Repositório Institucional do IFRS - Página Inicial

Aplicação de mineração de dados para identificação de possíveis inadimplentes em uma cooperativa do ramo agrícola

Show simple item record

dc.contributor.advisor Manica, Edimar pt_BR
dc.contributor.author Duarte, Jaisson pt_BR
dc.date.accessioned 2024-07-17T20:59:57Z pt_BR
dc.date.available 2024-07-17T20:59:57Z
dc.date.issued 2023
dc.identifier.uri https://dspace.ifrs.edu.br/xmlui/handle/123456789/1261
dc.description.abstract A inadimplência é um problema que afeta tanto os consumidores quanto as empresas, comprometendo o crédito e gerando prejuízos financeiros. Estudos recentes realizados pelas empresas Serasa e Serasa-Experian revelam a preocupante situação do Brasil nesse contexto. Além disso, as cooperativas do ramo agropecuário também enfrentam desafios em relação à inadimplência, uma vez que lidam com transações financeiras e têm um grande número de clientes, o que dificulta a avaliação de crédito. Neste trabalho de conclusão de curso, foi desenvolvido um modelo de classificação capaz de identificar os clientes com maiores chances de inadimplência. O modelo combina os algoritmos RandomizableFilteredClassifier e NaiveBayes, alcançando uma revocação de 67%. Dados reais, cedidos por uma cooperativa, foram utilizados incluindo informações financeiras, histórico de vendas e comercialização de grãos. O modelo resultante do trabalho tem como objetivo auxiliar os analistas de crédito na priorização dos clientes que deverão ser avaliados e assim e reduzir a inadimplência futura. pt_BR
dc.description.abstract Non-payment is a problem that affects both consumers and businesses, compromising credit and generating financial losses. Recent studies by Serasa and Serasa-Experian reveal Brazil’s worrying situation in this context. In addition, agricultural cooperatives also face challenges in relation to non- payment, as they deal with financial transactions and have a large number of customers, which makes credit evaluation difficult. In this graduation project, a classification model was developed to identify clients with the highest risk of non-payment. The model combines the RandomizableFilteredClassifier and NaiveBayes algorithms, achieving a recall of 67%. Real data, provided by a cooperative, was used, including financial information, sales history, and grain marketing. The resulting model of the work is intended to assist credit analysts in prioritizing the clients who will be evaluated and thus reduce future non- payment. en
dc.format.mimetype application/pdf pt_BR
dc.language.iso por pt_BR
dc.rights Open Access pt_BR
dc.subject Inadimplência (Finanças) pt_BR
dc.subject Cooperativas agrícolas pt_BR
dc.subject Mineração de dados pt_BR
dc.title Aplicação de mineração de dados para identificação de possíveis inadimplentes em uma cooperativa do ramo agrícola pt_BR
dc.type Trabalho de Conclusão de Graduação pt_BR
dc.degree.grantor Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul pt_BR
dc.degree.level Graduação pt_BR
dc.degree.date 2023 pt_BR
dc.degree.local Ibirubá, BR-RS pt_BR
dc.degree.graduation Bacharelado em Ciência da Computação pt_BR
dc.degree.department Campus Ibirubá pt_BR


Files in this item

Files Size Format View Description
1234567891261.pdf 532.2Kb PDF View/Open Texto completo

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account