Projeto de machine learning: compreensão da hospitalidade como diferencial competitivo na gestão de restaurantes
DOI:
https://doi.org/10.5585/gep.v11i3.18748Palavras-chave:
Projeto de Software, Naïve Bayes, Machine Learning, Hospitalidade na Competitividade de Serviços, Gestão em Alimentos e BebidasResumo
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.
Referências
ABRASEL. (2019). Home. Abrasel. https://abrasel.com.br/
Arora, N., & Kaur, P. D. (2020). A Bolasso based consistent feature selection enabled random forest classification algorithm: An application to credit risk assessment. Applied Soft Computing, 86, 105936. https://doi.org/10.1016/j.asoc.2019.105936
Asafu-Adjei, J. K., & Betensky, R. A. (2015). A Pairwise Naïve Bayes Approach to Bayesian Classification. International Journal of Pattern Recognition and Artificial Intelligence, 29(07), 1550023. https://doi.org/10.1142/S0218001415500238
Aulia, A., Jeong, D., Saaid, I. M., Kania, D., Shuker, M. T., & El-Khatib, N. A. (2019). A Random Forests-based sensitivity analysis framework for assisted history matching. Journal of Petroleum Science and Engineering, 181, 106237. https://doi.org/10.1016/j.petrol.2019.106237
Babbie, E. R. (1999). Metodos De Pesquisas De Survey.
Brotherton, B., & Wood, R. C. (2001). Hospitality and hospitality management. In In search of hospitality (pp. 134-156). Butterworth-Heinemann.
Brotherton, B., & Wood, R. C. (2008). The nature and meanings of “hospitality.”. The SAGE handbook of hospitality management, 37-61.
Chen, C., Zhang, G., Yang, J., Milton, J. C., & Alcántara, A. “Dely”. (2016). An explanatory analysis of driver injury severity in rear-end crashes using a decision table/Naïve Bayes (DTNB) hybrid classifier. Accident Analysis & Prevention, 90, 95–107. https://doi.org/10.1016/j.aap.2016.02.002
Chen, W., Zhang, S., Li, R., & Shahabi, H. (2018). Performance evaluation of the GIS-based data mining techniques of best-first decision tree, random forest, and naïve Bayes tree for landslide susceptibility modeling. Science of The Total Environment, 644, 1006–1018. https://doi.org/10.1016/j.scitotenv.2018.06.389
Demo, P. (2000). Metodologia do Conhecimento Científico (Edição: 1a). Atlas.
Drucker, P. F. (2000). Desafios Gerenciais Para o Século XXI (1a edição). Cengage.
Fonseca, M. T. (2018). Tecnologias gerenciais de restaurantes. Senac.
Gil, A. C. (2008). Métodos e Técnicas de Pesquisa Social (Edição: 6a). Atlas.
Godbout, J. T. (2019). To receive is to give. Revue du MAUSS, (1), 159-174.
Jiang, L., Cai, Z., Zhang, H., & Wang, D. (2013). Naive Bayes text classifiers: A locally weighted learning approach. Journal of Experimental & Theoretical Artificial Intelligence, 25(2), 273–286. https://doi.org/10.1080/0952813X.2012.721010
Jones, P. (Ed.). (2002). Introduction to hospitality operations: An indispensable guide to the industry. Cengage Learning EMEA.
Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255–260. https://doi.org/10.1126/science.aaa8415
Karandikar, J., McLeay, T., Turner, S., & Schmitz, T. (2015). Tool wear monitoring using naïve Bayes classifiers. The International Journal of Advanced Manufacturing Technology, 77(9–12), 1613–1626. https://doi.org/10.1007/s00170-014-6560-6
Kerlinger, F. N. (1988). Metodologia da Pesquisa em Ciências Sociais. Um Tratamento Conceitual (Edição: 8a). EPU.
King, C. A. (1995). What is hospitality? International Journal of Hospitality Management, 14(3-4), 219-234.
Kou, G., Chao, X., Peng, Y., Alsaadi, F. E., & Herrera-Viedma, E. (2019). Machine learning methods for systemic risk analysis in financial sectors. Technological and Economic Development of Economy, 25(5), 716–742. https://doi.org/10.3846/tede.2019.8740
Kubat, M. (2017). An Introduction to Machine Learning. Springer International Publishing. https://doi.org/10.1007/978-3-319-63913-0
Lashley, C. (2004). Em busca da hospitalidade: Perspectivas para um mundo globalizado (1a edição). Editora Manole.
Lashley, C. (2015). Hospitality and hospitableness. Research in Hospitality Management, 5(1), 1-7.
Lashley, C., & Morrison, A. (2010). In search of hospitality. Routledge.
Lashley, C., Lynch, P., & Morrison, A. (2007). Hospitality: an introduction. In Hospitality: A social lens (pp. 15-30). Routledge.
Li, C., Jiang, L., & Li, H. (2014). Naive Bayes for value difference metric. Frontiers of Computer Science, 8(2), 255–264. https://doi.org/10.1007/s11704-014-3038-5
Link, C. P., Silva, G., Barichello, R., & Magro, C. B. D. (2020). Fatores críticos no gerenciamento de projetos públicos sustentáveis. Revista de Gestão e Projetos, 11(2), 87–109. https://doi.org/10.5585/gep.v11i2.17490
López-Cruz, P. L., Bielza, C., & Larrañaga, P. (2015). Directional naive Bayes classifiers. Pattern Analysis and Applications, 18(2), 225–246. https://doi.org/10.1007/s10044-013-0340-z
Marconi, M. de A., & Lakatos, E. M. (2017). Metodologia científica (Edição: 7). Atlas.
