Uma abordagem de aprendizado de máquina baseada no CRISP-DM para predição de canais de negociação em uma plataforma de cobrança digital no Brasil

• Ano de defesa: 2024
• Autor(a) principal: Martins, Jonnathan de Almeida
• Orientador(a): Vallim Filho, Arnaldo Rabello de Aguiar
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por; eng
• Palavras-chave em Português: cobrança de dívidas; CRISP-DM; aprendizado de máquina
• Link de acesso: https://dspace.mackenzie.br/handle/10899/40066

Este trabalho concentra-se nas complexidades enfrentadas pelas operações financeiras ao lidar com a cobrança de dívidas em um cenário de elevada inadimplência no Brasil. Em contrapartida às abordagens tradicionais comumente empregadas para fortalecer a capacidade de negociação de uma empresa, propõe-se a implementação de um modelo preditivo para ser utilizado como uma nova ferramenta de apoio nas ações de cobrança de dívidas. Para isso, foi desenvolvida uma abordagem seguindo a metodologia Cross-Industry Standard Process for Data Mining (CRISP-DM), incorporando técnicas avançadas de pré processamento de dados, engenharia e seleção de atributos, uso de algoritmos de classificação e avaliação rigorosa dos resultados obtidos, com o objetivo de prever o canal de negociação de preferência do cliente em situação de inadimplência quando recebem comunicações de cobrança e buscam negociar suas dívidas em uma plataforma digital no Brasil. A principal contribuição deste trabalho foi propor uma abordagem metodológica inovadora oferecendo resultados valiosos para aprimorar as praticas das empresas de cobrança de dívidas, além de contribuir para o avanço do conhecimento no campo do estudo.