Projeto de machine learning: compreensão da hospitalidade como diferencial competitivo na gestão de restaurantes

Paulo Sergio Gonçalves de Oliveira; Thais Goldbard Yoshiura; Carlos Alberto Alves

doi:10.5585/gep.v11i3.18748

Autores/as

Paulo Sergio Gonçalves de Oliveira Universidade Anhembi Morumbi https://orcid.org/0000-0001-9122-4904
Thais Goldbard Yoshiura Centro Universitário Senac, Centro Universitário Senac - SP, Instituto Gastronômico das Américas, Universidade Anhanguera, Universidade Anhembi Morumbi https://orcid.org/0000-0002-2345-5580
Carlos Alberto Alves Universidade Anhembi Morumbi https://orcid.org/0000-0003-2260-5580

DOI:

https://doi.org/10.5585/gep.v11i3.18748

Palabras clave:

Projeto de Software, Naïve Bayes, Machine Learning, Hospitalidade na Competitividade de Serviços, Gestão em Alimentos e Bebidas

Resumen

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.

Biografía del autor/a

Paulo Sergio Gonçalves de Oliveira, Universidade Anhembi Morumbi

Professor do Programa de Pós-Graduação em Hospitalidade (Mestrado e Doutorado)
Professor do Mestrado Profissional em Gestão de Alimentos e Bebidas

Thais Goldbard Yoshiura, Centro Universitário Senac, Centro Universitário Senac - SP, Instituto Gastronômico das Américas, Universidade Anhanguera, Universidade Anhembi Morumbi

Mestranda em Hospitalidade na Universidade Anhembi Morumbi

Professora de Gastronomia na Universidade Anhanguera

Carlos Alberto Alves, Universidade Anhembi Morumbi

Professor do Programa de Pós-Graduação em Hospitalidade (Mestrado e Doutorado)
Professor do Mestrado Profissional em Gestão de Alimentos e Bebidas

Citas

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