UNIVERSIDADE DE SO PAULO

THIAGO BRAGUIM NEVES

UM ESTUDO SOBRE AS TCNICAS DE DATA MINING APLICADAS

GESTO DE RELACIONAMENTO DO CLIENTE

RIBEIRO PRETO
2010

THIAGO BRAGUIM NEVES

UM ESTUDO SOBRE AS TCNICAS DE DATA MINING APLICADAS

GESTO DE RELACIONAMENTO DO CLIENTE

Trabalho de concluso de curso de

Matemtica Aplicada a Negcios da
Faculdade de Filosofia, Cincias e Letras de
Ribeiro Preto e Faculdade de Economia,
Administrao e Contabilidade de Ribeiro
Preto, como requisito para obteno do
ttulo de Bacharel.
Orientador: Prof. Dr. Alexandre P. Salgado
Junior

RIBEIRO PRETO
2010

Dedico esta monografia a meus

pais e com a concluso desta
etapa da minha vida espero
trazer ainda mais orgulho
minha famlia.

Agradecimentos
Os meus agradecimentos e estima vo para todas as pessoas que de boa vontade me
emprestaram seu tempo e sabedoria para que eu pudesse desenvolver este estudo, o qual
de extrema importncia para minha formao pessoal e graduao.
Muito obrigado Claudia, Laercio, Andr Luiz, Alexandre, Roslia, Heleno e Clia por
me ajudarem a superar esta etapa da minha vida.

Conhecer o homem esta a

base de todo o sucesso.
- Charles Chaplin

Resumo
O capitalismo perdura como modelo econmico da maioria dos pases h muito tempo e
para fazer parte deste contexto as organizaes desenvolveram diversos modelos e
estratgias de negcio. Com o avano em novos campos tecnolgicos computao - o
armazenamento e a anlise de grandes quantidades de informao tornam-se viveis e a
partir desta nova realidade surge o modelo de gesto de relacionamento do cliente
diretamente apoiado pela minerao de dados. Este estudo analisa de forma objetiva
como as tcnicas de data mining so utilizadas em uma aplicao voltada para a gesto
de relacionamento do cliente abordagem dada ao sistema (Dimenso, Modelo,
Algoritmo) e aes a serem tomadas com a informao gerada. Por meio de um estudo
de caso verificou-se a importncia e o impacto sobre as decises e polticas das
organizaes que se utilizam desse modelo de negcio.
Palavras chave: minerao de dados, gesto de relacionamento do cliente, data mining,
CRM.

Sumrio

Introduo ..................................................................................................................................... 7
1. Objetivos ................................................................................................................................... 8
2. Objetivos Especficos ................................................................................................................ 8
3. Justificativa ............................................................................................................................... 9
4. Proposies ............................................................................................................................. 10
5. Processos Metodolgicos ........................................................................................................ 10
5.1. Carter da Pesquisa ........................................................................................................... 10
5.2. Escolha do caso ................................................................................................................. 11
5.3. Variveis Avaliadas........................................................................................................... 11
5.4. Anlise dos Dados ............................................................................................................. 12
6. Embasamento Terico ............................................................................................................. 13
6.1. Data Mining (Minerao de dados)................................................................................... 13
6.2. Customer Relationship Management - (Gesto de Relacionamento do Cliente) .............. 15
6.3. Minerao de dados e a Gesto de Relacionamento do Cliente ........................................ 16
6.4. Abordagem (Identificao, Classificao, rvore de Deciso) ........................................ 20
6.4.1.

Dimenso: Identificao .............................................................................................. 20

6.4.2.

Modelagem: Classificao .......................................................................................... 21

6.4.3.

rvore de Deciso ....................................................................................................... 23

7. Resultados Vrtice Sistemas ................................................................................................ 24

8. Concluses .............................................................................................................................. 26
Referncias Bibliogrficas .......................................................................................................... 27
Anexo I Empresa ...................................................................................................................... 28

Introduo
Conceitos como produo em massa e marketing de massa que foram criados
durante a revoluo industrial e utilizados durante muito tempo. Hoje esto sendo
substitudos por novas idias que colocam o relacionamento empresa-cliente no centro
do modelo de gesto.
O antigo modelo desenho - construo - venda (uma viso orientada ao
produto) agora substitudo por um novo modelo venda - construo - redesenho
(uma viso orientada ao consumidor). Assim, o tradicional marketing de massa vem
sendo substitudo pelo marketing one-to-one.
No processo tradicional, o objetivo do marketing atingir o maior nmero de
consumidores possvel, aumentando, deste modo, a base de clientes da empresa. Como
no atual contexto, capturar novos clientes uma tarefa difcil e cara, a nova abordagem
sugere que se trabalhe com os clientes j existentes. Sendo assim, o novo modelo de
marketing foca em suprir melhor as necessidades de cada consumidor, oferecendo no
somente o produto, mas tambm, servios e experincias a fim de estabelecer uma
proveitosa relao de longo prazo.
O advento da internet sem sombra de dvidas contribuiu para essa mudana no
foco do marketing. Com a abundncia de informao on-line o cliente se torna mais
informado e sofisticado conseguindo assim, estabelecer com bastante critrio suas
preferncias. Nessas condies as empresas tiveram de diferenciar seus produtos e
servios, a fim de se manterem competitivas neste novo cenrio.
No Brasil, no foi diferente, a partir da dcada de 1990, aps o lanamento do
Plano Real, a economia brasileira que at ento se encontrava estagnada comeou a dar
sinais de recuperao. Com a abertura do mercado a empresas estrangeiras e os
processos de privatizao, as empresas brasileiras caminhavam rumo a um novo tipo de
mercado. Neste contexto as organizaes nacionais tiveram de se tornar mais atraentes
ao consumidor e consequentemente mais preocupadas com seu modelo de gesto.
Com os recentes avanos tecnolgicos no campo da computao, o marketing de
relacionamento passou a ser visto com outros olhos e est tornando-se realidade em
muitas organizaes. Ferramentas como grandes bancos de dados e data mining

transformaram a gesto de relacionamento do cliente em uma nova rea, onde as

empresas que buscam vantagem competitiva devem dar ateno especial.
Tais avanos tecnolgicos permitiram a implementao de diversas ferramentas
tanto de predio como de descrio de padres em grandes bases de dados. Diversas
teorias e modelos que antes eram inviveis devido ao seu alto custo computacional,
agora so aplicveis e servem de suporte para as polticas das corporaes. A minerao
de dados uma destas ferramentas que virou realidade e vem aprimorando-se nas
ltimas dcadas.
De acordo com Han; Kamber (2006), data mining pode ser definido como
extrao - minerao - de conhecimento de grandes quantidades de dados. Este estudo
focar no modo como as organizaes usufruem da informao extrada por meio desta
ferramenta e quais estratgias elas utilizam-se para guiar suas decises e polticas de
forma pr-ativa e consistente. As ferramentas da minerao de dados possibilitam que
as dvidas que antes eram deixadas de lado sejam sanadas de forma rpida e eficaz
possibilitando assim, a implementao da gesto de relacionamento do cliente como
modelo de negcio.

1. Objetivos
Analisar um sistema de Gesto de Relacionamento do Cliente (CRM) e verificar
a abordagem data ao software em relao aos conceitos data mining Dimenso,
Modelo e Algoritmo aplicados ao Customer Relationsship Management.

2. Objetivos Especficos
Uma aplicao de CRM pode adotar diversas abordagens e tipos de modelagens
diferentes. Esta pesquisa est focada em analisar a abordagem (Dimenso, Modelo,
Algoritmo) escolhida por uma empresa de software de Ribeiro Preto em seu respectivo
sistema. Portanto, os objetivos especficos deste trabalho so:
i.

Identificar quais dimenses da Gesto de Relacionamento do

Cliente que o software abrange;

ii.

Identificar e analisar o tipo de modelagem escolhida para o

sistema;

iii.

Identificar e analisar o algoritmo utilizado para realizar a

modelagem;

iv.

Analisar as aes que podem ser tomadas a partir do

conhecimento gerado pela aplicao;

v.

Comparar as informaes obtidas com a teoria;

vi.

Realizar um estudo de caso em uma empresa que desenvolve o

CRM e verificar o tipo de data mining utilizado por ela.

3. Justificativa
Aps o lanamento de diversos programas sociais e o aquecimento da economia
brasileira observamos o aumento na renda per capita nacional e consequentemente o
aumento do poder de compra do brasileiro. Assim, presenciamos a crescente migrao
entre as classes sociais, de acordo com a pesquisa Observador Brasil 2008 a classe C se
tornou predominante no Brasil no ano de 2007 contando com cerca de 46% da
populao. O aumento da renda em nosso pas moldou uma nova realidade para o
mundo dos negcios: um mercado aquecido, com mais renda, e clientes mais
criteriosos.
Com isso, as empresas se deparam com um novo cenrio, mais competitivo. A
diferenciao tornou-se requisito para que as empresas continuassem ativas e presentes
no mercado. A Gesto de Relacionamento do Cliente um dos modos para adotados
para cumprir tal requisito. Tanto para a prospeco como manuteno da carteira de
clientes da empresa feita atravs de uma aplicao CRM, portanto, a relevncia do
estudo fica evidente quando colocamos nesses termos.
Esta pesquisa tem o intuito de servir como um guia inicial, tanto para pequenas e
mdias empresas como para os produtores de sistemas CRM, onde ser apresentado
tudo aquilo que a gesto de relacionamento do cliente pode oferecer de benfico para as
organizaes e seus clientes.

