Data mining por meio de análise de redes, no contexto de filtro colaborativo

Tendo como motivação o desenvolvimento de uma representação gráfica de redes com grande número de vértices, útil para aplicações de filtro colaborativo, este trabalho propõe a utilização de superfícies de coesão sobre uma base temática multidimensionalmente escalonada. Para isso, utiliza uma combinação de escalonamento multidimensional clássico e análise de procrustes, em algoritmo iterativo que encaminha soluções parciais, depois combinadas numa solução global. Aplicado a um exemplo de transações de empréstimo de livros pela Biblioteca Karl A. Boedecker, o algoritmo proposto produz saídas interpretáveis e coerentes tematicamente, e apresenta um stress menor que a solução por escalonamento clássico.

Data mining por meio de análise de redes, no contexto de filtro colaborativo

Tendo como motivação o desenvolvimento de uma representação gráfica de redes com grande número de vértices, útil para aplicações de filtro colaborativo, este trabalho propõe a utilização de superfícies de coesão sobre uma base temática multidimensionalmente escalonada. Para isso, utiliza uma combinação de escalonamento multidimensional clássico e análise de procrustes, em algoritmo iterativo que encaminha soluções parciais, depois combinadas numa solução global. Aplicado a um exemplo de transações de empréstimo de livros pela Biblioteca Karl A. Boedecker, o algoritmo proposto produz saídas interpretáveis e coerentes tematicamente, e apresenta um stress menor que a solução por escalonamento clássico. O estudo da estabilidade da representação de redes frente à variação amostral dos dados, realizado com base em simulações envolvendo 500 réplicas em 6 níveis de probabilidade de inclusão das arestas nas réplicas, fornece evidência em favor da validade dos resultados obtidos.

Análise de técnicas de data mining na aquisição de clientes de cartão de crédito não correntistas

O trabalho busca analisar e entender se a aplicação de técnicas de Data mining em processos de aquisição de clientes de cartão de crédito, especificamente os que não possuem uma conta corrente em banco, podem trazer resultados positivos para as empresas que contam com processos ativos de conquista de clientes. Serão exploradas três técnicas de amplo reconhecimento na comunidade acadêmica : Regressão logística, Árvores de decisão, e Redes neurais. Será utilizado como objeto de estudo uma empresa do setor financeiro, especificamente nos seus processos de aquisição de clientes não correntistas para o produto cartão de crédito. Serão mostrados resultados da aplicação dos modelos para algumas campanhas passadas de venda de cartão de crédito não correntistas, para que seja possível verificar se o emprego de modelos estatísticos que discriminem os clientes potenciais mais propensos dos menos propensos à contratação podem se traduzir na obtenção de ganhos financeiros. Esses ganhos podem vir mediante redução dos custos de marketing abordando-se somente os clientes com maiores probabilidades de responderem positivamente à campanha. A fundamentação teórica se dará a partir da introdução dos conceitos do mercado de cartões de crédito, do canal telemarketing, de CRM, e das técnicas de data mining. O trabalho apresentará exemplos práticos de aplicação das técnicas mencionadas verificando os potenciais ganhos financeiros. Os resultados indicam que há grandes oportunidades para o emprego das técnicas de data mining nos processos de aquisição de clientes, possibilitando a racionalização da operação do ponto de vista de custos de aquisição.

Data mining : aplicação voltada a geração de informações para tomada de decisão na Secretaria de Estado da Educação de São Paulo

Trata da aplicação de ferramentas de Data Mining e do conceito de Data Warehouse à coleta e análise de dados obtidos a partir das ações da Secretaria de Estado da Educação de São Paulo. A variável dependente considerada na análise é o resultado do rendimento das escolas estaduais obtido através das notas de avaliação do SARESP (prova realizada no estado de São Paulo). O data warehouse possui ainda dados operacionais e de ações já realizadas, possibilitando análise de influência nos resultados

Utilização de business intelligence para gestão de área operacional de agências bancárias : um estudo de caso

A eficiência operacional nos bancos é um fator que vem ganhando importância em função da evolução no cenário econômico, apontando para maior competitividade. Nesse contexto, a gestão operacional agências torna-se cada vez mais relevante. Entretanto, a atividade de gerenciar milhares de agências, com necessidade de agilidade na tomada de decisões, mostra-se complexa. Nesse sentido, o Business Intelligence se apresenta como uma solução para otimizar a atividade de gestão, adicionando inteligência ao negócio. Não obstante, questões práticas de implementação e uso são desafios para unir BI e gestão de agências bancárias. Este trabalho analisa a aplicação de Business Intelligence para a gestão operacional de agências bancárias em busca de práticas relevantes. O método de pesquisa utilizado é o estudo de caso, aplicado em uma grande instituição financeira nacional. Por meio de consulta a documentações, entrevistas com Gerentes Regionais e Equipe de Projeto buscou-se verificar proposições que foram depreendidas da revisão da literatura sob dois aspectos: implementação e utilização da solução de BI. Como resultado, foram confirmadas as proposições apontando para importância do apoio da organização e alinhamento ao negócio para uma implementação bem sucedida, além da constatação que BI não pode ser tratado apenas como uma ferramenta, na verdade além da parte técnica, envolve processos e negócios. Com relação à utilização, foi verificado que BI traz mais qualidade à informação, melhora o suporte ao processo de tomada de decisão e trás benefícios intangíveis e tangíveis para a gestão operacional de agências bancárias, como aumento da produtividade, redução de custos e riscos e melhor atendimento ao cliente.

Os fatores de influência na decisão de escolha entre softwares de business intelligence

O cenário empresarial atual leva as empresas a terem atuações cada vez mais dinâmicas, buscando utilizar as informações disponíveis de modo a melhorar seu processo de decisão. Com esse objetivo, diversas organizações têm adquirido sistemas de business intelligence. O processo de seleção de sistemas é difícil, diferente do utilizado em outras aquisições empresariais e sofre influência de diversos aspectos intangíveis, o que impossibilita o uso das técnicas de análise financeira normalmente utilizadas pelas companhias para apoiar decisões de investimento. Dessa forma, pode-se dizer que a decisão de escolha de um software de business intelligence é baseada em um conjunto de fatores tanto tangíveis quanto intangíveis. Este trabalho teve como objetivo principal identificar e estabelecer um ranking dos principais fatores que influenciam a decisão de escolha entre sistemas de business intelligence, tendo como foco empresas do setor de incorporação imobiliária atuantes na grande São Paulo e como objetivo secundário procurar identificar a possível existência de aspectos determinantes para a decisão de escolha entre a lista de fatores apurados. Essa pesquisa foi realizada através de doze entrevistas com pessoas que participaram de processos de decisão de escolha de sistemas de business intelligence, sendo algumas da área de TI e outras de área de negócio, atuantes em sete empresas incorporadoras da grande São Paulo. Essa avaliação teve como resultado a identificação dos fatores mais importantes e a sua classificação hierárquica, possibilitando a apuração de um ranking composto pelos catorze fatores mais influentes na decisão de escolha e statisticamente válido segundo o coeficiente de concordância de Kendall. Desse total, apenas três puderam ser classificados como determinantes ou não determinantes; o restante não apresentou padrões de resposta estatisticamente válidos para permitir conclusões sobre esse aspecto. Por fim, após a análise dos processos de seleção utilizados pelas sete empresas dessa pesquisa, foram observadas duas fases, as quais sofrem influência de distintos fatores. Posteriormente, estudando-se essas fases em conjunto com os fatores identificados no ranking, pôde-se propor um processo de seleção visando uma possível redução de tempo e custo para a realização dessa atividade. A contribuição teórica deste trabalho está no fato de complementar as pesquisas que identificam os fatores de influência no processo de decisão de escolha de sistemas, mais especificamente de business intelligence, ao estabelecer um ranking de importância para os itens identificados e também o relacionamento de fatores de importância a fases específicas do processo de seleção identificadas neste trabalho.

A relação entre business intelligence e o processo de inovação no mercado de cartões de crédito brasileiro : um estudo de caso

As ferramentas de Business Intelligence se tornaram elemento importante no contexto organizacional em função de fornecerem às empresas informações necessárias para o processo decisório. Para garantir vantagem competitiva perante os concorrentes, as empresas buscam inovar. O processo atrelado ao fenômeno da inovação é complexo e depende de uma série de fatores, tais como regulação, pressão do consumidor e tecnologia. O mercado de cartões de crédito no Brasil cresce em ritmo acelerado, com recente concentração em poucos competidores e grande variedade de produtos ofertados. Assim dito, a presente pesquisa busca analisar de que maneira o ferramental de BI se relaciona com o processo de inovação no setor de cartões de crédito brasileiro. O método de pesquisa escolhido foi o estudo de caso, realizado em uma empresa emissora de cartões de crédito com tradição no mercado. A partir de entrevistas semi-estruturadas com executivos de diversas áreas, de coleta de documentação existente e estudo das ferramentas de BI aplicadas no caso, propõe-se uma matriz da relação entre as ferramentas de BI e inovação. Como resultado conclui-se que as ferramentas de BI podem influenciar diretamente o processo de inovação, definindo novos atributos de preço, segmentos e programas de incentivo, ou indiretamente, servindo somente como insumo para discussões, identificação de gaps e formulação de estratégias, tendo uma relação indireta com o processo de inovação.