Treffer: Aplicação das técnicas de machine learning na categorização de despesas de fluxo de caixa: uma pesquisa-ação.

Financial management plays a fundamental role in the stability and growth of companies. Inadequate categorization of expenses in the cash flow can lead to negative consequences, such as inaccurate financial reports, difficulties in cash flow forecasting, and challenges in identifying areas with excessive or inefficient costs (Silva e Navarro &Valverde, 2023). The objective of this technical report is to present the application of a tool developed based on machine learning techniques to address the issue of incorrect expense categorization in the cash flow spreadsheet of a family-owned retail business in Alagoas, specializing in haberdashery and related goods. The method adopted was action research, which often aims to solve technical problems within organizational environments. Due to inconsistencies in the categories manually assigned by employees, a solution was developed using Python libraries for text analysis and data classification. Logistic Regression and Random Forest models were applied to automate the correction of categories. As a result, the application of these techniques improved the accuracy of expense categorization, achieving 94% accuracy with the Random Forest model. This study highlights the effectiveness of integrating machine learning into financial processes, demonstrating how these technologies can contribute to greater accuracy and efficiency, reducing errors and optimizing business management. [ABSTRACT FROM AUTHOR]

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. [ABSTRACT FROM AUTHOR]

Copyright of Revista Inovação, Projetos e Tecnologia is the property of Revista Inovacao, Projetos e Tecnologia and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)