Do “Lagging” ao “Leading”: Aplicando modelos de Machine Learning para Predição do Declínio Empresarial

doi:10.22167/2675-6528-202602870

Artigo

02 de outubro de 2026

Do “Lagging” ao “Leading”: Aplicando modelos de Machine Learning para Predição do Declínio Empresarial

Do “Lagging” ao “Leading”: Aplicando Modelos de Machine Learning para Predição do Declínio Empresarial

Evandro Bignotto Penati; Patrícia Belfiore Fávero

DOI: 10.22167/2675-6528-202602870

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

Resumo

A incapacidade de antever eventos corporativos adversos, baseada em indicadores financeiros históricos, limita a resposta estratégica das organizações diante da volatilidade do mercado. Este trabalho teve como objetivo desenvolver um modelo híbrido de Machine Learning para predizer o declínio empresarial em um horizonte de até cinco anos, integrando indicadores financeiros e não financeiros baseados no framework de declínio empresarial. A pesquisa quantitativa analisou 80 empresas de capital aberto, segregadas em grupos de controle e de declínio, utilizando dados públicos da SEC e da plataforma Glassdoor. Testaram-se algoritmos supervisionados, e o Random Forest apresentou o melhor desempenho. Os resultados demonstraram que o modelo híbrido superou significativamente a performance dos modelos puramente financeiros, atingindo níveis de acurácia superiores a 90%. A análise SHAP revelou que fatores culturais, como a satisfação dos funcionários (Glassdoor Score) e a disparidade salarial (Hubris Score), possuíram maior poder preditivo que métricas contábeis tradicionais, antecipando os eventos corporativos adversos. O estudo de caso da Americanas S.A. validou o modelo, identificando um risco de falência de 96% contra 65% do modelo financeiro. Concluiu-se que a deterioração cultural antecede a crise financeira e que a abordagem híbrida oferece uma ferramenta mais precisa para a antecipação de eventos corporativos adversos.

Palavras-chave: Declínio Empresarial; Indicadores Leading e Lagging; Machine Learning; Riscos.

1. Introdução

Em 2008, a falência do Lehman Brothers desencadeou uma crise financeira global, expondo a fragilidade das organizações quanto à sua capacidade de reação frente a eventos imprevisíveis. Esse cenário, caracterizado por volatilidade, incerteza, complexidade e ambiguidade, evidencia a necessidade de antecipar riscos para garantir a sustentabilidade das empresas (Bennett, Lemoine, 2014).

A incapacidade de prever eventos adversos, como os cisnes negros descritos por Taleb (2021), limita o tempo de resposta às adversidades e pode resultar em danos irreversíveis, comprometendo a saúde financeira e a continuidade das empresas. Nesse contexto, uma gestão eficaz exige agilidade, antecipação estratégica e o uso de ferramentas de predição para mitigar riscos antes que estes causem impactos irreversíveis na saúde financeira da corporação (Rigby, Sutherland, Takeuchi, 2016).

Para os gestores, a capacidade de prever e gerenciar riscos não apenas cria janelas temporais para corrigir e mitigar riscos, mas também fortalece a resiliência organizacional em mercados competitivos (Porter, 1996). Para os stakeholders e investidores, uma transparência na gestão de riscos, conforme preconizado pelo COSO (2017), promove confiança e clareza, permitindo uma alocação mais eficiente de capital, a redução de perdas potenciais e a proteção de ativos (Damodaran, 2014; OECD, 2015). Além disso, a integração de práticas de gestão de riscos com objetivos de sustentabilidade amplia a capacidade das organizações de transformar desafios em oportunidades estratégicas, alinhando-se às expectativas de mercados e reguladores (OECD, 2015).

Contudo, as ferramentas disponíveis para previsão do declínio corporativo, como o modelo Z-Score (Altman, 1968), são baseadas predominantemente em dados financeiros históricos. Esses dados possuem uma natureza reativa e refletem situações já consolidadas (Shumway, 2001) e, frequentemente, imutáveis. Embora eficazes na identificação de falências iminentes, essas ferramentas apresentam limitações em horizontes de longo prazo, dificultando a antecipação estratégica em ambientes dinâmicos (McKinsey & Company, 2017), o que compromete a capacidade de antecipação estratégica necessária para a sustentabilidade organizacional (Porter, 1996). Diante dessas restrições, é crucial explorar abordagens que combinem indicadores financeiros, denominados “lagging”, e não financeiros, chamados “leading”, como métricas de satisfação do cliente, tendências de mercado e investimento em pesquisa e desenvolvimento.

