Um Sistema de Apoio à Gestão do Conhecimento do Comportamento dos Clientes

João Álvaro Carvalho

Universidade do Minho, Departamento de Sistemas de Informação, Guimarães, Portugal jac@dsi.uminho.pt

Manuel Filipe Santos

Universidade do Minho, Departamento de Sistemas de Informação, Guimarães, Portugal mfs@dsi.uminho.pt

Resumo

Em qualquer empresa, o conhecimento do comportamento dos seus clientes é essencial para o sucesso do negócio. Esse conhecimento pode ser obtido, entre outros processos, por pesquisa de mercado. O conhecimento mais fiável obtém-se, no entanto, a partir dos dados registados nas bases de dados da empresa no acto de venda dum produto ou prestação dum serviço.

Devido à constante modificação do comportamento de compras dos clientes, novos registos são criados nas bases de dados, modificando os padrões de com-portamento dos clientes, havendo, consequentemente, uma evolução no conhe-cimento sobre aquele comportamento que a empresa tem todo o interesse em registar.

Deste modo, consideramos que é de toda a importância não só a obtenção do conhecimento mas também zelar por ele, confrontando-o com outro conheci-mento já existente, actualizando-o e registando-o numa base de conheciconheci-mento como parte integrante do conhecimento organizacional.

E é este novo conceito de zelar pelo conhecimento obtido, tendo em atenção a sua evolução temporal, que é a proposta que apresentamos neste artigo.

A viabilidade da aplicação deste conceito passa pela construção dum sistema composto por dois módulos:

– uma base de conhecimento para conservar o conhecimento do comportamento dos clientes e suportar a sua exploração;

– uma ferramenta para fazer uma aprendizagem semiautomática do comporta-mento dos clientes e verificar a eficácia de acções dirigidas à mudança desse comportamento.

Propomo-nos construir um protótipo deste sistema utilizando tecnologia dispo-nível e suficientemente explorada.

Palavras chave: conhecimento de comportamento dos clientes, gestão do conhecimento do

comportamento dos clientes, padrões de comportamento dos clientes, descoberta do conheci-mento em bases de dados, data mining.

1 Introdução

A capacidade de atrair e conservar os clientes é a chave do sucesso do negócio.

Para a conservação dos seus clientes, a empresa deve adaptar-se a eles, antecipando as suas expectativas.

Mas, saber, em cada momento, o que os clientes realmente pretendem, passa pela aquisição de conhecimento sobre o comportamento dos clientes (CCC), a sua conservação e, principalmente, a sua gestão.

A gestão deste conhecimento é, neste contexto, entendida como a capacidade de por ele zelar através da criação e manutenção duma base de conhecimento onde os padrões de comporta-mento dos clientes são guardados depois de confrontados com outros padrões já existentes, com registos da sua evolução, completados com anotações sobre a sua utilidade e permitindo a sua disponibilização a quem deles necessite.

É este conceito de gestão do CCC que aqui apresentamos; para que tal seja possível, estamos a construir um sistema informático composto por dois módulos: [Gonçalves et al. 1999]

– uma base de conhecimento para conservar o CCC e suportar a sua exploração;

– uma ferramenta para fazer uma aprendizagem semiautomática do comportamento dos clien-tes e verificar a eficácia de acções dirigidas à mudança desse comportamento.

Neste artigo, começamos por tecer algumas considerações sobre o conhecimento do comporta-mento dos clientes e a sua aquisição bem como as tecnologias que a suportam, caracterizando uma situação que justifica a proposta dum novo conceito – a gestão do conhecimento do com-portamento dos clientes - que é apresentado a seguir bem como a solução encontrada para o viabilizar. Esta solução passa pelo desenvolvimento de duas ferramentas cujos requisitos são aqui apresentados.

2 O conhecimento sobre o comportamento dos clientes

O conhecimento sobre o comportamento dos clientes permite que as empresas ajustem a sua acção por forma a explorar esse conhecimento em seu benefício.

