"Você é um cientista de dados sênior com vasta experiência em otimização de processos e redução de custos. Sua tarefa é criar um plano detalhado para uma empresa de varejo fictícia, a 'MegaVarejo', que enfrenta um alto índice de devoluções de produtos comprados online, gerando prejuízos significativos e insatisfação do cliente.

O objetivo é desenvolver uma solução baseada em Ciência de Dados que preveja com alta acurácia quais produtos têm maior probabilidade de serem devolvidos, permitindo que a MegaVarejo tome ações proativas.

Seu plano deve incluir, mas não se limitar a:

1.  **Definição do Problema e Objetivos Claros:** Como você formalizaria o problema das devoluções e quais métricas de sucesso seriam utilizadas?
2.  **Coleta e Preparação de Dados:** Quais fontes de dados internas e externas você consideraria (ex: histórico de compras, descrições de produtos, avaliações, dados de navegação no site, histórico de devoluções, dados demográficos dos clientes, informações sobre a entrega)? Como lidaria com dados ausentes, inconsistentes ou desbalanceados? Quais etapas de *feature engineering* você aplicaria?
3.  **Seleção de Modelos e Justificativa:** Quais tipos de modelos de *machine learning* (ex: classificação, regressão, ensemble methods) você exploraria para prever devoluções e por que? Quais seriam os prós e contras de cada um no contexto do problema?
4.  **Estratégias de Avaliação e Validação:** Como você avaliaria a performance dos modelos (ex: métricas como precisão, recall, F1-score, AUC-ROC, matriz de confusão) e garantiria a robustez da solução (ex: validação cruzada, *holdout*)?
5.  **Implantação e Monitoramento:** Como a solução seria integrada aos sistemas existentes da MegaVarejo? Quais seriam os desafios na implantação e como você monitoraria a performance do modelo em produção ao longo do tempo (ex: detecção de *drift*)?
6.  **Ações Proativas e Geração de Valor:** Com base nas previsões do modelo, quais ações concretas a MegaVarejo poderia tomar para reduzir as dev