Neste artigo é proposto um ranking baseado em Análise Envoltória de Dados (DEA) para os times de futebol brasileiros. Ranking é uma questão importante para os clubes, quer seja quando procuram patrocínio ou expansão da torcida. Primeiramente incluídos julgamentos de valor, utilizando um método para consolidar resultados de torneios nacionais e internacionais. Em seguida usamos ambos agregados como outputs para a aplicação do modelo DEA. Os rankings da Confederação Brasileira de Futebol (CBF) e da tradicional revista Placar, por exemplo, não dão nenhum crédito a títulos internacionais e nacionais, focalizando apenas no resultado da Liga Nacional. O ranking obtido via DEA é comparado com os da CBF e da revista, o que ocasiona certa controvérsia e conclusões inesperadas.

In this paper we propose a DEA (Data Envelopment Analysis) based ranking for Brazilian soccer teams. Ranking is a major issue for the soccer clubs, either when looking for sponsorship or expanding their supportive group. We first include value judgements, applying a method to consolidate the results of the national and international matches. Then we use both aggregate results as outputs for applying the DEA model. Rankings published by the Brazilian Soccer Confederation (CBF) and 'Placar', a traditional sports magazine, do not give any credit to international titles and national cups, focusing only on the results in the National League. We compare the DEA ranking with the Federation's and the magazine's, raising some controversial issues and drawing unexpected conclusions.

O principal objetivo deste trabalho é avaliar a complementação do uso de técnicas de previsão de vendas com Redes Neurais Artificiais. Como aplicação, foi analisada a demanda industrial no setor de cerveja da Austrália. A maioria dos modelos de previsão atuam de forma isolada, ou seja, tratando problemas por enfoques que se excluem. A sugestão deste trabalho é utilizar estes métodos de forma cooperativa, buscando alcançar melhores resultados que aqueles obtidos individualmente. O trabalho inicia-se com considerações sobre previsões de séries temporais, caracterização breve sobre redes neurais e outros métodos de previsão. A seguir, o estudo de caso: uma série histórica de vendas de cerveja na Austrália. Encerra-se com uma conclusão e recomendações, e lista de referências bibliográficas.

The main goal of this article is to evaluate the complementation between forecasting techniques, in particular Neural Networks. The environment of the application is a foreign industrial sector, sales of beer in Australia. Most of the forecasting models act in a separate way, that is, treating problems through different views that exclude one another. The suggestion of this work is to use the methods in a cooperative way, looking forward to achieve better results. The article begins with some considerations on Time Series Studies, followed by a brief characterization of Neural Networks and the other methods used on this work. Continuing, the case is presented and discussed and finishing, conclusions and a list of references.