Análise Preditiva de dados numa empresa B2B no setor agroalimentar

Abstract

O presente trabalho se desenvolve a partir da necessidade de uma empresa do setor de tecnologia de aprimorar a tomada de decisão no setor comercial. Ao longo do seu tempo de operação, a instituição vem armazenando uma grande quantidade de dados de negociações comerciais, realizando análises de cunho tradicional a partir deles. Dessa forma, o objetivo deste trabalho é apresentar, por meio do Design Science Research, o aprimoramento da tomada de decisão no processo de vendas da empresa por meio da análise preditiva de dados. Inicialmente, apresenta-se uma revisão bibliográfica sobre os principais conceitos acerca do Business Intelligence, Data Science e técnicas aplicadas ao Machine Learning. A elucidação do objetivo do estudo se dá por meio da aplicação das fases de um projeto de Data Science. Assim, após a delimitação do escopo de trabalho, segue-se a coleta e análise exploratória dos dados, chegando à aplicação dos métodos de Machine Learnig para modelagem dos dados. Para tal, a linguagem de programação R é empregada na clusterização para a segmentação dos clientes, na regressão logística com o intuito de identificar os determinantes do sucesso de uma venda, e no random forest para possibilitar a estimação do tempo de negociação. Como resultados tem-se uma clusterização que forma três grupos de clientes, um modelo de regressão logística com precisão de 76% e um modelo random forest com RMSE de 4 dias, além da identificação dos atributos que mais impactam no processo de vendas. Em adição ao alcance dos objetivos específicos traçados, a implementação da análise preditiva de dados do setor comercial gerou insumos para uma tomada de decisão mais orientada a dados.