Escolar Documentos
Profissional Documentos
Cultura Documentos
MÉTODOS QUANTITATIVOS
APLICADOS À GESTÃO
ESTRATÉGICA
Agenda do curso:
Agenda do curso:
Associação
Segmentação
Regressão linear
Regressão logística
Análise discriminante
Árvores de decisão
Redes neurais
Métodos Quantitativos Aplicados à Gestão Estratégica
Agenda do curso:
Datamining
Segmentação Descrição
Gráficos OLAP
Cluster
RFV Predição Estruturação Tabelas
Segmentação Classificação
Score
FATOR
Regressão
Árvores de
Decisão
Logística Discriminante
QUEST
Linear CHAID
CR&T
Métodos Quantitativos Aplicados à Gestão Estratégica
Agenda do curso:
Agenda do curso:
Análise fatorial
A análise fatorial é utilizada para identificar dimensões básicas
(constructos) nos dados de maneira a reduzir o número total de variáveis
por meio da eliminação da redundância, consistindo na identificação da
estrutura, redução do volume, construção de escalas e transformação dos
dados em novas variáveis não correlacionadas entre si.
Análise fatorial
Métodos de análise:
Eigenvalue
P_PROPRIO ,311 -,784
1
P_VERTICAL ,537 ,755
P_LIXO ,450 ,515
0
Extraction Method: Principal Component Analysis.
1 2 3 4 5 6 7 8 9 10
Rotation Method: Varimax with Kaiser Normalization.
Component Number
2
4
Métodos Quantitativos Aplicados à Gestão Estratégica
Agenda do curso:
Exemplo de divisão
Técnicas de agrupamento – RFV por tercil:
geralmente de 3 à 5, através de um
dos métodos abaixo: 10%
oFractis:
divisão da base em classes através 8%
Assinantes (%)
de cada dimensão, procurando manter os
grupos com aproximadamente o mesmo 6%
número de casos.
4%
oClasses: através da fixação do número de
classes desejado e do conhecimento do 2%
limite inferior e superior da dimensão,
defini-se o “range” de cada classe e aplica-
0%
se a classificação ao banco de dados. 1.000 3.000 5.000 7.000 9.000 11.000
2.000 4.000 6.000 8.000 10.000
Valor Pago na Assinatura (R$)
Métodos Quantitativos Aplicados à Gestão Estratégica
6000 À 8000 9
mais de 8000 10
Assinantes
R$ 1 à 100 2
100 à 300 4
300 à 500 6
10%
500 à 1000 8
5000
1000 à 2000 9
Colecionável mais de 2000 10
Tipo Normal 10
Normal Light 9
VIP 10
VIP Light 9
Semanal 6
35%
Comercial 6 2500
Lazer 2
Esporte 2
Fim de Semana 1
Assinatura Degustação 0
Forma Débito C/C 10
Débito Cartão 8
Carnê 3
Convênio 0
10% 0
DOC 0 1 2 3 4 5 6 7 8 9
Pagamento Faturada 0
Total da Pontuação
Pontuação Máxima 100%
Métodos Quantitativos Aplicados à Gestão Estratégica
2
Métodos Quantitativos Aplicados à Gestão Estratégica
Idade
X - Centros
Cluster
1 2 3 4
P_PROPRIO ,7303 ,6531 ,0380 ,5806
P_QUITANDO ,1240 ,0000 ,0000 ,1389
P_ALUGADO ,2050 ,1429 ,0272 ,3617 Final Cluster Centers
P_20M ,1582 ,0816 ,0109 ,1224
P_M3 ,1836 ,1429 ,7935 ,1351 Cluster
P_ESGOTO ,9367 1,0000 ,0326 ,0138 1 2 3 4
P_PROPRIO ,7330 ,8113 ,7733 ,6473
M_PESSOAS 2,7400 3,9800 3,2400 2,1000
P_QUITANDO ,1436 ,1107 ,0966 ,1106
P_SUPERIOR ,3412 ,1429 ,0000 ,4103
P_ALUGADO ,2057 ,1143 ,0907 ,2884
P_VERTICAL ,5684 ,0985 ,0067 ,8778
P_20M ,2267 ,1371 ,0360 ,1465
P_M3 ,1379 ,3221 ,4769 ,1638
P_ESGOTO ,7421 ,6090 ,2256 ,3264
M_PESSOAS 2,7188 3,3848 3,3496 2,4720
P_SUPERIOR ,3928 ,2097 ,0759 ,3331
P_VERTICAL ,7062 ,1539 ,0934 ,7842
Métodos Quantitativos Aplicados à Gestão Estratégica
3
5
Métodos Quantitativos Aplicados à Gestão Estratégica
3
6
Métodos Quantitativos Aplicados à Gestão Estratégica
Agenda do curso:
Técnicas de Regressão
Logística Discriminante
Linear
Métodos Quantitativos Aplicados à Gestão Estratégica
Regressão Linear
Regressão Linear
À partir da equação gerada, podemos aplicar o resultado diretamente, através da
predição de valores tais como o volume de vendas, potencial de gasto, etc, ou
ainda indiretamente, utilizando o coeficiente angular para a avaliação de
influência, ou impacto, que uma variável exerce sobre outra.
