Previsão de séries temporais: vantagens em vários campos

Coluna

Data Science Analytics

Inovação

12 de julho de 2024

Previsão de séries temporais: vantagens em vários campos

Com a aplicação adequada, é possível aprimorar a eficiência operacional, otimizar recursos e contribuir para o desenvolvimento econômico e social.

Uma questão frequentemente levantada pelos alunos do MBA em Data Science e Analytics é: qual base de dados seria apropriada para utilizar em um Trabalho de Conclusão de Curso (TCC)? Existe um vasto campo a ser investigado e a disponibilidade de dados é abundante para tal propósito. Com essa finalidade, são fornecidas orientações personalizadas, direcionando o estudante para as áreas que mais provavelmente irão inspirar o trabalho. No entanto, antes de discutir sobre uma base de dados particularmente interessante, é importante abordar brevemente o tema de séries temporais.

As séries temporais permeiam o dia a dia e podem ser derivadas de quase todas as atividades diárias, sendo fundamentais para prever o comportamento futuro e auxiliar no processo de tomada de decisão. Da manutenção preditiva de equipamentos ao desenvolvimento de políticas públicas, a análise de séries temporais é fundamental para transformar dados históricos em informações úteis.

Uma série temporal pode ser entendida como um diário de dados no qual são registradas informações em intervalos regulares, geralmente organizadas em ordem cronológica. Esses dados podem ser usados ​​para identificar padrões e tendências ao longo do tempo, facilitando a previsão de eventos. Aqui estão alguns exemplos de aplicação em diferentes áreas.

  • Área financeira: séries temporais são utilizadas para analisar e prever o comportamento do mercado. Investidores e analistas utilizam dados históricos sobre preços de ações, taxas de juro e taxas de câmbio para desenvolver modelos que ajudam a prever a volatilidade, minimizar riscos e maximizar retornos. Antecipar essas flutuações pode orientar os negócios em diferentes mercados;
  • Manutenção preditiva de equipamentos: a análise de séries temporais geradas por sensores anexados às máquinas ajuda a prever quando será necessária uma manutenção. Ao monitorar o desempenho, a vibração e os sinais de desgaste ao longo do tempo, é possível determinar quando o equipamento está prestes a falhar, o que permite programar a manutenção preventiva, evitando paradas não planejadas e reduzindo custos;
  • Saúde: a previsão de séries temporais pode ser utilizada para monitorar surtos de doenças. A análise de dados históricos sobre casos de doenças como a dengue pode prever picos de ocorrência e preparar os sistemas de saúde para responder de forma eficaz. Além disso, os gestores públicos podem prever e tomar medidas para minimizar os picos da doença;
  • Economia e políticas públicas: os governos e as agências utilizam séries temporais para avaliar e prever indicadores econômicos como a inflação, o desemprego e o PIB. Esses dados são essenciais para a tomada de decisões políticas e estratégicas. Por exemplo, a previsão das taxas de desemprego pode orientar a implementação de programas de criação de emprego.

A ciência de dados revolucionou a forma como são feitas as análises e interpretações das séries temporais. Com o advento da tecnologia avançada e sua capacidade de processar grandes quantidades de dados, a análise tornou-se mais precisa e conveniente. Ferramentas e algoritmos de aprendizado de máquina podem identificar padrões complexos e ser usados ​​para fazer previsões confiáveis.

Os desenvolvimentos na área da computação facilitam a análise em tempo real de séries temporais à medida que a capacidade de processamento e armazenamento aumenta. Hoje, modelos complexos podem ser aplicados de forma eficiente a grandes conjuntos de dados, o que seria impraticável ​​há apenas algumas décadas.

