Monitoramento de dados para suporte ao relacionamento com clientes : proposição de uma ferramenta de busca e processamento de informações para desenvolvimento de insights.

Abstract

Este trabalho investiga a relevância do monitoramento de dados para embasar processos decisórios e fortalecer o relacionamento com clientes, propondo a concepção de uma ferramenta dedicada à busca e processamento de informações para a geração de insights. Destaca-se o desafio representado pela abundância de dados e a complexidade inerente à análise efetiva de dados textuais, provenientes de diversas fontes voltadas a uma área específica do conhecimento. São abordadas as técnicas de web crawling e web scraping, juntamente com a necessidade de compreender as leis de proteção de dados. A proposta concentra-se na criação de uma ferramenta destinada à busca e estruturação de informações pertinentes ao setor de celulose e papel, visando oferecer insights sobre produtos e mercados para facilitar a tomada de decisões. O estudo analisa as implicações legais e éticas do web scraping e crawling, enfatizando a importância de aderir às práticas recomendadas para mitigar potenciais impactos negativos nos sites fonte. Descreve-se a metodologia de desenvolvimento de um algoritmo em Python para a pesquisa de notícias baseada em palavras-chave, destacando a definição de objetivos e escopo da ferramenta, fontes de dados, considerações legais e o processo de desenvolvimento do algoritmo. Além disso, são discutidos aspectos como a indexação de dados em formato JSON e a documentação do código, processos e decisões de design. Os resultados obtidos, exemplificados pelo uso da palavra-chave "celulose" na ferramenta, incluem a recuperação de informações, análise de sentimentos e estruturação de dados, demonstrando eficiência na obtenção e análise de notícias relacionadas ao setor de celulose e papel. A solução evidenciou resultados positivos na análise de sentimentos, revelando uma tendência predominantemente positiva na cobertura de notícias sobre o setor. A utilização de algoritmos de machine learning e processamento de linguagem natural permitiu a classificação de notícias em diferentes categorias de sentimentos, contribuindo para a compreensão da percepção pública e para o monitoramento da reputação do setor. Conclui-se que a aplicação de técnicas avançadas, como web crawling, web scraping e análise de sentimentos, possibilitou a recuperação e análise de dados de forma eficaz, oferecendo contribuições significativas para a compreensão do cenário e para a tomada de decisão informada no setor.