2.1. Planejamento da RSL

O primeiro passo na elaboração desta RSL foi a definição do objetivo de pesquisa, que consiste em identificar na literatura científica estudos primários que proponham a aplicação de técnicas de ML nas operações de cobrança de dívidas. Além disso, busca-se compreender a forma como esses estudos foram conduzidos e os resultados obtidos com suas aplicações. Para atingir esse objetivo claramente definido, foram formuladas seis questões de pesquisa (QP) que direcionam a investigação:

QP1: Quando e onde os estudos foram publicados?

QP2: Quais são os principais objetivos das pesquisas desenvolvidas?

QP3: Em quais subcampos do ML as abordagens se inserem?

QP4: Quais frameworks metodológicos foram utilizados nos estudos?

QP5: Quais algoritmos são predominantemente utilizados nas pesquisas?

QP6: Quais métricas são empregadas para avaliação de desempenho das técnicas de ML?

A próxima etapa deste estudo abordará detalhadamente a estratégia e os métodos empregados na busca por trabalhos que possam responder a essas questões de pesquisa de maneira abrangente e rigorosa.

2.2. Condução da Busca por Obras na Literatura

Para a compilação dos estudos primários que compõem esta RSL, foram conduzidas pesquisas nas seguintes bibliotecas digitais nessa sequência de busca: Scopus, IEEE Xplore Digital Library e ACM Digital Library; adicionalmente, uma busca manual em português foi realizada na biblioteca digital da ^{Sociedade Brasileira de Computação} (SOL-SBC).

Neste estudo, a definição das palavras-chave seguiu a metodologia do protocolo PICO (^{PAI et al., 2004}), uma abordagem estruturada que divide a questão de pesquisa em quatro elementos fundamentais:

Para ajustar a estratégia de busca, foram realizados vários testes em cada um dos mecanismos de busca mencionados, com o objetivo de desenvolver uma string de busca que fornecesse resultados mais adequados, em consonância com as questões de pesquisa estabelecidas. A cada teste executado, uma análise minuciosa dos primeiros 10 resultados foi realizada, a fim de verificar se os títulos, resumos e palavras-chave estavam alinhados com o escopo da pesquisa.

A Tabela 1 apresenta as strings de busca ou equações de busca, utilizadas em cada uma das bibliotecas eletrônicas. Essas strings foram aplicadas nos campos de título, resumo e palavras-chave dos estudos, garantindo uma abordagem abrangente na identificação de trabalhos pertinentes para a revisão sistemática.

4.1. Visão Geral dos Estudos Primários Selecionados

Dentre os 11 artigos analisados, seis deles abordam o problema de previsão de pagamento de faturas, que é um desafio comum na fase inicial da cobrança. Os artigos A1 (^{Schoonbee et al., 2022}), A3 (^{Nascimento et al., 2021}), A4 (^{Ramanei et al., 2021}), A5 (^{Placencia et al., 2020}), A6 (^{Bahrami et al., 2020}) e A10 (^{Zeng et al., 2008}), abordam esse problema e propõem soluções baseadas em ML. Estes artigos fazem uso de algoritmos como DT - Decision Tree, RF - Random Forest, LR - Logistic Regression, dentre outros.

No artigo A1 (^{Schoonbee et al., 2022}), os autores propuseram um sistema de suporte à decisão (Decision Support System - DSS) para prever o comportamento de pagamento do cliente em relação às faturas emitidas em uma empresa na África do Sul.

Foram testados 6 diferentes tipos de algoritmos e para avaliação de desempenho os autores optaram por utilizar a curva ROC (Receiver Operating Characteristic) que demonstra a eficiência de um modelo em distinguir entre duas classes possíveis. Neste caso, a métrica utilizada foi a área abaixo da curva ROC (AUC - Area under the Curve), que varia entre 0 e 1, e quanto mais próximo de 1 melhor o desempenho do modelo. Dentre os modelos testados, o RF apresentou o melhor resultado, com AUC acima de 79%.

Já no artigo A3, ^{Nascimento et al. (2021}) discutem a cobrança de dívidas no setor público no Brasil, propondo a implementação de um framework. O objetivo era criar modelos de pontuação de predição de inadimplência, pagamentos espontâneos, e pagamento por resposta a ações de cobrança. Dentre os algoritmos testados, os autores utilizaram uma abordagem de comitê de algoritmo, que visa melhorar o desempenho de classificação.

O estudo apresentou resultados satisfatório de acordo com os autores, com uma AUC de 92% e Precisão de 86,96% para propensão de pagamento nos próximos 30 dias (semelhante resultados para os próximos 60 e 90 dias).

