DETEÇÃO DE INDÍCIOS DE FRAUDE

NA INDÚSTRIA DO RETALHO

por

Ricardo Jorge Alves de Oliveira

Tese de Mestrado em Modelação, Análise de Dados e Sistemas de Apoio à

Decisão pela Faculdade de Economia do Porto

Orientada por: Professor Dr. João Manuel Portela da Gama

Co-orientada por: Professora Dra. Rita Paula Almeida Ribeiro

2015
Nota Biográfica

Ricardo Oliveira nasceu na cidade do Porto em 1978. Concluiu a licenciatura em

Informática de Gestão em 2003 na Universidade do Minho, pólo de Guimarães.

Após dois breves trabalhos como webdesigner, em 2004 surge a 1ª experiência

profissional na Accenture (Lisboa) durante um ano, nas funções de analista /
programador.
Participa em projetos de desenvolvimento/manutenção de aplicações informáticas para a
Direção Geral de Contribuições e Impostos: SEF (Sistema de Execuções Fiscais), SLC
(Sistema Local de Cobranças) e Reclamações Graciosas.

Em 2005 inicia funções numa empresa de retalho, como analista de dados. Desde então
as suas atividades principais têm sido: análise de informação de negócio, análise da
eficiência e eficácia dos processos, deteção de casos anómalos ou estranhos, possíveis
fraudes ou incumprimento de procedimentos.

Em 2009 obteve a certificação de “Certified Information Systems Auditor” pelo

instituto internacional ISACA.

i
Agradecimentos

Tendo chegado ao final deste trabalho, cabe-me agradecer a todas as pessoas que foram
importantes ao longo deste caminho:

À minha esposa Célia, pela paciência e compreensão ao longo destes dois anos do
curso.

Aos meus familiares, amigos e colegas de curso, pelo apoio e conselhos que me foram
transmitindo ao longo do tempo, levando-me a tomar as melhores decisões possíveis.

Às chefias do meu departamento, pelo apoio e incentivo à inscrição neste mestrado, e

também por terem tornado esta dissertação possível.

Por fim e não menos importante, o agradecimento aos professores João Gama e Rita
Ribeiro, pelo interesse demonstrado no tema escolhido, pela experiência, sugestões,
visão e melhorias ao longo do trabalho, tornando possível o seu resultado final.

Este trabalho foi apoiado pela Comissão Europeia, no âmbito do projeto MAESTRA
(Grant number ICT-2013-612944) a quem também envio o meu agradecimento.
Thanks to the support of project MAESTRA (Grant number ICT-2013-612944) funded
by European Commission.

ii
Resumo

A fraude é omnipresente a todas as organizações, sendo que nenhuma está imune à sua
ameaça. O seu custo é equivalente a um iceberg financeiro, onde as perdas financeiras
são visíveis, mas existem outros custos indiretos, como perdas de produtividade, danos
de imagem ou reputacionais.
Estima-se que todas as organizações possam perder 5% das suas receitas em cada ano,
devido à fraude. A taxa de crime económico reportada mundialmente tem vindo a
aumentar desde 2009, sendo que um terço das organizações reportou ter sido vítima de
crime económico. Recentemente, metade das organizações da indústria do Retalho
reportou ter sido vítima de crime económico.
A área de “Data Analytics” onde se inclui o Data Mining, foi considerada como o
método mais eficaz para a deteção da fraude, tendo sido destacada por 25% das
organizações que já sofreram crimes económicos.
Esta dissertação propôs-se desenvolver um modelo de aprendizagem a partir de dados
de devoluções de artigos, num universo de 40 lojas de um retalhista, na procura de
deteção de casos anómalos ou estranhos (designados por outliers), que possam ser
fraude ou não.
Esse modelo é criado através da aplicação de técnicas de Data Mining, sendo que a
deteção dos outliers é obtida através de representação gráfica (box-plot), através do
estudo das variáveis do conjunto de dados.
A análise das variáveis é realizada de forma individual (univariada) e em combinação
(bivariada e multivariada) entre as mesmas, produzindo resultados relevantes, mas
distintos entre si.
É destacada a importância das análises multivariadas, através do desenvolvimento de
árvores de regressão, pois permitem identificar outliers de contexto. Estes casos são
considerados de difícil deteção, sendo apenas observados num determinado contexto,
definido por um conjunto de regras associadas às variáveis.

Palavras-chave: Fraude; Data Mining; Análises Univariada/Bivariada/Multivariada;

Árvores de Regressão; Outliers; Gráficos Box-Plot; Devoluções de Artigos.

iii
Abstract

Fraud is omnipresent to all organizations, and no one is immune to its threat. The cost
of fraud is equivalent to a financial iceberg, where the financial losses are visible, but
there are other indirect costs such as lost productivity, image or reputational damage.
It is estimated that every organization can lose 5% of their revenue each year due to
fraud. The economic crime rate reported worldwide has increased since 2009, with one
third of organizations reported have been victims of economic crime. Recently, half of
the retail industry organizations reported having been victims of economic crime.
The area of "Data Analytics" which includes Data Mining was considered the most
effective method for fraud detection, and was highlighted by 25% of organizations that
have suffered economic crimes.
This dissertation proposed to develop a learning model from returned items (to stores),
in a total of 40 stores from a retailer, trying to find and detecting abnormal or unusual
cases (called outliers), which can be fraud or not.
This model is created through the application of data mining techniques, and the
detection of outliers is obtained through graphical representation (box-plot), by studying
the data set variables.
This analysis of the variables is carried out individually (univariate) and in combination
(bivariate and multivariate) between them, to produce relevant results, but distinct from
each other.
It is highlighted the importance of multivariate analysis, through the development of
regression trees, that can lead to identifying context outliers. These cases are considered
of difficult detection, being observed only in a given context, defined by a set of rules
associated with the variables.

Keywords: Fraud; Data Mining; Univariate/Bivariate/Multivariate Analysis;

Regression Trees; Outliers; Box-Plot graph; Item returns.

iv
Índice Geral

Capítulo 1: Introdução ...................................................................................................... 1

1.1 Motivação ........................................................................................................... 1

1.2 Objetivos ............................................................................................................ 2

1.3 Contribuições ..................................................................................................... 3

1.4 Organização........................................................................................................ 3

Capítulo 2: A Fraude e o uso do Data Mining .................................................................. 4

2.1 A Fraude - introdução ........................................................................................ 4

2.2 A Fraude Ocupacional........................................................................................ 5

2.3 Perfil do(s) autor(es) da Fraude.......................................................................... 8

2.4 Subcategorias de fraude na categoria “Apropriação Indevida de Ativos” ....... 16

2.5 O uso do Data Mining na deteção de indícios de fraude ................................. 19

2.5.1 Definição de Data Mining e suas vantagens ............................................. 19

2.5.2 Aprendizagem Supervisionada vs Não Supervisonada ............................ 21

2.5.3 Deteção de Outliers .................................................................................. 22

2.5.4 Tipos de variáveis: qualitativas vs quantitativas....................................... 24

2.5.5 Metodologia usada em Data Mining ........................................................ 27

Capítulo 3: Deteção de indícios de fraude sobre devoluções de artigos ......................... 29

3.1 Objetivo e Âmbito ............................................................................................ 29

3.2 Caracterização do conjunto de dados ............................................................... 30

3.3 Análise estatística das variáveis ....................................................................... 32

3.3.1 Variáveis qualitativas ................................................................................ 32

3.3.2 Variáveis quantitativas .............................................................................. 36

3.4 Deteção de outliers por análises univariadas ................................................... 38

3.5 Deteção de outliers por análises bivariadas ..................................................... 40

v
 3.6 Deteção de outliers por análises multivariadas (árvores de regressão) ............ 47

3.6.1 Árvore de regressão: variável objetivo “Total artigos devolvidos” ............. 49

3.6.2 Árvore de regressão: variável objetivo “Valor médio artigos devolvidos” .. 61

Capítulo 4: Conclusões e trabalho futuro ....................................................................... 84

Bibliografia ..................................................................................................................... 86

ANEXO I – Árvore da fraude ......................................................................................... 89

ANEXO II - Análises bivariadas .................................................................................... 91

ANEXO III - Análises multivariadas: variável objetivo “Total artigos devolvidos” ..... 95

ANEXO IV - Análises multivariadas: variável objetivo “Valor médio artigos

devolvidos” ................................................................................................................... 124

vi
Índice de Figuras

Figura 2.1 - Árvore da Fraude (versão simplificada)........................................................ 6

Figura 2.2 – As 5 sub-categorias de Fraude por “Apropriação Indevida de Ativos” ....... 6
Figura 2.3 – Esquemas mais frequentes de Fraude, na indústria do retalho ..................... 7
Figura 2.4 – O triângulo da Fraude ................................................................................... 8
Figura 2.5 – Principal falha de controlo interno observada nas organizações .................. 9
Figura 2.6 – Comportamentos “estranhos” demonstrados pelos infratores .................... 11
Figura 2.7 – Posição hierárquica do indivíduo que comete a fraude .............................. 12
Figura 2.8 – Perda média estimada baseada na posição hierárquica do indivíduo ......... 13
Figura 2.9 – Número de infratores – frequência e perda média estimada ...................... 13
Figura 2.10 – Género do infrator baseado na região....................................................... 14
Figura 2.11 – Exemplo de outliers num conjunto de dados de 2 dimensões .................. 22
Figura 2.12 – Diagrama de extremos e quartis (box-plot) .............................................. 26
Figura 2.13 – Ciclo de vida da metodologia CRISP-DM ............................................... 28
Figura 3.1 – Processo das devoluções de artigos ............................................................ 29
Figura 3.2 – Arquitetura das transações no sistema de informação ................................ 30
Figura 3.3 – Gráfico de frequências da variável “Loja” ................................................. 32
Figura 3.4 – Gráfico do nº de Supervisores por Loja ..................................................... 33
Figura 3.5 – Histograma da variável “Total artigos devolvidos” ................................... 36
Figura 3.6 – Histograma da variável “Valor médio artigos devolvidos”........................ 37
Figura 3.7 – Teste Kolmogorov-Smirnov ....................................................................... 37
Figura 3.8 – Box-Plot: “Total artigos devolvidos” ......................................................... 38
Figura 3.9 – Box-Plot: “Valor médio artigos devolvidos”.............................................. 39
Figura 3.10 – Box-Plot: “Zona País” vs “Valor médio artigos devolvidos”................... 40
Figura 3.11 – Box-Plot: “Dia semana” vs “Total artigos devolvidos” ........................... 41
Figura 3.12 – Box-Plot: “Horario registo” vs “Total artigos devolvidos” ...................... 42
Figura 3.13 – Box-Plot: “Horario registo” vs “Valor médio artigos devolvidos” .......... 43
Figura 3.14 – Box-Plot: “Unidade Negócio” (parte 1) vs “Total artigos devolvidos” ... 44
Figura 3.15 – Box-Plot: “Unidade Negócio” (parte 2) vs “Total artigos devolvidos” ... 44
Figura 3.16 – Box-Plot: “Unidade Negócio” (parte 1) vs “Valor médio artigos
devolvidos” ..................................................................................................................... 45

vii
Figura 3.17 – Box-Plot: “Unidade Negócio” (parte 2) vs “Valor médio artigos
devolvidos” ..................................................................................................................... 45
Figura 3.18 – Árvore regressão variável objetivo “Total artigos devolvidos” ............... 50
Figura 3.19 – Regras decisão da árvore variável “Total artigos devolvidos” ................. 51
Figura 3.20 – Box-Plot do Nó 12, variável “Total artigos devolvidos”.......................... 53
Figura 3.21 – Box-Plot do Nó 14, variável “Total artigos devolvidos”.......................... 54
Figura 3.22 – Box-Plot do Nó 18, variável “Total artigos devolvidos”.......................... 55
Figura 3.23 – Box-Plot do Nó 22, variável “Total artigos devolvidos”.......................... 56
Figura 3.24 – Box-Plot do Nó 26, variável “Total artigos devolvidos”.......................... 57
Figura 3.25 – Box-Plot do Nó 46, variável “Total artigos devolvidos”.......................... 58
Figura 3.26 – Box-Plot do Nó 55, variável “Total artigos devolvidos”.......................... 59
Figura 3.27 – Box-Plot do Nó 62, variável “Total artigos devolvidos”.......................... 60
Figura 3.28 – Árvore regressão variável objetivo “Valor médio artigos devolvidos” ... 62
Figura 3.29 – Regras decisão da árvore variável “Valor médio artigos devolvidos” ..... 63
Figura 3.30 – Box-Plot do Nó 5, variável “Valor médio artigos devolvidos” ................ 65
Figura 3.31 – Box-Plot do Nó 6, variável “Valor médio artigos devolvidos” ................ 66
Figura 3.32 – Box-Plot do Nó 9, variável “Valor médio artigos devolvidos” ................ 67
Figura 3.33 – Box-Plot do Nó 10, variável “Valor médio artigos devolvidos” .............. 68
Figura 3.34 – Box-Plot do Nó 11, variável “Valor médio artigos devolvidos” .............. 69
Figura 3.35 – Box-Plot do Nó 12, variável “Valor médio artigos devolvidos” .............. 70
Figura 3.36 – Box-Plot do Nó 13, variável “Valor médio artigos devolvidos” .............. 71
Figura 3.37 – Box-Plot do Nó 14, variável “Valor médio artigos devolvidos” .............. 72
Figura 3.38 – Box-Plot do Nó 15, variável “Valor médio artigos devolvidos” .............. 73
Figura 3.39 – Box-Plot do Nó 16, variável “Valor médio artigos devolvidos” .............. 74
Figura 3.40 – Box-Plot do Nó 30, variável “Valor médio artigos devolvidos” .............. 75
Figura 3.41 – Box-Plot do Nó 34, variável “Valor médio artigos devolvidos” .............. 76
Figura 3.42 – Box-Plot do Nó 60, variável “Valor médio artigos devolvidos” .............. 77
Figura 3.43 – Box-Plot do Nó 61, variável “Valor médio artigos devolvidos” .............. 78
Figura 3.44 – Box-Plot do Nó 62, variável “Valor médio artigos devolvidos” .............. 79
Figura 3.45 – Box-Plot do Nó 70, variável “Valor médio artigos devolvidos” .............. 80
Figura 3.46 – Box-Plot do Nó 122, variável “Valor médio artigos devolvidos” ............ 81
Figura 3.47 – Box-Plot do Nó 286, variável “Valor médio artigos devolvidos” ............ 82

viii
Figura A1.1 - Árvore da Fraude (versão completa) ........................................................ 90
Figura A2.1 – Box-Plot: “Zona País” vs “Total artigos devolvidos” ............................. 92
Figura A2.2 – Box-Plot: “Dia semana” vs “Valor médio artigos devolvidos” ............... 93
Figura A2.3 – Scatter-Plot: “Total artigos devolvidos” vs “Valor médio artigos
devolvidos” ..................................................................................................................... 94
Figura A3.1 – Box-Plot do Nó 2, variável “Total artigos devolvidos” ........................... 96
Figura A3.2 – Box-Plot do Nó 3, variável “Total artigos devolvidos” ........................... 97
Figura A3.3 – Box-Plot do Nó 4, variável “Total artigos devolvidos” ........................... 98
Figura A3.4 – Box-Plot do Nó 5, variável “Total artigos devolvidos” ........................... 99
Figura A3.5 – Box-Plot do Nó 6, variável “Total artigos devolvidos” ......................... 100
Figura A3.6 – Box-Plot do Nó 7, variável “Total artigos devolvidos” ......................... 101
Figura A3.7 – Box-Plot do Nó 8, variável “Total artigos devolvidos” ......................... 102
Figura A3.8 – Box-Plot do Nó 9, variável “Total artigos devolvidos” ......................... 103
Figura A3.9 – Box-Plot do Nó 10, variável “Total artigos devolvidos” ....................... 104
Figura A3.10 – Box-Plot do Nó 11, variável “Total artigos devolvidos” ..................... 105
Figura A3.11 – Box-Plot do Nó 13, variável “Total artigos devolvidos” ..................... 106
Figura A3.12 – Box-Plot do Nó 15, variável “Total artigos devolvidos” ..................... 107
Figura A3.13 – Box-Plot do Nó 19, variável “Total artigos devolvidos” ..................... 108
Figura A3.14 – Box-Plot do Nó 23, variável “Total artigos devolvidos” ..................... 109
Figura A3.15 – Box-Plot do Nó 27, variável “Total artigos devolvidos” ..................... 110
Figura A3.16 – Box-Plot do Nó 30, variável “Total artigos devolvidos” ..................... 111
Figura A3.17 – Box-Plot do Nó 31, variável “Total artigos devolvidos” ..................... 112
Figura A3.18 – Box-Plot do Nó 47, variável “Total artigos devolvidos” ..................... 113
Figura A3.19 – Box-Plot do Nó 54, variável “Total artigos devolvidos” ..................... 114
Figura A3.20 – Box-Plot do Nó 63, variável “Total artigos devolvidos” ..................... 115
Figura A3.21 – Box-Plot do Nó 94, variável “Total artigos devolvidos” ..................... 116
Figura A3.22 – Box-Plot do Nó 95, variável “Total artigos devolvidos” ..................... 117
Figura A3.23 – Box-Plot do Nó 190, variável “Total artigos devolvidos” ................... 118
Figura A3.24 – Box-Plot do Nó 191, variável “Total artigos devolvidos” ................... 119
Figura A3.25 – Box-Plot do Nó 382, variável “Total artigos devolvidos” ................... 120
Figura A3.26 – Box-Plot do Nó 383, variável “Total artigos devolvidos” ................... 121
Figura A3.27 – Box-Plot do Nó 766, variável “Total artigos devolvidos” ................... 122

ix
Figura A3.28 – Box-Plot do Nó 767, variável “Total artigos devolvidos” ................... 123
Figura A4.1 – Box-Plot do Nó 2, variável “Valor médio artigos devolvidos” ............. 125
Figura A4.2 – Box-Plot do Nó 3, variável “Valor médio artigos devolvidos” ............. 126
Figura A4.3 – Box-Plot do Nó 4, variável “Valor médio artigos devolvidos” ............. 127
Figura A4.4 – Box-Plot do Nó 7, variável “Valor médio artigos devolvidos” ............. 128
Figura A4.5 – Box-Plot do Nó 8, variável “Valor médio artigos devolvidos” ............. 129
Figura A4.6 – Box-Plot do Nó 17, variável “Valor médio artigos devolvidos” ........... 130
Figura A4.7 – Box-Plot do Nó 31, variável “Valor médio artigos devolvidos” ........... 131
Figura A4.8 – Box-Plot do Nó 35, variável “Valor médio artigos devolvidos” ........... 132
Figura A4.9 – Box-Plot do Nó 63, variável “Valor médio artigos devolvidos” ........... 133
Figura A4.10 – Box-Plot do Nó 71, variável “Valor médio artigos devolvidos” ......... 134
Figura A4.11 – Box-Plot do Nó 123, variável “Valor médio artigos devolvidos” ....... 135
Figura A4.12 – Box-Plot do Nó 126, variável “Valor médio artigos devolvidos” ....... 136
Figura A4.13 – Box-Plot do Nó 127, variável “Valor médio artigos devolvidos” ....... 137
Figura A4.14 – Box-Plot do Nó 142, variável “Valor médio artigos devolvidos” ....... 138
Figura A4.15 – Box-Plot do Nó 143, variável “Valor médio artigos devolvidos” ....... 139
Figura A4.16 – Box-Plot do Nó 246, variável “Valor médio artigos devolvidos” ....... 140
Figura A4.17 – Box-Plot do Nó 247, variável “Valor médio artigos devolvidos” ....... 141
Figura A4.18 – Box-Plot do Nó 287, variável “Valor médio artigos devolvidos” ....... 142

x
Índice de Tabelas

Tabela 3.1 – Criação de 3 variáveis qualitativas ............................................................ 31