Existem várias ferramentas disponíveis para lidar com séries temporais. Algumas das mais comuns incluem a linguagem de programação R, que é amplamente utilizada na análise de dados e possui uma variedade de pacotes para a análise de séries temporais. Outra linguagem popular entre os cientistas de dados é o Python, que oferece várias bibliotecas para a análise de séries temporais. O Excel, embora menos poderoso do que R e Python, também é usado para análise de séries temporais. O Tableau, uma ferramenta de visualização de dados, e o SAS, um software de análise estatística, também podem ser usados. Além disso, há modelos estatísticos específicos, como ARIMA e SARIMA, e técnicas de aprendizado de máquina, como redes neurais (RNN, LSTM), que são frequentemente usadas para análise de séries temporais.

A aplicação dessas ferramentas e técnicas se torna ainda mais interessante quando se considera a quantidade de dados disponíveis gratuitamente em órgãos públicos. Esses dados são úteis não apenas para a pesquisa acadêmica, mas também trazem benefícios para a universidade e a sociedade em geral. As empresas também podem utilizar esses dados para realizar suas próprias pesquisas e previsões, o que pode auxiliar no planejamento e na tomada de decisões.

O Instituto de Economia Aplicada (IPEA) é uma instituição do governo brasileiro especializada em pesquisa que desempenha um papel importante na formulação das políticas públicas brasileiras. Dentro do IPEA, o Ipeadata é uma iniciativa específica focada em coletar, analisar e disponibilizar séries temporais relacionadas a diversos aspectos da economia e da sociedade.

O Ipeadata oferece um extenso banco de dados com mais de 9.000 séries de dados de 112 fontes, as mais proeminentes das quais estão listadas abaixo. Esses dados podem ser baixados diretamente do site do Ipeadata ou utilizando bibliotecas como  ipeadatar, em linguagem R, e ipeadatapy, em linguagem Python, o que facilita a operação e análise desses dados. As séries Ipeadata fornecem uma base valiosa para análise e tomada de decisão, com informações para diversos interessados: estudantes, empresas, pesquisadores etc.

As séries mais visitadas do Ipeadata abrangem diversas categorias, incluindo macroeconomia, economia regional e socioeconomia. Na categoria macroeconômica, as séries mais populares incluem IPCA do IBGE, IGP-M da FGV e taxas de juros (CDI/Over) do Bacen. Além disso, a taxa de câmbio Real/USD também recebe visitas frequentes.

Para dados regionais, muitas vezes são utilizados os números do IBGE relativos à população e ao PIB estadual. As estatísticas de emprego fornecidas pelo Ministério do Trabalho e Emprego (incluindo admissões e demissões) também são interessantes. Por fim, na categoria social, as consultas mais frequentes são ao índice de Gini (grau de concentração de renda em determinado grupo), à taxa de desemprego do IBGE e ao IDHM (Índice de Desenvolvimento Humano Municipal) do IPEA. A taxa nacional de pobreza e o valor mensal do programa Bolsa Família também são relevantes para muitos usuários. Essas séries fornecem um relato abrangente e detalhado das condições econômicas e sociais do Brasil.

Nota-se que, seja para fins acadêmicos, profissionais ou até mesmo por curiosidade, dados não são um problema hoje em dia. A análise utilizando séries temporais é uma ferramenta indispensável em diversos setores, pois permite analisar esses dados e antecipar eventos, viabilizando decisões fundamentadas. Seja na manutenção de equipamentos, na gestão financeira, na formulação de políticas públicas ou na área da saúde, as séries temporais por meio das ferramentas adequadas, podem ser transformadas em informações valiosas. Com a aplicação adequada dessas técnicas, é possível aprimorar a eficiência operacional, otimizar recursos e contribuir para o desenvolvimento econômico e social.

Quem publicou esta coluna

José Erasmo Silva

É empresário no setor de serviços, formado em matemática e administração. Tem mestrado e doutorado em administração, com foco em Finanças, e especializações em data science e analytics e em finanças e controladoria. Atualmente atua como professor no no curso de Data Science, Inteligência Artificial e Analytics, do MBA USP/Esalq, e pesquisador na Universidade Federal da Bahia (UFBA).

