Big data analytics e machine learning para predição de falhas causadoras dos detratores para apoio na tomada de decisão em uma empresa de artigos esportivos

Carregando...
Imagem de Miniatura
Citações na Scopus
Tipo de produção
Dissertação
Data
2023
Autores
Silva, Yuri Augusto Vieira
Orientador
Oliveira Neto, Geraldo Cardoso de
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
SILVA, Yuri Augusto Vieira. Big data analytics e machine learning para predição de falhas causadoras dos detratores para apoio na tomada de decisão em uma empresa de artigos esportivos. 2023. 73 f. Dissertação (Mestrado em Engenharia Mecânica) - Centro Universitário FEI, São Bernardo do Campo, 2023. Disponível em: https://doi.org/10.31414/EM.2023.D.131667.
Palavras-chave
Big Data Analytics,Machine learning,Net Promoter Score,Tomada de decisão,Varejo
Resumo
O cenário atual do varejo traz novos desafios para as empresas, já que os consumidores estão mais exigentes. Com isso, as empresas varejistas precisam analisar o big data para identificar as falhas que causam clientes detratores do indicador de NPS, ou seja, consumidores insatisfeitos em sua jornada de compra. O objetivo desse estudo é analisar um big data de uma empresa do comércio varejista de artigos esportivos para mensurar as falhas causadoras dos clientes detratores do indicador de NPS e consequentemente auxiliar na tomada de decisão utilizando machine learning. O método de pesquisa adotado foi análise de big data de detratores de NPS com estatística descritiva para identificar as principais falhas e técnica de machine learning para encontrar padrões e apoiar na tomada de decisão. Se concluiu que esse estudo contribui com o estado da arte ao analisar os detratores de um big data extraído de uma empresa varejista de produtos esportivos, além da aplicação da árvore de decisão (técnica de machine learning de classificação), permitindo a identificação das principais falhas (acareação na entrega de produtos e as devoluções por insatisfação ao produto recebido), que afetam a lealdade do cliente com a empresa. Este trabalho contribui para a prática organizacional, já que pode incentivar as empresas varejistas à adoção de setores para análise de big data com aplicação de técnicas de machine learning, auxiliando na tomada de decisão mais assertiva para os gestores nas análises das operações e experiência do cliente. Também se concluiu avanços sociais na área de ciência de dados para realizar análises de big data e aplicação de técnicas de machine learning; além da melhoria do nível de serviço devido a uma baixa incidência de falhas, que traz benefícios para os consumidores
The current scenario in retail brings new challenges for companies as consumers are more demanding. As a result, retail companies need to analyze big data to identify the failures that cause customers to detract from the NPS indicator, that is, consumers not satisfied with their purchasing journey. The objective of this study is to analyze a big data from a sporting goods retail company to measure the failures that cause detractors customers from de NPS indicator and consequently assist for decision making using machine learning. The adopted research method involved the analysis of NPS detractors big data with descriptive statistics to identify the main failures and machine learning technique to find patterns and support decision making. It was concluded that this study contributes to the state of the art by analyzing detractors of a big data extracted from a sporting goods retail company. in addition to the application of the decision tree (classification machine learning technique), allowing the identification of the main failures (delivery confrontation and returns due to dissatisfaction with the product received), which affect the customer's loyalty to the company. This work contributes for organizational practice, as it can encourage the retail companies to adopt sectors for big data analysis with the application of machine learning techniques, helping managers to make more assertive decisions when analyzing operations and customer experience. Social advances were also made in the area of data science to perform big data analysis and apply machine learning techniques; in addition to improving the level of service due to a low incidence of failures, which brings benefits to consumers