Escolar Documentos
Profissional Documentos
Cultura Documentos
1
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
Resumo
Introdução
2
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
Material e Métodos
3
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
4
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
Resultados e Discussão
Não há como estabelecer uma única tabela de contingência que abranja todas as
variáveis presentes na base de dados, assim, utiliza-se a função sjt.xtab () para analisar as
variáveis duas a duas. O resultado dessa função figura na observação em linha das
frequências observadas, frequências esperadas, % das frequências observadas em linha e %
das frequências observadas em coluna, além de outros indicadores como o resultado do teste
𝜒², df que é o menor valor entre (Linhas - 1) ou (Colunas - 1) da tabela de contingências,
Crammer’s que indica o tamanho do efeito de uma medida objetiva e padronizada sobre um
efeito observado, e o P-Value. A Tabela 1 apresenta a primeira tabela de contingência entre
as variáveis Embalagem e Intervalo de Volume HL.
Intervalo Volume HL
Embalagem +1,5HL 0,3HL - 1,5HL 0HL - 0,3HL Total
383 260 316 959
Garrafas 319 314 326 959
39,9% 27,1% 33,0% 100,0%
38,8% 26,7% 31,3% 32,3%
328 268 338 934
311 306 317 934
Lata
35,1% 28,7% 36.2% 100,0%
33,2% 27,5% 33,5% 31,4%
277 445 355 1077
358 353 366 1077
Long Neck
25,7% 41,3% 33,0% 100,0%
28,0% 45,7% 35,2% 36,3%
988 973 1009 2970
988 973 1009 2970
Total
33,3% 32,8% 34,0% 100,0%
100,0% 100,0% 100,0% 100,0%
X² = 72,322 df = 4 Crammer's = 0,110 p= 0,000
Fonte: Resultados originais da pesquisa
5
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
volume (+1,5HL), em detrimento de um maior peso da embalagem Long Neck nos clusters
intermediário (0,3HL - 1,5HL) e baixo (0HL - 0,3HL) de volume. A Tabela 2 apresenta a
segunda tabela de contingência entre as variáveis Embalagem e Intervalo de Renda Per
Capita.
6
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
7
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
8
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
Observa-se no mapa perceptual que a embalagem Garrafa está mais próxima do maior
intervalo de volume, a embalagem Long Neck se associa de forma mais próxima no intervalo
intermediário de volume, enquanto a Lata se aproxima do menor intervalo de volume da
amostra e também se mostrou próxima do menor intervalo de renda per capita (Figura 2).
Pode-se notar do lado esquerdo do mapa a concentração do maior Intervalo de Renda Per
Capita e todas as variáveis que mais se associam a ele (Garrafa e Intervalo de Volume
+1,5HL), enquanto do lado direito temos o menor Intervalo de Renda Per Capita e as variáveis
que mais se associam a ele (Lata e Intervalo de Volume 0HL – 0). Ressalta-se que 47,32%
da amostra está sendo explicada em duas dimensões e se adicionado uma terceira dimensão
pode-se inferir um possível rearranjo de coordenadas no mapa perceptual.
Ao avançar na visualização do Mapa Perceptual evidencia-se as posições relativas,
ou coordenadas das observações (Figura 3).
9
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
10
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
Figura 4. Comportamento de vendas e tendência nos bairros de maior renda per capita
Fonte: Resultados originais da pesquisa
Figura 5. Comportamento de vendas e tendência nos bairros de menor renda per capita
Fonte: Resultados originais da pesquisa
Por fim, observa-se maior volume absoluto concentrado em bairros de renda per capita
mais alta e uma tendência de crescimento de vendas nessa região, em detrimento de uma
tendência mais constante nos bairros de renda per capita mais baixa com maiores desvios de
predição (Figura 4 e 5).
Considerações Finais
11
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
Referências
Barioni, J.; De Mori, C.; Camargo, A.; Novo A.; Vinholis, M. 2019. Uso da Análise de
Correspondência Múltipla na identificação de fatores associados ao retorno econômico na
atividade leiteira no Estado de Minas Gerais. Sigmae, v.8, n.2, p. 636-641.
Camilleri, M.A. 2018. Market Segmentation, Targeting and Positioning. In: Travel Marketing,
Tourism Economics and the Airline Product. Tourism, Hospitality & Event Management.
Springer, Cham, Switzerland.
Ciência de dados: o que é, atuação, salário e curso. EAD PUCPR, 2021. Disponível em:
<https://ead.pucpr.br/blog/ciencia-de-dados-o-que-e>. Acesso em: 15/04/2021
Fávero, L. P.; Belfiore, P. 2015. Técnicas Multivariadas Exploratórias com SPSS e STATA.
GEN Atlas, São Paulo, Brasil.
12
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
Goyat, S. 2011. The basis of market segmentation: a critical review of literature. European
Journal of Business and Management, [S.l.], v. 3, n. 9, p. 45-54.
Hair JR., J. F. et al. 2009. Análise Multivariada de Dados. Porto Alegre: Bookman.
Lazzarini, J.; Angelo, C.; Fouto, N.; Luppe, M. 2015. Uma Análise da Definição do
Sortimento nos Supermercados Brasileiros e sua Influência nas Vendas. Revista Brasileira
de Marketing, v. 14, n. 4, p. 502-512.
Portal Data Science. 2018. Introdução a Clusterização e os Diferentes Métodos. Portal Data
Science Blog. Disponível em: <https://portaldatascience.com/introducao-a-clusterizacao-e-
os-diferentes-metodos/>. Acesso: 19/04/2022
Ratto, L. 2007. Vendas técnicas de trabalho e mercado. Rio de Janeiro: Senac Nacional.
Riscarolli, V.; Souza, S.; Rodrigues, L.; Zucco, F. 2014. Segmentação de mercado em
empresas de base tecnológica: o caso da segmentação de espumantes. Revista Brasileira
de Marketing, v. 13, n. 3, p. 90-107.
Rocha, K; Junior A. 2018. Anova Medidas Repetidas e Seus Pressupostos: Análise passo a
passo de um experimento. Revista Eletrônica Perspectivas da Ciência e Tecnologia, v.10.
13
Trabalho de Conclusão de Curso apresentado para obtenção do título
de especialista em Data Science e Analytics – 2022
Teixeira, F.; Rocha, F. 1994. Estratégia tecnológica na petroquímica brasileira. In: Encontro
da Associação Nacional de Pós-Graduação e Pesquisa em Administração, Curitiba.
14