No artigo A4, ^{Ramanei et al. (2021}), também discutem o problema de previsão de pagamento de faturas em uma empresa na Malásia. A metodologia utilizada fez uso do framework metodológico, CRISP-DM DM (Cross-Industry Standard Process for Data Mining), desenvolvido por ^{Shearer (2000}). e testou os algoritmos DT e RF. Utilizou o nível de acurácia dos resultados para avaliar a capacidade de acerto dos modelos. Os resultados de desempenho entre os modelos foram muito parecidos, e o autores optaram por selecionar o algoritmo DT, pois as regras da árvore de decisão (decision tree) são facilmente interpretadas em comparação com o RF.

Já no artigo A5, ^{Placencia et al. (2020}) propõem um framework também baseado no CRISP-DM com o objetivo de prever dívidas de contribuintes de uma empresa no Equador com alta probabilidade de inadimplência utilizando técnicas de deep learning (DL). A métrica utilizada para medir o desempenho do modelo, foi o índice de concordância. O modelo final apresentou desempenho de 90%.

^{Bahrami et al. (2020}), artigo A6, tinham como objetivo entender o comportamento do cliente em relação aos pagamentos de faturas e propor uma abordagem analítica para aprender e prever o comportamento de pagamento utilizando técnicas não supervisionadas e supervisionadas de ML. No framework desenvolvido, os autores propuseram diferentes abordagens para prever inadimplência. Uma das abordagens por exemplo, utilizava de algoritmos não supervisionados (K-Means e DBSCAN - Density-based Spatial Clustering of Applications with Noise) para agrupamento de dados (clustering), criando grupos de clientes, para só depois ser feita a criação dos modelos de classificação de dados, para cada grupo utilizando três abordagens de ML supervisionado: LR, Support Vector Machine (SVM) e One Rule (OneR). Foram utilizadas as métricas de AUC e Precisão para avaliar a capacidade preditiva dos modelos. Os resultados da regressão logística forneceram até 97% de precisão com ou sem pré-agrupamento de clientes.

No artigo A10, ^{Zeng et al. (2008}) demonstraram como o aprendizado supervisionado pode ser usado para construir modelos para prever os resultados de pagamento de faturas recém-criadas em quatro empresas nos Estados-Unidos. O algoritmo DT, do tipo C4.5 apresentou o melhor desempenho de acordo com a métrica acurácia.

Os autores puderam demonstrar por meio de simulação, que criação de um modelo preditivo para estimar a probabilidade de atraso no pagamento da fatura baseada no modelo de ML contribui para reduzir a inadimplência.

Em relação aos estudos analisados com foco na personalização da cobrança utilizando técnicas de ML foram identificados três artigos: A7 (Yang et al. 2020), A8 (^{Takahashi et al. 2015}) e A9 (Takahashi et al. 2014), tem-se que em Takahashi et al. (2015), artigo A8, os autores investigaram as características dos clientes que geravam efeitos de lembrete na indústria de pedidos por correio, com ênfase nos clientes devedores. Até então, as investigações se concentravam em dados como endereço de entrega, nome do destinatário e método de pagamento, e a previsão desse conhecimento dependia das experiências dos funcionários. Para preencher essa lacuna, os autores analisaram dados de transações em conjunto com informações de clientes inadimplentes de uma empresa de pedidos por correio no Japão, utilizando a técnica Self Organizing Maps (SOM), um tipo especial de RNA de aprendizado não supervisionado. Os resultados da análise permitiram a identificação de potenciais transações fraudulentas e a classificação de clientes intencionais e descuidados por meio de ML.

Em outro estudo desses autores ^{Takahashi et al. (2014}), artigo A9, realizaram a classificação de clientes inadimplentes com base nos registros de transações de uma empresa de venda de cosméticos por correios. O foco estava na mudança do método de pagamento. A análise revelou que a frequência de inadimplência aumentava à medida que o intervalo entre os pedidos era reduzido, e dependendo do montante financeiro dos pedidos. Foi conduzida uma pesquisa intensiva para identificar os clientes inadimplentes usando novamente a técnica SOM. Os resultados demonstraram que os clientes inadimplentes podiam ser detectados por meio da identificação de parâmetros específicos.

^{Yang et al. 2020}, no artigo A7, desenvolveram um estudo no contexto de cobrança de dívidas de empréstimos, onde os cobradores geralmente fazem uso de ações baseadas em informações privadas e seguem uma estratégia de cobrança sequencial estrita. O estudo aplicou o aprendizado por reforço para otimizar a estratégia de cobrança. Um experimento de campo ajudou a validar e quantificar o valor econômico do algoritmo de otimização em um contexto do mundo real.

4.2. Respostas às Questões de Pesquisa

As QPs são respondidas nesta subseção na mesma sequência em que foram propostas.

QP1: Quando e onde os estudos foram publicados?

