MLOps aplicado à análise comportamental dos clientes no ambiente de um ERP

Abstract

A PRIMAVERA é uma empresa portuguesa pioneira no desenvolvimento de soluções de gestão para Windows, nomeadamente os ERP’s (Enterprise Resource Planning). Um ERP, sendo um software de gestão empresarial, envolve um grande volume de informação. Por este motivo, a extração de dados relevantes acerca dos clientes pode-se tornar complexa, agravando-se com o crescimento exponencial do volume de negócio. O presente documento detalha todo o processo de criação de modelos baseados em Inteligência Artificial que diligenciam interpretar e prever a periodicidade e o comportamento financeiro dos clientes do ERP, com o propósito de tornar o negócio inteligente e permitir obter resultados complexos de modo perspicaz. À vista disto, foi implementada uma solução baseada na classe de modelos Buy ’Til You Die (BTYD), monitorizada recorrendo a Machine Learning Operations, capaz de analisar o desempenho dos clientes e produzirem previsões probabilísticas. Transversalmente, dispondo da aplicação do caso de estudo, Customer Lifetime Value, obtém-se a capacidade de evidenciar os melhores clientes, futurar valores de transações e receitas e identificar clientes em risco de abandono transacional (churn). Para concluir, este projeto permitiu ainda segmentar os clientes, potenciando a ligação com os mais leais e limitar custos associados a marketing mal distribuído, com a finalidade de auxiliar a empresa em estudos estatísticos e financeiros.

PRIMAVERA is a pioneering Portuguese company in the development of management solutions for Windows, namely ERPs (Enterprise Resource Plannings). ERP, as a business management software, can involve a large volume of information. For that reason, the extraction of relevant data about the customers might be very complex, and it becomes worse with turnover growth. This dissertation details every stage of the model creation process based on Artificial Intelligence to understand and predict the periodicity and financial behavior of ERP customers, to become the business smart, and allow complex results to be obtained insightfully. Besides that, a solution based on the Buy ’Til You Die (BTYD) model class was implemented, mon itored using Machine Learning Operations, capable of analyzing customer performance and producing probabilistic forecasts. Using the application of the case study, Customer Lifetime Value, the ability to highlight the best customers, future transaction values, and revenues and identify customers at risk of transactional churn abandonment is obtained. In conclusion, this project also made it possible to segment customers, enhancing the connection with the most loyal and limiting costs associated with poorly distributed marketing, in order to assist the company in statistical and financial studies.