O setor de Planejamento e Análise Financeira (FP&A) tem se destacado como estratégico no cenário competitivo atual. As equipes de FP&A estão adotando tecnologias como algoritmos de aprendizado de máquina para criar modelos preditivos. Esses modelos permitem decisões baseadas em dados, proporcionando uma vantagem significativa às empresas. A implementação desses modelos visa fortalecer a gestão financeira ao oferecer previsões ainda mais precisas e úteis, proporcionando uma vantagem competitiva substancial em um ambiente corporativo cada vez mais complexo e dinâmico. A questão central que norteia esse estudo está em aprofundar o conhecimento sobre o uso de algoritmos de aprendizado de máquina supervisionados e aplicar um algoritmo de aprendizado de máquina para predição de indicadores de desempenho financeiro. A metodologia aplicada tem caráter qualitativo e quantitativo, utilizando a aplicação do modelo proposto por Belyadi e Haghighat (2021), com o uso do algoritmo do XGBoost e o conjunto de técnicas de métricas de desempenho propostas por Botchkarev (2018), usando a base de dados da companhia multinacional adotada como unidade de análise da pesquisa, e com o objetivo de determinar a previsão dos indicadores de desempenho financeiro selecionados no estudo. Com a elaboração do modelo apresentado no estudo, e os dados de predição encontrados compreende-se que a adoção de modelos de aprendizado de máquina contribuem para geração de ideias, previsibilidade e gestão estratégica de custos para o ambiente corporativo.
Complete tool for submission, evaluation and publication of proceedings for scientific events.
