Sumarizando divulgações trimestrais de empresas usando IA no Python

Resumo

Neste exercício, iremos utilizar a inteligência artificial no Python para analisar e sumarizar divulgações trimestrais de empresas. Focaremos no uso de ferramentas como Gemini e técnicas de processamento de linguagem natural para extrair informações de documentos PDF relacionados aos relatórios financeiros das empresas.

Introdução

As divulgações trimestrais de empresas fornecem informações importantes sobre o desempenho financeiro de uma organização, sendo uma fonte primária de análise para investidores e analistas. A tarefa de processar grandes volumes de dados textuais e gerar resumos pode ser complexa e demorada. Com a ajuda de IA, essa análise pode ser automatizada, permitindo uma extração rápida de pontos principais, como resultados financeiros, sentimentos de mercado e previsões futuras.

Release de Resultados de empresas

O relatório trimestral, também conhecido como earnings release, apresenta um resumo detalhado do desempenho financeiro de uma empresa em um determinado período. Esse documento contém informações sobre receitas, lucros, custos e outros indicadores financeiros importantes. No exemplo deste exercício, usaremos um PDF de divulgação de resultados da empresa Localiza&Co, referente ao segundo trimestre de 2024 (2T24). Esse tipo de documento é extenso e técnico, tornando-se um ótimo candidato para a sumarização com IA.

Conexão com Gemini

A ferramenta Gemini será utilizada como o modelo de IA responsável pela análise do documento. Para usar o modelo, primeiro configuramos uma chave de API e, em seguida, conectamos o arquivo PDF com o sistema, possibilitando a geração de resumos baseados no conteúdo do relatório financeiro.

Realizando upload de arquivos PDF

Nesta etapa, realizamos o upload do arquivo PDF contendo o relatório financeiro da empresa Localiza&Co. Através de um processo simples de integração com Gemini, o arquivo é carregado e preparado para a análise automatizada. Este upload permite que o modelo acesse o conteúdo e realize a extração de informações.

Instrução de sistema e Prompt

Após o upload, é necessário configurar as instruções para o sistema. As instruções definem as tarefas que a IA deve realizar, como identificar os sentimentos predominantes no relatório e fornecer um índice de -100 a 100, listar tópicos positivos e negativos e sumarizar os principais pontos. Essas instruções são essenciais para guiar o modelo a gerar resultados relevantes para a análise financeira do relatório.

Resultados

Ao final da execução, o modelo fornece uma análise detalhada do relatório financeiro. Entre os resultados, encontramos um índice de sentimento que reflete a visão geral sobre o desempenho da empresa, tanto de forma positiva quanto negativa, além de uma avaliação das perspectivas futuras. A IA também identifica os três principais pontos positivos e negativos destacados no relatório, juntamente com um resumo conciso das informações mais relevantes do trimestre.

Abaixo, o resultado gerado pela sumarização:

  • Sentimento do Resultado: 📉 -20
    • Impacto Negativo das Enchentes: 🌧️ As enchentes no Rio Grande do Sul tiveram um impacto significativo de R$103 milhões no resultado do trimestre, afetando diretamente as operações da empresa.
    • Queda nos Preços dos Seminovos: 📉 A queda nos preços dos carros seminovos impactou negativamente a receita da divisão de Seminovos, levando a um ajuste de R$1.669 bilhão na depreciação e provisão para ajuste a valor recuperável da frota.
    • Resultados Negativos: 📉 O resultado líquido do trimestre foi de R$570 milhões negativos, impactado pelos efeitos da provisão para ajuste a valor recuperável da frota, depreciação e Rio Grande do Sul.
  • Perspectivas Futuras: 📈 60
    • Recomposição do ROIC Spread: 📈 A empresa está confiante na capacidade de retomar o crescimento com geração de valor, superando os efeitos do ciclo de acomodação do preço de carros.
    • Inovação e Tecnologia: 💻 A Localiza&Co continua investindo em inovação e tecnologia, buscando melhorar a jornada dos clientes e aumentar o NPS.
    • Gestão Eficiente: 📊 A empresa está otimizando o portfólio de contratos e alocando o capital incremental em segmentos de maior rentabilidade, além de melhorar a utilização global da frota.
  • Top 3 Tópicos Positivos:
    • Crescimento da Receita: 📈 A receita líquida da Localiza&Co cresceu 32,2% na comparação anual, impulsionada pelo bom desempenho das divisões de Aluguel de Carros, Gestão de Frotas e Seminovos.
    • Gestão de Preços: 📈 A empresa conseguiu aumentar a tarifa média no Aluguel de Carros em 12,9% na comparação anual, demonstrando a resiliência da demanda e a gestão eficiente de preços e mix.
    • Inovação e Tecnologia: 💻 A Localiza&Co continua investindo em inovação e tecnologia, buscando melhorar a jornada dos clientes e aumentar o NPS.
  • Top 3 Tópicos Negativos:
    • Impacto das Enchentes: 🌧️ As enchentes no Rio Grande do Sul tiveram um impacto significativo de R$103 milhões no resultado do trimestre, afetando diretamente as operações da empresa.
    • Queda nos Preços dos Seminovos: 📉 A queda nos preços dos carros seminovos impactou negativamente a receita da divisão de Seminovos, levando a um ajuste de R$1.669 bilhão na depreciação e provisão para ajuste a valor recuperável da frota.
    • Resultados Negativos: 📉 O resultado líquido do trimestre foi de R$570 milhões negativos, impactado pelos efeitos da provisão para ajuste a valor recuperável da frota, depreciação e Rio Grande do Sul.
  • 5 Pontos Chave:
    • A Localiza&Co teve um bom desempenho no 2T24, com crescimento da receita e avanços na recomposição do ROIC spread.
    • As enchentes no Rio Grande do Sul tiveram um impacto negativo no resultado do trimestre, afetando as operações da empresa.
    • A queda nos preços dos carros seminovos impactou negativamente a receita da divisão de Seminovos.
    • A empresa está confiante na capacidade de retomar o crescimento com geração de valor, superando os efeitos do ciclo de acomodação do preço de carros.
    • A Localiza&Co continua investindo em inovação e tecnologia, buscando melhorar a jornada dos clientes e aumentar o NPS.

Tenha acesso ao código e suporte desse e de mais 500 exercícios no Clube AM!

Quer o código desse e de mais de 500 exercícios de análise de dados com ideias validadas por nossos especialistas em problemas reais de análise de dados do seu dia a dia? Além de acesso a vídeos, materiais extras e todo o suporte necessário para você reproduzir esses exercícios? Então, fale com a gente no Whatsapp e veja como fazer parte do Clube AM, clicando aqui.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise exploratória para modelagem preditiva no Python

Antes de desenvolver bons modelos preditivos é necessário organizar e conhecer muito bem os dados. Neste artigo, damos algumas dicas de recursos, como gráficos, análises e estatísticas, que podem ser usados para melhorar o entendimento sobre os dados usando Python.

Como usar modelos do Sklearn para previsão? Uma introdução ao Skforecast

Prever séries temporais é uma tarefa frequente em diversas áreas, porém exige conhecimento e ferramentas específicas. Os modelos de machine learning do Sklearn são populadores, porém são difíceis de aplicar em estruturas temporais de dados. Neste sentido, introduzimos a biblioteca Skforecast, que integra os modelos do Sklearn e a previsão de séries temporais de forma simples.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.