Prediction of customer satisfaction level based on best practices followed in the software development process (2024)
- Authors:
- Autor USP: BERTONHA, GEOVANNE BORGES - ICMC
- Unidade: ICMC
- Subjects: DESENVOLVIMENTO DE SOFTWARE; INTELIGÊNCIA ARTIFICIAL; SATISFAÇÃO DO CONSUMIDOR; ANÁLISE DE DADOS; ANÁLISE DE SÉRIES TEMPORAIS
- Keywords: Net Promoter Score; Random Forest; XGBoost; Regressão Lasso; ARIMA
- Language: Inglês
- Abstract: Este estudo explora a previsão da satisfação do cliente em equipes de desenvolvimento de software utilizando algoritmos de Inteligência Artificial (IA). O objetivo principal é determinar se a satisfação do cliente, medida pelo Net Promoter Score (NPS) (Reichheld, 2003), pode ser prevista com base em práticas seguidas no processo de desenvolvimento de software e identificar quais delas impactam mais significativamente a satisfação. Dados de dez equipes ágeis de desenvolvimento de software da MTI Ltd. (MTI, 1996), coletados por meio de um framework proprietário semelhante ao CMMI5, foram analisados utilizando os modelos Random Forest, XGBoost, Lasso Regression, ARIMA e LSTM. O estudo seguiu uma metodologia estruturada, incluindo pré-processamento de dados, análise exploratória de dados e implementação de modelos. Os resultados indicam que os modelos XGBoost, Random Forest e LSTM previram com sucesso o NPS com precisão satisfatória, medida pelo Erro Médio Absoluto Percentual Simétrico (sMAPE) e pelo Erro Médio Absoluto (MAE) (Shcherbakov et al., 2013). Os modelos Lasso e AutoARIMA indicaram um desempenho menos favorável. Além disso, uma análise de correlação de Pearson identificou as principais melhores práticas que se correlacionam com o NPS. Algumas limitações foram observadas, incluindo um pequeno conjunto de dados, inconsistências nos dados e continuidade limitada da série temporal. Pesquisas futuras poderiam se beneficiar de conjuntos de dados maiores, abordagens alternativas de previsão e métodos aprimorados de seleção de características. As descobertas do estudo oferecem informações úteis para otimizar práticas de desenvolvimento de software para melhorar a satisfação do cliente.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
-
ABNT
BERTONHA, Geovanne Borges. Prediction of customer satisfaction level based on best practices followed in the software development process. 2024. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2024. Disponível em: https://bdta.abcd.usp.br/directbitstream/957d06c1-7dc8-47fd-873c-fea4640f1cf7/Geovanne_Borges_Bertonha.pdf. Acesso em: 19 mar. 2025. -
APA
Bertonha, G. B. (2024). Prediction of customer satisfaction level based on best practices followed in the software development process (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/957d06c1-7dc8-47fd-873c-fea4640f1cf7/Geovanne_Borges_Bertonha.pdf -
NLM
Bertonha GB. Prediction of customer satisfaction level based on best practices followed in the software development process [Internet]. 2024 ;[citado 2025 mar. 19 ] Available from: https://bdta.abcd.usp.br/directbitstream/957d06c1-7dc8-47fd-873c-fea4640f1cf7/Geovanne_Borges_Bertonha.pdf -
Vancouver
Bertonha GB. Prediction of customer satisfaction level based on best practices followed in the software development process [Internet]. 2024 ;[citado 2025 mar. 19 ] Available from: https://bdta.abcd.usp.br/directbitstream/957d06c1-7dc8-47fd-873c-fea4640f1cf7/Geovanne_Borges_Bertonha.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Geovanne_Borges_Bertonha.... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