Você também pode gostar

Compliance E Esg

11 de setembro de 2026

Inteligência Artificial na Gestão Contratual: Supervisão Humana, Riscos Jurídicos e Governança Algorítmica

O advento da inteligência artificial como tecnologia disruptiva reconfigurou processos econômicos, institucionais e jurídicos, conferindo centralidade à automação contratual na gestão de relações complexas. A automação contratual revelou-se um fenômeno juridicamente não neutro, com opacidade decisória, geração automatizada de cláusulas abusivas e dificuldades de atribuição de responsabilidade, deslocando a elaboração contratual para o domínio jurídico-normativo. O estudo analisou como a inteligência artificial na automação contratual intensificou a colisão entre eficiência tecnológica e segurança jurídica, e em que medida mecanismos de supervisão humana significativa e de governança algorítmica funcionaram como instrumentos de ponderação normativa para preservar princípios do direito contratual brasileiro. A pesquisa adotou abordagem qualitativa de estudo de casos múltiplos, com análise documental de quatro casos paradigmáticos: Moffatt v. Air Canada, United States v. RealPage, Deloitte/DEWR e INSS/TRF-4ª Região, representando os contextos consumerista, concorrencial, consultivo-contratual e administrativo. A análise identificou cinco padrões estruturais recorrentes – opacidade decisória, substituição da racionalidade normativa por inferências probabilísticas, accountability gap, assimetria informacional e incompreensão semântica – que emergiram de forma sistêmica. O desfecho fragmentado do caso RealPage reforçou a conclusão de que a jurisprudência sobre automação decisória permanece em formação. A governança algorítmica eficaz demonstrou exigir a integração de mecanismos de auditabilidade, responsabilização e supervisão humana, conforme as normas ISO 31000, COSO ERM e ISO 37301, como condição necessária à legitimidade dos sistemas automatizados de gestão contratual.

Palavras-chave: Contratos; Governança algorítmica; Inteligência artificial; Segurança jurídica; Supervisão humana.

Compliance E Esg

11 de setembro de 2026

Rituais de Verificação sob Pressão: Categorias de Ação ESG Relatadas por Grande Grupo Frigorífico Antes e Após Operação Deflagrada Pela Polícia Federal e Seus Desdobramentos, em Passado Recente

Relatórios de sustentabilidade são amplamente empregados como instrumentos de gestão da legitimidade corporativa, mas sua função como mecanismo de reorganização cognitiva em contextos de crise reputacional permaneceu subexplorada na literatura. O estudo analisou as transformações nas categorias de ação ESG reportadas pela Empresa JBS em seus relatórios anuais de sustentabilidade de 2015 a 2018, período que compreendeu dois anos anteriores e dois anos posteriores à Operação Carne Fraca e seus desdobramentos. O objetivo foi investigar como a organização alterou sua estrutura cognitiva após a crise reputacional, por meio de um de seus sistemas de reporte. Empregou-se um processo de catalogação sistemática de 1.088 práticas relatadas, classificadas por pilar ESG, tema material e categoria de ação. O referencial teórico mobilizou Mary Douglas (1986), Michael Power (1997), Meyer e Rowan (1977) e Edelman (2016) para interpretar os fenômenos observados. Os resultados evidenciaram um crescimento exigido em governança, que coexistiu com o colapso do pilar social, o desaparecimento de categorias substantivas e a substituição de ações voltadas a prêmios por ações que ressignificaram as relações da organização e seu posicionamento no mercado. Além disso, treinamentos de liderança migraram do tema de cultura para compliance, campanhas de comunicação cederam lugar a canais estruturais permanentes, e investidores tornaram-se a audiência de maior crescimento proporcional. Concluiu-se que a sofisticação do esforço de legitimação residiu não no que a empresa necessariamente fez, mas na consistência com que reorganizou quem ela diz ser e para quem, a partir das categorias de ação que relatou.

Palavras-chave: Crise reputacional; ESG; Pensamento institucional; Relatórios de sustentabilidade; Estratégia organizacional.

Gestão Escolar

11 de setembro de 2026

Liderança Escolar à Luz da Teoria U: um Diálogo com as Lideranças Transformacional e Servidora.

A integração de diferentes modelos de liderança mostrou-se um caminho relevante para instituições de ensino que buscaram inovar e alcançar excelência em suas práticas educacionais. Contudo, foram escassas as pesquisas empíricas que investigaram a aplicação da Teoria U na gestão escolar associada às abordagens Transformacional e Servidora, o que configurou uma lacuna na literatura. Este estudo buscou compreender como gestores educacionais perceberam e aplicaram princípios da Teoria U — escuta generativa, presencing e cocriação — em diálogo com as abordagens teóricas da Liderança Transformacional e da Liderança Servidora em suas práticas de gestão. A pesquisa, de natureza qualitativa e exploratória, foi realizada em uma instituição de ensino privada, localizada na cidade de São Paulo, que abrangeu desde a Educação Básica até a Pós-Graduação. Os dados foram coletados por meio de um roteiro de perguntas semiestruturadas, aplicado a sete gestores educacionais, e foram analisados com base na Análise de Conteúdo de Bardin. Os resultados evidenciaram aproximações entre as práticas observadas e os pressupostos teóricos dos modelos estudados, com a escuta destacando-se como a competência que melhor articulou as três abordagens no contexto investigado. Também foram identificadas algumas tensões entre os referenciais teóricos e o cotidiano da gestão. O estudo contribuiu para uma reflexão crítica sobre as possibilidades e os limites da integração desses diferentes modelos de liderança em ambientes escolares, ampliando o debate e oferecendo subsídios relevantes para o fortalecimento do campo da gestão educacional.

Palavras-chave: Análise de Conteúdo; Escuta Generativa; Estudo de Caso; Gestão Escolar; Liderança.

10 de setembro de 2026

Desempenho de Modelos de Machine Learning na Seleção de Ações da Bolsa de Valores Brasileira

O mercado acionário brasileiro, caracterizado por elevada volatilidade e restrições de liquidez, impõe desafios à aplicação de modelos de aprendizado de máquina na previsão de retornos e na construção de estratégias de investimento. O estudo comparou o desempenho preditivo e econômico de modelos de aprendizado de máquina e métodos estatísticos tradicionais na estimação de retornos futuros e na formação de carteiras baseadas em ranking de ativos. Utilizaram-se dados históricos de ações da B3, com variáveis técnicas e financeiras derivadas de preços e volume. Avaliaram-se modelos lineares (Regressão Linear, Ridge, LASSO, Elastic Net), de ensemble (Random Forest, XGBoost, LightGBM) e uma rede neural (Multilayer Perceptron). A avaliação preditiva ocorreu por métricas de erro em conjunto de teste, e a econômica por backtest de estratégias long-only, com custos operacionais baseados no turnover para análise de retornos brutos e líquidos. Os resultados revelaram baixa capacidade preditiva em todos os modelos, com R² negativos e erros elevados. Embora diferenças marginais nas previsões tenham gerado variações no desempenho econômico, estas foram de baixa magnitude e instáveis. O modelo LightGBM obteve o melhor desempenho econômico, mas com ganhos limitados em relação ao benchmark após a inclusão de custos operacionais. Não se observou evidência consistente de geração de retorno ajustado ao risco superior.

Palavras-chave: aprendizado de máquina; backtest; mercado acionário; previsão de retornos; seleção de ativos.

10 de setembro de 2026

Precificação Hedônica de Imóveis na Grande Florianópolis: Uso e Comparação de Modelos de “Machine Learning”