10

4. Proposies
As proposies deste estudo so:
i.

Existem empresas localizadas em Ribeiro Preto que produzem

aplicaes CRM que se utilizam das tcnicas de data mining;

ii.

Definida a abordagem a ser atribuda ao sistema, este desempenha

papel fundamental na gesto de relacionamento do cliente.

5. Processos Metodolgicos
5.1. Carter da Pesquisa
Este trabalho possui carter exploratrio, pois visa identificar a abordagem
utilizada na produo de sistemas CRM. Com uma anlise qualitativa sobre o tema
proposto pretende-se avaliar se tudo aquilo que a teoria prope realmente utilizado e
aproveitado pelas empresas. De acordo com Gil (1999), este tipo de pesquisa
desenvolvida com o intuito de proporcionar uma viso geral sobre o objeto de estudo,
sobretudo, se o assunto ainda pouco explorado o que ocorre com temas e fenmenos
contemporneos.
O delineamento utilizado no desenvolvimento desta pesquisa foi o mtodo do
estudo de caso. Yin (2005) com muita propriedade define o estudo de caso como um
estudo emprico que investiga um fenmeno contemporneo onde as fronteiras entre
fenmeno e realidade ainda no esto bem definidas e para sua verificaao so
utilizadas varias fontes de evidencia.
Quanto coleta de dados, Gil (1999, p.65) ressalta que o elemento mais
importante para a identificao de um delineamento o procedimento adotado para a
coleta de dados. Neste trabalho optou-se por duas fontes de evidncia, a entrevista e a
observao direta. Nesta, viu-se o sistema operando em uma base de dados e as
possibilidades que ele oferece organizao que o utiliza; naquela, por meio de um
protocolo de pesquisa, verificou-se o parecer da empresa em relao ao sistema e todas
as informaes que provm dele.

11

5.2. Escolha do caso

A amostragem utilizada no trabalho foi a no probabilstica no dependem de
fundamentao matemtica, depende somente do critrio de escolha do pesquisador.
Foram consideradas empresas do ramo de tecnologia com nfase em sistemas
CRM. Realizou-se ento, um estudo com a empresa: Vrtice Sistemas, empresa que
produz sistemas CRM localizada em Ribeiro Preto .

5.3. Variveis Avaliadas

A entrevista foi conduzida durante a observao direta do sistema em
funcionamento, para gui-la foi elaborado um protocolo de pesquisa com questes
abertas (Quadro I Questes) importantes para a compreenso do funcionamento do
sistema. Baseado na literatura sobre o tema, este roteiro visa identificar a abordagem
(Dimenso, Modelagem, Algoritmo) adotada pela Vrtice Sistemas.

Roteiro de entrevista utilizado na entrevista na empresa selecionada para o estudo de

caso:

1) Este um sistema independente ou um mdulo de um ERP?

2) O que preciso para utilizar este sistema?
3) Como utilizar a base de dados de um cliente para extrair informaes relevantes
para a empresa?
4) Existe algum padro para estabelecer quais dados de entrada so relevantes?
5) Como o sistema faz o cruzamento dos dados?
6) Quais tcnicas de data mining o sistema utiliza?
7) Existem outras tcnicas utilizadas alm das de data mining?
8) Quais os algoritmos utilizados?
9) Como interpretar os dados de sada?
10) Como transformar essa informao em conhecimento?
Quadro I - Questes

12

Com as questes elaboradas no Quadro I Questes foram analisadas as seguintes

variveis:
Tabela I Variveis

Tpicos
Dados

Variveis
- Dados de entrada

Perguntas
1, 2, 3, 4, 5

- Cruzamento dos dados

- Dados de sada
Data Mining

- Dimenso

5, 6, 7, 8

- Modelagem
- Algoritmo
Conhecimento

- Informao gerada

9, 10

5.4. Anlise dos Dados

Pelo fato desta pesquisa ser baseada em um estudo de caso, no ser discutido
um rigidamente os dados coletados e sua interpretao. Todo o material coletado
durante o processo ser analisado e comparado com um referencial terico a fim de ser
organizado e verificar as concluses obtidas.

