Sales forecasting with machine learninga hybrid approach for the dynamic fashion sector

Resumo

Pequenas e médias empresas (PMEs) enfrentam o desafio significativo de prever com precisão as vendas para otimizar a gestão de estoque e manter o valor da marca. Essa complexidade é exacerbada no setor dinâmico da moda devido aos ciclos de vida curtos dos produtos e às rápidas mudanças nas preferências do consumidor. Este estudo se concentra na comparação e aprimoramento de métodos de previsão de vendas, incluindo métodos tradicionais (Médias Móveis), modelos de aprendizado de máquina (XGBoost) e modelos de previsão integrados. A análise revelou que, enquanto as Médias Móveis são eficazes na gestão de erros percentuais e mostram vantagens em condições de vendas estáveis, o XGBoost reduz os erros totais e absolutos de quantidade. O modelo IF combina sinergicamente esses métodos, frequentemente superando suas performances individuais. Os resultados destacam os benefícios potenciais da integração de técnicas tradicionais e avançadas para previsões de vendas mais robustas e precisas.

Ficha do documento

Tipo

Dissertação

Ano

2023

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Inglês

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/34873

Palavras-chave

Sales forecastingMachine learningXGBoostAdministração de empresasPequenas e médias empresasPrevisão de vendasAprendizado do computadorModa