Questões de Concurso

Uma instituição financeira deseja aprimorar seus modelos de detecção de fraudes e de análise de risco de crédito. Para isso, a equipe de ciência de dados precisa explorar grandes volumes de transações financeiras, dados cadastrais de clientes, informações de mercado e até mesmo dados de redes sociais para identificar padrões e anomalias que indiquem atividades fraudulentas ou perfis de risco.

(a)

Técnicas de Data Mining, como árvores de decisão e redes neurais, são adequadas para descobrir padrões ocultos e prever comportamentos em grandes conjuntos de dados, sendo essenciais para a detecção de fraudes.

(b)

A análise de dados deve se limitar a relatórios gerenciais simples, pois técnicas avançadas de Data Mining podem introduzir complexidade excessiva e dificultar a interpretação dos resultados.

(c)

O foco principal do Data Mining deve ser a organização de dados estruturados em tabelas, pois dados não estruturados, como textos de redes sociais, não agregam valor analítico significativo.

(d)

A coleta de dados deve priorizar apenas informações quantificáveis e facilmente mensuráveis, descartando-se dados qualitativos ou contextuais que possam ser mais difíceis de processar.

(e)

A simples agregação de dados históricos, sem a aplicação de algoritmos de aprendizado de máquina, é suficiente para construir modelos preditivos robustos para detecção de fraudes.