Levantamento de riscos em campanha de negociação de débitos utilizando machine learning

• Ano de defesa: 2019
• Autor(a) principal: Gonçalves, Evandro Custódio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual do Ceará
• Palavras-chave em Português: Computação aplicada; Mineração de dados; tweet
• Link de acesso: https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=87171

Este trabalho teve como objetivo, apresentar de que forma os riscos de inadimplência em campanhas de negociações de débitos realizadas pela Companhia de Água e Esgoto do Ceará – CAGECE, poderiam ser mitigados a partir da utilização de modelo preditivo de classificação baseado em redes neurais artificiais. Para melhor compreensão, os principais conceitos sobre técnicas, modelos e algoritmos da mineração de dados foram apresentados ao leitor, seguido da implementação de redes neurais do tipo Multilayer Perceptron, com treinamento baseado num algoritmo de retropropagação, permitindo a classificação de clientes em adimplentes ou inadimplentes. Para alcançar seus objetivos, este trabalho foi realizado a partir do estudo das bases de dados históricas da companhia, que foram utilizadas, no processo de mineração de dados, para construção de um modelo de Redes Neurais Artificiais. Para a avaliação do modelo, foi analisado um conjunto de indicadores, que possibilitaram compreender o quão eficiente o modelo de predição implementado se mostrou ao classificar clientes em inadimplentes ou adimplentes, quando da adesão em campanhas de negociação de débitos. O modelo desenvolvido se mostrou como uma ferramenta capaz de auxiliar a tomada de decisão, possibilitando a mitigação dos riscos de inadimplência, podendo ser utilizado de forma antecipada como uma estratégias para o combate a fraudes e perdas financeiras. Palavras-chave: Data Mining. Mineração de dados. Classificação. Redes Neurais Artificiais. Multilayer Perceptron.