Diante dessas limitações, este trabalho propõe a criação de um modelo híbrido para superar as restrições das ferramentas preditivas tradicionais. A abordagem integra indicadores financeiros aos indicadores não financeiros, utilizando ferramentas avançadas de Machine Learning. Essa combinação visa alcançar uma acurácia mínima de 80% em um horizonte de até cinco anos, permitindo antecipar riscos em um período mais amplo e oferecer às organizações o tempo necessário para intervenções corretivas. Assim, o presente estudo tem como objetivo desenvolver um modelo híbrido de Machine Learning para predizer o declínio empresarial em um horizonte de até cinco anos, integrando indicadores financeiros aos indicadores não financeiros baseados no framework de declínio empresarial.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa explicativa de natureza quantitativa, conforme a classificação de Gil (2017). O foco metodológico consistiu na elaboração de um modelo de Machine Learning, com o objetivo de predizer o declínio empresarial em um horizonte de até cinco anos. Para tanto, integrou-se um conjunto de indicadores financeiros, denominados “Lagging”, a indicadores não financeiros, chamados “Leading”, estes últimos derivados do framework de declínio empresarial proposto por Jim Collins (2018).

A unidade de análise compreendeu 80 empresas de capital aberto, selecionadas tanto em território brasileiro quanto no estrangeiro. A amostra foi segregada em dois grupos distintos: um grupo de controle, composto por 35 empresas, e um grupo de declínio, com 45 empresas que haviam experimentado eventos adversos como recuperação judicial, falência ou perda significativa de valor de mercado. A seleção da amostra seguiu o critério de “casos extremos” (sucesso versus fracasso), visando otimizar a capacidade do modelo em distinguir claramente entre os grupos, independentemente do setor de atuação.

A coleta de dados priorizou fontes públicas e auditáveis. Os dados financeiros, ou “Lagging”, foram extraídos de Demonstrações Financeiras e formulários 10-K da Securities and Exchange Commission (SEC) para empresas estrangeiras, e de plataformas de consulta externa da Comissão de Valores Mobiliários (CVM) para empresas brasileiras. Os dados não financeiros, ou “Leading”, foram obtidos da plataforma Glassdoor, que fornece avaliações de funcionários.

Os dados foram acessados por meio de buscas pela internet, com os acessos à plataforma Glassdoor realizados entre novembro de 2025 e março de 2026, e os acessos ao Portal de Consulta Externa da CVM entre novembro de 2025 e fevereiro de 2026. A quantificação dos indicadores “Leading” baseou-se no framework de Jim Collins, que descreve cinco estágios de declínio. Para o Estágio 1, “Orgulho nascido do Sucesso – Excesso de Confiança”, utilizou-se o “Hubris Score”, calculado pela razão entre o salário do CEO e o salário médio dos funcionários.

Para o Estágio 2, “Busca Indisciplinada por mais”, foram empregados dois indicadores: o “Goodwill_Ativo”, que representa a parcela do ativo correspondente ao ágio pago em aquisições por expectativa de rentabilidade futura, calculado pela razão entre o Goodwill e o Ativo Total; e o “Rev_Func”, que buscou detectar “inchaço” corporativo, calculado pela razão entre a Receita Líquida e o Número Total de Colaboradores. O Estágio 3, “Negação do Risco e do Perigo”, foi quantificado pela nota média de satisfação dos funcionários na plataforma Glassdoor, normalizada para uma escala de 0 a 1.

O Estágio 4, “Busca Desesperada por Salvação”, foi mensurado pelo indicador “RD_Receita”, que representa a intensidade de investimento em inovação, calculado pela razão entre as Despesas de P&D e a Receita Líquida. O Estágio 5, “Capitulação à Irrelevância ou à Morte”, foi definido como a variável alvo a ser predita pelo modelo. Os indicadores “Lagging” (financeiros) incluíram a Margem Líquida, que mede a eficiência da empresa em transformar receita em lucro, calculada pela razão entre o Lucro Líquido e a Receita Líquida.