Se, por exemplo, analisássemos duas variáveis independentes e uma dependente,
duas à duas, Seríamos o seguinte:
G G
G = k1 + B1 * Q1 G = k2 + B2 * Q2
k1 B1
k2 B2
Q1 Q2
Graficamente, percebemos que quanto maior o -Notas dadas para cada questão:
Beta resultante da relação, maior a influência de Questão 1 (Q1) = variável independente
uma variável sobre outra Questão 2 (Q2) = variável independente
Geral (G) = variável dependente
Métodos Quantitativos Aplicados à Gestão Estratégica
Regressão Linear
Poderíamos, à partir de informações de pesquisa, modelar a relação entre
nível de educação e mortalidade infantil, de modo que poderíamos inferir
que educação é assunto de saúde pública...
Model Summary
120
Adjusted Std. Error of
Model R R Square R Square the Estimate
100
1 ,900a ,811 ,809 16,7334
a. Predictors: (Constant), People who read (%)
Coefficientsa
80
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 160,732 5,794 27,740 ,000
60 People who read (%) -1,507 ,071 -,900 -21,219 ,000
a. Dependent Variable: Infant mortality (deaths per 1000 live births)
People who read (%)
40
20
Mort 160,732 (1,507 * Lit )
0
-100 0 100 200
Regressão Logística
1,0 Prob(x)
0,0
Renda
Métodos Quantitativos Aplicados à Gestão Estratégica
Regressão Logística
O seguinte exemplo foi realizado em uma base da NET, para
prevermos a probabilidade de um assinante adquirir ou não um
pacote ou jogo avulso do Campeonato Brasileiro, dados os seguintes
aspectos:
o Idade;
Observed Groups and PredicSed Probabilities
o Tempo de Base.
S
F SS
R 3000 SS
E SS
Classification Tablea Q S SS
U S S SS
Predicted
E 2000 NSS SSSS SSS SSS
BRAS2 Percentage N NNS SSSSS SSSSS SSS
Observed F T Correct
C NNN SNSSS SSSSS SSSSS
Step 1 BRAS2 F 20037 9489 67,9
T 8797 24322 73,4 Y NNNS S S NNNSSS SSSSSSSSSSSSSSS
Overall Percentage 70,8 1000 NNNNNSNSSSSNNNNNSSS S SNSSSSSSSSSSSSSSS
Step 2 BRAS2 F 20037 9489 67,9
NNNNNNNNNNSNNNNNNSSSSSSSSNNNSSSSSSSSSSSSS
T 8797 24322 73,4
Overall Percentage NNNNNNNNNNNNNNNNNNNSSSSSNNNNNNSSNSSSSSNNSS
70,8
a. The cut value is ,500 NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNSSS
Predicted
Prob: 0 ,25 ,5 ,75 1
Group: NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNSSSSSSSSSSSSSSSSSSSSSSSSSSSSSS
Métodos Quantitativos Aplicados à Gestão Estratégica
Regressão Logística
Regressão Logística
Regressão Logística
Discriminantes
A análise de Discriminante é utilizada quando precisamos classificar
indivíduos, ou casos, em dois ou mais grupos conhecidos. Esses grupos podem
ser referentes à compra/não compra, resposta à campanhas, renovação de
serviços, classificação de crédito, etc.
Para esta classificação, é gerada uma função linear que fornece um ‘Score’ à
cada indivíduo. Este ‘Score’ classifica-o em um dos grupos em estudo,
possibilitando então a identificação e atuação sobre os segmentos.
N(x)
Idade
Discriminantes – Exemplo
Suponhamos que quiséssemos classificar um indivíduo quanto à concessão de
crédito, com classes tais como Bom Crédito (good risk), Mau Retorno (bad
profit) e Mau pagador (bad loss), à partir da análise de dados fornecidos pelo
histórico de transações da empresa.
Para isto poderíamos estar modelando os dados utilizando as seguintes
variáveis (independentes):
o Idade - Renda - Nº de dependentes
o Nº de cartões de crédito -Nº de cartões de Loja - Nº empréstimos anteriores.
São geradas três equações por esse método. A aplicação dessas aos dados
gerará três Scores (um para cada resultado possível), dos quais o maior é que
determinará a classificação do indivíduo em um grupo.
Tem a vantagem de ser mais facilmente aplicável do que a função canônica em
aplicações práticas, porém as duas produzem o mesmo resultado final.
Credit risk
bad loss bad profit good risk
Age in years ,362 ,271 ,377
Income (thousands) ,481 ,448 ,543
# of dependent children -,362 -,593 -,617
# of credit cards -1,511 -1,504 -1,433
# store cards held 2,216 1,662 1,593
# other loans 3,451 4,085 3,358
(Constant) -18,173 -12,396 -18,861
Fisher's linear discriminant functions
Coeficientes
Métodos Quantitativos Aplicados à Gestão Estratégica
Classification Resultsa
Bad Loss 263 214 82 559 não emprestar pouco ganho bons ganhos R$ 1.000,00
Bad Profit 174 1197 104 1475 não emprestar pouco ganho bons ganhos
Good Risk 62 154 205 421 não emprestar pouco ganho bons ganhos
Total 499 1565 391 2455
Bad Loss Bad Profit Good Risk Total Bad Loss Bad Profit Good Risk Total
Bad Loss R$ 263.000 R$ 214.000 R$ 82.000 R$ 559.000 R$ - R$ 214.000 R$ 82.000 R$ 296.000
Bad Profit R$ 174.000 R$ 1.197.000 R$ 104.000 R$ 1.475.000 R$ - R$ 1.197.000 R$ 104.000 R$ 1.301.000
Good Risk R$ 62.000 R$ 154.000 R$ 205.000 R$ 421.000 R$ - R$ 154.000 R$ 205.000 R$ 359.000
Total R$ 499.000 R$ 1.565.000 R$ 391.000 R$ 2.455.000 R$ - R$ 1.565.000 R$ 391.000 R$ 1.956.000
Bad Loss Bad Profit Good Risk Total Bad Loss Bad Profit Good Risk Total
Bad Loss R$ - R$ - R$ - R$ - R$ - R$ - R$ - R$ -
Bad Profit R$ 8.700 R$ 59.850 R$ 5.200 R$ 73.750 R$ - R$ 59.850 R$ 5.200 R$ 65.050
Good Risk R$ 7.440 R$ 18.480 R$ 24.600 R$ 50.520 R$ - R$ 18.480 R$ 24.600 R$ 43.080
Total R$ 16.140 R$ 78.330 R$ 29.800 R$ 124.270 R$ - R$ 78.330 R$ 29.800 R$ 108.130
Agenda do curso:
Árvores de Decisão
Arvore de Decisão é uma técnica de análise de dados que cria sistemas de
classificação, procurando maximizar a classificação ou predição de uma
variável dependente com base em diferentes variáveis independentes.
Árvores de
Decisão
CHAID QUEST
CR&T
Árvores de Decisão
Arvore de Decisão é uma técnica de análise de dados que cria sistemas de
classificação, procurando maximizar a classificação ou predição de uma
variável dependente com base em diferentes variáveis independentes.
Árvores de
Decisão
CHAID QUEST
CR&T
Neste caso, temos um erro de classificação geral de 11%, com um desvio de 0,1%.
O erro de classificação é a soma de Sodas as predições erradas sobre o total
analisado.
Quando analisamos variáveis contínuas, o risco é a variância em torno da média em
cada nó.
Métodos Quantitativos Aplicados à Gestão Estratégica
Só pode ser utilizado para a predição variáveis nominais, gerando uma árvore de
classificação binária. Utiliza-se de um processo computacional mais lento.
Os testes realizados são o qui-quadrado e análise de variância, sendo que a
variável com menor nível de significância é escolhida para a divisão do nó.
Métodos Quantitativos Aplicados à Gestão Estratégica
AVALIAÇÃO
Trabalho final da disciplina, a ser entregue no dia 10/06, onde o aluno deverá se
posicionar como gestor da empresa em que trabalha e descrever:
o Em que situação utilizaria cada uma das técnicas estatísticas abordadas durante o curso
o Com que objetivos utilizaria cada análise
o Quais as variáveis vai considerar em cada modelo, distinguindo qual a variável alvo e quais as
independentes
Métodos Quantitativos Aplicados à Gestão Estratégica
OBRIGADA!