VI Congresso Internacional de Casos Docentes em Marketing Público e Não Lucrativo
1
Indução de Árvores de Decisão na Descoberta de
Conhecimento: Caso de Empresa de Organização de Eventos
Andrea Loureiro
Jani Lourenço
Eduardo Costa
Fernando Belfo
Polytechnic Institute of Coimbra, ISCAC,
Quinta Agrícola, Bencanta, 3040-316 Coimbra, Portugal
RESUMO:
A mineração de dados é o processo de explorar quantidades de dados à procura de
padrões consistentes e relações sistemáticas entre variáveis. Este artigo apresenta um caso
que se refere a uma empresa que promove os mais variados eventos, como casamentos,
batizados, comunhões, convívios empresariais, festas temáticas, reuniões de curso ou outras
festas. O problema estudado nesta organização prendeu-se especificamente com as
desistências por vezes ocorridas após as pré-reservas efetuadas de serviços de casamento. A
técnica usada no processo de mineração de dados para modelar as razões dessas
desistências foi a da indução de árvores de decisão. O modelo resultante da investigação
efetuada, desenvolvido com o auxílio dum dos algoritmos disponíveis na ferramenta Weka,
evidenciou alguns padrões nos dados recolhidos e auxiliou na descoberta de conhecimento.
ABSTRACT:
Data mining is the process of exploring volumes of data in the search of consistent
patterns and systematic relations between variables. This paper presents a case related to a
firm that promotes various catering events such as weddings, baptisms, communions,
corporate gatherings, thematic parties, classmates meetings or other parties. The problem
studied in this organization is specifically related with dropouts that sometimes occur after
the pre-reservations of wedding services. The used technique on the data mining process to
model the reasons for such withdrawals was the decision tree induction. The resulting
model of the performed research, made with the help of one of the available algorithms in
the Weka tool, highlighted some patterns in the collected data and helped in the knowledge
discovery process.
2
Marketing para pessoas: vamos mudar para digital
1. INTRODUÇÃO:
A organização que é alvo deste estudo1 é uma empresa do sector da organização de
eventos. Como esta empresa pretende manter o anominato e garantir a confidencialidade de
algumas das suas informações, optou-se, de acordo com as melhores práticas na gestão do
anonimato e da confidencialidade (Crow & Wiles, 2008), usar o pseudónimo Alpha para a
sua identificação. Igualmente, qualquer informação que possa permitir a sua posterior
identificação ou dos seus colaboradores será ocultada.
Alpha, empresa fundada no ano 2006 é a denominação atribuída a uma equipa jovem,
dinâmica, experiente e qualificada, cujo objetivo principal se centra em projetar cada
evento como único, personalizando uma resposta ajustada e adequada.
Promove os mais variados eventos, desde casamentos, batizados, comunhões,
convívios empresariais, reuniões de curso, festas sociais, entre outros, e destaca-se pelo
cuidado pormenorizado na organização de cada serviço, fazendo um aconselhamento e
acompanhamento rigoroso em todas as etapas de cada processo.
Tem como principal preocupação o respeito pela qualidade, regendo a sua ação com
base nos seguintes valores: Requinte, Rigor e Excelência.
Alpha reconhece a importância da formação contínua e da readaptação do seu trabalho
às exigências que diariamente surgem no mercado, pelo que mantém uma parceria com
uma empresa pertencente a um Chef de renome, que perante Alpha assume as funções de
conselheiro gastronómico e consultor de eventos. Aposta na formação contínua dos seus
colaboradores, contando para o efeito com a implementação da certificação do HACCP
(Análise de Perigos e Pontos Críticos de Controle) e sua renovação atual.
A preocupação com cada serviço inicia-se na seleção rigorosa dos produtos utilizados,
sendo os próprios chefes de cozinha responsáveis por submeter os produtos a análises de
qualidade. A equipa prepara e confeciona com cuidado e qualidade, todas as iguarias que
integram os seus serviços, preocupando-se em expô-las de forma criativa e aprazível.
É detentora de um espaço próprio em que as instalações foram criadas de raíz,
oferecendo um conjunto cuidado de condições com capacidade de resposta aos mais
diversos serviços e especificidades de cada um. Alpha também executa serviços noutros
espaços, dedicando sempre especial atenção à seleção dos mesmos, de forma a poder
garantir um serviço de qualidade, dando primazia ao bem-estar e comodidade a todos os
seus clientes.
