Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/16016
Título: Aplicação de métodos de mineração de dados em bases de dados de crédito e seguro de clientes
Título(s) alternativo(s): Application of data mining methods in credit databases and customer insurance
Autor(es): Kuchiniski, Bárbara Caroline Turra
Orientador(es): Francisco, Antonio Carlos de
Palavras-chave: Clientes - Fidelização
Banco de dados
Mineração de dados (Computação)
Análise de componentes principais
Algorítmos
Customer loyalty
Data bases
Data mining
Principal components analysis
Algorithms
Data do documento: 22-Jun-2018
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Ponta Grossa
Citação: 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.
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.
Abstract: 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.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/16016
Aparece nas coleções:PG - Engenharia de Produção

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PG_DAENP_2018_1_09.pdf721,55 kBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.