Segmentação de clientes em varejo online por meio de k-means

K-means, Segmentação de Clientes em Varejo Online por Meio de

doi:10.22167/2675-6528-202602784

Artigo

30 de setembro de 2026

Segmentação de clientes em varejo online por meio de k-means

Segmentação de Clientes em Varejo Online por Meio de K-means

Claudecir Réboli Junior; Henrique Raymundo Gioia

DOI: 10.22167/2675-6528-202602784

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

No contexto da crescente relevância dos dados para a tomada de decisão organizacional, a segmentação de clientes foi analisada como instrumento estratégico para geração de valor em empresas de varejo online. O objetivo consistiu em segmentar os clientes de uma base transacional de uma loja online, visando identificar padrões de consumo e apoiar decisões de marketing. Para isso, utilizou-se uma abordagem quantitativa, com aplicação de técnicas de tratamento de dados, categorização manual de produtos e normalização por Z-Score, seguida da implementação do algoritmo K-Means. A definição do número de clusters considerou os métodos da silhueta e do cotovelo, complementados por uma análise angular. Os resultados evidenciaram uma estrutura altamente concentrada, na qual a maior parte dos clientes apresentou baixo valor individual, enquanto uma pequena parcela concentrou significativa participação no faturamento. Constatou-se a presença de clusters unitários, interpretados como clientes de comportamento extremo e alto valor estratégico. A análise permitiu identificar diferentes perfis de consumo e propor estratégias distintas, desde ações escaláveis até abordagens altamente personalizadas. Concluiu-se que a segmentação baseada em dados possibilitou maior compreensão do comportamento dos clientes e forneceu subsídios relevantes para decisões gerenciais, destacando oportunidades de crescimento e riscos associados à concentração de receita.

Palavras-chave: Análise de dados; Comportamento do consumidor; Clusterização; Segmentação de mercado; Varejo.

1. Introdução

No mundo contemporâneo, a consolidação de uma cultura de tomada de decisão orientada por dados (data-driven) tornou-se um objetivo estratégico para a maioria das organizações. Contudo, dados brutos, por si só, não sustentam decisões eficazes; é indispensável submetê-los a processos de tratamento, organização e análise, de modo a convertê-los em informações relevantes e consistentes (Herdiana et al., 2025).

A capacidade de transformar dados em informações valiosas é crucial para a criação de valor em empresas. Falcão et al. (2016) destacam que o valor da informação para uma organização depende diretamente da habilidade do gestor em analisá-la e utilizá-la para a tomada de decisão correta, com a finalidade de alcançar objetivos específicos.

Nesse cenário, a segmentação de clientes emerge como uma estratégia fundamental. Kotler e Keller (2012) fundamentam que a divisão do mercado em segmentos é essencial, pois os consumidores possuem preferências diversas. John et al. (2023) reforçam que essa estratégia permite às organizações compreender e atender melhor às demandas de seus consumidores, agrupando-os com base em características compartilhadas. Haley (1968) complementa que é mais eficaz aproveitar segmentos de mercado já existentes do que tentar criar novos, adaptando as estratégias de marketing às necessidades dos consumidores.

Para a segmentação de mercado, diversas metodologias são empregadas, sendo o algoritmo K-Means uma das mais frequentes, conforme apontado por Gomes e Meisen (2023) em uma revisão literária. A popularidade do K-Means reside em sua simplicidade e capacidade de aplicação em grandes bases de dados. Este método insere-se no campo do aprendizado de máquina não supervisionado, onde algoritmos são utilizados para identificar estruturas e agrupamentos naturais nos dados sem supervisão prévia (Mahesh, 2019; Goldschmidt e Passos, 2005).

Apesar da vasta utilização de técnicas de segmentação de clientes na literatura, observa-se uma lacuna na aplicação prática dessas abordagens em bases transacionais reais. Essa lacuna é particularmente evidente na identificação de padrões de consumo que possam ser diretamente traduzidos em ações de negócios eficazes.

Nesse sentido, a presente pesquisa busca responder à seguinte questão: como a aplicação do algoritmo K-Means em dados transacionais de varejo online pode contribuir para a identificação de segmentos de clientes com relevância estratégica?

A relevância deste estudo reside na possibilidade de fornecer uma compreensão aprofundada do comportamento dos clientes, oferecendo subsídios para decisões gerenciais e destacando oportunidades de crescimento e riscos associados à concentração de receita. Diante desse contexto, o presente trabalho tem como objetivo segmentar clientes de uma base transacional de varejo online por meio do algoritmo K-Means, visando identificar perfis de consumo distintos e analisar suas implicações para a formulação de estratégias de marketing, retenção e maximização de valor do cliente.

2. Material e Métodos

A presente pesquisa adotou uma abordagem metodológica quantitativa, com o propósito de segmentar clientes de uma base transacional de varejo online. O estudo concentrou-se na aplicação de técnicas de tratamento de dados, análise exploratória e algoritmos de aprendizado de máquina não supervisionado, visando identificar padrões de consumo. Essa metodologia foi selecionada para responder à questão de pesquisa sobre a contribuição do algoritmo K-Means na identificação de segmentos de clientes com relevância estratégica.

O objeto empírico consistiu em um conjunto de dados transacionais públicos, denominado “Online Retail”, obtido no UC Irvine Machine Learning Repository. A base de dados corresponde a registros de transações de uma empresa de varejo online, localizada no Reino Unido, abrangendo o período de dezembro de 2010 a dezembro de 2011. Inicialmente, o conjunto era composto por 541.909 registros e oito variáveis: InvoiceNo, StockCode, Description, Quantity, InvoiceDate, UnitPrice, CustomerID e Country.

As etapas iniciais de limpeza e manipulação dos dados foram realizadas no software Microsoft Excel, utilizando a ferramenta Power Query. Foram removidas observações com valores nulos ou espaços em branco nas variáveis CodCliente e Descricao, bem como registros onde a Quantidade era inferior ou igual a zero. Observações de CodEstoque que não representavam produtos (como taxas) também foram excluídas. Após a limpeza, a base de dados foi reduzida para 396.370 observações.

Em seguida, realizou-se a categorização manual dos produtos em categorias como Acessórios, Alimentos, Animais, Brinquedos, Cozinha, Decoração, Iluminação, Jardim, Materiais, Papelaria, Romântico, Sazonal, Utilidades, Vidros, Vintage e Outros. Essa categorização visou estruturar os dados para a segmentação, garantindo coerência com o contexto do negócio e reprodutibilidade do estudo (Falcão et al., 2016; Gomes e Meisen, 2023). Após a categorização, somou-se o valor transacionado por cliente em cada categoria.

A segmentação de clientes foi conduzida por meio de uma abordagem computacional baseada em Machine Learning, especificamente aprendizado não supervisionado (Géron, 2019; Mahesh, 2019; Goldschmidt e Passos, 2005). O algoritmo K-Means foi implementado utilizando a linguagem de programação Python, no ambiente Spyder, por meio da distribuição Anaconda. A escolha do K-Means justificou-se por sua simplicidade e escalabilidade em grandes conjuntos de dados (Gomes e Meisen, 2023).

Para contornar a sensibilidade do K-Means a escalas distintas, os dados foram normalizados utilizando a técnica Z-Score (Goldschmidt e Passos, 2005). Essa normalização transformou os valores de cada atributo para que apresentassem média igual a zero e desvio padrão igual a um, conforme a fórmula Z = (x – μ) / σ. A definição dos centróides iniciais e dos parâmetros do algoritmo K-Means seguiu as diretrizes de Johnson e Wichern (2007).

As configurações adotadas na biblioteca sklearn para o K-Means foram: init = ‘k-means++’, max_iter = 100, n_init = 100 e random_state = 100. A determinação do número ótimo de clusters, uma etapa crítica (Bassab et al., 1990), foi realizada por meio de três métodos: o coeficiente da silhueta (Géron, 2019), o método do cotovelo (Géron, 2019) e uma análise angular complementar (Herdiana et al., 2025).

O coeficiente da silhueta calculou a média do coeficiente de silhueta de todas as observações, utilizando a fórmula (b-a) / max(a-b). O método do cotovelo calculou a Soma dos Quadrados Intra-Clusters (WCSS), plotando os valores para identificar o ponto de inflexão da curva, onde WCSS = ΣΚ=1 ΣΧ₁€CK ||Xi – μκ||². A análise angular de Herdiana et al. (2025) mensurou o ângulo formado entre segmentos de reta do gráfico do cotovelo, indicando o menor valor de tan(ψ).

Apesar de o coeficiente da silhueta e a análise visual do cotovelo terem sugerido dois clusters como matematicamente ótimos, a análise angular indicou a formação de seis clusters como a configuração mais adequada. Essa decisão foi tomada para conciliar a otimização estatística com a utilidade gerencial, permitindo a identificação de perfis de consumo mais diferenciados e relevantes para a formulação de estratégias de marketing, retenção e maximização de valor do cliente.

3. Resultados e Discussão

A aplicação do algoritmo K-Means na base de dados transacionais resultou na formação de seis clusters distintos, conforme a análise inicial. O Cluster 0 se destacou por agrupar a vasta maioria dos clientes, com 4.298 indivíduos, o que representa 99,15% da base total. Este grupo foi responsável por 6.093.130 do valor transacionado, correspondendo a 69,55% da receita total. Em contraste, os Clusters 1, 2 e 5 foram compostos por apenas um cliente cada, representando uma parcela mínima da quantidade de clientes, mas contribuindo com 3,19%, 2,96% e 1,92% do valor transacionado, respectivamente. O Cluster 3, com 30 clientes (0,69%), gerou 1.388.548 do valor total, e o Cluster 4, com quatro clientes (0,09%), contribuiu com 572.121 da receita. Esta distribuição inicial já indicava uma heterogeneidade significativa na base de clientes, com uma concentração de valor em poucos indivíduos.

Para validar a configuração de seis clusters, realizou-se uma análise exploratória adicional com a formação de quatro clusters. Nesta nova configuração, o Cluster 1 abrangeu 4.299 clientes (99,17% da base), respondendo por 6.261.602 do valor transacionado, ou seja, 71,47% da receita. O Cluster 0, com 31 clientes (0,71%), contribuiu com 1.505.278 do valor, ou 17,18% da receita. O Cluster 2, com um cliente (0,03%), gerou 259.657 do valor (2,96%), e o Cluster 3, com quatro clientes (0,09%), representou 734.529 do total (8,38%). Embora essa configuração de quatro clusters pudesse parecer mais simplificada, ela demonstrou uma limitação crucial ao agrupar o cliente de código 16446, que possuía o quarto maior faturamento da base (168.472) e era altamente especializado na categoria de Papelaria, dentro de um cluster maior. Essa fusão comprometeria a capacidade do modelo em capturar perfis atípicos e estrategicamente relevantes para o negócio, justificando a manutenção dos seis clusters originais.

A decisão de manter a segmentação em seis clusters, mesmo com a presença de agrupamentos unitários (Clusters 1, 2 e 5), alinha-se às propriedades do algoritmo K-Means em bases de dados com alta heterogeneidade e observações extremas. Esses clusters unitários não foram considerados ruído estatístico, mas sim representações de clientes com padrões de consumo excepcionais e de alto valor estratégico. Conjuntamente, os três clusters unitários e o Cluster 4 (com quatro clientes) foram responsáveis por 8,07% do faturamento total. A identificação desses perfis extremos é gerencialmente relevante, pois permite a formulação de estratégias altamente customizadas, focadas na retenção e maximização do valor do cliente ao longo do tempo. A análise dos centroides de cada cluster por categoria de consumo, após a reorganização para maior clareza, revelou padrões específicos que fundamentam as estratégias de marketing.