Os principais objetivos da organização em estudo são: apresentar uma gama
diversificada de serviços, aumentar o número de eventos realizados, distinguir-se pelo
rigor, requinte e qualidade, garantir a satisfação de cada cliente, projetar cada evento como
sendo único, promover momentos especiais a quem escolhe os seus serviços, apresentar
ideias e sugestões que transmitam segurança e confiança aos seus clientes, fazer uma
seleção cuidada de todos os produtos utilizados na confeção de todas as iguarias, apostar na
1
Este artigo tem origem num estudo feito no ámbito da unidade curricular de Sistemas
Baseados em Conhecimento, no ano de 2013-2014, da licenciatura em Informática de
Gestão do Instituto Superior de Contabilidade de Coimbra do Instituto Superior Politécnico.
VI Congresso Internacional de Casos Docentes em Marketing Público e Não Lucrativo
3
formação dos seus colaboradores e manter o índice de motivação de todos os seus
coadjuvantes para que estes desenvolvam as suas funções com empenho e responsabilidade.
Os recursos humanos da sede da empresa são constituídos por oito profissionais,
distribuídos por diversas áreas de atuação (ver a Figura 1), nomeadamente, três elementos
da direção, um elemento do departamento administrativo/financeiro, um elemento do
departamento comercial, três elementos do departamento de F&B (comidas e bebidas). Para
responder ao seu franco crescimento, a empresa contrata ainda pontualmente
outroscolaboradores para cada evento.
Figura 1. Organigrama da empresa
Fonte: Imagem facultada pela direção da organização.
Todas as decisões estão centralizadas da direção, no entanto, regularmente realizam-se
reuniões com os funcionários dos diferentes departamentos, no sentido de analisar e avaliar
o trabalho desenvolvido, estabelecendo se necessário, novas medidas de aperfeiçoamento.
2. DESENVOLVIMENTO DO CASO:
A indústria da restauração sofreu nos últimos anos grandes mudanças. Os seus novos
desafios incluem um aumento da procura de variedade e inovação, uma maior
regulamentação legal sobre a qualidade, rastreabilidade dos produtos, margens de lucro
reduzidas e a necessidade de gestão dinâmica do serviço ao público.
A gestão adequada da informação é hoje em dia, cada vez mais, um verdadeiro fator
crítico de sucesso, tornando-se importante analisar e estudar a informação de que as
organizações dispõem, criando as suas próprias ferramentas de análise e, tornando assim,
mais fácil a tomada de decisões.
Este estudo não apresenta uma análise de todos os tipos de eventos, mas apenas de
alguns desses tipos, os que dizem respeito aos serviços de casamento. O problema
identificado na organização em estudo e que se pretende abordar neste artigo, prende-se
com o significativo número de desistências de pré-reservas em serviços de casamento.
Pretende-se determinar através dum processo de mineração de dados, uma eventual relação
de alguns fatores e o motivo das desistências das pré-reservas. Os fatores a estudar para
eventualmente justificar as desistências nestas pré-reservas são a distância da localidade de
residência do casal ao local onde se realizará o evento, o número previsto de convidados, a
idade dos noivos e o tempo que separa a data da pré-reserva à data do evento.
Torna-se importante mencionar que, aquando da primeira visita dos noivos a algum
dos espaços onde Alpha efetua serviços de casamento, são apresentadas todas as condições
4
Marketing para pessoas: vamos mudar para digital
inerentes quer ao espaço em questão, quer ao serviço de catering que a empresa
proporciona, sendo expostas as condições contratuais, composição de ementas e respetivos
valores de custo.
Nesta fase é proporcionada aos noivos a possibilidade de efetuar uma pré-reserva,
sobre a data por eles pretendida para o casamento. A pré-reserva tem a duração de quinze
dias, período durante o qual os noivos poderão ponderar se efetivamente pretendem
confirmar o evento num dos espaços sobre a responsabilidade de Alpha. Supõe-se que findo
os quinze dias a organização obtém da parte dos noivos uma decisão definitiva quanto à
adjudicação do evento. Quando não é obtida uma resposta dentro do período de tempo
estipulado, o colaborador responsável pela área comercial tenta entrar em contacto com os
noivos através do seu contacto telefónico ou de correio eletrónico. No entanto, em parte
significativa dos casos, não se consegue obter uma resposta.
