Aplicação das técnicas de machine learning na categorização de despesas de fluxo de caixa: uma pesquisa-ação
Open Access
- 4 April 2025
- journal article
- Published by University Nove de Julho in Revista Inovação, Projetos e Tecnologias
- Vol. 13 (1) , e27432
Abstract
A gestão financeira desempenha um papel fundamental na estabilidade e no crescimento das empresas. A categorização inadequada de despesas no fluxo de caixa pode acarretar consequências negativas, como relatórios financeiros imprecisos, dificuldades na previsão do fluxo de caixa e problemas na identificação de áreas com custos excessivos ou ineficientes (Silva e Navarro & Valverde, 2023). O objetivo deste relato técnico é apresentar a aplicação de uma ferramenta desenvolvida com base em técnicas de machine learning para resolver o problema da categorização incorreta de despesas em uma planilha de fluxo de caixa de uma empresa familiar alagoana do setor varejista de artigos e armarinhos. O método adotado foi a pesquisa-ação, que, no ambiente organizacional, busca frequentemente solucionar problemas de natureza técnica. Devido às inconsistências nas categorias atribuídas manualmente pelos funcionários, foi desenvolvida uma solução utilizando bibliotecas Python para análise de texto e classificação de dados. Modelos de Regressão Logística e Random Forest foram aplicados para automatizar a correção das categorias. Como resultado, a aplicação dessas técnicas permitiu uma melhora na precisão da categorização das despesas, alcançando uma acurácia de 94% com o modelo Random Forest. Este estudo evidencia a eficácia da integração de machine learning em processos financeiros, demonstrando como essas tecnologias podem contribuir para maior precisão e eficiência, reduzindo erros e otimizando a gestão empresarial.Keywords
This publication has 29 references indexed in Scilit:
- Advancing credit risk modelling with Machine Learning: A comprehensive review of the state-of-the-artEngineering Applications of Artificial Intelligence, 2024
- Natural language processing analysis of online reviews for small business: extracting insight from small corporaAnnals of Operations Research, 2024
- Machine learning for credit scoring: Improving logistic regression with non-linear decision-tree effectsEuropean Journal of Operational Research, 2022
- Array programming with NumPyNature, 2020
- Predicting bank insolvencies using machine learning techniquesInternational Journal of Forecasting, 2020
- Predicting and explaining corruption across countries: A machine learning approachGovernment Information Quarterly, 2020
- A survey on fake news and rumour detection techniquesInformation Sciences, 2019
- An Overview of Overfitting and its SolutionsJournal of Physics: Conference Series, 2019
- Applied Logistic Regression2013
- Random ForestsMachine Learning, 2001