Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais preciso
DOI:
https://doi.org/10.11606/issn.1982-6486.rco.2020.171481Palavras-chave:
Inteligência artificial, Engenharia automática de recursos, Aprendizado de máquina, Pequenas empresas, Empresas locaisResumo
O objetivo deste estudo é desenvolver um modelo preditivo que aumente a precisão do planejamento operacional de negócios usando dados de uma pequena empresa. A partir de técnicas de aprendizado de máquina (AM), são apresentadas estratégias de expansão, reamostragem e combinação que permitiram superar várias das limitações enfrentadas pelas pesquisas conduzidas até então. O estudo adotou uma nova técnica de engenharia de recursos que permitiu aumentar a precisão de um modelo preditivo, encontrando 10 novos recursos derivados dos originais, desenvolvidos automaticamente através das relações não-lineares encontradas entre eles. Por fim, foi criado um classificador com regras para prever, com alta precisão, a receita da pequena empresa. De acordo com os resultados apresentados, a abordagem proposta abre novas possibilidades para a pesquisa sobre a AM aplicada a pequenas e médias empresas.
Downloads
Referências
Aburto, L., & Weber, R. (2007). A sequential hybrid forecasting system for demand prediction. Lecture Notes in Computer Science, 4571, 518–532. DOI: https://doi.org/10.1007/978-3-540-73499-4_39
Albisua, I., Arbelaitz, O., Gurrutxaga, I., Lasarguren, A., Muguerza, J., & Pérez, J. M. (2013). The quest for the optimal class distribution: an approach for enhancing the effectiveness of learning via resampling methods for imbalanced data sets. Progress in Artificial Intelligence, 2(1), 45–63. DOI: https://doi.org/10.1007/s13748-012-0034-6
Andreyeva, T., Middleton, A. E., Long, M. W., Luedicke, J., & Schwartz, M. B. (2011). Food retailer practices, attitudes and beliefs about the supply of healthy foods. Public Health Nutrition, 14(6), 1024–1031. DOI: https://doi.org/10.1017/S1368980011000061
Banks, G. P. (2013). Exploring small-business change and strategic adaptation in an evolving economic paradigm. Doctoral dissertation. Walden University.
Batuwita, R., & Palade, V. (2010). Efficient resampling methods for training support vector machines with imbalanced datasets. In: The 2010 International Joint Conference on Neural Networks (IJCNN) (pp. 1–8).
Berry, L. R., Helman, P., & West, M. (2020). Probabilistic forecasting of heterogeneous consumer transaction–sales time series. International Journal of Forecasting, 36(2), 552–569. DOI: https://doi.org/10.1016/j.ijforecast.2019.07.007
Bonti-Ankomah, S., & Yiridoe, E. K. (2006). Organic and conventional food: a literature review of the economics of consumer perceptions and preferences. Organic Agriculture Centre of Canada, 59, 1–40.
Bousqaoui, H., Achchab, S., & Tikito, K. (2019). Machine learning applications in supply chains: Long short-term memory for demand forecasting. Lecture Notes in Networks and Systems, 49, 301–317. DOI: https://doi.org/10.1007/978-3-319-97719-5_19
Bowman, J. (2016). Walmart’s neighborhood market is crushing the competition. Business Insider. Retrieved May 15, 2018, from: http://www.businessinsider.com/walmarts-neighborhood-market-is-crushing-the-competition-2016-8
Brinckmann, J., Grichnik, D., & Kapsa, D. (2010). Should entrepreneurs plan or just storm the castle? A meta-analysis on contextual factors impacting the business planning--performance relationship in small firms. Journal of Business Venturing, 25(1), 24–40. DOI: https://doi.org/10.1016/j.jbusvent.2008.10.007
Burns, P. (2016). Entrepreneurship and small business. Palgrave Macmillan Limited.
