Este projeto foi proposto no Challenges Alura Data Science e o objetivo é reduzir a Taxa de Evasão de Clientes, conhecido como Churn Rate. Basicamente, o Churn Rate indica o quanto a empresa perdeu de receita ou clientes em um período de tempo.
✔️ Semana 1
Inicialmente é necessário investigar algumas características de clientes ou dos planos de clientes da empresa Alura Voz para tentar classificar estas pessoas como potenciais candidatas a deixar a empresa ou não.
Através da API da Alura Voz, teremos acesso à base de dados e às suas informações. Os seguintes tratamentos nos dados foram realizados:
-
Normalização do arquivo json
-
Conversão de tipos das colunas
-
Exclusão de linhas
-
Tradução das colunas
-
Inclusão da informação gastos diários
✔️ Semana 2
Efetuar as seguintes análises:
-
Analisar a variável target: Churn (Cancelado)
-
Visualizar a distribuição da variável target: Churn
-
Criar visualizações relevantes em relação ao Churn
-
Analisar a correlação das variáveis
✔️ Semana 3
-
Aplicar encoding nos dados
-
Verificar se a variável target está desbalanceada
-
Criar dois ou mais modelos de Machine Learning
-
Avaliar os modelos usando métricas de ML
-
Escolher o melhor modelo e otimizá-lo
- Jupyter Notebook
- Python
- Pandas
- Seaborn
- Scikit-learn