Métodos de aprendizagem automática: um estudo baseado na avaliação e previsão de clientes bancários

Data Mining surge, hoje em dia, como uma ferramenta importante e crucial para o sucesso de um negócio. O considerável volume de dados que atualmente se encontra disponível, por si só, não traz valor acrescentado. No entanto, as ferramentas de Data Mining, capazes de transformar dados e mais dados em conhecimento, vêm colmatar esta lacuna, constituindo, assim, um trunfo que ninguém quer perder. O presente trabalho foca-se na utilização das técnicas de Data Mining no âmbito da atividade bancária, mais concretamente na sua atividade de telemarketing. Neste trabalho são aplicados catorze algoritmos a uma base de dados proveniente do call center de um banco português, resultante de uma campanha para a angariação de clientes para depósitos a prazo com taxas de juro favoráveis. Os catorze algoritmos aplicados no caso prático deste projeto podem ser agrupados em sete grupos: Árvores de Decisão, Redes Neuronais, Support Vector Machine, Voted Perceptron, métodos Ensemble, aprendizagem Bayesiana e Regressões. De forma a beneficiar, ainda mais, do que a área de Data Mining tem para oferecer, este trabalho incide ainda sobre o redimensionamento da base de dados em questão, através da aplicação de duas estratégias de seleção de atributos: Best First e Genetic Search. Um dos objetivos deste trabalho prende-se com a comparação dos resultados obtidos com os resultados presentes no estudo dos autores Sérgio Moro, Raul Laureano e Paulo Cortez (Sérgio Moro, Laureano, & Cortez, 2011). Adicionalmente, pretende-se identificar as variáveis mais relevantes aquando da identificação do potencial cliente deste produto financeiro. Como principais conclusões, depreende-se que os resultados obtidos são comparáveis com os resultados publicados pelos autores mencionados, sendo os mesmos de qualidade e consistentes. O algoritmo Bagging é o que apresenta melhores resultados e a variável referente à duração da chamada telefónica é a que mais influencia o sucesso de campanhas similares.

Metodologias de Sistemas de Informação Geográfica em sistemas de produção florestal : uma aplicação geoestatística

As florestas são uma fonte importante de recursos naturais, desempenhando um papel fulcral na sustentabilidade ambiental. A sua gestão quer territorial quer económica, conduz a uma maximização da produção, sem alteração da qualidade da matéria-prima. Portugal apresenta mais de um terço do seu território coberto por floresta, apresentando uma possibilidade de aplicação de sistemas de gestão, territorial e económica que maximizem a sua produção. Os Sistemas de Informação Geográfica (SIG) são modelos da realidade em que é possível integrar toda a informação disponível sobre um assunto tendo por base um campo comum a todos as variáveis, a localização geográfica. Os SIG podem contribuir de diversas formas para um maior desenvolvimento das rotinas e ferramentas de planeamento e gestão florestal. A sua integração com modelos quantitativos para planeamento e gestão de florestas é uma mais-valia nesta área. Nesta dissertação apresentam-se modelos geoestatísticos, com recurso a Sistemas de Informação Geográfica, de apoio e suporte à produção de pinha em Pinheiro-manso (Pinus pinea L.). Procurando estimar as áreas com melhor propensão à produção, a partir de dados amostrais. Estes foram previamente estudados tendo sido selecionadas quatro variáveis: largura da copa, área basal, altura da árvore e produção de pinha. A geoestatística aplicada, inclui modelos de correlação espacial: kriging, onde são atribuídos pesos às amostras a partir de uma análise espacial baseada no variograma experimental. Foi utilizada a extensão Geostatistical Analyst do ArcGis da ESRI, para realizar 96 krigings para as quatro variáveis em estudo, com diferentes parametrizações, destes foram selecionados 8 krigings. Com base nos critérios de adequação dos modelos e da análise de resultados da predição dos erros - cross validation. O resultado deste estudo é apresentado através de mapas de previsão para a produção de pinha em Pinheiro manso, em que foram analisadas áreas com maior e menor probabilidade de produção tendo-se realizado análises de comparação de variáveis. Através da interseção de todas as variáveis com a produção, podemos concluir que os concelhos com maiores áreas de probabilidade de produção de pinha em Pinheiro manso, da área de estudo, são Alcácer do Sal, Montemor-o-Novo, Vendas Novas, Coruche e Chamusca. Com a realização de um cruzamento de dados entre os resultados obtidos dos krigings, e a Carta de Uso e Ocupação do Solo de Portugal Continental para 2007 (COS2007), realizaram-se mapas de previsão para a expansão do Pinheiro manso. Nas áreas de expansão conseguimos atingir aumentos mínimos na ordem dos 11% e máximo na ordem dos 61%. No total consegue-se atingir aproximadamente 128 mil ha para área de expansão do Pinheiro manso. Superando, os valores esperados pelos Planos Regionais de Ordenamento Florestal, abrangidos pela área da amostra em estudo, em que é esperado um incremento de cerca de 130 mil hectares de área de Pinheiro manso para 2030.

O que determina a recomendação do operador de telecomunicações : caso de estudo dos clientes MEO

Com o objetivo de consolidar e pôr em prática o conhecimento adquirido ao longo do programa de mestrado, optei pela realização de um estágio, cujo relatório apresento sob a forma de trabalho Final de Mestrado. Assim sendo, surgiu a oportunidade de realizar um estágio curricular (por um período de seis meses, entre Setembro de 2013 e Fevereiro de 2014) no âmbito do trabalho desenvolvido pela equipa de Marketing Analítico da Direção de Segmento Consumo Residencial – DSR na empresa Portugal Telecom, uma das maiores empresas na área das Telecomunicações em Portugal. Num momento de elevada concorrência entre as empresas de telecomunicações, acresce a importância atribuída pelas empresas aos seus clientes e, com ela, a necessidade de estar em constante contacto com estes. É nesse contexto que o trabalho apresentado neste relatório é desenvolvido, recorrendo a métodos explicativos, nomeadamente regressão logística, para identificar características do comportamento dos clientes que têm impacto nas atitudes e perceções dos mesmos. Por outro lado, procura-se definir a relação entre essas atitudes e/ou perceções e a recomendação dos atuais clientes do serviço a outros. Por variadas razões, não foi possível utilizar dados da Portugal Telecom, pelo que foi necessário recorrer a recolha por questionário. Através deste método foram recolhidas 193 respostas, mas apenas 159 poderam ser utilizadas, uma vez que foram eliminados os casos em que os respondentes não possuiam serviço de telecomunicações e os casos em que os clientes MEO não responderam a perguntas fundamentais do questionário. Embora de forma consciente das limitações decorrentes da dimensão desta amostra, foi decidido prosseguir com estes resultados devido à dificuldade em angariar respondentes e devido ao período de tempo de recolha disponível para este relatório. Foi realizada uma caracterização da amostra recolhida com recurso a técnicas descritivas, sendo o modelo que permite estudar os impactos estimado com recurso a regressão por máxima verosimilhança, concretamente regressão logística. A partir da revisão da literatura e do conhecimento adquirido ao longo do estágio foram criados dois modelos explicativos para a recomendação. Os resultados indicam que a reclamação é influenciada positivamente pelo rendimento do agregado familiar, pelo preço e pela percepção que os indivíduos têm em como a PT se preocupa com eles e influenciada negativamente pela reclamação, ou seja quanto quanto mais reclamações os clientes fizerem menos é a probabilidade de recomendarem a empresa.