Devido ao acentuado crescimento do número de utilizadores de e-commerce, ocorrido nas últimas décadas, torna-se cada vez mais importante as empresas dominarem sistemas capazes de providenciar recomendações ao utilizador final com base nas suas preferências. Deste modo, os sistemas de recomendação não devem de forma alguma ser desvalorizados. Em casos como o do retalho alimentar, estes sistemas são essenciais para melhorar a experiência do consumidor e impulsionar vendas através da análise do histórico de compras para sugerir produtos personalizados, facilitando as decisões de compra e aumentando a satisfação do cliente e a faturação do negócio. Além de promover produtos relevantes, estes sistemas ajudam a fidelizar clientes, diferenciando as marcas da concorrência e contribuindo para o crescimento e sustentabilidade das empresas. O desenvolvimento deste projeto, pretende demonstrar um caso de implementação de um sistema de recomendação e posteriormente analisar o impacto da sua utilização na faturação da empresa. O projeto foi desenvolvido com dados de uma empresa multinacional na área do retalho alimentar, especificamente, dados de vendas dos anos de 2019 e 2020. A abordagem aos dados foi assente no modelo CRISP-DM, com a manipulação e análise dos dados realizada através de Python e PySpark. Após a integração e limpeza dos dados, foram aplicados métodos de visualização e o algoritmo de recomendação FP-growth. A análise resultante visa explorar o efeito da adoção de sistemas de recomendação sobre o desempenho financeiro da empresa e a satisfação do utilizador final.

Due to the sharp increase in the number of e-commerce users over the past decades, it has become increasingly important for companies to master systems capable of providing recommendations to the end user based on their preferences. In this sense, recommendation systems should not be undervalued. In sectors like food retail, these systems are essential for improving the consumer experience and boosting sales by analyzing purchase history to suggest personalized products. They facilitate purchasing decisions, increasing both customer satisfaction and business revenue. In addition to promoting relevant products, these systems help foster customer loyalty, differentiate brands from competitors, and contribute to business growth and sustainability. The aim of this project is to demonstrate a case of implementing a recommendation system and subsequently analyze its impact on the company’s revenue. The project was developed using data from a multinational company in the food retail sector, specifically sales data from the years 2019 and 2020. The approach to the data was based on the CRISP-DM model, with data manipulation and analysis carried out using Python and PySpark. After data integration and cleaning, visualization methods were applied, along with the FP-Growth recommendation algorithm. The resulting analysis aims to explore the impact of adopting recommendation systems on the company's financial performance and end-user satisfaction.