$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Formato DC|



Título: UMA APLICAÇÃO DE DATA SCIENCE UTILIZANDO O KNIME PARA DESCOBERTA DE REGRAS DE ASSOCIAÇÃO EM UM MARKETPLACE DE VENDAS DE VAREJO
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Autor(es): LUCAS SEIXAS JAZBIK
MURILO DE SAN T ANNA FONSECA ALVES

Colaborador(es):  FERNANDA ARAUJO BAIAO AMORIM - Orientador
BRUNO FANZERES DOS SANTOS - Coorientador
Número do Conteúdo: 47111
Catalogação:  17/03/2020 Idioma(s):  PORTUGUÊS - BRASIL

Tipo:  TEXTO Subtipo:  TRABALHO DE FIM DE CURSO
Natureza:  PUBLICAÇÃO ACADÊMICA
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=47111@1
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.47111

Resumo:
O advento da Internet possibilitou um crescimento exponencial na quantidade de dados gerados, de tal modo que atualmente geramos 2,5 quintilhões de bytes diariamente. Tal volume de informação é um mar de oportunidades para as empresas conhecerem melhor seus consumidores e públicos alvos. Por exemplo, a Amazon1, baseada na localização geográfica dos consumidores que buscam por produtos em seu site, envia previamente os itens mais buscados para os hubs de distribuição próximos ao local que concentrou a maior quantidade de procuras, já prevendo uma demanda por esses itens. Entretanto, a Amazon é uma exceção em relação à maioria das empresas existentes, de tal modo que ainda há muito espaço para o surgimento e crescimento de setores voltados para a Ciência de Dados em empresas de varejo. Os avanços na pesquisa e prática em Ciência de Dados vêm há muito tempo propondo e disponibilizando para uso diversas técnicas que visam explorar bancos de dados e encontrar padrões úteis e desconhecidos previamente. Dentre as diversas técnicas existentes, a que será utilizada nesse trabalho será a de aprendizado de regras de associação, sua função consiste em encontrarmos padrões de ocorrência simultânea de itens em um determinado conjunto de dados representando transações. Tal descoberta é importante, pois utilizada em um contexto de vendas pode servir como vantagem para que se ofereçam produtos de forma conjunta, por exemplo: Se o estudo apontar que martelos e pregos aparecem frequentemente juntos, é inteligente oferecer pregos sempre que um cliente compra martelos. Utilizaremos o algoritmo APRIORI, por meio do software KNIME como ferramenta para o aprendizado das regras de associação entre itens comprados em sites de varejo online que utilizam o canal de vendas Olist. Os dados relacionados a este cenário foram obtidos no portal Kaggle, um repositório de benchmarks para aplicações de descoberta de conhecimento bastante conhecido na área. A escolha por esse algoritmo se deu pois o mesmo é de uso mais frequente tanto na prática quanto na literatura voltada para aprendizado de regras de associação. Nos resultados obtidos por esse trabalho foram encontradas algumas cestas de itens frequentes. A metodologia de Ciência de Dados seguida neste trabalho, contemplando asa nálises exploratórias realizadas, o racional das decisões tomadas para limpeza e preparação dos dados, a codificação do workflow e a configuração dos cenários que compuseram o experimento para o aprendizado das regras de associação, assim como os insights desenvolvidos a partir dos resultados obtidos podem servir de inspiração para stakeholders envolvidos com cenários semelhantes, em particular em ambientes de compra e venda online varejistas, como possível forma de analisar suas informações históricas e propor estratégias para impulsionar suas vendas oferecendo de forma conjunta esses itens.

Descrição Arquivo
NA ÍNTEGRA  PDF  
Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui