Pantheon Repositório Institucional da UFRJ
Coleta, preserva e divulga a produção acadêmica digital em todas as áreas do conhecimento.
São os ativos do repositório, além de teses e dissertações da UFRJ, artigos científicos, livros eletrônicos, capítulos de livros e trabalhos apresentados em eventos por professores, pesquisadores, funcionários administrativos e alunos de mestrado e doutorado.
Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11422/18441| Tipo: | Trabalho de conclusão de graduação |
| Título: | Revisão e aplicação de métodos de aprendizado de máquina para a predição de Churn |
| Autor(es)/Inventor(es): | Silveira, Caio Cesar Vieira Trinta da |
| Orientador: | Maza, Carlos Cesar Trucios |
| Resumo: | Em um mundo onde os produtos, processos e relações estão gradativamente mais digitalizados, os algoritmos de aprendizado de máquina têmse tornado ferramentas importantes em todas as áreas das organizações. Esses algoritmos ganharam relevância dentro da elaboração da estratégia de marketing, pois a partir de dados disponíveis eles conseguem descrever e predizer comportamentos relacionados ao churn, que pode ser definido pela desistência do relacionamento com a empresa por parte do cliente. Portanto, há necessidade de o profissional de administração entender essas técnicas preditivas, bem como suas vantagens e desvantagens. Este trabalho busca, através de pesquisa bibliográfica de trinta artigos científicos em inglês e português da última década: (i) identificar os principais algoritmos de aprendizado de máquina utilizados na literatura para a predição do cancelamento de serviço por parte dos clientes; (ii) apresentar as principais métricas utilizadas para avaliar o desempenho dos modelos; (iii) ilustrar os usos destes métodos através da linguagem de programação Python. Observou-se que, para o problema de churn, é preferível o uso de métodos de fácil interpretação, sendo a regressão logística e árvores de decisão são os métodos mais utilizados. Em pesquisas onde o objetivo principal era encontrar métodos com melhor desempenho, foi observado o uso de métodos mais complexos como florestas aleatórias e redes neurais, que prometem maior desempenho ao custo de menor capacidade de interpretação e geração de “insights”. A vantagem observada em usar mais de um método para resolver problemas de classificação, é que há maneiras simples de comparar o desempenho entre modelos a partir de métricas calculadas através da matriz de confusão, como acurácia, precisão e recall. Por fim, este trabalho elucida que atualmente há inúmeros algoritmos desenvolvidos e pré-configurados na linguagem Python, logo é possível começar a aplicar com rapidez modelos complexos com conhecimento intermediário de programação. Em muitos casos, as maiores dificuldades para o pesquisador podem ser a interpretação, seleção de variáveis apropriadas para abordar o problema e escolha do melhor método preditivo. |
| Palavras-chave: | Aprendizado de máquina predição classificação Churn |
| Assunto CNPq: | CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO |
| Unidade produtora: | Faculdade de Administração e Ciências Contábeis |
| Editora: | Universidade Federal do Rio de Janeiro |
| Data de publicação: | 2022 |
| País de publicação: | Brasil |
| Idioma da publicação: | por |
| Tipo de acesso: | Acesso Aberto |
| Citação: | SILVEIRA, Caio Cesar Vieira Trinta da. Revisão e aplicação de métodos de aprendizado de máquina para a predição de Churn. 2022. 45 f. Trabalho de Conclusão de Curso (Bacharelado em Administração) - Faculdade de Administração e Ciências Contábeis, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2022. |
| Aparece nas coleções: | Administração |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| CCVTSilveira.pdf | 537.64 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.