César Ribeiro de Almeida; Arthur Damasceno Vicente

DOI: 10.22167/2675-6528-202604375

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 crescente disponibilidade de dados financeiros e a necessidade de interpretá-los de forma estruturada tornaram relevantes as técnicas de análise multivariada no contexto da ciência de dados aplicada às organizações. O estudo objetivou identificar e interpretar agrupamentos de empresas com base em indicadores financeiros selecionados, a fim de compreender padrões de similaridade e diferenciação entre os perfis econômico-financeiros observados. Para isso, realizou-se uma pesquisa aplicada, quantitativa e exploratório-descritiva, utilizando uma base de dados composta por variáveis patrimoniais, de capital de giro e obrigações operacionais. Os dados foram tratados, padronizados e agregados por empresa, sendo posteriormente analisados por meio de técnicas de clusterização com o algoritmo K-means, definição do número de clusters pelos métodos Elbow e Silhueta, redução de dimensionalidade por Análise de Componentes Principais e validação estatística por análise de variância. Os resultados mostraram que a segmentação identificou grupos distintos de empresas, diferenciados principalmente por variáveis relacionadas ao porte, ao ativo circulante, ao passivo total, ao passivo circulante e aos fornecedores, evidenciando o papel central dessas dimensões na formação dos clusters. A projeção por componentes principais confirmou a separação visual entre os grupos, e a análise de variância indicou diferenças estatisticamente significativas em parte importante das variáveis. Concluiu-se que a clusterização constituiu uma abordagem adequada para identificar perfis empresariais em bases financeiras e que a integração entre análise financeira e ciência de dados ampliou a capacidade de interpretação dos padrões presentes na amostra.

Palavras-chave: Análise Multivariada; Ciência de Dados; Clusterização; Indicadores Financeiros; K-means.

1. Introdução

A crescente disponibilidade de dados contábeis e financeiros tem impulsionado a aplicação de métodos quantitativos robustos na análise empresarial. Essa evolução é crucial para compreender as heterogeneidades entre organizações com base em suas características econômico-financeiras.

Em vez de avaliações isoladas, abordagens orientadas por dados permitem a identificação de padrões, similaridades e diferenças estruturais, o que favorece interpretações mais consistentes sobre porte, liquidez, endividamento e composição patrimonial. Nesse cenário, a análise financeira vem sendo cada vez mais integrada a técnicas de ciência de dados e aprendizado de máquina, transformando grandes volumes de informações em evidências úteis para o processo decisório e a interpretação estratégica do desempenho organizacional.

Entre as técnicas mais utilizadas nesse campo, destaca-se a clusterização, especialmente por sua capacidade de agrupar observações com características semelhantes sem a necessidade de rótulos prévios. O algoritmo K-means permanece como uma das abordagens mais difundidas nesse tipo de problema devido à sua simplicidade, escalabilidade e eficiência computacional, sendo amplamente empregado em tarefas de segmentação e reconhecimento de padrões. Contudo, sua aplicação exige cuidados metodológicos relacionados à padronização das variáveis e à definição do número de clusters, já que decisões inadequadas nessas etapas podem comprometer a qualidade analítica dos resultados.

No campo das finanças, a utilidade da clusterização tem sido cada vez mais reconhecida por permitir a identificação de perfis empresariais ou grupos de ativos com comportamento semelhante a partir de variáveis econômico-financeiras. A Análise de Componentes Principais (PCA) tem sido frequentemente combinada à clusterização como estratégia de redução de dimensionalidade e apoio à visualização, sobretudo quando a base contém múltiplos indicadores correlacionados. A PCA é uma ferramenta versátil para síntese de informação em contextos financeiros e sua integração com métodos de agrupamento favorece a interpretação de padrões latentes em bases complexas.

