Desenvolvimento de um modelo de previsão de custos para suporte à decisão estratégica

Abstract

Resumo : O constante desafio de competição empresarial no mercado global pode ser significativamente intensificado diante das volatilidades nos preços de matérias primas, especialmente no setor de commodities, como o petróleo e seus derivados. Nesse cenário, a previsão de custos emerge no contexto do Business Intelligence como uma fusão poderosa de dados e inteligência analítica, permitindo uma gestão eficaz de custos e consequente rentabilidade a longo prazo. O presente trabalho propõe o desenvolvimento de um modelo de previsão de custos de modo a oferecer suporte à uma empresa petrolífera para a tomada de decisões estratégicas. Destaca-se nesse processo a importância da combinação de métodos estatísticos, dados de mercado e intuição humana para previsões mais robustas. Para tanto, utilizaram-se ferramentas como o Alteryx e Tableau. A metodologia CRISP-DM selecionada proporcionou uma abordagem sistemática e direcionamento para o projeto, resultando em um erro de previsão percentual médio de 3,2% para um intervalo de três meses no futuro. A implementação do modelo gerou vantagens imediatas para a organização no que se refere à possibilidade de adoção de estratégias de mitigação de custos informadas e resposta ágil às mudanças de mercado. Propostas futuras incluem análises quantitativas dos benefícios capturados e aprimoramento do modelo por meio do estudo detalhado dos demais componentes de custo

Abstract : The constant challenge of business competition in the global market can be significantly intensified given the volatility in the prices of raw materials, especially in the commodities sector, such as oil and its derivatives. In this scenario, cost forecasting emerges in the context of Business Intelligence as a powerful fusion of data and analytical intelligence, allowing effective cost management and consequent long-term profitability. The present work proposes the development of a cost forecasting model to support an oil company in strategic decision-making. The importance of combining statistical methods, market data, and human intuition for more robust predictions is highlighted in this process. Tools such as Alteryx and Tableau were employed for this purpose. The chosen CRISP-DM methodology provided a systematic approach and guidance for the project, resulting in an average percent prediction error of 3.2% for a three-month forecast lag. The implementation of the model immediately benefited the organization in terms of the ability to adopt informed cost mitigation strategies and respond promptly to market changes. Future proposals include quantitative analyses of captured benefits and improvement of the model through a detailed study of the other cost components