Aplicação de mineração de dados para identificação de possíveis inadimplentes em uma cooperativa do ramo agrícola
Resumo
A inadimplência é um problema que afeta tanto os consumidores quanto as empresas, comprometendo o crédito e gerando prejuízos financeiros. Estudos recentes 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 artigo, é descrito o desenvolvimento de 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.
Referências
Brasil (2023). Declaração de aptidão ao pronaf (dap). Disponível em: [link]. Acesso em: 10/06/2023.
Castanheira, L. G. (2008). Aplicação de técnicas de mineração de dados em problemas de classificação de padrões. Master’s thesis, Universidade Federal de Minas Gerais.
Cássio Oliveira Camilo, J. C. d. S. (2009). Mineração de dados: Conceitos, tarefas, métodos e ferramentas. Instituto de Informática Universidade Federal de Goiás.
da Silva Ribeiro, H. (2020). Classificação de clientes utilizando mineração de dados. Master’s thesis, Pontifícia Universidade Católica de Goiás, Goiânia.
dos Santos, P. F. (2022). Uso de técnicas de machine learning para análise de risco de crédito. Master’s thesis, Universidade de Brasília, Brasília.
Experian (2023). Inadimplência atinge 27% dos produtores rurais brasileiros, revela serasa experian. Disponível em: [link]. Acesso em: 30/05/2023.
Fayyad, U. M. (1996). Advances in Knowledge Discovery Data Mining. MIT Press, Massachusetts, Estados Unidos, 1º edição edition.
Ferreira, J. C. (2018). knowledge discovery in database e data mining: uma contribuição bibliométrica. encontro nacional de engenharia de producao, XXXVIII(18).
Frank, E. (2023). Class classbalancer. Disponível em: [link]. Acesso em: 09/07/2023.
IBGE (2022). Instituto brasileiro de geografia e estatística. Disponível em: [link]. Acesso em: 10/06/2022.
Kharwal, A. (2021). Class balancing in machine learning. Acesso em: 09/07/2023.
Reis, M. A. (2022). Modelo preditivo de risco de crédito para cooperativas de agronegócio. Master’s thesis, Universidade de Brasília, Brasília.
Serasa (2023). Número de inadimplentes cai pelo segundo mês seguido, diz serasa. Disponível em: [link]. Último acesso em: 30/05/2023.
Weka (2023). Weka wiki. Disponível em: [link]. Acesso em: 09/07/2023.
