Banca de DEFESA: SANDRELLY LUIZ COUTINHO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: SANDRELLY LUIZ COUTINHO
DATA : 31/07/2025
HORA: 16:00
LOCAL: Anfiteatro do CIn
TÍTULO:

ANALISE DA INFLUENCIA DE ATRIBUTOS NO DESEMPENHO DE VENDAS DE APARTAMENTOS EM EMPREENDIMENTOS NO RECIFE: UMA ABORDAGEM COM APLICACAO DE MINERACAO DE DADOS, COM A METODOLOGIA CRISP-DM, FOCADA EM PROBLEMAS DE DECISAO BINARIA E INTELIGENCIA ARTIFICIAL EXPLICAVEL (X-AI)

PALAVRAS-CHAVES:

MERCADO IMOBILIÁRIO, MINERAÇÃO DE DADOS, CRISP-DM, DECISÃO BINÁRIA, INTELIGÊNCIA ARTIFICIAL EXPLICÁVEL (XAI)

PÁGINAS: 189
RESUMO:

A presente dissertação propõe o desenvolvimento de um modelo preditivo e
explicável para classificar o sucesso de empreendimentos imobiliários do
tipo apartamento, lançados no Recife. Partindo da análise de dados
históricos de vendas, atributos físico-comerciais das unidades e variáveis
econômicas de contexto. A abordagem combina técnicas de Mineração de Dados
com métodos de Inteligência Artificial Explicável (X-AI), sendo estruturada
segundo a metodologia CRISP-DM, que orienta de forma sistemática as etapas
desde a compreensão do negócio até a modelagem e avaliação dos resultados.
Dada a reconhecida escassez de bases e com a conhecida fragmentação e falta
de organização de bases no mercado imobiliário brasileiro, adotou-se como
fonte principal a plataforma RE.AI.s, consolidada há mais de 25 anos no
setor. Para o município do Recife, foco deste estudo, foi extraído um
conjunto robusto contendo 300 empreendimentos e 28.729 unidades
habitacionais, com registros mensais de vendas entre janeiro de 2021 e maio
de 2025, período temporal ideal para a pesquisa. A garantia da qualidade
dos dados seguiu uma abordagem híbrida, combinando métodos estatísticos e o
conhecimento empírico do mercado local. Essa validação foi complementada
pela colaboração com a equipe de dados RE.AI.s e das construtoras
participantes, conferindo maior confiabilidade. Para capturar a
complexidade da performance comercial, adotou-se uma abordagem inovadora
com a criação de duas classes-alvo binárias distintas, inicialmente
definidas no nível do empreendimento e posteriormente propagadas para as
unidades: (i) Velocidade de Vendas, classifica empreendimentos que atingem
ou superam 30% de suas vendas nos primeiros três meses pós-lançamento,
indicando atratividade imediata; e (ii) Resiliência de Vendas, identifica
empreendimentos que mantêm menos de 20% de unidades não vendidas após 18
meses, refletindo a solidez e aderência do produto a longo prazo. Para
avaliar a capacidade preditiva dos dados, foram aplicados modelos
supervisionados de classificação, com ênfase em Árvores de Decisão,
Regressão Logística e Regras de Indução. O grande diferencial do estudo
reside no foco em Inteligência Artificial Explicável (X-AI), que visa não
apenas prever, mas também tornar transparentes e compreensíveis as razões
por trás das classificações do modelo.Os resultados demonstram que o uso de
atributos no nível da unidade aumentou significativamente a precisão dos
modelos e permitiu a construção de uma ferramenta de apoio à decisão
baseada em ciência de dados e alta tecnologia. Além disso, usamos uma
abordagem diferenciada, com foco na explicabilidade e na influência dos
atributos na performance das vendas (em vez da precificação), visando
classificar com sucesso o potencial de lançamento de novos empreendimentos.
Em um setor ainda marcado por decisões empíricas e heurísticas individuais,
esta abordagem representa uma inovação metodológica com potencial de
impacto prático. Como continuidade, sugere-se o aprofundamento da análise
espacial, modelos geográficos, e o uso de outros modelos de inteligência
artificial para aprimorar a acurácia preditiva.

 

MEMBROS DA BANCA:
Externo à Instituição - KELLYTON DOS SANTOS BRITO - UFRPE
Interno - 1306626 - PAULO JORGE LEITAO ADEODATO
Presidente - 1463105 - RICARDO BASTOS CAVALCANTE PRUDENCIO