Técnicas de Data Mining na aquisição de clientes para financiamento de Crédito Direto ao Consumidor - CDC

Detalhes bibliográficos
Ano de defesa: 2012
Autor(a) principal: Silva, Adriana Maria Marques da
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Árvore de decisão
CDC
Crédito direto ao consumidor
Data Mining
Decision Tree
Financiamento
Logistic Regression
Mineração de dados
Neural Network
Redes neurais
Regressão logística
Link de acesso: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-23102012-163809/
Resumo: O trabalho busca dissertar sobre as técnicas de data mining mais difundidas: regressão logística, árvore de decisão e rede neural, além de avaliar se tais técnicas oferecem ganhos financeiros para instituições privadas que contam com processos ativos de conquista de clientes. Uma empresa do setor financeiro será utilizada como objeto de estudo, especificamente nos seus processos de aquisição de novos clientes para adesão do Crédito Direto ao Consumidor (CDC). Serão mostrados os resultados da aplicação nas três técnicas mencionadas, para que seja possível verificar se o emprego de modelos estatísticos discriminam os clientes potenciais mais propensos dos menos propensos à adesão do CDC e, então, verificar se tal ação impulsiona na obtenção de ganhos financeiros. Esses ganhos poderão vir mediante redução dos custos de marketing abordando-se somente os clientes com maiores probabilidades de responderem positivamente à campanha. O trabalho apresentará o funcionamento de cada técnica teoricamente, e conforme os resultados indicam, data mining é uma grande oportunidade para ganhos financeiros em uma empresa.
id USP_86040e7eaf620806bcfb8029922b0597
oai_identifier_str oai:teses.usp.br:tde-23102012-163809
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Técnicas de Data Mining na aquisição de clientes para financiamento de Crédito Direto ao Consumidor - CDCData Mining Techniques to acquire new customers for financing of Consumer CreditÁrvore de decisãoCDCCrédito direto ao consumidorData MiningDecision TreeFinanciamentoLogistic RegressionMineração de dadosNeural NetworkRedes neuraisRegressão logísticaO trabalho busca dissertar sobre as técnicas de data mining mais difundidas: regressão logística, árvore de decisão e rede neural, além de avaliar se tais técnicas oferecem ganhos financeiros para instituições privadas que contam com processos ativos de conquista de clientes. Uma empresa do setor financeiro será utilizada como objeto de estudo, especificamente nos seus processos de aquisição de novos clientes para adesão do Crédito Direto ao Consumidor (CDC). Serão mostrados os resultados da aplicação nas três técnicas mencionadas, para que seja possível verificar se o emprego de modelos estatísticos discriminam os clientes potenciais mais propensos dos menos propensos à adesão do CDC e, então, verificar se tal ação impulsiona na obtenção de ganhos financeiros. Esses ganhos poderão vir mediante redução dos custos de marketing abordando-se somente os clientes com maiores probabilidades de responderem positivamente à campanha. O trabalho apresentará o funcionamento de cada técnica teoricamente, e conforme os resultados indicam, data mining é uma grande oportunidade para ganhos financeiros em uma empresa.The paper intends to discourse about most widespread data mining techniques: logistic regression, decision tree and neural network, and assess whether these techniques provide financial gains for private institutions that have active processes for business development. A company of the financial sector is used as object of study, specifically in the processes of acquiring new customers for adhesion to consumer credit (in Brazil CDC). This research will show the results of the three above mentioned techniques, to check whether the statistical models point out relevant differences between prospects´ intentions to adhere to consumer credit. In the meantime, the techniques are checked whether they leverage financial gain. These gains are expected to came from better focused and directed marketing efforts. The paper presents the operation of each technique theoretically, and as the results indicate, data mining is a great opportunity for a company boost profits.Biblioteca Digitais de Teses e Dissertações da USPDias, Carlos Tadeu dos SantosSilva, Adriana Maria Marques da2012-09-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/11/11134/tde-23102012-163809/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:10:32Zoai:teses.usp.br:tde-23102012-163809Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:10:32Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Técnicas de Data Mining na aquisição de clientes para financiamento de Crédito Direto ao Consumidor - CDC
Data Mining Techniques to acquire new customers for financing of Consumer Credit
title Técnicas de Data Mining na aquisição de clientes para financiamento de Crédito Direto ao Consumidor - CDC
spellingShingle Técnicas de Data Mining na aquisição de clientes para financiamento de Crédito Direto ao Consumidor - CDC
Silva, Adriana Maria Marques da
Árvore de decisão
CDC
Crédito direto ao consumidor
Data Mining
Decision Tree
Financiamento
Logistic Regression
Mineração de dados
Neural Network
Redes neurais
Regressão logística
title_short Técnicas de Data Mining na aquisição de clientes para financiamento de Crédito Direto ao Consumidor - CDC
title_full Técnicas de Data Mining na aquisição de clientes para financiamento de Crédito Direto ao Consumidor - CDC
title_fullStr Técnicas de Data Mining na aquisição de clientes para financiamento de Crédito Direto ao Consumidor - CDC
title_full_unstemmed Técnicas de Data Mining na aquisição de clientes para financiamento de Crédito Direto ao Consumidor - CDC
title_sort Técnicas de Data Mining na aquisição de clientes para financiamento de Crédito Direto ao Consumidor - CDC
author Silva, Adriana Maria Marques da
author_facet Silva, Adriana Maria Marques da
author_role author
dc.contributor.none.fl_str_mv Dias, Carlos Tadeu dos Santos
dc.contributor.author.fl_str_mv Silva, Adriana Maria Marques da
dc.subject.por.fl_str_mv Árvore de decisão
CDC
Crédito direto ao consumidor
Data Mining
Decision Tree
Financiamento
Logistic Regression
Mineração de dados
Neural Network
Redes neurais
Regressão logística
topic Árvore de decisão
CDC
Crédito direto ao consumidor
Data Mining
Decision Tree
Financiamento
Logistic Regression
Mineração de dados
Neural Network
Redes neurais
Regressão logística
description O trabalho busca dissertar sobre as técnicas de data mining mais difundidas: regressão logística, árvore de decisão e rede neural, além de avaliar se tais técnicas oferecem ganhos financeiros para instituições privadas que contam com processos ativos de conquista de clientes. Uma empresa do setor financeiro será utilizada como objeto de estudo, especificamente nos seus processos de aquisição de novos clientes para adesão do Crédito Direto ao Consumidor (CDC). Serão mostrados os resultados da aplicação nas três técnicas mencionadas, para que seja possível verificar se o emprego de modelos estatísticos discriminam os clientes potenciais mais propensos dos menos propensos à adesão do CDC e, então, verificar se tal ação impulsiona na obtenção de ganhos financeiros. Esses ganhos poderão vir mediante redução dos custos de marketing abordando-se somente os clientes com maiores probabilidades de responderem positivamente à campanha. O trabalho apresentará o funcionamento de cada técnica teoricamente, e conforme os resultados indicam, data mining é uma grande oportunidade para ganhos financeiros em uma empresa.
publishDate 2012
dc.date.none.fl_str_mv 2012-09-27
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.teses.usp.br/teses/disponiveis/11/11134/tde-23102012-163809/
url http://www.teses.usp.br/teses/disponiveis/11/11134/tde-23102012-163809/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815258477595983872

Registros relacionados