Case Inteligência Analítica

Prévia do material em texto

Case Inteligência Analítica
Esse case tem o objetivo de auxiliar um restaurante com análise preditiva a fim de
verificar os dados coletados por 14 dias e indicar qual prato terá maior probabilidade de ser
escolhido pelos clientes no 15° dia.
Na tabela abaixo é possível visualizar os dados coletados:
Baseado nesta tabela, realizaremos estudos para prever qual prato será vendido no 15°
dia, considerando todas as condições climáticas apresentadas.
Utilizaremos o algoritmo de Naive Bayes por se tratar de um algoritmo de classificação mais
popular e simples. Calcularemos a probabilidade baseado nas variáveis apresentadas na
tabela acima, onde podemos identificar as seguintes ocorrências de acordo com os
históricos anteriores:
Variáveis Parmegiana (%) Feijoada (%)
P(Previsão | Chuva) 2/5 0,40 3/9 0,33
P(Previsão | Sol) 3/5 0,60 2/9 0,22
P(Previsão | Nublado) 0/5 - 4/9 0,44
P(Temperatura | Frio) 1/5 0,20 3/9 0,33
P(Temperatura | Moderado) 2/5 0,20 4/9 0,44
P(Temperatura | Quente) 2/5 0,40 2/9 0,22
P(Humidade | Normal) 1/5 0,20 6/9 0,67
P(Humidade | Alta) 4/5 0,80 3/9 0,33
P(Vento | Sim) 3/5 0,60 3/9 0,33
P(Vento | Não) 2/5 0,40 6*9 0,67
Analisando os históricos será possível prever qual terá maior probabilidade de venda para o
15° dia, evitando com isso desperdício, despesas financeiras e garantir maior agilidade nos
atendimentos, já que o restaurante realiza um pré-preparo dos pratos.
No 15° dia foi constatado as seguintes variáveis:
● Previsão : Sol
● Temperatura: Frio
● Humidade : Normal
● Vento: Sim
Com esses dados vamos realizar os cálculos para verificar qual prato terá a maior
probabilidade de vendas.
Durante 14 dias tivemos 9 dias que a feijoada foi a campeã de vendas, contra 5 dias da
parmegiana, com isso obtivemos o percentual de 64% de vendas da feijoada, contra 36%
da parmegiana. Colocando todos os dados em uma tabela e realizando a análise preditiva,
podemos calcular a probabilidade de cada prato para o 15° dia.
Prato Percentual nos 14 dias Previsão Sol Temperatura Frio Humidade Normal Vento Sim Probabilidade final
Parmegiana 0,36 0,60 0,20 0,20 0,60 0,005184
Feijoada 0,64 0,22 0,33 0,67 0,33 0,10273
Após o uso de inteligência analítica e baseado nos dados de históricos anteriores é possível
concluir que a feijoada será o prato preferido do 15° dia.
Podemos observar que a utilização do algoritmo de Naive Bayes tem diversas vantagens,
podendo destacar a facilidade de construção do seu algoritmo, processo de classificação
eficiente quando os atributos são independentes entre si e é muito rápido na aprendizagem
e na predição, o qual pode ser utilizado pelo proprietário do restaurante para predições
futuras, garantindo com isso um ganho de performance no atendimento e redução de custos
evitando desperdícios desnecessários.
REFERÊNCIAS
GOMES, Pedro César Tebaldi – Classificação com Naive Bayes. Data Geeks. Disponível em
<https://www.datageeks.com.br/naive-bayes>. Acesso em 15 mai. 2021.
TAMAIS, Ana Laura Moares – Modelos de Predição | Naive Bayes. Medium. Disponível em
<https://medium.com/turing-talks/turing-talks-16-modelo-de-predi%C3%A7%C3%A3o-naive-bayes-6a
3e744e7986>. Acesso em 13 mai. 2021.
CANDIAGO, Lorenzo - Algoritmo de Classificação Naive Bayes. Orgânica Digital Disponível em
<https://www.organicadigital.com/blog/algoritmo-de-classificacao-naive-bayes/>. Acesso em 14 mai.
2021.