Back to Search
Start Over
Projeto de machine learning: compreensão da hospitalidade como diferencial competitivo na gestão de restaurantes
- Source :
- Revista de Gestão e Projetos; v. 11, n. 3 (2020): (set./dez.); 26-45, Revista Gestão e Projetos (GeP), Universidade Nove de Julho (UNINOVE), instacron:UNINOVE
- Publication Year :
- 2020
- Publisher :
- Universidade Nove de Julho (Uninove), 2020.
-
Abstract
- The aim of this article is to present the development of a Machine Learning project to predict the classification of the customer in relation to the restaurant, thus enabling the use of Hospitality as a competitive differential. To achieve the objective, a Machine Learning project was developed, which involved the development of a script in the R language, which allows analysis and application in Restaurants, in order to support managers in decision-making and eventual actions to mitigate problems. In order to capture the experts' experience, a model was developed by applying the Naïve Bayes algorithm, which was trained using data obtained from the TripAdvisor Site, reaching a hit rate of around 84% with the test data. This value is acceptable for new analyzes with data from customer opinions, thus demonstrating that the project has achieved its objective. O objetivo deste artigo é apresentar o desenvolvimento de um projeto de Machine Learning para prever a classificação do cliente em relação ao restaurante, possibilitando dessa forma a utilização da Hospitalidade como um diferencial competitivo. Para atingir o objetivo foi desenvolvido um projeto de Machine Learning, o qual envolveu o desenvolvimento de um script na linguagem R, que possibilita a análise e aplicação em Restaurantes, de forma a apoiar os gestores na tomada de decisões e eventuais ações de mitigação dos problemas. De forma a capturar a experiência dos especialistas, um modelo foi desenvolvido por meio da aplicação do algoritmo Naïve Bayes, o qual foi treinando utilizando dados obtidos do Site TripAdvisor, atingindo uma taxa de acerto de cerca de 84% com os dados de teste. Esse valor é aceitável para novas análises com dados oriundos das opiniões dos clientes, demonstrando dessa forma que o projeto atingiu o seu objetivo.
Details
- Language :
- Portuguese
- ISSN :
- 22360972
- Database :
- OpenAIRE
- Journal :
- Revista de Gestão e Projetos; v. 11, n. 3 (2020): (set./dez.); 26-45, Revista Gestão e Projetos (GeP), Universidade Nove de Julho (UNINOVE), instacron:UNINOVE
- Accession number :
- edsair.od......3056..2e835065e30b566796c35d9b48717e1e