São exemplos de CCC:

– hábitos de consumo como sejam:

! que produtos compram habitualmente; ! em que quantidade adquirem cada produto;

! combinações de produtos comprados, normalmente, em conjunto; – locais preferenciais para aquisição de determinados produtos; – ocasiões escolhidas para efectuar determinado tipo de compras:

! horas preferenciais ao longo do dia; ! dias preferidos durante a semana; ! períodos mais frequentes do ano;

– distribuição geográfica de grupos de clientes;

Acções diversas na organização como sejam as campanhas de marketing, poderão ser mais efi-cientes se este conhecimento estiver sistematizado.

Nas grandes empresas, nomeadamente em áreas como a distribuição, a banca ou os seguros, o CCC assume grande relevância pois é dele que vai depender o crescimento da empresa, permi-tindo-lhe, em tempo útil, dar a melhor satisfação aos seus clientes.

O CCC permite, por exemplo:

− predizer qual o perfil dos clientes que responderão a um mail específico ou comprarão de-terminados produtos;

Outros benefícios podem vir para a empresa como sejam:

– a possibilidade de determinação do nível de satisfação dos clientes face aos produtos ou ser-viços que comercializa;

– a obtenção de elementos para comercialização de novos produtos ou serviços;

– a determinação de mudanças nos hábitos de compra o que pode conduzir à necessidade de introduzir inovações na empresa;

– a definição de segmentos de mercado onde os produtos da empresa são usados, aqueles onde não o são e aqueles que apresentam todas as condições para que o sejam;

– a redefinição de páginas Web ligadas ao comércio electrónico ou à publicidade de produtos e serviços;

– o estabelecimento dum relacionamento cliente-empresa personalizado; – a identificação dos clientes leais à empresa;

– a detecção de clientes envolvidos em transacções que incluem vários tipos de riscos tais como liquidez e fraude.

Há alguns anos atrás, a relação cliente-empresa era bem diferente da actual, dadas as limitações existentes.

Os clientes não tinham, dada a pouca informação a que acediam, grandes alternativas de esco-lha, fazendo as compras para satisfazer as suas necessidades e usando a razão para determinar que produto ou serviço melhor se ajustava aos seus interesses. Não é esta a prática actual pois que factores de natureza muito diversa influenciam os hábitos de compra dos clientes.

Daquele modo, as empresas mantinham os mesmos clientes ao longo da sua existência, não lhes sendo preciso, para isso, grandes esforços. Poderia haver um bom relacionamento cliente-em-presa mas não era exigido a esta um grande empenhamento para reter os seus clientes.

Actualmente, o problema já não se apresenta da mesma maneira. A oferta do mercado é diversa e cativante, os meios para chegar aos clientes são os mais variados que se possam imaginar, o próprio cliente é cada vez mais exigente e a situação da organização torna-se complicada se não mudar a sua maneira de ser, arranjando processos para cativar um maior número de clientes ao mesmo tempo que fideliza os já existentes.

Há fenómenos actuais como sejam a globalização gerada pelo comércio electrónico ou a rápida evolução tecnológica que são responsáveis por estas mudanças [Krogh et al. 1999], [Cabena et al. 1997].

Tradicionalmente, o CCC tem vindo a ser obtido por pesquisa de mercado com todos os proble-mas que este tipo de pesquisa acarreta, nomeadamente, a necessidade de efectuar inquéritos em grande escala, o elevado número de horas dispendido na sua distribuição, registo e análise dos resultados ou a não fiabilidade dos resultados obtidos pois os inquéritos apenas permitem obter intenções e opiniões sobre o produto ou serviço que a empresa oferece.

As pesquisas de mercado conduzem a campanhas, na sequência das quais se podem fazer novas pesquisas, tentando obter quer novo conhecimento quer a confirmação do conhecimento já existente.

Presentemente, a generalidade das empresas possui registos sobre os seus clientes os quais são obtidos no acto de compra dum produto ou solicitação dum serviço; esses registos vão permitir a obtenção de conhecimento sobre os clientes, na forma de padrões de comportamento. O co-nhecimento assim obtido é mais fiável do que aquele que se pode inferir a partir das intenções ou opiniões expressas pelos clientes pois que se refere a factos objectivos registados em conse-quência de acções por aqueles levadas a cabo.

Como esses registos são, normalmente, de elevada dimensão e estão a ser constantemente actu-alizados com novas aquisições, é impossível a sua manipulação e análise manualmente; assim, as empresas necessitam de meios informáticos para a realização dessas tarefas.

Esses meios informáticos devem permitir o registo dos dados, a sua manipulação e actualização, uma pesquisa a partir da qual se possam obter padrões de comportamento dos clientes e o arma-zenamento destes padrões a fim de serem utilizados em actividades na organização, tendo em vista uma evolução do negócio.

A alteração dos registos das bases de dados conduz a modificações nos padrões de comporta-mento, sendo, portanto, importante que existam mecanismos que, além de criarem novos pa-drões, permitam, também, a actualização dos já existentes de modo a que fique registada a sua evolução temporal.

As empresas que já estão sensibilizadas para o valor que possuem nas suas bases de dados ten-tam, com iniciativas diversas, aumentar esse valor. Tal é o caso dos armazéns de venda a reta-lho que, cada vez mais frequentemente, estão a aumentar o uso dos “cartões de lealdade” para

recompensar os seus clientes mais frequentes. O conceito subjacente é o de que os clientes nes-tas condições têm tratamento especial tal como descontos específicos nos produtos a adquirir ou em serviços requisitados, numa tentativa de que seja esse o armazém preferencial do cliente e não a concorrência.

É evidente que a intenção é, mais do que beneficiar o cliente, obter registos que permitam, à empresa, conduzir uma campanha de mercado individualizada.

Exemplo típico é o cartão de fidelidade do Jumbo; outros exemplos semelhantes mas que envol-vem parceiros, são o cartão Galp ou o Club-Smart da Shell.

3. As tecnologias para a aquisição do conhecimento

O actual desenvolvimento tecnológico permite a detecção da ocorrência dos eventos cliente-empresa e a criação dos respectivos registos. Estes registos dizem respeito às compras que o cliente faz mas também a reclamações, consultas sobre produtos e serviços, tentativas de aqui-sições não satisfeitas e atritos que, eventualmente, surjam.

Existem numerosos exemplos de dispositivos permitindo aqueles registos como leitores de có-digos de barras, sistemas de vigilância electrónica, transponders e cartões magnéticos.

Os dados são, automaticamente, registados em bases de dados [Ullman, 1982] e, posterior-mente, agregados em data warehouses [Inmon et al. 1994], evitando-se, assim, os conhecidos problemas inerentes à utilização das bases de dados para a descoberta do conhecimento como sejam:

– o peso resultante da utilização das ferramentas de análise em simultâneo com as aplicações operacionais;

– as inconsistências frequentes dos dados ou os campos omissos; – o horizonte histórico demasiado limitado.

Ferramentas de data mining [Fayyad et al. 1996], num processo de descoberta do conhecimento em bases de dados, obtêm, a partir daqueles dados, padrões de comportamento dos clientes que são registados em bases de conhecimento, usando um qualquer formalismo de representação do conhecimento.

Ferramentas diferentes vão gerar bases de conhecimento de tipos diferentes que podem ir desde um simples relatório ou um gráfico, registados em papel ou visualizados no écran, até a um ficheiro de texto onde as regras que traduzem os padrões de comportamento encontrados, são registadas.

É evidente que uma base de conhecimento guardada num suporte informático é muito mais flexível do que se for apenas impressa ou visualizada num écran, podendo servir de suporte activo à resolução de várias tarefas.

