1 - José Nataniel Centeno Klug Escola Superior de Agricultura Luiz de Queiroz - ESALQ - MBA USP ESALQ
2 - FERNANDO FREIRE VASCONCELOS Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo - FEA - Administração
Reumo
As telecomunicações, enquanto serviço à sociedade, existem desde a invenção do rádio, mas é na década de 1980 que aconteceram significativos movimentos de expansão pelo mundo tendo como principal vetor de crescimento novas tecnologias e o barateamento de tecnologias já existentes (Dilon, et al. 2020). Neste mesmo ambiente de crescimento, com muita oportunidade, um problema se mostrou mais evidente do que antes: a inadimplência e o cancelamento de usuários.
Seria possível, com base em dados coletados no processo de venda de um serviço de telecomunicações, em especial da banda larga fixa por fibra óptica, de identificar se este cliente se tornará um inadimplente? O trabalho tem natureza especificamente aplicada a partir da utilização de técnicas de machine learning, visando avançar na introdução de tecnologias de inteligência artificial dentro dos negócios.
O avanço rápido da doença e a movimentação de pessoas e seus trabalhos para o ambiente doméstico criou um ambiente de crescimento para o mercado de telecomunicações em especial para as tecnologias como a fibra óptica. Mediante observação direta do gestor verificou-se que o setor trata este comportamento como natural e aceitam que é parte da dinâmica de mercado o cliente deste serviço ficar inadimplente e acabar por não manter o
O desenvolvimento do trabalho se deu com dados de uma empresa de telecomunicações, focada no serviço de acesso e conexão fixa de banda larga por fibra óptica, do oeste do estado do Paraná, sendo uma das 80 maiores do Brasil. Foram utilizados diversos modelos de Machine Learning, desde a árvore de regressão, ao modelo logístico geral e por fim um modelo utilizando a técnica de Random Forest.
A partir do modelo proposto é possível identificar e prever um comportamento de inadimplência de clientes nestes dados com uma acurácia em nível adequado, maior que 65%, e ainda uma sensitividade, ou seja, a correta predição de positivos verdadeiros em excelente desempenho chegando à casa de 80%.
Foi possível perceber a relação entre este estudo e outros estudos do mercado financeiro, com características de estudos diferentes, mas com variáveis independentes similares tendo comportamentos muito alinhados com a literatura o que engrandece a confiança na capacidade preditiva do modelo. O modelo utilizando Randon Forest foi implantado em produção na empresa para monitoramento e melhorias das estratégias de aceitação de novos clientes, melhorando de fora sensível os problemas de caixa, pela baixa inadimplência, e os problemas de rescisão de contratos, conhecido por churn.