Proposta de Projeto de Segmentação de Clientes

Proposta de Projeto de Pesquisa referente ao processo seletivo para o curso de Pós-Graduação Lato Sensu em Ciência de Dados com BIG DATA

 

SEGMENTAÇÃO DE CLIENTES EM INSTITUIÇÕES FINANCEIRAS UTILIZANDO CLUSTERIZAÇÃO – BIG DATA

                                         

Vitória, junho de 2018

       SUMÁRIO

1- INTRODUÇÃO.........................................................................3

2- OBJETO...................................................................................5

3- METODOLOGIA.......................................................................7

5- BIBLIOGRAFIA.........................................................................8

---

 1-INTRODUÇÃO

A necessidade das empresas se manterem à frente dos seus competidores, a evolução crescente das ferramentas de tecnologia nos seus mais diversos campos de aplicações e o volume de dados disponíveis não só nas empresas, mas também em diversas fontes, têm despertado o interesse cada vez maior no tema Ciência de Dados – Big Data.

O conceito Big Data é bastante amplo e se refere basicamente a um grande volume de dados (informações), que podem estar estruturados ou não, e que podem ser úteis às empresas. ZIKOPOULOS (2011) afirma que o grande desafio é transformar estes dados em conhecimento.

O Big Data, quando implementado de forma eficiente, tem o poder de transformar o mundo dos negócios, já que possibilita a tomada de decisão baseada em dados consistentes, através da transformação dos mesmos em conhecimento, gerando assim uma vantagem competitiva para as empresas que investem nessa tecnologia frente aos seus concorrentes.

Para garantir uma eficiência na implementação de um projeto de Big Data e como fator crítico de sucesso, as empresas devem entender que a decisão deve ir ao encontro da estratégia da empresa, com foco nos objetivos de negócios e não em uma decisão da área de TI, que tem um papel de facilitador durante todo o processo.

Além dos dados corporativos que podem ser encontrados nos sistemas legados, ERP, CRM, as empresas podem contar com dados externos, como Web, redes sociais, entre outros.

A utilização dos dados deve ser realizada de forma criteriosa, de acordo com as normas de segurança estabelecidas a fim de evitar problemas como o ocorrido recentemente com o famoso caso da Cambridge Analytica, que utilizou de maneira indevida os dados de usuários do Facebook, repercutindo negativamente e com grande impacto global.

        

2- OBJETO                  

        Através deste trabalho será apresentada uma proposta de segmentação de dados de clientes de uma instituição financeira utilizando Big Data através da técnica de clusterização – Two Step Cluster, com o objetivo de responder algumas perguntas, tais como: Conheço o meu cliente? Qual o perfil do meu cliente?

De posse das respostas a estes questionamentos será possível direcionar ações específicas, tais como:

- Melhor direcionamento das estratégias de Marketing;

- Orientar a formação de novas políticas de relacionamento e fidelização de clientes;

- Reduzir os índices de reclamações;

- Administrar efetivamente as perdas comerciais.

Um ponto que deve ser observado na utilização da ciência da dados é que mais importante do que escolher as ferramentas/técnicas adequadas ao projeto que será executado, o fator humano com conhecimento do negócio é indispensável na análise dos dados para se obter sucesso no projeto.

Como o volume de dados armazenados crescendo diariamente, surge o questionamento de o que fazer com esses dados? As técnicas tradicionais de exploração de dados não são mais adequadas para tratar a maior parte dos repositórios. A Mineração de dados (Data Mining) foi proposta no final da década de 80 e atualmente é considerada uma das tecnologias mais promissoras para tratar grandes volumes de dados.

A Mineração de Dados suporta a realização das seguintes tarefas:

• Descrição: Descreve os padrões e tendências revelados pelos dados. Auxilia na interpretação para os resultados obtidos;
• Classificação: Identifica a qual classe um determinado registro pertence;
• Estimação ou Regressão: similar a classificação, porém é utilizada quando o registro é identificado por um valor numérico e não um categórico;
• Predição: similar às tarefas de classificação e estimação;
• Agrupamento (clusterização): visa identificar e aproximar os registros similares. É uma coleção de registros similares entre si, porém diferentes dos outros registros nos demais agrupamentos. Difere da classificação, pois não necessita que os registros sejam previamente categorizados (tarefa não supervisionada), ou seja, sem classes pré definidas;
• Associação: consiste em identificar quais atributos serão relacionados.

A proposta de projeto irá utilizar o Agrupamento (clusterização – Two Step Cluster) como técnica principal para o trabalho de segmentação dos clientes.

3- METODOLOGIA                  

        O processo deve iniciar pelo mapeamento analítico, que consiste em identificar as informações (variáveis) necessárias para alcançar, através de técnicas de Data Mining, os objetivos definidos junto ao negócio da empresa.

        Ao final do processo, obtém-se uma base de dados, que receberam tratamentos estatísticos e transformações matemáticas, sempre que necessário. Esta nova base irá gerar os dados pré-processados.