Apesar de tentar por diversas vezes encontrar uma abordagem para minimizar o
problema em questão, a organização ainda não alcançou nenhuma medida corretiva
suplementar que minore este problema. Ao encontrar uma abordagem para colmatar o
problema das desistências em fase de pré-reserva, a empresa conseguirá aumentar o número
de reservas definitivas e consequentemente aumentar o número de eventos realizados.
Torna-se importante perceber se existe de facto alguma relação entre as desistências e
as variáveis em análise neste estudo, para que a empresa possa delinear novas estratégias no
sentido de minimizar a perda de eventos para empresas concorrentes.
O principal objetivo da mineração de dados é descobrir padrões nos dados, fornecendo
conhecimento que possa dar alguma vantagem, normalmente do tipo económica
(Chakrabarti et al., 2008). Um exemplo da sua utilização é o da previsão de tendências
futuras baseadas em acontecimentos passados. No caso da empresa estudada, a mineração
de dados terá como objetivo perceber os principais motivos das desistências de pré-reservas
de casamentos, para que se encontrem medidas a adotar no sentido de minimizar o número
dessas desistências.
Para que este objetivo seja atingido com a mineração de dados, será necessário um
processo de verificação e perceção da relação entre as variáveis em análise, filtrando os
dados das desistências relacionadas com a localidade de residência do casal, espaço do
evento, número de convidados, data de nascimento dos noivos, data de realização da préreserva, data do evento e o motivo da desistência, nos anos 2012 e 2013.
Plano do projeto:
O projeto de mineração dos dados foi planeado tendo como referência o CRISP-DM
(CRoss-Industry Standard Process for Data Mining), uma metodologia padrão não
proprietária que identifica as diferentes fases na implantação de um projecto deste tipo
(Chapman et al., 2000).
A primeira fase deste projeto consistiu na recolha de todos os dados de pré-reservas de
casamentos. Na segunda fase analisaram-se os dados dos noivos recolhidos pela empresa.
Na terceira fase preparam-se os dados de modo a que fosse possível efetuar a sua
modelação numa fase posterior (a quarta fase). Na quinta e última fase avaliou-se e efetuouse uma revisão dos dados analisados ao longo de todo o projeto (Figura 2).
VI Congresso Internacional de Casos Docentes em Marketing Público e Não Lucrativo
5
Figura 2. Processo de descoberta de conhecimento em bases de dados.
Fonte: [http://www.din.uem.br/], a 28/11/2014.
Neste projeto o modelo desenvolvido basou-se numa técnica de mineração de dados, a
indução de árvores de decisão. Uma árvore de decisão é uma estrutura de dados definida
recursivamente constituídas por nós folha e nós de decisão. Um nó folha corresponde a uma
classe e um nó de decisão contém um teste sobre algum atributo (Monard & Baranauskas,
2003).
Os dados dos formulários das pré-reservas na primeira fase foram exportados para o
Microsoft Office Excel, permitindo a posterior elaboração de listagens de todo o tipo de
dados relacionados com o cliente. Os dados foram distribuídos por vários campos: número
do processo; nome; data de nascimento; localidade; data da pré-reserva; data do evento;
número de convidados; nome do espaço e razão da desistência.
Uma vez que os dados recolhidos dizem respeito ao casal de noivos, neste estudo
foram selecionados apenas os dados do noivo para a data de nascimento e localidade, uma
vez que, apenas estes poderiam diferir.
No que diz respeito à qualidade dos dados e de forma a evitar erros no futuro
verificou-se se os nomes das variáveis correspondiam aos valores que continham, se
existiam dados em falta, se havia valores duplicados e se existia relação entre as variáveis,
verificando neste último caso se seria possível afirmar que cada cliente possuía a sua data
de nascimento, uma única data de pré-reserva para um determinado espaço com o número
de convidados conhecido à priori.
