Mineração De Dados Aplicada a Relação Clientes E Pagamentos – Estudo Bibliométrico

Abstract

O KDD (Knowledge Discovery in Database) e a Mineração de Dados incluem tarefas e métodos para extração de conhecimento útil, interessante e indispensável na tomada de decisões rápidas nas mais diversas áreas de conhecimento. Esta pesquisa tem como objetivo nortear o leitor na vasta relação de trabalhos que se utilizam desta importante ferramenta e apontar as principais publicações de Mineração de Dados utilizadas na relação clientes e pagamentos, no âmbito público e privado, além de propor chaves de pesquisa que possam contribuir para a obtenção de trabalhos relacionados com objetivo de facilitar as buscas pertinentes a este importante assunto. Quanto à metodologia, foram pesquisadas as publicações relacionadas às técnicas de Mineração de Dados aplicadas a base de dados tributária pertencente a entidades governamentais estendendo-se analogamente aos trabalhos similares na área privada. A base de dados utilizada para este estudo foi a SCOPUS no período de janeiro de 1999 a março de 2012. Dentre os 927 resultados obtidos, tem merecido destaque o setor de pagamentos eletrônicos via cartões de crédito e a rede neural artificial como técnica aplicada com maior sucesso. O idioma mais utilizado para a confecção das publicações foi o inglês. Os resultados apresentados contribuem no sentido de direcionar os autores quanto às áreas mais carentes de trabalhos científicos aplicados a Mineração de Dados, os países e idiomas com maior número de publicações, contribuindo de forma direcionada para o enriquecimento de trabalhos futuros.Palavras-Chave: Mineração de Dados; Clientes; Pagamentos; Estudo bibliométrico.

Perfil Potencial De Inadimplência No Uso Do Cartão De Crédito: Analise De Técnica De Clusters

“…Também define estratégias para tratamento de significativos volumes de informação identificando erros e não conformidades de dados com as operações corporativas (WITTEN e FRANK, 2005). Silva et al (2013) analisaram aplicações no setor de pagamentos eletrônicos via cartões de crédito com o uso de mineração de dados relacionando clientes e pagamentos. Também Yeh e Lien (2009, p. 2473) concluem ser possível avaliar casos de inadimplência em clientes de cartão de crédito.…”