13

6. Embasamento Terico

6.1. Data Mining (Minerao de dados)

Data mining uma expresso que pode ser traduzida para a lngua portuguesa
como minerao ou garimpo de dados. definido como sendo a capacidade de
encontrar e extrair o conhecimento implcito em grandes bases de dados. E atravs de
sofisticados algoritmos estatsticos so encontrados padres e correlaes capazes de
gerar valiosas informaes para a organizao.
No entanto a minerao de dados parte de um processo maior, conhecido como
KDD (Knowledge Discovery in Databases) que dividido em sete etapas.
Primeiramente remove-se todo tipo de dado inconsistente, pode-se tambm fazer a
integrao entre diversas bases de dados formando assim uma data warehouse. Usa-se
ento o tipo de modelagem escolhida (uma ou mais das tcnicas de data mining) para
identificar os padres implcitos a amostra de dados. Por fim, interpreta-se a informao
obtida transformando-a em conhecimento e utilizando-o toma-se a ao desejada.
Portanto, no podemos descartar certos fatores como entender o negcio, sua base de
dados e ter conhecimentos sobre mtodos estatsticos antes de confiar totalmente em
uma informao gerada. O garimpo de dados ajuda a empresa de modo analtico,
gerando hipteses sem, contudo, valid-las.
As atuais tcnicas de data mining so resultado de longos anos de pesquisa e
desenvolvimento. Sua origem encontra-se nos primeiros computadores que j tinham a
capacidade de armazenar dados, evoluindo com at chegarmos aos dias de hoje, onde
podemos trabalhar com todos os dados em tempo real. A linha de evoluo
apresentada na seguinte tabela:

14

Estgio

Questes

Tecnologias

Coleta de dados

Qual a mdia das

Computadores,

(1960s)

receitas nos ltimos

Fitas, Discos

Fornecedores
IBM, CDC

Caractersticas
Retrospectivo, entrega
de dados estticos

cinco anos?
Acesso dos
Dados (1980s)

Quantidades de

Sistemas

Oracle, Sybase,

Retrospectivo, entrega

unidades vendidas

integrados,

Informix, IBM,

de dados dinmica

em New England em

Linguagem de

Microsoft

(relatrios)

maro?

banco de dados
(SQL), ODBC

Navegacao de

Quantidades de

Bases de dados,

Pilot, IRI,

Retrospectivo, entrega

dados (1990s)

unidades vendidas

OLAP

Arbor,

de dados dinmica em

em New England em

Redbrick,

vrios nveis

maro? E com

Evolutionary

relao Boston?

Technologies

Minerao de

Previso de vendas

Algoritmos

Lockheed, IBM,

Prospectivo, entrega de

Dados (2000)

na unidade de

avanados,

SGI

informao pr-ativa

Boston para o

multiprocessadores,

prximo ms? Por

bases de dados

qu?

massiva
Fonte: Traduo do Autor

A minerao de dados d seus primeiros passos nos anos 60 onde a computao

ainda caminhava a passos lentos e conseguamos extrair informaes daquilo que j
havia acontecido como, por exemplo: pequenos relatrios. Nos anos 80, a
manipulao de dados tornou-se mais dinmica devido ao desenvolvimento de uma
linguagem de banco de dados (SQL). A partir dos anos 90, as empresas j possuam
sistemas integrados bem desenvolvidos que a tornavam ainda mais dinmica,
permitindo a extrao de informaes em vrios nveis da organizao. Por volta do ano
de 2000, computadores com multiprocessadores, algoritmos avanados e massivas bases
de dados entram no mercado, possibilitando a extrao de conhecimento prospectivo e
pr-ativo da data warehouse.

15

Pode-se ver que os avanos tecnolgicos auxiliaram e muito o desenvolvimento

da minerao de dados que por sua vez, vem tornou-se uma ferramenta cada vez mais
importante para as empresas que buscam aumentar sua vantagem competitiva.

6.2. Customer Relationship Management - (Gesto de Relacionamento

do Cliente)
Customer Relationship Management, tambm conhecido como CRM pode ser
traduzido para a lngua portuguesa como Gesto de Relacionamento do Cliente ou
GRC. Define claramente toda uma classe de instrumentos que facilitam o contato com o
cliente, o elo entre cliente e empresa. Auxilia as organizaes a criarem e manterem
um bom relacionamento com seus consumidores.
tido como uma abordagem de negcio, onde a empresa coloca o cliente como
centro de todos os seus processos, e os desenha de tal forma a entender e antecipar as
necessidades dos clientes atuais e em potencial a fim de supri-las da melhor maneira
possvel. Deste modo, considerado um sistema de gesto com foco no cliente. Os
softwares que auxiliam este modelo so denominados sistemas de CRM.
Os processos de gesto que se assentam em tais sistemas esto sem dvida na
linha de frente em termos estratgicos no apenas de marketing, mas a mdio prazo em
termos econmicos - financeiros. Sendo assim, as empresas passam a conhecer
profundamente seus clientes, o que eles precisam, em qual perfil de consumidor se
enquadram, conseguindo dar respostas rpidas e personalizadas, antecipando suas
vontades e respondendo de forma precisa seus atuais desejos.
A tecnologia apenas responder estratgia do negcio, auxiliando na captura
de dados e consolidao da data warehouse de modo a tornar a estratgia de CRM mais
inteligente. Adicionalmente, integra o marketing e as tecnologias de informao j
existentes, de forma a dotar a empresa de meios eficazes e integrados de atender,
reconhecendo e cuidando do cliente em tempo real. As aplicaes de CRM transformam
os dados recolhidos em informao que, quando disseminada permite a identificao do
cliente e a compreenso do seu perfil.