Tabela 3.2 – As 8 variáveis do conjunto de dados.......................................................... 31
Tabela 3.3 – Nº de lojas por “Zona País” ....................................................................... 33
Tabela 3.4 – Frequência da variável “Zona País” ........................................................... 34
Tabela 3.5 – Frequência da variável “Dia semana” ........................................................ 34
Tabela 3.6 – Frequência da variável “Horario registo” .................................................. 34
Tabela 3.7 – Frequência da variável “Unidade de Negócio” .......................................... 35
Tabela 3.8 – Medidas estatísticas das variáveis quantitativas ........................................ 36
Tabela 3.9 – Outliers extremos globais identificados nas análises univariadas ............. 39
Tabela 3.10 – Novos Outliers extremos identificados nas análises bivariadas .............. 46
Tabela 3.11 – Novos Outliers extremos identificados nas análises multivariada, variável
objetivo: Total artigos devolvidos .................................................................................. 83
Tabela 3.12 – Novos Outliers extremos identificados nas análises multivariada, variável
objetivo: Valor médio artigos devolvidos ....................................................................... 83

xi
Índice de Abreviaturas

ACFE – Association of Certified Fraud Examiners

AIQ - Amplitude Interquartílica
CFE – Certified Fraud Examiners
IIA – The Institute of Internal Auditors
IPAI - Instituto Português de Auditoria Interna
POS – Point of Sales
PWC - PricewaterhouseCoopers

xii
Capítulo 1: Introdução
Neste capítulo é realizado um enquadramento ao tema da deteção de indícios de fraude,
a motivação, o interesse pessoal e profissional pela sua escolha. É feita uma descrição
dos objetivos da dissertação em termos do que se pretende realizar e das metas a
alcançar, descrevendo as técnicas aplicadas, quer por referência e sugestão de autores,
quer também por aplicar outros métodos e análises diferentes e de certa forma
inovadoras. Por fim é referido como o trabalho pretende ser útil e contribuir para a
deteção de anomalias ou casos estranhos., podendo ser fraude ou não.

1.1 Motivação
Este trabalho de dissertação enquadra-se no âmbito do mestrado de Modelação, Análise
de Dados e Sistemas de Apoio à Decisão onde, durante o 1º ano letivo, se aprofundou e
desenvolveu o estudo de práticas de Data Mining para extração de conhecimento a
partir de dados. Desse modo, a escolha do tema para dissertação visou a colocação em
prática dos conhecimentos adquiridos durante o curso de mestrado, tendo essa escolha
recaído sobre como o Data Mining pode ser importante na deteção de anomalias ou
casos estranhos, constituindo-se como indícios de possível fraude nas organizações.
O meu interesse pessoal e profissional pela deteção de indícios de fraude, advém da
minha experiência e interesse profissional. Desde 2005 tenho desempenhado funções de
analista de dados numa empresa de retalho, com o foco na identificação de padrões e
criação de alarmísticas em cenários dinâmicos e que apresentam riscos elevados de
falhas de controlo interno, incumprimento de procedimentos ou deteção de situações
que possam indiciar fraude.
O tema da fraude sempre me despertou interesse e curiosidade, pelas suas diferentes
perspetivas de análise, quer pelo perfil e motivação do autor da fraude, bem como pelo
“modus operandi” levado a cabo, não tanto pelo interesse sociológico, mas mais pela
utilidade dessa informação para a prevenção, deteção e investigação da fraude.

1
1.2 Objetivos
De forma tradicional, a deteção de indícios de fraude no retalho tem sido efetuada (na
componente informática) através de pesquisas ad-hoc em base de dados ou através da
construção de relatórios que despoletem alarmísticas de situações “estranhas”. Trata-se
de técnicas que incidem muito sobre aspetos quantitativos e estatísticos dos dados, mas
que carecem de uma aprendizagem mais eficiente e eficaz sobre a extração de
conhecimento a partir dos dados, para além do seu processo ser de criação manual.
O objetivo desta dissertação passa por aplicar outro tipo de técnicas para obtenção de
padrões de fraude, mais concretamente técnicas de Data Mining e Machine Learning
que explorem e “aprendam” sobre os dados. Estas técnicas permitem a identificação de
diferentes tipos de outliers, designados casos raros ou estranhos.
Através de análise estatística e gráfica nas aplicações SPSS e R, pode-se obter uma
representação dos casos com uma maior probabilidade de serem anómalos ou estranhos,
que podem ser fraude ou não.

O conjunto de dados alvo de estudo nesta dissertação foi obtido a partir de transações de
devoluções de artigos, num universo de 40 lojas de um retalhista. Os dados
correspondem a três meses de transações, que ocorreram entre os meses de Dezembro-
2014 e Fevereiro-2015, com exceção dos dias 24-Dezembro e 01-Janeiro, em que as
lojas não estiveram abertas ao público.
Por se tratar de dados reais, informação como o número da loja e do supervisor
responsável pelo registo da devolução, foram mascarados como forma de garantir a
confidencialidade dos mesmos, não sendo neste trabalho referidos nomes de entidades
ou pessoas.
Os resultados que serão obtidos através da implementação de métodos de deteção
de outliers são considerados apenas indícios de possível fraude, carecendo de uma
investigação específica posterior para confirmação ou não dessa ocorrência. Nestes
casos deve sempre imperar o bom senso e uma restrição ao analista e investigador de
apenas resumir-se aos factos e não a julgamentos de caráter subjetivo.

2
1.3 Contribuições
Este trabalho visa desenvolver um modelo de aprendizagem semi-automático (não
supervisionado) sobre os dados em estudo e que permita a um analista identificar casos
anómalos, através da procura de outliers que possam revelar indícios de possível fraude.
Para além da realização de análises univariada e bivariada, o trabalho pretende
demonstrar como as análises multivariadas são muito importantes na obtenção de um
conhecimento mais profundo das variáveis, através da identificação de outliers de
contexto, que de outra forma não seriam detetáveis.
De uma forma global, pode-se dizer que o contributo principal passa pela demonstração
a auditores, investigadores ou analistas de fraude, sobre a importância do uso das
ferramentas e tecnologias de Data Mining no seu trabalho de investigação.

1.4 Organização
No capítulo 2 é desenvolvido o tema proposto, começando por uma descrição do
conceito de fraude, a estrutura da fraude em termos de categorias e subcategorias, a
explicação da teoria do triângulo da fraude e a apresentação do perfil mais comum dos
infratores que cometem fraude, através dos casos conhecidos e investigados por
especialistas, com a ilustração de estatísticas sobre esse mesmo perfil. Ainda neste
capítulo é apresentado como diversos autores consideram as técnicas e metodologias de
Data Mining como importantes na deteção de anomalias ou casos estranhos. No
capítulo 3 são desenvolvidas análises sobre um conjunto de dados de devoluções de
artigos, com análises estatísticas sobre as variáveis qualitativas e quantitativas. É
efetuada uma análise univariada para deteção de outliers do tipo global através de
gráficos “box-plot”. De forma complementar são realizadas análises bivariadas (duas
variáveis) pela combinação das várias variáveis entre si. Pretende-se aqui identificar
novos outliers, que não tivessem sido observados ou destacados na análise univariada.
Por fim e de forma mais aprofundada são realizadas análises multivariadas, onde são
construídas árvores de regressão como forma de estudar as duas variáveis quantitativas,
através da combinação das restantes variáveis qualitativas em simultâneo. Em cada
nó/folha da árvore são criados gráficos “box-plot” para observar a presença de novos
outliers (de contexto), ainda não identificados noutras análises.

3
Capítulo 2: A Fraude e o uso do Data Mining
2.1 A Fraude - introdução
Nas normas internacionais para a prática profissional de Auditoria Interna do The
Institute of Internal Auditors (IIA) encontra-se uma definição do conceito de fraude
(2012:19):
“Quaisquer atos ilegais caracterizados por desonestidade, dissimulação ou quebra de
confiança. Estes atos não implicam o uso de ameaça de violência ou de força física. As
fraudes são praticadas por partes e organizações a fim de se obter dinheiro, propriedade
ou serviços; para evitar pagamento ou perda de serviços; ou para garantir vantagem
pessoal ou em negócios.”
No relatório publicado pela Association of Certified Examiners (ACFE) em 2014
“Report to the Nations on Occupational Fraud and Abuse” a fraude é descrita como
algo omnipresente sendo que nenhuma entidade está imune à sua ameaça, embora ainda
haja muitas organizações com a convicção de pensamento de que a fraude só acontece
aos outros. Por isso e nesse sentido, a ACFE tem procurado combater este paradigma,
considerando relevante tornar público o custo da fraude, a sua natureza universal, bem
como as suas tendências (ACFE, 2014, p. 6).
Esta associação foi fundada em 1988 no Texas - Estados Unidos da América, e é a
maior organização mundial antifraude e a principal fornecedora de formação e educação
antifraude, estando a reduzir a mesma nas empresas a nível mundial e a ganhar a
confiança das pessoas na integridade e objetividade da profissão (Wells, J. T., 2009, p.
15). Segundo informação do seu sítio institucional (ACFE, 2014), atualmente a
associação beneficia da colaboração de cerca de 75 mil membros. O seu presidente
honorário e fundador - Joseph T. Wells, é criminologista e antigo agente do FBI,
investiga e dá conferências a grupos empresariais e profissionais acerca de temas
relacionados com fraudes, já obteve prémios máximos de literatura, e durante a última
década, já foi nomeado para a lista das 100 pessoas mais influentes na área da
contabilidade da Accounting Today (Wells, J. T., 2009, p. 15).

4
2.2 A Fraude Ocupacional
A fraude pode ser classificada como organizacional (funcionários de uma organização
que cometem fraude no interesse da organização) ou ocupacional (funcionários de uma
organização que cometem fraude contra ela própria).
Desde o ano de 1996 que a ACFE publica, de dois em dois anos, um estudo sobre a
compreensão e conhecimento da ocorrência da fraude ocupacional e os seus impactos
financeiros nas organizações por todo o mundo. A edição de 2014 é baseada em 1483
casos de fraudes ocupacionais, reportadas à ACFE por examinadores de fraude
certificados (membros da própria associação) que as investigaram (ACFE, 2014, p. 2)
em mais de 100 países. A análise destes casos fornece uma visão fundamental sobre
como a fraude é cometida, como pode ser detetada e como as organizações podem
reduzir as suas vulnerabilidades ao risco da sua ocorrência. Segundo este relatório, a
fraude ocupacional é descrita como o abuso ou má aplicação dos recursos ou ativos de
uma organização por parte de um indivíduo para proveito próprio (ACFE, 2014, p. 6).
Infelizmente, a própria natureza das fraudes leva a que os seus custos e a sua existência
não sejam revelados, mesmo que nalguns casos até sejam detetadas e investigadas. O
custo da fraude é equivalente a um iceberg financeiro onde as perdas financeiras são
claramente visíveis, mas existem outros custos indiretos, como perdas de produtividade,
danos de imagem ou reputacionais e custos de investigação (ACFE, 2014, p. 8).

Este relatório refere que se estima que todas as organizações possam perder 5% das suas
receitas em cada ano, devido à fraude (ACFE, 2014, p. 8). Esta percentagem aplicada ao
produto bruto mundial de 2013 pode corresponder a perdas projetadas de 3,7 triliões de
dólares (aproximadamente 3 triliões de euros). Este valor deve ser usado como
benchmark, mas não deve ser interpretado como o custo real da fraude.

Segundo o mesmo relatório (ACFE, 2014, p. 11), a fraude ocupacional pode ser
estruturada em 3 categorias principais: Apropriação Indevida de Ativos, Demonstrações
Financeiras Fraudulentas e Corrupção, em que cada uma pode ainda conter várias
subcategorias, conforme a figura 2.1 e 2.2.

O âmbito desta dissertação irá incidir o seu foco na deteção de indícios de fraude sobre
as subcategorias “Desembolsos fraudulentos” e “Furto”, conforme ilustrado na figura
2.2, dado estarem diretamente relacionadas com o processo de Devolução de artigos nas

5
lojas. As estatísticas apresentadas mais á frente serão mais focadas quer neste tipo da
fraude, quer em termos do tipo de indústria (neste caso, retalho) e uma visão sobre os
dados conhecidos nos países europeus (mais próximos da realidade portuguesa).

Figura 2.1 - Árvore da Fraude (versão simplificada)

Fonte: IPAI, 2014, p. 15

Figura 2.2 – As 5 sub-categorias de Fraude por “Apropriação Indevida de Ativos”

Nota: no Anexo I, e em particular na figura A1.1, pode ser consultada a árvore da

fraude, na versão original e detalhada, publicada pela ACFE em 2014.

6
Numa análise à frequência dos esquemas mais comuns de fraude sobre a indústria do
retalho (“Retail”), verifica-se que são os Ativos não financeiros (“Non-Cash”) os mais
frequentes com 33,8% e o Furto de dinheiro (“Cash on Hand”) com 22,1%:

Figura 2.3 – Esquemas mais frequentes de Fraude, na indústria do retalho

Fonte: ACFE, 2014, p. 29

7
2.3 Perfil do(s) autor(es) da Fraude
Para melhor se compreender o perfil do autor de uma fraude, é importante considerar os
três drivers da fraude, conforme é descrito por um estudo realizado pela empresa
KPMG (KPMG, 2013, p. 5), sendo eles: oportunidade, pressão (ou motivação) e
justificação (ou racionalização).
Figura 2.4 – O triângulo da Fraude

Fonte: Wells, J. T., 2009, p. 24

Este estudo refere que “as pessoas cometem fraude quando os três elementos acontecem
em simultâneo”. Estes três drivers são parte de uma metodologia que foi desenvolvida
por investigadores de fraude na década de 50.
A KPMG descreve o seguinte cenário: “O potencial infrator vê uma porta aberta como
uma oportunidade. O motivo e o racional fazem-no mover-se em direção à porta e a
capacidade fá-lo atravessá-la” (KPMG, 2013, p. 5).
De acordo com a teoria do triângulo da fraude, aqueles que cometem fraude ocupacional
tendem a sentir necessidades financeiras, oportunidade e racionalização, sendo por esse
motivo que a deteção é um dos principais fatores de sucesso na prevenção da fraude por
eliminar a perceção de oportunidade por parte do fraudador (ACFE, 2014, p. 18).

Oportunidade
A KPMG refere que “As pessoas não cometem fraude sem surgir a oportunidade para a
cometer” (KPMG, 2013, p. 6). No seu estudo de 2013 verificou-se que na maioria dos
casos de fraude observados, o infrator já trabalhava na organização há mais de 6 anos, o
que significa que um infrator não entra para uma organização com o objetivo a priori de

8
cometer fraude. Porém mudanças em circunstâncias pessoais, como a pressão para
atingir objetivos considerados “irrealistas”, podem criar condições para a ocorrência da
fraude. A fraude pode ser cometida por pessoas que já se sentem confortáveis nas suas
funções e também em relação à própria organização (KPMG, 2013, p. 6)
Para a KPMG “não existe um perfil de personalidade que cometa fraude, mas todos os
tipos de pessoas podem cometer fraude se a oportunidade surgir“ (KPMG, 2013, p. 14)

A figura 2.5 mostra como essas oportunidades podem ser aproveitadas pelas pessoas,
sendo que no estudo realizado pela ACFE, verifica-se que em 1/3 dos casos observados
pelos CFEs foram observadas falhas ou fraquezas ao nível dos controlos internos para
prevenir a ocorrência da fraude. Este facto reforça a importância da existência de
controlos anti-fraude, sendo que, no caso particular de empresas de pequenas dimensões
ainda assume uma maior importância (ACFE, 2014, p. 39):

Figura 2.5 – Principal falha de controlo interno observada nas organizações

Fonte: ACFE, 2014, p. 39

9
Porém, mesmo existindo um forte sistema de controlos internos nas organizações, isso
não previne a ocorrência de todas as fraudes (KPMG, 2013, p. 7).
Nalguns casos, o infrator pode ser alguém dentro da organização que perceba como
estão implementados os controlos internos e saber como os “ultrapassar” ou, até ser
conhecedor de uma falha de controlo, e explorar essa falha.

A KPMG considera a “capacidade” como uma componente do driver da oportunidade,

sendo que consiste nos atributos (personalidade e competência) do infrator que lhe
permitem explorar a oportunidade, quando esta surge (KPMG, 2013, p. 7).
Por exemplo, quanto mais alta a posição hierárquica do infrator na organização, maior a
sua possibilidade de “ultrapassar” certos controlos implementados (KPMG, 2013, p. 7).
Os críticos do triângulo da fraude argumentam que este, por si só, não pode explicar a
fraude porque duas das suas características como a Motivação e a Justificação, não são
observáveis. Por isso em 2004 foi apresentado um modelo chamado “Diamante da
Fraude”, que segundo os seus autores, casos conhecidos de fraudes multimilionárias em
demonstrações financeiras, não teriam ocorrido sem as pessoas terem a capacidade
adequada para executar os detalhes da fraude (IPAI, 2014, p. 17).

