Comparação prática de modelos lineares preditivos para métricas de arrecadação de concessionária de rodovias

Página do item simplificado
dc.contributor.advisor1Martins, Weber
dc.contributor.referee1Martins, Weber
dc.contributor.referee1Marques, Thyago Carvalho
dc.contributor.referee1Lemos, Rodrigo Pinto
dc.creatorVieira, João Elso dos Reis
dc.date.accessioned2023-01-10T13:10:52Z
dc.date.available2023-01-10T13:10:52Z
dc.date.issued2021-04-07
dc.description.abstractTechnology has rapidly evolved into all aspects of everyday life, including businesses. Because of this, large amounts of data are generated every day, but the amount of knowledge extracted from them does not keep the same pace. The following article seeks to demonstrate a model for generating knowledge for a highway concessionaire, using data mining techniques and the development of a predictive model. The following metrics are used: traffic, axis equivalence and revenue. They are grouped and represented by dimensions relevant to the business, namely: toll plazas, payment method, categories, transaction type, vehicle type and dates. Thus, allowing the extraction of knowledge that is presented in a report by using a business intelligence tool (Power BI). This tool presents data in graphics and visuals, increasing the speed and quality of data access, enabling the analysis of the company's performance.pt_BR
dc.description.resumoA tecnologia evolui rapidamente em todos os aspectos da vida cotidiana, inclusive nas empresas. Por causa disso, maiores quantidades de dados são geradas todos os dias, mas o conhecimento extraído deles não acompanha essa expansão. O presente trabalho introduz e compara vários modelos preditivos para geração de conhecimento para uma concessionária de rodovias, por meio de técnicas de mineração de dados e desenvolvimento de modelos preditivos, em várias etapas: extração, integração, pré-processamento, modelo preditivo propriamente dito e visualização. As métricas de arrecadação consideradas foram tráfego, equivalência de eixos e receita, agrupadas e representadas por dimensões relevantes ao negócio, sendo elas: praças de pedágio, forma de pagamento, categorias, tipo de transação, tipo de veículo e datas. Tais métricas e dimensões permitem a extração de conhecimento apresentada em relatórios, utilizando ferramenta de inteligência de negócios (Power BI). Tal ferramenta apresenta graficamente os dados, aumentando velocidade e qualidade do acesso ao conhecimento, possibilitando a análise do desempenho da empresa.pt_BR
dc.identifier.citationVIEIRA, João Elso dos Reis. Comparação prática de modelos lineares preditivos para métricas de arrecadação de concessionária de rodovias. 2022. 21 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) - Escola de Engenharia Elétrica, Mecânica e de Computação, Universidade Federal de Goiás, Goiânia, 2022.pt_BR
dc.identifier.urihttp://repositorio.bc.ufg.br/handle/ri/21718
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia de Computação (RG)pt_BR
dc.publisher.departmentEscola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG)pt_BR
dc.publisher.initialsUFGpt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectArmazém de dadospt_BR
dc.subjectConcessionáriapt_BR
dc.subjectConhecimentopt_BR
dc.subjectDadospt_BR
dc.subjectDimensõespt_BR
dc.subjectInteligência de negóciospt_BR
dc.subjectMétricaspt_BR
dc.subjectMineração de dadospt_BR
dc.subjectModelos preditivospt_BR
dc.subjectBusiness intelligencept_BR
dc.subjectConcessionairept_BR
dc.subjectData miningpt_BR
dc.subjectData warehousept_BR
dc.subjectDimensionspt_BR
dc.subjectKnowledgept_BR
dc.subjectMetricspt_BR
dc.subjectPredictive modept_BR
dc.titleComparação prática de modelos lineares preditivos para métricas de arrecadação de concessionária de rodoviaspt_BR
dc.typeTCCpt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
TCCG - Engenharia de Computação - João Elso dos Reis Vieira - 2022.pdf
Tamanho:
2.36 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

EMC - Trabalhos de Conclusão de Curso