Normalmente, estas bases de conhecimento são estáveis pois os padrões gerados pela ferra-menta de data mining são apenas nelas registados sem serem objecto de qualquer tratamento; não existe um processo dinâmico de actualização e análise da evolução do seu conteúdo.

4 A gestão do conhecimento do comportamento dos clientes

O modelo global do processo de aquisição, registo e exploração do conhecimento do comporta-mento dos clientes é o apresentado na figura seguinte:

Figura 1- Modelo global do processo de aquisição, registo e exploração do conhecimento do comportamento dos clientes [Gonçalves et al. 1999]

1– O conhecimento organizacional existente é usado para seleccionar o conjunto alvo de registos onde a ferramenta de data mining vai actuar

2– O conhecimento organizacional existente é usado para planear a tarefa de data

mining acções para influen-ciar o comportamento dos clientes bases de dados data

warehouse conjuntoalvo

integra-ção dos dados selecção data mining 1 2 Mecanismos de recolha clientes Conhecimento organizacional aquisição exploração registo acções na organização

Como vimos, o CCC já existe nas organizações bem como as tecnologias usadas para a sua obtenção e transformação. No entanto, este conhecimento é guardado mas não é gerido e esta gestão é necessária pois, face à evolução do comportamento dos clientes, acções que hoje po-dem ser muito efectivas poderão não o ser amanhã.

Aquele conhecimento poderá, pois, não ter grande interesse se não for formalizado, actualizado, validado e integrado dinamicamente no conhecimento organizacional a partir de onde pode ser usado em actividades diversas, conduzindo a um melhor desempenho da organização

As secções 2 e 3 deste artigo caracterizam uma situação, justificando a proposta de uma nova actividade organizacional: a gestão do conhecimento do comportamento dos clientes represen-tado pelos padrões obtidos através da utilização de ferramentas de data mining, actuando nas bases de dados da organização ou em data warehouses que a partir delas foram desenvolvidas. Conceptualmente, a nossa proposta tem em vista zelar pelo conhecimento sobre o comporta-mento dos clientes:

− guardando os padrões obtidos numa base de conhecimento a criar;

− para cada novo padrão descoberto: ! verificar se já era conhecido;

! verificar se traduz evolução de algum padrão já conhecido e registar essa evolução; ! verificar a quem interessa;

! armazená-lo;

! torná-lo acessível a quem dele necessite;

− anotando a utilidade dos padrões e os resultados da sua utilização em acções organizacionais.

Para que tal seja possível, propomos que, em seguida à aquisição do CCC, haja uma fase de actualização e memorização em que os padrões obtidos por DM vão ser memorizados numa base de conhecimento do comportamento dos clientes (BCCC), permitindo uma actualização do conhecimento aí existente. A base de conhecimento é integrada no conhecimento organizacional a fim de ser utilizada em actividades diversas, conduzindo a um melhor desempenho da organi-zação.

Todo o processo, desde a obtenção dos padrões com data mining até à sua integração na BCCC, é desempenhado por uma ferramenta a que chamamos gestor do conhecimento do comporta-mento dos clientes (GCCC).

Arquitecturalmente, na sequência do modelo apresentado na figura 1, a solução que se propõe é a seguinte: acções para influen-ciar o comportamento dos clientes bases de dados data

warehouse conjuntoalvo integra-ção dos dados selecção data mining 1 2 Mecanismos de recolha clientes Conhecimento organizacional aquisição exploração registo acções na organização padrões GCCC BCCC

Figura 2 – Modelo global do processo de aquisição, actualização, memorização e exploração do conhe-cimento do comportamento dos clientes [Gonçalves et al. 1999]

1-O conhecimento organizacional existente é usado para seleccionar o conjunto alvo de registos onde a ferramenta de data mining vai actuar

2-O conhecimento organizacional existente é usado para planear a tarefa de data mining BCCC-Base do Conhecimento do Comportamento dos Clientes

GCCC-Gestor do Conhecimento do Comportamento dos Clientes

5 A Base de Conhecimento do Comportamento dos Clientes e o Gestor do

Conhe-cimento de Comportamento dos Clientes

Para que as ferramentas propostas conduzam ao objectivo pretendido, têm que obedecer a um conjunto de requisitos que a seguir serão enumerados.

