Trabalho - Análise de Investimentos - 2023-1

Conforme conversamos na aula passada, envio em anexo no arquivo “Preços_An_Inv” as regressões qu rodamos e analisamos em sala no excel, assim como um arquivo “Lista de empresas” com o ticker da empresa alocada a cada um de vocês para a atividade 2. A atividade 2 consiste em rodar e analisar o modelo CAPM da empresa alocada a cada um de vocês. O número de dias a ser coletado para rodar o modelo será os 3 últimos dígitos da DRE de cada um. Suponha que a sua DRE seja 107315546, você coletaria dados de 546 dias para rodar o modelo. Vocês devem me enviar os dados coletados, os resultados encontrados do modelo CAPM e uma breve análise desses resultados. 1 IMPLEMENTAÇÃO DE UM SISTEMA DE REDES NEURAIS ARTIFICIAIS PARA OTIMIZAR AS VENDAS EM UM E-COMMERCE Arthur Martins Pereira Luan Silva Martins Victor Willian de Souza Prof. Jonilson Batista Campos RESUMO O comércio eletrônico é uma indústria em rápido crescimento e a implementação da inteligência artificial (IA) pode trazer muitos benefícios para as empresas que atuam nesse segmento. As áreas de machine learning e análise preditiva são as principais tecnologias de IA utilizadas em e- commerces. A IA pode melhorar significativamente a eficiência, a experiência do cliente e a eficácia geral da empresa, garantindo a fidelidade dos seus clientes. Além disso, a IA pode gerar insights sobre o cliente, personalizar ofertas, otimizar o processo de retargeting, automatizar o atendimento ao consumidor (SAC) e otimizar custos de aquisição de clientes. No entanto, há desafios na implementação da IA, como o alto custo de processamento e mão de obra especializada, a necessidade de uma grande quantidade de dados de seus clientes para analisar e alguns erros que podem influenciar negativamente na experiência do usuário. As empresas que já implementaram a IA em seus e-commerces com sucesso incluem Alibaba, Amazon, Burberry, Starbucks e Stitch Fix. Estudos e relatórios sugerem que a implementação da IA pode trazer benefícios financeiros significativos para e-commerces, como aumento de receita e eficiência operacional. No entanto, também há preocupações sobre o impacto da IA no mercado de trabalho. É importante que as empresas considerem cuidadosamente os prós e contras antes de implementar a IA em suas operações, especialmente considerando as tendências futuras de personalização avançada com a IA em e-commerces. Palavras-chave: Inteligência Artificial. Otimização. Decisão. Análises. ABSTRACT E-commerce is a fast-growing industry and the implementation of artificial intelligence (AI) can bring many benefits to companies operating in this segment. The areas of machine learning and predictive analytics are the main AI technologies used in e-commerce. AI can significantly improve efficiency, the customer experience and the overall effectiveness of the company, ensuring the loyalty of its customers. In addition, AI can generate customer insights, personalize offers, streamline the retargeting process, automate customer service (SAC) and optimize customer acquisition costs. However, there are challenges in implementing AI, such as the high cost of processing and specialized labor, the need for a large amount of data from your customers to analyze and some errors that can negatively influence the user experience. Companies that have already successfully implemented AI in their e-commerce include Alibaba, Amazon, Burberry, Starbucks and Stitch Fix. Studies and reports suggest that implementing AI can bring significant financial benefits to e-commerce businesses, such as increased revenue and operational efficiency. However, there are also concerns about the impact of AI on the job market. It is important for companies to carefully consider the pros and cons before implementing AI in their operations, especially considering future trends in advanced personalization with AI in e- commerce. Keywords: Artificial Intelligence. Optimization. Decision. Analyzes. 