🧩✨Solução Completa de Predição de NPS, Detecção de Fricções e IA Integrada ao Power BI:
Muitas plataformas de mercado transformam milhares de linhas de dados em inteligência relacional usando machine learning, estatística e outras técnicas.
Agora, imagine ter um código capaz de fazer isso de forma personalizada, gerando savings, insights de melhoria contínua na jornada e direcionando ações de growth com inteligência acionável. Meu lance é descomplicar as coisas!
Esse foi exatamente o propósito deste projeto que liderei.
A solução é capaz de:
• Detectar pontos de fricção ao longo da jornada
• Classificar automaticamente falhas entre processo, pessoas, negócio ou reclamações generalistas
• Identificar clientes com menções sensíveis ou propensão a processos
• E alimentar uma IA que responde dúvidas em linguagem natural — direto no front do Power BI
Escrevi essa arquitetura que combina PNL, classificação inteligente e uma camada conversacional integrada ao dashboard com o propósito de tornar ela simples e de fácil escalonamento. Já apliquei 2x com ganhos expressivos (+11pp em NPS, depois +25pp).
E o mais interessante: tudo isso operando de forma contínua, escalável e com governança.
Quando pensamos esse tipo de solução dentro de um portfólio de dados de empresas como Aurum, CI&T ou Grupo Boticário, Recrutamento e Seleção Mirante Tecnologia potencial fica ainda mais animador.
Se fizer sentido, meu portfólio está aberto.
Esse e outros projetos de ciência de dados que liderei estão lá:
🔗 https://lnkd.in/dp2e_GdT
🛡️ Importante: o que compartilho dos projetos, é apenas um recorte, garantindo LGPD.
![a - “+ G20 Marea spots U- BOC LI
(© msssconcsianions x em
Pcs > aonaten > © rossbookCamasaion ice > ® wer pads m6
Q %wwse + Cote + rramn | O una Po I
sanerr ©
2% [pe
s logon partes 03 54
from words loud import word least
> leport satplotlib.prplot as plt
teport nite
8 lth. domnlon(“stopuards’)
trom nltk. corps iaport stopwords
a
o 1 Chmado a Tabela fata
« — . .
a]
try
® af « pd.resd excel(“ Tabada fate Pesuisan x
print(* @ Argaivo Lido con sxessol’)
except 11 lesots amdierort
PAANE(T X Argaive no emcntrads, Ver ifigue © rome @ te eitd na Beis pasta Go noteba
except Perwlssionteron:
PrANK(* X Pormissds negada. beche 0 arquivo no tice] © tente novasente.’)
2 wormalizado da tebels foto
o verificar somes axe colwan
Print(*colunas encantradas:®, of.columns. tolist())
# tormalitar texto de coluns Mena
A] meio’) = Of meno’) 41) petste) ste ome()
o Camerter colons de dsta
SATA) = pd. to datetime . cerce’)
* Criar colina de am ¢ ets
AI Ano] H[OATA’). Ot. yea:
Af wes] @1 CATA"). OT. orth
.
#3. Oictonicio de c
.
egorizacoes
categoeis «|
esis 3 rages: [“barata’.beratas’ , pombe, pastas’ (at0’, rato”, larva’, lara
“Rec Laeac30 de Maitenc so” i [“wanmtenc 0”, mates tes”, Cabra”, ares," intend tag",
“Amiga de processo’ [Tprocester”,procestands, “direiton, "advagaco”,* Justica’ , pr
“Comparacies ¢ concorrend al’ TTA", 01938, 01 1p1a’, taua® "roma," lagen”, “conc
OV [Tdiareia”, diaréla”, vimite”, vomit”, intorica a0”, passant eal’, segura
“Caton de furto” | (rues, amare” fort” fuctaces” Cramer”),
“Cosas de riven’ i [“raxiseo’, cor da pele”, racist”, Tpreconcel tuoso”, "precancedtuos.
ed de propaganda’ [propagmds engancas’ "ari fo enganono’ |
.
#4. nsinando 0 Codigo 3 cantar ocorrencias
.
det cantar categeria(terto, palaveas)
retum any(p in texto for p in palavres)
for nome cat, palovras in Categorias. itews()
f{nome Cat) - Of] wen 30' |. apply Lambs 1; conta categoria(x, palavras))
.
#5 aplicanto contests de Filtre
.
set (1trar(ees, ano)
return (vas) = wes) § (411 Ao | == n0))
—_——
[=
temme (} @ HIM) H0Ctm Shee](https://contents.bebee.com/users/id/Z2Vf76911f794b2d70/post/rHTWf698b97d35d1d5/5Zzke.jpeg)
🧩✨Solução Completa de Predição de NPS, Detecção de Fricções e IA Integrada ao Power BI: Muitas plataformas de mercado transformam milhares de linhas de dados em inteligência relacional usando… | Jesse Oliveira de Castro
🧩✨Solução Completa de Predição de NPS, Detecção de Fricções e IA Integrada ao Power BI: Muitas plataformas de mercado transformam milhares de linhas de dados em inteligência relacional usando machine learning, estatística e outras técnicas.Agora, imagine ter um código capaz de fazer isso de forma personalizada, gerando savings, insights de melhoria contínua na jornada e direcionando ações de growth com inteligência acionável. Meu lance é descomplicar as coisas!Esse foi exatamente o propósito deste projeto que liderei.A solução é capaz de:• Detectar pontos de fricção ao longo da jornada • Classificar automaticamente falhas entre processo, pessoas, negócio ou reclamações generalistas • Identificar clientes com menções sensíveis ou propensão a processos • E alimentar uma IA que responde dúvidas em linguagem natural — direto no front do Power BIEscrevi essa arquitetura que combina PNL, classificação inteligente e uma camada conversacional integrada ao dashboard com o propósito de tornar ela simples e de fácil escalonamento. Já apliquei 2x com ganhos expressivos (+11pp em NPS, depois +25pp).E o mais interessante: tudo isso operando de forma contínua, escalável e com governança.Quando pensamos esse tipo de solução dentro de um portfólio de dados de empresas como Aurum, CI&T ou Grupo Boticário, Recrutamento e Seleção Mirante Tecnologia potencial fica ainda mais animador. Se fizer sentido, meu portfólio está aberto. Esse e outros projetos de ciência de dados que liderei estão lá: 🔗 https://lnkd.in/dp2e_GdT🛡️ Importante: o que compartilho dos projetos, é apenas um recorte, garantindo LGPD.
Comentários