///
Uma equipe de ciência de dados está desenvolvendo um modelo de risco para identificar empresas envolvidas na emissão de notas frias, usando dados de NF-e, escriturações fiscais digitais, cadastros, histórico de autuações e cruzamentos bancários. Foram definidas as seguintes atividades:
1. Definir objetivos de negócio (ex.: aumentar em 10% a recuperação de crédito em operações com notas frias, mantendo o número de fiscalizações).
2. Mapear as fontes de dados disponíveis (NF-e, cadastros, autuações) e avaliar sua qualidade e completude.
3. Selecionar técnicas de modelagem (ex.: redes neurais) e definir a estratégia de validação.
4. Definir métricas técnicas de avaliação (ex.: recall em top-k contribuintes, precisão por faixa de risco) alinhadas aos objetivos de negócio.
5. Planejar a integração do score ao sistema de seleção de contribuintes, incluindo monitoramento e possíveis recalibrações.
A correlação mais consistente dessas atividades às fases do modelo CRISP-DM está em:
| 1 | 2 | 3 | 4 | 5 | |
|---|---|---|---|---|---|
| A | Business Understanding | Data Understanding | Modeling | Evaluation | Deployment |
| B | Data Understanding | Data Preparation | Modeling | Evaluation | Deployment |
| C | Business Understanding | Data Preparation | Modeling | Deployment | Evaluation |
| D | Business Understanding | Data Understanding | Data Preparation | Modeling | Evaluation |
| E | Business Understanding | Data Understanding | Evaluation | Modeling | Deployment |