Mullins, L. J. (2001). Hospitality management and organisational behaviour. Pearson Education.
Pitt-Rivers, J. (2017). From Hospitality to Grace: A Julian Pitt-Rivers Omnibus. Hau Books.
Powers, T. F., & Barrows, C. W. (2003). Introduction to the hospitality industry. John Wiley & Sons.
Prado, E. P. V., Mancini, M., & Grotta, A. (2020). Estilo de liderança e sucesso em projetos de TI em organizações brasileiras. Revista de Gestão e Projetos, 11(2), 64–86. https://doi.org/10.5585/gep.v11i2.17387
R Foundation. (2019). R: The R Foundation. https://www.r-project.org/foundation/
Recknagel, F. (2001). Applications of machine learning to ecological modelling. Ecological Modelling, 146(1–3), 303–310. https://doi.org/10.1016/S0304-3800(01)00316-7
Russo, R. de F. S. M., & Silva, L. F. da. (2019). Critérios de sucesso e fatores de sucesso: É crítico distinguir o significado de ambos. Revista de Gestão e Projetos, 10(2), Article 2. https://doi.org/10.5585/gep.v10i2.14614
Sánchez-Franco, M. J., Navarro-García, A., & Rondán-Cataluña, F. J. (2019). A naive Bayes strategy for classifying customer satisfaction: A study based on online reviews of hospitality services. Journal of Business Research, 101, 499–506. https://doi.org/10.1016/j.jbusres.2018.12.051
Santos, A., Mendes, S., & Corte-Real, J. (2014). siC notícias online. (sicnoticias. sapo. pt/pais/2014/01/07/varios-restaurantes-e-baresnas-praias-destruidos-na-marginal-de-cascais). Last access on January, 7.
SEBRAE. (2019). Sebrae SÃO PAULO SP - Sebrae. https://www.sebrae.com.br/sites/PortalSebrae/ufs/sp?codUf=26
Sharma, D., Kumar, B., & Chand, S. (2019). A Trend Analysis of Machine Learning Research with Topic Models and Mann-Kendall Test. International Journal of Intelligent Systems and Applications, 11(2), 70–82. https://doi.org/10.5815/ijisa.2019.02.08
Shiri Harzevili, N., & Alizadeh, S. H. (2018). Mixture of latent multinomial naive Bayes classifier. Applied Soft Computing, 69, 516–527. https://doi.org/10.1016/j.asoc.2018.04.020
Silver, D. L., Yang, Q., & Li, L. (2013, março 15). Lifelong Machine Learning Systems: Beyond Learning Algorithms. 2013 AAAI Spring Symposium Series. 2013 AAAI Spring Symposium Series. https://www.aaai.org/ocs/index.php/SSS/SSS13/paper/view/5802
Skiena, S. S. (2017). The Data Science Design Manual. Springer International Publishing. https://doi.org/10.1007/978-3-319-55444-0
Spolon, A. P. G. (2015). Um exercício de hospitalidade. Revista Hospitalidade, 3-8.
Tideman, M. C. (1983). External influences on the hospitality industry. The management of hospitality., 1-23.
Villani, J., Schully, S. D., Meyer, P., Myles, R. L., Lee, J. A., Murray, D. M., & Vargas, A. J. (2018). A Machine Learning Approach to Identify NIH-Funded Applied Prevention Research. American Journal of Preventive Medicine, 55(6), 926–931. https://doi.org/10.1016/j.amepre.2018.07.024
Vural, M. S., & Gök, M. (2017). Criminal prediction using Naive Bayes theory. Neural Computing and Applications, 28(9), 2581–2592. https://doi.org/10.1007/s00521-016-2205-z
Walker, J. R. (2002). Introduction to hospitality. Prentice Hall.
Wang, S., Jiang, L., & Li, C. (2015). Adapting naive Bayes tree for text classification. Knowledge and Information Systems, 44(1), 77–89. https://doi.org/10.1007/s10115-014-0746-y
Wen, S., Wang, C., Li, H., & Zheng, G. (2019). Parallel naïve Bayes regression model-based collaborative filtering recommendation algorithm and its realisation on Hadoop for big data. International Journal of Information Technology and Management, 18(2–3), 129–142. https://doi.org/10.1504/IJITM.2019.099818
Wood, R. C. (1992). Hospitality industry labour trends: British and international experience. Tourism Management, 13(3), 297-304.
Xu, S. (2018). Bayesian Naïve Bayes classifiers to text classification. Journal of Information Science, 44(1), 48–59. https://doi.org/10.1177/0165551516677946
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Revista de Gestão e Projetos
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
O(s) autor(es) autoriza(m) a publicação do texto na da revista;
O(s) autor(es) garantem que a contribuição é original e inédita e que não está em processo de avaliação em outra(s) revista(s);
A revista não se responsabiliza pelas opiniões, idéias e conceitos emitidos nos textos, por serem de inteira responsabilidade de seu(s) autor(es);
É reservado aos editores o direito de proceder a ajustes textuais e de adequação às normas da publicação.
Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons Atribuição - Não comercial - Compartilhar igual 4.0 Internacional que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre) em http://opcit.eprints.org/oacitation-biblio.html
