Técnicas de análise de dados e machine learning na análise de vendas de autoveículos no Brasil durante a pandemia da Covid-19

• Autores: Bernard Roger Ramos Collin, Ana Cristina Gonçalves Castro Silva, Fernanda Magalhães Amaral
• Localización: Navus: Revista de Gestão e Tecnologia, ISSN-e 2237-4558, Nº. 12, 2022
• Idioma: portugués
• Títulos paralelos:
  • Data analysis and machine learning techniques in the analysis of car sales in Brazil during the Covid-19 pandemic
• Enlaces
  • Texto completo (pdf)
• Resumen
  • English

    This study aims to analyze the impacts of Covid-19 on vehicle sales in Brazil, correlating these factors with semiconductors imports and economic indicators using Machine Learning models. For this, a collection and preparation of data took place before performing the exploratory analysis, and the developing of   predictive models. This work is characterized as an applied and exploratory research, with a quantitative approach. The Python language was used to perform exploratory analysis and to create the models. The data used in this study were collected from multiples sources of private companies, government, associations and research institutes. Three regression algorithms were used: Random Forest, Multi-Layer Perceptron and Multiple Linear Regression. The neural network presented the best results among the applied algorithms, reaching an R² of 82.01% in the test data set. After the exploratory analysis, we also noticed the high impact that semiconductors have on vehicle sales and the drastic effects caused by Covid-19 on the variables used in the study. With the model created, it is possible to predict the sales of vehicles in Brazil in a given month based on some economic indicators, semiconductor imports and the monthly deaths of Covid-19.

  • português

    O presente estudo tem como objetivo analisar os impactos da Covid-19 nas vendas de autoveículos no Brasil, correlacionando esses fatores com as importações de semicondutores e indicadores econômicos através de modelos de Machine Learning. Para isso, ocorreu uma coleta e preparação de dados antes de ser executada a análise exploratória, para em seguida, serem desenvolvidos os modelos preditivos. Este trabalho se caracteriza como uma pesquisa aplicada e exploratória, com uma abordagem quantitativa. A análise exploratória e a criação dos modelos foram executadas na linguagem Python. Os dados utilizados no estudo foram coletados de múltiplas fontes de empresas privadas, governamentais, associações e institutos de pesquisa e organizados em intervalos mensais. Foram utilizados três algoritmos de regressão: Random Forest, Multi-Layer Perceptron e Regressão Linear Múltipla. A rede neural apresentou os melhores resultados dentre os algoritmos aplicados, alcançando um R² de 82,01% no conjunto dos dados de teste. Após a análise exploratória, percebeu-se também o alto impacto que os semicondutores têm nas vendas de autoveículos e os efeitos drásticos ocasionado pela Covid-19 nas variáveis utilizadas no estudo. Com o modelo criado, é possível prever as vendas de autoveículos no Brasil em um determinado mês com base em alguns indicadores econômicos, importação de semicondutores e os óbitos mensais da Covid-19.