O uso de modelagem estatística para análise preditiva: uma aplicação no setor de serviços bancários na área Jurídica

Abstract

Nesta pesquisa o objetivo é comparar, por meio de indicadores de desempenho, a precisão de dois modelos na previsão dos resultados (ganho ou perda das causas) das ações trabalhistas abertas contra instituições financeiras brasileiras. Para o estudo foram consumidos dados reais das sentenças, disponíveis nos Tribunais de Justiça e Tribunais Regionais Federais, e processados, seguindo o procedimento de Knowledge Discovery in Databases (KDD). Para possibilitar a aplicação dos modelos e aumentar a confiabilidade dos resultados, foi feito o préprocessamento dos dados, realizando cinco tarefas: tratamento dos dados (agrupamentos e eliminação de variáveis); imputação de dados faltantes; normalização (para as variáveis numéricas); transformação de variáveis qualitativas em variáveis dicotômicas dummies (aplicada às variáveis categóricas); e redução de dimensionalidade e multicolinearidade. Para a construção do modelo preditivo foram aplicadas duas metodologias para fins de comparação: Regressão Logística (RL) e o Light Boosting Gradient Model (LGBM). Quanto à conclusão, foram obtidos resultados expressivos quando comparados com os mesmos tipos de estudo encontrados na literatura, evidenciando que os modelos de RL e LGBM com machine learning podem ser altamente eficientes na predição dos resultados aplicados no contexto de Direito, sendo uma ferramenta importante na estratégia de defesa de ações trabalhistas para empresas deste seguimento, principalmente quanto à tomada de decisão de entrar em um acordo ou investir na defesa.

This research aims to compare, through performance indicators, the accuracy of two models in predicting the outcomes (win or loss) of labor lawsuits filed against Brazilian financial institutions. The study was conducted using real sentencing data available from the Courts of Justice and Regional Federal Courts, processed following the Knowledge Discovery in Databases (KDD) procedure. To enable the application of the models and enhance the reliability of the results, data preprocessing was performed, comprising five tasks: data treatment (grouping and variable elimination); imputation of missing data; normalization (for numerical variables); transformation of qualitative variables into dummy dichotomous variables (applied to categorical variables); and dimensionality and multicollinearity reduction. For the development of the predictive model, two methodologies were applied for comparison: Logistic Regression (LR) and the Light Gradient Boosting Model (LGBM). The findings revealed significant results compared to similar studies in the literature, demonstrating that LR and LGBM models with machine learning can be highly effective in predicting case outcomes within the legal context. This makes them a valuable tool in the strategic defense of labor lawsuits for companies in this sector, particularly in the decisionmaking process regarding settlement agreements or investing in defense