2 1- INTRODUÇÃO Com o crescente avanço da tecnologia e da computação, a inteligência artificial (IA) tem sido cada vez mais utilizada em diferentes setores, incluindo o comércio eletrônico, para melhorar a experiência do cliente e otimizar a eficácia das empresas. O uso da IA em e-commerces pode garantir uma experiência personalizada para qualquer tipo ou perfil de usuário, fornecendo recomendações mais precisas e relevantes e oferecendo aos clientes o que eles querem e precisam com base em suas consultas e compras. Neste contexto, o objetivo deste trabalho é investigar a implementação da IA em e-commerces e seus benefícios, com foco em técnicas de machine learning e análise preditiva. Além disso, este trabalho se propõe a desenvolver e implementar uma solução de IA para pesquisa em e-commerces, visando aprimorar a personalização e a recomendação de produtos aos clientes. Para alcançar esses objetivos, serão analisados casos de sucesso em implementações de IA em e-commerces, bem como os principais desafios enfrentados na implementação dessas tecnologias. Também serão avaliados os impactos financeiros e no mercado de trabalho que a IA pode causar nesse setor. Para embasar a discussão e conclusões, serão utilizados estudos e relatórios recentes sobre a implementação da IA em e-commerces, bem como dados coletados em experimentos realizados para desenvolver a solução de IA proposta. Com isso, espera-se contribuir para o entendimento e aplicação da IA em e-commerces, bem como para o desenvolvimento de soluções de IA voltadas para a personalização da experiência do cliente. 2- REFERENCIAL TEÓRICO No levantamento bibliográfico do projeto são abordadas as colaborações de grandes pesquisadores dos temas relacionados ao estudo. A partir desse ponto, são mencionadas referências teóricas que são de grande importância para a pesquisa, entendimento e aprendizagem do tema proposto. 2.1- Inteligência Artificial 3 Assim como para diversos avanços tecnológicos, a Segunda Guerra Mundial foi marco para estruturação de técnicas que iniciaram as discussões acerca de reproduzir o pensamento lógico humano em máquinas.(GOMES, 2010). O termo Inteligência Artificial foi iniciado em 1943, no artigo “A logical calculus of the ideas immanent in nervous activity”, de Warren McCulloch e Walter Pitts. O artigo propõe que há como utilizar a lógica para desenvolver o neurônio artificial. Para o matemático Alan Turing, a tecnologia segue em constante evolução, conforme dito na frase “Nós só podemos ver um pouco do futuro, mas o suficiente para perceber que há muito a fazer.” Em 1950, Alan desenvolveu o Computing Machinery and Intelligence, com o intuito de realizar um teste para verificar se um sistema tem a capacidade de inteligência similar a de um humano. Afinal, segundo ele, “as máquinas me surpreendem muito frequentemente.” O teste tornou-se conhecido como Teste de Turing. Para o professor John McCarthy, “progressos fundamentais não podem ser alcançados através de avanços incrementais em tecnologias existentes.” Sendo assim, em 1956, juntamente com Marvin Minsky, Nathaniel Rochester e Claude Shannon e submetida à fundação Rockfeller, foram os responsáveis por iniciar o termo Inteligência Artificial, ao utilizar esse nome no convite da Dartmouth Summer Research Project on Artificial Intelligence. Tornando esse, o primeiro evento a utilizar o nome oficialmente e tinha como objetivo o avanço da tecnologia. Em Dartmouth misturavam-se expectativas positivamente grandiosas com a aflição e negação de que poderia ser possível uma máquina reproduzir o pensamento humano (BRIGADE, 2016). A evolução da Inteligência Artificial avança juntamente com humanidade, conforme relatado por Larry Page (2000), “a inteligência artificial seria a versão final do Google.” Uma vez que a IA evoluiu quando é alimentada com novas informações e/ou consegue solucionar novos desafios impostos. Ademais, no contexto expecífico desse trabalho, é possível afirmar que a IA possui soluções avançadas em e-commerces, de modo que oferece benefícios significativos para empresas e clientes. Ou seja, ela é utilizada para 4 melhorar a experiência do cliente e otimizar a eficácia das empresas no comércio eletrônico (MATIAS, 2020). Usar IA em e-commerces possibilita uma experiência personalizada aos usuários, fornecendo recomendações mais precisas e relevantes com base em seus interesses, histórico de compras e comportamento de navegação através do uso de técnicas de machine learning (MATIAS, 2020). Outro detalhe importante é que a IA também pode ser empregada na detecção de fraudes, previsão de demanda, otimização de preços, atendimento ao cliente e outros aspectos do comércio eletrônico (MATIAS, 2020). Além disso, a análise preditiva também pode ajudar as empresas a otimizar seus preços, oferecendo promoções personalizadas e descontos para segmentos específicos de clientes (MATIAS, 2020). 