Pressão/Motivação
“A fraude como qualquer outro crime, requere um motivo, sendo a razão mais frequente
o financeiro” (KPMG, 2013, p. 8).
No inquérito realizado pela ACFE, foram analisados indicadores sobre o
comportamento exibido pelos infratores antes das suas fraudes serem detetadas. Pelo
menos um alerta vermelho foi identificado em 92% dos casos, sendo que em 64% dos
casos o infrator exibiu sinais estranhos em dois ou mais alertas vermelhos (ACFE, 2014,
p. 59).
A figura 2.6 mostra como sinais de uma vida para além das posses, ou dificuldades
financeiras, proximidade invulgar com fornecedores ou clientes, ou pessoas pouco
dadas a delegar tarefas, se tornam alertas importantes.

10
 Figura 2.6 – Comportamentos “estranhos” demonstrados pelos infratores

Fonte: ACFE, 2014, p. 59

Justificação/Racional
Os infratores encontram muitas vezes motivos racionais para as suas práticas, podendo
estas estar relacionadas com fúria, medo, sentimentos de injustiça (ex: salário abaixo do
expectável) (KPMG, 2013, p. 8).
Porém, tem sido observado por investigadores da KPMG que o motivo para a fraude é
muito determinado pelo contexto ético e cultural, variando bastante de país para país.
(KPMG, 2013, p. 9). As regulamentações governamentais, bem como políticas para
reforçar os padrões éticos são por isso importantes.

Verifica-se então que o valor da informação sobre o perfil do autor de uma fraude,
permite analisar, identificar e quantificar onde reside o maior risco de fraude dentro de
uma organização: qual a sua função/departamento, a sua idade, antiguidade na
organização, o seu passado criminal e comportamentos “estranhos” detetados (ACFE,
2014, p. 40).

11
Estes dados têm sido recolhidos pela ACFE ao longo dos anos, e permitem analisar de
uma forma consistente, a tendência e as evoluções dos padrões comportamentais da
pessoa que comete a fraude.
Começando pela análise ao cargo que o indivíduo fraudulento ocupa na organização,
verifica-se pela figura 2.7, que na Europa Ocidental, cerca de 45% dos casos observados
de fraude foram realizados por colaboradores da organização num nível mais baixo em
termos hierárquicos, de 30% por parte de chefias ou gestores, e de 22% pelos próprios
donos ou administradores:
Figura 2.7 – Posição hierárquica do indivíduo que comete a fraude

Fonte: ACFE, 2014, p. 42

Se a probabilidade de ocorrência de fraude parece estar mais relacionada com os níveis

hierárquicos mais inferiores de uma organização, porém, o seu impacto em termos de
custo de perda é inversamente proporcional, dado que uma fraude cometida por alguém
do topo de uma organização, pode implicar perdas muito mais significativas, conforme
se pode comprovar pela figura 2.8:

12
 Figura 2.8 – Perda média estimada baseada na posição hierárquica do indivíduo

Fonte: ACFE, 2014, p. 44

Numa outra análise, verifica-se que mais de metade das fraudes estudadas pela ACFE e
publicadas no seu último relatório são cometidas por apenas um indivíduo. No entanto,
quando as fraudes são cometidas por dois ou mais infratores, as perdas estimadas em
termos médios sobem consideravelmente, conforme se pode observar na figura 2.9:

Figura 2.9 – Número de infratores – frequência e perda média estimada

Fonte: ACFE, 2014, p. 46

13
Este facto está relacionado com a circunstância que advém da possibilidade de quando
pelo menos duas pessoas estão envolvidas num conluio entre si que envolve um
esquema de fraude, possuírem uma vantagem sobre “contornar” controlos internos e
verificações independentes, o que permite a realização de transações que envolvem
quantias de dinheiro mais elevadas (ACFE, 2014, p. 46).
A KPMG refere no seu estudo que muitos infratores preferem “atuar” sozinhos, porque
dessa forma, não têm de confiar noutras pessoas para manter silêncio, nem dividir
“lucros”, apesar de muitas fraudes requererem colaboração (KPMG, 2013, p. 14).
A fraude é muitas vezes complexa para poder ser executada por apenas uma pessoa. É
necessário muitas vezes que mais alguém possa “fechar os olhos”, ou fornecer uma
password, ou até falsificar documentos (KPMG, 2013, p. 14).
O conluio pode ocorrer dentro e fora das organizações, sendo que a fraude envolvendo
terceiras entidades são difíceis de detetar. Uma forma comum de conluio é ao nível de
compras de bens, como por exemplo, faturas “inflacionadas” (KPMG, 2013, p. 15).
A percentagem de infratores masculinos e femininos varia substancialmente conforme a
região/continente onde ocorre a fraude. Na Europa Ocidental, 85% das fraudes
observadas pela ACFE foram cometidas por indivíduos do sexo masculino:

Figura 2.10 – Género do infrator baseado na região

Fonte: ACFE, 2014, p. 49

14
A consultora KPMG publicou em 2013 um relatório relativo a uma análise de 596
infratores de empresas investigadas entre 2011 e 2013, em que procura responder à
pergunta sobre “Quem é o infrator típico nas organizações?” (KPMG, 2013, p.2).
Com base no perfil dos 596 casos estudados naqueles anos, as conclusões foram as de
que o infrator típico tem entre 36 e 45 anos de idade, atua contra a sua própria
organização e exerce funções executivas, financeiras, operações, marketing ou vendas, e
encontra-se em funções na organização há mais de 6 anos (KPMG, 2013, p. 2).

É importante referir que grandes fraudes já levaram à queda de organizações inteiras,

perdas significativas de investimentos e perda de confiança nos mercados de capitais.
São exemplos os escândalos financeiros ocorridos nos EUA, como os casos da Enron,
da WorldCom, Lehman Brothers, e em Portugal, dos casos do BPN e do BPP (IPAI,
2014, p. 14).
Mesmo que as fraudes não levem à queda das organizações, causam sempre impactos
negativos, principalmente ao nível da reputação, imagem e perda de confiança por
partes das pessoas nas respetivas organizações (IPAI, 2014, p. 14).

Um outro estudo sobre a fraude - “Global Economic Crime Survey 2014”, publicado em
2014 pela PricewaterhouseCoopers foi realizado a mais de 5 mil representantes de
organizações, de mais de 95 países de todo o mundo. Uma das suas conclusões é de que
a taxa de crime económico reportada tem vindo a aumentar, de 30% em 2009 para
37% em 2014, e que uma em cada três organizações reportou ter sido vítima de crime
económico.
Em 2014, praticamente metade (49%) das organizações da indústria do Retalho
reportou ter sido vítima de crime económico, sendo um dos tipos de indústria com
maior taxa. Em dois terços destes casos, o autor da fraude foi interno à organização.

Portugal surge como um dos países do mundo com menos casos de crimes económicos
reportados, com apenas 12% e ao nível de países como a Arábia Saudita e a Dinamarca.
Segunda a PWC isto pode significar falta de controlos ou meios que ajudem na deteção
da fraude.

15
Carlos Pimenta refere que “em Portugal existe um conjunto de fatores (institucionais,
culturais, cognitivos e outros) que impedem uma quantificação rigorosa da fraude”
(Pimenta C., 2009, p. 4).

É por isso importante serem investidas e desenvolvidas abordagens de deteção de

fraude, tais como o investimento e aposta em analistas de dados e Data Mining que
forneçam às organizações meios de identificar casos fraudulentos (KPMG, 2013, p. 3).
Os benefícios dessas análises de dados podem incluir uma identificação de conluios
entre pessoas ou organizações, bem como de análise de transações suspeitas em menos
tempo e de forma mais eficiente e com menores custos do que usando as técnicas de
amostragem forenses mais tradicionais (KPMG, 2006, p. 16).

Segundo a Deloitte, os retalhistas irão provavelmente ter que intensificar o ritmo da

inovação em termos da prevenção da fraude e atividades de deteção, no caso de estarem
dispostos a recuperar a margem que está a ser perdida para a fraude. É tempo da
indústria do retalho considerar como as novas tecnologias como a análise de dados
(“data analytics”) pode ajudar a detetar mais fraude, num ambiente económico cada vez
mais competitivo (Deloitte, 2013, p. 1).
A área de “Data Analytics” onde se inclui o Data Mining, foi considerada como o
método mais eficaz para a deteção de fraude, tem sido destacada por 25% das
organizações que já sofreram crimes económicos (PWC, 2014, p. 45).

2.4 Subcategorias de fraude na categoria “Apropriação Indevida de

Ativos”
Dentro da categoria “Apropriação Indevida de Ativos” existem várias sub-categorias
(esquemas de fraude), sendo apresentadas de seguida em termos da sua descrição e
riscos associados:

16
Dinheiro

Furto (de Dinheiro)

Wells indica que a caixa registadora é geralmente o ponto mais comum de acesso ao
dinheiro para os empregados de uma loja, tornando-se assim um foco onde esquemas de
fraude podem ocorrer. De facto, imensas transações envolvem o manuseamento do
dinheiro de caixa, por isso, o fraudador pode conseguir retirar dinheiro da caixa sem ser
apanhado (Wells, J. T., 2009, p. 138). Um modo simples de um empregado evitar ser
detetado é roubar pouco dinheiro de cada vez, uma vez que os montantes em falta são
pequenos, logo as diferenças de caixa podem ser atribuídas a erros e não a furto (Wells,
J. T., 2009, p. 140).

Desembolsos fraudulentos (de caixa)

Falsas devoluções é um dos esquemas simples relacionados com os desembolsos

fraudulentos relacionados com uma caixa registadora (Wells, J. T., 2009, p. 205).
Um reembolso (devolução) é efetuado e registado numa caixa quando um cliente
pretende devolver um artigo que comprou na loja, em que o cliente será reembolsado
pelo preço de compra do respetivo artigo, e este será reposto na loja ou no armazém da
loja, com o incremento de uma unidade no seu stock. No entanto, se a transação de
devolução for fictícia, nenhuma mercadoria é de facto devolvida, ficando o stock da
empresa e da loja sobreavaliado.

Sonegação

Dentro da subcategoria Dinheiro, encontramos um tipo de fraude descrito como

“Sonegação”, que Wells no livro do Manual da Fraude descreve como “a remoção de
dinheiro antes do seu lançamento num sistema de contabilidade” (Wells, J. T., 2009, p.
94), sendo conhecidas por fraudes off-book, por não deixarem rasto, dado os fundos
serem recebidos mas a empresa lesada não ter consciência de que o dinheiro foi
recebido.

Wells refere ainda que as pessoas que lidam diretamente com os clientes, são as
candidatas mais prováveis a este tipo de fraude (Wells, J. T., 2009, p. 94), sendo que o

17
esquema mais básico de sonegação acontece quando um operador de caixa atende um
cliente, recebe o pagamento, mas não regista a venda.

Outro tipo de sonegação pode ocorrer quando o próprio operador de caixa sonega o
valor do desconto a que o cliente teria direito para proveito próprio (Wells, J. T., 2009,
p. 107). Porém, Wells refere que “os esquemas de sonegação são, por norma, mais
fáceis de ocultar do que a maioria de outros tipos de fraude ocupacional” (Wells, J. T.,
2009, p. 118). Wells conclui que os procedimentos de controlo interno são a chave para
evitar a ocorrência destes esquemas de fraude (Wells, J. T., 2009, p. 125).

Ativos não financeiros

O furto é o tipo mais básico de roubo de inventário, sendo que na maioria dos casos são
cometidos por empregados com acesso ao armazém (Wells, J. T., 2009, p. 314).
A maioria dos métodos de ocultação referem-se a ajustes ou alterações nos registos de
stock, alterando o respetivo stock teórico ou procedendo a uma contagem errada do
stock real, sendo que alguns fraudadores tentam dar a impressão de que existe mais
stock em armazém do que na realidade existe (Wells, J. T., 2009, p. 330). Por exemplo,
caixas vazias podem ser empilhadas nas prateleiras do armazém, para criar a ilusão de
stock suplementar.

A nível mundial, existe um estudo sobre o efeito económico do furto e a disponibilidade

de mercadoria, designado por “Barómetro Mundial do Furto no Retalho” sobre dados de
mais de duzentos retalhistas mundiais, publicado pela Checkpoint Systems, Inc. em
2014. O estudo completo pode ser solicitado através do seguinte endereço:
[Link]

De forma resumida pode-se referir que em 2013 a taxa de perda desconhecida (em %
das vendas) em Portugal foi de 1,18% situando-se abaixo da taxa global que é de
1,29%. A taxa de Portugal corresponde a 614 milhões de dólares de perda desconhecida
(Checkpoint Systems, Inc., 2014, p. 17).
Em Portugal a taxa de furto na loja é de 50%, sendo superior à média da Europa que é
de 39% (Checkpoint Systems, Inc., 2014, p. 27).

18
2.5 O uso do Data Mining na deteção de indícios de fraude
2.5.1 Definição de Data Mining e suas vantagens
“Fazer mais e melhor com menos recursos” tem sido uma das frases mais ouvidas nos
últimos anos, praticamente em todos os departamentos nas organizações, e também
entre os investigadores da fraude. O atual ambiente de negócio nas organizações exige
aumentos de produtividade em todas as áreas da organização (Codere, D., 2009, p. 41).

Vivemos atualmente na era da informação, onde as organizações estão sobrecarregadas

de dados. Cada vez mais informação é armazenada nas bases de dados, em que
transformar esses dados em conhecimento cria uma necessidade de procurar poderosas
ferramentas de análise (Jans, M. et al., 2007, p. 5).

À medida que o uso das tecnologias de informação é cada vez maior, também maior
deverá ser o uso destas tecnologias na deteção da fraude, permitindo aos investigadores
um foco maior nas áreas de maior risco (Codere, D., 2009, p. 41).

As técnicas de análise de dados usadas no passado incidiam muito sobre aspetos

quantitativos e estatísticos em relação às características dos dados. Estas técnicas são
úteis na interpretação dos dados e podem ajudar a obter uma visão mais aprofundada, e
criar conhecimento a partir daí. Mas embora estas técnicas de análise de dados
tradicionais consigam extrair conhecimento a partir dos dados, o seu processo é criado
por analistas, sendo seu processo de criação manual (Jans, M. et al., 2007, p. 5).

Para ultrapassar estas limitações, deve ser desenvolvido um sistema de análise de dados
com recurso a conhecimentos de fundo, e que envolvam tarefas de raciocínio a partir
dos dados fornecidos. Para atingir este objetivo, pesquisadores têm-se focado na área de
Machine Learning, que é uma disciplina científica que explora a construção e o estudo
de algoritmos que “aprendem” a partir de dados. Esses algoritmos operam a partir de
modelos baseados nos inputs e usam-nos para criar previsões ou decisões.

Assim emergiu uma nova área frequentemente designada por Data Mining e descoberta
de conhecimento. Data Mining pode ser definido como o processo de descoberta de
padrões nos dados, podendo o processo ser automático ou semi-automático (mais
comum). Os padrões identificados devem ter significado por forma a trazerem
vantagens, principalmente económicas (Jans, M. et al., 2007, p. 6).

19
Data Mining é assim uma forma de descobrir conhecimento nas vastas bases de dados
que as organizações dispõem (Jans, M. et al., 2007, p. 6).
A deteção de fraude é uma área importante para a aplicação prática das técnicas de Data
Mining, tendo em conta as consequências económicas e sociais que estão normalmente
associadas a essas atividades ilegais (Torgo, L., 2010, p. 165).
A empresa SAS num artigo publicado sobre o uso de técnicas de Data Mining para
deteção de fraude, define alguns passos importantes neste processo (Kristin, R. N. et
al.,, 1999, p. 1):
1. Definição do problema
2. Extração de dados
3. Estratégia de modelação
4. Análise de resultados
A definição do processo de negócio a analisar é o primeiro e o passo mais importante na
utilização do Data Mining, devendo-se definir aqui quais os objetivos da análise de
forma clara e como os resultados vão ser medidos (Kristin, R. N. et al.,, 1999, p. 1).
Estando assim definido qual o processo de negócio a analisar para o plano de deteção de
fraude, deve-se então proceder à identificação dos dados necessários a essa análise, isto
é, quais as respetivas base de dados, campos pretendidos, devendo esta tarefa ser
executada com prudência, pois as ferramentas de Data Mining só são úteis caso os
dados estejam completos e não enviesados ou distorcidos (Kristin, R. N. et al.,, 1999, p.
2).

O Data Mining traz a capacidade de considerar e analisar milhares de transações em

menos tempo, com mais eficiência e relação custo-eficácia do que usando técnicas mais
tradicionais de amostragem forenses (KPMG, 2006, p. 16).
O fenómeno do Big Data trouxe um aumento vertiginoso do volume, variedade e
velocidade (3Vs) de informações de negócio, que mudou a forma como as principais
empresas gerem os seus desafios de conformidade legal e investigam comportamento
aberracionais ou estranhos (EY, 2014, p. 1).

20
2.5.2 Aprendizagem Supervisionada vs Não Supervisonada
Em termos de estratégias de Data Mining, existem duas amplamente conhecidas:
aprendizagem supervisionada e não supervisionada.
Os métodos supervisionados são implementados quando existe uma variável “alvo”
através da qual se pretende efetuar previsões, a partir de outras variáveis de entrada.
Numa investigação de fraude, exemplos de registos com casos de fraude e de não-fraude
são necessários, ou seja, todos os registos disponíveis têm de ser classificados como
“fraudulento” ou “não-fraudulento” (Jans, M. et al., 2007, p. 7).
Depois de construído o modelo usando esses dados como o conjunto de treino, os novos
casos analisados devem ser classificados conforme os rótulos anteriores. Claro que isto
implica que haja uma confiança na correta classificação dos dados do conjunto de
treino, sendo esta confiança a sustentabilidade do próprio modelo.
Este método é apenas aplicável na deteção de fraude de um determinado tipo, se já
ocorreu e existem dados sobre a mesma ocorrência. Em contraste, os métodos não
supervisionados não usam registos já classificados (Singh, K. et al., 2012, p. 6).
Os métodos não supervisionados são aplicados nos casos em que não temos uma
variável “alvo”, apesar de existirem as variáveis de entrada (Kristin, R. N. et al., 1999,
p. 3).
Estes métodos buscam análises sobre contas, clientes, fornecedores, etc, que tenham
comportamentos considerados “estranhos” pela obtenção de outputs suspeitos ou de
anomalias gráficas.
Por fim, e para ambos os métodos, deve-se avaliar os resultados validando se os
objetivos definidos foram alcançados, sendo que no caso de não estarem a ser
alcançados, deve-se então efetuar uma reformulação ou ajustamento ao modelo de
forma a garantir resultados mais efetivos, como por exemplo, reduzir ou eliminar os
falsos positivos.
A utilização de qualquer um dos dois métodos, apenas dá uma indicação da
probabilidade de ocorrência de fraude, isto porque nenhuma análise estatística por si só,
pode assegurar que um objeto particular em análise é fraudulento. Apenas indica que o
objeto em estudo é mais provável de ser fraudulento do que outros objetos (Jans, M. et
al., 2007, p. 7). É impossível ter a certeza absoluta sobre a legitimidade da intenção de
quem efetua uma transação (Phua, C. et al., 2010, p. 1).

