Metadata
Show full item record
UMA ANÁLISE EXPLORATÓRIA DE DADOS E A CONSTRUÇÃO DE MODELOS PREDITIVOS DE MACHINE LEARNING NO CÁLCULO DE RISCO DE SUBSCRIÇÃO DE UMA SEGURADORA
Cálculo de risco
Sinistro
Ciência de dados
Análise exploratória de dados
Aprendizagem de máquina
Redes neurais artificiais
Processamento de dados
Aprendizagem de máquina
Seguro
Life insurance
Risk calculation
Insurance claims
Data science
Exploratory data analysis
Machine learning
Artificial neural networks
Abstract
A globalização trouxe consigo o constante crescimento do cenário competitivo, fazendo com
que as empresas precisassem buscar pela incessante inovação e por oportunidade de melhores
resultados. O avanço da tecnologia está revolucionando a forma de lidar com a comunicação e
o armazenamento de dados, trazendo a possibilidade de medir e quantificar ações, tomada de
decisões e resultados empresariais.
Neste sentido, o presente trabalho teve como objetivo identificar as variáveis que podem
influenciar no cálculo de risco de sinistro em uma grande empresa de seguro de vida e
previdência nacional. A partir dos dados obtidos dos segurados, foi realizado um estudo
embasado na ciência de dados para identificar a probabilidade de resultados futuros de possíveis
sinistros, utilizando para isso, dados históricos da empresa para estudar através da análise
exploratória de dados (AED), as relações entre os dados levantados e a ocorrência de sinistro.
Em um segundo momento, foram construídos modelos de classificação utilizando algoritmos
de aprendizagem de máquina, para prever a ocorrência de sinistro para o produto Diária de
Incapacidade Temporária.
O trabalho aborda conceitos de aprendizagem de máquina, dando ênfase no estudo dos modelos
de classificação, incluindo o entendimento dos métodos de classificação bayesiana, árvore de
decisão, redes neurais, Support Vector Machines, K-Nearest Neighbours e Random Forest.
A construção dos modelos preditivos de aprendizagem de máquina no conjunto de dados obteve
um melhor resultado para o método de Redes Neurais Artificias com uma acurácia de 67,3% e
precisão de 67,7% para a possibilidade de ocorrer sinistro. Vale ainda ressaltar que, todos os
classificadores utilizados obtiveram acurácia maior que 64%, com exceção apenas do Support
Vector Machines, que obteve acurácia de 54%. Embora as métricas citadas não tenham
apontado um percentual mais expressivo, como esperávamos inicialmente, a análise
exploratória realizada e os resultados preliminares poderão ser de grande utilidade para
trabalhos de extensão sob o mesmo tema no futuro
[Texto sem Formatação]
[Texto sem Formatação]
Document type
Trabalho de conclusão de cursoSource
OLIVEIRA, Carolyna Marques de. Uma análise exploratória de dados e a construção de modelos preditivos de machine learning no cálculo de risco de subscrição de uma seguradora. 2022. 69 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Produção) - Escola de Engenharia de Petrópolis, Universidade Federal Fluminense, Petrópolis, 2022.Subject(s)
Seguro de vidaCálculo de risco
Sinistro
Ciência de dados
Análise exploratória de dados
Aprendizagem de máquina
Redes neurais artificiais
Processamento de dados
Aprendizagem de máquina
Seguro
Life insurance
Risk calculation
Insurance claims
Data science
Exploratory data analysis
Machine learning
Artificial neural networks