Apesar desse avanço metodológico, a aplicação dessas técnicas em bases empresariais reais ainda enfrenta desafios importantes. Entre eles, destacam-se a elevada presença de dados ausentes, diferenças de escala entre variáveis e assimetrias na distribuição dos indicadores. Tais limitações são especialmente relevantes quando se trabalha com bases contábeis e financeiras, nas quais a qualidade da informação influencia diretamente a consistência dos agrupamentos gerados. O material analisado neste estudo, por exemplo, teve o conjunto utilizável substancialmente reduzido em razão da elevada proporção de valores ausentes em variáveis centrais, evidenciando a necessidade de tratamento rigoroso antes da aplicação de técnicas multivariadas.

Diante desse contexto, justifica-se a realização deste trabalho pela relevância de compreender como indicadores financeiros podem ser utilizados para segmentar empresas com características semelhantes, produzindo uma leitura mais estruturada sobre os perfis presentes na amostra. Em termos aplicados, esse tipo de análise contribui para reduzir interpretações puramente descritivas ou intuitivas, substituindo-as por uma abordagem empírica baseada em padrões extraídos dos próprios dados. Além disso, ao empregar técnicas como padronização, PCA, K-means e análise de variância, o estudo amplia a consistência analítica da investigação e oferece uma forma objetiva de examinar as diferenças observadas entre grupos. Assim, o objetivo deste trabalho foi identificar e interpretar agrupamentos de empresas com base em indicadores financeiros selecionados, utilizando técnicas de clusterização e redução de dimensionalidade, a fim de analisar padrões de similaridade e diferenciação entre os perfis econômico-financeiros observados na amostra.

2. Material e Métodos

A pesquisa foi classificada como aplicada, quantitativa e de caráter exploratório-descritivo, buscando gerar conhecimento prático a partir da análise de dados financeiros. O estudo objetivou identificar padrões e examinar relações entre variáveis em um contexto empírico específico. Essa classificação mostrou-se coerente com a natureza do problema investigado, que se voltou à utilização de técnicas analíticas para compreender diferenças e similaridades entre empresas (Gil, 2019; Vergara, 2016).

O estudo foi desenvolvido em ambiente analítico computacional, com foco na observação de padrões em dados financeiros estruturados de empresas, sem identificação nominal. A base de dados foi composta por variáveis financeiras relacionadas à estrutura patrimonial, capital de giro e obrigações operacionais. Especificamente, foram consideradas: Ativo_Total, Ativo_Circulante, Caixa_Equivalentes, Contas_a_Receber_Curto, Estoques_Curto, Passivo_Total, Passivo_Circulante, Fornecedores, Emprestimos_Curto, Emprestimos_Longo, Patrimonio_Liquido, Imobilizado e Intangivel. Essa seleção reuniu dimensões centrais da situação econômico-financeira das organizações.

O processamento e a análise dos dados foram realizados com o apoio da linguagem Python. Para a leitura, organização, limpeza, transformação e agregação da base, utilizaram-se as bibliotecas pandas e numpy. As análises gráficas e exploratórias foram desenvolvidas com o auxílio das bibliotecas matplotlib e seaborn. Para a aplicação das técnicas de análise multivariada, empregou-se a biblioteca scikit-learn, que reuniu recursos para tratamento de dados, modelagem estatística e visualização analítica.

Antes da aplicação das técnicas analíticas, realizou-se um processo de tratamento e preparação dos dados. Esse procedimento envolveu a seleção das variáveis de interesse, a conversão dos campos para formato numérico, a verificação de inconsistências e a exclusão de observações com valores ausentes nas variáveis essenciais. Após a limpeza, os dados foram agregados por empresa para construir um perfil financeiro consolidado. Na sequência, as variáveis foram padronizadas por meio do escore z, eliminando diferenças de escala e garantindo sua contribuição equilibrada para os agrupamentos.

Como procedimento central, adotou-se a análise de agrupamentos por meio do algoritmo K-means, implementado com apoio da biblioteca scikit-learn. O K-means foi aplicado sobre os dados padronizados para segmentar as empresas em clusters com base em suas similaridades financeiras. A definição do número de clusters foi realizada com base em critérios estatísticos complementares, empregando-se o método Elbow, que avalia a redução da inércia intra-cluster, e o coeficiente de silhueta, que mensura o grau de coesão interna e de separação entre os agrupamentos.

