Esse desafio consiste em desenvolver e aplicar habilidades de Ciência de dados como explorar, tratar e modelar os dados, focando na otimização de cada um dos modelos com a finalidade de obter o melhor resultado para a tomada de decisão.

O desafio terá 4 semanas divididos em:

• 📌 Semana 1 - limpeza dos dados trazidos de uma API ✔️
• 📌 Semana 2 - Explorando os dados: vendo as informações por uma outra perspectiva ✔️
• 📌 Semana 3 e 4 - Exterminando o futuro: Criando modelos de ML 🛠️

Mais detalhes do processo aqui
Realizar o entendimento inicial dos dados, quantas colunas e registros, com qual tipo de dados estamos trabalhando e se existem registros null/na.

• Entender quais informações o conjunto de dados possui ✔️
  • Json trouxe acoplado algumas colunas - custumer, phone, internet e account ainda possuem informações acopladas, extraimos as informações para novas colunas usando o json_normalize.
    
  • E adicionamos ao dataset, tendo no final 21 colunas
    
• Analisar quais os tipos de dados ✔️
  • Utilizando o Dtype, verifiquei os tipos de dados de cada coluna, e alterei aqueles que não faziam sentido.
    
• Verificar quais são as inconsistências nos dados ✔️
  • Realizei a busca por nulos em todas as colunas utilizando o isnull()
    
  • Porém, eu percebi no desafio anterior, que as colunas totalGasto e cancelouPlano, tinham campos com " " que nem o isna() ou isnul() detectaram.
    
• Corrigir as inconsistências nos dados ✔️
  • Então com um for, realizei a correção, substituindo por 0 ou Sem Informação
    
• Traduzir as colunas
  • Realizei a padronização e tradução usando o rename()
    
  • E realizei a tradução dos dados
    
• Criar coluna de contas diárias ✔️
  • Criei a coluna de contas diarias com a fórmula gastoDiario = valormensal / 30 e inseri na posição 18
    

Mais detalhes do processo aqui

Mais detalhes do processo aqui
Realizar a exploração dos dados em principal foco a nova variável Churn, buscando correlações e distribuições com as outras variáveis.

• Analisar a variável target: Churn ✔️
• Foi verificado a distribuição da variável cancelouPlano, observamos que é uma porcentagem menor dos casos que os clientes cancelam o plano, porém ainda é necessário uma análise das correlações.
  
• Visualizar a distribuição da variável target: Churn ✔️
  • Veriiquei a relação da distribuição com as variáveis mais correlacionadas no heatmap: mesesContrato e totalServicosMensalmente
    
  
• Criar visualizações relevantes em relação ao Churn ✔️
  
• Analisar a correlação das variáveis ✔️
  • Utilizando após realizar o encode numérico de todas as variáveis, utilizei o .corr e o heatmap para visualizar as correlações
    
    

Conclusão:

• Idosos tem uma alta taxa de cancelamento
• Pessoas que não tem segurança online tem cancelado mais
• Pessoas sem backup online tem cancelado mais
• Pessoas que não tem suporte tem cancelado mais
• Pessoas com contratos mensais tem mais chance de cancelar o plano e cancelam nos primeiros meses
• As pessoas que cancelam pagam mensalmente entre 70-100 reais
• Pessoas com conta eletrônica tem uma alta taxa de cancelamento

Logo, clientes novos tem mais tendência de cancelar o seu plano comparado com clientes antigos. Os clientes com menos serviços (Segurança Online, suporte e backup) tem mais chances de cancelar, provavelmente porque o plano "deixa a desejar" nesses pontos, dificultando o uso. As pessoas preferem o pagamento eletrônico, porém a maioria das pessoas que cancelam utilizam a conta eletrônica e tem o contato mensal. Verificamos que os clientes que pagam entre 70-100 mensalmente tem mais chances de cancelar o plano (seria interessante verificar planos de desconto pensando na permanencia dos proximos clientes).
Mais detalhes do processo aqui

Mais detalhes do processo aqui