Tomada de Decisão. Agenda. Tomada de Decisão... Forma Simplificada. Dos Dados ao Conhecimento Modelagem Estatística. Exemplos de Trabalhos

Transcrição

1 Estatística Empresarial Casos e Aplicações José Eduardo Outubro/20 Agenda Tomada de Decisão Dos Dados ao Conhecimento Modelagem Estatística Principais Aplicações Exemplos de Trabalhos 2 Tomada de Decisão... Forma Simplificada Escolher dadosd Identificar problemas Analisar (Data Mining) Agir Medir 3

2 Processo de tomada de decisão... Inteligência e conhecimento... Conhecimento errada + Raciocínio Correto = Provável decisão errada correta + Raciocínio errado = Provável decisão errada errada + Raciocínio errado = Provável decisão errada correta + Raciocínio correto = Provável decisão correta 4 Agenda Tomada de Decisão Dos Dados ao Conhecimento Modelagem Estatística Principais Aplicações Exemplos de Trabalhos 5 Dados, informação e conhecimento DADOS técnica INFORMAÇÃO uso CONHECIMENTO 6 2

3 Dados, informação e conhecimento Visão de Tecnologia processo interpretação decisão direção Dados Conhecimento Ações Resultados obtenção definição necessidade performance Visão de Negócios Fatores Críticos de Sucesso 7 Agenda Tomada de Decisão Dos Dados ao Conhecimento Modelagem Estatística Pi Principais i i Ali Aplicações Exemplos de Trabalhos 8 Modelagem Estatística Ambiente Sujeito a Incerteza Gerar Informações Coleta de Dados Tratamento (Tortura) dos Dados Base Histórica da Empresa e/ou Pesquisa de Mercado Modelos Estatísticos 9 3

4 Agenda Tomada de Decisão Dos Dados ao Conhecimento Modelagem Estatística Principais Aplicações Exemplos de Trabalhos Principais Aplicações Análise do perfil do consumidor Margem de contribuição do produto e cliente Análise de performance no ponto de venda Análise de share de mercado Simulação de preço x volume Avaliação das ações dos concorrentes Avaliação da eficácia das estratégias de promoção Análise das vendas por região, local, etc. Desempenho da equipe de Vendas Efeitos de sazonalidade Fidelidade do consumidor a determinadas marcas Principais Aplicações Desenvolvimento e posicionamento de produtos Gestão de Preços Planejamento e gestão de promoções Propaganda Planejamento, mídia e resultados Planejamento e gestão da distribuição Planejamento e gestão da força de vendas Pesquisa de Mercado Segmentação e avaliação de estrutura de segmentos Modelos de risco Satisfação e preferência do consumidor Previsão de demanda CRM Estratégia de marketing 2 4

5 Alguns Métodos Alguns Métodos Análise de Componentes Principais Regressão Análise Fatorial Análise Conjunta Análise de Agrupamentos Séries Temporais Equações Estruturais Redes Neurais Algoritmos Genéticos Lógica Fuzzi... Estatística 3 Agenda Tomada de Decisão Dos Dados ao Conhecimento Modelagem Estatística Principais Aplicações Exemplos de Trabalhos 4 Indústria de Cartões de Crédito Rentabilização da Operação. Rentabilidade = f (Faturamento) Ticket Índice de Faturamento Freqüência Base [R$] = Médio Ativação [#/cta ativa] [cta] [R$/#] [cta ativa/cta] x x x + Serviços [R$] Receitas Intercâmbio Refinanciamento Multa e Mora Outras taxas e tarifas Seguros PPR Tarifas 5

6 Segmentação de Clientes Porque esta técnica e não outra? Que pode acontecer se consideramos cortes secos através das dimensões? Dimensão 2 Dimensão 2 Suponhamos a seguinte distribuição de clientes Clientes com características similares podem ser classificados em segmentos diferentes Dimensão Dimensão 2 3 Assim cada cliente é associado ao centróide mais próximo Dimensão 2 Dimensão 2 A técnica de Cluster calcula centróides para o agrupamento dos clientes Minimiza o erro de classificar em grupos diferentes a clientes com valor e tendência similares Dimensão Dimensão 6 Centroide da Te endencia na Penetraçao Segmentação de Clientes 20 Ouro Bronze Potencial 8 Potencial Prata Potencial 6 Diamante 4 2 Ouro Prata 8 Bronze 6 Diamante 4 Ouro Vulnerável Vulnerável Prata Vulnerável Centroide do Faturamento Ponderado 7 Segmentação de Clientes 40% a 0% Ticket alto 0 a 40% Ticket Médio 0% Acima de R$ 50 Ticket médio De R$ 20 a R$ 50 Ticket baixo Refinanciamento Perigoso Até R$ 20 Refinanciamento Saudável Meno s de De a 3 Acim ade 3 Não refinancia Freqüência de Compra (#/mês) 8 6