Para apoiar a visualização e a interpretação da estrutura dos dados, empregou-se a Análise de Componentes Principais (PCA), operacionalizada com auxílio da biblioteca scikit-learn. Essa técnica permitiu sintetizar a variabilidade de um conjunto de variáveis correlacionadas em um número menor de componentes, projetando as observações em um espaço bidimensional. Posteriormente, realizou-se a análise de variância entre os grupos, com a finalidade de verificar se os clusters identificados apresentavam diferenças estatisticamente significativas nas variáveis estudadas, reforçando a consistência da solução obtida.

De forma complementar, empregou-se o algoritmo DBSCAN, também por meio da biblioteca scikit-learn, com o objetivo de comparar seus resultados com aqueles produzidos pelo K-means. A inclusão desse método alternativo buscou ampliar a robustez analítica do estudo. Por fim, os procedimentos de interpretação dos clusters foram conduzidos a partir da análise das médias das variáveis originais em cada grupo, permitindo caracterizar os perfis empresariais formados em termos de porte, estrutura patrimonial, capital de giro e obrigações operacionais.

3. Resultados e Discussão

A presente seção apresenta os principais resultados obtidos a partir da aplicação das técnicas de análise exploratória e de clusterização, com o objetivo de identificar padrões de similaridade entre as empresas analisadas com base em indicadores econômico-financeiros. Inicialmente, foram detalhados os resultados descritivos e exploratórios da base de dados, seguidos pelas análises de correlação entre as variáveis financeiras. Posteriormente, descreveu-se o processo de definição do número de clusters, a visualização dos agrupamentos por meio da Análise de Componentes Principais e a validação estatística dos agrupamentos identificados, culminando em uma interpretação aprofundada dos perfis empresariais. Essa abordagem permitiu uma compreensão estruturada das heterogeneidades presentes na amostra.

A análise exploratória inicial teve como objetivo compreender a distribuição das variáveis financeiras e identificar possíveis padrões de dispersão entre as empresas analisadas. Observou-se que variáveis como Ativo Total, Ativo Circulante, Passivo Total e Patrimônio Líquido apresentaram elevada dispersão, indicando diferenças significativas de porte entre as empresas da amostra. Essa variabilidade sugere que as organizações estudadas não são homogêneas em termos de sua escala operacional e patrimonial, o que justifica a aplicação de técnicas de clusterização para identificar subgrupos com características mais uniformes.

Variáveis associadas ao capital de giro, como Caixa Equivalentes, Contas a Receber Curto e Estoques Curto, também apresentaram variabilidade relevante, embora em menor intensidade do que as variáveis de porte. Por outro lado, indicadores como Imobilizado e Intangível mostraram menor dispersão relativa, apesar da presença de alguns valores extremos que podem indicar particularidades na composição de ativos de certas empresas. Esses resultados confirmam a existência de uma heterogeneidade estrutural significativa entre as empresas, o que valida a premissa para a formação de grupos distintos por meio de técnicas de agrupamento.

Na sequência, foi realizada a análise de correlação entre as variáveis financeiras, com o objetivo de identificar relações lineares entre os indicadores. Verificou-se uma forte correlação positiva entre variáveis relacionadas ao porte e à estrutura operacional das empresas. Destacaram-se as associações entre Ativo Total e Passivo Total, Ativo Total e Ativo Circulante, bem como entre Passivo Circulante e Fornecedores. Esses achados sugerem que empresas de maior porte tendem a apresentar volumes proporcionalmente maiores de ativos e obrigações operacionais, refletindo uma escala de operações mais ampla e complexa.

Em contrapartida, observaram-se correlações negativas moderadas envolvendo a variável Imobilizado, o que pode indicar diferenças na composição patrimonial entre as empresas. Essa relação sugere que alguns grupos de empresas podem ter uma menor proporção de ativos imobilizados em relação a outras dimensões financeiras. Adicionalmente, destacou-se a correlação entre Intangível e Empréstimos de Longo Prazo, o que pode sinalizar a existência de estruturas financeiras mais orientadas ao financiamento de ativos não físicos, como patentes, marcas ou softwares, uma característica relevante em setores de alta tecnologia ou serviços.

Com o objetivo de definir o número adequado de agrupamentos para a aplicação do algoritmo K-means, foram utilizados o método Elbow e o coeficiente de silhueta. A análise do método Elbow indicou que a redução da inércia intra-cluster é mais significativa até aproximadamente três ou quatro clusters. A partir desse ponto, os ganhos na redução da variabilidade interna dos grupos tornam-se marginais, sugerindo que adicionar mais clusters não traria um benefício analítico substancial em termos de compactação dos agrupamentos.

Complementarmente, o coeficiente de silhueta, que mensura a coesão interna e a separação entre os agrupamentos, apresentou melhor desempenho para dois clusters, mas manteve valores aceitáveis para três clusters. Considerando o equilíbrio entre a qualidade estatística e a capacidade interpretativa dos resultados, optou-se pela utilização de três agrupamentos. Essa decisão metodológica é crucial em estudos de clusterização, pois a escolha do número de grupos afeta diretamente a consistência e a utilidade da segmentação gerada, conforme ressaltado por Hastie, Tibshirani e Friedman (2021).

Após a definição do número de clusters, foi realizada a análise de agrupamentos por meio do algoritmo K-means, e os resultados foram projetados em duas dimensões utilizando a Análise de Componentes Principais (PCA). Os dois primeiros componentes principais explicaram a maior parte da variância dos dados, permitindo uma representação adequada da estrutura da base. A PCA revelou a formação de três grupos distintos, embora com tamanhos desiguais, o que facilitou a visualização da separação entre os perfis empresariais identificados.

A visualização por componentes principais demonstrou que um dos clusters concentra a maior parte das empresas, representando o padrão predominante da amostra. Outro cluster agrupou um subconjunto menor de empresas com características diferenciadas, enquanto um terceiro cluster, de natureza unitária, evidenciou um caso atípico ou com perfil financeiro significativamente distinto das demais empresas. A presença desse cluster unitário é consistente com a literatura sobre clusterização, que aponta que algoritmos baseados em distância, como o K-means, tendem a isolar observações com características extremas (Tan, Steinbach & Kumar, 2019).

Para avaliar a consistência estatística dos agrupamentos, foi realizada uma análise de variância (ANOVA) entre os clusters. Os resultados da ANOVA evidenciaram que variáveis como Ativo Total, Ativo Circulante, Passivo Total, Passivo Circulante, Fornecedores, Contas a Receber Curto e Estoques Curto apresentaram diferenças estatisticamente significativas entre os clusters, com p-valores inferiores a 0,05 e tamanhos de efeito elevados. Esses achados indicam que a segmentação foi fortemente influenciada por variáveis relacionadas ao porte e ao capital de giro das empresas, confirmando o papel central dessas dimensões na diferenciação dos grupos.

Por outro lado, variáveis como Caixa Equivalentes, Empréstimos Curto (com significância marginal), Empréstimos Longo, Patrimônio Líquido, Imobilizado e Intangível não apresentaram significância estatística na ANOVA. Isso sugere que essas variáveis tiveram menor capacidade discriminatória no processo de agrupamento, ou seja, não contribuíram de forma tão expressiva para a distinção entre os clusters quanto as variáveis de porte e capital de giro. A análise de variância, ao testar a hipótese de igualdade de médias entre os clusters, reforçou a legitimidade analítica da clusterização, demonstrando que os grupos identificados expressam diferenças relevantes em dimensões centrais da estrutura econômico-financeira das empresas.

Adicionalmente, a análise dos centróides dos clusters permitiu caracterizar os perfis empresariais formados, revelando diferenças estruturais significativas entre os grupos, principalmente em termos de escala financeira e estrutura de capital. O cluster predominante apresentou valores intermediários nas principais variáveis, indicando um perfil mais próximo da média da amostra. Em contraste, o cluster secundário exibiu características mais específicas, com maior ou menor concentração em determinados indicadores, sugerindo estratégias financeiras ou operacionais distintas.

