou-se na confiança gerada por experiências anteriores positivas, superando o fator preço. Concluiu-se que a jornada do consumidor de infoprodutos opera como um sistema integrado, exigindo alinhamento entre infraestrutura tecnológica, curadoria de conteúdo e humanização do suporte para assegurar o engajamento.

Palavras-chave: Comércio eletrônico; Comportamento do consumidor; Experiência do consumidor; Fidelização; Negócios virtuais.

22 de outubro de 2026

Observatório Digital da Amazônia: Ciência de Dados Aplicada à Análise de Indicadores Sociais, Econômicos, Ambientais e de Saúde

O estado do Amazonas enfrentou desafios históricos na consolidação do Sistema Único de Saúde (SUS), decorrentes de barreiras geográficas, desigualdades socioeconômicas e limitações estruturais. Descreveu-se, neste estudo, o desenvolvimento e a implementação de um geoportal de informações em saúde, concebido para apoiar o monitoramento, a avaliação e o planejamento no contexto amazônico. Adotou-se uma abordagem de estudo de caso descritivo, baseada em análise documental e dados secundários, abrangendo o mapeamento de funcionalidades, a infraestrutura técnica e as etapas de validação da ferramenta. O Portal foi desenvolvido com tecnologias abertas e integrou múltiplas bases de dados nacionais, oferecendo dashboards interativos, mapas temáticos e repositório digital de documentos. Entre os resultados, destacaram-se a visualização georreferenciada de indicadores-chave, a possibilidade de análises comparativas temporais e a utilização da plataforma na revisão de planos de saúde e no redirecionamento de ações estratégicas. O portal pode representar um avanço na governança digital e na gestão baseada em evidências, com potencial de replicabilidade para outros territórios de alta complexidade, desde que acompanhada de investimentos em infraestrutura tecnológica, capacitação profissional e articulação interinstitucional.

Palavras-chave: Amazônia; Avaliação em Saúde; Saúde Digital; Sistemas de Informação em Saúde.

22 de outubro de 2026

Aprendizado Contínuo como Fator de Crescimento Organizacional na Percepção dos Colaboradores

O impacto do aprendizado contínuo e da gestão do conhecimento no crescimento das organizações foi estudado em um cenário de globalização e constantes mudanças. O objetivo do estudo foi analisar a percepção dos colaboradores sobre a cultura de aprendizagem e sua importância para o desenvolvimento pessoal e profissional. Os dados foram obtidos por meio de uma pesquisa anônima, de abordagem quantitativa, utilizando um formulário com questões do tipo “survey” aplicado a 87 profissionais dos setores de tecnologia, saúde, educação, comércio e serviços. Os resultados indicaram que os colaboradores possuíam uma percepção positiva sobre a contribuição do aprendizado contínuo para o crescimento pessoal e organizacional, reconhecendo seus benefícios para o desenvolvimento de novas habilidades, inovação e competitividade. Contudo, observou-se que o incentivo à troca de conhecimento interno e a oferta de treinamentos práticos ainda apresentavam médias moderadas de concordância. Concluiu-se que o aprendizado contínuo contribui significativamente para o desenvolvimento individual e organizacional, sugerindo que as empresas devem desenvolver políticas estratégicas de aprendizado direcionado para novas habilidades, visando maior vantagem competitiva e inovação.

Palavras-chave: Aprendizagem contínua; Autodesenvolvimento; Crescimento organizacional; Gestão do conhecimento; Inovação.

22 de outubro de 2026

Previsão da Inadimplência Agregada no Sistema Financeiro Brasileiro por Modelo Sarimax com Variáveis Macroeconômicas

A inadimplência agregada no sistema financeiro brasileiro é um indicador crucial de risco de crédito, cuja previsão é regulamentada pelas Resoluções CMN n.° 4.557/2017 e 4.966/2021 para a mensuração prospectiva de perdas esperadas. Modelou-se e previu-se a inadimplência agregada por meio do modelo SARIMAX, projetando sua trajetória até dezembro de 2026 sob cenários otimista, base e pessimista. Utilizaram-se 164 observações mensais (julho/2012 a fevereiro/2026) e variáveis macroeconômicas como desemprego, Selic, IPCA, IBC-Br e endividamento das famílias. A especificação com variáveis contemporâneas foi selecionada com base em critérios de informação e estabilidade dos coeficientes, e o diagnóstico dos resíduos confirmou adequação estatística, com MAPE de 3,12%. A inadimplência histórica variou entre 4,33% e 7,64%. A estimação identificou o desemprego (β = 0,2534; p < 0,001) e a Selic (β = 0,2128; p < 0,001) como principais determinantes positivos, com forte persistência temporal (AR(1) = 0,8965). A Selic exibiu correlação crescente com a inadimplência (r = 0,62 no lag 12), enquanto o desemprego demonstrou efeito contemporâneo (r = 0,33). As projeções indicaram inadimplência entre 6,30% e 7,98% em dezembro de 2026, com uma amplitude de 1,68 ponto percentual, evidenciando implicações diretas para o dimensionamento de provisões nas instituições financeiras. Palavras-chave: Desemprego; Modelagem preditiva; Política monetária; Provisão de perdas; Séries temporais.

22 de outubro de 2026

Fatores de Engajamento das Partes Interessadas na Transferência Internacional de Tecnologia para um Hospital Público

Este estudo descreveu os fatores críticos percebidos para o engajamento das partes interessadas na transferência internacional de tecnologia em um hospital público, com foco no planejamento. O objetivo foi descrever esses fatores condicionantes, conforme a percepção de profissionais. Realizou-se um estudo de caso único, aplicando um questionário a 25 profissionais e utilizando análise de conteúdo, complementada por tabulações descritivas. Os principais obstáculos identificados foram resistência à mudança (72%), financiamento (64%), falta de comunicação (60%) e burocracia (40%). Apenas 28% dos respondentes reconheceram a existência de ferramentas adequadas para gestão de stakeholders, enquanto 48% negaram e 24% não souberam informar. Cruzamentos exploratórios indicaram variações na avaliação de influência conforme o tempo de atuação, mas não estabeleceram relações causais. A falta de engajamento foi associada a atrasos, baixa adesão, desperdício de recursos, falhas de comunicação, comprometimento da absorção de conhecimento e riscos à segurança do paciente. As conclusões restringiram-se às percepções do grupo pesquisado e fundamentaram recomendações preliminares para comunicação e coordenação intersetorial.

Palavras-chave: Estudo de caso; Gestão de projetos; Inovação em saúde; Partes interessadas; Setor público.

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