O barateamento, miniaturização e o aumento de capacidade de processamento levaram à disseminação de equipamentos, dispositivos e processos capazes de produzir e armazenar volumes maiores de dados. No mundo empresarial e na sociedade, os modelos de negócios estão aumentado progressivamente a utilização de conhecimentos analíticos em seus processos. De mesma forma, a massa crescente de informações possibilita a humanidade novas oportunidades de se estudar ou endereçar problemas antes muito complexos, como a previsão de acontecimentos baseada em informações disponíveis. Diante desta realidade o trabalho demonstra a aplicação do método de processo padrão inter-indústrias para mineração de dados (CRISP-DM), utilizando a técnica de Bayes por meio do algoritmo NaiveBayes no software R para a criação de um modelo preditivo de acidentes em uma empresa metalúrgica de Caxias do Sul. O projeto utiliza conceitos de ciência de dados em análises implícitas e técnicas de classificação, passando-se pela produção, armazenamento, transformação e análise de registros. Os resultados obtidos foram avaliados por meio de uma matriz de confusão e juntamente com o algoritmo criado e a caracterização do perfil de acidentados da empresa por meio de critérios e suas probabilidades, foram entregues para gestão da companhia. A técnica se mostrou válida e aberta a aplicações futuras na previsão de comportamentos baseada em registros históricos da companhia (sic).