5.1 A base de conhecimento do comportamento dos clientes

Os requisitos da BCCC são:

– cada regra só aparece uma vez mas deve traduzir a evolução temporal sofrida pelo que de-vem também ficar registados:

! as datas em que as regras foram observadas;

! os valores dos parâmetros níveis de suporte e confiança em cada uma dessas datas; ! comentários do gestor do conhecimento, considerados pertinentes, sobre a evolução da

regra.

Restringimos o conteúdo da BCCC a regras que podem ter vários antecedentes mas um só con-sequente.

5.2 O gestor do conhecimento do comportamento dos clientes

Esta ferramenta justifica-se pela necessidade duma integração automática, na BCCC, do CCC descoberto.

Ao GCCC vão competir as seguintes tarefas:

– confrontar os últimos padrões obtidos através de DM com o conteúdo da BCCC;

– fazer o interface com o gestor do conhecimento organizacional, mostrando-lhe os resultados do confronto acabado de executar e permitindo-lhe a introdução de comentários considera-dos relevantes, nomeadamente sobre o interesse de determinadas regras [Fayyad et al. 1996], [Silberschatz e Tuzhilin 1996] ou justificações para alterações observadas nos parâmetros nível de suporte e nível de confiança duma regra já existente ou, ainda, a remoção de padrões irrelevantes;

– actualizar a BCCC através dum processo de assimilação.

O interesse do confronto entre as regras acabadas de obter com DM e o conhecimento já exis-tente sobre os clientes e que se encontra previamente formalizado, é óbvio pois que permitirá: – a selecção de novas regras;

– a actualização de regras já existentes com os novos parâmetros entretanto obtidos (graus de suporte e confiança, intervalos de aplicação para a regra, etc.);

– a constatação de que uma dada regra se mantém sem alterações;

– o abandono de regras obtidas por DM cujo grau de confiança se encontra abaixo dum limite previamente definido.

Consideramos que a intervenção de um perito do negócio é essencial como a maneira de com-plementar os padrões descobertos com outra informação já disponível, incluindo comentários na sua justificação e aplicabilidade bem como transmitindo um saber acumulado resultante do seu próprio conhecimento do negócio.

Muitos dos padrões obtidos são triviais ou perfeitamente acidentais; é o gestor com o seu co-nhecimento adquirido em experiências anteriores ou baseado em factores externos e históricos que os eliminará da base de conhecimento.

Os requisitos a ter em consideração na construção do GCCC são:

− a possibilidade de formalizar os padrões de comportamento dos clientes sem que os gestores do conhecimento e os outros utilizadores tenham que lidar com detalhes sintácticos de for-malismos de representação do conhecimento;

− um sistema de pesquisa de regras em ficheiros;

− um processo de assimilação;

− um editor de regras que permita a participação do gestor do conhecimento no processo, dando-lhe a possibilidade de completar a regra que lhe é apresentada, apenas através da in-serção dum comentário pertinente e nunca podendo alterar qualquer outro dos valores apre-sentados; o gestor do conhecimento deve poder, também, através deste editor de regras, optar por eliminar uma regra que já não é interessante no contexto em causa; tal situação pode apa-recer, por exemplo, quando os parâmetros se mantêm, num certo intervalo de tempo, abaixo de valores previamente definidos;

− permitir que o conhecimento capturado possa ser continuamente actualizado e completado;

− uma opção de consulta de regras na BCCC através dum critério de pesquisa a definir. No GCCC que está a ser desenvolvido, contemplamos duas funcionalidades:

– a primeira e, também a mais complexa, tem como funções a importação e uniformização do formato das regras obtidas com data mining, o seu confronto com o conteúdo da BCCC, a sua apresentação ao gestor do conhecimento organizacional para que este introduza os seus comentários e a actualização da BCCC.

