Sistema de análise de dados e faturamento

Abstract

Os sistemas de faturamento atuais costumam ser complexos e dependem de programa-dores especializados para implementar novas funcionalidades., além de serem muito caros. Este trabalho se propõe a abordar este problema, propondo um sistema que utiliza técnicas de programação em VBA e análise estatística com Python, especificamente utilizando mode-los de redes neurais como o Long Short-Term Memory (LSTM). A finalidade do sistema é aprimorar o gerenciamento e a precisão no processo de faturamento em empresas que utili-zam APIs para operações financeiras. Através de uma interface intuitiva desenvolvida em VBA, o sistema facilita o cadastro e a atualização de dados de clientes, enquanto a integra-ção com a API gratuita de consulta ao CNPJ da receita federal assegura a precisão dessas informações. Paralelamente, a análise de dados realizada com Python permite a detecção de outliers e a previsão de comportamentos atípicos, contribuindo significativamente para a tomada de decisões estratégicas e prevenção de fraudes. Os resultados demonstram que o sistema não apenas atende às necessidades operacionais e estratégicas das empresas, mas também oferece robustez e confiabilidade, com potencial para ser adaptado e escalado para diferentes segmentos de mercado.

Current billing systems tend to be complex and rely on specialized programmers to implement new features. This thesis proposes a solution to these challenges by developing a system that utilizes VBA programming techniques and statistical analysis with Python, specifically leveraging neural network models like Long Short-Term Memory (LSTM). The purpose of the system is to enhance management and accuracy in the billing processes of companies using APIs for financial operations. An intuitive VBA-developed interface facilitates the registration and updating of customer data, while integration with the free CNPJ query API from the federal revenue ensures the accuracy of this information. Concurrently, data analysis performed with Python enables the detection of outliers and the prediction of atypical behaviors, significantly contributing to strategic decision-making and fraud prevention. The results demonstrate that the system not only meets the operational and strategic needs of companies but also offers robustness and reliability, with the potential to be adapted and scaled for different market segments.