Objetivo: Explorar como diferentes mercados e localizações geográficas afetam o desempenho das empresas. O foco será identificar tendências e discrepâncias no desempenho financeiro, satisfação do cliente e inovação em diferentes segmentos e localizações.
| Variável | Tipo_de_Dados |
|---|---|
| Id | Numérico |
| Revenue | Numérico |
| Cost | Numérico |
| Profit | Numérico |
| Employees | Numérico |
| Debt | Numérico |
| Assets | Numérico |
| Equity | Numérico |
| R_D | Numérico |
| Customer_Satisfaction | Numérico |
| Employee_Satisfaction | Numérico |
| Growth_Rate | Numérico |
| Innovation_Score | Numérico |
| Variável | Tipo_de_Dados |
|---|---|
| Market | Texto |
| Location | Texto |
library(ggplot2)
# Histogramas para variáveis quantitativas
histogramas <- lapply(variaveis_quantitativas, function(variavel) {
ggplot(dados, aes_string(x = variavel)) +
geom_histogram(fill = "skyblue", color = "black", bins = 30) +
labs(title = paste("Histograma de", variavel),
x = variavel,
y = "Frequência") +
theme_minimal()
})
## Warning: `aes_string()` was deprecated in ggplot2 3.0.0.
## ℹ Please use tidy evaluation idioms with `aes()`.
## ℹ See also `vignette("ggplot2-in-packages")` for more information.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
# Gráficos de frequência para variáveis qualitativas
graficos_qualitativos <- lapply(variaveis_qualitativas, function(variavel) {
ggplot(dados, aes_string(x = `variavel`)) +
geom_bar(fill = "skyblue", color = "black") +
labs(title = paste("Gráfico de Frequência de", variavel),
x = variavel,
y = "Frequência") +
theme_minimal()
})
# Imprimir os histogramas
print("Histogramas para Variáveis Quantitativas:")
## [1] "Histogramas para Variáveis Quantitativas:"
print(histogramas)
## [[1]]
##
## [[2]]
##
## [[3]]
##
## [[4]]
##
## [[5]]
##
## [[6]]
##
## [[7]]
##
## [[8]]
##
## [[9]]
##
## [[10]]
##
## [[11]]
##
## [[12]]
##
## [[13]]
#
# # Imprimir os gráficos de frequência
# print("Gráficos de Frequência para Variáveis Qualitativas:")
print(graficos_qualitativos)
