Um Estudo Comparativo Entre Algoritmos de Aprendizagem de Máquina Supervisionados para Predição de Solução de Reclamações no Procon

Abstract

A utilização de algoritmos de aprendizado de máquina já é uma realidade nas empresas e indús trias. Sua utilização visa melhorar os processos, otimizar suas estratégias e, consequentemente, maximizar os lucros. Essa realidade já é comum em várias empresas ao redor do mundo, como Netflix, Facebook, Amazon, Walmart, entre outras. No Brasil, vários órgãos, empresas e institui ções ainda carecem da utilização de algoritmos de aprendizado de máquina para alavancarem seus resultados, como é o caso do PROCON - Programa de Proteção e Defesa do Consumidor. Este órgão está presente em todos os estados brasileiros e tem como finalidade tratar conflitos entre consumidores e empresas que vendem produtos ou prestam serviços. A fim de prever para novas entradas de reclamações, se elas serão solucionadas ou não, este trabalho tem como objetivo realizar um estudo comparativo entre seis algoritmos de aprendizado de máquina so bre dados de reclamações, realizadas por meio do PROCON. Foi utilizada uma metodologia exploratória e descritiva, conjuntamente à metodologia CRISP-DM, com o intuito de auxiliar na compreensão do problema, interpretação e preparação dos dados, modelagem, avaliação dos resultados e disponibilização da solução. Resultados demonstram que, para algumas técnicas, é possível obter mais de 70% de acurácia na predição de atendimento das reclamações, isto é, se a reclamação foi atendida ou não. Dentre as técnicas aplicadas, o algoritmo Random Forest foi o que obteve os melhores resultados, chegando a 73,34% de acurácia.