Adicionalmente, utilizou-se o Endividamento Total, que avalia a proporção de financiamento da empresa proveniente de credores em comparação com o capital dos acionistas, calculado pela razão entre a Dívida Total (Passivo Circulante e Não Circulante) e o Patrimônio Líquido. A Liquidez Corrente também foi empregada, medindo a capacidade da empresa de honrar obrigações de curto prazo com seus ativos de curto prazo, calculada pela razão entre o Ativo Circulante e o Passivo Circulante.

A modelagem dos dados foi realizada em linguagem Python, onde foram testados algoritmos de aprendizado supervisionado, incluindo Regressão Logística, Random Forest e XGBoost. Para o treinamento e teste dos modelos, os dados foram divididos em 70% para treinamento e 30% para teste. A avaliação da contribuição dos algoritmos de Machine Learning foi comparada a um modelo de Regressão Logística utilizando apenas dados financeiros, estabelecido como baseline, uma técnica estatística tradicionalmente empregada em estudos de insolvência.

Para a escolha do modelo com melhor desempenho, consideraram-se métricas como Acurácia, F1-Score e a Área sob a Curva ROC (AUC-ROC). A Acurácia representa a porcentagem de predições corretas (Harrison, 2023). O F1-Score combina precisão e recall, sendo a média harmônica entre essas duas métricas (Géron, 2021). A curva ROC e sua área (AUC-ROC) exibem o desempenho do classificador, mostrando a taxa de verdadeiros positivos em relação à taxa de falsos positivos (Provost & Fawcett, 2016).

Para identificar a contribuição de cada variável para o risco de falência empresarial, empregou-se a metodologia SHAP (SHapley Additive exPlanations). A validação do modelo híbrido foi realizada utilizando dados da Americanas S.A. referentes ao ano base de 2021, que serviram como input para a predição. Este procedimento permitiu verificar a aplicabilidade do modelo em um caso real, sem apresentar os resultados da predição nesta seção.

3. Resultados e Discussão

Os resultados obtidos a partir da aplicação dos modelos de machine learning, que integraram dados híbridos compostos por indicadores financeiros e não financeiros derivados do framework de declínio empresarial de Jim Collins, demonstraram uma performance preditiva significativamente superior em comparação com os modelos que utilizaram exclusivamente dados financeiros. O objetivo de alcançar níveis de acurácia acima de 80% foi amplamente superado, evidenciando a robustez da abordagem proposta para a predição do declínio empresarial em um horizonte de até cinco anos. Essa constatação inicial sublinha a importância de uma visão mais abrangente para a avaliação da saúde corporativa, indo além das métricas contábeis tradicionais e incorporando fatores que antecipam eventos adversos.

A análise comparativa entre os diferentes algoritmos de machine learning testados revelou que os modelos híbridos consistentemente superaram as abordagens puramente financeiras em diversas métricas de desempenho. Especificamente, a acurácia na base de teste para os modelos híbridos, como a Regressão Logística e o Random Forest, atingiu 100%, enquanto os modelos financeiros correspondentes apresentaram acurácia de 93,75%. Essa diferença é crucial, pois indica que a inclusão de variáveis não financeiras permite uma distinção mais precisa entre empresas em declínio e empresas saudáveis, minimizando erros de classificação que poderiam ter consequências estratégicas significativas para a gestão de riscos.

A superioridade dos modelos híbridos também foi observada nos valores de F1-Score, que foram consistentemente mais altos para as abordagens que incorporaram os indicadores “Leading”. O F1-Score, que é uma média harmônica entre precisão e recall, reflete a capacidade do modelo de identificar corretamente os casos positivos (empresas em declínio) e de evitar falsos positivos (classificar uma empresa saudável como em declínio). A redução de falsos positivos é particularmente relevante em contextos de gestão de risco, onde classificações errôneas podem levar a decisões dispendiosas e desnecessárias, impactando a confiança dos stakeholders e a alocação de recursos.

A área sob a curva ROC (AUC-ROC) reforçou essa tendência, com todos os modelos híbridos atingindo um valor de 1,00, enquanto o melhor modelo financeiro (Regressão Logística) alcançou 0,96. Esse resultado demonstra que a inclusão de variáveis como o “Glassdoor Score” e o “Hubris Score” permitiu uma capacidade de discriminação perfeita entre as classes de empresas saudáveis e insolventes. A AUC-ROC de 1,00 é um indicativo de um modelo com excelente poder preditivo, capaz de diferenciar com alta precisão as empresas que enfrentarão declínio daquelas que permanecerão estáveis, fornecendo um alerta precoce valioso para a tomada de decisão.

A escolha do algoritmo Random Forest Híbrido como o modelo definitivo para este estudo foi baseada em critérios que transcendem as métricas de desempenho pontuais. Embora a Regressão Logística híbrida tenha apresentado resultados estatísticos equivalentes na amostra de teste, a natureza paramétrica da Regressão Logística impõe limitações em problemas de declínio empresarial, que frequentemente envolvem interações não-lineares entre as variáveis. O Random Forest, por sua vez, utiliza a técnica de “Bagging”, que constrói múltiplas árvores de decisão independentes, isolando casos atípicos e reduzindo a variância da predição, o que é fundamental em cenários de restrição amostral e dados ruidosos.

A capacidade do Random Forest de capturar interações complexas e não-lineares é crucial para modelar o fenômeno do declínio empresarial, que não se manifesta de forma linear. Por exemplo, o impacto do “Glassdoor Score” pode se tornar crítico apenas quando o “Goodwill” (ágio por expectativa de rentabilidade futura) atinge um determinado patamar. Essa habilidade de modelar relações condicionais e limiares torna o Random Forest mais adequado para identificar os gatilhos de risco que os modelos lineares poderiam mascarar, oferecendo uma visão mais completa e precisa dos fatores que contribuem para o declínio corporativo.

A metodologia SHAP (SHapley Additive exPlanations) foi empregada para identificar a contribuição de cada variável para o risco de falência, revelando que as características de maior peso decisório são de natureza comportamental. O “Glassdoor Score”, que reflete o clima organizacional e a satisfação dos funcionários, e o “Hubris Score”, que quantifica a arrogância executiva e a desconexão através da disparidade salarial, emergiram como os indicadores mais influentes. Esses achados corroboram a teoria de que a deterioração cultural e de governança precede a crise financeira, atuando como verdadeiros sinais de alerta primários no processo de falência corporativa.

A análise da influência das variáveis, conforme os valores SHAP, demonstrou que o “Hubris Score” (arrogância executiva e desconexão) possui o maior peso, com 0,1706, seguido pelo “Glassdoor Score” (clima organizacional e satisfação), com 0,1394. Em contraste, indicadores financeiros tradicionais como Margem Líquida (0,0542) e Endividamento Total (0,0265) apresentaram pesos menores. Essa hierarquia de influência sugere que a saúde cultural e a governança de uma empresa são preditores mais fortes de declínio futuro do que as métricas financeiras que, muitas vezes, refletem eventos já em curso ou passados, limitando a capacidade de antecipação estratégica.

A comparação entre empresas do grupo de declínio e do grupo de controle para as variáveis “Glassdoor Score” e “Hubris Score” evidenciou uma divergência significativa. As empresas que eventualmente entraram em declínio apresentaram uma deterioração nesses indicadores antes da crise financeira, enquanto as empresas do grupo de controle mantiveram médias superiores a 0,8 para ambos os indicadores. Esse padrão de comportamento valida o “Estágio 1” de Collins, que descreve o “Orgulho nascido do Sucesso – Excesso de Confiança”, como um precursor mensurável de risco, onde a arrogância e a insatisfação interna começam a corroer a base da empresa antes que os lucros sejam afetados.

A queda no “Glassdoor Score” nas empresas em declínio é particularmente reveladora, pois reflete o “Estágio 2” de Collins, a “Busca Indisciplinada por mais”, onde a pressão interna e a falta de disciplina operacional corroem a cultura organizacional. Essa deterioração cultural, manifestada pela insatisfação dos funcionários, atua como um sinal de alerta precoce, indicando que problemas internos estão se acumulando e podem levar a consequências financeiras adversas no futuro. A capacidade de capturar esses sinais não financeiros é o que confere ao modelo híbrido sua vantagem preditiva em relação às abordagens tradicionais.

