Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
Texto Completo: | http://repositorio.utfpr.edu.br/jspui/handle/1/16016 |
Resumo: | Para as empresas consideram importante definir o sistema de categorização dos clientes. Neste trabalho, foram abordados dois tipos de focos de clientes, um deles foi o mercado de seguro automobilístico, este serviço permite um alto grau de interação empresa-cliente, sendo considerado um mercado de alto potencial e em fase de crescimento intenso, porém os clientes podem mudar facilmente de seguradora dependendo de sua satisfação. Outro foco, são os de clientes de créditos, onde os clientes são permitidos a adquirem créditos de empréstimos pelos bancos dependendo do seu perfil, tendo como importância dos créditos como meio de impulsionar as atividades produtivas. Existem um grande leque de dados de todos os tipos de clientes, tendo que cada ramo a necessidade de traçar o perfil dos seus clientes. Para que as empresas possam saber quais as questões que são realmente necessárias para a tomada de decisão estratégicas aplicou-se o estudo da Mineração de Dados. Os métodos empregados foram: Projeção Aleatória e a Análise de Componentes Principais (PCA), ambos utilizando os algoritmos Naive Bayes, J48 e SVM, com o auxílio do software WEKA. Como resultado, foram mostradas melhoras significativas nas eficiências dos classificadores envolvendo os métodos empregados. A abordagem de Projeção Aleatória obteve os melhores resultados para as duas bases de dados analisadas. Os algoritmos J48 e SVM apresentaram melhor desempenho comparado com o Naive Bayes dentre as bases. Portanto, a partir dos subconjuntos escolhidos, podem ser submetidos a análises específicas, no intuito de direcionar uma identificação mais precisas. |
id |
UTFPR-12_16b506e470e86c879b38d883dbadc920 |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/16016 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2020-11-19T18:33:03Z2020-11-19T18:33:03Z2018-06-22KUCHINISKI, Bárbara Caroline Turra. Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes. 2018. 55 f. Trabalho de Conclusão de Curso (Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2018.http://repositorio.utfpr.edu.br/jspui/handle/1/16016Para as empresas consideram importante definir o sistema de categorização dos clientes. Neste trabalho, foram abordados dois tipos de focos de clientes, um deles foi o mercado de seguro automobilístico, este serviço permite um alto grau de interação empresa-cliente, sendo considerado um mercado de alto potencial e em fase de crescimento intenso, porém os clientes podem mudar facilmente de seguradora dependendo de sua satisfação. Outro foco, são os de clientes de créditos, onde os clientes são permitidos a adquirem créditos de empréstimos pelos bancos dependendo do seu perfil, tendo como importância dos créditos como meio de impulsionar as atividades produtivas. Existem um grande leque de dados de todos os tipos de clientes, tendo que cada ramo a necessidade de traçar o perfil dos seus clientes. Para que as empresas possam saber quais as questões que são realmente necessárias para a tomada de decisão estratégicas aplicou-se o estudo da Mineração de Dados. Os métodos empregados foram: Projeção Aleatória e a Análise de Componentes Principais (PCA), ambos utilizando os algoritmos Naive Bayes, J48 e SVM, com o auxílio do software WEKA. Como resultado, foram mostradas melhoras significativas nas eficiências dos classificadores envolvendo os métodos empregados. A abordagem de Projeção Aleatória obteve os melhores resultados para as duas bases de dados analisadas. Os algoritmos J48 e SVM apresentaram melhor desempenho comparado com o Naive Bayes dentre as bases. Portanto, a partir dos subconjuntos escolhidos, podem ser submetidos a análises específicas, no intuito de direcionar uma identificação mais precisas.For companies, it is important to define the customer categorization system. In this work, two types of customer focus were address, one of which was the automobile insurance market, this service allows a high degree of interaction between company and customer, being consider a high potential market and in an intense growth phase, but the clients can easily switch from insurer depending on your satisfaction. Another focus is that of credit customers, where customers are allowed to borrow from banks depending on their profile, with credit as a means of boosting productive activities. There is a wide range of data from all types of customers, having each branch the need to profile their customers. In order for companies to know what issues are really need for strategic decision-making, the study of Data Mining was apply. The methods used were Random Projection and Principal Component Analysis (PCA), both using the Naive Bayes, J48 and SVM algorithms, with the help of WEKA software. As a result, significant improvements have been shown in the efficiencies of the classifiers involving the methods employed. The Random Projection approach obtained the best results for the two databases analyzed. The J48 and SVM algorithms presented better performance compared to Naive Bayes among the bases. Therefore, from the chosen subsets, they can be submitted to specific analyzes, in order to direct a more precise identification.porUniversidade Tecnológica Federal do ParanáPonta GrossaEngenharia de ProduçãoUTFPRBrasilDepartamento Acadêmico de Engenharia de ProduçãoCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAOClientes - FidelizaçãoBanco de dadosMineração de dados (Computação)Análise de componentes principaisAlgorítmosCustomer loyaltyData basesData miningPrincipal components analysisAlgorithmsAplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientesApplication of data mining methods in credit databases and customer insuranceinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisPonta GrossaFrancisco, Antonio Carlos deFrancisco, Antonio Carlos dePuglieri, Fabio NevesSouza, Jovani Taveira deKuchiniski, Bárbara Caroline Turrainfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALPG_DAENP_2018_1_09.pdfapplication/pdf738867http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/16016/1/PG_DAENP_2018_1_09.pdf5b51ecf0134a245e77bdf319adb98a17MD51LICENSElicense.txttext/plain1290http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/16016/2/license.txtb9d82215ab23456fa2d8b49c5df1b95bMD52TEXTPG_DAENP_2018_1_09.pdf.txtExtracted texttext/plain95457http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/16016/3/PG_DAENP_2018_1_09.pdf.txt233149b67d447228babb1f4931801635MD53THUMBNAILPG_DAENP_2018_1_09.pdf.jpgGenerated Thumbnailimage/jpeg1394http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/16016/4/PG_DAENP_2018_1_09.pdf.jpgbcd2c7292af359a31f6bf0a8b69c814aMD541/160162020-11-19 16:33:04.021oai:repositorio.utfpr.edu.br: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ório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2020-11-19T18:33:04Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes |
dc.title.alternative.pt_BR.fl_str_mv |
Application of data mining methods in credit databases and customer insurance |
title |
Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes |
spellingShingle |
Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes Kuchiniski, Bárbara Caroline Turra CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO Clientes - Fidelização Banco de dados Mineração de dados (Computação) Análise de componentes principais Algorítmos Customer loyalty Data bases Data mining Principal components analysis Algorithms |
title_short |
Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes |
title_full |
Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes |
title_fullStr |
Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes |
title_full_unstemmed |
Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes |
title_sort |
Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes |
author |
Kuchiniski, Bárbara Caroline Turra |
author_facet |
Kuchiniski, Bárbara Caroline Turra |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Francisco, Antonio Carlos de |
dc.contributor.referee1.fl_str_mv |
Francisco, Antonio Carlos de |
dc.contributor.referee2.fl_str_mv |
Puglieri, Fabio Neves |
dc.contributor.referee3.fl_str_mv |
Souza, Jovani Taveira de |
dc.contributor.author.fl_str_mv |
Kuchiniski, Bárbara Caroline Turra |
contributor_str_mv |
Francisco, Antonio Carlos de Francisco, Antonio Carlos de Puglieri, Fabio Neves Souza, Jovani Taveira de |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO Clientes - Fidelização Banco de dados Mineração de dados (Computação) Análise de componentes principais Algorítmos Customer loyalty Data bases Data mining Principal components analysis Algorithms |
dc.subject.por.fl_str_mv |
Clientes - Fidelização Banco de dados Mineração de dados (Computação) Análise de componentes principais Algorítmos Customer loyalty Data bases Data mining Principal components analysis Algorithms |
description |
Para as empresas consideram importante definir o sistema de categorização dos clientes. Neste trabalho, foram abordados dois tipos de focos de clientes, um deles foi o mercado de seguro automobilístico, este serviço permite um alto grau de interação empresa-cliente, sendo considerado um mercado de alto potencial e em fase de crescimento intenso, porém os clientes podem mudar facilmente de seguradora dependendo de sua satisfação. Outro foco, são os de clientes de créditos, onde os clientes são permitidos a adquirem créditos de empréstimos pelos bancos dependendo do seu perfil, tendo como importância dos créditos como meio de impulsionar as atividades produtivas. Existem um grande leque de dados de todos os tipos de clientes, tendo que cada ramo a necessidade de traçar o perfil dos seus clientes. Para que as empresas possam saber quais as questões que são realmente necessárias para a tomada de decisão estratégicas aplicou-se o estudo da Mineração de Dados. Os métodos empregados foram: Projeção Aleatória e a Análise de Componentes Principais (PCA), ambos utilizando os algoritmos Naive Bayes, J48 e SVM, com o auxílio do software WEKA. Como resultado, foram mostradas melhoras significativas nas eficiências dos classificadores envolvendo os métodos empregados. A abordagem de Projeção Aleatória obteve os melhores resultados para as duas bases de dados analisadas. Os algoritmos J48 e SVM apresentaram melhor desempenho comparado com o Naive Bayes dentre as bases. Portanto, a partir dos subconjuntos escolhidos, podem ser submetidos a análises específicas, no intuito de direcionar uma identificação mais precisas. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-06-22 |
dc.date.accessioned.fl_str_mv |
2020-11-19T18:33:03Z |
dc.date.available.fl_str_mv |
2020-11-19T18:33:03Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
KUCHINISKI, Bárbara Caroline Turra. Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes. 2018. 55 f. Trabalho de Conclusão de Curso (Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2018. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/16016 |
identifier_str_mv |
KUCHINISKI, Bárbara Caroline Turra. Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes. 2018. 55 f. Trabalho de Conclusão de Curso (Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2018. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/16016 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Ponta Grossa |
dc.publisher.program.fl_str_mv |
Engenharia de Produção |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Departamento Acadêmico de Engenharia de Produção |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Ponta Grossa |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/16016/1/PG_DAENP_2018_1_09.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/16016/2/license.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/16016/3/PG_DAENP_2018_1_09.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/16016/4/PG_DAENP_2018_1_09.pdf.jpg |
bitstream.checksum.fl_str_mv |
5b51ecf0134a245e77bdf319adb98a17 b9d82215ab23456fa2d8b49c5df1b95b 233149b67d447228babb1f4931801635 bcd2c7292af359a31f6bf0a8b69c814a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1805922902758916096 |