16

6.3. Minerao de dados e a Gesto de Relacionamento do Cliente

Depois de estudar os conceitos de data mining e CRM vemos que possvel
relacion-los e aplic-los de forma a aumentar a competitividade das empresas.
De acordo com Swift (2001), Parvatiyar; Sheth (2001) e Kracklauer; Mills;
Seifert (2004) o CRM consiste em quatro dimenses:
(a) Identificao;
(b) Atrao;
(c) Reteno;
(d) Desenvolvimento;
Essas quatro dimenses podem ser vistas como um ciclo de vida do cliente que
visa criar um profundo conhecimento sobre este a fim de maximizar o seu valor, no
longo prazo, para a empresa. Assim, as tcnicas de data mining auxiliam tal objetivo
detectando padres comportamentais na base de dados. Cada tcnica de minerao de
dados consiste em criar um modelo que utilize um ou mais dos seguintes tipos de
modelagem:
(a) Associao;
(b) Classificao;
(c) Clustering (Aglomerao);
(d) Predio;
(e) Regresso;
(f) Sequenciamento;
(g) Visualizao;
Existem ainda diversas tcnicas de computao para cada tipo de modelagem. A
escolha de uma determinada tcnica deve ser baseada em caractersticas da base de
dados e nos requerimentos do negcio (CARRIER; POVEL, 2003).
Seguem alguns dos algoritmos mais utilizados:
(a) Regras de associao;
(b) rvores de deciso;
(c) Algoritmos genticos;
(d) Redes neurais;

17

(e) K-NN;
(f) Regresses lineares e logsticas;
Segue ainda, uma figura que demonstra o CRM em suas quatro dimenses
juntamente com os tipos de modelagem. Em qual fase da gesto de relacionamento do
cliente cada uma exerce seu papel e quais elementos podem ser trabalhados a partir das
informaes extradas. Essa figura baseada nas pesquisas desenvolvidas por Swift
(2001), Parvatiyar; Sheth (2001) e Kracklauer et al. (2004).

Fonte: Adaptado pelo autor de NGAI et al. (2009)

Neste estudo, CRM definido como um modelo de negcio que permite que as
organizaes conheam melhor seus clientes e desta forma faam uma melhor alocao
de seus recursos e esforos para o grupo que lhe for mais lucrativo ao longo do seu ciclo

18

de vida. Com base nisso estudaremos as quatro dimenses da gesto de relacionamento

do cliente.

Identificao: esta dimenso consiste na segmentao da base de dados,

onde a empresa marca os clientes em potencial ou os mais lucrativos.
Serve ainda, para analisar quais clientes foram perdidos para a
concorrncia e d base estratgica para saber como reconquist-los.

Atrao: aps a segmentao da base de dados da empresa, possvel

direcionar recursos e esforos para atrair o segmento alvo. Aes como
marketing direto so bem comuns nesta etapa.

Reteno: pode ser considerada a idia central do CRM. Nesta etapa o

objetivo a satisfao do consumidor (satisfao pode ser definida como
a comparao entre o que o cliente espera e o que ele de fato percebe)
que por sua vez uma condio essencial para uma prspera relao de
longo prazo. Polticas como programas de fidelidade, marketing one - to
- one e gesto de queixas so populares nesta fase.

Desenvolvimento: aps definir o pblico alvo, atra-lo, e conseguir

satisfaz-lo, cabe a empresa intensificar o numero de transaes, seu
valor e o lucro obtido com cada consumidor de modo consistente.
Iniciativas como vendas up/cross, anlise de cestas de mercado e valor
de vida do cliente so abundantemente utilizadas.

Neste contexto o processo de minerao de dado pode ser visto como um

processo de descobrimento de valiosas informaes que guiam as polticas e decises da
empresa. Em cada uma das dimenses do CRM um ou mais tipos de modelagem podem
ser abordados estudaremos aqui as que geralmente so utilizadas.

Associao: descobrem-se relaes entre os dados que so representados

por regras de associao ou cestas de itens. Um clssico exemplo deste
tipo de modelagem beer diaper (WalMart).

Classificao:

construdo

um

modelo

de

predio

para

comportamento futuro do consumidor atravs de uma partio dos

elementos da base de dados feita com um critrio previamente
estabelecido.

19

Clustering (Aglomerao): aloca os elementos da base de dados em

aglomerados (clusters) sem ter um critrio previamente estabelecido.

