Revisão e aplicação de métodos de aprendizado de máquina para a predição de Churn

Silveira, Caio Cesar Vieira Trinta da

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/18441

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Maza, Carlos Cesar Trucios	-
dc.contributor.author	Silveira, Caio Cesar Vieira Trinta da	-
dc.date.accessioned	2022-08-25T21:39:39Z	-
dc.date.available	2023-12-21T03:09:13Z	-
dc.date.issued	2022	-
dc.identifier.citation	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.	pt_BR
dc.identifier.uri	http://hdl.handle.net/11422/18441	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Aprendizado de máquina	pt_BR
dc.subject	predição	pt_BR
dc.subject	classificação	pt_BR
dc.subject	Churn	pt_BR
dc.title	Revisão e aplicação de métodos de aprendizado de máquina para a predição de Churn	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/9315014843913122	pt_BR
dc.contributor.referee1	Luz, Cristina Pimenta de Mello Spineti	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/8646096392649073	pt_BR
dc.description.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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Faculdade de Administração e Ciências Contábeis	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Administração

Files in This Item:

File	Description	Size	Format
CCVTSilveira.pdf		537.64 kB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository