Identificação de padrões de clientes em uma cooperativa usando agrupamento por K-Means

Resumo

Com o crescente volume de dados gerados pelas organizações, a identificação de padrões torna-se essencial para a tomada de decisões estratégicas. Este artigo explora o uso do algoritmo de agrupamento K-Means em uma base de dados real de um Customer Relationship Management (CRM) de uma cooperativa, avaliando seu desempenho em um cenário real. Além disso, este estudo investiga a eficácia de métodos como o Elbow Method e o Silhouette Score para o K-means, auxiliando a determinar um número ideal de grupos, bem como diferentes abordagens para a escolha dos valores iniciais de cada agrupamento. Dessa forma, oferece uma visão ampla sobre a configuração do algoritmo K-Means, visando a obtenção de resultados mais precisos e uma melhor identificação de padrões. O estudo demonstra a aplicabilidade do algoritmo em diferentes cenários, auxiliando na identificação de padrões de clientes em CRM e sugerindo práticas que podem agregar valor para cooperativas e empresas.