📦 Análise ABC-XYZ com Machine Learning

Bem-vindo ao projeto Análise ABC-XYZ com Machine Learning! Este repositório contém um notebook Jupyter que utiliza técnicas de machine learning para realizar análises ABC e XYZ em um conjunto de dados de vendas. Abaixo, você encontrará um guia abrangente sobre o que este notebook faz, como usá-lo e como estruturar seus dados de entrada.

📚 Índice

• Visão Geral
• Descrição das Análises
• Estrutura dos Dados de Entrada
• Dependências
• Uso
• Saída

📋 Visão Geral

Este notebook utiliza técnicas de machine learning, especificamente o algoritmo K-means, para realizar análises ABC e XYZ. A análise ABC classifica os produtos com base em sua importância relativa, enquanto a análise XYZ classifica os produtos com base na variabilidade da demanda.

🔍 Descrição das Análises

Análise ABC

A análise ABC classifica os produtos em três categorias com base na importância relativa:

• Classe A: Produtos de alta importância
• Classe B: Produtos de importância moderada
• Classe C: Produtos de baixa importância

Utiliza-se o K-means para considerar múltiplas variáveis simultaneamente (volume de vendas, valor monetário e frequência de venda), proporcionando uma visão mais holística.

Análise XYZ

A análise XYZ classifica os produtos com base na variabilidade da demanda:

• Classe X: Demanda estável
• Classe Y: Demanda moderadamente variável
• Classe Z: Demanda altamente variável

Utiliza-se a técnica de análise de séries temporais e aplicação de modelos de clustering para automatizar essa classificação.

Combinação ABC-XYZ

A combinação das classificações ABC e XYZ resulta em nove combinações possíveis, cada uma com características distintas em termos de valor e variabilidade da demanda. Estratégias sugeridas são detalhadas para cada combinação.

📂 Estrutura dos Dados de Entrada

Os dados de entrada devem estar em um arquivo Excel contendo as seguintes colunas:

• volume_vendas: Volume de vendas dos produtos.
• valor_monetario: Valor monetário das vendas dos produtos.
• frequencia_vendas: Frequência de vendas dos produtos.

🛠 Dependências

Certifique-se de ter as seguintes dependências instaladas:

• Python 3.x
• Pandas
• NumPy
• Scikit-learn
• Matplotlib
• Seaborn

Instale-as usando pip:

pip install requirements.txt

🚀 Uso

1. Clone este repositório:

Apenas rode cada uma das celulas do notebook.

## 📈 Saída

Após executar o notebook, você obterá:

- **Classificação ABC:** Produtos classificados em A, B ou C.
- **Classificação XYZ:** Produtos classificados em X, Y ou Z.
- **Combinação ABC-XYZ:** Uma tabela combinando as classificações ABC e XYZ para cada produto.

### Exemplo de Saída

```plaintext
Produto | ABC_Class | XYZ_Class | Combinação
---------------------------------------------
Prod1   | A         | X         | AX
Prod2   | B         | Y         | BY
...

---

Feito com 🧠 por Vitor Tatekawa