Para validar o modelo híbrido, realizou-se um estudo de caso com a Americanas S.A., utilizando dados do ano base 2021. Os indicadores financeiros da empresa, como Liquidez Corrente (1,74), Dívida Total (0,58) e Margem Líquida (0,024), sugeriam uma solvência aparente. No entanto, os indicadores não financeiros, como o “Glassdoor Score” (0,38) e o “Hubris Score” (0,92), já apontavam para um cenário de risco elevado, com o “Glassdoor Score” bem abaixo da média do grupo de controle e o “Hubris Score” indicando uma alta disparidade salarial e potencial arrogância executiva.

A aplicação do modelo híbrido à Americanas S.A. resultou em uma probabilidade de falência de 96%, enquanto o modelo puramente financeiro atribuiu uma probabilidade de 65%. A subsequente falência pública da Americanas em janeiro de 2023 comprovou a eficácia do modelo híbrido em antecipar a crise financeira com maior precisão. Este caso demonstra que os modelos “Lagging” (financeiros) são vulneráveis a manipulações contábeis e fraudes, enquanto os indicadores “Leading” (cultura e “Hubris”) são mais difíceis de mascarar, conferindo maior resiliência e confiabilidade ao modelo preditivo para a antecipação de eventos corporativos adversos.

A análise SHAP para o caso da Americanas S.A. reforçou a evidência de que os fatores culturais foram os mais significativos nos momentos anteriores à instalação da crise financeira. As barras vermelhas, indicando fatores que aumentam a probabilidade de insolvência, foram dominadas pelo “Hubris Score” e “Glassdoor Score”. Isso sugere que a deterioração do clima organizacional e a disparidade salarial foram os principais impulsionadores do risco de falência, superando o impacto dos indicadores financeiros tradicionais na predição do evento adverso e fornecendo um alerta mais preciso sobre a saúde da organização.

Apesar da robustez dos resultados, o estudo apresenta algumas limitações importantes. O modelo foi treinado e validado exclusivamente com dados de empresas de capital aberto, cujas informações são públicas e auditáveis pela SEC e CVM. Métricas como o “Pay Ratio” e o “Goodwill” podem apresentar dinâmicas diferentes em empresas de capital fechado, o que exige adaptação e calibração das variáveis para esse contexto. Além disso, a natureza dos dados do “Glassdoor” e de relatórios administrativos, embora auditáveis, possui um grau de subjetividade que demanda calibração contínua para manter a precisão do modelo em diferentes cenários.

Como desdobramento futuro, para viabilizar uma solução de mercado como um Software as a Service (SaaS), será necessário adaptar e calibrar as variáveis para o contexto de empresas privadas e de menor porte. A automação da coleta de dados, possivelmente via técnicas de Processamento de Linguagem Natural (NLP) para refinar o “Hubris Score” a partir da leitura automática de relatórios anuais, é um passo essencial para escalar o modelo e eliminar a coleta manual, tornando-o mais eficiente e aplicável a um universo maior de empresas, consolidando sua aplicabilidade comercial e prática.

Em síntese, os achados desta pesquisa confirmam que a integração de indicadores “Leading” (culturais e comportamentais) com os indicadores “Lagging” (financeiros) em modelos de machine learning incrementa significativamente a capacidade preditiva de identificar o declínio empresarial. O modelo híbrido desenvolvido não apenas atinge os objetivos de acurácia, mas também oferece insights profundos sobre como fatores culturais e de governança antecedem a crise financeira, atuando como um sistema de alerta precoce que permite a gestores e investidores monitorar a saúde cultural de seus portfólios como um indicador crítico de performance de longo prazo, proporcionando uma janela temporal para intervenções corretivas e estratégicas.

4. Conclusão

O presente estudo buscou desenvolver um modelo híbrido de Machine Learning para predizer o declínio empresarial em um horizonte de até cinco anos, integrando indicadores financeiros e não financeiros baseados no framework de declínio empresarial. Verificou-se que o modelo híbrido superou significativamente a performance dos modelos puramente financeiros, alcançando níveis de acurácia superiores a 90%. A análise SHAP revelou que fatores culturais, como a satisfação dos funcionários (Glassdoor Score) e a disparidade salarial (Hubris Score), possuíram maior poder preditivo que métricas contábeis tradicionais, antecipando eventos corporativos adversos. Identificou-se que a deterioração cultural e de governança precede a crise financeira, atuando como sinais de alerta primários. A validação com o estudo de caso da Americanas S.A. demonstrou a eficácia do modelo híbrido em prever o risco de falência com maior precisão, evidenciando que os indicadores não financeiros são mais resilientes a manipulações contábeis. A principal contribuição reside na oferta de uma ferramenta mais precisa e robusta para a antecipação de eventos corporativos adversos, permitindo uma gestão de riscos mais proativa e estratégica.