21
2.5.3 Deteção de Outliers

O que é um Outlier? Segundo Hawkins (1980), é uma observação num conjunto de

dados, que é suficientemente diferente ou aberrante dos restantes elementos e que
levanta suspeita de ser causado por um mecanismo diferenciado.

A deteção de outliers refere-se ao problema de identificar padrões nos dados alvo de

análise e que não estão em conformidade com um comportamento esperado como
normal. Estes padrões anómalos são muitas vezes referidos como anomalias,
observações discordantes, exceções, falhas, defeitos, aberrações, ruído, erros e
peculiaridades nos diferentes domínios a que se aplicam (Chandola, V. et al., 2009, p.
1).

Figura 2.11 – Exemplo de outliers num conjunto de dados de 2 dimensões

Fonte: Chandola et al, 2009, p. 2

Na figura 2.11 é possível observar-se duas zonas consideradas normais (N1 e N2),
sendo que O1 e O2 representam duas observações remotas e O3 significa uma região
distante.
Os outliers estão fora das zonas consideradas normais. Para além disso, os outliers
existem em praticamente todos os conjuntos reais de dados (Chandola, V. et al., 2009,
p. 2).

22
Os outliers podem ser classificados em três categorias (Chandola, V. et al., 2009, p. 8):

Outliers - Tipo 1 (Global)

São o tipo mais simples de outliers e o foco da maioria dos esquemas de deteção de
outliers existentes. As técnicas que detetam este tipo de outlier analisam a relação de
uma observação individual em relação às restantes observações. Podem ser detetados
sobre qualquer tipo de dados.

Outliers - Tipo 2 (Contexto)

Este tipo de outlier também se trata de uma instância individual, mas a diferença para o
tipo 1, é que o tipo 2 pode não ser considerado um outlier se estiver num contexto
diferente. Ou seja, os outliers deste tipo são definidos em função do contexto.
A região de uma loja é um exemplo de um atributo de contexto.

Outliers - Tipo 3 (Espacial ou Sequencial)

Este tipo de outliers ocorre quando um subconjunto das instâncias dos dados
observados é periférico ou distante, em relação ao conjunto global dos dados. Este tipo
de outlier apenas tem significado quando os dados têm uma natureza espacial ou
sequencial. Uma característica deste tipo de outlier é a sua continuidade temporal, sendo
um elemento chave (Manish, G. et al., 2014, p. 1).

A análise de outliers temporais investiga anomalias no comportamento dos dados, ao

longo do tempo (Manish, G. et al., 2014, p. 1). Alguns exemplos dessa utilização:
mercados financeiros, diagnósticos de sistemas (mecânicos, aeronaves), dados
biológicos, ou transações de clientes.
Outras aplicações possíveis são descritas por Zhang, Y. et al. (2007) e por Hodge, V. et
al. (2004), como aplicáveis nas seguintes áreas: deteção de intrusão em sistemas
informáticos, monitorização ambiental, cuidados de saúde e controlo de logística e
transportes.

23
2.5.4 Tipos de variáveis: qualitativas vs quantitativas

De seguida, e de forma mais pormenorizada, são descritas como podem ser analisadas
as variáveis, consoante sejam qualitativas (texto) ou quantitativas (numéricas):

Variáveis qualitativas são aquelas cujos resultados são possíveis de ser observados na
forma de categoria, qualidade ou característica. Estas variáveis podem ser analisadas
segundo a distribuição de frequências que consiste na organização dos dados de acordo
com as ocorrências dos diferentes resultados observados. A contagem de quantos
elementos existem em cada categoria forma uma distribuição de frequência dos dados
dessa variável, que pode ser apresentada em tabela ou gráfico. As frequências podem
ainda ser apresentadas em forma absoluta ou forma relativa.

Como forma de conhecermos melhor as Variáveis quantitativas do conjunto de dados,

várias características devem ser observadas, podendo ser agrupadas da seguinte forma:

1. Medidas de localização – estatísticas que resumem a informação da variável,

dando informação do centro da distribuição dos dados:
a. Média aritmética: indica o centro de um conjunto de valores, porém esta
métrica perde a sua utilidade quando existem valores discrepantes (outliers).
b. Mediana: centro posicional da distribuição, definida a partir da sucessão
ordenada de observações, representando assim o valor central da variável.
c. Moda: define o valor mais frequente da variável observada.
d. Quartis (ou Percentis): correspondem a medidas de localização de tendência
não central. Os quartis dividem a variável em 4 secções com igual
frequência, correspondendo o Quartil 2 à mediana.

2. Medidas de dispersão – determinação da variabilidade ou dispersão da variável,

relativamente à medida de localização do centro dos dados. Quanto mais
heterogénea é a informação, maiores são os desvios.
a. Amplitude: diferença entre o valor máximo e mínimo.
b. Variância: estabelece os desvios em relação à média aritmética;
c. Desvio-padrão: identifica a regularidade dos dados, correspondendo à raiz
quadrada da variância. Quanto menor o seu valor, mais regular são os dados.

24
 d. Amplitude Interquartílica (AIQ): diferença entre o 3º quartil e o 1º quartil. A
AIQ engloba 50% das observações mais centrais.

3. Medidas de forma – permitem comprovar se uma distribuição de frequência tem

características especiais como simetria, assimetria e nível de concentração:
a. Assimetria/Skewness: indica o grau de distorção da distribuição em relação
a uma distribuição simétrica. Revela o enviesamento que a distribuição
apresenta relativamente à média. Se a distribuição se concentrar no lado
esquerdo com uma longa cauda para a direita, o indicador toma valores
maiores do que zero e a distribuição diz-se com enviesamento positivo.
b. Achatamento/Kurtose: indica a forma da curva da distribuição em relação
ao seu achatamento. A forma da curva de distribuição em relação à kurtose
pode ser leptocúrtica (valores maiores do que 0), mesocúrtica (valores
próximos de 0) ou platicúrtica (valores menos do que 0).

Com base nos resultados acima, é possível analisar as respetivas distribuições de

frequências. Esta distribuição pode ser representada graficamente por um par de eixos
cartesianos, sendo que o eixo horizontal representa a variável e o eixo vertical, as
frequências. A distribuição de frequências de variáveis contínuas é feita dividindo a
amplitude total dos dados (diferença entre o maior e o menor valor) em vários
intervalos, denominados classes. Esses intervalos devem ser mutuamente exclusivos,
exaustivos e de preferência ter o mesmo tamanho.

O histograma é a forma mais usual de apresentação de distribuições de frequências de

uma variável contínua. São retângulos justapostos, feitos sobre as classes da variável em
estudo (Abbott, D., 2014, p. 66). A área dos retângulos é igual ou proporcional à
frequência observada da correspondente classe.

Podem ser efetuados testes estatísticos para aferir a normalidade dos dados, sendo que
um deles é o teste não-paramétrico Kolmogorov-Smirnov. Este teste destina-se a
averiguar se as variáveis seguem uma distribuição normal, através da hipótese nula das
variáveis seguirem uma distribuição normal.

25
Através das estatísticas é possível analisar as diferenças inter-quartis e a presença de
outliers, através do gráfico “Diagrama de extremos e quartis” (box-plot), que se
representa por um retângulo e que evidencia o desvio inter-quartílico.
Este retângulo representa a faixa dos 50% dos valores mais típicos da distribuição. O
retângulo é dividido no valor correspondente à mediana, assinalando o quartil inferior
(Q1), a mediana (Q2) e o quartil superior (Q3). O valor de AIQ corresponde à diferença
entre o 3º quartil (Q3) e o 1º quartil (Q1).

Os outliers são aqueles cujo valor é superior ao valor da expressão (Q3 + 1,5*AIQ)
ou inferior ao valor da expressão (Q1 - 1,5*AIQ)
O outlier pode ser considerado de “moderado” se o seu valor estiver entre:
(Q3 + 1,5*AIQ) e (Q3 + 3*AIQ) ou (Q1 – 1,5*AIQ) e (Q1 – 3*AIQ)
O outlier pode ser considerado de “extremo” se o seu valor superior a: (Q3 + 3*AIQ)
ou (Q1 – 3*AIQ).

Figura 2.12 – Diagrama de extremos e quartis (box-plot)

Fonte: Marôco, J., 2011, p. 28

A figura 2.12 exemplifica de forma gráfica o referido anteriormente, sendo um dos

gráficos mais utilizados para descrever uma variável em estudo. Este gráfico pode ser
gerado nas aplicações IBM SPSS, R ou Knime.

26
2.5.5 Metodologia usada em Data Mining

Nos últimos anos tem-se verificado um crescimento rápido do volume e da dimensão

das bases de dados, causado principalmente pela queda no custo de armazenamento dos
dados. A análise desses volumes de dados começou a ficar humanamente impossível
utilizando os sistemas existentes.
Neste cenário surge, no final da década de 1980, um novo ramo da computação, a
descoberta de conhecimento em bases de dados.

O processo de extração de conhecimento em bases de dados (KDD - Knowledge

Discovery in Databases) é definido como sendo um processo iterativo, não trivial, de
identificação de padrões válidos, novos, potencialmente úteis, compreensíveis e
embebidos nos dados, envolvendo vários passos, e com decisões feitas pelo analista.
Na tentativa de tornar a extração de conhecimento das bases de dados uma realidade, e à
medida que o mercado mostrou interesse pela área do Data Mining, tornou-se
necessária a criação de uma nova abordagem, para demonstrar o quanto esta área era
importante para ser parte do processo de negócio.

Em meados da década de 90, as empresas reuniram esforços para a criação de um

processo padrão de Data Mining, denominado CRISP-DM (Cross-Industry Standard
Process for Data Mining). Cada empresa contribuiu com suas experiências para o
desenvolvimento de um padrão que pudesse ser aplicado a qualquer tipo de problema.
A metodologia CRISP-DM é descrita como um processo hierárquico, que contém seis
fases, conforme se verifica na figura 2.13: compreensão do negócio, compreensão dos
dados, preparação dos dados, modelação, avaliação e implementação.

27
 Figura 2.13 – Ciclo de vida da metodologia CRISP-DM

Compreensão do Negócio: Na fase inicial procura-se identificar quais os objetivos e

necessidades em termos de perspetivas do negócio, e converter as mesmas num
problema de Data Mining pela definição de plano inicial de resolução do problema.
Compreensão dos Dados: Nesta fase seleciona-se os dados relevantes para o problema
e identifica-se possíveis problemas na qualidade dos dados.
Preparação dos Dados: Nesta fase desenrola-se o processo de construção do conjunto
de dados alvo de análise. São desenvolvidas tarefas como: seleção de tabelas, registos e
atributos, transformação, limpeza dos dados, para a posterior utilização dos dados na
aplicação de algoritmos de Data Mining.
Modelação: Aqui pretende-se selecionar e aplicar técnicas de modelação. Existem
várias técnicas que podem ser utilizadas sobre o mesmo problema. Algumas dessas
técnicas possuem requisitos específicos na formatação dos dados, sendo por isso muitas
vezes necessário regressar à fase anterior, de preparação de dados.
Avaliação: Após a modelação, o modelo construído é avaliado, tendo em conta os
requisitos do negócio, e é realizada a escolha do melhor modelo.
Implementação: Depois de construído e avaliado, o modelo pode ser implementado.
Esta fase pode colidir com uma simples elaboração de relatórios para o apoio à tomada
de decisão.

28
Capítulo 3: Deteção de indícios de fraude sobre
devoluções de artigos

3.1 Objetivo e Âmbito

O objetivo deste trabalho de dissertação visa implementar técnicas de Data Mining, para
detetar casos anómalos ou estranhos através da identificação de outliers, que possam
revelar indícios de possível fraude, sobre um conjunto de dados referente ao processo de
devoluções de artigos nas lojas.
Pelo recurso à metodologia CRISP-DM, a primeira fase do projeto deve ser o
conhecimento do negócio.
Dentro do prazo de satisfação do cliente após a compra de um artigo, é possível ao
cliente devolver o artigo, mediante apresentação do talão de compra desde o que artigo
se encontre nas devidas condições. A devolução é efetuada por um supervisor da loja
(chefia intermédia), que efetua o registo num POS (Point of Sales), reembolsando o
cliente, conforme fluxo do processo:
Figura 3.1 – Processo das devoluções de artigos

Supervisor
Cliente dirige- Análise da Devolução Fim
se à loja devolução pela loja no POS

Existem aqui dois riscos associados, sendo que um deles é o da devolução poder ser
fictícia e do supervisor realizar a devolução para efetuar um reembolso fraudulento em
proveito próprio, não havendo lugar a entrada de artigo em stock físico (havendo só em
stock teórico). Outro risco é o do furto do artigo devolvido, sendo que neste caso a
devolução foi efetuada por vontade do cliente, mas após o reembolso ao cliente, o artigo
devolvido pelo cliente embora dê entrada no stock teórico da loja, fisicamente
“desaparece”.

29
Embora existam outros esquemas de fraude possíveis de serem detetados, o âmbito
deste trabalho foi definido por uma proposta direcionada para a utilização das técnicas
de Data Mining na deteção de outliers, com recurso a um modelo de aprendizagem.

Será usada a técnica de aprendizagem do tipo não supervisionada, pelo facto de não
termos uma variável “alvo” como classificador de cada caso, e apenas existirem as
variáveis de entrada.

3.2 Caracterização do conjunto de dados

O conjunto de dados alvo aqui de análise, foi obtido através do desenvolvimento de uma
query no sistema de informação (datawarehouse) do retalhista. Este sistema recebe
diariamente as transações que ocorrem nos POS das lojas.
Em termos de arquitetura, estas transações são compostas por 3 níveis, sendo que o 1º
designa-se por “cabeçalho”, contendo informação como a data, hora, loja, pos, nº talão e
operador/supervisor. No 2º nível é referente aos dados das linhas dos artigos que
compõem a transação, e no 3º nível os meios de pagamento associados.

Figura 3.2 – Arquitetura das transações no sistema de informação

Transações
1) Criação de outras variáveis
2) Construção de queries
Nivel1: Cabeçalho 3) Extração e análise de dados
Transações
das lojas Nivel2: Artigos
Nivel3: Pagamentos

datawarehouse

Antes da extração dos dados, o 1º passo consistiu na proteção de duas variáveis a serem
analisadas, com a criação de uma “mascara” sobre os campos “Loja” e

30
“Nr_Supervisor”. Desta forma foi possível garantir a confidencialidade dos mesmos e a
não adulteração dos dados reais.
No 2º passo, com base na informação do cabeçalho da transação, foram criadas três
variáveis qualitativas:

Tabela 3.1 – Criação de 3 variáveis qualitativas

Variável Descrição da Variável Tipo de Variável

Para cada loja é identificada a região pertencente:
- Norte (Norte Portugal atè Gaia)
Zona País Qualitativa
- Centro (Gaia atè Lisboa)
- Sul (Lisboa até Algarve)
Classificação consoante a data do registo da devolução:
Dia semana - Dias úteis Qualitativa
- Fds ou feriado (fim de semana ou feriado)
Classificação consoante a hora do registo da devolução:
- Manhã (Da abertura da loja até às 13h)
Horario registo Qualitativa
- Tarde (Das 13h até às 19h)
- Noite (Das 19h até ao fecho da loja)

Por fim, foi desenvolvida uma query onde foram selecionadas as 5 variáveis referidas
acima, e adicionadas outras já existentes no sistema corporativo como a “Unidade
Negocio”, “Total artigos devolvidos” e “Valor médio artigos devolvidos”.
Como filtros aplicados à query definiu-se que o âmbito seriam as transações de
devoluções de artigos, num universo de 40 lojas de um retalhista. O período de dados
extraído correspondeu a três meses de transações, que ocorreram entre os meses de
Dezembro-2014 e Fevereiro-2015, com exceção dos dias 24-Dezembro e 01-Janeiro, em
que as respetivas lojas não estiveram abertas ao público.
No quadro seguinte são apresentadas as 8 variáveis que compõem o conjunto de dados
que será a seguir alvo de análise:

Tabela 3.2 – As 8 variáveis do conjunto de dados

SPSS
Tipo de
Variável Descrição da Variável Tipo Medida
Variável
Loja Código associado a cada loja (irrepetível / diferenciador) Qualitativa String Nominal
Nr Supervisor Código associado a cada supervisor (irrepetível / diferenciador) Qualitativa String Nominal
Zona País "Norte", "Centro" ou "Sul" Qualitativa String Nominal
Dia semana "Dias úteis" ou "Fds ou feriado" Qualitativa String Nominal
Horario registo "Manhã", "Tarde" ou "Noite" Qualitativa String Nominal
Descrição do tipo de artigo. Existem 18 unidades de negócio como:
Unidade Negocio Qualitativa String Nominal
- Peixaria, Talho, Bebidas, Congelados, Padaria, Cultura, Lazer, etc
Total artigos devolvidos Total de artigos devolvidos pelo supervisor no periodo analisado Quantitativa Numeric Scale
Valor médio artigos devolvidos Valor médio dos artigos devolvidos pelo supervisor no periodo analisado Quantitativa Custom Currency Scale

31
3.3 Análise estatística das variáveis

Depois de referido como foram obtidos os dados, a fase seguinte passa pela realização
das análises estatísticas sobre os dados. Os dados são observações de variáveis
qualitativas e quantitativas, porém as técnicas de análise são diferentes para cada tipo de
variável. Este conjunto de dados é composto por 43.206 observações e 8 variáveis,
sendo 6 qualitativas e 2 quantitativas.

