Mineração de dados em rede social para avaliação de tendências de consumo do queijo artesanal no Brasil

• Thallys da Silva Nogueira UFJF http://orcid.org/0000-0002-8499-0181
• Kennya Beatriz Siqueira EMBRAPA https://orcid.org/0000-0001-6727-7774
• Priscila Vanessa Zabala Capriles Goliatt UFJF http://orcid.org/0000-0001-9780-4328

DOI: https://doi.org/10.5753/sbiagro.2021.18389

Resumo

O presente trabalho refere-se aos resultados obtidos pelo desenvolvimento de um sistema computacional denominado “Observatório do Consumidor”. Baseando-se nos conceitos de business intelligence é capaz de coletar, armazenar, processar e extrair informações em dados da rede social Twitter. O objetivo é avaliar tendências de consumo por meio da identificação de características e hábitos de consumo do queijo artesanal no Brasil. Fazendo-se uso de técnicas de inteligência artificial, mineração de dados e processamento de linguagem natural, é possível identificar informações sobre o cenário das tendências de consumo dos queijos artesanais no Brasil, até então desconhecidas.

Palavras-chave: Pesquisa de Mercado, Tomada de Decisões, Inteligência Artificial, Transformação Digital, Inteligência de Negócios

Referências

AI, GOTIT. GOTIT - Sentiment. (2021). Retrieved from https://gotit.ai/en-us/Home/Sentiment.

Ankit Saleena, Nabizath. (2018). An ensemble classification system for twitter sentiment analysis. Procedia Computer Science, v. 132, p. 937–946. ISSN 1877-0509. International Conference on Computational Intelligence and Data Science. Retrieved from [link].

Barabba, T. and Zaltaman, P. (1991). Hearing the voice of the market. Harvard Business School Press.

DataReportal. (2021). Digital 2021 Brazil, retrieved from https://datareportal.com/reports/digital-2021-brazil.

DataReportal. (2021). Digital 2021 Global Digital Overview, retrieved from https://datareportal.com/reports/digital-2021-global-digital-overview.

Gartner. (2021). “Definition of Big Data”, retrieved from https://www.gartner.com/en/information-technology/glossary/big-data.

Mohamed, Sinkadar. (2018). “100 Social Media Statistics You Must Know [2018] + Infographic”, retrieved from [link].

Pedregosa et al., (2011). Scikit-learn: Machine Learning in Python, JMLR 12, pp. 2825-2830.

Sammut C. and Webb G.I. (2011). TF–IDF. (eds) Encyclopedia of Machine Learning. Springer, Boston, MA. DOI: https://doi.org/10.1007/978-0-387-30164-8_832

Siqueira, Kennya B. and Nogueira, Thallys S. and Campos, Emerson W. and Soares, Nedson D. and Moraes, Emerson A. P. and Villela, Regina M. M. B. and David, José Maria N. and Goliatt, Priscila V. Z. C. (2020). Análise exploratória da imagem dos lácteos em tempos de coronavírus. Indústria de Laticínios, n. 143, p. 64–66, ISSN 1678-7250.

Siqueira, Kennya B. and Nogueira, Thallys S. and Campos, Emerson W. and Soares, Nedson D. and Moraes, Emerson A. P. and Villela, Regina M. M. B. and David, José Maria N. and Goliatt, Priscila V. Z. C. (2020). O impacto da pandemia no consumo de lácteos no Brasil. Indústria de Laticínios, n. 147, p. 36–38, ISSN 1678-7250.

Turban, E. and Sharda, R. and Delen, D. (2010) Decision Support and Business Intelligence Systems. p.720

Twitter, Inc. (2021). Twitter, retrieved from https://twitter.com.

Van Rossum, G. and Drake, F. L. (2009). Python 3 Reference Manual. Scotts Valley, CA: CreateSpace.

Veríssimo, B and Lepre, L. and Tincani, D. (2018). “Diferenças entre pesquisa de marketing e pesquisa de neuromarketing”.

Wasserman, S. and Faust, k. (1994). “Social network analysis: methods and applications”. Cambridge University Press.

Worldometers. (2021). “World Population Clock: 7,8 Billion People”, retrieved from https://www.worldometers.info.