Apesar dos resultados expressivos, o estudo apresenta limitações importantes, como o treinamento e validação exclusivos com dados de empresas de capital aberto, o que sugere a necessidade de adaptação e calibração das variáveis para o contexto de empresas de capital fechado e de menor porte. A natureza subjetiva de alguns dados, como os do Glassdoor e de relatórios administrativos, demanda calibração contínua para manter a precisão do modelo. Como desdobramento futuro, sugere-se a automação da coleta de dados, possivelmente via Processamento de Linguagem Natural (NLP), para refinar o Hubris Score a partir da leitura automática de relatórios anuais, visando escalar o modelo e viabilizar uma solução de mercado como um Software as a Service (SaaS). O modelo proposto representa uma mudança de paradigma na gestão de riscos, transpondo a análise de ‘autópsia’ corporativa para um diagnóstico ‘preventivo’, fornecendo a gestores e investidores um sistema de alerta precoce para monitorar a saúde cultural como um indicador crítico de performance de longo prazo.

Referências Bibliográficas

Altman, E. I. 1968. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance 23(4): 589-609.

Bennett, N.; Lemoine, G. J. 2014. What VUCA Really Means for You. Harvard Business Review 92(1/2): 27-32

Collins, J. 2018. How the Mighty Fall. 1 ed. Alta Books, New York, EUA.

Committee of Sponsoring Organization of the Treadway Commission (COSO) 2017. Enterprise Risk Management—Integrating with Strategy and Performance. New York: AICPA.

Damodaran, A. 2014. Applied Corporate Finance. 4. ed. Hoboken: Wiley.

Gil, A. C. 2017. Como Elaborar Projetos de Pesquisa. 6ª ed. Atlas, São Paulo, SP, BR.

Glassdoor. Avaliações das empresas. Disponível em: https://www.glassdoor.com.br. Acessos em: novembro 2025 a março 2026.

Géron, A. 2021. Mãos à Obra: Aprendizado de máquina com Scikit-Learn, Keras & TensorFlow. 2ed. O’Reilly, Rio de Janeiro, RJ, BR.

Harrison, M 2023. Machine Learning Guia de Referência Rápida. 1ed. O’Reilly, EUA.

McKinsey & Company. 2017. The Future of Risk Management in the Digital Era. New York: McKinsey Global Institute.

OECD 2015. G20/OECD Principles of Corporate Governance. Paris: OECD Publishing.

Portal de Consulta Externa da CVM (Comissão de Valores Mobiliários). Dados das empresas.: Consulta de Documentos de Companhias Abertas. Disponível em: https://www.gov.br/cvm. Acessos em: novembro 2025 a fevereiro 2026.

Porter, M. E. 1996. What is Strategy? Harvard Business Review 74(6): 61-78.

Provost, F.;Fawcett, T. 2016. Data Science para Negócios. 1ed. Alta Books, Rio de Janeiro, RJ, BR.

Rigby, D. K.; Sutherland, J.; Takeuchi, H. 2016. Embracing Agile. Harvard Business Review 94(5): 40-50.

SEC [Referência completa não encontrada no documento original]

Shumway, T. 2001. Forecasting Bankruptcy More Accurately: A Simple Hazard Model. The Journal of Business 74(1): 101-124, 2001.

Taleb, N. N. 2021. A lógica do Cisne Negro: O impacto do altamente improvável, 1ed. Objetiva, Rio de Janeiro, RJ, BR.