Predio: faz-se uma estimativa do comportamento futuro baseado em

padres previamente registrados. um modelo matemtico baseado em
sries temporais. Previso de demanda um tpico exemplo deste tipo de
modelagem.

Regresso: tcnica estatstica que visa aproximar os dados atravs de

uma equao e assim conseguir enxergar como se comportam.
Regresses lineares e logsticas so comumente utilizadas.

Sequenciamento: o objetivo deste tipo de modelagem os estados dos

processos de gerao de sequncia ou relatrio de desvio e tendncias ao
longo do tempo. a identificao de padres ou associaes ao longo do
tempo. Envolve ferramentas estatsticas e teoria dos conjuntos.

Visualizao: refere-se a apresentao dos dados de tal modo que o

usurio possa visualizar os padres encontrados. utilizado em conjunto
com outros tipos de modelagem a fim de facilitar a compreenso da
informao encontrada.

Com isso podemos utilizar alguns dos tipos de modelagem para cada etapa do
ciclo de vida do cliente em conjunto a fim de obter conhecimento para direcionar a
gesto da empresa. Contudo, fica evidente a vastido de possibilidades que uma
aplicao de CRM pode oferecer, assim, o estudo ir focar-se em uma abordagem
especifica (Identificao, Classificao, rvore de Deciso).

20

6.4. Abordagem (Identificao, Classificao, rvore de Deciso)

6.4.1. Dimenso: Identificao
V-se que existem vrios modos de usar as tcnicas de data mining durante a
gesto de relacionamento do cliente, neste captulo ser apresentada uma abordagem
especfica e no escolhida aleatoriamente. Pode-se dizer que a dimenso Identificao
o primeiro passo para gerir uma carteira de clientes.
Esta dimenso considerada um ponto crtico para a organizao, neste
momento que a empresa se posiciona perante a sociedade e tambm define sua
estratgia de marketing a qual servir como ponto de apoio e subsidiar as decises
tomadas pelo gestor.
A segmentao de mercado baseia-se na idia de que um produto comum no
pode satisfazer as necessidades de desejos de todos os consumidores. Existem diversas
variveis que influenciam nas preferncias do consumidor, como por exemplo: regio
geogrfica, hbitos de compra e estilo de vida.
De acordo com Kotler (2009) a segmentao de mercado comea com a
distino de necessidades e interesses dos clientes e no dos produtos. Tais segmentos
so uma subdiviso do mercado em subconjuntos homogneos de clientes com mesmas
necessidades, interesses e desejos.
atravs desta partio da base de dados que a empresa direciona um composto
de marketing especifico alcanando de forma eficaz o pblico alvo desejado, gastando
menos dinheiro e no incomodando outros clientes com aes desnecessrias.
A empresa pode marcar os clientes em potencial ou os mais lucrativos. Serve
ainda, para analisar quais clientes foram perdidos para a concorrncia e d base
estratgica para saber como reconquist-los.

21

6.4.2. Modelagem: Classificao

Como se sabe, as bases de dados possuem uma vastido de informaes
implcitas que podem ser utilizadas de forma pr ativa a fim de dar suporte s decises
gerenciais. A classificao uma forma de anlise de dados que extrai modelos que
descrevem padres de comportamento.
Este tipo de modelagem descreve padres categoriais - rtulos - na base de
dados - passo fundamental na segmentao. Muitos dos mtodos de classificao foram
propostos por pesquisadores nas reas de estatstica, reconhecimento de padres e
machine learning. Existem diversos algoritmos utilizados para realizar a classificao,
entre eles: rvore de deciso, redes neurais, Naive Bayes.
De acordo com Han; Kamber (2006) a classificao um processo de anlise de
dados de duas etapas. A primeira conhecida como Aprendizado, onde um classificador
construdo com a finalidade de descrever uma srie de critrios ou conceitos
previamente estabelecidos. nesta etapa em que o algoritmo cria o classificador a partir
dos rtulos atribudos a uma determinada parcela da amostra de dados, como
representado esquema a seguir:
Amostra
Nome
Sandy Jones
Bill Lee
Caroline Fox
Rick Field
Susan Lake
Claire Phips
Joe Smith
...

Idade
Jovem
Jovem
Meia Idade
Meia Idade
Adulto
Adulto
Meia Idade
...

Renda
Baixa
Baixa
Alta
Baixa
Baixa
Mdia
Alta
...

Algoritmo de Classificao

Regras de Classificao
SE idade = Jovem ENTO deciso = Arriscado
SE renda = Alta ENTO deciso = Seguro
SE idade = Meia Idade E renda = Baixa ENTO deciso = Arriscado
...
Fonte: Adaptao do Autor de Han; Kamber (2006)

Deciso
Arriscado
Arriscado
Seguro
Arriscado
Seguro
Seguro
Seguro
...

22
Observa-se no esquema acima um exemplo de deciso de liberao de emprstimo,
dada a base de clientes do credor com seus respectivos atributos (nome, idade, renda, deciso).
Roda-se ento o algoritmo de classificao em uma amostra aleatria da base de dados e assim
cria-se o classificador (ou regras de classificao). A segunda etapa do processo de
Classificao representada esquema seguir:

Base de dados
Nome
Juan Bello
Sylvia Crest
Anne Yee
...

Idade
Adulto
Meia Idade
Meia Idade
...

Renda
Baixa
Baixa
Alta
...

Deciso
Seguro
Arriscado
Seguro
...

Regras de Classificao

Nova Informao
(John Henry, meia idade, baixa, deciso?)

Arriscado
Fonte: Adaptao do Autor de Han; Kamber (2006)

Aps a criao do classificador, utiliza-se o modelo diretamente na base de

dados, como por exemplo: John Henry (um objeto da base de dados), meia idade, baixa
renda, o credor deve liberar um emprstimo para este cliente? Aps rodar o modelo
observa-se que John Henry foi classificado como Arriscado, portanto cabe ao gestor a
deciso de liberar ou no o emprstimo ao objeto em questo.
Na segunda etapa do processo de Classificao o modelo criado utilizado para
classificar a base de dados. Contudo, interessante saber o quo preciso o modelo
criado e para isso estima-se sua preciso. Faz-se tal estimao pelo fato de que o modelo
pode incorporar anomalias durante a criao das regras de classificao comprometendo
deste modo o modelo.
O processo de Classificao mostra-se de suma importncia para a segmentao
de mercado e analise de publico alvo, gerando informaes vitais para a organizao

23

elaborar sua estratgia de marketing e apoiar as decises gerenciais durante o

posicionamento da organizao perante a sociedade.

6.4.3. rvore de Deciso

Para modelar o processo de Classificao pode-se adotar vrios algoritmos,
entre eles: C4.5, CART, KNN, Naive Bayes, redes neurais e rvores de deciso. Para
dar embasamento terico ao estudo de caso realizado aprofundaremos a teoria em
relao ao algoritmo de rvore de Deciso.
Han; Kamber (2006) definem rvore de Deciso como sendo o aprendizado por
induo atravs das regras de classificao criadas a partir de uma amostra aleatria da
base de dados pelo algoritmo. um fluxograma com estrutura de rvore onde cada n
representa um teste a ser realizado em cada atributo do objeto contido na base de dados.
A figura a seguir representa um tpico exemplo de rvore de deciso:

idade

jovem

meia idade

estudante?
no
no

adulto

crdito

sim
sim
sim

razovel
no

timo
sim

Fonte: Adaptao do Autor de Han; Kamber (2006)

Ao analisarmos o atributo idade seguem uma srie de outros atributos a serem

considerados para se tomar uma deciso neste exemplo de qual consumidor comprar
ou no um determinado produto. Por exemplo: se for uma pessoa jovem, em que
situao ele comprar o produto? Neste caso, se ele for um estudante ele apresentar
mais chances de comprar o produto, com isso, as aes corporativas podem focar neste
grupo especfico visando atingir o maior nmero de pessoas com probabilidade de
adquirirem este produto ou servio.

24

Este algoritmo amplamente usado, pois a rvore de Deciso comumente

aplicada para a construo de regras de classificao. Este tipo de representao
intuitiva e facilmente assimilada pelos seres humanos, por isso aplicada em diversas
reas como medicina, produo, anlise financeira e astronomia. rvores de Deciso
compe a base de diversos sistemas disponveis no mercado.

7. Resultados Vrtice Sistemas

Criada a partir de uma tradicional empresa do ramo de software - Consinco - a
Vrtice sistemas sediada na cidade de Ribeiro Preto atua no segmento de sistemas de
gesto de relacionamento do cliente h quinze anos, auxiliando o cliente em todo o
processo desde o desenvolvimento do projeto ao treinamento dos funcionrios e
manuteno do sistema.
O software estudado foi o Vrtico CRM que um sistema nico que integra
programas de Relacionamento com o Cliente, Workflow e BPMS (Business Process
Management System) com a possibilidade de ser integrado com qualquer ERP
(Enterpri) disponvel no mercado - processo realizado atravs de um programa
intermedirio que realiza esta comunicao.
Com uma carteira de cliente composta em sua maioria por empresas do setor
automotivo (concessionrias), o Vrtico se utiliza de uma interface objetiva onde se
criam nveis de acesso para os funcionrios, limitando o fluxo desnecessrio de
informao sigilosa entre os pontos de acesso do sistema. Ferramenta necessria dentro
de um mercado altamente competitivo.
Analisando o sistema, verifica-se que ele se utiliza das ferramentas de data
mining, mais especificamente da abordagem escolhida durante o embasamento terico
(Identificao, Classificao, rvore de Deciso). O software opera em cima de uma
base de dados onde realiza a segmentao de mercado e identifica clientes em potencial,
com a possibilidade de utilizar o Modelo RFV (Recncia, Frequncia e Valor) onde
possvel traar uma curva ABC e calcular o valor de vida do cliente.