Análise dos Clusters

A análise dos clusters foi realizada por meio do agrupamento dos resultados em três grupos gerenciais, definidos a partir de características semelhantes quanto à representatividade na base de clientes, contribuição para o faturamento e padrão de consumo. O primeiro agrupamento, denominado Baixo-Médio Ticket Médio, é composto exclusivamente pelo Cluster 1. Este cluster concentra 4.298 clientes, que correspondem a 99,15% da base total, e é responsável por 6.093.130 do valor transacionado, ou 69,55% da receita. O perfil de consumo desse grupo é diversificado, com maior participação nas categorias Utilidades, Cozinha e Vintage, cujos valores nos centroides foram 215, 146 e 134, respectivamente. A grande quantidade de clientes e a dispersão do consumo entre diversas categorias indicam que este grupo é a principal base de sustentação do volume de vendas da loja online.

Apesar de sua vasta representatividade em número de clientes, a participação do grupo Baixo-Médio Ticket Médio no faturamento é proporcionalmente menor, o que sugere um valor transacionado médio por cliente inferior em comparação com os outros agrupamentos. Sob uma perspectiva gerencial, a principal oportunidade para este grupo reside na ampliação do valor gerado por cliente. Isso pode ser alcançado por meio de estratégias escaláveis, como o aumento do ticket médio, o estímulo à recorrência de compras e a implementação de ações de cross-selling. Contudo, a dimensão massiva do grupo limita a viabilidade de estratégias altamente individualizadas, tornando mais eficaz a adoção de campanhas de marketing segmentadas em larga escala, visando otimizar o engajamento e a conversão de forma eficiente.

O segundo agrupamento, denominado Alto Ticket Médio, é formado pelos Clusters 2 e 3. Este grupo, embora represente uma quantidade reduzida de clientes, com 30 clientes no Cluster 2 (0,69% da base) e quatro clientes no Cluster 3 (0,09% da base), possui uma elevada contribuição individual para o faturamento. O Cluster 2 responde por 1.388.548 do valor transacionado, ou 15,85% da receita, com maior concentração de consumo em Utilidades (8.231), Materiais (6.293) e Cozinha (5.726). Já o Cluster 3, que contribui com 572.121 do valor transacionado (6,53%), apresenta maior concentração nas categorias Cozinha (19.699), Romântico (18.389) e Materiais (17.828). Em conjunto, esses dois clusters somam 34 clientes, representando apenas 0,78% da base, mas são responsáveis por 22,38% do valor total transacionado, evidenciando sua relevância econômica.

A principal característica do agrupamento Alto Ticket Médio é a significativa contribuição econômica por cliente, o que os torna alvos estratégicos para ações de retenção e maximização do relacionamento. Do ponto de vista gerencial, iniciativas como programas de fidelidade, atendimento personalizado e ofertas de up-selling são altamente recomendadas para este grupo. O objetivo é ampliar a recorrência de compras e o valor do relacionamento a longo prazo. No entanto, a pequena quantidade de clientes neste agrupamento também representa um risco considerável para o negócio, pois a perda de poucos indivíduos pode gerar um impacto financeiro desproporcional no faturamento total da empresa, exigindo um monitoramento e cuidado contínuos.

O terceiro agrupamento, classificado como Altíssimo Ticket Médio, é composto pelos Clusters 4, 5 e 6. Este grupo é o de menor dimensão na solução adotada, reunindo apenas sete clientes no total, o que corresponde a 0,16% da base de clientes. Contudo, esses poucos clientes são responsáveis por aproximadamente 8,07% do valor transacionado, demonstrando um poder de compra e engajamento excepcionalmente altos. O Cluster 4, com um único cliente, exibiu uma forte concentração em Papelaria, com um valor de 168.470 no centroide. O Cluster 5, também com um cliente, destacou-se por Decoração (70.211), Romântico (31.822) e Vintage (31.132). Por fim, o Cluster 6, igualmente unitário, apresentou maior concentração em Utilidades (53.998), Brinquedos (30.485) e Materiais (29.815).

