Desenvolvimento de uma Ferramenta de Analytics Preditiva para o Acervo da Biblioteca da UNESP - Câmpus de Sorocaba Utilizando uma Adaptação do Newsvendor Model

Abstract

Com o avanço da aplicação da análise de dados e estudo operacional em todos os setores do mercado, é proveitoso que as bibliotecas acadêmicas também utilizem dessas mesmas técnicas para buscar uma melhora constante em seu funcionamento. Considerando que o serviço principal de uma biblioteca acadêmica é suprir a demanda de livros por alunos e professores, uma forma de melhorá-lo é pelo controle do acervo (estoque) de obras, baseado em uma previsão de demanda de cada título (produto). Dado que a biblioteca da UNESP/Campus de Sorocaba já dispõe de um controle anual de empréstimos de cada título em seu acervo e que o mesmo é feito no software Excel, o objetivo deste trabalho é propor uma ferramenta, desenvolvida na linguagem VBA, para fazer uma análise e controle de seu acervo através da previsão de demanda de cada título, visando assim, atender suficientemente essa procura por alunos e professores da universidade. Propõe-se como modelo da ferramenta, a divisão do acervo da biblioteca em três grupos (A, B e C) pela Curva ABC do número de empréstimos de cada título, a escolha de uma distribuição probabilística que se considera adequada (Normal, t-Student ou Triangular) para representar o comportamento desses empréstimos no período de estudo e designar para cada grupo uma porcentagem arbitrária da distribuição escolhida, utilizando uma adaptação do Newsvendor Model (Modelo Probabilístico de Período Único) ou problema do jornaleiro. Dois testes, baseados nos erros das previsões utilizando o modelo escolhido, foram realizados com a finalidade de verificar a eficácia da ferramenta. No primeiro teste foi feita uma comparação da previsão do Newsvendor Model com a previsão realizada pelo model Naive e no segundo, a comparação dos resultados obtidos no primeiro teste com os resultados separados por grupo (A, B e C). Pode-se concluir que a ferramenta implementada possui uma interface amigável, se adequa aos processos da biblioteca da UNESP/Sorocaba e consegue prever de forma eficaz o número de empréstimos dos títulos do seu acervo. Por fim, recomenda-se como parâmetros a utilização da distribuição Triangular, período de 3 anos a ser estudado e CRs de 0,2 a 0,3 para o grupo A, menor ou igual a 0,05 para o grupo C e entre 0,05 e 0,3 para o grupo B.

With the current advancement and scope in the application of data analysis and operational research in all industry sectors, it is fruitful for academic libraries to also utilize from the same methods to continuously improve its operations. Given that the main duty of an academic library is to fulfill the university´s students and professors demand for books, one way of improving its services is by managing its collection based on the demand for each title the same way a company would manage its stock based on the demand for each product (SKU). Considering that the UNESP/Sorocaba campus´s library already has an annual control of each title´s borrowings and that this control is managed through Microsoft Excel, this work´s purpose is to develop a tool, programmed in VBA, that analyses and manages the campus’s library collection by predicting each title´s annual demand. The proposed method for the tool is the division of the collection into different groups via the ABC analysis of the title´s borrowings, the selection of an adequate probability distribution (Normal, t-Student or Triangular) to represent each title borrowings´ behavior in a given period and to assign, for each group, arbitrary percentages to be used as cumulative functions (in this case, also called Critical Ratios) in an adaptation of the Newsvendor Model. Two tests were made to determine the effectiveness of the proposed method: The first consists of comparing the adapted Newsvendor Model borrowing predictions percentage errors with the forecasting errors utilizing the Naïve prediction model, and the second is the comparison of the first test results with the results achieved for each group (A, B and C). It is possible to conclude that the implemented tool is suitable to be used for the UNESP/Sorocaba library services, has a friendly interface and is capable of effectively predict the number of borrowings from each title from its collection. Furthermore, the triangular distribution, a 3 year period of study and CRs of 0.2 to 0.3 for group A, less or equal to 0.05 for group C and between 0.05 and 0.3 for group B are recommended as input parameters.