Depois de analisada toda a informação e uma vez que todos os campos se
encontravam preenchidos de forma correta, garantiu-se a validade da informação.
Posteriormente foi efetuada a preparação dos dados, selecionando os dados a serem
estudados: localidade, data de nascimento, local do evento, número de convidados, motivo
da desistência e data do evento, sendo sobre estes o foco de estudo.
Efetuou-se uma filtragem (limpeza) dos dados necessários e posteriormente foi necessário
construir outros dados, isto é, foram criados novos dados ou remodelados os já existentes,
por exemplo, data de nascimento deu origem à idade, servindo esta última para classificar 6
classes distintas de idades, de forma a facilitar este estudo (Tabela 1). A combinação entre a
data de pré-reserva e da data do evento originou o intervalo de tempo, que foi classificado
em blocos de semestres (Tabela 2). A data do evento permitiu definir com exatidão a época
(Tabela 3), assim como o dia da semana em que iria decorrer o casamento, procedendo-se
6
Marketing para pessoas: vamos mudar para digital
também à divisão dos dados por classes. Após o cálculo automático das distâncias entre a
localidade de residência dos noivos e o local do evento, foi feito o tratamento desses
valores também em classes de distância (Tabela 5).
Tabela 1. Definição das classes de idades.
Classe
Menor
Maior
1
23
28
2
28
33
3
33
38
4
38
43
5
43
48
6
48
53
Classe
Menor
Maior
1
0
182
2
183
365
3
>365
Tabela 2. Definição das classes de intervalo de tempo.
Tabela 3. Definição das classes de época.
Classe
Menor
Maior
Alta
01-mai-AAAA
31-out-AAAA
Baixa
01-nov-AAAA
30-abr-AAAA
Tabela 4. Definição das classes de dia da semana.
Classe
Data
Sábado
DD-MM-AAA
Domingo
DD-MM-AAAA
Dia da semana
DD-MM-AAAA
Tabela 5. Definição das classes de distância.
Classe
1
2
3
4
5
6
7
8
9
Menor
0
10
20
30
40
50
60
70
230
Maior
10
20
30
40
50
60
70
230
1700
Foram igualmente definidas classes para o número previsto de convidados, tal como
para os motivos da desistência (Tabela 6).
VI Congresso Internacional de Casos Docentes em Marketing Público e Não Lucrativo
7
Tabela 6. Definição das classes de número de convidados.
Classe
Menor
Maior
1
0
99
2
100
129
3
130
159
4
>160
Tabela 7. Definição das classes de motivos.
Classe
Adiaram a data
1
Anulado por falta de contacto
2
Não indicaram motivo
3
Preferência por outro espaço
4
Indisponibilidade do espaço na data do evento
5
Melhor orçamento noutro local
6
Lotação do espaço insuficiente
7
Optaram por realizar o evento em casa
8
A noiva não estava preparada para casar
9
Cancelado pela organização
10
2
11
12
Problemas monetários por motivos de desemprego
Desistiram do evento por motivos pessoais
Preferência por outro espaço da organização
Torna-se importante mencionar que a criação das classes nas variáveis época, dia da
semana e número de convidados têm em conta a diferença de condições de serviço
inerentes a cada uma destas classes que se apresentam abaixo.
Em casamentos marcados nos meses de Maio a Outubro, ao sábado, com número de
convidados inferior a 160, ao valor de ementa acrescem as seguintes importâncias: em
casamentos inferiores a 99 convidados acresce um valor total de 1500€, em casamentos
com número de convidados entre 100 a 129 acresce um valor de 10€ por pessoa e em
casamentos com número de convidados entre 130 a 159 acresce 8€ por pessoa. Em
casamentos marcados de Maio a Outubro ao sábado com número de convidados superior a
160 a Alpha oferece aos noivos alguns serviços extra, nomeadamente, decoração das mesas,
contratação de animação infantil, animação de fogo-de-artifício e eventualmente animação
musical. Em casamentos marcados ao domingo e dias da semana, independentemente do
número de convidados ser inferior a 160, não existem os acréscimos acima referidos e a
organização proporciona diversas ofertas aos noivos.
Feita a integração dos dados e a sua formatação de modo a clarificar os dados, tornouse a sua interpretação mais fácil, avançando-se para a modelação dos mesmos.
