Busca avançada
Ano de início
Entree

Metodologia de classificação de potenciais compradores de seguros em redes de varejistas físicos e online

Processo: 18/15321-0
Linha de fomento:Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
Vigência: 01 de março de 2019 - 30 de novembro de 2019
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Renato José Ferreira
Beneficiário:Renato José Ferreira
Empresa:Sutservices Soluções em Tecnologia Eireli
CNAE: Outras atividades de serviços financeiros não especificadas anteriormente
Município: Barueri
Pesquisadores principais: EDUARDO MAYER FAGUNDES
Assunto(s):Redes neurais  Algoritmos  Aprendizagem profunda  Inteligência artificial  Redes neurais (computação)  Seguros  Comportamento do consumidor  Inferência bayesiana 

Resumo

O objetivo desta pesquisa experimental é fazer uma análise de viabilidade técnico-cientifica de uso de Redes Bayesianas para extrair informações relevantes de consumidores de produtos massificados para treinar sistemas de aprendizado profundo de máquina (Deep Learning) para análises preditivas no mercado de seguros. O desafio é a partir de informações escassas dos varejistas, associado a necessidade de preservar informações sensíveis dos clientes, extrair dados relevantes para treinar redes neurais artificiais para classificar e predizer a probabilidade de um consumidor adquirir um seguro. Sem isto, os sistemas de inteligência artificial são ineficientes. O problema é como identificar os dados relevantes, considerando que apenas 1% dos produtos são adquiridos com seguro, tornando a maioria dos métodos estatísticos tradicionais inadequados. Os pesquisadores Neill, Moore e Cooper (2005) enfrentaram o mesmo problema para detectar surtos de doenças emergentes. Eles solucionaram o problema desenvolvendo um método, intitulado "Estatística de Varredura Espacial Bayesiana", baseado no método Bayesiano. A hipótese do presente projeto é que esse método pode extrair os dados relevantes de vendas de seguros nos varejistas para serem utilizados no treinamento de uma rede neural artificial para classificar e predizer a compra de seguros dos consumidores. É importante monitorar aumentos de vendas de seguros nas lojas, o mais cedo possível, para identificar quais os fatores que influenciaram os consumidores e, rapidamente, adequar estes fatores em outras lojas para grupos de consumidores com as mesmas características. Também, utilizar estes eventos bem-sucedidos para treinar os sistemas de aprendizado. O objetivo geral é ampliar o mercado de seguros, usando novas tecnologias de informação para facilitar a contratação de apólices e proteger o patrimônio dos consumidores. Segundo Tarciso Hüber (2016), existe espaço para um aumento de até 7% na receita dos varejistas com vendas de seguros de garantia estendida. A metodologia proposta consiste em quatro etapas: 1.Etapa 1: Identificar clusters de consumidores que compraram seguro de produtos usando o método Bayesiano para detecção de clusters espaciais, desenvolvido por Neill, Moore e Cooper (2005);2.Etapa 2: Analisar o perfil dos consumidores e dos produtos dos clusters espaciais usando métodos quantitativos e qualitativos;3.Etapa 3: Desenvolvimento da rede neural artificial usando o método Multilayer Perception com Backpropagation para classificar os consumidores dos clusters espaciais com maiores probabilidades de compra de seguros; 4.Etapa 4: Criar e adaptar ofertas de seguros para o perfil dos consumidores classificados e monitorar o processo com o método de melhoria contínua PDCA. (AU)

Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.