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

Mais recentes

22 de outubro de 2026

Desafios e Possibilidades do Primeiro Ano Escolar de Crianças com Tea para o Trabalho Docente

22 de outubro de 2026

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

22 de outubro de 2026

Riscos Psicossociais e Saúde Mental no Trabalho em uma Instituição Bancária

22 de outubro de 2026

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

22 de outubro de 2026

Aprendizado Contínuo como Fator de Crescimento Organizacional na Percepção dos Colaboradores

22 de outubro de 2026

Regressão Estatística em Microrredes para Estimativa de Desempenho Operacional: Caso Campusgrid

22 de outubro de 2026

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

22 de outubro de 2026

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

22 de outubro de 2026

Combate às Perdas Comerciais de Energia Elétrica Utilizando Modelo de Séries Temporais

Você também pode gostar

22 de outubro de 2026

Desafios e Possibilidades do Primeiro Ano Escolar de Crianças com Tea para o Trabalho Docente

A inserção de crianças com Transtorno do Espectro Autista (TEA) na Educação Infantil apresenta desafios significativos, dada a dificuldade de adaptação em novos ambientes e a intensidade de estímulos. O objetivo foi analisar a atuação docente na Educação Infantil no processo de escolarização inicial de crianças com TEA. Realizou-se um estudo de caso, utilizando a entrevista narrativa como técnica de produção de dados. Os resultados revelaram que a atuação docente caracterizou-se por práticas de mediação e afeto, com a flexibilização da rotina e o uso de recursos lúdicos como estratégias essenciais para o desenvolvimento e organização sensorial da criança. Destacou-se também a importância da profissional de apoio escolar para o êxito do trabalho pedagógico. O desenvolvimento integral da criança foi promovido por meio de ações docentes intencionais que priorizaram a adaptação ambiental, o fortalecimento de vínculos e o atendimento às necessidades específicas do TEA. Como contribuição, elaborou-se um guia de estratégias pedagógicas voltado ao acolhimento de crianças com TEA em creches públicas.

Palavras-chave: Educação Infantil; Inclusão Escolar; Narrativas Docentes; Práticas Pedagógicas Inclusivas; Transtorno do Espectro Autista.

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

Riscos Psicossociais e Saúde Mental no Trabalho em uma Instituição Bancária

A saúde mental no ambiente de trabalho é um tema de crescente relevância, impactando o desenvolvimento profissional e o bem-estar dos colaboradores. Um estudo foi realizado para identificar aspectos e situações que podem influenciar os níveis de absenteísmo em uma instituição bancária. A pesquisa envolveu 108 participantes e utilizou um questionário estruturado, baseado na versão curta do COPSOQ II de Gonçalves (2021), que continha 45 questões fechadas em escala Likert e duas perguntas abertas. Os dados foram coletados por meio de plataforma online e analisados com abordagem descritiva e quantitativa. Os resultados revelaram um cenário que indicou a necessidade de ajustes na distribuição das atividades e na percepção dos gestores sobre comportamentos e sinais de transtornos. Foram identificadas evidências importantes nas respostas abertas dos participantes. Concluiu-se que o estudo contribuiu para a promoção da percepção de um ambiente seguro para a saúde mental na organização.

Palavras-chave: Afastamentos por transtornos; Desenvolvimento profissional; Liderança operacional; Licença médica; Saúde mental.

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

Regressão Estatística em Microrredes para Estimativa de Desempenho Operacional: Caso Campusgrid

Um modelo de regressão estatística múltipla foi proposto para estimar o desempenho operacional da microrrede CampusGrid da UNICAMP, com base em grandezas elétricas internas. A microrrede integra geração fotovoltaica, baterias e um gerador a gás. Dados do sistema de gerenciamento de energia foram coletados em intervalos de cinco minutos durante um mês. O Índice de Confiabilidade Operacional, definido como a razão entre energia atendida e demandada, foi estabelecido como variável dependente. O modelo foi ajustado para o modo de operação ilhado, avaliando o impacto da demanda, estado de carga, geração solar e energia suprida. Os resultados revelaram elevado poder explicativo, indicando que a confiabilidade operacional depende da interação entre suprimento e demanda. Observou-se que o período noturno concentrou a maior taxa de atendimento parcial, atribuída à redução da geração solar. Concluiu-se que a regressão múltipla oferece uma estrutura interpretável e útil para o monitoramento de microrredes e o apoio a estratégias de controle.

Palavras-chave: Armazenamento em baterias; Geração fotovoltaica; Índice de Confiabilidade; Operação ilhada; Sistema de Gerenciamento de Energia.

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.