2.2- E-commerce E-commerce é um que refere-se à compra e venda de produtos e serviços realizada por meio de plataformas online. É uma forma de negócio que tem se tornado cada vez mais popular através da tecnologia e da facilidade de acesso à internet e, óbvio, das novas necessidades dos consumidores (FÉLIX, et al., 2020). O e-commerce permite que os consumidores realizem compras e transações comerciais de forma conveniente, rápida e segura, sem a necessidade de se deslocarem fisicamente a uma loja física (FÉLIX, et al., 2020). Através de sites, aplicativos e outras plataformas online, os consumidores podem explorar uma ampla variedade de produtos, comparar preços, ler avaliações de outros compradores e efetuar suas compras a qualquer hora e em qualquer lugar (FÉLIX, et al., 2020). Novas estratégias das organizações para atender as demandas dos consumidores e negociações, junto ao avanço da tecnologia, disseminou o mercado eletrônico nos diferentes âmbitos de transações comerciais (CARDOSO et al., 2019). A experiência de compra do usuário frente ao e-commerce influencia diretamente no nível de confiança e retorno do cliente para o mesmo site (CHIUSOLI e BONFIM, 2020). De tal forma, se fez necessário avaliar as 5 necessidades do consumidor frente a essa nova modalidade de mercado (CARDOSO et al., 2019). Nesse cenário, junto ao Big Data, as técnicas de inteligência artificial e ciência de dados se tornaram cada vez mais fundamentais para mapear variáveis que afetem o setor de comércio eletrônico e permita uma decisão segura baseada em dados para o planejamento de vendas, marketing e alcance de clientes (MATA, 2021). 2.3- Machine Learning Ao longo dos anos as técnicas que embarcam a temática de Inteligência Artificial foram sendo aprimoradas, na década de 80 a ideia de implementar dados ao raciocínio lógico do computador resultou no desenvolvimento da machine learning, já em meados de 2012 a possibilidade de analisar dados não estruturados deu origem a chamada visão computacional através de técnicas de deep learning (BRIGADE, 2016). Com base no artigo "Machine learning through the lens of e-commerce initiatives: An up-to-date systematic literature review" de Policarpo et al. (2020), a utilização de técnicas de machine learning tem se tornado cada vez mais comum em iniciativas de e-commerce para aprimorar a personalização e recomendação de produtos aos clientes. A revisão sistemática realizada pelos autores apresentou uma ampla variedade de aplicações de machine learning em e- commerce, incluindo sistemas de recomendação, detecção de fraudes, previsão de demanda, otimização de preços, entre outros. Além disso, o artigo destaca a importância da escolha adequada do algoritmo de machine learning para cada aplicação em e-commerce, levando em consideração fatores como o volume e variedade de dados disponíveis, a complexidade do problema e a precisão requerida para a solução. Nesse sentido, a revisão realizada pelos autores pode ser utilizada como base para orientar a escolha e aplicação de técnicas de machine learning em iniciativas de e-commerce. De acordo com o estudo de Policarpo et al. (2020), as iniciativas de e- commerce que utilizam técnicas de machine learning têm obtido resultados significativos em relação à personalização e recomendação de produtos aos 6 clientes, além de melhorias na eficiência e experiência do usuário. Dessa forma, a utilização de machine learning em e-commerce pode ser considerada uma estratégia promissora para empresas que buscam se destacar no mercado e oferecer uma experiência personalizada e diferenciada aos seus clientes. 2.4 - Análise de dados A análise de dados é um processo que envolve diversas etapas, desde a coleta até a interpretação dos resultados. Segundo o artigo de Goodfellow, Bengio e Courville (2016), a análise de dados pode ser definida como um conjunto de técnicas que permitem extrair informações relevantes a partir de dados brutos. Essas informações podem ser utilizadas para entender padrões, tendências e comportamentos, além de apoiar tomadas de decisão mais embasadas. Uma das principais etapas da análise de dados é o pré-processamento dos dados. De acordo com o artigo de De Mauro, Greco e Grimaldi (2018), essa etapa envolve a limpeza, transformação e integração dos dados, com o objetivo de torná-los adequados para análise. A qualidade dos resultados da análise de dados depende, em grande parte, da qualidade dos dados pré-processados. Após o pré-processamento dos dados, é possível aplicar técnicas de análise exploratória, que permitem entender melhor a distribuição dos dados e identificar possíveis padrões. Segundo o artigo de Tukey (1977), a análise exploratória envolve a utilização de gráficos e estatísticas descritivas para visualizar e resumir os dados. Outra técnica importante na análise de dados é a modelagem estatística. Segundo o artigo de Montgomery, Peck e Vining (2012), a modelagem estatística envolve a utilização de modelos matemáticos para descrever e prever o comportamento dos dados. Esses modelos podem ser utilizados para identificar variáveis importantes, testar hipóteses e realizar previsões. Por fim, a análise de dados também pode envolver técnicas de aprendizado de máquina, que permitem criar modelos preditivos mais complexos. De acordo com o artigo de Jordan e Mitchell (2015), o aprendizado de máquina envolve a utilização de algoritmos para identificar padrões nos dados e construir modelos preditivos com base nesses padrões. 7 2.5 - Leis de Proteção de Dados Pessoais (LGPD) A compreensão da importância de uma lei que administrasse Além de incertezas quanto ao impacto da inteligência artificial no mercado de trabalho, a coleta e uso de dados pessoais utilizados em análises e treinamentos de sistemas inteligentes, incentivou a discussão sobre proteção de informações. Portanto diretrizes foram instauradas a partir da Lei Geral de Proteção de Dados (LGPD), definida no Brasil a partir 2018, com início de vigência em para os e- commerces em 2021 e tem como foco a proteção da liberdade e privacidade de dados pessoais em tratamentos de dados coletados e tratados em meios físicos ou digitais (BRASIL, 2023). No comércio eletrônico, a LGPD fez com que algumas adequações fossem necessárias, uma delas é o consentimento do cliente para os processos de tratamento de dados e também direito à retirada de autorização, além disso, criação de políticas de segurança e definição de profissionais responsáveis pela proteção de dados (PERINA, 2021). 2.6- Banco De Dados Em cerca de cinco anos (2012 – 2017), a rede social Facebook teve um aumento de 1,2 bilhões de usuários, cada qual inserindo informações e dados de maneira exponencial na plataforma (LEMOS, 2017). Imagens, textos, transações, mapas, esses são exemplos de dados que alimenta a todo momento muitos sistemas (BRIGADE, 2016), tanto profissionais quanto para usos pessoais. Essas informações necessitam de um espaço específico para serem geridas. Um banco de dados tem como objetivo armazenar, gerenciar e organizar os dados obtidos, podendo ser dos tipos: relacional, não relacional, orientado a objetos, distribuídos, data warehouse ou OLTP (Processamento de Transações Online) (CARVALHO, 2020). Nessa era dos dados, o termo Big Data se popularizou, a velocidade e o volume de compartilhamento de informações, junto à diferentes formatos e tipos de dados demandou a necessidade de técnicas e ferramentas para processamento de dados, entre elas, o armazenamento disponível em nuvem, 8 para suprir a necessidade e evitar sobrecarregar os bancos de dados até então comumente utilizados (LEMOS, 2017). 