– na segunda funcionalidade, o utilizador - membro da organização – pode ver as regras arma-zenadas na BCCC que satisfazem a um requisito que ele próprio pode definir.

Figura 3 – As funções desempenhadas pela primeira funcionalidade [Gonçalves et al. 1999]

Figura 4 – Consulta da BCCC

BCCC Regras obtidas com

data mining

Ficheiro temporário com novas regras

confronto Ficheiro temporáro com o resultado do confronto interface gestor do conhecimento uniformização de formatos assimilação do conhecimento BCCC membro da organização interface

6 As opções técnicas tomadas

Algumas escolhas técnicas tiveram que ser feitas a fim de se implementar as ferramentas pro-postas.

A escolha da linguagem:

Das várias opções que existiam à nossa disposição para a linguagem a utilizar no desenvolvi-mento das ferramentas, a nossa escolha foi para o Prolog, atendendo a que:

– é uma linguagem orientada para o manuseamento de regras e factos, permitindo um mais fácil desenvolvimento de mecanismos de inferência;

– existe um processo de assimilação já desenvolvido nesta linguagem, sendo necessário fazer, apenas, as adaptações convenientes;

– o Prolog permite uma documentação automática dos programas através da possibilidade de registo das regras usando frases e termos da linguagem corrente.

O formalismo empregue na representação do conhecimento na BCCC:

Regras de produção é o formalismo empregue na representação das regras da BCCC. A selecção de regras deste tipo justifica-se pelas suas propriedades de:

– modularidade - cada regra define uma porção de conhecimento;

− incrementabilidade - novas regras podem se adicionadas à base do conhecimento, indepen-dentemente de outras já existentes;

− alterabilidade - as velhas regras podem ser alteradas sem prejuízo das novas; e porque

− há transparência do sistema de suporte;

– as regras mantêm-se independentes umas das outras;

– uma regra é guardada sem necessitar de ter em atenção como será usada;

− torna-se fácil responder a questões como:

∗ como chegou a esta conclusão? (Questões COMO);

∗ porque está interessado nesta informação? (Questões PORQUÊ); – há uma separação entre o quê e o como da regra. [Dhar e Stein 1997]

Nas regras de produção utilizadas para memorizar o CCC na BCCC usamos a terminologia regras de produção estendidas porque, cada regra, além do formalismo normal duma regra de produção

se x1=a1 e x2=a2 e ... e xn=an então y=b

apresenta a sua evolução ao longo das diversas observações. Assim, cada regra contém:

− o padrão descoberto, acompanhado dos respectivos parâmetros indicativos dos níveis de suporte e confiança1;

− as datas de integração e actualização do conhecimento com o fim de ser possível, em qual-quer momento, atendendo a uma dimensão temporal que fica, então, registada, traçar a evo-lução do comportamento dos clientes;

− justificações para o aparecimento de novos elementos de conhecimento ou modificações significativas nos parâmetros associados ao conhecimento existente;

− comentários sobre o interesse dos padrões de acordo com o parecer do perito do negócio2.

1

Nível de suporte – n1 - é a percentagem de elementos do conjunto alvo que verificam x1=a1 e x2=a2 e ... e xn=an;

nível de confiança – n2 - é a percentagem de n1 que também verifica y=b. 2

Este campo de comentários permite que aquele conhecimento do perito do negócio que é resultante dum saber acumulado e que não se pode exprimir num formato "SE-ENTÃO" seja também registado e utilizado em acções posteriores no negócio. O seu interesse, dado o conhecimento de que é detentor aquele perito, contribui tanto para o conhecimento a preservar como a parte restante da regra, formalmente obtida.