Atravs da implementao do algoritmo de rvores de Deciso, o sistema

possibilita a criao de filtros (critrios) a serem utilizados nica ou conjuntamente a

25

fim de segmentar a carteira de clientes. Aps a segmentao o gestor, analisando a

realidade da empresa, dispara aes diretas como exemplo: contato, mala direta,
suporte, vendas - para cada responsvel por aquele segmento especfico.
O Vrtico CRM ainda conta com ferramentas de previso baseadas em
regresses lineares, dando suporte tanto para a prospeco de cliente como para a
estipulao de metas e objetivos.
A Vrtice Sistemas est desenvolvendo uma nova possibilidade para o Vrtico
CRM, atualmente em fase de testes encontra-se uma ferramenta de clustering que
operando em cima de uma data warehouse descobre padres escondidos que antes
poderiam passar despercebidos durante a criao dos filtros.

26

8. Concluses
Nas duas ltimas dcadas com o aquecimento da economia brasileira tornou-se
visvel e imprescindvel para as empresas a diferenciao de seus produtos e servios,
com a constante migrao entre as classes sociais e o aumento no fluxo da informao,
os consumidores brasileiros esto se tornando cada vez mais criteriosos.
Um dos caminhos escolhidos para a diferenciao das empresas a Gesto de
Relacionamento do Cliente (CRM) onde o cliente colocado como centro do modelo de
negcio e deve ser constantemente monitorado a fim de ter suas preferncias e desejos
atendidos sempre que possvel.
Para se aplicar tal conceito de gesto necessrio um meio de monitorar a
carteira de clientes; um sistema de Gesto de Relacionamento do Cliente. O qual se
baseia em vrias tcnicas computacionais e abordagens distintas, entre elas a minerao
de dados - que vem mostrando timos resultados.
Portanto, um sistema de Gesto de Relacionamento do Cliente aliado as tcnicas
de data mining se mostra uma importante ferramenta de analise e suporte para o
gerenciamento de qualquer empresa que busca a diferenciao atravs da gesto da
carteira de clientes.

27

Referncias Bibliogrficas
CARRIER C. G. ; POVEL O. Characterizing data mining software. Intelligent
Data Analysis, 7: 181192: 2003.
GIL, ANTONIO CARLOS. Mtodos e Tcnicas de Pesquisa Social. So Paulo: Atlas,
1999.
HAN J. ; KAMBER M. Data Mining: Concepts and Techniques 2.ed. Illinois: Elsevier
2006.
KRACKLAUER A. H. ; MILLS D. Q. ; SEIFERT D. Customer management as the
origin of collaborative customer relationship management. Collaborative Customer
Relationship Management - taking CRM to the next level, 36, 2004.
KOTLER P.; KELLER K. L. Administrao de marketing 12.ed. Pearson Education do
Brasil. So Paulo: 2009.
NGAI E. W. T. ; XIU LI; CHAU D. C.K. An Application of data mining techniques in
customer relationship management: A literature review and classification. Expert
Systems with Applications, 36: 2592-2602, 2009.
PARVATIYAR A.; SHETH J. N. Customer relationship management: Emerging
practice, process, and discipline. Journal of Economic & Social Research 3: 134, 2001.
SWIFT R. S. Accelerating customer relationships: Using CRM and relationship
technologies. N.J.: Prentice Hall PTR. 2001.
YIN R. K. Estudo de caso: Planejamento e Mtodos 3.ed. Porto Alegre: Bookman 2005.

28

Anexo I Empresa
Sede: Ribeiro Preto
Endereo na internet: http://www.vortice.inf.br/
Principais Atividades: Vinda de uma tradicional empresa no segmento de softwares a
Consinco a Vrtice Sistemas assume o mercado de CRM (Customer
Relationship Management) como negcio estratgico e em plena ascenso.
Com sede em Ribeiro Preto (SP), e no mercado de softwares para a gesto
do relacionamento com clientes h mais de 15 anos, auxilia seus clientes em
todas as etapas necessrias ao desenvolvimento de um bom projeto de
relacionamento com o cliente.
Orientando os clientes desde a aquisio de equipamentos formao das
equipes de atendimento, vendas, marketing, T.I.. Empresas dos segmentos de
educao, indstria, varejo, concessionrias de veculos, administradoras de
consrcios, entre outros, j convivem h anos com os resultados de uma
ferramenta de CRM.