3.3.1 Variáveis qualitativas

Conforme referido anteriormente, o conjunto de dados é referente a um universo de 40

lojas, mas conforme se verifica na figura 3.3, o nº de observações da variável “Loja” é
bastante distinto, onde se destaca a loja “I” com o maior número (2927 registos) e a loja
“AJ” com o menor número (479 registos), sendo a média de 1080 registos por loja.
Apesar de todas as lojas pertenceram à mesma cadeia e terem a mesma tipologia, o nº
de clientes e o volume de vendas é diferente de loja para loja, o que se traduz num
maior ou menor nº de devoluções registadas.

Figura 3.3 – Gráfico de frequências da variável “Loja”

32
Efetuando uma análise pela variável “Nr Supervisor” verifica-se que o conjunto de
dados é constituído por devoluções efetuadas por 887 supervisores distintos, das 40
lojas. Sendo impossível de representar graficamente a distribuição de frequências por
supervisor, optou-se por efetuar uma análise do nº de supervisores por loja:
Figura 3.4 – Gráfico do nº de Supervisores por Loja

Sendo a média de 22 supervisores por loja, observa-se no entanto que existe uma loja
“I” com 78 supervisores com devoluções efetuadas no período observado, e uma loja
com apenas 6 supervisores nessas condições. De referir que não existe uma política nas
lojas que estabeleça o nº mínimo ou máximo de devoluções, mas é recomendado que
esteja atribuído a colaboradores com a função de supervisor, e que os cartões não sejam
partilhados.

Efetuando agora uma análise à variável “Zona País” observa-se que as 40 lojas estão
distribuídas em 3 zonas geográficas, sendo que a zona Sul representa cerca de 45% do
total das lojas em estudo:
Tabela 3.3 – Nº de lojas por “Zona País”

Zona do País freq. abs. freq. rel. (%)

Norte 11 28%
Centro 11 28%
Sul 18 45%
Total 40 100%

33
Analisando agora as frequências da variável “Zona País”, verifica-se que 50% das
observações são referentes às lojas da zona Sul:

Tabela 3.4 – Frequência da variável “Zona País”

Zona País freq. abs. freq. rel. (%)

Norte 12232 28%

Centro 9538 22%
Sul 21436 50%
Total 43206 100%

Na tabela 3.5 pretende-se analisar se no conjunto de dados existem mais observações

em “Dias úteis” do que em comparação com “Fins de semana ou feriados”. Apesar de
na realidade os fins de semana e feriados corresponderem a cerca de 30% de uma
semana, a sua frequência relativa é de 44%, o que permite concluir que existe uma
maior tendência a se realizarem mais devoluções ao fim de semana do que
comparativamente aos dias úteis de trabalho:
Tabela 3.5 – Frequência da variável “Dia semana”

Dia semana freq. abs. freq. rel. (%)

Dias úteis 24006 56%

Fds ou feriado 19200 44%
Total 43206 100%

Na tabela 3.6 é feita uma análise da distribuição de frequências sobre o horário onde é
feito o registo da devolução. Verifica-se que 42% das observações são referentes ao
período da tarde, podendo estar relacionado com o facto de ser o período com maior nº
de horas associado (das 13h às 19h):
Tabela 3.6 – Frequência da variável “Horario registo”

Horario registo freq. abs. freq. rel. (%)

Manhã 12727 29%

Tarde 18060 42%
Noite 12419 29%
Total 43206 100%

34
Na tabela 3.7 é efetuada uma análise de frequências à variável “Unidade de Negócio”,
que consiste na descrição do tipo de produto. Verifica-se que as unidades “Congelados”
e “TakeAway” representam menos de 4% de frequência relativa, o que indica que são
tipos de artigos menos suscetíveis de serem devolvidos.
Por outro lado, produtos do tipo “Higiene e Beleza” e “Mercearia Doce” são os que
apresentam frequências relativas mais altas, com 6,9%:

Tabela 3.7 – Frequência da variável “Unidade de Negócio”

Unidade Negocio freq. abs. freq. rel. (%)

Bebidas 2714 6,3%

Bricolage e Auto 2326 5,4%
Casa 2655 6,1%
Charcutaria&Queijos 2532 5,9%
Congelados 1499 3,5%
Cultura 2642 6,1%
Frutas e Legumes 2571 6,0%
Higiene e Beleza 2966 6,9%
Lacticínios 2812 6,5%
Lazer 2344 5,4%
Limpeza do Lar 2612 6,0%
Mercearia Doce 2964 6,9%
Mercearia Salgada 2732 6,3%
Padaria 2366 5,5%
Peixaria 2119 4,9%
Pets&Plants 1800 4,2%
TakeAway 1462 3,4%
Talho 2090 4,8%
Total 43206 100%

35
3.3.2 Variáveis quantitativas
Na tabela 3.8 apresenta-se o resultado das medidas de localização, dispersão e de forma,
aplicadas às variáveis quantitativas presentes no conjunto de dados: “Total artigos
devolvidos” e “Valor médio artigos devolvidos”.

Tabela 3.8 – Medidas estatísticas das variáveis quantitativas

Variáveis quantitativas em análise
Medidas Total artigos Valor médio artigos
devolvidos devolvidos
Nº observações 43.206
Média 9,3 8,26 €
Mediana 4 4,64 €
Moda 1 1,99 €
Localização
Quartis 25 2 2,48 €
50 4 4,64 €
75 11 9,47 €
Minimo 1 0,02 €
Máximo 725 1.167,12 €
Dispersão Amplitude 724 1.167,10 €
Desvio Padrão 14,6 14,07 €
Variância 213 197,85 €
Skewness 7,9 21,87 €
Desvio padrão do Skewness 0,01 0,01
Forma
Kurtosis 199,1 1.269,80 €
Desvio padrão do Kurtosis 0,02 0,02

De forma complementar, é possível analisar os seguintes histogramas para as variáveis

quantitativas. Nestes histogramas é desenhada a linha de distribuição normal o que
permite evidenciar as medidas de assimetria e achatamento:
Figura 3.5 – Histograma da variável “Total artigos devolvidos”

Na figura 3.5, a variável “Total artigos

devolvidos” mostra uma amplitude
considerável entre os seus valores
extremos, bem como uma variância
elevada de 213.

A distribuição tem um enviesamento

positivo, o que indica que apesar da
grande amplitude, o nº de artigos
devolvidos localiza-se principalmente
no 1º intervalo (entre 1 e 11).

36
 Figura 3.6 – Histograma da variável “Valor médio artigos devolvidos”

Na figura 3.6, a variável “Valor médio

artigos devolvidos” mostra uma
amplitude considerável entre o seu
valor mínimo e máximo, bem como
uma variância elevada de 197,85€.

A distribuição tem um enviesamento

positivo, o que indica que apesar da
grande amplitude, o valor médio dos
artigos devolvidos localiza-se logo no
1º intervalo (entre 0,02€ e 16,67€).

De seguida é realizado um teste às variáveis quantitativas, a fim de se verificar se as

mesmas seguem uma distribuição normal. Pelos valores obtidos na figura 3.7, no valor
do p-value (“Asymp. Sig.”), sendo os ambos inferiores ao nível de significância de 0.05
, a hipótese nula é rejeitada nos dois casos, logo pode-se concluir que as variáveis não
seguem uma distribuição normal.

Figura 3.7 – Teste Kolmogorov-Smirnov

37
3.4 Deteção de outliers por análises univariadas

Neste ponto dá-se início à identificação de outliers através da representação gráfica box-
plot na aplicação SPSS (também possível no R ou Knime). Nesta fase são realizadas
análises apenas sobre cada uma das variáveis quantitativas, e destacados apenas os
outliers extremos:

Figura 3.8 – Box-Plot: “Total artigos devolvidos”

Observa-se que o grupo é pouco homogéneo, pelo que o número de outliers globais
extremos é muito elevado, dado existirem 1695 outliers de valores acima de 38, obtido
através da expressão (11 + 3 * (11-2)).
Desse modo, optou-se por destacar apenas 12 outliers globais extremos, visualmente
mais significativos, com total de artigos devolvidos superior a 200 unidades: dois do
supervisor “I21590”, sete do supervisor “D13030” e um de cada um dos supervisores
“B4820”, “B95960” e “L857770”.

38
 Figura 3.9 – Box-Plot: “Valor médio artigos devolvidos”

Observa-se que o grupo é pouco homogéneo, pelo que o número de outliers globais
extremos é muito elevado, dado existirem 1467 outliers de valores acima de 30.5,
obtido através da expressão (9.5 + 3 * (9.5-2.5)). Desse modo, optou-se por destacar
apenas 11 outliers globais extremos, visualmente mais significativos, com valores
médios de artigos devolvidos superiores a 225€: supervisor “K778980”, “AB1101560”,
“AH1103390”, “AH1096150”, “AC1099270”, “Q23100”, “AF460920”, “A225280”,
“I870710”, “AH18540” e “C84400”.

Conclusão: Através das análises univariadas pelos gráficos box-plot foi possível
identificar outliers globais, sendo que cada uma das variáveis quantitativas revelou
outliers distintos. Contudo, estas análises podem ser consideradas muito “macro” por
darem apenas uma visão geral das variáveis, não revelando outliers de contexto. No
quadro seguinte é apresentado um resumo dos 23 outliers identificados até aqui:
Tabela 3.9 – Outliers extremos globais identificados nas análises univariadas
Outliers globais extremos identificados
Análises univariadas
Descrição Total

Total artigos devolvidos I21590 {2} | D13030 {7} | B4820 | B95960 | L857770 12
K778980 | AB1101560 | AH1103390 | AH1096150 | AC1099270 | Q23100
Valor médio artigos devolvidos 11
AF460920 | A225280 | I870710 | AH18540 | C84400

39
3.5 Deteção de outliers por análises bivariadas
O objetivo neste ponto passa pela criação de um modelo iterativo, onde se vai
realizando análises bivariadas (duas variáveis) pela combinação das várias variáveis
entre si. Essa iteração consiste na avaliação de cada gráfico, na perspetiva de qual o
valor acrescentado que o mesmo traz em termos de relevância de outliers novos, aos já
conhecidos pelas análises univariadas. Neste capítulo apenas serão ilustrados os gráficos
onde são observados novos outliers, sendo que os restantes gráficos podem ser
consultados no Anexo II.
Figura 3.10 – Box-Plot: “Zona País” vs “Valor médio artigos devolvidos”

Nesta análise pretende-se verificar e detetar a presença de outliers da variável “Valor

médio artigos devolvidos” em função da área geográfica onde a loja se situa.
Conclusão: Observa-se que o número de outliers é muito elevado, pelo que de forma
mais nítida, é possível identificar 5 novos outliers extremos que não foram
identificados na análise univariada, para além de se observar os outliers globais já
conhecidos:
 zona “Centro” - Supervisores “AB1113460” e “F136970”
 zona “Norte” – Supervisores “Y549030”, “A76830” e “D12380”

40
 Figura 3.11 – Box-Plot: “Dia semana” vs “Total artigos devolvidos”

Analisando agora as variáveis “Dia semana” e “Total artigos devolvidos”, pretende-se

detetar a presença de outliers, em função do dia da semana, ou seja, dias úteis ou fins de
semana/feriados.
Observa-se que o número de outliers é muito elevado, pelo que de forma mais nítida, é
possível identificar um novo outlier extremo, quando a variável “Dia semana” é “Fins
de Semana ou Feriados“, no supervisor “I915230”.
Nos “Dias úteis” não se identificam outliers novos, apenas os casos já conhecidos.

Conclusão: esta análise revelou-se útil pela deteção de um novo outlier extremo, que
não foi identificado na análise univariada, para além de se observar os outliers globais
já conhecidos.

41
 Figura 3.12 – Box-Plot: “Horario registo” vs “Total artigos devolvidos”

Nesta análise pretende-se verificar e detetar a presença de outliers da variável “Total

artigos devolvidos” em função do momento temporal em que se verificou o registo da
devolução.
Observa-se que o número de outliers é muito elevado, pelo que de forma mais nítida, é
possível identificar um novo outlier extremo, quando a variável “Horario registo” é
“Noite“, no supervisor “I186220”.
Na “Manhã” e “Tarde” não se identificam outliers novos, apenas os casos já
conhecidos.

Conclusão: esta análise revelou-se útil pela deteção de um novo outlier extremo, que
não foi identificado na análise univariada, para além de se observar os outliers globais
já conhecidos.

42
 Figura 3.13 – Box-Plot: “Horario registo” vs “Valor médio artigos devolvidos”

Conclusão: Nesta análise bivariada entre as variáveis “Horario registo” e “Valor médio
artigos devolvidos” observa-se que o número de outliers é muito elevado, pelo que de
forma mais nítida, é possível identificar três novos outliers extremos: na “Noite”
destacam-se dois novos casos no supervisor “I112020” e “AD1094390” e na “Tarde”
observa-se um outlier associado ao supervisor “B16540”.

Na análise bivariada seguinte, pelo facto de existirem 18 unidades de negócio diferentes

no conjunto de dados, optou-se por efetuar uma análise gráfica box-plot em duas partes
(9 unidades de negócio cada), por forma a permitir uma leitura mais percetível.
Na 1ª parte da análise pretende-se verificar e detetar a presença de outliers extremos das
variáveis “Total artigos devolvidos” e “Valor artigos devolvidos” nas Unidades de
Negócio como Bebidas, Charcutaria & Queijos, Congelados, Frutas & Legumes,
Lacticínios, Mercearia Doce, Mercearia Salgada, Peixaria e Talho.

43
Figura 3.14 – Box-Plot: “Unidade Negócio” (parte 1) vs “Total artigos devolvidos”

Conclusão: No gráfico da 1ª parte desta análise bivariada observam-se 14 novos

outliers extremos nas unidades de negócio “Charcutaria & Queijos”, “Lacticinios”,
“Mercearia Doce”, “Peixaria” e “Talho”.

Pretende-se agora analisar as mesmas variáveis nas Unidades de Negócio como

Bricolage, Casa, Cultura, Higiene, Lazer, Limpeza, Padaria, Pets&Plants e Take Away.

Figura 3.15 – Box-Plot: “Unidade Negócio” (parte 2) vs “Total artigos devolvidos”

Conclusão: No gráfico da 2ª parte desta análise bivariada observa-se três novos

outliers extremos (supervisores “B16760”, “C120710” e “AB1101050”).

44
 Figura 3.16 – Box-Plot: “Unidade Negócio” (parte 1) vs “Valor médio artigos
devolvidos”

Conclusão: No gráfico da 1ª parte desta análise bivariada observam-se 2 novos outliers

extremos nas unidades de negócio “Bebidas“ e “Charcutaria & Queijos”.

Figura 3.17 – Box-Plot: “Unidade Negócio” (parte 2) vs “Valor médio artigos

devolvidos”

Conclusão: No gráfico da 2ª parte desta análise bivariada observam-se cinco novos

outliers extremos (supervisores “AD11760”, “B95960”, “F38380”, “AH867500” e
“AI1111100”).

45
Após a realização das análises bivariadas entre todas as variáveis, é importante resumir
os novos outliers extremos identificados, dado que não tinham sido observados nas
análises univariadas:

Tabela 3.10 – Novos Outliers extremos identificados nas análises bivariadas

Novos Outliers extremos identificados
Análises bivariadas
Total artigos devolvidos Valor médio artigos devolvidos
Centro AB1113460 | F136970
Zona País -
Norte A76830 | Y549030 | D12380
Dia semana Fins de semana ou feriados I915230 -
Noite I186220 I112020 | AD1094390
Horario registo
Tarde B16540
Bebidas AN1107500
Charcutaria & Queijos C594740 | AB1101050 | C11090 | AF1458260 | C84440 | L753210 AC1098660
Lacticinios B9680 | B63760
Mercearia Doce C84400 | L753210 | Y1096090 | L676210
Peixaria AB1101050
Unidade
Talho AB1101050
Negocio
Bricolage & Auto AD11760
Casa B16760
Limpeza C120710 B95960 | F38380
Padaria AB1101050
Pets&Plants AH867500 | AI1111100
Total 19 15

Conforme se verifica pela tabela 3.10, através das análises bivariadas, foram
identificados 34 novos outliers extremos.

De seguida são apresentadas as vantagens e desvantagens das análises bivariadas em

relação às univariadas:

Vantagem: as análises bivariadas permitiram detetar vários outliers diferentes dos

observadores nas análises univariadas, pelo que enriquecem o trabalho realizado na
concretização dos objetivos definidos. Estes novos outliers não tinham sido
identificados nas análises univariadas.
Cruzar as variáveis, ainda que aos pares, é sempre melhor do que analisar isoladamente
cada variável.

Desvantagem: a realização das análises bivariadas requer algum esforço extra para
gerar graficamente todas as combinações entre as variáveis disponíveis. Em conjuntos
de dados com muitas variáveis pode ser bastante trabalhoso, e não trazer o retorno
esperado. Nesse caso a escolha das variáveis mais importantes torna-se um fator crítico
de sucesso.

46
3.6 Deteção de outliers por análises multivariadas (árvores de
regressão)
Neste ponto pretende-se estudar as duas variáveis quantitativas, através da combinação
das variáveis qualitativas em simultâneo (com exceção do “Nr Supervisor” por não se
tratar de uma variável descritiva). Dado o nº de variáveis e o nº de instâncias possíveis
de cada uma, o nº de combinações torna-se exponencial, o que seria humanamente
quase impossível efetuar a análise e teste a todas as combinações possíveis. Desse
modo, o recurso a um modelo de aprendizagem, torna-se fundamental para efetuar
análise a todas as possíveis combinações, e na seleção das mais relevantes.
A opção recaiu pela utilização de árvores de regressão, pela sua capacidade de
procurar possíveis soluções em problemas complexos, onde a estratégia passa por ir
dividindo em problemas mais simples (Gama, J. et al., 2012, p. 101).
As árvores de regressão são em tudo idênticas às árvores de classificação, sendo que a
grande diferença consiste no facto de as folhas da árvore de regressão conterem
previsões numéricas e não decisões.
Um dos algoritmos mais conhecidos para a indução de árvores de árvores de
classificação e regressão é o algoritmo CART (Breiman, L. et al., 1984). Este algoritmo
inicia a sua execução na raiz da árvore de regressão, começando por analisar o conjunto
completo dos dados, e calculada a variância da variável objetivo.
Para cada variável, e para cada possível teste no valor da variável, é calculada a redução
da variância associada a esse teste. O teste que provoca uma maior redução na variância
é escolhido como teste para o nó (Gama, J. et al., 2012, p. 110).
Em cada divisão da árvore, é efetuado esse teste, com a escolha da variável e respetivos
valores que melhor separam os dados em dois grupos, e que minimize a variância desse
grupo na procura de criar grupos mais homogéneos.
O objetivo passa por minimizar a variância da variável objetivo, à medida que se
expande a árvore. No início (na raiz da árvore), o grupo é heterogéneo e tem uma
variância elevada, mas á medida que se vai descendo de nível, os grupos vão ficando
mais homogéneos e a variância vai diminuindo.
O desvio (“deviance”) de um nó T é calculado através do total da soma dos quadrados
(SS_T):

47
Cada divisão é feita através da maximização entre: a impureza do nó atual T, menos a
soma da impureza dos dois nós filho (L e R):

O processo termina quando já não é possível dividir mais os nós da árvore, isto é, não
sendo possível diminuir mais a variância do respetivo grupo.

