Avaliar a performance de vendedores é um processo que ocorre várias vezes por ano numa empresa. Durante este processo, o gestor e o vendedor avaliam o desempenho do vendedor em vários Indicadores de Performance. Para a reunião de avaliação, os gestores recolhem dados do sistema de Gestão de Vendas, Sistemas Financeiros, ficheiros Excel, entre outros, levando a um processo longo e exaustivo. O resultado da avaliação de desempenho é uma classificação seguida por sugestões de melhoria. Atualmente, através das tecnologias de análise preditiva, é possível fazer classificações com base em dados. Neste trabalho, o autor aplicou um modelo Naive Bayes para classificar os vendedores em categorias predefinidas fornecidas pelo negócio, usando técnicas de data mining aplicados a um conjunto de dados, composto por cerca de três anos de vendas de um transitário global. A classificação é feita em 3 classes, sendo estas: Baixo desempenho, Bom e Fora de Série, a classificação foi alcançada com base em KPI’s como a percentagem de crescimento, a variabilidade de vendas entre muitos outros. O autor também identificou os fatores críticos para o sucesso de um vendedor, de acordo com os dados, como sendo volume do crescimento da base de clientes, a capacidade de atingir os objetivos, a percentagem de crescimento e número de meses com crescimento positivo. O autor avaliou o desempenho do modelo com uma matriz de confusão e outras técnicas como True Positives, Negatives, e o score F1. Os resultados apresentaram uma precisão de 92,10 % para todo o modelo.

Measuring salespeople’s performance is a process that occurs multiple times per year on a company. During this process, the manager and the salesperson evaluate how the salesperson performed on numerous Key Performance Indicators (KPIs). To prepare the evaluation meeting, managers have to gather data from Customer Relationship Management, Financial Systems, Excel files, among others, leading to a very time-consuming process. The result of the performance evaluation is a classification followed by actions to improve the performance where it is needed. Nowadays, through predictive analytics technologies, it is possible to make classifications based on data. In this work, the author applied a Naive Bayes model to classify salespeople into pre-defined categories provided by the business, through the use of data mining techniques over a dataset of about three years of sales made by 566 salespeople of a global freight forwarder. The classification is done in 3 classes, being: Not Performing, Good and Outstanding, the classification was achieved based on KPI’s like growth volume and percentage, sales variability along the year, opportunities created, customer baseline, target achievement among others. The author also identified the most critical factors for salesperson’s success based on the dataset as Growth amount, Target achievement, Growth percentage, and the number of months with growth above 0. The author assessed the performance of the model with a confusion matrix and other techniques like True Positives, True Negatives, and F1 score. The results showed an accuracy of 92,10% for the whole model.