Formalmente, cada regra tem a forma:

Se x1=a1 e x2=a2 e ... e xn=an então

y=b

Evolução da regra:

(data1, comentário1, suporte1,confiança1)

(data2, comentário2, suporte2,confiança2)

...

(datam, comentáriom, suportem,confiançam)

Há, neste formalismo por que se optou, uma combinação duma linguagem natural com conhe-cimento formal, permitindo uma apresentação da regra ao utilizador, duma forma perfeitamente inteligível.

7 Conclusões

Analisámos a importância, para a empresa, do conhecimento do comportamento dos clientes e o processo da sua obtenção e registo.

Na sequência desta análise, propusemos uma nova actividade organizacional: a gestão do co-nhecimento do comportamento dos clientes, entendendo-se esta gestão como a capacidade de zelar por aquele conhecimento a fim de que, depois da sua criação, seja confrontado com outro conhecimento já existente, actualizando-o e registando-o numa base de conhecimento a partir de onde pode ser utilizado em actividades diversas na organização.

Todo o processo de zelar por este tipo de conhecimento apresenta ainda a vantagem, pelo facto de incorporar uma dimensão temporal, de permitir, em cada momento, que possa ser visualizada a evolução dum padrão de comportamento ao longo do tempo.

Para tornar realizável esta actividade, achamos que é necessário o desenvolvimento de um sis-tema informático composto por dois módulos que referenciámos e de que estamos a desenvolver um protótipo, com uma abordagem iterativa, utilizando tecnologia disponível.

Actualmente, o nosso trabalho está na fase de construção do protótipo que pretendemos aplicar em casos de investigação.

Futuramente, pretendemos incorporar outras funcionalidades nas ferramentas em desenvolvi-mento, como seja a possibilidade de analisar o efeito que campanhas de marketing específicas tiveram sobre o comportamento dos clientes.

Referências:

Cabena, P.; Hadjinian, P.; Stadler, R.; Verhees, J.; Zanasi, A., “Discovering –driven analytic methods are used to identify new business knowledge and to automatically refine previously validated knowledge” – Prentice Hall, 1997.

Dhar, Vasant; Stein, Roger, “Seven Methods for Transforming Corporate Data into Business In-telligence”, Prentice Hall, 1997.

Fayyad, U.M.; Piatetsky-Shapiro, G.; Smyth, P. (1996), “From Data Mining to Knowledge Discovery: an Overview” – in Fayyad, U. M.; Piatetsky-Shapiro, G.; Smyth, P.; Uthurusamy, R. (Eds.) – “Advanced in Knowledge Discovery and Data Mining”, AAAI Press/The Mit Press, Menlo Park, California, 1996, pp. 1- 34.

Gonçalves, M. F.; Carvalho, J. A.; Santos, M. F., “A Customers’ Behaviour Knowledge Repository”, Proceedings of the BIT’99 Conference, Faculty of Management and Business, The Manchester Metropolitan University, Nov. 3-4 Manchester, 1999.

Gonçalves, M. F.; Carvalho, J. A.; Santos, M. F., “Gestão do Conhecimento do Comportamento dos Clientes: Utilização de Data Mining e Base de Conhecimento”, Proceedings das X Jor-nadas Luso-Espanholas de Gestão Científica, Volume V- Gestão Comercial e Marketing, Universidade do Algarve, Vila Moura: Fevereiro de 2000, pp. 81-7.

Inmon, W. H.; Hackathom, D., “Using Data Warehouse”, John Wiley & Sons, 1994.

Krogh, George von; Nonaka, Ikujiro; Nishiguchi, Toshihiro, “Knowledge Creation – A Source of Value”, MacMillan Press Lda, 1999.

Silberschatz, Avi; Tuzhilin, Alexander, "User-Assisted Knowledge Discovery: How much should the User be Involved", Position Paper, Bell Laboratories, 600 Montain Avenue, Murray Hill, NJ: 1996.

Ullman, Jeffrey D., “Principles of Database Systems”, Rockville: Computer Science Press Corp, 1982.