Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/VALA-6T7R6V
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Marcello Peixoto Baxpt_BR
dc.contributor.referee1Ricardo Rodrigues Barbosapt_BR
dc.contributor.referee2Marta Araujo Tavares Ferreirapt_BR
dc.contributor.referee3Wagner Meira Juniorpt_BR
dc.creatorRoberto de Souza Santospt_BR
dc.date.accessioned2019-08-11T00:52:15Z-
dc.date.available2019-08-11T00:52:15Z-
dc.date.issued2006-08-16pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/VALA-6T7R6V-
dc.description.abstractThe present study searches the understanding of the contribution of the knowledge database discovery on supporting the credit decision. For this purpose, its general objective is to create a predictive model capable of identifying information through data mining, as well as to explore how the model can be used. The studys specific objectives are to explore how to plan and execute each one of the tasks required to create the predictive model and to implement it using a data mining methodology. This study also seeks to understand the role of this model on a broader knowledge discovery process over the credit risk at financial institutions. A knowledge process was recognized in which the historical data represents organizational memory, the data mining represents the learning process and the knowledge extracted is the new domain knowledge. The use of data mining, which focuses on the extraction andapplication processes of knowledge database discovery, can support the credit decision when guided by the credit scoring definitions.pt_BR
dc.description.resumoEste estudo busca compreender a contribuição da descoberta de conhecimento em bases de dados ao suporte à decisão de concessão de crédito. Para tanto, tem como objetivo principal a criação de um modelo preditivo capaz de identificar informações utilizando mineração de dados, bem como explorar as possibilidades de uso de tal modelo. São seus objetivos específicos explorar como se planeja e se realiza cada uma das etapas e atividades necessárias para a criação de um modelo preditivo e implementá-lo através de uma metodologia paramineração de dados. Buscou-se também compreender como o uso do modelo se encaixa no âmbito de processos mais amplos de descoberta de conhecimento sobre o risco de crédito em instituições financeiras. Identificou-se um processo de conhecimento em que os dados históricos representam a memória organizacional, a mineração de dados representa o processo de aprendizagem e o conhecimento extraído é um novo conhecimento de domínio. Conclui-se que o uso de mineração de dados, que se concentra nos processos de extração e aplicação da descoberta de conhecimento em bases de dados, apoiada nos conceitos e definições para escoragem de crédito pode auxiliar no processo de decisão de crédito.pt_BR
dc.languagePortuguêspt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectEscoragem de créditopt_BR
dc.subjectCiência da informaçãopt_BR
dc.subjectMineração de dadospt_BR
dc.subject.otherFontes de informaçãopt_BR
dc.subject.otherControle de créditopt_BR
dc.subject.otherCiência da informaçãopt_BR
dc.subject.otherMineração de dados (Computação)pt_BR
dc.titleAplicação de um modelo preditivo de mineração de dados no apoio à decisão de créditopt_BR
dc.typeDissertação de Mestradopt_BR
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File SizeFormat 
mestrado___roberto_de_souza_santos.pdf797.27 kBAdobe PDFView/Open


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