🚢 Joy Shipyard – Dataset de Interações com Chatbot

Projeto desenvolvido no contexto do programa FIAP Corporate em parceria com a Porto Seguro, com o objetivo de criar uma base estruturada de interações simuladas entre usuários e um chatbot de suporte técnico, voltado para diagnóstico de problemas mecânicos e compra de peças automotivas.

---

📌 Objetivo

Construir um dataset limpo e organizado, com registros completos dos fluxos de conversas dos usuários com o chatbot, a fim de:

• Identificar padrões de comportamento.
• Reconhecer demandas frequentes por tipo de problema ou produto.
• Suportar, futuramente, a aplicação de modelos de agrupamento (ex: K-Means) para obtenção de insights e segmentação de usuários.

---

🧩 Estrutura dos Dados

• Cada linha representa uma conversa simulada com o chatbot.
• Cada coluna representa uma etapa de menu:
  • MENU PRINCIPAL
  • Submenus como MENU DE CURIOSIDADES, MENU DE ORÇAMENTO COM IA, MENU DE PEÇAS, etc.
• As opções escolhidas são numeradas e registradas.
• Campos não preenchidos originalmente com "-" foram convertidos para 0 no pré-processamento.

Exemplos de menus:

• Problemas Mecânicos: motor, freio, suspensão, direção hidráulica, etc.
• Peças: radiador, sensor, alternador, injeção eletrônica, etc.
• CuriOSIDADES: sobre a empresa, tecnologias, equipe, etc.

---

📋 Coleta e Pré-processamento

1. Interações foram simuladas manualmente, totalizando 100 fluxos de conversa.
2. Cada conversa foi convertida em estrutura tabular com campos padronizados.
3. A coluna de rótulos (RESPOSTAS DO FLUXO) foi removida após análise.
4. Caracteres "-" foram substituídos por 0 para permitir análise quantitativa.
5. O dataset final foi exportado como dataset_finalizado.csv.

---

🛠️ Tecnologias Utilizadas

• Python
• Pandas
• Google Colab
• GitHub (armazenamento do dataset)

---

📁 Arquivos do Projeto

• challenge.csv: dataset original de conversas.
• dataset_finalizado.csv: versão limpa e pronta para análise.
• ModeloIA.joblib: reservado para etapas futuras de aplicação de IA.

---

🎯 Possíveis Extensões

• Aplicação de K-Means para descobrir agrupamentos de usuários com padrões similares.
• Visualização dos fluxos mais recorrentes em dashboards.
• Aprimoramento do chatbot com base em análise dos clusters.

---

🧑‍💻 Equipe de Desenvolvimento

Projeto desenvolvido por alunos FIAP:

• Leonardo P. Santos – RM 557541
• Pedro H. Lima Santos – RM 558243
• Vitor Gomes Martins – RM 558244

---

FIAP 2024 – Corporate | Mont Clio para Porto Seguro