Please use this identifier to cite or link to this item: https://ric.cps.sp.gov.br/handle/123456789/21204
Title: Análise do ganho de assertividade na aplicação de agrupamento de dados na análise de cesto de compras
Other Titles: Analysis of assertiveness gains in the grouping application data in shopping basket analysis
Authors: CRUZ, Johny Willian Neves da
Advisor: PERETTO, Lincon Moreira
Other contributor: ROQUE, Wellington
YANO, Inácio Henrique
type of document: Monografia
Keywords: Mineração de dados;Python;Vendas;Linguagem de programação
Issue Date: 30-Nov-2020
Publisher: 105
Citation: CRUZ, Johny Willian Neves da. Análise do ganho de assertividade na aplicação de agrupamento de dados na análise de cesto de compras, 2020. Trabalho de Conclusão de Curso. (Tecnologia em Análise de Desenvolvimento de Sistemas) - Faculdade de Tecnologia "Dr. Archimedes Lammoglia", Indaiatuba, 2020.
Abstract: A dificuldade em estimar vendas e mensurar volume de estoque que atendam a demanda dos clientes muitas vezes está atrelada à falta de entendimento do comportamento dos clientes no momento da compra. Uma vez que uma loja entende o padrão de compra de seus clientes é possível verificar quais produtos esses clientes compram no mesmo cesto de compras e quais produtos podem influenciar a venda de outros. Assim, este trabalho tem como objetivo desenvolver uma metodologia que seja adequada para a realização da mineração de dados de um comércio eletrônico utilizando o algoritmo de agrupamento de dados K-means e o algoritmo de associação Apriori que permite realizar a análise da cesta de compras retornando regras de associações que refletem o padrão de compras dos clientes. Nos dados de vendas foi aplicado o processo do KDD, primeiro utilizando esse processo em uma análise linear realizando a mineração de regras de associação e logo em seguida foi utilizado da característica iterativa do KDD para minerar clusters, voltar para a fase de transformação dos dados e logo em seguida minerar as regras de associação presentes em cada cluster. Para isso foi desenvolvida uma API utilizando a linguagem de programação Python, que recebe uma categoria de produto e retorna as recomendações de outras categorias de produtos que geralmente são comprados juntos. Como resultado, observou-se um ganho de eficiência na aplicação dos dois processos de mineração para identificar produtos que são comprados em conjunto.
URI: https://ric.cps.sp.gov.br/handle/123456789/21204
Appears in Collections:Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
JOHNY WILLIAN NEVES DA CRUZ.pdf
  Restricted Access
788.81 kBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.