Caspi, C. E., Pelletier, J. E., Harnack, L., Erickson, D. J., & Laska, M. N. (2016). Differences in healthy food supply and stocking practices between small grocery stores, gas-marts, pharmacies and dollar stores. Public Health Nutrition, 19(3), 540–547. DOI: https://doi.org/10.1017/S1368980015002724
Christensen, C. M., & Bower, J. L. (1996). Customer power, strategic investment, and the failure of leading firms. Strategic Management Journal, 197–218.
Cohen, W. M., & Klepper, S. (1996). Firm size and the nature of innovation within industries: the case of process and product R&D. The Review of Economics and Statistics, 232–243.
Corkery, M. (2018). Grocery Wars Turn Small Chains Into Battlefield Casualties. The New York Times. Retrieved May 15, 2018, from: https://www.nytimes.com/2018/03/26/business/grocery-wars-small-chains.html
Culkin, N., & Smith, D. (2000). An emotional business: a guide to understanding the motivations of small business decision takers. Qualitative Market Research: An International Journal, 3(3), 145–157. DOI: https://doi.org/10.1108/13522750010333898
Dagevos, H. (2016). Beyond the Marketing Mix: Modern Food Marketing and the Future of Organic Food Consumption. In: The Crisis of Food Brands: Sustaining Safe, Innovative and Competitive Food Supply, 255.
Dapp, T., & Slomka, L. (2015). Fintech reloaded - Traditional banks as digital ecosystems. Publication of the German Original, from: https://www.deutschebank.nl/nl/docs/Fintech_reloaded_Traditional_banks_as_digital_ecosystems.pdf
Davenport, S., & Bibby, D. (1999). Rethinking a national innovation system: The small country as’ SME’. Technology Analysis & Strategic Management, 11(3), 431–462.
De Melo, V. V. (2014). Kaizen Programming. In Proceedings of the 2014 Conference on Genetic and Evolutionary Computation (pp. 895–902). New York, NY, USA: ACM. DOI: https://doi.org/10.1145/2576768.2598264
Deb, S. (2017). Analytical ideas to improve daily demand forecasts: A case study. Lecture Notes in Computer Science, 10192, 23–32. DOI: https://doi.org/10.1007/978-3-319-54430-4_3
Dewhurst, M., & Willmott, P. (2014). Manager and machine: The new leadership equation. McKinsey Quarterly, 4, 1–8.
Doward, J. (2017). Organic food sales soar as shoppers put quality before price | Environment | The Guardian. Retrieved May 15, 2018, from: https://www.theguardian.com/environment/2017/feb/19/sales-of-organic-food-soar-fruit-vegetables-supermarkets
Draganska, M., Klapper, D., & Villas-Boas, S. B. (2010). A larger slice or a larger pie? An empirical investigation of bargaining power in the distribution channel. Marketing Science, 29(1), 57–74. DOI: https://doi.org/10.1287/mksc.1080.0472
Dunkley, B., Helling, A., & Sawicki, D. S. (2004). Accessibility versus scale: examining the tradeoffs in grocery stores. Journal of Planning Education and Research, 23(4), 387–401. DOI: https://doi.org/10.1177/0739456X04264890
Estabrooks, A., Jo, T., & Japkowicz, N. (2004). A multiple resampling method for learning from imbalanced data sets. Computational Intelligence, 20(1), 18–36. DOI: https://doi.org/10.1111/j.0824-7935.2004.t01-1-00228.x
Fadahunsi, A. (2012). The growth of small businesses: Towards a research agenda. American Journal of Economics and Business Administration, 4(1), 105. DOI: https://doi.org/10.3844/ajebasp.2012.105.115
Farhadi, H. (2018). Machine Learning: Advanced Techniques and Emerging Applications. BoD--Books on Demand.
