Projeto-DataScience.ETL

Analise de arquivo CSV: Os clientes estão cancelando os cartões, descobri possíveis causas desses cancelamentos e fiz um relatório.

Atividades empenhadas no projeto:

Análise de Dados (Data Analysis):

Exploração dos dados do arquivo CSV para entender sua estrutura, variáveis e conteúdo. Identificação de padrões, tendências e insights nos dados relacionados a cancelamentos de cartões de crédito. Pré-processamento de Dados (Data Preprocessing):

Python Programming:

Uso da linguagem Python para todas as etapas, desde a leitura do CSV até a geração de gráficos e análises.

ETL (Extract, Transform, Load):

Extração dos dados do arquivo CSV. Transformação dos dados para prepará-los para análise e visualização. Carregamento dos dados processados para o ambiente de análise.

Aprendizado de Máquina (Machine Learning):

Aplicação de técnicas de aprendizado de máquina para identificar padrões ou prever cancelamentos de cartões de crédito. Treinamento de modelos preditivos usando algoritmos como Regressão, Classificação, etc.

Limpeza dos dados, incluindo tratamento de valores ausentes, duplicados ou inconsistentes.

Normalização ou padronização de dados para garantir uniformidade. Conversão de tipos de dados, se necessário.

Visualização de Dados (Data Visualization):

Geração de gráficos (como gráficos de barras) para representar os dados de forma visual e compreensível. Utilização de ferramentas como plotly.

Compreensão do Domínio:

Entendimento do domínio de cartões de crédito e dos fatores que podem levar ao cancelamento.

Comunicação e Relatório:

Compartilhamento dos insights obtidos por meio de apresentações, relatórios ou outros meios de comunicação.

Conclusão:

Entre as principais causas estão:

Contatos frequentes:

As clientes que têm mais de 2 contatos com a empresa têm alto risco de cancelar os cartões. Nesse caso, no segundo contato, 403 clientes cancelaram, e no terceiro, 681 clientes cancelaram.

A possível solução nesse caso seria proporcionar um melhor atendimento a esses clientes, evitando possíveis cancelamentos.

Inatividade:

Os clientes a partir de 1 ano de inatividade têm fortes chances de cancelar o cartão. 100 clientes inativos por um ano cancelam. Em 2 anos, o número cresce exponencialmente para 505 clientes cancelando.

A possível solução seria apresentar mais propostas ao cliente, incentivando-o a utilizar mais o seu cartão e, consequentemente, fidelizá-lo.

Produtos contratados:

Quanto mais produtos os clientes contratam, menores são as chances de cancelamento. A partir de 3 produtos cadastrados, os clientes têm menores chances de cancelar seus cartões.

Uma possível solução seria incentivar os clientes a contratarem produtos por meio de estratégias de marketing e um bom atendimento, fidelizando-os.