Abstract:
O avanço do comércio eletrônico e a crescente disponibilidade de dados transacionais têm impulsionado a necessidade de ferramentas analíticas capazes de apoiar decisões estratégicas baseadas em evidências. Nesse contexto, a previsão de vendas emerge como um elemento essencial para o planejamento de estoques, a logística e a gestão financeira de empresas do setor varejista digital, especialmente no segmento supermercadista, caracterizado por alta rotatividade de produtos e forte influência sazonal. Diante desse cenário, o presente estudo teve como objetivo aplicar o modelo Prophet na projeção da demanda e do volume de vendas em um e-commerce de supermercados. Para isso, foram coletados e analisados dados históricos de vendas referentes ao período de 2022 a 2024, com posterior construção, ajuste e validação do modelo. O desempenho do Prophet foi comparado a outros métodos tradicionais de previsão, como ARIMA e redes neurais LSTM, a fim de avaliar sua eficácia e precisão. Os resultados indicaram que o Prophet apresentou capacidade satisfatória para capturar padrões de tendência e sazonalidade, gerando previsões com baixo erro médio e alto coeficiente de determinação (R²). Assim, o estudo evidencia o potencial de modelos de previsão baseados em séries temporais como instrumentos de apoio à tomada de decisão no varejo digital, contribuindo para a otimização de processos e o aprimoramento da gestão de e-commerces supermercadistas.