O mercado imobiliário da Grande Florianópolis tem experimentado valorização acelerada, impulsionada pelo crescimento populacional e pela demanda turística e de investimento. Este estudo analisou os determinantes do valor de imóveis residenciais e comparou o desempenho preditivo de modelos de aprendizado de máquina, especificamente Random Forest e Gradient Boosting (XGBoost), com uma regressão por Mínimos Quadrados Ordinários (MQO). Os dados foram coletados via web scraping de dois portais imobiliários em março de 2026, abrangendo os municípios de Florianópolis, São José, Palhoça e Biguaçu, resultando em 8.056 observações válidas após limpeza. Avaliou-se o desempenho dos modelos por meio das métricas R², RMSE e MAPE. O XGBoost apresentou o melhor desempenho preditivo geral (R² = 0,742, RMSE = R$ 927.113), enquanto o Random Forest obteve o menor erro relativo (MAPE = 25,69%). Os principais determinantes do preço identificados foram a área construída, a região de localização e o número de banheiros. Uma análise complementar por segmento de mercado revelou que o MQO dependeu dos valores extremos para sustentar seu ajuste, enquanto os modelos ensemble mantiveram desempenho estável. Concluiu-se que os métodos de aprendizado de máquina são mais robustos para precificação hedônica em mercados imobiliários heterogêneos, especialmente na presença de imóveis atípicos.

Palavras-chave: Ensemble; Imobiliário; Regressão; Residencial; Web Scraping.

Neurociência E Aprendizagem Na Educação

10 de setembro de 2026

A Produção de Memes como Estratégia de Formação Literária e Multiletramentos no Ensino Fundamental Ii

A leitura de obras literárias clássicas apresenta desafios no contexto escolar contemporâneo, devido ao distanciamento entre a linguagem dos textos e o repertório dos estudantes. Investigou-se como a utilização de memes contribuiu para a construção de sentidos na leitura da obra Senhora, de José de Alencar, no Ensino Fundamental II. A pesquisa adotou uma abordagem qualitativa, com caráter de pesquisa participante, e foi desenvolvida com duas turmas de 9º ano de uma escola privada em Volta Redonda, Rio de Janeiro. Os dados foram coletados por meio de questionários e das produções dos estudantes, e analisados à luz da análise de conteúdo. Os resultados indicaram que a utilização de memes favoreceu a aproximação dos alunos com o texto literário, reduziu a resistência inicial e ampliou o engajamento com a leitura. Observou-se, também, o avanço progressivo na compreensão da narrativa, evidenciado pela capacidade de interpretar fatos, analisar personagens, identificar relações implícitas e elaborar posicionamentos críticos. As produções revelaram a articulação entre o conteúdo da obra e o repertório sociocultural dos estudantes, indicando a construção de aprendizagens com significado. Concluiu-se que a integração entre literatura e cultura digital potencializou a mediação pedagógica, contribuindo para a formação de leitores mais ativos e interpretativamente autônomos.

Palavras-chave: aprendizagem significativa; cultura digital; leitura literária; multiletramentos; neurociência.

Gestão Tributária

10 de setembro de 2026

Definição de Insumos para Fins de Aproveitamento de Créditos de Pis e Cofins

O estudo analisou a interpretação e a aplicação da definição de insumos para fins de creditamento do Programa de Integração Social (PIS) e da Contribuição para o Financiamento da Seguridade Social (COFINS) no regime não cumulativo, à luz do entendimento firmado pelo Superior Tribunal de Justiça (STJ) no julgamento do Recurso Especial n.º 1.221.170 (Tema 779). Objetivou-se examinar os limites jurídicos da utilização desses créditos, considerando os critérios de essencialidade ou relevância estabelecidos pela jurisprudência do STJ. Realizou-se pesquisa documental e jurisprudencial, com análise de acórdãos representativos do Conselho Administrativo de Recursos Fiscais (CARF) e do STJ, abrangendo períodos anteriores e posteriores ao Tema 779. Complementarmente, conduziu-se pesquisa bibliográfica e estudos de dois casos concretos do CARF, com abordagem qualitativa, para verificar a aplicação prática dos critérios. Constatou-se que o STJ afastou a aplicação automática da definição de insumo do IPI, consolidando os critérios de essencialidade e relevância. Entretanto, a análise dos julgados do CARF evidenciou que, embora houvesse reconhecimento formal do precedente do STJ, sua incidência foi modulada conforme a natureza da atividade empresarial, mostrando-se mais restritiva para empresas de revenda. Os casos concretos ilustraram que creditamentos de fretes foram tratados de forma distinta, dependendo da vinculação do gasto à produção ou à revenda. Concluiu-se que a definição de insumos permanece um ponto sensível do sistema tributário, e a correta utilização dos créditos demanda análise casuística rigorosa, pautada na observância dos precedentes judiciais e dos limites normativos vigentes, para evitar glosas e penalidades.

