Baixe o app para aproveitar ainda mais
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.
Compartilhar