Os resultados para o agrupamento Altíssimo Ticket Médio evidenciam comportamentos de consumo com valores transacionados extremamente elevados em comparação com os demais grupos. Gerencialmente, esses clientes são considerados de altíssima relevância econômica e demandam um acompanhamento individualizado e estratégico. A oportunidade reside no estabelecimento de relações comerciais de longo prazo, com atendimento personalizado e integração com processos operacionais, como logística e planejamento de abastecimento, para garantir a satisfação e a fidelidade. Contudo, a interpretação desses agrupamentos requer cautela, pois a formação de clusters com poucos clientes pode ser resultado tanto de perfis de consumo genuinamente diferenciados quanto da influência de observações extremas no algoritmo K-Means. Assim, esses achados devem ser vistos como evidências de comportamentos extremos ou altamente diferenciados na base de dados estudada, e não necessariamente como segmentos de mercado generalizáveis.

Síntese dos Agrupamentos

A organização dos resultados em três grupos gerenciais revelou uma estrutura de consumo fortemente concentrada na base de clientes analisada. O primeiro grupo, que engloba a vasta maioria dos clientes, representa a principal base de volume de vendas e demanda estratégias de marketing escaláveis. Em contrapartida, os grupos de Alto e Altíssimo Ticket Médio, embora numericamente pequenos, concentram uma parcela significativa do faturamento, justificando abordagens altamente personalizadas e focadas na retenção e no relacionamento individualizado. Essa dualidade de perfis de consumo sublinha a necessidade de uma estratégia de marketing multifacetada, capaz de atender às diversas necessidades e valores dos clientes.

A concentração de receita em uma parcela muito reduzida da carteira de clientes representa um risco substancial para o negócio. Os Clusters 2 a 6, que correspondem a apenas 0,85% da base de clientes, são responsáveis por 30,45% do valor transacionado. Essa proporção é ainda mais acentuada do que a relação 80/20, frequentemente associada ao princípio de Pareto (Pareto, 1996), indicando uma dependência elevada de poucos clientes para a sustentabilidade da receita. Portanto, os achados enfatizam a urgência de desenvolver estratégias diferenciadas de relacionamento, combinando ações de massa para a base majoritária com iniciativas individualizadas e de alto toque para os clientes de maior valor, mitigando riscos e explorando oportunidades de crescimento.

Limitações do K-Means e Outros Algoritmos

Embora o algoritmo K-Means tenha sido selecionado por sua simplicidade, escalabilidade e ampla utilização na segmentação de clientes, sua aplicação neste estudo revelou algumas limitações inerentes. O K-Means baseia-se em distâncias e centroides, o que o torna sensível à escala das variáveis, à distribuição dos dados e, notavelmente, à presença de observações extremas. A identificação de clusters unitários, embora interpretada como perfis de alto valor estratégico, também pode ser uma manifestação dessa sensibilidade a outliers, o que exige uma interpretação cuidadosa dos resultados.

A literatura aponta para a existência de métodos alternativos que poderiam oferecer perspectivas complementares. O agrupamento hierárquico, por exemplo, permitiria uma análise da formação dos grupos em diferentes níveis de granularidade, sem a necessidade de pré-definir o número de clusters, o que poderia enriquecer a compreensão da estrutura dos dados. Outro algoritmo, o DBSCAN, seria útil para verificar se os clientes identificados como extremos pelo K-Means são, de fato, observações isoladas ou parte de regiões de maior densidade. A ausência de uma comparação com essas abordagens constitui uma limitação da pesquisa, pois impede a verificação da robustez e da reprodutibilidade dos agrupamentos identificados, deixando uma oportunidade para futuras investigações.

Em suma, a segmentação de clientes por meio do algoritmo K-Means permitiu identificar perfis de consumo distintos e suas implicações estratégicas para o varejo online. Os resultados revelaram uma base de clientes heterogênea, com uma grande maioria de baixo valor individual e uma pequena parcela de clientes de altíssimo valor, que concentram uma parte desproporcional da receita. Essa compreensão aprofundada do comportamento dos clientes fornece subsídios valiosos para a formulação de estratégias de marketing, retenção e maximização do valor do cliente, abordando tanto as oportunidades de crescimento quanto os riscos associados à concentração de receita, e respondendo ao objetivo de identificar padrões de consumo e apoiar decisões de marketing.