## [[1]]
##
## [[2]]
## Tabelas de frequência e/ou gráficos de barras, para descrever as empresas da amostra por segmento e localização.
## Warning: There was 1 warning in `summarise()`.
## ℹ In argument: `across(all_of(variaveis_importantes), mean, na.rm = TRUE)`.
## ℹ In group 1: `Market = "Energia"` and `Location = "América do Norte"`.
## Caused by warning:
## ! The `...` argument of `across()` is deprecated as of dplyr 1.1.0.
## Supply arguments directly to `.fns` through an anonymous function instead.
##
## # Previously
## across(a:b, mean, na.rm = TRUE)
##
## # Now
## across(a:b, \(x) mean(x, na.rm = TRUE))
| Market | Location | Revenue | Cost | Profit | Employees | Debt | Assets | Equity | R_D | Customer_Satisfaction | Employee_Satisfaction | Growth_Rate | Innovation_Score |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Energia | América do Norte | 48796.46 | 30746.83 | 2852.3365 | 315.5625 | 36492.43 | 68021.74 | 31529.31 | 2167.038 | 5.514484 | 6.036581 | 1.0041401 | 49.89482 |
| Energia | América do Sul | 52573.53 | 31634.25 | -2232.5554 | 262.6471 | 31239.31 | 61467.92 | 30228.61 | 1975.989 | 3.872147 | 3.964591 | 10.0483099 | 58.70605 |
| Energia | Europa | 49366.71 | 29585.93 | -1927.2567 | 287.1333 | 31063.45 | 64213.10 | 33149.65 | 2330.034 | 4.735598 | 3.988098 | 3.6793405 | 60.66319 |
| Energia | Oceania | 51224.15 | 28766.65 | 1854.5710 | 264.5000 | 31365.05 | 64540.83 | 33175.78 | 2430.407 | 4.159653 | 4.803799 | 1.0179989 | 49.02718 |
| Energia | África | 51755.50 | 31237.55 | -624.6058 | 220.8750 | 32478.54 | 63034.21 | 30555.67 | 1648.937 | 6.115928 | 6.602572 | -5.4548715 | 53.89038 |
| Energia | Ásia | 50114.19 | 32378.64 | 5718.8501 | 273.0000 | 30875.57 | 60241.26 | 29365.70 | 1986.126 | 4.850296 | 6.066465 | 11.8161425 | 39.90027 |
| Finanças | América do Norte | 51688.48 | 34533.40 | -623.6342 | 250.7692 | 32941.59 | 63265.05 | 30323.45 | 2312.257 | 4.490149 | 6.633355 | -5.7129605 | 43.51758 |
| Finanças | América do Sul | 52130.92 | 29524.87 | 10012.8875 | 207.8750 | 33779.12 | 62188.62 | 28409.50 | 2537.204 | 5.981860 | 6.604715 | 10.5251309 | 62.10283 |
| Finanças | Europa | 45627.75 | 25921.08 | 10301.4564 | 347.6250 | 35803.34 | 69447.10 | 33643.76 | 1632.736 | 7.615646 | 3.616986 | 12.4718510 | 50.27625 |
| Finanças | Oceania | 52771.35 | 30476.23 | 4753.5601 | 248.8824 | 35800.64 | 68964.99 | 33164.35 | 2095.600 | 6.034416 | 4.591164 | -4.3472217 | 44.03089 |
| Finanças | África | 43480.84 | 26554.50 | -11625.7707 | 288.4000 | 34522.70 | 69682.76 | 35160.07 | 2277.464 | 3.744680 | 5.409081 | 17.3718415 | 34.56214 |
| Finanças | Ásia | 56162.60 | 33429.51 | 5227.9381 | 318.1250 | 35832.59 | 66652.96 | 30820.37 | 1861.771 | 5.863955 | 4.965120 | -5.9397733 | 54.59715 |
| Indústria | América do Norte | 48028.34 | 27581.30 | -4164.1394 | 262.1000 | 32067.12 | 60331.15 | 28264.04 | 2074.270 | 6.219576 | 2.824027 | 0.5311625 | 37.02539 |
| Indústria | América do Sul | 56708.52 | 31031.63 | 3820.5582 | 299.8182 | 30110.35 | 59485.94 | 29375.59 | 2228.441 | 4.992123 | 4.126755 | -6.1094360 | 56.67380 |
| Indústria | Europa | 53352.51 | 30564.30 | -5912.7787 | 194.3636 | 34907.03 | 63814.25 | 28907.22 | 2364.301 | 6.978797 | 3.165356 | -14.7117402 | 54.60148 |
| Indústria | Oceania | 52259.51 | 29570.62 | -10328.8379 | 308.1538 | 34483.72 | 67171.11 | 32687.39 | 2142.831 | 4.687245 | 5.404617 | -15.6352981 | 43.38996 |
| Indústria | África | 49531.69 | 29453.10 | 5054.4052 | 244.4444 | 31587.50 | 62088.62 | 30501.13 | 1974.454 | 6.025569 | 6.035403 | 4.1808116 | 35.03356 |
| Indústria | Ásia | 50122.17 | 32352.29 | 3623.4538 | 315.8000 | 27705.02 | 58902.99 | 31197.96 | 2414.389 | 4.457002 | 4.974810 | -5.2509069 | 48.72746 |
| Saúde | América do Norte | 50929.35 | 31531.59 | 4722.7030 | 229.4286 | 33747.40 | 64576.96 | 30829.56 | 2354.487 | 3.871237 | 5.444150 | 1.3971202 | 37.50496 |