22 de outubro de 2026

Combate às Perdas Comerciais de Energia Elétrica Utilizando Modelo de Séries Temporais

As perdas comerciais de energia elétrica representaram um dos principais desafios para as distribuidoras, impactando diretamente a sustentabilidade econômica e a qualidade do fornecimento. Avaliou-se a eficiência de modelos de séries temporais, com foco em técnicas de suavização exponencial, na previsão do consumo faturado de unidades consumidoras, para apoiar a identificação de desvios associados a perdas não técnicas. Utilizaram-se dados históricos de consumo mensal de uma distribuidora de energia elétrica no Brasil, segmentados por perfis de comportamento (estacionariedade, tendência e sazonalidade). Aplicaram-se modelos de suavização exponencial simples, Holt e Holt-Winters (aditivo e multiplicativo), comparados a uma média móvel tradicional. O erro percentual absoluto médio (MAPE) foi o critério de avaliação. Adicionalmente, empregou-se a abordagem ETS para seleção automática do modelo e testes de diagnóstico dos resíduos, como Ljung-Box e análise da função de autocorrelação. Os resultados demonstraram que modelos mais robustos apresentaram maior capacidade de adaptação às características das séries e menor erro, com destaque para o desempenho superior em cenários com tendência. Para séries sazonais, o modelo ETS mostrou maior capacidade de adaptação a transições. Concluiu-se que a utilização de modelos de séries temporais mais estruturados contribuiu significativamente para a melhoria da acurácia das previsões e ofereceu suporte analítico relevante para a identificação de perdas comerciais e otimização de processos operacionais e comerciais no setor elétrico.

Palavras-chave: Distribuição de energia; MAPE; Otimização; Previsão de consumo; Suavização exponencial.

Economia

19 de outubro de 2026

Fim da escala 6×1: o que os números permitem concluir?

Após promulgação do fim da escala 6×1, debate sobre a jornada menor passa à implementação e exige distinguir benefícios sociais de custos econômicos O fim da escala 6×1 passou da discussão legislativa para uma mudança constitucional no Brasil. Em 16 de outubro de 2026, o Congresso Nacional promulgou a emenda constitucional nº 141/2026, originada da Proposta […]

Inteligência Artificial

16 de outubro de 2026

Por que estudar se existe IA?

Quando respostas se tornam fáceis, aprender passa a significar mais do que chegar até elas Por que eu preciso aprender isso se posso perguntar para uma inteligência artificial? Esse tipo de pergunta acompanha a educação há décadas. Por que aprender uma operação se existe calculadora? Por que memorizar uma informação se ela pode ser encontrada […]

Gestão Tributária

15 de outubro de 2026

Pink tax e o gênero do preço

Como os diferentes tratamentos mercadológicos a homens e mulheres são incorporados pela tributação do consumo Imagine uma prateleira na qual duas lâminas de barbear da mesma marca e destinadas à mesma finalidade estão expostas lado a lado: uma tem embalagem escura e promete força, precisão e eficiência; a outra vem em tons de rosa ou […]

Saúde

13 de outubro de 2026

O elo perdido da transformação da saúde

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

Marketing

09 de outubro de 2026

Bitcoin ou pets: o que a Inteligência Artificial não veria

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

Gestão Escolar

06 de outubro de 2026

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

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

Transição Energética

30 de setembro de 2026

Energias renováveis: a vantagem brasileira

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

Análise De Dados

30 de setembro de 2026

Quando o dado muda, a realidade mudou?

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

Inteligência Artificial

28 de setembro de 2026

Inteligência artificial e as trends

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

Gestão Tributária

01 de setembro de 2026

Reforma tributária e planejamento patrimonial no campo

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

Renata de Gaspari Valdejão Almeida

Inteligência Artificial

05 de agosto de 2026

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

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

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julho de 2026

O futuro como competência

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

Renata de Gaspari Valdejão Almeida

Inovação

Tecnologia

21 de maio de 2026

Corredor Agro SP: inovação, articulação institucional e futuro

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

Educação

27 de abril de 2026

Como transformar um TCC em negócio

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

Tecnologia

20 de março de 2026

O repertório humano na era da IA

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

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

23 de fevereiro de 2026

ESG como estratégia de crescimento em uma cooperativa do RS

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

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

22 de janeiro de 2026

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

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

Renata de Gaspari Valdejão Almeida

Inovação

09 de dezembro de 2025

Inovação: o novo ciclo do Parque Tecnológico de Piracicaba

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

Renata de Gaspari Valdejão Almeida

06 de julho de 2026

Arquitetura de Grande Porte: Gestão de Mudanças DSR-SCRUM

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