Use este identificador para citar ou linkar para este item: https://arandu.iffarroupilha.edu.br/handle/itemid/863
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSouza, Gabriel Gonchoroski de-
dc.creatorTibola, Leandro Rosniak-
dc.date.accessioned2026-04-08T21:34:02Z-
dc.date.available2026-04-08T21:34:02Z-
dc.date.issued2025pt_BR
dc.identifier.urihttps://arandu.iffarroupilha.edu.br/handle/itemid/863-
dc.description.abstractCredit recovery is essential for the financial sustainability of organizations dealing with credit default. This paper presents a case study of data analysis applied to historical records from a credit recovery office, aiming to identify temporal and regional patterns related to payment behavior. Data cleaning, transformation, and exploratory analysis were performed using Python for data processing and Power BI for interactive visualization. The results highlight specific months and regions with higher concentrations of recovered amounts, as well as variations in the number of payers and the average payment per person, providing analytical support for managerial decision-making.pt_BR
dc.languageporpt_BR
dc.publisherInstituto Federal de Educação, Ciência e Tecnologia Farroupilhapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAnálise de Dadospt_BR
dc.subjectRecuperação de Créditopt_BR
dc.subjectInadimplênciapt_BR
dc.titleUm Estudo de Caso de Análise de Dados para Recuperação de Créditopt_BR
dc.typeArtigo Científicopt_BR
dc.description.resumoA recuperação de crédito é essencial para a sustentabilidade financeira de organizações que lidam com a inadimplência. Este trabalho apresenta um estudo de caso de análise de dados aplicado a registros históricos de um escritório de recuperação de crédito, com o objetivo de identificar padrões temporais e regionais relacionados ao comportamento dos pagamentos. Foram empregadas técnicas de limpeza, transformação e análise exploratória dos dados, utilizando Python para o tratamento das informações e Power BI para a visualização interativa. Os resultados evidenciam meses e localidades com maior concentração de valores recuperados, bem como variações na quantidade de pessoas que efetuaram pagamento e no ticket médio por pessoa, fornecendo subsídios analíticos para a tomada de decisão gerencial.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Frederico Westphalenpt_BR
dc.publisher.initialsIFFARpt_BR
dc.audience.educationlevelGraduaçãopt_BR
dc.creativecommons.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.creativecommons.nameAtribuição-NãoComercial-SemDerivados 3.0 Brasil*
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC Gabriel Gonchoroski de Souza FINAL.pdf615,1 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Este item está licenciado sob uma Licença Creative Commons Creative Commons