7 Segmentação de Clientes Segmento 2 Abastecedore s Segmento 4 Ocasionais Segmento 6 Alavancados o Ticket Médio 0% Acima de R$ 50 De R$ 20 a R$ 50 0 a 40% 40% a 0% Segmento 8 Financiadore s Segmento 5 Resignados Até R$ 20 Segmento 3 Repositores Menos de De a 3 Acima de 3 Freqüência de Compra (#/mês) Segmento 7 Consumista s Segmento Assíduos 9 O Ciclo do Crédito Planejamento do Produto Cobrança Iniciação ao Crédito Manutenção de Contas Análise de Risco de Crédito Informações Pessoais Informações Financeiras idade, número de dependentes, estado civil, endereço... renda, valor dos bens, Perfil tipos de cartão de crédito, possui conta corrente... Alto Risco Decisão de Concessão Informações Históricas Variáveis Externas datas de compras,? datas dos vencimentos, valor das faturas datas dos pagamentos... inflação, taxa de juros... Baixo Risco Limite de Crédito Todos as propostas receberão um escore [0-0] 2 7

8 Análise de Risco de Crédito Especialista ( Aprendizagem ) Dados Históricos DADOS Tomada de Teste decisões Todos resultados são obtidos do conjunto de teste Sistema em produção 22 Teste KS e Distribuição Acumulada Maus x Bons KS2 0,9 0,8 0,7 0,6 0,5 KS=33 FDP_MAU FDP_BOM KS2 0,4 0,3 0,2 0, KS = 27 (SERASA) Escore - KS = 27 (ACSP) - KS = 3 (UNIBANCO CS) 23 Ciclo de Vida do Cliente Visão e gestão integrada do portfolio Aquisição Ativação Utilização Retenção Maximização da Lucratividade Convencer o cliente da proposta de valor da Empresa Motivar a primeira compra Motivar a compra contínua Reter os clientes lucrativos Prever e endereçar situações de fim de relacionamento 24 8

9 Ciclo de Vida do Cliente Como aumentar Compras? Como fidelizar os meus clientes? Como aumentar a rentabilidade? Como incentivar a primeira compra Como mover de volta para fidelização? Ciclo de vida do cliente Iniciação Utilização Fidelização Retenção Primeira Compra Aumentar Compras Garantir satisfação e share of wallet Reduzir/minimizar perda de clientes 25 Telefonia Fixa Comportamento de Uso Ligações Locais - Pulso VARIÁVEL RESPOSTA VARIÁVEIS EXPLICATIVAS CORRELAÇÃO COEFICIENTE DE CORRELAÇÃO BASE NET SUPER - 87% BASE NET FLAT - 93% PULSO BASE PÓS-PAGO 9% BASE PRÉ-PAGO - 74% Telefonia Fixa Comportamento de Uso RESIDENCIAL Distribuição do volume de pulsos: antes da aquisição do NETSUPER no mês da aquisição do NETSUPER após da aquisição do NETSUPER EMPRESARIAL CORPORATIVO Fonte: DW 9

10 Telefonia Fixa Comportamento de Uso - LDN Oportunidade de receita vs MS concorrência de de receita Temos uma oportunidade de receita total de aproximadamente milhões ao ano. oportunida (6) (80) (749) 4.6 () (.73 ) (98) (286) (52) (76) 0% % 20% 30% 40% 50% 60% 70% 80% 90% 0 % MS da concorrência Telefonia Fixa Pré-Paga Inserção de Créditos Comportamento de Bloqueiso Bloqueio Parcial ( ) 60% 37% Inserção (2.325) Bloqueio Total (30.573) 3% Bloqueio Parcial (9.604) Bloqueio Total (35.070) 74% 23% Inserção (0.23) Cancelamento (3.3) 3% Bloqueio Total (3.528) Telefonia Fixa Pré-Paga Inserção de Créditos Bloqueio Total - Créditos Faixa Qtd. Terminais % % Acum. Saldo Mínimo Saldo Médio Saldo Máximo Total ,7-4,8-7, , ,85-6,07-0, , ,00 0,00 0,00 0, ,0 0,0 0,0 58, ,0 0,02 0,03 35, ,04 0,04 0,05 97, ,05 0,06 0,07 335, ,08 0,09 0,09 465, , 0, 0, 595, ,2 0,2 0,3 472, ,4 0,20 0,32 994, ,33 0,54 0, , ,9,73 2, , ,70 3,94 5, , ,32 7,02 9, , ,0,49 4, , ,28 7,92 22, , ,38 29,54 39, , ,39 88,37 638, ,70 Em cerca de 65% dos bloqueios totais, o terminal possui menos de R$,00 de crédito Em cerca de 5% dos bloqueios totais, o terminal possui mais de R$,00 de crédito