2
Os escalões 11, 12 e 13 referem-se apenas às desistências de pré-reservas relativas ao ano de 2013.
8
Marketing para pessoas: vamos mudar para digital
A técnica selecionada para a modelação de dados foi a da indução de árvore de
decisão. Esta técnica fornece uma forma de visualizar e gerir grandes conjuntos de regras
de negócio, principalmente quando essas regras não são simétricas, tomando como entrada
uma situação descrita por um conjunto de atributos e retornando uma decisão. A árvore de
decisão chega à sua decisão pela execução de uma sequência de testes, podendo os atributos
de entrada ser discretos ou contínuos.
Foi usado o programa Weka (Bouckaert et al., 2013) que, de forma automática,
através de um conjunto de algoritmos e ferramentas de visualização para análise de dados e
modelos de previsão, permite agregar algoritmos provenientes de diferentes
abordagens/paradigmas na subárea da inteligência artificial, procedendo à análise
computacional e estatística dos dados fornecidos recorrendo a técnicas de mineração de
dados tentando, indutivamente, a partir dos padrões encontrados, gerar hipóteses para
soluções e teorias sobre os dados em questão.
Este estudo incidiu sobre uma amostra de 97 desistências de pré-reservas de
casamentos para o ano 2012 e 79 para o ano 2013.
Depois da integração e relacionamento dos dados existentes adaptou-se a tabela inicial
efetuada em Excel e fez-se a sua conversão para ficheiro do tipo *.csv (separado por
virgulas), para que se tornasse possível fazer a importação dos dados para o software Weka.
Usando o algoritmo J48, que corresponde à implementação do algoritmo C4.5 de John
Quinlan (Quinlan, 1993), disponibilizado neste programa, foi possível obter uma árvore de
decisão para cada um dos dois anos em análise. A Figura 3 ilustra a árvore obtida relativa
ao ano de 2013. O ano de 2012 está analisado no estudo completo que lhe serviu de base.
Figura 3. Árvore de decisão induzida para o ano de 2013.
VI Congresso Internacional de Casos Docentes em Marketing Público e Não Lucrativo
9
Através da análise da árvore de decisão para 2013 conclui-se que, para um total de 79
instâncias e 7 atributos, esta é constituída por 12 folhas, estando na raiz o atributo distância.
Para as distâncias entre 20 a 30km, 50 a 60km e 70 a 230km o motivo da anulação da
pré-reserva foi a preferência por outro espaço, enquanto nas distâncias entre 30 a 40km, o
motivo apresentado foi a ausência de contacto por parte dos noivos.
No entanto, na distância até 10km, existe uma nova dependência: a da idade. Os
noivos com idade inferior ou igual a 33 anos tiveram preferência por outro espaço e os
noivos com idade superior a 33 anos não entraram em contacto com a organização.
Por sua vez, a distância entre 10 a 20km, tem num segundo nível, uma dependência do
dia da semana em que o evento se realizará. Os noivos que efetuaram pré-reserva para o
domingo optaram por realizar o evento num outro local e os que agendaram para um dia da
semana encontraram um melhor orçamento num outro espaço. No entanto, nessa mesma
distância, os que eventos que foram agendados para um sábado, estão ainda dependentes do
número de convidados. Assim, casamentos até 99 ou mais do que 160 convidados,
obtiveram um melhor orçamento numa outra organização de eventos e, quando tinham
entre 100 a 159 convidados houve desistência por parte dos noivos por falta de contacto.
O software Weka permitiu-nos ainda concluir que o a média de erro absoluto para o
ano de 2013 foi de 15,97%.
3. PERGUNTAS PARA A DISCUSSÃO E CONCLUSÕES:
Este artigo apresenta o estudo dum caso referente a uma empresa que promove
diversos eventos, donde se destacam os eventos de casamento. O problema que foi objeto
de estudo nesta organização relacionou-se com as desistências por vezes ocorridas após as
pré-reservas efetuadas de serviços de casamento. Usou-se um processo de mineração de
dados para modelar as razões dessas desistências, sendo a respetiva técnica usada neste
processo a da indução de árvores de decisão. A ferramenta escolhida para modelar as
principais razões apontadas para a desistência das pré-reservas de eventos de casamentos
foi o Weka (Bouckaert et al., 2013). O algoritmo J48 foi o usado na modelação.
O estudo efetuado evidenciou alguns padrões nos dados recolhidos e auxiliou na
descoberta de conhecimento que poderá ser útil para a empresa definir estratégias para
minimizar este problema. Um dos objetivos pretendidos com este projeto de mineração dos
dados prende-se com a diminuição de desistência das pré-reservas de eventos de
casamentos. Por um lado, os resultados apontam para que a justicação mais frequente e
significativa para as desistências seja a da anulação por falta de contacto por parte do
cliente. Este motivo deverá ser motivo de reflexão pela organização, eventualmente
justificando uma iniciativa de marketing especial, como por exemplo, a do envio de uma
mensagem eletrónica com o resumo da pré-reserva efetuada, quando não existe uma
resposta até uma semana antes do término do prazo.
Por outro lado, a árvore de decisão induzida para o ano de 2013 apontou para um
conjunto de relações entre os motivos da desistência. Conclui-se que o factor que está na
base das desistências neste tipo de eventos é a distância. Aparentemente, o factor distância
é mesmo a única regra existente algumas das distâncias (para as distâncias 40 a 50 km, 50 a
60 km ou 60 a 70 km). Provavelmente existe um concorrente, a uma distância mais próxima
desses clientes, que está a captar algum deste mercado. Como o motivo da distância é tão
10
Marketing para pessoas: vamos mudar para digital
relevante nestes casos, a empresa poderá também equacionar uma abordagem comercial e
de marketing específica para esses tipos de clientes, em função do local onde se encontrem.
Outros padrões mais específicos foram descobertos. Conclui-se ainda que, por
exemplo, para noivos residentes a distâncias relativamente curtas, de 10 a 20km, para
casamentos agendados para sábados, os noivos desistiram porque existe um melhor
orçamento noutro local (em situações de eventos com muitos convidados, ou seja, mais de
160 convidados) ou por falta de contacto. Para estas distâncias, no caso de eventos
agendados para domingos, existe claramente uma preferência por outro espaço, podendo ser
uma questão de um concorrente existente mais perto que ofereça mais serviço ou qualidade,
não sendo necessariamente mais económico.
Em resumo, a mineração de dados é um processo que explora quantidades de dados à
procura de padrões consistentes e relações sistemáticas entre variáveis. O caso estudado
evidenciou uma aplicação prática numa empresa de organização de eventos e que usou a
indução de árvores de decisão na descoberta de conhecimento. O conhecimento descoberto
poderá ser útil na tomada de decisão e na definição de melhores estratégias de marketing.
BIBLIOGRAFIA:
Bouckaert, Remco R, Frank, Eibe, Hall, Mark, Kirkby, Richard, Reutemann, Peter, Seewald, Alex, & Scuse,
David. (2013). WEKA Manual for Version 3-7-8. Hamilton, New Zealand: University of Waikato.
Chakrabarti, Soumen, Cox, Earl, Frank, Eibe, Güting, Ralf Hartmut, Han, Jiawei, Jiang, Xia, . . . Neapolitan,
Richard E. (2008). Data Mining: Know It All. Burlinghton, Massachusetts, United States: Morgan Kaufmann
Publishers.
Chapman, P, Clinton, J, Kerber, R, Khabaza, T, Reinartz, T, Shearer, C, & Wirth, R. (2000). Crispdm 1.0: Stepby-step data mining guide. U.S.A.: SPSS.
Crow, Graham, & Wiles, Rose. (2008). Managing anonymity and confidentiality in social research: the case of
visual data in community research (NCRM Working Paper Series ed.): ESRC National Centre for Research
Methods.
Monard, M. C., & Baranauskas, J. A. (2003). Indução de Regras e Árvores de Decisão. In Solange Oliveira
Rezende (Ed.), Sistemas Inteligentes - Fundamentos e Aplicações (pp. 115-139). Barueri - SP: Editora Manole
Ltda.
Quinlan, John Ross. (1993). C4. 5: Programs for Machine Learning (Vol. 1). San Mateo, California, United
States: Morgan Kaufmann Publishers.