| Saúde | América do Sul | 50790.39 | 29131.12 | 1261.5912 | 246.0000 | 22942.85 | 52341.46 | 29398.61 | 2087.977 | 4.740992 | 4.697864 | 16.7987964 | 51.86249 |
| Saúde | Europa | 52737.27 | 33310.34 | -2093.8433 | 265.3571 | 31264.26 | 62582.63 | 31318.37 | 2288.721 | 4.975412 | 4.083858 | 1.4935488 | 48.87618 |
| Saúde | Oceania | 51553.72 | 30445.54 | -6560.7342 | 289.4444 | 24717.81 | 53244.73 | 28526.92 | 2231.569 | 5.117620 | 5.555836 | 3.3506726 | 49.96441 |
| Saúde | África | 53040.22 | 32394.56 | -5100.1538 | 227.2941 | 30845.56 | 62057.90 | 31212.35 | 2422.028 | 4.858835 | 4.548928 | -3.7320949 | 49.97222 |
| Saúde | Ásia | 51372.44 | 33978.95 | 8450.5370 | 270.6250 | 31352.68 | 64139.40 | 32786.72 | 1957.297 | 5.085921 | 6.652615 | 4.6537903 | 44.63114 |
| Tecnologia | América do Norte | 51805.98 | 28182.59 | -4817.1259 | 291.7273 | 33329.61 | 63912.58 | 30582.98 | 1892.825 | 5.435845 | 5.678774 | 11.9485405 | 36.91156 |
| Tecnologia | América do Sul | 48833.66 | 27088.66 | -1543.5545 | 228.7500 | 26289.91 | 59714.50 | 33424.58 | 2058.541 | 3.407484 | 5.796858 | 0.0236297 | 55.88314 |
| Tecnologia | Europa | 49854.88 | 29128.11 | 8755.1153 | 276.5909 | 29100.65 | 60127.72 | 31027.07 | 2204.905 | 5.280437 | 6.856655 | 1.3484853 | 51.46813 |
| Tecnologia | Oceania | 49475.63 | 27335.70 | 12097.4353 | 289.7333 | 34227.81 | 64841.31 | 30613.51 | 2132.874 | 4.325020 | 5.406128 | -1.8983990 | 58.02043 |
| Tecnologia | África | 51270.92 | 30562.15 | 2768.6810 | 237.3846 | 30813.04 | 62660.09 | 31847.05 | 2298.385 | 4.997100 | 5.065623 | -6.7122908 | 37.92653 |
| Tecnologia | Ásia | 49343.97 | 30887.64 | -3640.8574 | 324.2222 | 29042.81 | 57059.50 | 28016.69 | 2244.440 | 4.564721 | 5.400235 | 7.5900068 | 38.30365 |
| Varejo | América do Norte | 53348.44 | 31148.94 | -3609.3387 | 194.3636 | 34717.49 | 67035.01 | 32317.52 | 2660.451 | 5.759681 | 3.996011 | -15.9007831 | 53.05822 |
| Varejo | América do Sul | 51044.34 | 30261.03 | -6283.4104 | 318.1765 | 34822.26 | 66940.25 | 32117.98 | 2088.384 | 5.339726 | 5.267918 | 2.5357467 | 38.73557 |
| Varejo | Europa | 56411.22 | 34914.21 | 4517.6822 | 296.7500 | 27525.97 | 59990.77 | 32464.81 | 2171.700 | 3.570722 | 4.257435 | -7.9648844 | 43.70814 |
| Varejo | Oceania | 54339.24 | 34119.10 | 4532.7178 | 230.0526 | 32811.45 | 66641.16 | 33829.71 | 2069.222 | 4.225858 | 4.206713 | 7.7289199 | 49.41593 |
| Varejo | África | 51764.80 | 31936.67 | 248.3597 | 288.9167 | 29555.97 | 62351.10 | 32795.13 | 1971.525 | 6.444315 | 5.915930 | 14.2612982 | 39.41773 |
| Varejo | Ásia | 56099.28 | 31219.64 | 6564.7949 | 298.0000 | 31928.16 | 59235.24 | 27307.08 | 2367.949 | 4.266673 | 3.822018 | 15.0726446 | 54.87507 |
plot_box = function(variavel){
ggplot(dados, aes_string(y= variavel))+
geom_boxplot()+
labs(
title=paste("Boxplot de ", variavel),
y = variavel
)
}
lapply(variaveis_quantitativas[variaveis_quantitativas != "Id"] , plot_box)
## [[1]]
##
## [[2]]
##
## [[3]]
##
## [[4]]
##
## [[5]]
##
## [[6]]
##
## [[7]]
##
## [[8]]
##
## [[9]]
##
## [[10]]
##
## [[11]]
##
## [[12]]
library(ggplot2)
library(reshape2)
##
## Attaching package: 'reshape2'
## The following object is masked from 'package:tidyr':
##
## smiths
# Calcular matriz de correlação
correlacao <- cor(dados[, variaveis_quantitativas], use = "pairwise.complete.obs")
# Converter matriz de correlação em um dataframe
cor_df <- melt(correlacao)
# Criar o gráfico de mapa de calor
ggplot(cor_df, aes(Var1, Var2, fill = value)) +
geom_tile(color = "white") +
scale_fill_gradient(low = "blue", high = "red") +
labs(title = "Mapa de Calor da Correlação entre Variáveis Quantitativas",
x = "Variável", y = "Variável") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1))
dados %>% ggplot(aes(Revenue, Innovation_Score)) +
facet_wrap(~Location)+
geom_point()+
labs(
title = 'Relação entre Receita e Inovação entre as regiões',
x='Receita',
y='Inovação'
)
Figure 3.1: Relação entre Receita e Inovação entre as regiões
Não parece que há relação entre Inovação e Receita entre as regiões.