11 Modelos Preditivos CHURN Telefonia Móvel 3 Modelos Preditivos CHURN Telefonia Móvel 32 Telefonia Móvel Inserção de Créditos Comparação da Inserção Média antes de Agosto/05 e após Agosto/05 Paired Samples Statistics Pair Media_Antes Media_Depois Std. Error Mean N Std. Deviation Mean 2, ,6929, , ,78250,0848 Paired Samples Correlations Pair Media_Antes & Media_Depois N Correlation Sig ,497,000 Paired Samples Test Pair Media_Antes - Media_Depois Paired Differences 95% Confidence Interval of the Difference Std. Error Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed),773 7,32303,0739,73903, , ,000 Houve uma queda no valor médio de inserção: de R$ 2,40 para R$ 20,62. Esta diferença é estatisticamente significante.

12 Análise de Associação Varejo Alimentar Conseqüente Antecedência Id da Regra Instâncias Qtd Relação % de suporte % de confiança ARROZ and FEIJAO and OLEO_AZEITE ,26 86,22 ACUCAR MASSA_ALIMENTICIA ARROZ and FEIJAO and EXTRATO_TOMATE ,2 83,39 ARROZ PAPEL_HIGIENICO and FEIJAO and OLEO_AZEITE ,26 82,87 MASSA_ALIMENTICIA ARROZ and EXTRATO_TOMATE and OLEO_AZEITE ,34 82,52 OLEO_AZEITE SABONETE and ARROZ and FEIJAO ,23 8,43 ARROZ SABONETE and FEIJAO and OLEO_AZEITE ,24 8,6 ARROZ FEIJAO and MASSA_ALIMENTICIA and OLEO_AZEITE ,34 80,76 OLEO_AZEITE PAPEL_HIGIENICO and ARROZ and FEIJAO ,29 80,38 OLEO_AZEITE ARROZ and FEIJAO and MASSA_ALIMENTICIA ,36 79,43 MUSSARELA PRESUNTO ,7 79,34 OLEO_AZEITE ACUCAR and ARROZ and FEIJAO ,38 78,93 ARROZ ACUCAR and FEIJAO ,75 78,92 MASSA_ALIMENTICIA FEIJAO and EXTRATO_TOMATE ,7 78,46 FABRICACAO_PROPRIA MORTADELA ,75 78,26 MASSA_ALIMENTICIA ACUCAR and EXTRATO_TOMATE ,43 77,68 SABONETE FEIJAO and CREME_DENTAL ,37 77,3 ARROZ FEIJAO and EXTRATO_TOMATE and MASSA_ALIMENTICIA ,34 75,46 MASSA_ALIMENTICIA SABONETE and EXTRATO_TOMATE ,66 75,37 MASSA_ALIMENTICIA PAPEL_HIGIENICO and EXTRATO_TOMATE ,75 75,29 ARROZ FEIJAO and CREME_DENTAL ,37 75,9 MASSA_ALIMENTICIA CAFE_PO and EXTRATO_TOMATE ,37 75, SABONETE ARROZ and CREME_DENTAL ,5 75, MASSA_ALIMENTICIA ARROZ and EXTRATO_TOMATE ,99 74,82 SABONETE MASSA_ALIMENTICIA and CREME_DENTAL ,54 74,7 ARROZ ACUCAR and EXTRATO_TOMATE ,43 74,68 FEIJAO SABONETE and ARROZ and OLEO_AZEITE ,35 74,62 MASSA_ALIMENTICIA BOLACHA_BISCOITO and EXTRATO_TOMATE ,44 74,33 OLEO_AZEITE FEIJAO and CREME_DENTAL ,37 74,29 OLEO_AZEITE ARROZ and EXTRATO_TOMATE and MASSA_ALIMENTICIA ,49 73,9 EXTRATO_TOMATE ARROZ and FEIJAO and MASSA_ALIMENTICIA ,36 73,87 OLEO_AZEITE ACUCAR and EXTRATO_TOMATE ,43 73,68 MASSA_ALIMENTICIA EXTRATO_TOMATE and OLEO_AZEITE ,3 73,63 FEIJAO PAPEL_HIGIENICO and ARROZ and OLEO_AZEITE ,4 73,62 ARROZ PAPEL_HIGIENICO and FEIJAO ,77 73,5 34 Série Temporais Previsão de Demanda Distribuição de Probabilidades Previsão sob a forma de uma Distribuição de Probabilidades ao invés de Previsão Pontual Intervalo de Previsão com uma dada Probabilidade. 35 Série Temporais Previsão de Demanda Papelão Ondulado Modelo: Box-Jenkins 20 R 2 Adj = 97,6% 5 MAPE = 4,5% Período Lower Forecast Upper 5 X Período Real Previsto DIF (%) , , , , , ,

13 Transformando Dados em Resultado Dados Conhecimento Ação Resultado José Eduardo - (34) jeduardof@netsite.com.br 3