Perfis de rentabilidade no ecossistema cinematográfico: construção e normalização de um dataset com dados abertos da Web

Página do item simplificado
dc.contributor.advisorSeufitelli, Danilo Boechat
dc.contributor.advisor-coDalip, Daniel Hasan
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/2960751321530666
dc.contributor.advisorLatteshttp://lattes.cnpq.br/5887701447276862
dc.contributor.authorPeito, Marcela Camarano Caram
dc.contributor.authorLatteshttp://lattes.cnpq.br/1031032920209208
dc.contributor.refereeSeufitelli, Danilo Boechat
dc.contributor.refereeDalip, Daniel Hasan
dc.contributor.refereeOliveira, Gabriel Pereira de
dc.contributor.refereeSilva, Mariana de Oliveira Santos
dc.date.accessioned2026-08-27T23:42:17Z
dc.date.available2026-08-27T23:42:17Z
dc.date.issued2026-06-19
dc.description.abstractA 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.
dc.description.abstractotherThe global film industry operates under severe financial asymmetry, making resource allocation and risk mitigation complex challenges for studios and investors. This study aims to apply Data Engineering and Unsupervised Machine Learning tech niques to map the latent structure of this market to generate business intelligence. The methodology relied on building and cleaning a structured database, applying outlier treatment and logarithmic transformations to key variables such as estimated profit, critical acclaim, and audience engagement. During the clustering stage, a comparative analysis between the DBSCAN and K-Means models was conducted. The DBSCAN results suggest a dense structure that is difficult to segment, demon strating effectiveness in anomaly (noise) detection but presenting severe limitations for strategic segmentation. In contrast, the K-Means algorithm forced the market’s partitioning into four quadrants, highlighting the systemic disconnect between critical acclaim and financial profitability. It is concluded that categorizing film productions into strict profiles is a highly complex challenge. The research demonstrates the constraints of traditional clustering, proving that the market resists rigid divisions. Therefore, the study’s main contribution lies in mapping the approaches that fail in this categorization, emphasizing the imperative need for new analytical architectures to understand the dynamics of the audiovisual sector. Additionally, the constructed and structured database itself also serves as an important contribution of this work.
dc.identifier.urihttps://repositorio.cefetmg.br//handle/123456789/2931
dc.language.isopt
dc.publisherCentro Federal de Educação Tecnológica de Minas Gerais
dc.publisher.countryBrasil
dc.publisher.departmentDepartamento de Computação
dc.publisher.initialsCEFET-MG
dc.subjectAprendizado do computador
dc.subjectProcessamento eletrônico de dados
dc.subjectCluster (Sistema de computador)
dc.titlePerfis de rentabilidade no ecossistema cinematográfico: construção e normalização de um dataset com dados abertos da Web
dc.typeTrabalho de Conclusão de Curso da Graduação

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Perfis de rentabilidade no ecossistema cinematográfico.pdf
Tamanho:
3.72 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.39 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

Engenharia de Computação (Belo Horizonte - Nova Gameleira)