dados %>% ggplot(aes(Revenue, Growth_Rate))+
facet_wrap(~Location)+
geom_point()+
labs(
title = 'Relação entre Receita e Taxa de crescimento entre as regiões',
x='Receita',
y='Taxa de Crescimento'
)
Figure 3.2: Relação entre Receita e Taxa de crescimento entre as regiões
Não parece que há relação entre Receita e Taxa de crescimento entre as regiões.
dados %>% ggplot(aes(Revenue, Growth_Rate))+
facet_wrap(~Market)+
geom_point()+
labs(
title='Relação entre Receita e Taxa de crescimento entre os segmentos de mercado',
x='Receita',
y='Taxa de crescimento'
)
Figure 3.3: Relação entre Receita e Taxa de crescimento entre os segmentos de mercado
Também nao há relação entre Receita e Taxa de crescimento entre os segmentos de mercado.
dados %>% ggplot(aes(Customer_Satisfaction, Innovation_Score))+
facet_wrap(~Market)+
geom_point()+
labs(
title = "Satisfação do cliente e a pontuação de inovação entre segmentos",
x='Satisfação do Cliente',
y='Pontuação de Inovação',
)
Figure 3.4: Satisfação do cliente e a pontuação de inovação entre segmentos
A relação entre a satisfação do cliente e a pontuação de inovação não parece ter uma relação linear entre os segmentos de mercado.
dados %>% ggplot(aes(Innovation_Score, Customer_Satisfaction))+
facet_wrap(~Location)+
geom_point()+
labs(
title = 'relação entre a localização geográfica das empresas e seu desempenho em inovação e satisfação do cliente',
x = 'Pontuação de Inovação',
y = 'Satisfação do cliente'
)
Figure 3.5: relação entre a localização geográfica das empresas e seu desempenho em inovação e satisfação do cliente
Não há relação linear entre pontuação de inovação e satisfação do cliente entre as diferentes localizações geográficas.
Com base na análise realizada, várias conclusões podem ser extraídas sobre o desempenho das empresas em diferentes mercados e localizações geográficas. Primeiramente, observamos que não parece haver uma relação clara entre a inovação e a receita das empresas em diferentes regiões. Além disso, a análise não revelou uma associação significativa entre a receita e a taxa de crescimento tanto dentro das regiões quanto entre os diferentes segmentos de mercado.
Em relação à satisfação do cliente e inovação, não foi encontrada uma relação linear consistente entre esses dois indicadores nos diversos segmentos de mercado. Da mesma forma, ao avaliar a relação entre a localização geográfica das empresas e seu desempenho em inovação e satisfação do cliente, não foi identificada uma associação clara entre essas variáveis em diferentes regiões. Essas conclusões sugerem que o desempenho das empresas pode ser influenciado por uma variedade de fatores além da localização geográfica, como estratégias de negócios, cultura organizacional e condições de mercado específicas. Portanto, para uma compreensão mais completa do desempenho empresarial, é necessário considerar uma análise mais aprofundada e holística que leve em conta uma variedade de variáveis e contextos específicos.