O cluster unitário, por sua vez, evidenciou um comportamento financeiro marcadamente distinto, reforçando a presença de um perfil atípico na amostra. Do ponto de vista gerencial, a identificação de casos atípicos pode ser particularmente útil, pois permite destacar empresas que fogem ao padrão do mercado, seja por desempenho superior, risco elevado ou estrutura financeira diferenciada. Essa observação é valiosa para análises estratégicas e de benchmarking, pois direciona a atenção para organizações que merecem um estudo mais aprofundado devido às suas particularidades.

Por fim, foi realizada a aplicação do algoritmo DBSCAN como método complementar de clusterização, com o objetivo de comparar seus resultados com aqueles produzidos pelo K-means. Os resultados do DBSCAN demonstraram que o algoritmo não foi capaz de identificar agrupamentos consistentes na base analisada, classificando a maior parte das observações como ruído. Esse achado sugere que a estrutura dos dados não apresentou densidade local suficiente para favorecer a formação de clusters segundo a lógica desse método, reforçando a adequação do algoritmo K-means para o contexto deste estudo, conforme discutido por Aggarwal (2015).

Em síntese, os resultados obtidos neste estudo evidenciam que a aplicação de técnicas de análise multivariada, especialmente a clusterização por meio do algoritmo K-means, foi capaz de identificar padrões distintos entre as empresas analisadas com base em seus indicadores econômico-financeiros. Essa evidência está diretamente alinhada ao objetivo do trabalho, que consistiu em identificar e interpretar agrupamentos de empresas a partir de características financeiras, permitindo uma compreensão mais estruturada dos perfis presentes na amostra.

A identificação de clusters distintos, sustentada tanto pela análise visual via PCA quanto pelos testes estatísticos, confirma que variáveis como Ativo Total, Passivo Total, Ativo Circulante e Passivo Circulante desempenham papel central na diferenciação dos grupos. Esse resultado converge com a literatura de análise financeira, que aponta o porte e a estrutura de capital como fatores determinantes na caracterização de empresas (Damodaran, 2021). Além disso, a elevada significância estatística dessas variáveis, evidenciada pelos resultados da ANOVA, indica que os agrupamentos formados não são apenas artefatos do modelo, mas refletem diferenças estruturais reais entre as empresas.

Do ponto de vista metodológico, a escolha do algoritmo K-means mostrou-se adequada ao contexto do estudo, corroborando evidências recentes que apontam esse método como uma das abordagens mais eficientes e amplamente utilizadas em problemas de segmentação de dados (Ezugwu et al., 2023). Sua capacidade de formar grupos homogêneos com base em similaridade torna-o especialmente relevante em análises exploratórias, nas quais não há categorias previamente definidas. A aplicação da Análise de Componentes Principais mostrou-se fundamental para a interpretação dos resultados, permitindo reduzir a dimensionalidade da base e facilitar a visualização dos agrupamentos.

O fato de os dois primeiros componentes principais explicarem mais de 80% da variância total indica que a maior parte da informação relevante foi preservada, reforçando a adequação da técnica, conforme Jolliffe e Cadima (2016). A utilização conjunta do método Elbow e do coeficiente de silhueta para definição do número de clusters contribuiu para aumentar a robustez da análise, evitando decisões arbitrárias e reforçando o rigor metodológico. Ainda assim, os valores moderados do coeficiente de silhueta indicam que a separação entre os grupos não é perfeita, o que é esperado em bases reais com elevada heterogeneidade (James et al., 2021).

Os achados reforçam o papel da ciência de dados aplicada como ferramenta estratégica na extração de conhecimento a partir de dados complexos, transformando dados brutos em insights acionáveis (Provost & Fawcett, 2021). Embora o estudo tenha enfrentado limitações, como a redução do tamanho da base após o processo de limpeza e a presença de heterogeneidade entre as observações, esses fatores não invalidam os resultados, mas indicam a necessidade de interpretá-los com cautela, sobretudo no que se refere à generalização dos achados.

