Geomarketing para uma cooperativa de Crédito

Abstract

Resumo: Este estudo tem como objetivo identificar municípios no estado do Paraná, Brasil, que apresentam maior similaridade para a instalação de agências de cooperativas de crédito, utilizando análise de similaridade com aqueles que já possuem tais unidades de negócio. A similaridade foi determinada utilizando o algoritmo 1-NN com distância euclidiana. Os dados utilizados incluem o número de profissionais de saúde (médicos, enfermeiros, dentistas, farmacêuticos e estabelecimentos de saúde), juntamente com outras métricas como o Índice de Desenvolvimento HumanoMunicipal (IDHM), a população total distribuída em três faixas etárias (menores de 15 anos, entre 15 e 65 anos e maiores de 65 anos) e o número total de agências bancárias, provenientes da Base de Dados do Estado - BDEweb/IPARDES. Os resultados indicam que o algoritmo é eficiente em identificar similaridades entre os municípios. Observou-se que as métricas relacionadas aos profissionais de saúde, juntamente com outras variáveis, contribuem significativamente para essa proximidade. Esta análise ressalta o potencial demunicípios sem agências existentes, validando o uso desse algoritmo para identificar localidades promissoras para a expansão das cooperativas de crédito

Abstract: This study aims to identify municipalities in the state of Paraná, Brazil, that exhibit the greatest similarity for the establishment of credit cooperative agencies, using similarity analysis with those that already have such business units. Similarity was determined using the 1-NN algorithm with Euclidean distance. The data used includes the number of healthcare professionals (doctors, nurses, dentists, pharmacists, and healthcare establishments), along with other metrics such as theMunicipal Human Development Index (IDHM), the total population distributed across three age groups (under 15 years old, between 15 and 65 years old, and over 65 years old), and the total number of bank branches, sourced fromthe State Database - BDEweb/IPARDES. The results indicate that the algorithm is efficient in identifying similarities among municipalities. It was observed that the metrics related to healthcare professionals, along with other variables, significantly contribute to this proximity. This analysis highlights the potential ofmunicipalities without existing agencies, validating the use of this algorithm to identify promising locations for the expansion of credit cooperatives.