Gil, J. M., Gracia, A., & Sanchez, M. (2000). Market segmentation and willingness to pay for organic products in Spain. The International Food and Agribusiness Management Review, 3(2), 207–226. DOI: https://doi.org/10.1016/S1096-7508(01)00040-4
Gilbert, R. J. (2015). E-books: A tale of digital disruption. Journal of Economic Perspectives, 29(3), 165–184. DOI: https://doi.org/10.1257/jep.29.3.165
Gordon, W. L., & Key, J. R. (1987). Artificial intelligence in support of small business information needs. Journal of Systems Management, 38(1), 24.
Ha, A. Y. (1997). Inventory rationing in a make-to-stock production system with several demand classes and lost sales. Management Science, 43(8), 1093–1103.
Isidore, C., Wattles, J., & Kavilanz, P. (2018). Toys “R” Us will close or sell all US stores. Retrieved May 15, 2018, from: http://money.cnn.com/2018/03/14/news/companies/toys-r-us-closing-stores/index.html
Jones, C. (2004). An alternative view of small firm adaptation. Journal of Small Business and Enterprise Development, 11(3), 362-370. DOI: https://doi.org/10.1108/14626000410551618
Kolassa, S. (2013). Forecasting and optimisation for big data: Lessons from the retail business. In OR55 Keynotes and Extended Abstracts - 55th Conference of the Operational Research Society, 33–35. Retrieved from: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84887836974&partnerID=40&md5=4a2ff7c1644d89c6f3d3df3073c95d5f
Lee, H. L., & Whang, S. (2000). Information sharing in a supply chain. International Journal of Manufacturing Technology and Management, 1(1), 79–93. DOI: https://doi.org/10.1016/j.proeng.2012.06.258
Lensink, R., Van Steen, P., & Sterken, E. (2005). Uncertainty and Growth of the Firm. Small Business Economics, 24(4), 381–391. DOI: https://doi.org/10.1007/s11187-005-7121-z
Leswing, K. (2017). Amazon Is Buying Whole Foods-Here’s Amazon’s Vision for the Grocery Store of the Future. Business Insider, from: https://www.businessinsider.com/amazon-go-grocery-store-future-photos-video-2017-6
Li, Y., Su, Z., Liu, Y., & Li, M. (2011). Fast adaptation, strategic flexibility and entrepreneurial roles. Chinese Management Studies, 5(3), 256–271. DOI: https://doi.org/10.1108/17506141111163354
Loebbecke, C., & Picot, A. (2015). Reflections on societal and business model transformation arising from digitization and big data analytics: A research agenda. Journal of Strategic Information Systems, 24(3), 149–157. DOI: https://doi.org/10.1016/j.jsis.2015.08.002
Love, R. R., & Hoey, J. M. (1990). Management science improves fast-food operations. Interfaces, 20(2), 21–29.
McFarlane, F. W. (1984). Information technology changes the way you compete. Harvard Business Review, Reprint Service.
Moore, C. W. (2008). Managing small business: An entrepreneurial emphasis. Cengage Learning EMEA.
Müller, V. C., & Bostrom, N. (2016). Future progress in artificial intelligence: A survey of expert opinion. In Fundamental issues of artificial intelligence (pp. 555–572). Springer.
Ramentol, E., Verbiest, N., Bello, R., Caballero, Y., Cornelis, C., & Herrera, F. (2012). SMOTE-FRST: a new resampling method using fuzzy rough set theory. In Uncertainty Modeling in Knowledge Engineering and Decision Making (pp. 800–805). World Scientific.
