Metodologia híbrida de clusterização e apoio multicritério à decisão aplicada no gerenciamento de pontos de venda em uma rede varejista

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGomes, Carlos Francisco Simões-
Autor(es): dc.contributorSantos, Marcos dos-
Autor(es): dc.contributorPereira, Maria Teresa Ribeiro-
Autor(es): dc.contributorPereira, Marisa Guerra-
Autor(es): dc.creatorTerra, Adilson Vilarinho-
Data de aceite: dc.date.accessioned2025-08-21T20:11:24Z-
Data de disponibilização: dc.date.available2025-08-21T20:11:24Z-
Data de envio: dc.date.issued2025-06-02-
Data de envio: dc.date.issued2025-06-02-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/38613-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1056253-
Descrição: dc.descriptionEsta dissertação apresenta uma modelagem híbrida para gerenciamento de pontos de venda de uma rede varejista, integrando técnicas de machine learning não supervisionadas com o Apoio Multicritério à Decisão (AMD). A modelagem híbrida proposta nessa dissertação, integra o método não hierárquico de clusterização K-means e o método AMD AHP-Gaussiano. Esta combinação visa descobrir padrões ocultos em grandes volumes de dados, um desafio crescente na era da big data. O estudo se destaca pela aplicação da modelagem proposta em uma rede varejista do segmento farmacêutico com mais de 70 pontos de venda espalhados pela cidade do Rio de Janeiro. Academicamente, a pesquisa contribui para a literatura em modelagem híbrida, enquanto no âmbito prático, oferece uma ferramenta estratégica para redes varejistas, potencialmente melhorando sua eficiência operacional e competitividade de mercado. O modelo proposto combina o poder do machine learning, especialmente em identificar semelhanças comportamentais entre observações e variáveis de um banco de dados, com a eficácia do AMD em avaliar e priorizá-los. Esta abordagem não apenas facilita o processo decisório, mas também contribui para o desenvolvimento de estratégias de marketing mais direcionadas e eficazes. As contribuições da pesquisa se estendem para além da esfera acadêmica, impactando diretamente o segmento varejista. Espera-se que a modelagem híbrida proposta forneça insights valiosos para a identificação de oportunidades de negócio, orientando a alocação de recursos e o planejamento estratégico da empresa. Esta aplicação prática visa não apenas impulsionar o crescimento da rede varejista em questão, mas também servir de exemplo para outras empresas do setor, promovendo e eficiência para o a tomada de decisão baseada em dados.-
Descrição: dc.descriptionThis dissertation presents a hybrid modeling approach for managing retail outlets of a retail chain, integrating unsupervised machine learning techniques with Multi-Criteria Decision Making (MCDM). The proposed hybrid modeling in this dissertation combines the non-hierarchical K-means clustering method and the MCDM AHP-Gaussian method. This combination aims to uncover hidden patterns in large volumes of data, a growing challenge in the era of big data. The study stands out for the application of the proposed modeling in a pharmaceutical retail chain with more than 70 outlets spread across the city of Rio de Janeiro. Academically, the research contributes to the literature on hybrid modeling, while in practical terms, it offers a strategic tool for retail chains, potentially improving their operational efficiency and market competitiveness. The proposed model combines the power of machine learning, especially in identifying behavioral similarities among observations and variables in a database, with the effectiveness of MCDM in evaluating and prioritizing them. This approach not only facilitates the decision-making process but also contributes to the development of more targeted and effective marketing strategies. The research contributions extend beyond the academic sphere, directly impacting the retail segment. The proposed hybrid modeling is expected to provide valuable insights for identifying business opportunities, guiding resource allocation, and strategic planning of the company. This practical application aims not only to boost the growth of the retail chain in question but also to serve as an example for other companies in the sector, promoting efficiency in data-driven decision-making.-
Descrição: dc.description81 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectModelagem híbrida-
Palavras-chave: dc.subjectMachine Learning Não Supervisionado-
Palavras-chave: dc.subjectApoio Multicritério à Decisão (AMD)-
Palavras-chave: dc.subjectGestão de pontos de venda varejista-
Palavras-chave: dc.subjectApoio multicritério à decisão-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectComércio varejista-
Palavras-chave: dc.subjectHybrid modeling-
Palavras-chave: dc.subjectUnsupervised machine learning-
Palavras-chave: dc.subjectMulti-criteria Decision Making (MCDM)-
Palavras-chave: dc.subjectRetail outlet management-
Título: dc.titleMetodologia híbrida de clusterização e apoio multicritério à decisão aplicada no gerenciamento de pontos de venda em uma rede varejista-
Tipo de arquivo: dc.typeDissertação-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.