4. Conclusão

O estudo buscou segmentar clientes de uma base transacional de varejo online por meio do algoritmo K-Means, visando identificar perfis de consumo distintos e analisar suas implicações para a formulação de estratégias de marketing, retenção e maximização de valor do cliente. Verificou-se uma estrutura de consumo altamente concentrada, na qual a vasta maioria dos clientes, correspondente a 99,15% da base, apresentou baixo valor individual, mas foi responsável por 69,55% da receita. Em contraste, identificou-se uma pequena parcela de clientes, representando 0,85% da base, que concentrou 30,45% do faturamento total, incluindo clusters unitários que representam perfis de consumo extremos e de alto valor estratégico. Essa segmentação possibilitou uma compreensão aprofundada do comportamento dos clientes, fornecendo subsídios para a formulação de estratégias de marketing diferenciadas, desde ações escaláveis para a base majoritária até abordagens altamente personalizadas para os clientes de maior valor, e destacou oportunidades de crescimento e riscos associados à concentração de receita.

Apesar da relevância dos achados, a pesquisa apresentou limitações. O algoritmo K-Means demonstrou sensibilidade à escala das variáveis, à distribuição dos dados e à presença de observações extremas, o que pode ter influenciado a formação de clusters unitários. Adicionalmente, a utilização de dados de um único varejista do Reino Unido e de um período de um ano restringe a generalização dos resultados, e a categorização manual dos produtos pode ter introduzido vieses interpretativos. Para estudos futuros, sugere-se a comparação dos agrupamentos identificados com métodos alternativos, como o agrupamento hierárquico ou o DBSCAN, a fim de verificar a robustez e a reprodutibilidade dos resultados, enriquecendo a compreensão da estrutura dos dados e a aplicabilidade gerencial.

Referências Bibliográficas

Bussab, W. O.; Miazaki, E. S.; Andrade, D. F. 1990. Introdução à análise de agrupamentos. IME-USP, São Paulo, SP, Brasil. Disponível em: <https://cicerocq.wordpress.com/wp-content/uploads/2019/05/analise-de-agrupamento_bussab.pdf>. Acesso em: 12 abr. 2026.

Falcão, R. F.; Mazzero, S.; Campomar, M. C.; Toledo, G. 2016. A criação de valor para o cliente com base nos processos estratégicos de segmentação e posicionamento. Revista Interdisciplinar de Marketing, 6(2): 25–41.

Goldschmidt, R.; Passos, E. 2005. Data mining: conceitos, técnicas, algoritmos e orientações para aplicações. 1ed. Elsevier, Rio de Janeiro, RJ, Brasil.

Gomes, M. A.; Meisen, T. 2023. A review on customer segmentation methods for personalized customer targeting in e-commerce use cases. Information Systems and e-Business Management, 21: 527-570.

Géron, A. 2019. Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems. 2ed. O’Reilly Media, Inc., Sebastopol, CA, EUA.

Haley, R. I. 1968. Benefit segmentation: a decision-oriented research tool. Journal of Marketing, 32(3): 30-35.

Herdiana, I.; Kamal, M. A.; Estri, M. N. 2025. A more precise elbow method for optimum K-means clustering. arXiv (Cornell University).

John, J.; Shobayo, O.; Ogunleye, B. 2023. An exploration of clustering algorithms for customer segmentation in the UK retail market. Analytics, 2(4): 809–823.

Johnson, R. A.; Wichern, D. W. 2007. Applied multivariate statistical analysis. Pearson Prentice Hall, Upper Saddle River, NJ, EUA.

Kotler, P.; Keller, K. L. 2012. Administração de marketing. 14ed. Pearson, São Paulo, SP, Brasil.

Mahesh, B. 2019. Machine learning algorithms – a review. International Journal of Science and Research (IJSR), 9(1): 381-386.

Pareto, V. 1996. Manual de economia política. Editora Nova Cultural, São Paulo, SP, Brasil. Disponível em: <https://www.projetos.unijui.edu.br/economia/files/Pareto.pdf>. Acesso em: 12 abr. 2026.

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 […]