Se dividirmos este valor pelo tamanho de observações do nó (n), obtemos o valor da

variância.

A obtenção das árvores de regressão pelo algoritmo CART está disponível na aplicação
R (R Core Team, 2014), através do pacote rpart (Therneau, T. et al., 2015) e
importando os dados a serem analisados.

Na função rpart devem ser definidas as variáveis qualitativas e a variável quantitativa

objetivo, sendo que neste caso em estudo, pretende-se construir duas árvores de
regressão para as variáveis “Total artigos devolvidos” e “Valor médio artigos
devolvidos”. Na função rpart deve ser definido o parâmetro do método como “Anova”,
por se tratar de árvores de regressão. Outro parâmetro fundamental é o “cp” que
controla a complexidade da árvore. O seu valor define que qualquer divisão na árvore
deve diminuir a total falta de ajuste, antes da árvore ser expandida. Este parâmetro
permite economizar tempo de processamento ao eliminar divisões que são
desnecessárias.

Após a obtenção da cada uma das árvores, em cada nó/folha da árvore serão realizadas
análises gráficas box-plot, observando se o gráfico revela algum outlier até aqui
desconhecido, ou apenas os já conhecidos.

48
3.6.1 Árvore de regressão: variável objetivo “Total artigos devolvidos”

Através da função rpart é obtida a árvore de regressão para a variável objetivo “Total
artigos devolvidos”. A árvore da figura 3.18 é o resultado final de testes realizados na
função rpart, alterando o parâmetro “cp”, de forma a obter folhas da árvore com valores
para a variável objetivo o mais elevado possível. Após várias tentativas, o valor
“otimizado” do “cp” foi de 0.0019, obtendo-se uma folha da árvore com 16 observações
e o valor médio da variável objetivo de 88,81.

49
 Nó1

Nó2 Nó3

Nó4 Nó5 Nó6 Nó7

Nó9 Nó11 Nó13 Nó15

Nó23 Nó27 Nó31

Nó8 Nó10 Nó12 Nó14
Nó47
Nó18 Nó19 Nó22 Nó26 Nó30
Nó95
Nó46 Nó54 Nó55 Nó62 Nó63
Nó191
Nó94

Nó383
Nó190

Nó382

Nó766 Nó767
Figura 3.18 – Árvore regressão variável objetivo “Total artigos devolvidos”

50
Figura 3.19 – Regras decisão da árvore variável “Total artigos devolvidos”

51
Em termos de texto, a árvore representa-se conforme a figura 3.19, permitindo uma
leitura mais percetível dos nós e das folhas da árvore. Podemos assim transformar toda a
árvore em regras de decisão (não é normal denominar estas por regras de regressão).

Na figura 3.19, a 1ª linha indica que o nº de observações usadas para aprendizagem foi
de 43206. Abaixo cada linha está identificada com um número, que corresponde a uma
identificação do nó. Em cada uma dessas linhas é indicado o nº de casos, o valor do
desvio e o valor médio da variável objetivo.

Por exemplo no nó número 767) são classificados 16 casos, que seguem a regra –
(Dia=“Dias úteis” & Loja=”B” & Horario registo=”Manhã” & Unidade
Negocio=”Lacticinios”), prevendo-se um número de artigos devolvidos de 88,8 e com
um desvio de 98.

Pretende-se agora estudar a árvore, e em cada nó ir realizando análises do tipo box-plot

e identificar a presença de novos outliers extremos em relação às análises univariada e
bivariada. O processo deve ser repetido até concluída a análise a todos os nós e folhas
da árvore. O topo da árvore corresponde ao total das observações, pelo que é igual à
análise univariada já realizada.

A 1ª divisão da árvore acontece com a variável “Unidade Negócio”, separando a árvore

em dois nós (2 e 3):

De seguida são apresentados os gráficos box-plot referentes às 36 regras inerentes a

cada nó/folha da árvore. Neste capítulo apenas serão ilustrados os gráficos onde são
observados novos outliers extremos que não tenham sido identificados nas análises
univariadas e bivariadas. Os restantes gráficos podem ser consultados no Anexo III.

52
 Regras de Decisão do Nó 12

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Loja = A, AA, AB, AC, AD, AE, AF, AI, AJ, AK, AL, AM, AN, E, F, G, H, I, J, K,
M, N, O, P, R, S, T, U, V, W, X, Y, Z
E Dia semana = Fim de semana ou feriado
ENTÃO Total artigos devolvidos = 8,71

N = 4835
Desvio = 515053,8

Figura 3.20 – Box-Plot do Nó 12, variável “Total artigos devolvidos”

Conclusão: observam-se seis novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra descrita acima, o total artigos
devolvidos é de cerca de 8.71, no entanto nos casos identificados, as devoluções
efetuadas são superiores a 75 unidades. Os valores são superiores em quase 9 vezes o
valor da média.

53
 Regras de Decisão do Nó 14

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Loja = AG, AH, B, C, D, L, Q
E Dia semana = Fim de semana ou feriado
ENTÃO Total artigos devolvidos = 14,58

N = 1364
Desvio = 351094,1

Figura 3.21 – Box-Plot do Nó 14, variável “Total artigos devolvidos”

Conclusão: observam-se seis novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra descrita acima, o total artigos
devolvidos é de cerca de 14.58, no entanto nos casos identificados, as devoluções
efetuadas são superiores a 85 unidades. Os valores são superiores em quase 6 vezes o
valor da média.

54
 Regras de Decisão do Nó 18

SE Loja = A, AA, AB, AC, AD, AE, AF, AI, AJ, AK, AL, AM, AN, E, F, G, H, I, J, K,
M, N, O, P, R, S, T, U, V, W, X, Y, Z
E Unidade Negocio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Cultura,
Frutas&Legumes, Lacticínios, Limpeza
E Dia semana = Fim de semana ou feriado
ENTÃO Total artigos devolvidos = 5,83

N = 6302
Desvio = 265074,3

Figura 3.22 – Box-Plot do Nó 18, variável “Total artigos devolvidos”

Conclusão: observam-se seis novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra descrita acima, o total artigos
devolvidos é de cerca de 5.83, no entanto nos casos identificados, as devoluções
efetuadas são superiores ou iguais a 55 unidades. Estes valores são superiores em cerca
de 9 vezes o valor da média.

55
 Regras de Decisão do Nó 22

SE Loja = AG, AH, B, C, D, L, Q

E Unidade Negocio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Cultura,
Frutas&Legumes, Lacticínios, Limpeza
E Dia semana = Fim de semana ou feriado
ENTÃO Total artigos devolvidos = 10,35

N = 1886
Desvio = 261460,4

Figura 3.23 – Box-Plot do Nó 22, variável “Total artigos devolvidos”

Conclusão: observa-se um novo outlier extremo mais significativo, que não foi
detetado em análises anteriores, no supervisor B4880. Aplicando a regra descrita acima,
o total artigos devolvidos é de cerca de 10.35, no entanto no caso identificado, as
devoluções efetuadas são de 112 unidades. Este valor é superior em quase de 11 vezes o
valor da média.

56
 Regras de Decisão do Nó 26

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Dia Semana = Dias úteis
E Loja = AA, AC, AI, AJ, AK, AL, AM, AN, M, O, P, R, S, T, U, V
ENTÃO Total artigos devolvidos = 10,19

N = 2131
Desvio = 272956,4

Figura 3.24 – Box-Plot do Nó 26, variável “Total artigos devolvidos”

Conclusão: observam-se cinco novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra descrita acima, o total artigos
devolvidos é de cerca de 10.19, no entanto nos casos identificados, as devoluções
efetuadas são superiores ou iguais a 65 unidades. Estes valores são superiores em cerca
de 6 vezes o valor da média.

57
 Regras de Decisão do Nó 46

SE Unidade Negócio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Cultura,

Frutas&Legumes, Lacticinios, Limpeza
E Dia Semana = Dias úteis
E Loja = AG, AH, D, Q
ENTÃO Total artigos devolvidos = 15,47

N = 1226
Desvio = 570995,2

Figura 3.25 – Box-Plot do Nó 46, variável “Total artigos devolvidos”

Conclusão: observam-se quatro novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra descrita acima, o total artigos
devolvidos é de cerca de 15.47, no entanto nos casos identificados, as devoluções
efetuadas são superiores ou iguais a 90 unidades. Estes valores são superiores em quase
6 vezes o valor da média.

58
 Regras de Decisão do Nó 55

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Dia Semana = Dias úteis
E Loja = A, AB, AD, AE, AF, E, F, G, H, I, J, K, N, W, X, Y, Z
E Horario registo = Tarde
ENTÃO Total artigos devolvidos = 18,87

N = 1531
Desvio = 889838,2

Figura 3.26 – Box-Plot do Nó 55, variável “Total artigos devolvidos”

Conclusão: observam-se cinco novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra descrita acima, o total artigos
devolvidos é de cerca de 18.87, no entanto nos casos identificados, as devoluções
efetuadas são superiores a 130 unidades. Estes valores são superiores em quase 7 vezes
o valor da média.

59
 Regras de Decisão do Nó 62

E Unidade Negocio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Dia semana = Dias úteis
E Horario registo = Tarde
E Loja = AH, D
ENTÃO Total artigos devolvidos = 22,34

N = 248
Desvio = 160189,9

Figura 3.27 – Box-Plot do Nó 62, variável “Total artigos devolvidos”

Conclusão: observa-se um novo outlier extremo, que não foi detetado em análises
anteriores, no supervisor AH1103120. Aplicando a regra descrita acima, o total artigos
devolvidos é de cerca de 22.34, no entanto no caso identificado, as devoluções efetuadas
são de 124 unidades. Este valor é superior em cerca de 5,5 vezes o valor da média.

60
3.6.2 Árvore de regressão: variável objetivo “Valor médio artigos devolvidos”

De forma idêntica à outra variável, a árvore da figura 3.28 é o resultado final de testes
realizados na função rpart, alterando o parâmetro “cp”, de forma a obter folhas da
árvore com valores o mais elevado possível. Neste caso o valor “otimizado” do “cp” foi
de 0.0013, obtendo-se uma folha da árvore com 10 observações e o valor médio da
variável objetivo de 92,02€.

61
 Nó1

Nó2 Nó3

Nó4 Nó5 Nó6 Nó7

Nó8 Nó15

Nó17 Nó30 Nó31

Nó9 Nó10 Nó11 Nó12 Nó13 Nó14

Nó35 Nó61 Nó63

Nó16

Nó71 Nó123
Nó34 Nó60 Nó62

Nó143
Nó70 Nó122 Nó126 Nó127

Nó142 Nó246 Nó247

Nó286 Nó287
Figura 3.28 – Árvore regressão variável objetivo “Valor médio artigos devolvidos”

62
Figura 3.29 – Regras decisão da árvore variável “Valor médio artigos devolvidos”

63
Na figura 3.29 a árvore está representada em termos de texto, com indicação das regras
de decisão e valores dos nós e folhas da árvore.
Tal como na outra variável objetivo, pretende-se estudar a árvore, e em cada nó ir
realizando análises do tipo box-plot e identificar a presença de novos outliers extremos
em relação às análises univariada e bivariada. O processo é repetido até concluída a
análise a todos os nós e folhas da árvore. O topo da árvore corresponde ao total das
observações, pelo que é igual à análise univariada já realizada.
A 1ª divisão da árvore acontece com a variável “Unidade Negócio”, separando a árvore
em dois nós (2 e 3):

De seguida são apresentados os gráficos box-plot referentes às 36 regras inerentes a

cada nó/folha da árvore. Neste capítulo apenas serão ilustrados os gráficos onde são
observados novos outliers extremos e que não tenham sido identificados nas análises
univariadas e bivariadas. Os restantes gráficos podem ser consultados no Anexo IV.

64
 Regras de Decisão do Nó 5

SE Unidade Negócio = Bebidas, Casa, Higiene, Peixaria, Pets&Plants

ENTÃO Valor médio artigos devolvidos = 10,76€

N = 12254
Desvio = 2855521

Figura 3.30 – Box-Plot do Nó 5, variável “Valor médio artigos devolvidos”

Conclusão: observam-se quatro novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Nos produtos de Bebidas, Casa, Higiene,
Peixaria ou Pets&Plants, o valor médio dos artigos devolvidos é de cerca de 10,76€, no
entanto nos casos identificados, as devoluções efetuadas são superiores a 170€. Estes
valores são superiores em cerca de 16 vezes o valor da média.

65
 Regras de Decisão do Nó 6

SE Unidade Negócio = Bricolage&Auto

ENTÃO Valor médio artigos devolvidos = 16,82€

N = 2326
Desvio = 780794,7

Figura 3.31 – Box-Plot do Nó 6, variável “Valor médio artigos devolvidos”

Conclusão: observam-se três novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Nos produtos de Bricolage&Auto, o valor
médio dos artigos devolvidos é de cerca de 16,82€, no entanto nos casos identificados,
as devoluções efetuadas são superiores a 145€. Estes valores são superiores em cerca de
8 vezes o valor da média.

66
 Regras de Decisão do Nó 9

SE Unidade Negócio = Cultura, Limpeza, Talho

ENTÃO Valor médio artigos devolvidos = 6,63€

N = 7344
Desvio = 225273,6

Figura 3.32 – Box-Plot do Nó 9, variável “Valor médio artigos devolvidos”

Conclusão: observam-se seis novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Nos produtos de Cultura, Limpeza ou Talho, o
valor médio dos artigos devolvidos é de cerca de 6,63€, no entanto nos casos
identificados, as devoluções efetuadas são superiores a 69€. Este valor é superior em
cerca de 10 vezes o valor da média.

67
 Regras de Decisão do Nó 10

SE Unidade Negócio = Bebidas, Higiene, Pets&Plants

ENTÃO Valor médio artigos devolvidos = 9,37€

N = 7480
Desvio = 1105080

Figura 3.33 – Box-Plot do Nó 10, variável “Valor médio artigos devolvidos”

Conclusão: observa-se um novo outlier extremo mais significativo, que não foi
detetado em análises anteriores. Nos produtos de Bebidas, Higiene ou Pets&Plants, o
valor médio dos artigos devolvidos é de cerca de 9,37€, no entanto no caso identificado,
as devoluções efetuadas é igual a 173€. Este valor é superior em cerca de 18 vezes o
valor da média.

68
 Regras de Decisão do Nó 11

SE Unidade Negócio = Casa, Peixaria

ENTÃO Valor médio artigos devolvidos = 12,94€

N = 4774
Desvio = 1713273

Figura 3.34 – Box-Plot do Nó 11, variável “Valor médio artigos devolvidos”

Conclusão: observam-se quatro novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Nos produtos de Casa ou Peixaria, o valor
médio dos artigos devolvidos é de cerca de 12,94€, no entanto nos casos identificados,
as devoluções efetuadas são superiores a 170€. Este valor é superior em cerca de 13
vezes o valor da média.

69
 Regras de Decisão do Nó 12

SE Unidade Negócio = Bricolage&Auto

E Loja = A, AC, AE, AG, AH, AI, AK, C, D, E, F, G, H, I, J, L, M, P, Q, T, Y
ENTÃO Valor médio artigos devolvidos = 15,11€

N = 1472
Desvio = 355707,1

Figura 3.35 – Box-Plot do Nó 12, variável “Valor médio artigos devolvidos”

Conclusão: observam-se sete novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra acima descrita, o valor médio
dos artigos devolvidos é de cerca de 15,11€, no entanto nos casos identificados, as
devoluções efetuadas são superiores a 125€. Este valor é superior em cerca de 8 vezes o
valor da média.

70
 Regras de Decisão do Nó 13

SE Unidade Negócio = Bricolage&Auto

E Loja = AA, AB, AD, AF, AJ, AL, AM, AN, B, K, N, O, R, S, U, V, W, X, Z
ENTÃO Valor médio artigos devolvidos = 19,76€

N = 854
Desvio = 413455,3

Figura 3.36 – Box-Plot do Nó 13, variável “Valor médio artigos devolvidos”

Conclusão: observam-se dois novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra acima descrita, o valor médio
dos artigos devolvidos é de cerca de 19,76€, no entanto nos casos identificados, as
devoluções efetuadas são superiores a 145€. Este valor é superior em cerca de 7 vezes o
valor da média.

71
 Regras de Decisão do Nó 14

SE Unidade Negócio = Lazer

E Loja = A, AA, AC, AE, AF, AG, AI, AJ, AK, AL, AM, AN, B, C, E, F, G, H, I,J, L,
M, N, O, P, Q, R, S, T, U, W, X, Y, Z
ENTÃO Valor médio artigos devolvidos = 27,98€

N = 1973
Desvio = 486453

Figura 3.37 – Box-Plot do Nó 14, variável “Valor médio artigos devolvidos”

Conclusão: observam-se quatro novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra acima descrita, o valor médio
dos artigos devolvidos é de cerca de 27,98€, no entanto nos casos identificados, as
devoluções efetuadas são superiores a 145€. Este valor é superior em cerca de 5 vezes o
valor da média.

72
 Regras de Decisão do Nó 15

SE Unidade Negócio = Lazer

E Loja = AB, AD, AH, D, K, V
ENTÃO Valor médio artigos devolvidos = 35,76€

N = 371
Desvio = 759530,8

Figura 3.38 – Box-Plot do Nó 15, variável “Valor médio artigos devolvidos”

Outlier já identificado
na bivariada

Conclusão: observam-se três novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra acima descrita, o valor médio
dos artigos devolvidos é de cerca de 35,76€, no entanto nos casos identificados, as
devoluções efetuadas são superiores a 145€. Este valor é superior em cerca de 4 vezes o
valor da média.