Palavras-chave: COFINS; Creditamento; Insumos; PIS.

Gestão Tributária

10 de setembro de 2026

Fiscalização Delegada do ITR: Desestímulo aos Convênios, Reflexos na Arrecadação e Desinteresse Processual da União

O Imposto Territorial Rural (ITR), de competência da União, pode ter sua fiscalização e cobrança delegadas aos Municípios e ao Distrito Federal. Este trabalho examinou a adesão municipal a esses convênios e o impacto na arrecadação, analisou se os entraves processuais para os Municípios remeterem demandas aos órgãos federais desestimulavam a celebração de acordos, e avaliou o interesse processual da União em litígios de ITR sob delegação, à luz da Teoria Eclética da Ação, bem como a efetividade da diretriz constitucional de desestímulo a propriedades improdutivas. A pesquisa utilizou um estudo de caso, com base em dados e relatórios oficiais da Receita Federal do Brasil e referencial doutrinário jurídico. Os resultados indicaram baixa adesão municipal aos convênios, com quase 75% dos municípios sem acordo. A arrecadação do ITR, mesmo integralmente repassada, não justificou os investimentos municipais, e a manutenção da atuação processual pela União desestimulou a continuidade dos ajustes. Verificou-se que a União carecia de interesse processual nessas demandas, dada a ínfima representatividade do ITR na arrecadação federal e a ausência de proveito econômico-financeiro, o que impediu o cumprimento efetivo da diretriz constitucional de desestímulo à improdutividade rural. Concluiu-se que são necessárias modificações legislativas para que o ITR alcance seus objetivos de arrecadação e função social.

Palavras-chave: Arrecadação; Eficiência; Fiscalização; ITR; Municípios.

10 de setembro de 2026

Governança de Dados e Risco Financeiro no Setor Florestal: Evidências Empíricas em Perspectiva Brasil-Finlândia

A fragmentação informacional no setor florestal brasileiro constituiu o ponto de partida desta pesquisa, que investigou como a governança de dados impactou a capacidade analítica, o risco financeiro e a competitividade da gestão florestal, por meio de um estudo comparativo entre Brasil e Finlândia. Submeteram-se 332 documentos, incluindo 307 informativos CEPEA/Esalq/USP (2001–2025) e 25 relatórios setoriais (Bracelpa, ABRAF, Ibá, 2003–2025), a um pipeline de extração automatizado baseado em OCR, mineração de texto e expressões regulares, obtendo-se 13.059 registros estruturados. Realizou-se análise de sensibilidade do Valor Presente Líquido (VPL) e análise de sentimento léxica. Apenas 12,1% dos registros de custo continham Custo Operacional Efetivo preenchido, e nenhum apresentou margem líquida calculável. A incerteza nos dados de entrada oscilou o VPL de um projeto florestal em mais de R$ 20.000/ha, evidenciando a distorção da decisão orientada por dados quando a sofisticação algorítmica não substituiu a qualidade dos dados de origem. A análise de sentimento léxica confirmou a transição dos relatórios setoriais brasileiros de formato estatístico para promocional. Em contraste, o modelo finlandês demonstrou a viabilidade de uma governança integrada, com o inventário florestal consolidado como pilar de inteligência industrial. Os resultados indicaram que o fortalecimento da governança de dados constituiu pré-requisito para a transição do setor para um sistema de planejamento sustentado por evidências.

Palavras-chave: competitividade; fragmentação informacional; inteligência artificial; soberania digital; tomada de decisão.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade