Modelagens preditivas de Churn: o caso do Banco do Brasil
| Orientador(a) (dc.contributor.advisor) | Trez, Guilherme | |
| Lattes Orientador(a) (dc.contributor.advisorLattes) | http://lattes.cnpq.br/1546118902885558 | pt_BR |
| Autor(a) (dc.contributor.author) | Franceschi, Pietro Reinheimer de | |
| Autor(a) Lattes (dc.contributor.authorLattes) | http://lattes.cnpq.br/3270384557001627 | pt_BR |
| Data de Disponibilização (dc.date.accessioned) | 2020-03-02T14:36:51Z | |
| dc.date.available (dc.date.available) | 2020-03-02T14:36:51Z | |
| Data da defesa / Data do evento (dc.date.issued) | 2019-07-31 | |
| Abstract (dc.description.abstract) | This study aimed to compare predictive models for customer identification of a financial institution that tend to churn phenomenon. The loss or abandonment of customers, even in a partial perspective (dehydration), represents significant impacts on the results of organizations. The context of study is one of the 100 largest financial companies in the world. The applied methodology corresponded to a qualitative phase, aiming to map variables considered as predictors of customer dropout, adhering to Subramanya and Somani (2017). Subsequently, I performed quantitative analyzes on a sample of 2343 clients provided by Banco do Brasil SA, comprising 118 independent variables with monthly historical position up to 17 months prior to February 2019. Then I performed data statistical treatment and developed predictive models of dehydration through the RSTUDIO software. Among the data mining techniques that can be used in the execution of predictive models, Logistic Regression, Logistic Regression with Stepwise Selection of Independent Variables, Random Forests and Neural Networks were used, considering the suggestion found in literature that such methodologies are promising in predicting customer churn. The most expressive results were achieved through logistic regression, with accuracy (hit ratio) of 81%. The work shows that the development of retention actions can contribute significantly to the company's results. | en |
| Resumo (dc.description.resumo) | Este estudo teve por objetivo comparar modelos preditivos para identificação de clientes de uma instituição financeira que tendem ao fenômeno do churn. A perda ou abandono de clientes (churn), ainda que em uma perspectiva parcial (desidratação), representa impactos significativos aos resultados das organizações. O contexto de estudo é uma das 100 maiores empresas financeiras do mundo. A metodologia aplicada correspondeu a uma fase qualitativa, com o objetivo de mapear variáveis consideradas preditoras da evasão de clientes, aderentes a Subramanya e Somani (2017). Posteriormente foram desenvolvidas análises quantitativas em uma amostra de 2343 clientes fornecida pelo Banco do Brasil S.A., contemplando 118 variáveis explicativas, com posição histórica mensal de até 17 meses anteriores a fevereiro de 2019. O tratamento estatístico dos dados e o desenvolvimento dos modelos preditivos da desidratação foram realizados por meio do software RSTUDIO. Dentre as técnicas de mineração de dados que podem ser utilizadas na execução dos modelos preditivos utilizou-se a Regressão Logística, Regressão Logística com seleção Stepwise de variáveis independentes, Florestas Aleatórias (Random Forests) e Redes Neurais, tendo em vista a sugestão verificada na literatura de que tais metodologias são promissoras na previsão de customer churn. Os resultados mais expressivos foram alcançados por meio da Regressão Logística, tendo sido observada acurácia (índice de acertos) em patamar de 81%. O trabalho evidencia que o desenvolvimento de ações de retenção pode contribuir significativamente para os resultados da empresa. | pt_BR |
| Agência de fomento (dc.description.sponsorship) | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior | pt_BR |
| URI (dc.identifier.uri) | http://www.repositorio.jesuita.org.br/handle/UNISINOS/9087 | |
| Idioma (dc.language) | pt_BR | pt_BR |
| Nome da instituição (dc.publisher) | Universidade do Vale do Rio dos Sinos | pt_BR |
| País da Instituição (dc.publisher.country) | Brasil | pt_BR |
| Departamento (dc.publisher.department) | Escola de Gestão e Negócios | pt_BR |
| Sigla da Instituição (dc.publisher.initials) | Unisinos | pt_BR |
| Programa (dc.publisher.program) | Programa de Pós-Graduação em Gestão e Negócios | pt_BR |
| Direitos de acesso ao documento (dc.rights) | openAccess | pt_BR |
| Assunto (dc.subject) | Evasão de clientes | pt_BR |
| Assunto (dc.subject) | Modelagens preditivas | pt_BR |
| Assunto (dc.subject) | Mineração de dados | pt_BR |
| Assunto (dc.subject) | Regressão Logística | pt_BR |
| Assunto (dc.subject) | Stepwise | pt_BR |
| Assunto (dc.subject) | Random Forests | pt_BR |
| Assunto (dc.subject) | Redes Neurais | pt_BR |
| Assunto (dc.subject) | Customer churn | en |
| Assunto (dc.subject) | Prediction churn | en |
| Assunto (dc.subject) | Data mining | en |
| Assunto (dc.subject) | Logistic regression | en |
| Assunto (dc.subject) | Stepwise | en |
| Assunto (dc.subject) | Random forests | en |
| Assunto (dc.subject) | Neural networks | en |
| Tema (CNPq) (dc.subject.cnpq) | ACCNPQ::Ciências Sociais Aplicadas::Administração | pt_BR |
| Título (dc.title) | Modelagens preditivas de Churn: o caso do Banco do Brasil | pt_BR |
| Tipo de arquivo (dc.type) | Dissertação | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Pietro Reinheimer de Franceschi_.pdf
- Tamanho:
- 1.8 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
- modelagens_preditivas
Licença do pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2.12 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: