Perfis de rentabilidade no ecossistema cinematográfico: construção e normalização de um dataset com dados abertos da Web
Carregando...
Data
2026-06-19
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Centro Federal de Educação Tecnológica de Minas Gerais
Resumo
A indústria cinematográfica global opera sob uma severa assimetria financeira, tornando a alocação de recursos e a mitigação de riscos desafios complexos para estúdios e investidores. O presente trabalho tem como objetivo aplicar técnicas de Engenharia de Dados e Aprendizado de Máquina Não Supervisionado para mapear a estrutura latente deste mercado, visando a geração de inteligência de negócios. A metodologia baseou-se na construção e higienização de uma base de dados estruturada, aplicando tratamento de outliers e transformações logarítmicas em variáveis determinantes, como lucro estimado, avaliação crítica e engajamento do público. Na etapa de clusterização, conduziu-se uma análise comparativa entre os modelos DBSCAN e K-Means. Os resultados do DBSCAN sugerem uma estrutura densa de difícil segmentação, demonstrando eficácia na detecção de anomalias (ruído), mas apresentando limitações severas para a segmentação estratégica. Em contrapartida, o algoritmo K-Means forçou o particionamento do mercado em quatro quadrantes (Titãs Comerciais, Os Injustiçados, Fracassos Absolutos e Nicho de Baixo Orçamento), evidenciando o distanciamento sistêmico entre a aclamação crítica e a rentabilidade. Conclui-se que categorizar produções em perfis estritos é um desafio de altíssima complexidade. A pesquisa demonstra as restrições da clusterização tradicional, provando que o mercado resiste a divisões engessadas. Assim, a principal contribuição do estudo reside em mapear as abordagens que falham nesta categorização, apontando a necessidade imperativa de novas arquiteturas analíticas para compreender a dinâmica do setor audiovisual. Adicionalmente, a própria base de dados construída e estruturada também se configura como uma importante contribuição deste trabalho.
Descrição
Palavras-chave
Aprendizado do computador, Processamento eletrônico de dados, Cluster (Sistema de computador)