3. CONCLUSÃO A implementação da IA em e-commerces oferece diversos benefícios para as empresas desse setor. A utilização de técnicas de machine learning e análise preditiva permite personalizar a experiência do cliente, fornecer recomendações mais precisas e relevantes e otimizar a eficiência das empresas (FIGUEIREDO, 2022). A IA em e-commerces tem o potencial de melhorar a experiência do cliente, fornecendo recomendações de produtos com base nas consultas e compras anteriores (FIGUEIREDO, 2022). Com isso, há um aumento nas vendas, na fidelização dos clientes e na satisfação geral. Desse modo, a IA pode auxiliar na detecção de fraudes, previsão de demanda e otimização de preços, contribuindo para a eficácia operacional das empresas (FIGUEIREDO, 2022). Ademais, a IA em e-commerces também apresenta desafios. Deve-se escolher os algoritmos de machine learning adequados para cada aplicação, considerando o volume e a variedade dos dados disponíveis, a complexidade do problema e a precisão necessária (FIGUEIREDO, 2022). Sem contar que, a proteção dos dados pessoais dos clientes é uma preocupação importante, especialmente com a vigência da Lei Geral de Proteção de Dados (LGPD) no Brasil (FIGUEIREDO, 2022). Já sobre os impactos financeiros e no mercado de trabalho, a implementação da IA traz resultados significativos, mas também pode exigir investimentos em infraestrutura e capacitação dos profissionais (FIGUEIREDO, et al., 2022). A automação de certas tarefas pode levar a mudanças no mercado de trabalho, com a necessidade de adaptação e aquisição de novas habilidades por parte dos funcionários (FIGUEIREDO, et al., 2022). Portanto, a implementação da IA em e-commerces oferece benefícios como personalização da experiência do cliente e otimização operacional através 9 do equilíbrio entre o avanço tecnológico e a proteção dos direitos dos usuários (FIGUEIREDO, et al., 2022). 10 REFERÊNCIAS BRASIL. Acesso à informação. Lei Geral de Proteção de Dados Pessoais (LGPD). 2023. Disponível em: https://www.gov.br/cidadania/pt-br/acesso-a- informacao/lgpd. Acesso em: 06 de maio de 2023, às 19:07. BRIGADE, Data Science. A Diferença Entre Inteligência Artificial, Machine Learning e Deep Learning. Medium. Agosto, 2016. Disponível em: https://medium.com/data-science-brigade/a-diferen%C3%A7a-entre- intelig%C3%AAncia-artificial-machine-learning-e-deep-learning-930b5cc2aa42. Acesso em: 25 de abril de 2023, às 18:32. CARDOSO, Simone; KAWAMOTO, Márcia Hiroko; MASSUDA, Ely Mitie. Comércio eletrônico: o varejo virtual brasileiro. Revista Cesumar–Ciências Humanas e Sociais Aplicadas, v. 24, n. 1, p. 117-134, 2019. CARVALHO, Mariana. Banco de Dados. Medium. Agosto, 2020. Disponível em: https://medium.com/sysadminas/banco-de-dados- af36571670ee. Acesso em: 22 de maio de 2023, às 22:18. CHIUSOLI, Claudio Luiz; BONFIM, Renata Santos. E-commerce: o comportamento de compras on-line na percepção dos consumidores. Revista Administração em Diálogo-RAD, v. 22, n. 2, p. 115-133, 2020. FÉLIX, Ana Catarina de Faria Blanc, et al. A influência da Inteligência Artificial No e-Commerce: o Uso dos Chatbots. 2020. PhD Thesis. Universidade de Lisboa (Portugal). GOMES, D. dos S. Inteligência Artificial: conceitos e aplicações. Olhar Científico. v1, n. 2, p. 234-246, 2010. HAMANAKA, Raíssa Yuri; BENIN, Keli Rodrigues do Amaral; PALETTA, Francisco Carlos. Transformação digital: um ensaio sobre big data, análise de dados e inteligência artificial. Anais, 2021. 11 LEMOS, Manoel. Bem-vindo a era dos negócios guiados por dados. Medium. Agosto, 2017. Disponível em: https://futuroagora.co/bem-vindo-a-era- dos-neg%C3%B3cios-guiados-por-dados-997c4b60521a. Acesso em: 04 de abril de 2023, às 07:48. MATA, Késley Brenner da Costa. E-Commerce: análise de dados sobre o comércio eletrônico no Brasil. 2021. MATIAS, Ana Catarina de Faria Blanc Félix. A influência da inteligência artificial no e-commerce: o uso dos chatbots. 2020. PhD Thesis. Instituto Superior de Economia e Gestão. PERINA, Gustavo. Quais foram os impactos da LGPD no e-commerce? e- commerce Brasil. 2021. Disponível em: https://www.ecommercebrasil.com.br/a rtigos/quais-foram-os-impactos-da-lgpd-no-e-commerce. Acesso em: 22 de março de 2023, às 20:52 . SILVA, Jennifer Amanda Sobral da; MAIRINK, Carlos Henrique Passos. Inteligência artificial. LIBERTAS: Revista de Ciênciais Sociais Aplicadas, v. 9, n. 2, p. 64-85, 2019.