Produtos Financeiros; Sistema de Recomendação; Fintech; Classificação.

Sistemas de recomendação desempenham um papel crucial em diversos setores, incluindo o financeiro, ao oferecer sugestões personalizadas para os usuários com base em seus históricos e preferências. No contexto da indústria financeira, tais sistemas têm o potencial de revolucionar a maneira como as instituições interagem com os clientes, sobretudo ao personalizar recomendações de produtos financeiros, como investimentos, seguros e empréstimos. Nesse cenário, as instituições podem aumentar a satisfação do cliente e fidelizá-lo ao mesmo tempo, enquanto aumenta seus resultados. O objetivo deste trabalho foi desenvolver um modelo de classificação capaz de prever a adesão de clientes a um serviço financeiro do tipo Seguro, para utilizar como sistema de recomendação em uma fintech. Inicialmente, foi realizada uma análise exploratória dos dados, seguida, de técnicas de pré-processamento, como a remoção de features com potencial de causar vazamento de dados e a normalização. O conjunto de dados resultante apresentou desbalanceamento das classes. Para definição de uma linha de base, foi aplicado uma árvore de decisão como classificador, em conjunto com o grid search para otimização de hiperparâmetros, em três experimentos distintos. No último experimento, o conjunto de dados foi balanceado, a fim de aumentar a capacidade de predição do modelo. Os resultados, ainda preliminares, indicaram que o modelo com parâmetros otimizados obteve uma acurácia de 58.95%, uma precisão de 58.28%, uma revocação de 63,70% e um F1-score de 60.87%, mostrando um desempenho promissor para o primeiro modelo de definição de baseline.