Slimani, I., El Farissi, I., & Achchab, S. (2017). Configuration and implementation of a daily artificial neural network-based forecasting system using real supermarket data. International Journal of Logistics Systems and Management, 28(2), 144–163. DOI: https://doi.org/10.1504/IJLSM.2017.086345
Slimani, I., Farissi, I. E., & Al-Qualsadi, S. A. (2016). Configuration of daily demand predicting system based on neural networks. In Proceedings of the 3rd IEEE International Conference on Logistics Operations Management. DOI: https://doi.org/10.1109/GOL.2016.7731709
Soper, T. (2017). Amazon reports $1.3B in physical store sales, breaking out brick-and-mortar business for first time, still dwarfed by $26.4B online sales. GeekWire. Retrieved May 15, 2018, from: https://www.geekwire.com/2017/amazon-adds-physical-stores-segment-earnings-report-expands-brick-mortar-footprint/
Stone, P., Brooks, R., Brynjolfsson, E., Calo, R., Etzioni, O., Hager, G., … Horvitz, E. (2016). Artificial intelligence and life in 2030: One hundred year study on artificial intelligence. Standford University, from: https://ai100.stanford.edu/sites/g/files/sbiybj9861/f/ai_100_report_0831fnl.pdf
Taylor, J. W. (2011). Multi-item sales forecasting with total and split exponential smoothing. Journal of the Operational Research Society, 62(3), 555–563. DOI: https://doi.org/10.1057/jors.2010.95
Taylor, K., & Hanbury, M. (2018). Amazon is threatening these 8 industries. Business Insider. Retrieved May 15, 2018, from: http://www.businessinsider.com/amazon-is-killing-these-7-companies-2017-7#department-stores-3
Thompson, G. D. (1998). Consumer demand for organic foods: what we know and what we need to know. American Journal of Agricultural Economics, 80(5), 1113–1118. DOI: https://doi.org/10.2307/1244214
Tu, J. I. (2016). Costco gets creative to meet shoppers’ huge appetite for organics. The Seattle Times. Retrieved May 15, 2018, from: https://www.seattletimes.com/business/retail/costco-gets-creative-to-meet-shoppers-huge-appetite-for-organics/
Van Doorn, J., & Verhoef, P. C. (2011). Willingness to pay for organic products: Differences between virtue and vice foods. International Journal of Research in Marketing, 28(3), 167–180. DOI: https://doi.org/10.1016/j.ijresmar.2011.02.005
Wingfield, N., & de la Merced, M. (2017). Amazon to buy Whole Foods for 13.4 billion. The New York Times.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2020 Revista de Contabilidade e Organizações
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
A RCO adota a política de Acesso Livre (Libre Open Access), sob o acordo padrão Creative Commons (CC BY-NC-ND 4.0). O acordo prevê que:
- A submissão de texto autoriza sua publicação e implica compromisso de que o mesmo material não esteja sendo submetido a outro periódico. O original é considerado definitivo;
- Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attributionque permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista;
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com necessário reconhecimento de autoria e publicação inicial nesta revista;
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre);
- A revista não paga direitos autorais aos autores dos textos publicados;
- O detentor dos direitos autorais da revista, exceto os já acordados no acordo de Libre Open Access (CC BY-NC-ND 4.0), é o Departamento de Contabilidade da Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto da Universidade de São Paulo.
Não são cobradas taxas de submissão ou de publicação.
São aceitos até 4 autores por artigo. Casos excepcionais devidamente justificados poderão ser analisados pelo Comitê Executivo da RCO. São considerados casos excepcionais: projetos multi-institucionais; manuscritos resultantes da colaboração de grupos de pesquisa; ou que envolvam grandes equipes para coleta de evidências, construção de dados primários e experimentos comparados.
É recomendada a ordem de autoria por contribuição, de cada um dos indivíduos listados como autores, especialmente no desenho e planejamento do projeto de pesquisa, na obtenção ou análise e interpretação de dados e redação. Os autores devem declarar as efetivas contribuições de cada autor, preenchendo a carta ao editor, logo no início da submissão, responsabilizando-se pelas informações dadas.
É permitida a troca de autores durante todo o processo de avaliação e, antes da publicação do manuscrito. Os autores devem indicar a composição e ordem final de autoria no documento assinado por todos os envolvidos no aceite para publicação. Caso a composição e ordem de autoria seja diferente da informada anteriormente no sistema, todos autores anteriormente listados deverão se manifestar favoráveis.
No caso de identificação de autoria sem mérito ou contribuição (ghost, guest or gift authorship), a RCO segue o procedimento recomendado pela COPE.