73
 Regras de Decisão do Nó 16

SE Unidade Negócio = Frutas&Legumes, Padaria

ENTÃO Valor médio artigos devolvidos = 2,55€

N = 4937
Desvio = 24465,84

Figura 3.39 – Box-Plot do Nó 16, variável “Valor médio artigos devolvidos”

Conclusão: observam-se dois novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Nos produtos de “Frutas&Legumes” ou de
“Padaria”, o valor médio dos artigos devolvidos é de cerca de 2,55€, no entanto nos dois
casos identificados, as devoluções efetuadas são superiores a 35€. Estes valores são
superiores em cerca de 13,7 vezes o valor da média.

74
 Regras de Decisão do Nó 30

SE Unidade Negócio = Lazer

E Loja = AD, AH, D, K, V
ENTÃO Valor médio artigos devolvidos = 34,26€

N = 326
Desvio = 424464,8

Figura 3.40 – Box-Plot do Nó 30, variável “Valor médio artigos devolvidos”

Outlier já identificado
na bivariada

Conclusão: observam-se três novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra acima descrita, o valor médio
dos artigos devolvidos é de cerca de 34,26€, no entanto nos casos identificados, as
devoluções efetuadas são superiores a 145€. Este valor é superior em cerca de 4 vezes o
valor da média.

75
 Regras de Decisão do Nó 34

SE Unidade Negócio = Charcutaria&Queijos, Congelados, Lacticínios, Mercearia

Doce, Mercearia Salgada, TakeAway
E Loja = A, AA, AB, AC, AD, AE, AF, AG, AH, AI, AJ, AK, AL, AM, AN, B, C, D,
E, F, G, H, I, J, L, M, N, O, P, Q, R, S, T, U, V, W, X, Y, Z
ENTÃO Valor médio artigos devolvidos = 3,94€

N = 13608
Desvio = 332110,1

Figura 3.41 – Box-Plot do Nó 34, variável “Valor médio artigos devolvidos”

Conclusão: observam-se cinco novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra descrita acima, o valor médio
dos artigos devolvidos é de cerca de 3,94€, no entanto nos casos identificados, as
devoluções efetuadas são superiores a 95€. Estes valores são superiores em cerca de 24
vezes o valor da média.

76
 Regras de Decisão do Nó 60

SE Unidade Negócio = Lazer

E Loja = AD, AH, D, K, V
E Horario registo = Tarde, Noite
ENTÃO Valor médio artigos devolvidos = 31,92€

N = 231
Desvio = 111186,3

Figura 3.42 – Box-Plot do Nó 60, variável “Valor médio artigos devolvidos”

Conclusão: observam-se dois novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Nos produtos de “Lazer”, entre o horário da
tarde e noite, e nas lojas AD, AH, D, K, V, o valor médio dos artigos devolvidos é de
cerca de 31,92€, no entanto nos casos identificados, as devoluções efetuadas são
superiores ou iguais a 150€. Estes valores são superiores em cerca de 4,7 vezes o valor
da média.

77
 Regras de Decisão do Nó 61

SE Unidade Negócio = Lazer

E Loja = AD, AH, D, K, V
E Horario registo = Manhã
ENTÃO Valor médio artigos devolvidos = 39,97€

N = 95
Desvio = 308916

Figura 3.43 – Box-Plot do Nó 61, variável “Valor médio artigos devolvidos”

Conclusão: observa-se um novo outlier extremo, que não foi detetado em análises
anteriores. Aplicando a regra acima descrita, o valor médio dos artigos devolvidos é de
cerca de 39,97€, no entanto no caso identificado, as devoluções efetuadas são iguais a
180€. Estes valores são superiores em cerca de 4,5 vezes o valor da média.

78
 Regras de Decisão do Nó 62

SE Unidade Negócio = Lazer

E Loja = AB
E Dia semana = Dias úteis
ENTÃO Valor médio artigos devolvidos = 33,56€

N = 25
Desvio = 8734,846

Figura 3.44 – Box-Plot do Nó 62, variável “Valor médio artigos devolvidos”

Conclusão: observa-se um novo outlier extremo, que não foi detetado em análises
anteriores, no supervisor AB1101990. Nos produtos de “Lazer”, nos dias úteis e na loja
AB, o valor médio dos artigos devolvidos é de cerca de 33,56€, no entanto no caso
identificado, as devoluções efetuadas são cerca de 90€. Este valor é superior em cerca
de 2,7 vezes o valor da média.

79
 Regras de Decisão do Nó 70

SE Loja = K
E Unidade Negócio = Charcutaria&Queijos, Congelados, Mercearia Doce, Mercearia
Salgada, TakeAway
ENTÃO Valor médio artigos devolvidos = 3,51€

N = 316
Desvio = 2302,822

Figura 3.45 – Box-Plot do Nó 70, variável “Valor médio artigos devolvidos”

Conclusão: observam-se seis novos outliers extremos mais significativos, que não
foram detetados em análises anteriores. Aplicando a regra acima descrita, o valor médio
dos artigos devolvidos é de cerca de 3,51€, no entanto nos casos identificados, as
devoluções efetuadas são superiores ou iguais a 13€. Estes valores são superiores em
cerca de 3,7 vezes o valor da média.

80
 Regras de Decisão do Nó 122

SE Unidade Negócio = Lazer

E Horario registo = Manhã
E Loja = AD, D, K, V
ENTÃO Valor médio artigos devolvidos = 33,33€

N = 71
Desvio = 38335,18

Figura 3.46 – Box-Plot do Nó 122, variável “Valor médio artigos devolvidos”

Conclusão: observa-se um novo outlier extremo, que não foi detetado em análises
anteriores, no supervisor V304510. Nos produtos de Lazer, durante o horário da manhã
e nas lojas AD, D, K e V, o valor médio dos artigos devolvidos é de cerca de 33,33€, no
entanto no caso identificado, as devoluções efetuadas são cerca de 178€. Este valor é
superior em cerca de 5,4 vezes o valor da média.

81
 Regras de Decisão do Nó 286

SE Loja = K
E Unidade Negócio = Lacticinios
E Horario registo = Tarde
E Dia semana = Fins de semana ou feriado
ENTÃO Valor médio artigos devolvidos = 4,08€

N = 15
Desvio = 326,176

Figura 3.47 – Box-Plot do Nó 286, variável “Valor médio artigos devolvidos”

Conclusão: observa-se um novo outlier extremo, que não foi detetado em análises
anteriores, no supervisor K114610. Na loja K, nos produtos de “Lacticinios”, nos fins
de semana ou feriados e durante o horário da tarde, o valor médio dos artigos
devolvidos é de cerca de 4,08€, no entanto no caso identificado, as devoluções efetuadas
é cerca de 21€. Este valor é superior em cerca de 5 vezes o valor da média.

82
Após a realização das análises multivariadas para as duas variáveis objetivo, é
importante resumir os novos outliers extremos identificados, dado que não tinham sido
observados nas análises univariadas e bivariadas:

Tabela 3.11 – Novos Outliers extremos identificados nas análises multivariada,

variável objetivo: Total artigos devolvidos
Análises Novos Outliers extremos identificados (outliers de contexto)
multivariadas Variável objectivo: Total artigos devolvidos Total
12 A21440 | AE1116250 | AF1458260 | K932810 | I44830 | I458040 6
14 AG1106410 | L753210 {2} | C691530 | C437860 {2} 6
18 AE1116250 {2} | K1029320 | AB1115780 {2} | G50820 6
Nº do Nó / 22 B4880 1
Folha 26 AM1520790 | U897930 | P99290 | AI1347930 {2} 5
46 AG1110250 | AG1106410 {3} 4
55 I27440 | Y1096090 {3} | I114130 5
62 AH1103120 1
Total 34

Tabela 3.12 – Novos Outliers extremos identificados nas análises multivariada,

variável objetivo: Valor médio artigos devolvidos
Análises Novos Outliers extremos identificados (outliers de contexto)
multivariadas Variável objectivo: Valor médio artigos devolvidos Total
5 G51690 | D33920 | AA253110 | G51280 4
6 U298540 | AL263700 | H223880 3
9 B99500 | I115150 | AA1224110 | AH1103390 | E1461750 | I1937860 6
10 D33920 1
11 G51280 | G51690 | AE1104430 | AA253110 4
12 H223880 | G29950 | H97150 | G51280 | AE1104430 | A15160 | A10160 7
13 U298540 | AL263700 2
14 U180660 | J119130 | B9680 | Z1722240 4
Nº do Nó / 15 V304510 | D13030 | K508770 3
Folha 16 I109720 | A10160 2
30 V304510 | D13030 | K508770 3
34 H97150 | W794120 | G51660 | F38380 | AG1106410 5
60 D13030 | K508770 2
61 V304510 1
62 AB1101990 1
70 K778980 | K1029320 | K211390 | K4410 | K798250 | K804580 6
122 V304510 1
286 K114610 1
Total 56

Conforme se verifica pelas tabelas 3.11 e 3.12, através das análises multivariadas, foram
identificados 90 novos outliers extremos, que não tinham sido observados nas análises
univariada e bivariada.

83
Capítulo 4: Conclusões e trabalho futuro

Os objetivos deste trabalho de dissertação foram alcançados, pela criação de um modelo

de aprendizagem não supervisionada, que permitisse a deteção de casos anómalos ou
estranhos na área de devoluções de artigos em loja, que possam ser fraude ou não.
O conjunto de dados analisado foi obtido através de transações reais, num grupo de 40
lojas de um retalhista. O período observado é referente a Dezembro-2014 a Fevereiro-
2015.
As devoluções de artigos são um dos esquemas mais comuns de fraude na indústria do
retalho, fazendo parte da sub-categoria de “Desembolsos fraudulentos” da árvore da
fraude publicada pela maior organização mundial antifraude que é a ACFE.

O plano de trabalho consistiu na deteção de casos anómalos ou estranhos pela

identificação de outliers, observados através dos gráficos box-plot, e pelas análises
univariadas, bivariadas e multivariadas, aplicadas sobre as variáveis do conjunto de
dados.
As análises univariadas permitiram de uma forma rápida identificar vários outliers
extremos globais, num grupo de características pouco homogéneas. Embora sejam
análises úteis, carecem de maior profundidade na extração de conhecimento, dado que
apenas olhamos para uma variável de cada vez.
Desse modo, o passo seguinte foi efetuar análises bivariadas, pela combinação das
variáveis, duas a duas. Aqui foi possível explorar e identificar novos casos (outliers)
não observados anteriormente nas análises univariadas.
Por fim, efetuou-se análises multivariadas como forma de estudar as duas variáveis
quantitativas, através da combinação das variáveis qualitativas em simultâneo. Essa
análise foi efetuada através do desenvolvimento de árvores de regressão, tendo revelado
novos casos desconhecidos até então.

Destes três tipos de análise, a multivariada é sem dúvida a mais rica em termos de
extração de conhecimento, dado que para além de identificar outliers globais, consegue
descer a um nível de detalhe muito interessante, e revelar casos bem “escondidos”,
considerados como outliers de contexto.

84
Por exemplo, só assim foi possível identificar dois outliers extremos (ver figura 3.39),
num contexto de devoluções de produtos de “Frutas&Legumes” ou “Padaria”, cujo
valor médio ronda os 2,55€, mas no entanto dois supervisores realizaram devoluções a
um valor médio superior a 35€. Este valor é superior em cerca de 13,7 vezes o valor da
média. Este é um tipo de outlier de contexto, que dificilmente seria observado nas
análises univariada e bivariada, dai a importância das análises multivariadas.

Em termos de resumo final dos resultados alcançados, deve-se referir que foram
identificados cerca de 147 outliers extremos (total entre globais e de contexto, pelos três
tipos de análises), o que confirma o objetivo do trabalho de detetar casos anómalos ou
estranhos. Porém a confirmação de cada caso sobre a conclusão se é fraude ou não, só é
possível através de uma averiguação e investigação nas respetivas lojas, sendo que esse
processo pode envolver técnicas de investigação forense.
Desse modo o âmbito desta dissertação termina nesta fase de deteção de casos anómalos
ou estranhos.

Proposta para trabalho futuro:

Perante a confirmação e satisfação com os resultados obtidos, o trabalho futuro mais

imediato passa pela sistematização do modelo apresentado, para permitir a identificação
mais periódica de situações estranhas. Os gráficos de deteção de outliers são bastante
intuitivos e podem ser desenvolvidos no SPSS ou no R.
Um outro desafio passa também pela obtenção de novas variáveis associadas ao
processo das devoluções de artigos, que possam enriquecer e complementar a análise.
A inclusão de variáveis sobre o stock dos artigos devolvidos pode ser interessante, dado
que um dos riscos das devoluções é o furto do artigo devolvido, após o registo da
devolução e reembolso ao cliente.
Seria também interessante analisar outros conjuntos de dados, com dimensão temporal,
explorar e detetar casos anómalos ou estranhos, tal como efetuado neste trabalho.
O modelo desenvolvido neste trabalho é extensível e flexível para outros esquemas de
possível fraude, como anulação de artigos durante a venda ou anulação de transações
durante a venda, etc.

85
Bibliografia

Abbott, D. (2014), “Applied Predictive Analytics: Principles and Techniques for the
Professional Data Analyst”, Wiley, 1ª Edição

ACFE (2014), “Report to the Nations on Occupational Fraud and Abuse”,

[Link] acedido em 25 de Outubro
2014.

ACFE (2014), “About the ACFE”, [Link] acedido

em 15 Novembro 2014.

ACFE (2014), “ACFE Leadership”, [Link] acedido em

15 Novembro 2014.

Breiman, L., Friedman, J. H., Olshen, R. A. e C. J. Stone (1984), “Classification and

Regression Tress”, Wadsworth International Group, Belmont, CA

Chandola, V., Kumar, V. e A. Banerjee (2009), “Outlier Detection: A Survey”, ACM

Computing Surveys (CSUR), Volume 41 Issue 3, Artigo Nº 15

Checkpoint Systems, Inc. (2014), “Barómetro Mundial do Furto no Retalho 2013-

2014”, Primeira Edição: Outubro de 2014, USA

Coderre, D. (2009), “Computer-Aided Fraud Prevention & Detection”, John Wiley &
Sons

Deloitte (2013), “Shrinking retail shrink: Using analytics to help detect fraud and grow
margins”, publicado no seu sítio institucional em 2013, acedido em 15 Novembro 2014

EY (2014), “Big risks require big data thinking”, publicado no seu sítio institucional em
2014, acedido em 11 Dezembro 2014

Gama, J., Carvalho, A., Faceli, K., Lorena, C. e M. Oliveira (2012), “Extração de
Conhecimento de Dados: Data Mining”, Edições Sílabo, 1ª Edição

Hawkins, D. M. (1980), “Identification of Outliers”, Chapman and Hall London

86
Hodge, V. e J. Austin (2004), “A Survey of Outlier Detection Methodologies”,
Artificial Intelligence Review, Volume 22

IIA (2012), “Normas Internacionais para a Prática Profissional de Auditoria Interna”,

Altamonde Springs, USA: The Institute of Internal Auditors.

IPAI (2014), “Auditoria interna: Contributo para a deteção e prevenção de fraude nas
organizações”, Auditoria Interna, Nº 5, pp. 13-24

Jans, M., Lybaert N. e K. Vanhoof (2007), “Data mining for fraud detection: Toward an
improvement on internal control systems ?”, 30º Annual Congress European
Accounting Association (EAA 2007), Lisboa

KPMG (2006), “Fraud Risk Management: Developing a Strategy for Prevention,

Detection, and Response”, publicado no seu sítio institucional em 10/05/2006, acedido
em 15 Novembro 2014

KPMG (2013), “Global profiles of the fraudster”, publicado no seu sítio institucional
em 11/04/2013, acedido em 15 Novembro 2014

Kristin, R. N. e I. P. Matkovsky (1999), "Using Data Mining Techniques for Fraud

Detection", SAS Institute Inc. and Federal Data Corporation

Manish, G., Gao, J., Aggarwal, C. e H. Jiawei (2014), “Outlier Detection for Temporal
Data: A Survey”, IEEE Transactions on knowledge and data engineering, Vol. 25, Nº 1

Marôco, J. (2011), “Análise Estatística com o SPSS Statistics”, Report Number, 5ª

Edição

PWC (2014), “Global Economic Crime Survey 2014”, publicado no seu sítio
institucional em 14/02/2014, acedido em 15 Novembro 2014

Pimenta, C. (2009), “Esboço de Quantificação da Fraude em Portugal”, Observatório de

Economia e Gestão de Fraude, Working Papers Nº3, Edições Húmus

Phua, C., Lee V., Smith K. e R. Gayler (2010), “A Comprehensive Survey of Data
Mining-based Fraud Detection Research”, CoRR

87
R Core Team (2014), “R: A language and environment for statistical computing”, R
Foundation for Statistical Computing, Vienna, Austria, URL [Link]

Singh, K. e S. Upadhyaya (2012), “Outlier Detection: Applications and Techniques”,

IJCSI International Journal of Computer Science Issues, Vol. 9, Issue 1, No 3

Therneau, T., Atkinson B. e B. Ripley (2015), “rpart: Recursive Partitioning and

Regression Trees”, R package version 4.1-10, [Link]

Torgo, L. (2010), “Data Mining with R: Learning with Case Studies”, Chapman and
Hall/CRC, 1ª Edição

Wells, J. T. (2009), “Manual da Fraude na Empresa”, Almedina

Zhang, Y., Meratnia, N. e P. Havinga (2007), “A Taxonomy Framework for

Unsupervised Outlier Detection Techniques for Multi-Type Data Sets”, Centre for
Telematics and Information Technology University of Twente

88
ANEXO I – Árvore da fraude

89
Figura A1.1 - Árvore da Fraude (versão completa)

Fonte: ACFE, 2014, p. 11

90
ANEXO II - Análises bivariadas

91
 Figura A2.1 – Box-Plot: “Zona País” vs “Total artigos devolvidos”

Nesta análise pretende-se verificar e detetar a presença de outliers da variável “Total

artigos devolvidos” em função da área geográfica onde a loja se situa.
Observa-se que o número de outliers é muito elevado, pelo que de forma nítida não é
possível identificar novos outliers.

Conclusão: esta análise não revelou a existência de novos outliers, apenas se observa os
outliers já conhecidos nas análises univariada e bivariada do capítulo 3.