Em suma, a aplicação da clusterização permitiu segmentar as empresas em grupos distintos, evidenciando que variáveis relacionadas ao porte, ao capital de giro e às obrigações operacionais exerceram papel central na formação dos agrupamentos. A integração entre técnicas de ciência de dados e análise financeira ampliou a capacidade de interpretação de bases empresariais complexas, oferecendo uma leitura mais estruturada e menos intuitiva dos perfis presentes na amostra, cumprindo o objetivo de identificar e interpretar agrupamentos de empresas com base em indicadores financeiros selecionados.

4. Conclusão

O presente estudo objetivou identificar e interpretar agrupamentos de empresas com base em indicadores financeiros selecionados, a fim de analisar padrões de similaridade e diferenciação entre os perfis econômico-financeiros observados na amostra. Verificou-se que a aplicação da clusterização, por meio do algoritmo K-means, permitiu segmentar as empresas em três grupos distintos. Os achados indicaram que variáveis relacionadas ao porte, como Ativo Total e Passivo Total, ao capital de giro, como Ativo Circulante e Passivo Circulante, e às obrigações operacionais, como Fornecedores, exerceram papel central na formação desses agrupamentos. A Análise de Componentes Principais (PCA) facilitou a visualização da estrutura dos clusters, enquanto a análise de variância (ANOVA) confirmou as diferenças estatisticamente significativas entre os grupos para as variáveis discriminatórias. A identificação de um cluster unitário também evidenciou a presença de um perfil atípico na amostra. Essa abordagem demonstrou a relevância da integração entre técnicas de ciência de dados e análise financeira para transformar dados complexos em insights acionáveis, oferecendo uma leitura mais estruturada e menos intuitiva dos perfis empresariais.

Apesar das contribuições, o estudo enfrentou limitações importantes, como a redução do tamanho da base de dados após o processo de limpeza e a presença de heterogeneidade entre as observações, o que exige cautela na generalização dos achados. Os valores moderados do coeficiente de silhueta também indicaram que a separação entre os grupos não foi perfeita, um cenário comum em bases reais. Para pesquisas futuras, sugere-se a ampliação da base de dados, a incorporação de novos indicadores financeiros e operacionais, e a comparação com outros algoritmos de clusterização para testar a estabilidade e a robustez dos agrupamentos. Conclui-se que a clusterização constitui uma abordagem relevante para a identificação de perfis empresariais, contribuindo para o avanço das práticas analíticas no contexto organizacional e para a compreensão das heterogeneidades financeiras.

Referências Bibliográficas

Aggarwal, C.C. 2015. Data mining: The textbook. Springer, Cham, Switzerland.

Damodaran, A. 2021. Applied corporate finance. 4ed. Wiley, Hoboken, NJ, USA.

Ezugwu, Α.Ε.; Abualigah, L.; Gandomi, A.H.; et al. 2023. K-means clustering: A comprehensive review and performance evaluation. Information Sciences 622(1): 1-29.

Gil, A.C. 2019. Métodos e Técnicas de Pesquisa Social. 7ed. Atlas, São Paulo, SP, Brasil.

Hastie, T.; Tibshirani, R.; Friedman, J. 2021. The elements of statistical learning: Data mining, inference, and prediction. 2ed. Springer, New York, NY, USA.

James, G.; Witten, D.; Hastie, T.; Tibshirani, R. 2021. An introduction to statistical learning: With applications in Python. 2ed. Springer, New York, NY, USA.

Jolliffe, I.T.; Cadima, J. 2016. Principal component analysis: A review and recent developments. Philosophical Transactions of the Royal Society A 374(2065): 1-16.

Provost, F.; Fawcett, T. 2021. Data science for business: What you need to know about data mining and data-analytic thinking. 2ed. O’Reilly Media, Sebastopol, CA, USA.

Tan, P.N.; Steinbach, M.; Kumar, V. 2019. Introduction to data mining. 2ed. Pearson, Boston, MA, USA.

Vergara, S.C. 2016. Projetos e Relatórios de Pesquisa em Administração. 16ed. Atlas, São Paulo, SP, 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