A partir da análise dos 11 estudos primários, observa-se que o primeiro estudo foi publicado em 2008. No entanto, o ano de 2020 se destaca, com três publicações realizadas. A Figura 2 apresenta a distribuição dos estudos ao longo dos anos.

Na Figura 1, é possível verificar a distribuição dos estudos por país de origem dos autores. Os Estados Unidos se destacam, com quatro estudos publicados, seguidos pelo Japão, com dois estudos. Os demais países apresentam apenas um estudo publicado. Notavelmente, o Brasil contribui com apenas um estudo, indicando que a pesquisa sobre o uso de ML na cobrança de dívidas ainda é incipiente no cenário brasileiro, especialmente considerando bases de dados em língua portuguesa.

Figura 1 Estudos primários por ano de publicação 

Figura 2 Estudos primários por ano de publicação 

QP2: Quais são os objetivos primordiais das pesquisas desenvolvidas?

Conforme salientado na seção anterior, seis artigos abordaram o problema de previsão de pagamento de faturas, propondo soluções baseadas em ML. São os artigos: A1 (^{Schoonbee et al., 2022}), A3 (^{Nascimento et al., 2021}), A4 (^{Ramanei et al., 2021}), A5 (^{Placencia et al., 2020}), A6 (^{Bahrami et al., 2020}) e A10 (^{Zeng et al., 2008}). E sobre a personalização da cobrança utilizando técnicas de ML foram identificados três artigos: A7 (Yang et al. 2020), A8 (^{Takahashi et al. 2015}) e A9 (^{Takahashi et al. 2014}).

A tabela 5 revela esse quadro, em que que a previsão de inadimplência é o objetivo central na aplicação de ML na cobrança de dívidas, abordado em 6 dos 11 artigos selecionados. Em seguida, soluções para personalização da cobrança são abordadas em 3 dos 11 artigos. Aplicações para previsão de recuperação de dívidas e otimização das ações de cobrança são temas de 1 estudo cada.

QP3: Em que subcampos do ML as abordagens se inserem?

Os trabalhos analisados abrangem uma variedade de subcampos do ML, no entanto, o aprendizado supervisionado é o subcampo mais comumente aplicado, sendo utilizado em 7 dos 11 artigos selecionados (tabela 6).

QP4: Quais frameworks metodológicos foram utilizados nos estudos?

Nos estudos selecionados, a metodologia CRISP-DM (Cross-Industry Standard Process for Data Mining) foi utilizada em 3 dos 11 artigos utilizados (A1, A4 e A5). O CRISP-DM é um modelo de processo para análise e modelagem de dados, desenvolvido por ^{Shearer (2000}). Essa metodologia possui seis etapas: compreensão do negócio, entendimento e preparação dos dados, modelagem, avaliação e implantação.

A abordagem da CRISP-DM é iterativa e cíclica, o que significa que as etapas não são estritamente lineares. Essa flexibilidade é uma das razões pelas quais a metodologia CRISP-DM é tão popular: ela se adapta bem a projetos de ciência de dados que frequentemente envolvem descobertas e mudanças ao longo do processo. Foram identificados 4 estudos (A3, A6, A9 e A10) onde os autores criaram frameworks, propondo etapas de pré-processamento, criação e seleção de atributos, e avaliação dos modelos. Os demais artigos não abordaram de frameworks metodológicos.

QP5: Quais algoritmos são predominantemente utilizados nas pesquisas?

Os algoritmos explorados em cada artigo são apresentados na tabela 7.

E na Figura 3 tem-se os 19 algoritmos utilizados nas aplicações de ML. Destacam-se Decision Tree (DT) e Logistic Regression (LR), utilizados em 4 estudos cada. Em seguida, Random Forest (RF), Naive Bayes (NB), Artificial Neural Network (ANN) e Deep Learning (DL) empregados em 3 artigos, respectivamente.

Figura 3 Tipos de Algoritmos utilizados nos estudos analisados 

QP6: Quais métricas são empregadas na avaliação de desempenho das técnicas de AM?

Foram identificadas 9 métricas diferentes, com destaque para a Área sob a Curva ROC (Area Under the Curve - AUC) e a Acurácia (Accuracy), que são amplamente utilizadas em tarefas de classificação em métodos supervisionados. A AUC mede a capacidade de discriminação do modelo, sendo uma métrica que avalia a capacidade do modelo de distinguir entre classes. Quanto maior a AUC, melhor a capacidade de classificação do modelo. A Acurácia, por sua vez, mede a fração de instâncias corretamente classificadas dentre o total de instâncias recuperadas, sendo uma métrica fundamental para medir o desempenho do modelo.

A Figura 4 apresenta as métricas de avaliação de desempenho dos modelos utilizados nos estudos.

Figura 4 Métricas de avaliação identificadas nos trabalhos