SEGMENTAÇÃO DE CLIENTES POR MEIO DE CLUSTERIZAÇÃO: UMA ANÁLISE COM O ALGORITMO K-MEANS APLICADO A ATRASOS E SALDOS VENCIDOS

Autores

  • Giovanna Bernardo da Luz Centro Universitário Eurípedes de Marília.
  • Gustavo Camossi Centro Universitário Eurípedes de Marília.

Resumo

Este artigo investiga a aplicação do algoritmo de clusterização K-means na segmentação de clientes com base nas variáveis Dias de Atraso e Saldo Vencido. Considerando o crescimento da inadimplência e a necessidade de estratégias mais precisas de gestão de risco, a pesquisa utiliza técnicas de mineração de dados e aprendizado de máquina para identificar padrões comportamentais relevantes. O estudo adota uma abordagem mista, combinando procedimentos quantitativos para preparação, transformação e modelagem dos dados, e procedimentos qualitativos para interpretação dos agrupamentos. Após a normalização dos valores por meio de uma transformação por raiz quadrada, o método do cotovelo indicou dois clusters como estrutura ideal. A aplicação do K-means resultou na formação de dois perfis principais: um grupo majoritário marcado por variabilidade elevada e outro caracterizado por adimplência estável. Os resultados demonstram a eficácia da clusterização como ferramenta de apoio à tomada de decisão, contribuindo para estratégias direcionadas de cobrança e gestão de risco. O estudo reforça ainda a relevância da Teoria da Similaridade-Atração na segmentação comportamental e sugere possibilidades de aprofundamento com algoritmos alternativos e maior granularidade de clusters.

Biografia do Autor

  • Giovanna Bernardo da Luz, Centro Universitário Eurípedes de Marília.

    Graduanda do curso de Ciência da Computação do UNIVEM

  • Gustavo Camossi, Centro Universitário Eurípedes de Marília.

    Mestrado em Ciência da Informação pela Universidade Estadual Paulista Júlio de Mesquita Filho, Brasil(2022) Professor do Centro Universitário Eurípides de Marília , Brasil

Publicado

2025-12-10