Pesquisa e desenvolvimento de algoritmos para predição de probabilidade de evasão de clientes para empresas com receita recorrente

• Processo: 19/22831-8
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de agosto de 2020
• Data de Término da vigência: 30 de abril de 2021
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Geison Voga Pereira
• Beneficiário: Geison Voga Pereira
• Empresa: A55 Consultoria em Crédito Ltda
• CNAE: Desenvolvimento de programas de computador sob encomenda ; Desenvolvimento e licenciamento de programas de computador customizáveis ; Atividades de consultoria em gestão empresarial
• Município: São Paulo
• Bolsa(s) vinculada(s): 20/14298-5 - Pesquisa e desenvolvimento de algoritmos para predição de probabilidade de evasão de clientes para empresas com receita recorrente, BP.TT
• Assunto(s): Aprendizado computacional Algoritmos Inteligência artificial Modelos matemáticos Crédito Predição Probabilidade Serviço ao cliente
• Palavra(s)-Chave do Pesquisador: análise de crédito | Aprendizagem de Maquina | Churn | Índice de evasão de clientes | Inteligência Artificial | Modelamento matemático finaceiro | Algoritmos de inteligência Artificial

Resumo

O projeto proposto tem como objetivo desenvolver ferramentas computacionais baseadas em aprendizagem de máquina para realizar a previsão da taxa de evasão de clientes e a classificação de clientes com maior risco de evasão para empresas listadas na base de dados da a55. Estas empresas podem ser clientes tomadores de crédito junto a a55, ou novos clientes em potencial sob análise para concessão de crédito. A base de clientes da a55 é constituída por médias e pequenas empresas que apresentam modelo de negocio baseado em receitas recorrentes, como por exemplo, empresas que oferecem serviço de software por assinatura (Saas), ou empresas que prestam serviços com sistema de assinatura.O desenvolvimento destas ferramentas utilizará dados financeiros das empresas da base de dados da a55 (clientes) assim como dados de receita provenientes dos respectivos clientes de cada empresa (sacados). Para complementar a base de dados serão adquiridas bases de dados externas que correlacionam mercado consumidor, geolocalização, dentre outras informações. Os dados que comporão a base serão normalizados e estruturados para que obtenção de informações interconectadas na forma de séries temporais que descrevem informações relevantes para a compreensão da taxa de evasão de clientes. Para o modelamento matemático da previsão da taxa evasão é proposto a utilização de modelos baseados em regressões múltiplas (simples e logística), modelos de suavização exponencial, modelamento cinético da taxa de conversão e perda de clientes. Para o sistema de classificação serão empregadas metodologias de agrupamentos de dados por clusterização por proximidade (kNN). O processo de calibração destes modelos utilizará métodos numéricos, tais como mínimos quadrados ou métodos iterativos para os modelos lineares. Para modelamentos não-lineares ou para conjuntos modelos que possam ter mais do que uma solução não trivial será empregada a otimização via algoritmo genético associado a processos de relaxamento de parâmetros. O sistema de previsão e classificação de clientes será integrado à plataforma desenvolvida pela a55 ("a55 App") onde será alimentado em tempo real ou periodicamente pelos dados da base. Isso permitirá que as informações geradas pelo desenvolvimento tecnológico deste projeto sejam utilizadas continuamente pela equipe de análise de crédito da a55, auxiliando a realização dos processos de: análise de risco de inadimplência, precificação de crédito para novas operações de empréstimos e definição de taxas de juros, estas que serão mais adequadas à cada empresa cliente da a55. As informações geradas pela plataforma a55 App serão também disponibilizadas para as respectivas empresas clientes da a55, permitindo que as informações de taxa de evasão e identificação dos clientes com maior risco de cancelamento sejam utilizadas pelas empresas para a elaboração de estratégias de ampliação da base de clientes ou retenção dos clientes com maior risco de perda. O resultado do desenvolvimento tecnológico será também ofertado para instituições financeiras nacionais que realizam análise de crédito (ex. FIDCS) via a plataforma de software a55 App, promovendo uma expansão de linhas de crédito para pequenas e médias empresas no Brasil (AU)