Modelos de previsão de vendas para novos postos Prio

Abstract

O presente relatório de estágio tem dois objetivos principais. O primeiro objetivo é fornecer uma visão geral das atividades realizadas ao longo do estágio curricular realizado na empresa PRIO Energy. Desta forma será primeiro apresentada uma contextualização da empresa e, de seguida, são descritas as atividades realizadas no Departamento de Expansão e também do Departamento da Mobilidade Elétrica da PRIO. O segundo objetivo é identificar e caracterizar potenciais fatores ou variáveis com capacidade preditiva para as vendas mensais de combustível de postos de abastecimento de combustível PRIO, através da análise de um caso de estudo. Os métodos estatísticos adotados consistem, essencialmente em métodos estatísticos de análise exploratória de dados, recorrendo a estatísticas descritivas e representações gráficas, ao método de previsão de Holt-Winters, à análise de clusters e a modelos de regressão linear múltipla. Os resultados mostram que nem todas as variáveis exógenas consideradas são estatisticamente significativas para um nível de significância de 0,05. No entanto, é possível concluir que o tráfego médio diário é a variável com capacidade preditiva para a maioria dos grupos de postos de abastecimento de combustível analisados.

This report has two main objectives. The first objective is to provide an overview of the activities performed during the internship at PRIO Energy. In this way a contextualization of the company will first be presented and then the activities performed in the Expansion Department and also in the Electric Mobility Department will be described. The second objective is to identify and characterize potential factors or variables with predictive capacity for the monthly fuel sales of PRIO fuel stations, by analyzing a case study. The adopted statistical methods consist essentially of statistical methods of exploratory data analysis, using descriptive statistics and graphical representations, Holt-Winters method, cluster analysis and multiple linear regression models. The results show that not all exogenous variables are statistically significant for a p-values of 0.05. However, it is possible to conclude that the average daily traffic is the variable with predictive capacity for most of the groups of fuel stations analyzed.