Em um projeto de mineração de dados para uma empresa
de telecomunicações que deseja reduzir a taxa de churn de
clientes (cancelamento de serviços), são coletados dados
históricos de uso do serviço, satisfação do cliente e
informações demográficas. Para construir um modelo que
possa prever quais clientes têm maior probabilidade de
cancelar seus serviços, qual técnica de classificação de
dados é mais apropriada?
Um sistema de mineração de dados é desenvolvido para
ajudar uma rede de hospitais a melhorar a gestão de seus
recursos, prever picos de demanda e otimizar a alocação de
pessoal e equipamentos. Ao analisar os dados históricos de
admissões, quais resultados da mineração de dados seriam
mais valiosos para representar o conhecimento adquirido e
auxiliar na tomada de decisões?
Em um projeto de mineração de dados para um banco de
varejo que deseja prever a probabilidade de inadimplência
de empréstimos, são coletados dados de clientes, incluindo
histórico de crédito, renda, emprego e comportamento de
pagamento. Ao preparar esses dados para análise, qual dos
seguintes tipos de atributos é essencial para a modelagem
preditiva da inadimplência?
Uma rede de supermercados deseja melhorar suas
estratégias de vendas e marketing para aumentar o valor do
carrinho médio de compras. Para isso, planeja utilizar a
mineração de dados para analisar o comportamento de
compra dos seus clientes. Considerando os dados
coletados no ponto de venda, incluindo datas, horários de
compras, itens adquiridos e métodos de pagamento, qual
aplicação da mineração de dados seria mais eficaz para
atingir esse objetivo?
Considerando as aplicações da mineração de dados, qual
das seguintes opções descreve um exemplo típico no qual
a mineração de dados é aplicada para extrair conhecimento
útil de grandes conjuntos de dados?