Banca de QUALIFICAÇÃO: GUSTAVO HENRIQUE SOUTO DA SILVA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : GUSTAVO HENRIQUE SOUTO DA SILVA
DATA : 30/06/2017
HORA: 14:00
LOCAL: Auditório do PPGEEC
TÍTULO:

Um modelo de previsão Churn baseado em CRM com suporte de dados heterogêneos para o seguro de vida


PALAVRAS-CHAVES:

Aprendizado de Máquina, Classificação, Big Data,
Online Churn Prediction, CVM, Seguro de Vida.


PÁGINAS: 40
RESUMO:

O churn de cliente (customer churn) é a ação de perda de um cliente, isso é, quando o cliente decide cortar relações com a empresa durante um período de tempo. Existe diversas razões para o churn. Por exemplo, mau serviço e relacionamento, aquisição do produto errado, e compra casada. Essas razões possuem um impacto negativo na empresa que podem causar perda de milhões de dólares, até mesmo um impacto a imagem da empresa. Por exemplo, a venda casada representa cerca de 70% das reclamações dos clientes. Os problemas acima mencionados podem conduzir a vários prejuízos. Com isso, diversas indústrias vêm tentando entender melhor o comportamento de seus clientes e necessidades. Essa ação é um dos mais importantes conceitos para lidar com o churn de clientes. A indústria de telecomunicações vem investindo em novas tecnologias e maneiras para reter clientes pelo simples fato que a retenção do cliente é aproximadamente 7 vezes mais barata do que ganhar um novo cliente. Por outro lado, as seguradoras não vêm explorando bem o churn de clientes. Elas têm focado em apenas um produto, o seguro de auto. No entanto, cada produto de uma seguradora possui diferentes comportamentos. Assim, um modelo de predição de churn de clientes para o seguro Auto (churn prediction model) talvez não funcione para outros produtos tais como o seguro Vida e o Residencial. Infelizmente, o seguro Vida não possui pesquisas que envolva a predição de churn. Tal campo deveria ganhar mais atenção, pois o seguro vida é o seguro mais amplamente aplicado.

Portanto, este trabalho almeja construir um modelo online de predição de churn para o seguro vida. O método é baseado em Core Vector Machine (CVM) e Minimum Enclosing Ball (MEB) que deve separar geometricamente os clientes churners dos não-churners. O CVM, em essência, não é um método online. No entanto, nós pretendemos usá-lo como base para o nosso modelo, pois o mesmo pode lidar com grandes bases de dados, além de possuí uma eficiência de tempo de processamento quando o método de aproximação é aplicada. Transformá-lo e usá-lo como parte do nosso método online é um dos desafios, pois a solução proposta deve ser executada em um ambiente de Big Data. A fim de aumentar a acurácia da predição de churn, o método também deve ter suporte/ajuda de dados heterogêneos na sua tomada de decisão. Como resultado final, nós esperamos reduzir as perdas financeiras oferecendo o devido suporte nas tomadas de decisão através da identificação dos possíveis churners.


MEMBROS DA BANCA:
Presidente - 1153006 - LUIZ AFFONSO HENDERSON GUEDES DE OLIVEIRA
Interno - 2885532 - IVANOVITCH MEDEIROS DANTAS DA SILVA
Externo ao Programa - 1555898 - DIEGO RODRIGO CABRAL SILVA
Notícia cadastrada em: 05/06/2017 15:42
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa13-producao.info.ufrn.br.sigaa13-producao