Geomodelagem Financeira

1
Todos direitos reservados para Cognatis
Serviçosde
Geomarketing
e Modelos
Case Financeiro

2
Background
Identificar
melhores locais
para a abertura
de novas lojas
de uma
financeira
através da
estimativa
da receita
esperada
em uma área
determinada
calculado por um estudo
estatístico que tem como
insumo a base transacional
desta empresa.

3
Fases do Projeto
33% 44% 65% 86%
1ª Etapa
Mapeamento da
demanda observada
na rede, através das
características
geodemográficas dos
clientes e da
população residente
e/ou trabalhadora
2ª Etapa
Modelagem
estatística:
Estabelecer a relação
entre o transacional
observado e as
características
geodemográficas dos
setores censitários
3ª Etapa
Aplicação do modelo
estatístico para o
Estado de São Paulo.
Identificação das
áreas de maior
potencial
4ª Etapa
Checagem manual de
cada ponto
recomendado
levando-se em conta
características
mercadológicas das
áreas em estudo

4
Mapeamento da Demanda
Geocodificação de clientes nos
endereços residencial e comercial.
Etapa 1

5
Etapa 1 – Mapeamento da Demanda
Cálculo e classificação dos
clientes pelo endereço mais
próximo.
Etapa 1

6
próximo.
Separação das bases dos clientes
em 2 bases distintas.
RESIDENCIAL
Etapa 1

7
próximo.
COMERCIAL
Etapa 1

8
próximo.
Cálculo da demanda por setor em
relação à loja.
Etapa 1

9
próximo.
em 2 bases distintas..
relação à loja.
Caracterização da população por
aspectos demográficos / sociais /
características do trabalho /
concorrência e mercado.
Domicílios 3150
Casas 1638
Apartamentos 1512
População 18.798
Renda Nominal Familiar R$ 1.963,31
Despesa Familiar com Alimentação R$ 251,86
Trabalhadores 1.236
Salário Médio R$ 935,20
Etapa 1

10
Etapa 2
próximo.
relação à loja.
Caracterização da demanda por
Modelagem estatística
Etapa 2 – Modelagem Estatística
 Modelo Probabilístico
O que faz: Mensurar o relacionamento entre características geo-demográficas
das áreas onde residem e/ou trabalham clientes com
os respectivos potenciais de demanda. Aplicar método para
potencializar áreas de expansão.
Unidade de observação: Setores censitários de residência e trabalho dos
clientes.
O que foi estimado (variável dependente): faturamento gerado pela
população do setor i na loja j.
Variáveis explicativas (independentes): características demográficas e
econômicas das populações residencial e comercial, características do
mercado (concorrência, canibalização, etc.), e urbanísticas (distância
à loja, proximidade de shopping, etc.)
Método: Modelo multivariado com ajuste para distribuição censurada.
Devido à grande quantidade de setores vazios (sem clientes), foi
necessário utilizar ajuste para distribuição censurada. Adotamos o
modelo econométrico TOBITO. (detalhes em Greene, W.
“Econometric Analysis” ch22. )

11
DISTÂNCIA
Etapa 2
próximo.
relação à loja.
Variáveis relativas a
população residente:
 População
 Domicílios
 Renda do chefe
 Idade
 Sexo
 Classe Social
 Consumo
 Outras
Variáveis relativas a
população trabalhadora:
 Quantidade de trabalhadores
 Rendimento médio
 Grau de Instrução
 Profissões Variáveis de mercado:
 Concorrentes
 Outra loja da rede
 Comércios
 Shopping Centers
 Agências Bancárias
 Captura Externa
ESTIMATIVA DE POTENCIAL
ESPECIFICAÇÃO
O modelo de regressão baseado em dados censurados Tobit é dado por:
yi* = ’xi + i, (2) , onde
yi = 0 se yi* <= 0 e yi = yi* se yi* > 0
e o índice i varia de 1 a n observações.

12
Etapa 2
próximo.
relação à loja.
APLICAÇÃO – TODAS AS LOJAS

13
Etapa 2
próximo.
relação à loja.
AVALIAÇÃO
Estimado Observado

14
Modelo Residencial : Simulações
Efeito do Grau de Instrução da População Residente
R$ 190,000
R$ 180,000
R$ 170,000
R$ 160,000
R$ 150,000
R$ 140,000
R$ 130,000
R$ 120,000
20% 22% 24% 26% 28% 30% 32% 34% 36%
Percentual na faixa de instrução
Receita Mensal Esperada da População Residencial
efeito curso superior Efeito Segundo Grau Efeito Primeiro Grau efeito sem instrucao
Efeito da Proporção Masculina residente
R$ 190,000
R$ 180,000
R$ 170,000
R$ 160,000
R$ 150,000
R$ 140,000
R$ 130,000
R$ 120,000
44% 45% 46% 47% 48% 49% 50% 51%
Percentual de Homens na Região
Faturamento Mensal Esperado (residencial)
Etapa 2

15
Modelo Residencial : Simulações
Decréscimo Médio Esperado por Distância da Loja (em kms)
R$ 350,000
R$ 300,000
R$ 250,000
R$ 200,000
R$ 150,000
R$ 100,000
R$ 50,000
R$ -
Efeito Distancia em Kms
0 0.5 1 1.5 2 2.5
kms da loja
Efeito do Aumento de Domicílios por Setor (Densidade Demográfica)
R$ 250,000
R$ 200,000
R$ 150,000
R$ 100,000
R$ 50,000
R$ -
150.00 200.00 250.00 300.00 350.00 400.00 450.00
Domicílios por setor censitário
Etapa 2

16
Etapa 3
próximo.
relação à loja.
Potencialização de novas regiões.
Etapa 3 – Aplicação do Modelo
O algoritmo de escoragem potencializa o setor,
em seguida passa para o próximo e assim por
diante, em função dos xBetas do modelo mais
captura externa.

17
Etapa 4
próximo.
relação à loja.
Ajustes manuais
Etapa 4 – Ajustes Manuais
Áreas de Grande Potencial

18
Etapa 4
próximo.
relação à loja.
Ajustes manuais
Etapa 4 – Ajustes Manuais
Ajuste Mercadológico
Região Recomendada

Geomodelagem Financeira

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (19)

Destaque

Destaque (20)

Semelhante a Geomodelagem Financeira

Semelhante a Geomodelagem Financeira (20)

Mais de Cognatis

Mais de Cognatis (9)

Geomodelagem Financeira