92
 Figura A2.2 – Box-Plot: “Dia semana” vs “Valor médio artigos devolvidos”

Nesta análise pretende-se verificar e detetar a presença de outliers da variável “Valor

médio artigos devolvidos” em função do dia da semana, ou seja, dias úteis ou fins de
semana/feriados.

Conclusão: esta análise não revelou a existência de novos outliers, apenas se observa os
outliers já conhecidos nas análises univariada e bivariada do capítulo 3.

93
 Figura A2.3 – Scatter-Plot: “Total artigos devolvidos” vs “Valor médio artigos
devolvidos”

K778980

AB1101560

I21590 I21590

Nesta análise pretende-se cruzar as duas variáveis quantitativas e verificar se existem

novos outliers ainda não detetados, através de um gráfico chamado de “scatter-plot”.

Conclusão: esta análise não revelou a existência de novos outliers, tendo detetado
outliers importantes, mas já conhecidos das análises univariadas.

94
ANEXO III - Análises multivariadas: variável objetivo
“Total artigos devolvidos”

95
 Regras de Decisão do Nó 2

SE Unidade Negócio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Congelados,

Cultura, Frutas&Legumes, Lacticinios, Limpeza, Padaria, Peixaria,
Pets&Plants, TakeAway, Talho
ENTÃO Total artigos devolvidos = 7,37

N = 29545
Desvio = 3525370

Figura A3.1 – Box-Plot do Nó 2, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

96
 Regras de Decisão do Nó 3

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

ENTÃO Total artigos devolvidos = 13,59

N = 13661
Desvio = 5314693

Figura A3.2 – Box-Plot do Nó 3, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

97
 Regras de Decisão do Nó 4

SE Unidade Negócio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Congelados,

Cultura, Frutas&Legumes, Lacticinios, Limpeza, Padaria,
Peixaria, Pets&Plants, TakeAway, Talho
E Loja = A, AA, AB, AC, AD, AE, AF, AI, AJ, AK, AL, AM, AN, E, F, G, H, I, J, K,
M, N, O, P, R, S, T, U, V, W, X, Y, Z
ENTÃO Total artigos devolvidos = 6,14

N = 22563
Desvio = 1400686

Figura A3.3 – Box-Plot do Nó 4, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

98
 Regras de Decisão do Nó 5

SE Unidade Negócio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Congelados,

Cultura, Frutas&Legumes, Lacticinios, Limpeza, Padaria,
Peixaria, Pets&Plants, TakeAway, Talho
E Loja = AG, AH, B, C, D, L, Q
ENTÃO Total artigos devolvidos = 11,36

N = 6982
Desvio = 1979454

Figura A3.4 – Box-Plot do Nó 5, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

99
 Regras de Decisão do Nó 6

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Loja = A, AA, AB, AC, AD, AE, AF, AI, AJ, AK, AL, AM, AN, E, F, G, H, I, J, K,
M, N, O, P, R, S, T, U, V, W, X, Y, Z
ENTÃO Total artigos devolvidos = 11,59

N = 10673
Desvio = 2977266

Figura A3.5 – Box-Plot do Nó 6, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

100
 Regras de Decisão do Nó 7

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Loja = AG, AH, B, C, D, L, Q
ENTÃO Total artigos devolvidos = 20,72

N = 2988
Desvio = 2142962

Figura A3.6 – Box-Plot do Nó 7, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

101
 Regras de Decisão do Nó 8

SE Loja = A, AA, AB, AC, AD, AE, AF, AI, AJ, AK, AL, AM, AN, E, F, G, H, I, J, K,
M, N, O, P, R, S, T, U, V, W, X, Y, Z
E Unidade Negócio = Congelados, Padaria, Peixaria, Pets&Plants, TakeAway, Talho
ENTÃO Total artigos devolvidos = 4,02

N = 8489
Desvio = 222951,4

Figura A3.7 – Box-Plot do Nó 8, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

102
 Regras de Decisão do Nó 9

SE Loja = A, AA, AB, AC, AD, AE, AF, AI, AJ, AK, AL, AM, AN, E, F, G, H, I, J, K,
M, N, O, P, R, S, T, U, V, W, X, Y, Z
E Unidade Negócio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Cultura,
Frutas&Legumes, Lacticinios, Limpeza
ENTÃO Total artigos devolvidos = 7,41

N = 14074
Desvio = 1116969

Figura A3.8 – Box-Plot do Nó 9, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

103
 Regras de Decisão do Nó 10

SE Loja = AG, AH, B, C, D, L, Q

E Unidade Negócio = Congelados, Padaria, Peixaria, Pets&Plants, TakeAway, Talho
ENTÃO Total artigos devolvidos = 6,89

N = 2847
Desvio = 281338,7

Figura A3.9 – Box-Plot do Nó 10, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

104
 Regras de Decisão do Nó 11

SE Loja = AG, AH, B, C, D, L, Q

E Unidade Negócio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Cultura,
Frutas&Legumes, Lacticinios, Limpeza
ENTÃO Total artigos devolvidos = 14,44

N = 4135
Desvio = 1601965

Figura A3.10 – Box-Plot do Nó 11, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

105
 Regras de Decisão do Nó 13

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Loja = A, AA, AB, AC, AD, AE, AF, AI, AJ, AK, AL, AM, AN, E, F, G, H, I, J, K,
M, N, O, P, R, S, T, U, V, W, X, Y, Z
E Dia Semana = Dias úteis
ENTÃO Total artigos devolvidos = 13,98

N = 5838
Desvio = 2388991

Figura A3.11 – Box-Plot do Nó 13, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

106
 Regras de Decisão do Nó 15

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Loja = AG, AH, B, C, D, L, Q
E Dia semana = Dias úteis
ENTÃO Total artigos devolvidos = 25,87

N = 1624
Desvio = 1697310

Figura A3.12 – Box-Plot do Nó 15, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

107
 Regras de Decisão do Nó 19

SE Loja = A, AA, AB, AC, AD, AE, AF, AI, AJ, AK, AL, AM, AN, E, F, G, H, I, J, K,
M, N, O, P, R, S, T, U, V, W, X, Y, Z
E Unidade Negócio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Cultura,
Frutas&Legumes, Lacticinios, Limpeza
E Dia semana = Dias úteis
ENTÃO Total artigos devolvidos = 8,7

N = 7772
Desvio = 823273,8

Figura A3.13 – Box-Plot do Nó 19, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

108
 Regras de Decisão do Nó 23

SE Loja = AG, AH, B, C, D, L, Q

E Unidade Negócio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Cultura,
Frutas&Legumes, Lacticinios, Limpeza
E Dia Semana = Dias úteis
ENTÃO Total artigos devolvidos = 17,87

N = 2249
Desvio = 1282552

Figura A3.14 – Box-Plot do Nó 23, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

109
 Regras de Decisão do Nó 27

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Dia Semana = Dias úteis
E Loja = A, AB, AD, AE, AF, E, F, G, H, I, J, K, N, W, X, Y, Z
ENTÃO Total artigos devolvidos = 16,15

N = 3707
Desvio = 2067837

Figura A3.15 – Box-Plot do Nó 27, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos, apenas os já
conhecidos.

110
 Regras de Decisão do Nó 30

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Loja = AG, AH, B, C, D, L, Q
E Dia semana = Dias úteis
E Horario registo = Manhã, Noite
ENTÃO Total artigos devolvidos = 23,18

N = 953
Desvio = 993667,6

Figura A3.16 – Box-Plot do Nó 30, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

111
 Regras de Decisão do Nó 31

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Loja = AG, AH, B, C, D, L, Q
E Dia semana = Dias úteis
E Horario registo = Tarde
ENTÃO Total artigos devolvidos = 29,7

N = 671
Desvio = 686917,2

Figura A3.17 – Box-Plot do Nó 31, variável “Total artigos devolvidos”

Nota: esta análise não identificou a presença de outliers extremos.

112
 Regras de Decisão do Nó 47

SE Unidade Negócio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Cultura,

Frutas&Legumes, Lacticinios, Limpeza
E Dia Semana = Dias úteis
E Loja = B, C, L
ENTÃO Total artigos devolvidos = 20,74

N = 1023
Desvio = 696059,3

Figura A3.18 – Box-Plot do Nó 47, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

113
 Regras de Decisão do Nó 54

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Dia Semana = Dias úteis
E Loja = A, AB, AD, AE, AF, E, F, G, H, I, J, K, N, W, X, Y, Z
E Horario registo = Manha, Noite
ENTÃO Total artigos devolvidos = 14,24

N = 2176
Desvio = 1158722

Figura A3.19 – Box-Plot do Nó 54, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

114
 Regras de Decisão do Nó 63

SE Unidade Negócio = Casa, Higiene, Lazer, Mercearia Doce, Mercearia Salgada

E Dia semana = Dias úteis
E Horario registo = Tarde
E Loja = AG, B, C, L, Q
ENTÃO Total artigos devolvidos = 34,01

N = 423
Desvio = 505438,9

Figura A3.20 – Box-Plot do Nó 63, variável “Total artigos devolvidos”

Nota: esta análise não identificou a presença de outliers extremos.

115
 Regras de Decisão do Nó 94

SE Dia Semana = Dias úteis

E Loja = B, C, L
E Unidade Negócio = Bebidas, Bricolage&Auto, Charcutaria&Queijos, Cultura,
Limpeza
ENTÃO Total artigos devolvidos = 19

N = 713
Desvio = 323440

Figura A3.21 – Box-Plot do Nó 94, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

116
 Regras de Decisão do Nó 95

SE Dia Semana = Dias úteis

E Loja = B, C, L
E Unidade Negócio = Frutas&Legumes, Lacticinios
ENTÃO Total artigos devolvidos = 24,73

N = 310
Desvio = 365549,7

Figura A3.22 – Box-Plot do Nó 95, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

117
 Regras de Decisão do Nó 190

SE Dia Semana = Dias úteis

E Unidade Negócio = Frutas&Legumes, Lacticinios
E Loja = C, L
ENTÃO Total artigos devolvidos = 20,43

N = 205
Desvio = 100228,4

Figura A3.23 – Box-Plot do Nó 190, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos, apenas os já
conhecidos.

118
 Regras de Decisão do Nó 191

SE Dia Semana = Dias úteis

E Unidade Negócio = Frutas&Legumes, Lacticinios
E Loja = B
ENTÃO Total artigos devolvidos = 33,1

N = 105
Desvio = 254173,8

Figura A3.24 – Box-Plot do Nó 191, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos, apenas os já
conhecidos.

119
 Regras de Decisão do Nó 382

SE Dia Semana = Dias úteis

E Unidade Negócio = Frutas&Legumes, Lacticinios
E Loja = B
E Horario registo = Tarde, Noite
ENTÃO Total artigos devolvidos = 20,77

N = 73
Desvio = 27327,04

Figura A3.25 – Box-Plot do Nó 382, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos, apenas os já
conhecidos.

120
 Regras de Decisão do Nó 383

SE Dia Semana = Dias úteis

E Unidade Negócio = Frutas&Legumes, Lacticinios
E Loja = B
E Horario registo = Manhã
ENTÃO Total artigos devolvidos = 61,25

N = 32
Desvio = 190386

Figura A3.26 – Box-Plot do Nó 383, variável “Total artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos, apenas os já
conhecidos.

121
 Regras de Decisão do Nó 766

SE Dia Semana = Dias úteis

E Loja = B
E Horario registo = Manhã
E Unidade Negócio = Frutas&Legumes
ENTÃO Total artigos devolvidos = 33,69

N = 16
Desvio = 12311,44

Figura A3.27 – Box-Plot do Nó 766, variável “Total artigos devolvidos”

Nota: esta análise não identificou a presença de outliers extremos.

122
 Regras de Decisão do Nó 767

SE Dia Semana = Dias úteis

E Loja = B
E Horario registo = Manhã
E Unidade Negócio = Lacticinios
ENTÃO Total artigos devolvidos = 88,81

N = 16
Desvio = 153764,4

Figura A3.28 – Box-Plot do Nó 767, variável “Total artigos devolvidos”

Nota: esta análise não identificou a presença de outliers extremos.

123
ANEXO IV - Análises multivariadas: variável objetivo
“Valor médio artigos devolvidos”

124
 Regras de Decisão do Nó 2

SE Unidade Negócio = Bebidas, Casa, Charcutaria&Queijos, Congelados, Cultura,

Frutas&Legumes, Higiene, Lacticinios, Limpeza, Mercearia
Doce, Mercearia Salgada, Padaria, Peixaria, Pets&Plants,
TakeAway, Talho
ENTÃO Valor médio artigos devolvidos = 6,47€

N = 38536
Desvio = 5179937

Figura A4.1 – Box-Plot do Nó 2, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

125
 Regras de Decisão do Nó 3

SE Unidade Negócio = Bricolage&Auto, Lazer

ENTÃO Valor médio artigos devolvidos = 23,04€

N = 4670
Desvio = 2224964

Figura A4.2 – Box-Plot do Nó 3, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

126
 Regras de Decisão do Nó 4

SE Unidade Negócio = Charcutaria&Queijos, Congelados, Cultura, Frutas&Legumes,

Lacticinios, Limpeza, Mercearia Doce, Mercearia Salgada,
Padaria, TakeAway, Talho
ENTÃO Valor médio artigos devolvidos = 4,47€

N = 26282
Desvio = 1993308

Figura A4.3 – Box-Plot do Nó 4, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

127
 Regras de Decisão do Nó 7

SE Unidade Negócio = Lazer

ENTÃO Valor médio artigos devolvidos = 29,21€

N = 2344
Desvio = 1264886

Figura A4.4 – Box-Plot do Nó 7, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

128
 Regras de Decisão do Nó 8

SE Unidade Negócio = Charcutaria&Queijos, Congelados, Frutas&Legumes,

Lacticinios, Mercearia Doce, Mercearia Salgada, Padaria,
TakeAway
ENTÃO Valor médio artigos devolvidos = 3,63€

N = 18938
Desvio = 1720307

Figura A4.5 – Box-Plot do Nó 8, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

129
 Regras de Decisão do Nó 17

SE Unidade Negócio = Charcutaria&Queijos, Congelados, Lacticinios, Mercearia

Doce, Mercearia Salgada, TakeAway
ENTÃO Valor médio artigos devolvidos = 4,01€

N = 14001
Desvio = 1688006

Figura A4.6 – Box-Plot do Nó 17, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

130
 Regras de Decisão do Nó 31

SE Unidade Negócio = Lazer

E Loja = AB
ENTÃO Valor médio artigos devolvidos = 46,61€

N = 45
Desvio = 329036,5

Figura A4.7 – Box-Plot do Nó 31, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos, apenas o já
conhecido.

131
 Regras de Decisão do Nó 35

SE Unidade Negócio = Charcutaria&Queijos, Congelados, Lacticinios, Mercearia

Doce, Mercearia Salgada, TakeAway
E Loja = K
ENTÃO Valor médio artigos devolvidos = 6,48€

N = 393
Desvio = 1353429

Figura A4.8 – Box-Plot do Nó 35, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

132
 Regras de Decisão do Nó 63

SE Unidade Negócio = Lazer

E Loja = AB
E Dia semana = Fim de semana ou feriado
ENTÃO Valor médio artigos devolvidos = 62,92€

N = 20
Desvio = 310727

Figura A4.9 – Box-Plot do Nó 63, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos, apenas o já
conhecido.

133
 Regras de Decisão do Nó 71

SE Loja = K
E Unidade Negócio = Lacticinios
ENTÃO Valor médio artigos devolvidos = 18,67€

N = 77
Desvio = 1336895

Figura A4.10 – Box-Plot do Nó 71, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

134
 Regras de Decisão do Nó 123

SE Unidade Negócio = Lazer

E Horario registo = Manhã
E Loja = AH
ENTÃO Valor médio artigos devolvidos = 59,59€

N = 24
Desvio = 258218,5

Figura A4.11 – Box-Plot do Nó 123, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

135
 Regras de Decisão do Nó 126

SE Unidade Negócio = Lazer

E Loja = AB
E Dia semana = Fim de semana ou feriado
E Horario registo = Manhã, Noite
ENTÃO Valor médio artigos devolvidos = 33,82€

N = 10
Desvio = 3445,515

Figura A4.12 – Box-Plot do Nó 126, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

136
 Regras de Decisão do Nó 127

SE Unidade Negócio = Lazer

E Loja = AB
E Dia semana = Fim de semana ou feriado
E Horario registo = Tarde
ENTÃO Valor médio artigos devolvidos = 92,02€

N = 10
Desvio = 290344,1

Figura A4.13 – Box-Plot do Nó 127, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

137
 Regras de Decisão do Nó 142

SE Loja = K
E Unidade Negócio = Lacticinios
E Horario registo = Manhã, Noite
ENTÃO Valor médio artigos devolvidos = 3,53€

N = 48
Desvio = 249,3271

Figura A4.14 – Box-Plot do Nó 142, variável “Valor médio artigos devolvidos”

Nota: esta análise não identificou outliers extremos.

138
 Regras de Decisão do Nó 143

SE Loja = K
E Unidade Negócio = Lacticinios
E Horario registo = Tarde
ENTÃO Valor médio artigos devolvidos = 43,74€

N = 29
Desvio = 1307423

Figura A4.15 – Box-Plot do Nó 143, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

139
 Regras de Decisão do Nó 246

SE Unidade Negócio = Lazer

E Horario registo = Manhã
E Loja = AH
E Dia semana = Fim de semana ou feriado
ENTÃO Valor médio artigos devolvidos = 24,07€

N=9
Desvio = 658, 4663

Figura A4.16 – Box-Plot do Nó 246, variável “Valor médio artigos devolvidos”

Nota: esta análise não identificou outliers extremos.

140
 Regras de Decisão do Nó 247

SE Unidade Negócio = Lazer

E Horario registo = Manhã
E Loja = AH
E Dia semana = Dias úteis
ENTÃO Valor médio artigos devolvidos = 80,90€

N = 15
Desvio = 239393,9

Figura A4.17 – Box-Plot do Nó 247, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas os já conhecidos.

141
 Regras de Decisão do Nó 287

SE Loja = K
E Unidade Negócio = Lacticinios
E Horario registo = Tarde
E Dia semana = Dias úteis
ENTÃO Valor médio artigos devolvidos = 86,22€

N = 14
Desvio = 1258243

Figura A4.18 – Box-Plot do Nó 287, variável “Valor médio artigos devolvidos”

Nota: esta análise não revelou a existência de novos outliers extremos significativos,
apenas o já conhecido.

142